基于區(qū)域能量加權(quán)的圖像融合算法在指紋圖像提取中的應(yīng)用

祝念 高思莉 蔡能斌

摘要：在拍攝光滑客體表面的無色指紋時(shí)，一般采用定向反射光照相的方法，但是對(duì)于光滑紙板等表面，潛在指紋與背景之間的反射亮度差很小，傳統(tǒng)方法難以進(jìn)行拍攝提取。使用不同方向的光源配光，每一方向光源采集一幅圖像，然后使用小波變換，將圖像分解為不同尺度空間上的一系列子圖像。對(duì)于低頻子圖像，采用取平均的融合規(guī)則；對(duì)于高頻子圖像，采用基于窗口的區(qū)域能量決策進(jìn)行系數(shù)融合。最后對(duì)融合后的圖像進(jìn)行基于自適應(yīng)引導(dǎo)濾波的多尺度Retinex圖像增強(qiáng)，以增加指紋圖像對(duì)比度。實(shí)驗(yàn)結(jié)果證明，該算法可以解決光滑物面指紋圖像難以提取的問題，從而得到較為清晰的指紋圖像。

關(guān)鍵詞：指紋；圖像融合；小波變換；區(qū)域能量；引導(dǎo)濾波；多尺度Retinex

DOIDOI：10.11907/rjdk.181307

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）010-0157-04

英文摘要Abstract：When taking a colorless fingerprint on the surface of a smooth object，we usually adopt the method of directional reflected light photography. However， for glossy cardboard， the difference in reflection brightness between the potential fingerprint and the background is small， and the traditional method is difficult to extract. We use different directions of the light distribution， to capture an image at each direction of the light source. Then by using wavelet transform， the image is decomposed into a series of sub-images in different scales. For low-frequency sub-images， the average fusion rule is adopted. For the high-frequency sub-images， window-based regional energy weighting is used to perform coefficient fusion. Finally， the multi-scale Retinex image enhancement with adaptive guided filtering of the fused image is used to increase the contrast of the fingerprint image. Experimental results show that this algorithm can solve the problem of that it is difficult to extract the smooth object surface fingerprint image so that a clear fingerprint image can be ottained.

英文關(guān)鍵詞Key Words：fingerprint；image fusion；wavelet transform；regional energy；guided filter；multi-scale Retinex

0 引言

在指印檢驗(yàn)照相中，配光檢驗(yàn)技術(shù)方法顯現(xiàn)與加強(qiáng)指印的作用主要體現(xiàn)在兩個(gè)方面：一是顯著增強(qiáng)指印紋線與客體背景之間的亮度反差，使指印紋線得到顯示，包括潛在的汗液指?。欢菧p弱或消除客體背景圖案的干擾，使指印紋線細(xì)節(jié)更加清楚。對(duì)于光滑客體表面的無色指紋，通常采用定向反射光照相的方法[1]，即在與照明光線入射角度相等的反射角方向上記錄被檢物體的反射光亮度分布。光滑客體定向反射光與指印紋線物質(zhì)的非定向反射光形成強(qiáng)烈的亮度反差，使指印紋線以深褐色呈現(xiàn)在淺色背景上，在顯現(xiàn)光澤度很高的白色瓷磚等表面上的無色汗液指印時(shí)靈敏度較高。

但是對(duì)于光滑紙板等表面，潛在指印與背景之間的反射亮度差很小，在普通光線下很難形成足夠的亮度反差，另外對(duì)于拍攝面積較大的區(qū)域，強(qiáng)反光光斑并未完全消除。因此，在一般光照條件下，很難拍攝到清晰指紋，將影響后期指紋提取比對(duì)工作。

圖像融合是信息融合范疇內(nèi)主要以圖像為對(duì)象的研究領(lǐng)域，是指將兩個(gè)或兩個(gè)以上傳感器在同一時(shí)間或不同時(shí)間獲取的關(guān)于某個(gè)具體場(chǎng)景的圖像或圖像序列信息加以綜合，以生成新的有關(guān)此場(chǎng)景解釋的信息處理過程[2-3]。來自多個(gè)傳感器的信號(hào)所提供的信息具有冗余性與互補(bǔ)性，圖像融合可以最大限度地獲取對(duì)目標(biāo)或場(chǎng)景的完整信息描述[4-6]。基于空間域的融合方法直接對(duì)圖像灰度值進(jìn)行處理[7]，往往不能獲得理想的融合效果；基于變換域的融合方法主要由基于金字塔變換[8]、小波變換[9]和其它多尺度變換[10]的融合方法組成，融合效果較好。

本文首先使用小波變換，將圖像分解為不同尺度空間上的一系列子圖像，研究其不同尺度上的變化特性。對(duì)于低頻子圖像，采用取平均的融合規(guī)則；對(duì)于高頻子圖像，采用基于窗口的區(qū)域能量決策進(jìn)行系數(shù)融合。最后對(duì)融合后的圖像進(jìn)行基于自適應(yīng)引導(dǎo)濾波的多尺度Retinex圖像增強(qiáng)，增加指紋圖像對(duì)比度。實(shí)驗(yàn)結(jié)果證明，該算法可解決光滑物面指紋圖像難以提取的問題，得到較為清晰的指紋圖像。

1 指紋圖像拍攝方法

對(duì)于指紋的拍攝提取問題，目前主要使用的方法是客體不動(dòng)，相機(jī)圍繞客體進(jìn)行小角度旋轉(zhuǎn)拍照，將拍攝所得的多幅圖像進(jìn)行圖像融合處理，拼接得到完整指紋圖像；或者相機(jī)不動(dòng)，客體作小角度轉(zhuǎn)動(dòng)，同樣將拍攝所得的多幅圖像進(jìn)行圖像融合處理，拼接得到完整的指紋圖像。但是該方法在拍攝前需要對(duì)客體進(jìn)行定標(biāo)處理，在現(xiàn)場(chǎng)勘察中不易實(shí)現(xiàn)，且配準(zhǔn)技術(shù)計(jì)算復(fù)雜度高，同時(shí)會(huì)丟掉一些指紋細(xì)節(jié)信息，不利于之后的融合。

針對(duì)以上問題，提出將客體與相機(jī)均固定不動(dòng)，利用小偏角定向反射照明的方法，移動(dòng)面光源對(duì)指紋進(jìn)行逐張拍攝，對(duì)于所得的多幅連續(xù)圖像進(jìn)行圖像融合處理，提取有用信息，得到完整的指紋圖像，從而提高光滑物面指紋清晰度，減少客體上反射光斑對(duì)指紋紋線特征的影響[11]，該方法在現(xiàn)場(chǎng)勘查中易于實(shí)現(xiàn)。

2 小波變換多尺度分解與圖像重建

圖像的小波變換是將待分析的圖像在小波基下展開，小波基由小波基函數(shù)通過平移與不同尺度的伸縮構(gòu)成。其中小波基函數(shù)在頻域和空域都具有有限（或近似有限）定義域。

Mallat在Burt的塔形圖像分解與重構(gòu)算法的啟發(fā)下，將此前所有正交小波基的構(gòu)造方法統(tǒng)一起來，并給出正交小波的構(gòu)造方法及快速算法，稱為Mallat算法，是一種廣義的金字塔方法[12]。

5 實(shí)驗(yàn)結(jié)果與分析

本文針對(duì)4個(gè)不同方向打光拍攝的指紋圖像，首先使用基于小波變換的多尺度圖像分解與重建，采用基于窗口的區(qū)域能量融合決策進(jìn)行圖像融合處理，然后使用基于自適應(yīng)引導(dǎo)濾波的Retinex 圖像增強(qiáng)，得到對(duì)比度增強(qiáng)、紋路較為清晰的指紋圖像。

如圖2（a）～（d）分別為對(duì)光滑紙板進(jìn)行4個(gè)方向打光拍攝得到的4張圖像。每張圖像中有一部分因?yàn)榇蚬獾脑蝻@得比較清晰，有一部分比較暗。紙板背景復(fù)雜，指紋對(duì)比度不是很高；圖2（e）為使用本文算法進(jìn)行圖像融合后得到的圖像，經(jīng)過嘗試，發(fā)現(xiàn)進(jìn)行6層小波變換分解得到的融合結(jié)果最好?？梢钥闯?，圖2（e）同時(shí)包含了圖2（a）～（d）中的清晰部分；圖2（f）為對(duì)融合圖像進(jìn)行基于自適應(yīng)引導(dǎo)濾波的Retinex 圖像增強(qiáng)后得到的結(jié)果，可以看出，指紋圖像的對(duì)比度得到了加強(qiáng)。

按照手印檢驗(yàn)理論[16]，手印檢驗(yàn)所利用的特征為紋型特征、紋線特征點(diǎn)、汗孔與紋線形狀特征。圖2（e）的融合圖像紋線特征點(diǎn)及紋線形狀較為清晰，集成了具有鑒定價(jià)值的手印特征，可便于后續(xù)的指紋提取比對(duì)。

6 結(jié)語

本文使用不同方向的光源配光，每個(gè)方向光源采集一幅圖像，然后使用小波變換，將圖像分解為不同尺度空間上的一系列子圖像，研究其不同尺度上的變化特性。對(duì)于低頻子圖像，采用取平均的融合規(guī)則；對(duì)于高頻子圖像，采用基于窗口的區(qū)域能量決策進(jìn)行系數(shù)融合。最后對(duì)融合后的圖像進(jìn)行自適應(yīng)引導(dǎo)濾波的多尺度Retinex圖像增強(qiáng)，以增強(qiáng)指紋圖像對(duì)比度。實(shí)驗(yàn)結(jié)果證明，該算法可以解決光滑物面指紋圖像難以提取的問題，得到較為清晰的指紋圖像，效果優(yōu)于傳統(tǒng)方法。

參考文獻(xiàn)：

[1] 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.

[2] 孫巖.基于多分辨率分析的多傳感器圖像融合算法研究[D].哈爾濱：哈爾濱工程大學(xué)，2012.

[3] 楊航，吳笑天，賀柏根，等.基于多尺度導(dǎo)引濾波的圖像融合方法[J].光電子·激光，2015，26（1）：170-176.

[4] 敬忠良，肖剛，李振華.圖像融合理論與實(shí)踐[M].北京：高等教育出版社，2007.

[5] 吳冬鵬，畢篤彥，何林遠(yuǎn)，等.基于NSSCT的紅外與可見光圖像融合[J].光學(xué)學(xué)報(bào)，2017，37（7）：106-114.

[6] 楊艷春，李嬌，黨建武，等.基于引導(dǎo)濾波與改進(jìn)PCNN的多聚焦圖像融合算法[J].光學(xué)學(xué)報(bào)，2018（5）：1-16.

[7] 郭明，王書滿.基于區(qū)域和方向方差加權(quán)信息熵的圖像融合[J].系統(tǒng)工程與電子技術(shù)，2013，35（4）：720-724.

[8] 牛穎超，周忠發(fā)，謝雅婷，等.基于金字塔變換算法優(yōu)化的遙感圖像融合[J].激光與光電子學(xué)進(jìn)展，2017，54（1）：276-283.

[9] 陳琛，霍兵強(qiáng)，李海軍，等.基于小波變換與區(qū)域的PET/CT醫(yī)學(xué)圖像像素級(jí)融合[J].軟件導(dǎo)刊，2017，16（10）：202-204，208.

[10] 藺素珍，朱小紅，王棟娟，等.基于嵌入式多尺度變換的多波段圖像融合[J].計(jì)算機(jī)研究與發(fā)展，2015，52（4）：952-959.

[11] 郝新華，邱樹玲.信息融合法拍攝強(qiáng)反光客體表面潛在指印[J].警察技術(shù)，2009（5）：29-31.

[12] MALLATS G. A theory for multiresolution signal decomposition： the wavelet representation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 1989， 11（7）：674-693.

[13] 王坤臣，孫權(quán)森.基于區(qū)域特性的Curvelet變換圖像融合算法[J].現(xiàn)代電子技術(shù)，2015，38（2）：77-82.

[14] 溫海濱，畢篤彥，馬時(shí)平，等.消除光暈和細(xì)節(jié)增強(qiáng)的多尺度Retinex紅外圖像增強(qiáng)[J].紅外技術(shù)，2016，38（2）：149-156.

[15] 謝偉，周玉欽，游敏.融合梯度信息的改進(jìn)引導(dǎo)濾波[J].中國(guó)圖象圖形學(xué)報(bào)，2016，21（9）：1119-1126.

[16] JAIN A K， CHEN Y， DEMIRKUS M. Pores and ridges： high-resolution fingerprint matching using level 3 features [J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2007， 29（1）：15.

（責(zé)任編輯：黃 ?。?/p>