指紋圖像分割方法研究

汪慶

（合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院，安徽 合肥 230009）

引言

指紋圖像分割是指紋預(yù)處理的關(guān)鍵步驟，有效的指紋分割方法能夠?qū)⑶熬皡^(qū)域從各種背景區(qū)域中分割出來(lái)。正確提取的前景區(qū)域?qū)⒅讣y真實(shí)的理紋和特征點(diǎn)保留，使得系統(tǒng)后續(xù)處理只需針對(duì)真實(shí)紋線(xiàn)區(qū)域，從而提高整個(gè)系統(tǒng)的處理精度和速度。

本文首先給出了指紋圖像分割的研究目的，然后對(duì)近幾年指紋分割領(lǐng)域出現(xiàn)的新方法從指紋結(jié)構(gòu)特征和特定理論兩方面進(jìn)行介紹，并對(duì)各類(lèi)方法進(jìn)行分析比較，最后探討了指紋分割方法的方向。

1 指紋圖像分割的研究目的

指紋分割的基本目標(biāo)就是對(duì)原始指紋圖像進(jìn)行處理，去除干擾區(qū)域，將指紋特征保留下來(lái)。由于不同的采集設(shè)備和方法的使用，實(shí)際獲取的指紋圖像含有大量的冗余背景，本文選取了幾幅有代表性的含干擾區(qū)域的指紋圖像，如圖1：

圖1 幾幅含干擾區(qū)域的指紋圖像

真實(shí)采集的指紋在外部和內(nèi)部都有不同的干擾區(qū)域，圖1a 中矩形區(qū)域?yàn)椴缓腥魏沃讣y特征的非指紋圖像區(qū)域，如果將其誤分為前景，則會(huì)給指紋特征提取環(huán)節(jié)增加計(jì)算量。由于人體汗液分泌和手指清潔度的原因，在采集器重復(fù)使用時(shí)會(huì)產(chǎn)生殘留指紋的干擾，圖1b 中的矩形區(qū)域?yàn)闅埩糁讣y，但其可能是清晰的紋路，如果將這一區(qū)域劃分為前景，則會(huì)使得指紋特征提取產(chǎn)生偽特征點(diǎn)，降低整個(gè)系統(tǒng)的識(shí)別率。圖1c 中方框內(nèi)是指紋內(nèi)部粘連指紋區(qū)域，其內(nèi)部紋線(xiàn)已經(jīng)無(wú)法辨別，需要將其去除。

2 基于結(jié)構(gòu)特點(diǎn)的分割方法

2.1 基于邊緣檢測(cè)的方法

指紋邊緣檢測(cè)方法利用指紋圖像前景和背景在邊界處所表現(xiàn)出的差異來(lái)檢測(cè)出邊緣，并按一定策略形成指紋閉合曲線(xiàn)，保留目標(biāo)輪廓完成分割。表1 是利用邊緣檢測(cè)的方法獲取指紋輪廓的方法：

表1 邊緣檢測(cè)法

2.2 基于紋線(xiàn)方向的方法

指紋紋線(xiàn)是由不規(guī)則的脊谷相間的條紋構(gòu)成，指紋塊方向是由塊內(nèi)指紋脊線(xiàn)上的點(diǎn)方向估算出來(lái)。表2 是利用指紋塊方向的分割方法：

表2 紋線(xiàn)方向法

2.3 基于新特征的指紋分割

指紋圖像的基本特征包括灰度，方差，方向一致性，但幾種特征并不能完全描述指紋的全部特性，對(duì)指紋的理紋特性也不能很好的表達(dá)。指紋特征的好壞能夠影響最終分割效果，引入能夠描述指紋本質(zhì)特性的新特征會(huì)使指紋分割結(jié)果起到事半功倍的效果。表3 是對(duì)近幾年指紋分割領(lǐng)域中提出的新特征：

表3 新特征的提出及描述

2.4 基于結(jié)構(gòu)特點(diǎn)分割方法分析

邊緣檢測(cè)方法中，通常是基于指紋圖像邊緣特征將輪廓點(diǎn)鎖定到邊界附近，對(duì)質(zhì)量較好的指紋圖像，該方法具有較高的分割精度，但是該方法是基于像素特征的方法，在實(shí)現(xiàn)過(guò)程中計(jì)算復(fù)雜度較高而且容易受噪聲影響，通常在處理之前需要進(jìn)行濾波預(yù)處理。

基于紋線(xiàn)方向的方法中，通常是需要將指紋分割為小塊，計(jì)算塊方向，利用塊方向的變化程度結(jié)合灰度等特征作為塊的判定條件。該方法使用指紋塊進(jìn)行判定，對(duì)噪聲不敏感，計(jì)算復(fù)雜度較低。但該方法也存在一定的缺陷：在靠近指紋中心區(qū)域塊方向變化較快，可能出現(xiàn)錯(cuò)誤判斷；塊分割可能會(huì)導(dǎo)致邊界部分特征點(diǎn)丟失；塊分割后邊界呈現(xiàn)鋸齒狀需要使用數(shù)學(xué)形態(tài)學(xué)等方法進(jìn)行后處理。

基于新特征的方法主要是根據(jù)現(xiàn)有一般指紋特征的缺陷，更深層次地挖掘指紋圖像的內(nèi)在特征，更能夠表現(xiàn)指紋的特殊紋理特征。該類(lèi)方法中每一種特征都有其適用的場(chǎng)合，文中許多仿真成果是在不同數(shù)據(jù)庫(kù)、針對(duì)不同圖像條件進(jìn)行的，對(duì)不同的特征很難去統(tǒng)一評(píng)價(jià)其優(yōu)劣。這種能夠反映指紋圖像本質(zhì)的新特性的提出仍將是指紋圖像分割研究中的重中之重。

3 基于特定理論的分割方法

3.1 特定理論的分割方法

在計(jì)算機(jī)中，對(duì)指紋圖像分割的處理可以看做是一個(gè)兩類(lèi)分類(lèi)問(wèn)題處理，即把指紋分為指紋區(qū)域和非指紋區(qū)域。由于指紋圖像的特殊性，并非所有其他領(lǐng)域的圖像分割方法都適合于指紋圖像。表4 是已有分類(lèi)理論在指紋圖像分割的應(yīng)用：

表4 特定理論的分割方法

3.2 特定理論的分割方法分析

線(xiàn)性分類(lèi)器法和DAMF 法使用了多個(gè)特征融合的方法。線(xiàn)性分類(lèi)器法的特征權(quán)重參數(shù)仍需根據(jù)經(jīng)驗(yàn)設(shè)定；DAMF 法通過(guò)分析特征的類(lèi)別可分性度量和該特征分類(lèi)概率，實(shí)現(xiàn)指紋特征自適應(yīng)分割。該類(lèi)方法直接利用分塊判定，時(shí)間復(fù)雜度較低。

D-S 證據(jù)理論和AdaBoost 方法是將分類(lèi)器融合的判定方法。D-S 證據(jù)理論無(wú)需先驗(yàn)概率和條件概率，適合于兩類(lèi)分類(lèi)器融合，但要求每個(gè)證據(jù)是相互獨(dú)立的，文中也是根據(jù)方向性和對(duì)比度相關(guān)性較小而假設(shè)兩類(lèi)證據(jù)結(jié)果是相互獨(dú)立的；AdaBoost方法在訓(xùn)練過(guò)程中無(wú)需修改樣本權(quán)重意外的任何參數(shù)，也無(wú)需弱分類(lèi)器的先驗(yàn)知識(shí)，適合于將多個(gè)弱分類(lèi)器融合成為一個(gè)強(qiáng)分類(lèi)器的情況。該類(lèi)方法時(shí)間復(fù)雜度相對(duì)線(xiàn)性分類(lèi)器方法較高，可以應(yīng)用于實(shí)時(shí)性要求不高的場(chǎng)合。

BPNN、LVQ 和SVM 方法方法是有監(jiān)督的學(xué)習(xí)方法，需要首先對(duì)樣本進(jìn)行學(xué)習(xí)，時(shí)間復(fù)雜度相對(duì)較高。該類(lèi)方法目前大多處于實(shí)驗(yàn)室階段，隨著人工智能等領(lǐng)域的發(fā)展，對(duì)該類(lèi)方法的優(yōu)化有待進(jìn)一步研究。

4 結(jié)束語(yǔ)

本文對(duì)近幾年指紋圖像分割中一些新方法從結(jié)構(gòu)特點(diǎn)和特定理論入手進(jìn)行了全面的論述，對(duì)不同的方法從精度、時(shí)間復(fù)雜度和算法特點(diǎn)三方面分析。通過(guò)對(duì)以上各種指紋分割方法的總結(jié)和討論，擬將今后的研究工作在以下幾個(gè)方面進(jìn)行：

（1）目前基于傳統(tǒng)特征的指紋分割算法很難取得滿(mǎn)意結(jié)果，而一個(gè)好的特征引入將會(huì)對(duì)分割算法產(chǎn)生質(zhì)的飛躍，關(guān)注于更加能反應(yīng)指紋本質(zhì)的特征，新特征的抽取將是研究的重點(diǎn)之一。

（2）單一特征難以全面反映指紋圖像特性，往往需要和其他特征結(jié)合使用，故融合多個(gè)特征最大限度地利用指紋圖像信息，更能完整地表達(dá)指紋真實(shí)區(qū)域。

（3）基于學(xué)習(xí)的方法時(shí)間效率不能達(dá)到自動(dòng)分割的要求，學(xué)習(xí)過(guò)程較慢，如何加快收斂速度仍將是研究的重點(diǎn)。

（4）用于快速指紋采集的十指指紋分割和用于現(xiàn)場(chǎng)指紋提取的重疊指紋分割將是指紋分割領(lǐng)域未來(lái)的另一個(gè)重要研究方向。