多聚焦圖像融合在異形體表面指紋提取中的應(yīng)用

馮清枝（中國(guó)刑事警察學(xué)院 遼寧 沈陽(yáng) 110035）

多聚焦圖像融合在異形體表面指紋提取中的應(yīng)用

馮清枝
（中國(guó)刑事警察學(xué)院 遼寧 沈陽(yáng) 110035）

由于景深的限制，采用物證檢驗(yàn)攝影提取的異形體表面指紋圖像存在部分紋線模糊問(wèn)題。針對(duì)此類問(wèn)題，將基于小波變換的多聚焦圖像融合思想應(yīng)用于指紋提取中，并推導(dǎo)出相應(yīng)的融合規(guī)則及融合算法。

指紋檢驗(yàn) 多聚焦圖像 圖像融合 融合規(guī)則

1 引言

圖像融合是將不同模式下獲取的同一場(chǎng)景的多幅圖像，按照一定規(guī)則合成為一幅圖像，以滿足特定需求的圖像處理方法，現(xiàn)已廣泛應(yīng)用于資源遙感、環(huán)境監(jiān)測(cè)、災(zāi)害預(yù)報(bào)、醫(yī)療診斷、軍事目標(biāo)識(shí)別和社會(huì)公共安全等領(lǐng)域。圖像融合通過(guò)對(duì)多幅圖像數(shù)據(jù)的整合，利用多幅圖像在時(shí)空上的相關(guān)性和信息上的互補(bǔ)性對(duì)場(chǎng)景進(jìn)行更加全面、精細(xì)的描述，幫助人們對(duì)場(chǎng)景中的事物做出準(zhǔn)確的分析、識(shí)別和理解[1]。作為圖像融合的一個(gè)分支，多聚焦圖像融合是將鏡頭聚焦區(qū)不同的同一場(chǎng)景的多幅圖像合成一幅整體清晰的目標(biāo)圖像，其技術(shù)核心包括融合方法的設(shè)計(jì)、融合規(guī)則的選擇以及多幅圖像中聚焦區(qū)的判別。多聚焦圖像融合大體上劃分為空間域方法和變換域方法?；诳臻g域的圖像融合是對(duì)多幅圖像的像素灰度值進(jìn)行簡(jiǎn)單的代數(shù)運(yùn)算、邏輯運(yùn)算等，直接生成一幅融合圖像?；谧儞Q域的圖像融合首先利用某種數(shù)學(xué)變換，將多幅圖像的灰度值變換為頻譜信息，然后按照融合規(guī)則，整合多幅圖像的聚焦區(qū)頻譜，最后經(jīng)過(guò)數(shù)學(xué)逆變換將重組的頻譜信息變換為一幅融合圖像。由于難以對(duì)圖像聚焦清晰的區(qū)域做出準(zhǔn)確的判別，這些方法的普適性和實(shí)效性較差，同時(shí)也可能使融合圖像產(chǎn)生虛假輪廓、塊狀效應(yīng)等。正因?yàn)槿绱?，基于小波變換的圖像融合成為倍受人們推崇的實(shí)用方法[2]。

在現(xiàn)場(chǎng)勘查實(shí)踐中，經(jīng)常遇到遺留在門鎖、水杯、燈具等異形體表面的疑難指紋。異形體表面奇異復(fù)雜，不是規(guī)則的平面，其上的指紋分布存在著深度差異，采用物證檢驗(yàn)攝影提取指紋時(shí)，由于景深過(guò)小，致使提取的指紋圖像存在紋線清晰的聚焦區(qū)和紋線模糊的離焦區(qū)，影響著指紋圖像的整體質(zhì)量，制約了指紋檢驗(yàn)技術(shù)在刑事偵查工作中的效能發(fā)揮。此時(shí)，針對(duì)指紋在異形體表面的分布特征，選取不同深度平面作為聚焦面，拍攝多聚焦指紋圖像序列，并利用多聚焦圖像融合技術(shù)抽取多幅指紋圖像中聚焦清晰的區(qū)域合成為一幅紋線清晰的指紋圖像，不失為一種行之有效的異形體表面指紋提取方法。

2 基于小波變換的圖像融合

2.1 圖像的小波分解與重構(gòu)

小波變換是一種新的信號(hào)分析理論，具有多分辨分析和表現(xiàn)局部特征的能力，并且小波變換的多尺度解析能夠較好地模擬人類視覺(jué)特性，精確地描述圖像在不同尺度、不同方向的結(jié)構(gòu)信息，因而廣泛地應(yīng)用于圖像處理和分析領(lǐng)域。20世紀(jì)80年代，信號(hào)分析領(lǐng)域?qū)＜襇allat和Meyer密切合作，提出多分辨分析的理論框架，并總結(jié)出構(gòu)造正交小波基的一般方法，創(chuàng)立了著名的Mallat多分辨算法，由此將小波分析理論和應(yīng)用推向一個(gè)新的高潮。

Mallat算法是一種基于子帶濾波器的離散小波變換算法，可以對(duì)二維圖像進(jìn)行多尺度分解與重構(gòu)。若令Hr和Hc分別表示尺度函數(shù)對(duì)應(yīng)的行和列濾波器系數(shù)矩陣，而Gr和Gc分別表示小波函數(shù)對(duì)應(yīng)的行和列濾波器系數(shù)矩陣，則Mallat分解算法可以描述為

經(jīng)過(guò)小波變換，尺度j下的圖像Cj被分解為一個(gè)低頻子帶圖像Cj+1和三個(gè)高頻子帶圖像（i=v,h,d表示高頻子帶圖像的方向序號(hào)）。低頻子帶圖像Cj+1反映出圖像Cj的整體特征，高頻子帶圖像、、分別反映出圖像Cj在垂直方向、水平方向、對(duì)角方向上的邊緣、紋理等細(xì)節(jié)特征。反之，經(jīng)過(guò)小波逆變換，尺度j+1下的低頻子帶圖像Cj+1和三個(gè)高頻子帶圖像將重新組合成圖像Cj，相應(yīng)的Mallat重構(gòu)算法可以描述為

2.2 基于小波變換的圖像融合方案

圖1是以兩幅圖像融合為例說(shuō)明基于小波變換的圖像融合思想，對(duì)于多幅圖像融合可以類推。假設(shè)A、B為兩幅經(jīng)過(guò)精確配準(zhǔn)、并且大小相同的原始圖像，F(xiàn)為融合圖像，具體流程如下：

（1）按照公式1，對(duì)原始圖像A、B分別進(jìn)行小波分解，獲得A、B在不同尺度下的低頻子帶圖像CA、CB和高頻子帶圖像、；

（2）采用適當(dāng)?shù)娜诤弦?guī)則及融合算法對(duì)分解得到的低頻和高頻子帶圖像進(jìn)行融合處理，獲得融合圖像F的低頻子帶圖像CF和高頻子帶圖像；

（3）按照公式2，對(duì)融合圖像F的低頻子帶圖像CF和高頻子帶圖像進(jìn)行小波重構(gòu)，獲得融合圖像F。

圖1 基于小波變換的圖像融合流程圖

3 多聚焦圖像融合規(guī)則及融合算法

根據(jù)傅立葉光學(xué)理論，空間域的圖像信息可以映射為頻率域的不同頻率分量的頻譜組合，其中，低頻分量反映著圖像的能量分布，絕對(duì)值大的低頻分量對(duì)應(yīng)圖像的背景區(qū)域；高頻分量反映著圖像的細(xì)節(jié)特征，絕對(duì)值大的高頻分量對(duì)應(yīng)圖像的邊緣區(qū)域。離焦圖像可以視為理想圖像經(jīng)過(guò)一個(gè)低通濾波過(guò)程，損失較多的高頻信息而變得模糊不清；聚焦圖像可以視為所有頻率分量的信息損失極少，視覺(jué)效果逼近理想圖像，細(xì)節(jié)豐富，邊緣清晰。因此，利用小波變換將參與融合的多幅圖像分解為低頻分量和高頻分量，對(duì)低頻分量和高頻分量區(qū)分處理，優(yōu)化低頻信息，挖掘高頻信息并保留在融合圖像中。以此設(shè)計(jì)融合規(guī)則，采用加權(quán)融合算法，在保持融合圖像整體一致性的前提下，減弱圖像噪聲干擾，增強(qiáng)圖像的邊緣和細(xì)節(jié)特征[3]。

3.1 低頻子帶圖像融合

低頻分量集中了圖像的主要能量，決定了圖像的整體灰度分布。對(duì)低頻子帶圖像采用能量指標(biāo)，可以涵蓋圖像更多的有效信息。此外，圖像信息的強(qiáng)度不是僅僅依賴某個(gè)孤立的像素點(diǎn)，而是由該點(diǎn)鄰域的若干個(gè)像素按照一定比例度量。考慮到相鄰像素之間的相關(guān)性，低頻子帶圖像的融合規(guī)則采取基于鄰域窗口的能量較大法。對(duì)于低頻子帶圖像CA、CB，分別計(jì)算其能量E：

式中，x,y表示待融合的子帶圖像像素的空間位置，U,V表示以(x,y)為中心的一個(gè)3×3的鄰域窗口，m,n為窗口內(nèi)的任意一點(diǎn)。通過(guò)比較EA、EB的數(shù)值，選取數(shù)值較大的原始圖像的低頻系數(shù)作為融合圖像中對(duì)應(yīng)像素的低頻系數(shù)，其數(shù)學(xué)表達(dá)式：

3.2 高頻子帶圖像融合

高頻分量反映著圖像中灰度變化明顯的細(xì)節(jié)特征，而人眼對(duì)于細(xì)節(jié)特征非常敏感，多數(shù)情況下，采取絕對(duì)值極大法的融合規(guī)則。然而絕對(duì)值極大法對(duì)孤立的噪聲點(diǎn)特別敏感，在比較高頻系數(shù)時(shí)，極有可能將噪聲當(dāng)作有用信息保留在融合圖像中，影響圖像融合的質(zhì)量，因此，高頻子帶圖像的融合規(guī)則采取基于鄰域窗口的絕對(duì)值較大法。對(duì)于高頻子帶圖像、，分別計(jì)算衡量其高頻信息顯著性的參量S：

式中，x,y表示待融合的子帶圖像像素的空間位置，U,V表示以(x,y)為中心的一個(gè)3×3的鄰域窗口，m,n為窗口內(nèi)的任意一點(diǎn)。為了在融合圖像中保留兩幅原始圖像中最顯著的細(xì)節(jié)特征，需要在兩幅原始圖像之間，選擇S值較大的高頻系數(shù)作為融合圖像中對(duì)應(yīng)像素的高頻系數(shù)，則有：

4 實(shí)驗(yàn)結(jié)果及分析

以玻璃燈泡上的油脂指紋作為檢驗(yàn)客體，如圖2 (a)所示，通過(guò)實(shí)驗(yàn)方式驗(yàn)證利用多聚焦圖像融合提取異形體表面指紋的有效性。拍攝指紋圖像序列時(shí)，需要將數(shù)碼相機(jī)固定在翻拍架上，采用柔和光線對(duì)燈泡客體進(jìn)行均勻配光，在不改變其他條件的前提下，根據(jù)指紋的分布特征，分別選取4個(gè)不同區(qū)域作為聚焦面，采用手動(dòng)方式準(zhǔn)確調(diào)焦，拍攝4幅不同聚焦區(qū)的指紋圖像，如圖2(b)-2(e)所示，以此作為多聚焦圖像融合的原始圖像[4]。

在MATLAB7.0實(shí)驗(yàn)環(huán)境下，采用文中提出的算法對(duì)4幅指紋圖像進(jìn)行融合處理。由于4幅指紋圖像是在相同拍攝條件下提取的，因此無(wú)需進(jìn)行圖像校正和配準(zhǔn)操作。選擇sym4小波函數(shù)基對(duì)指紋圖像進(jìn)行分解，分解層數(shù)選為3層，圖2(f)所示為經(jīng)過(guò)小波重構(gòu)的融合圖像，即從玻璃燈泡上提取的清晰指紋圖像。

從實(shí)驗(yàn)結(jié)果不難看出，由于景深的限制，參與融合的單幅指紋圖像均存在聚焦清晰的區(qū)域和離焦模糊的區(qū)域，細(xì)節(jié)特征損失嚴(yán)重，直接影響著指紋檢驗(yàn)工作。融合圖像準(zhǔn)確地匯聚了4幅指紋圖像中聚焦清晰的區(qū)域，細(xì)節(jié)豐富，整體感強(qiáng)，最大限度地集成了具有檢驗(yàn)價(jià)值的指紋特征，消除了單幅指紋圖像可能存在的多義性，為指紋檢驗(yàn)工作提供了良好的條件。

圖2 指紋圖像融合實(shí)驗(yàn)結(jié)果

5 結(jié)束語(yǔ)

異形體表面指紋的準(zhǔn)確提取是長(zhǎng)期困擾人們的一項(xiàng)技術(shù)難題，這是因?yàn)樵诂F(xiàn)有條件下提取的單幅指紋圖像難以完整、精確地反映指紋特征。多聚焦圖像融合利用小波圖像的多尺度分解與重構(gòu)特性，對(duì)多幅指紋圖像不同頻率的子帶圖像采用基于鄰域特征的融合規(guī)則及融合算法進(jìn)行處理，綜合多幅指紋圖像提供的互補(bǔ)信息，突出顯示指紋的形態(tài)特征和細(xì)節(jié)特征，有效地提高了指紋檢驗(yàn)的準(zhǔn)確性和可靠性。

[1]敬忠良,肖剛,李振華.圖像融合——理論與應(yīng)用[M].北京:高等教育出版社,2007:52-57．

[2]徐冠雷,王孝通,徐曉剛,等.基于視覺(jué)特性的多聚焦圖像融合新算法[J].中國(guó)圖像圖形學(xué)報(bào),2007,12(2): 330-335．

[3]程 塨,郭雷,趙天云,等.一種基于小波變換的多聚焦圖像融合方法[J].計(jì)算機(jī)工程與應(yīng)用,2012,48(1): 194-201．

[4]王桂強(qiáng).指印的光學(xué)顯現(xiàn)和照相技術(shù)[M].北京:群眾出版社,2001:97-104．

TP391.4

A

2095-7939(2016)01-0060-03

2015-10-12

上海市刑事科學(xué)技術(shù)研究院開(kāi)放課題資助項(xiàng)目（編號(hào)：030110）。

馮清枝（1969-），男，遼寧沈陽(yáng)人，中國(guó)刑事警察學(xué)院聲像資料檢驗(yàn)技術(shù)系副教授，主要從事刑事影像技術(shù)與數(shù)字信號(hào)處理研究。

于 萍）