基于gabor滤波器的指纹图像增强算法的研究

《基于gabor滤波器的指纹图像增强算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于Gabor滤波器的指纹图像增强算法的研究　　摘要：在指纹识别预处理中，指纹增强效果对于后续的匹配和识别具有很重要作用。本文主要详细的介绍了基于Gabor滤波的指纹图像增强算法，并通过研究和加以实现传统的增强算法，然后在原有的基础上改进了Gabor滤波器，最终，相对于传统的滤波器，取得了较好的增强结果，从而尽可能减少了噪声干扰以及块现象，为以后的指纹匹配打下了良好的基础。　　关键词：规格化方向角频率场Gabor滤波器　　中图分类号：TP391.41文献标识码：A文章编号：1007-9416（2016）05-0000-00　　指纹识别技术是目前

2、国内外生物识别技术领域研究的一个热点，同时也是当前运用最为成熟、可靠和广泛的生物技术之一。由于各种不可避免的因素干扰，使得采集到的指纹图像很难得到准确提取和匹配，使得一个良好的指纹增强算法，不仅要具有快速性，还要具有良好的鲁棒性和稳定性，从而提高特征提取及特征匹配的准确率。Gabor滤波器具有方向选择特性和频率选择特性的带通滤波器，并且能够达到时域和频域的最佳结合，可以很好地兼顾时域和频域信息，因此是实现指纹增强一个很不错的方法。6　　目前，针对指纹图像增强的算法一般可以分为3大类：频率滤波、空间域的方向滤波和Gabor滤波。其中，在Hong[

3、1]等人提出的利用局部纹线方向和频率，使用Gabor函数增强指纹图像的方法，以及后面出现的一些改进的Gabor滤波算法等，使得Gabor增强具有更好的鲁棒性和适应性，成为目前指纹增强的主流方法。其主要思想是在指纹图像的一个局部区域（一般是指纹中互不重叠的分块），提取指纹脊线上各点的方向和频率信息，构造适当的滤波器模板进行滤波增强处理。其主要步骤包括：（1）规格化处理；（2）方向场估算；（3）频率场估算；（4）图像分割；（5）Gabor滤波。　　1规格化处理　　图像规格化主要是将原始图像的灰度值的均值和方差调到所期望的均值和方差，进而减弱图像中由

4、于噪声所产生的灰度差异，改善图像的灰度对比度，为后续处理工作做准备。公式如下：　　其中，c（i，j）表示当图像当前第i行，第j列的灰度值，N（i，j）表示规格化的对应位置的灰度值，M0，σ0分别表示灰度图像的期望均值和均方，M，σ分别表示当前灰度图像的均值和均方差。其中原始图像和规格化图像分别如图1和图2所示。　　2方向场估算6　　由于指纹图像的脊线走向比较平缓，对应的方向场也不会有剧烈的走向，因此脊线方向也表明着指纹的内在特性。而方向图分为点方向图和块方向图，前者是求出每个像素点的方向，方向图精确但计算量较大；后者是求出图像中每个局域中的纹线

5、主导方向，计算量相对前者较少，抗噪性更强。本文中采用的是基于灰度梯度的方法求块方向图，其主要思路是根据纹线方向在局部区域内基本一致的特点，先把指纹图像分块，然后计算每一子块的纹线走向，最后用该方向代表对应子块内的各个像素的方向。方法如下：　　（1）将规格化的指纹图像N分成W×W的无重叠的子块；　　（2）利用Sobel算子分别计算每个子块中，对应的每个像素点的梯度分量值Gx，Gy；　　（3）使用公式（2）计算每个分块中心像素点的纹线方向　　这里θ（i，j）表示的就是以像素点（i，j）为中心的子块的局部方向，即纹线方向。得到的方向图如图3所示。　　

6、3频率场的估算　　目前主要的脊线频率计算方法是：由于指纹纹线具有很强的方向性，沿着脊线方向看，指纹脊线和谷线像素点灰度值大致形成一个二维的正弦波，定义纹线频率近似为正弦波的频率，即为相邻的两个波峰或波谷之间的像素点个数的倒数。计算频率场的方法如下：　　（1）在求出某一个块中心像素的方向角θ（i，j）基础上，以当前像素的脊线方向为短轴，作一个尺寸为N×S的长方形窗口，如图4所示。　　（2）用公式（3）―（5）计算当前窗口内沿方向角方向的S个像素灰度的平均值，也即幅度值。　　（3）在公式中，M（k）形成一个离散的正弦波，如果M（k）中存在连续的峰值

7、，则说明当前窗口的指纹是有效的，设hi为第一个峰值与第i个峰值的间距，脊线平均距离L，则脊线频率为：　　4图像分割　　从图像场的角度看，梯度场可以用来分割指纹图像，因为指纹对象部分的梯度场值较高，6　　而背景部分的梯度场值较低，所以一般把求出的梯度进行高度平滑，去掉梯度图像的噪声，然后利用适当阈值就可以判断该点为前景还是背景，确定阈值步骤如下：　　（1）阈值的选择跟图像质量有关。对于光学图像，因为比较平滑，所以阈值比较小，通常取30～40。如果图像不够平滑，则必须先对图像进行平滑处理，并且阈值大约取50左右。　　（2）用单位区域上的梯度阈值作为

8、灰度梯度特征，需要计算单位区域上的平均梯度作为该单位区域阈值。具体方法见文献[2]。　　（3）设A为分割域值。T（i，j）为位置（i，j）的梯度。