指纹图像分割算法的应用与研究毕业论文

2020-03-14 12:19:39

摘要

自动指纹识别技术是近年来计算机模式识别领域的一个研究热点，已有不少国内外学者对指纹识别技术做了大量研究，但仍存在一些技术难点和不足。指纹图像预处理是指纹识别过程的起始步骤，预处理效果的好坏直接影响着后续步骤的效果。指纹图像分割是预处理过程中的重要一步，高效的指纹分割方法对于减少预处理时间、提高自动指纹识别系统性能都具有非常重要的意义。

本文针对如何优化指纹图像分割算法展开了深入的研究。首先，论文第二章大致的罗列了指纹图像分割算法的基础图像分割技术的主要理论和技术，这是为了后文指纹图像分割算法的阐述所做的铺垫，旨在为指纹图像分割算法提供足够的理论支持。第三章就主要的几种指纹图像分割算法做了论述，概括了基于块的指纹图像分割算法，基于像素的指纹图像分割算法，基于提取指纹外轮廓的指纹图像分割算法以及基于方向图的指纹图像分割算法的原理和步骤，阐述了这四种指纹图像分割算法各自的优缺点以及其各自适用的状况。第四章，基于自适应动态阈值初分割和区域增长再分割技术，提出了改进的指纹图像分割算法，这种方法的优点在于它能够根据指纹图像各个部分的灰度值，为各部分自适应选择适当的阈值，这样就能方便的把不同的目标、背景分离开来，之后对于指纹图像的处理会更加的便捷。通过实验证明该算法应用于指纹分割上获得了较好的实验结果，确实使现有的指纹图像分割算法得到了改进。

关键词：指纹识别系统；指纹图像分割算法；自适应动态阈值分割；区域再分割

Abstract

Automatic fingerprint recognition technology is a hot topic in the field of computer pattern recognition in recent years. Many scholars at home and abroad have done a lot of research on fingerprint recognition technology, but there are still some technical difficulties and shortcomings. Fingerprint image preprocessing is the initial step of fingerprint recognition process. Fingerprint image segmentation is an important step in the process of preprocessing. Efficient fingerprint segmentation method is very important to reduce the pretreatment time and improve the performance of automatic fingerprint recognition system.

This paper focuses on how to optimize fingerprint image segmentation algorithm. First of all, the second chapter lists the main theories and techniques of fingerprint image segmentation algorithm, which is the basis of fingerprint image segmentation algorithm. The aim is to provide sufficient theoretical support for fingerprint image segmentation algorithm. In the third chapter, several fingerprint image segmentation algorithms are discussed, including block based fingerprint image segmentation and pixel based fingerprint image segmentation. The principle and step of fingerprint Image Segmentation algorithm based on extracting external outline of fingerprint and fingerprint Image Segmentation algorithm based on directional ImageAt first, the advantages and disadvantages of the four fingerprint image segmentation algorithms and their application are described. In chapter 4, an improved fingerprint image segmentation algorithm is proposed based on adaptive dynamic threshold initial segmentation and region growth resegmentation. The advantage of this method is that it can be based on the gray value of every part of fingerprint image. Choosing the appropriate threshold for each part adaptively, so that the different targets and background can be easily separated, and then the fingerprint image processing will be more convenient. The experimental results show that the algorithm is applied to fingerprint segmentation, and the existing fingerprint image segmentation algorithm can be obtained.Improvements have been made.

Key Words：Fingerprint Identification system; fingerprint Image Segmentation algorithm; Adaptive dynamic threshold Segmentation; region re Segmentation

摘要 I

Abstract II

第1章绪论 1

1.0 课题的背景和意义 1

1.1生物特征识别技术 1

1.2自动指纹识别系统 3

1.3指纹图像基本特征 3

1.4指纹图像预处理 4

1.5国内外研究现状 6

1.6论文内容安排 7

第2章图像分割技术 8

2.1图像分割的有关理念 8

2.2图像分割方法 8

2.2.1 基于区域的分割算法 9

2.2.2基于边缘检测的分割方法 9

2.2.3基于区域和边界技术相结合的分割方法 9

2.2.4基于特定理论的分割方法 9

第3章指纹图像分割算法 11

3.1割除非指纹区的指纹图像分割方法 11

3.2二值化图像的指纹图像分割方法 11

3.3基于方向图的指纹分割 12

3.3.1 指纹方向图概述 12

3.3.2方向图的计算方法 12

3.4实验结果 14

3.5本章小结 15

第4章改进指纹图像分割算法 16

4.1自适应动态阈值初分割 16

4.2区域增长再分割 17

第5章算法实现与实验分析 18

5.1算法实现 18

5.2实验分析 18

第6章总结与展望 20

参考文献 21

致谢 22

绪论

1.0 课题的背景和意义

随着全球经济的快速发展，人类社会已经进入了高度数字化。与此同时，层出不穷的电子产品进入我们的生活。高速发展的科学技术极大地方便了人们的生产生活，现代社会的进步和发展向前跨了一大步。在数字化时代的今天，我们每个人都拥有大量的验证信息，像手机密码、QQ密码、账户密码、论坛密码等等；并配备了各种钥匙、如门房钥匙、汽车钥匙等。这些传统身份识别技术，随着科技的发展，安全性越来越得不到保证。但我们的生活随时都需要进行个人身份权限的识别和确认，于是生物识别技术便出现在人们的身边，而指纹作为人类终生不变的身体特征之一，具有广泛、唯一的特点，是人体天然的密码信息。因此指纹成为生物识别技术主要研究目标之一。指纹识别技术现阶段是国内外公认的应用最为广泛,价格平易近人、适用性最高的生物认证技术,指纹虽然只是人身体上很小的一部分,但是它本身储存了大量的信息。这种皮肤在图案、断点和交叉点上的图案是大相径庭的，处理信息时人们通常称它为"特征"，医学上已经证明每个人的指纹以及指纹蕴含的信息是完全不同的,而且这种信息一生都不会变并且具有唯一性，因此我们可以将指纹和指纹使用者一一对应起来，通过比较指纹所有者的指纹特征和验证储存在库中的指纹特征，就可以验证指纹所有者的真实身份。而指纹图像分割作为指纹图像识别系统中重中之重的一个环节，其结果将直接影响到整个系统性能，是指纹图像识别系统预处理过程中的必不可少的一部分，其应用前景十分广阔。

1.1生物特征识别技术

在当今这个高度信息化的时代，如何精准识别一个人的身份，并且保证个人信息安全的问题已亟待解决。传统的身份识别技术由于极易造假和窃取，已难以满足现代社会的需求，于是生物识别技术应运而出。它是目前兼具速度与安全的解决措施。它使用时，简单、快捷、迅速；在识别时，精准、可信、安全。而且能够配合安全系统进行自动化管理。各国对其广阔的应用前景、巨大的社会效益和经济效益高度关注和重视。

生物识别技术是通过测试特征(人脸、DNA、视网膜、指纹等)或在行为上所拥有的特征(签名、语音、行走步态等)来鉴定身份的技术。生物识别技术是基于每个个体的独特性来识别身份的。它的主要内容是生物识别系统和生物识别技术。

生物识别技术是指利用一些技术采集人体特征来身份认证。更具体而言,生物识别技术将通过光学,声学,生物传感器和统计学原理等采集到的信息,集成到计算机,利用人的生理特性和人体行为的特征来辨认人的身份。

生物统计识别系统是一个对生物特征采样,提取并转换成数字代码,并通过组合这些获得进一步的特征模板。当人们的身份认证同识别系统交互,识别系统需要在模板中得到可用

的特征和数据的特征进行比较,以确定是否匹配,来决定接受或拒绝。

现今比较热门的生物特征识别技术有指纹识别、人脸识别、DNA识别、静脉识别、虹膜和视网膜识别、声纹和签名识别和掌形和掌纹识别等。通过对这几种技术的比较,我们发现指纹识别技术是其中较为实用的技术。如表1.1所示,对这十几种技术的精准度、唯一性、不变性、普遍性、防伪性、采集难度和接受难度作了比较。H、M、L分别代表High，Medium，Low。

1.2自动指纹识别系统

在生物识别系统领域，自动指纹识别系统（AFIS）在现在已经被广泛接受和应用，虽然指纹识别系统的应用已经非常的成熟，人们也已经非常了解识别系统的各个阶段步骤，但是随着社会问题的不断发现和科学技术的不断发展，指纹识别领域也急需更深的研究，以解决不断出现的指纹识别应用中的问题。自动指纹识别系统在通常情况下可分为四个处理步骤：第一步，指纹图像的采集；第二步，指纹图像预处理；第三步，特征提取和第四步，指纹匹配。为了减少不必要的冗余计算，指纹分割需要在指纹图像预处理的最前面进行。本文将针对指纹图像的分割技术以及算法做更加深入的研究并对每个分割算法做出仿真实验。指纹图像分割过程是指纹图像预处理阶段甚至整个自动指纹识别系统的重要组成部分，精确的将指纹前景区域和指纹背景区域分割开，可以大大的减少后续处理计算量和后续处理的时间，同时也能提高指纹识别的正确率，从而就显著提高了自动指纹识别系统的处理速度和质量。

1.3指纹图像基本特征

指纹识别系统中保存的不是指纹图像，而是指纹图像的特征信息。指纹识别系统通过比对指纹特征就能识别人的身份。对于一张指纹图像来说，它主要包括了脊线和谷线，其中脊就是手指皮肤表面突起的部分，脊线在指纹图像中就是颜色较深的线条；谷就是手指皮肤表面凹陷的部分，谷线在指纹图像中就是颜色浅的线条。指纹的特征可以被分为全局特征、局部特征以及细微特征。全局特征主要包括以下几中：（1）指纹纹路图案：基本纹路图案主要包括：左箕型、右箕型、斗型、拱型和尖拱几种类型，如图1.2所示。（2）指纹模式区: 指纹图像的总体特征主要在模式区，通过模式区可以看出指纹的类型；（3）指纹核心点：是指纹的重要参考点，可以通过他来读取和比对指纹。（4）指纹三角点：三角点是指纹图像中三角形纹路区域的中心点，离该点最近的三条指纹纹线构成一个近似等边三角形，三角点提供了指纹纹路计数和跟踪的起始位置。核心点和三角点统称为奇异点。（5）指纹纹数：作为全局特征，纹数一般是指模式区内指纹纹路的数量。

左箕型（2）右箕型（3）斗型（4）拱型（5）尖拱型

局部特征主要包括：（1）指纹端点：指纹纹线的最终端点。（2）分叉点：指纹

在这个点分叉为两个或者多条指纹。（3）孤立点：孤立点也是一条指纹，因为它非常短，可以把它视为一个点。（4）短纹：比孤立点稍长的指纹，相对其它指纹比较短。（5）环点：指纹现分为两条，后这两条指纹有重合在一起成为一个小圈，这个小圈叫做环点。（6）桥：在两条指纹中间，并将这两条指纹连接起来的指纹。（7）曲率：指纹纹路方向改变的速度。

1.4指纹图像预处理

（1）指纹图像分割：指纹图像分割是指纹图像预处理过程中的第一个步骤，亦是指纹识别系统所有进程的开始。指纹图像分割的主要目的就是将采集到的指纹图像进行分割, 将很难恢复的指纹区域以及质量差的指纹图像分割出来，保留指纹纹脊结构清晰的区域，这些保留下来的区域将成为指纹后续处理的主要区域。指纹图像分割可以有效地减少指纹识别系统的时间、提高指纹的匹配率，是指纹处理中极为重要的步骤之一。一个好的指纹分割不仅要求可以分割出质量差的区域，同时还要保证保留区域的质量，因此指纹识别系统需要更为优化的分割算法。

因为指纹的结构具有一定方向性，方向图的原理被广泛应用于常使用的指纹图像分割方法之中。想要成功的使用方向图对指纹图像进行分割就需要我们能够高效的计算指纹图像的点方向图和块方向图，但是对于一些指纹的区域，我们很难得到方向图，因此我们难以利用方向图分割指纹。为了改进单一指纹分割算法的不足，人们开始使用两种方法对指纹图像进行分割。还有利用灰度值和纹线频率等特征的指纹分割算法，它们也有很好的分割效果，但是每一种方法都存在不同程度上的缺点。

（2）指纹图像增强：在实际情况中，由于手指和采集设备的影响和制约,采集到的指纹图像往往存在大量的噪音，如果不对这些指纹图像进行增强处理。将会在指纹图像特征提取时得到很多的为特征点，对最终的匹配结果产生影响。想得到比较干净清晰的指纹图像就需要对图像进行滤波增强。指纹图像增强是通过一定的算法，使得原始指纹图像的纹线结构更加清晰完整，尽量保持原有特征信息的不变性，并且避免产生伪特征信息。

图像增强的一般方法主要有灰度变换增强、直方图增强、低通滤波、中值滤波等.使用这些方法对图像做增强处理，虽然可以增强指纹图像的对比度，但却不能增强指纹的纹线。所以提出了基于方向滤波的增强算法，这种算法包含一个重要的步骤：指纹图像的方向。目前对指纹图像方向估计的方法有两类: 一种是基于梯度算子的方法，一种是掩膜法。前者是基于梯度算子的方法利用梯度逐点估计方向，但计算量比较大；后者是预先预定八个可能方向，利用像素点及其中卫邻域的灰度值来判断像素点属于哪个方向的纹线上。然后将通过得到的像素点方向转换成块方向。实际中，指纹专家利用诸如局部纹线方向、纹线连续性、纹线趋势和纹线疏密程度等线索就可以从低质量指纹中正确地识别出特征信息。所以在理论上通过算法来增强指纹图像质量是可行的，指纹增强技术正是在这样一种背景中产生和发展的。指纹增强技术经过发展，已经有很多种各不相同的方法，大多数方法都釆用把指纹纹线方向作为增强算法参数的方法，有些使用了指纹纹线的频率信息。指纹纹线和频率信息都是指纹的固有结构信息，要较好的利用好这些信息才能对指纹图像取得良好的增强效果。

（3）指纹图像二值化：二值化的目的是把灰度指纹图像变成0—1取值的二值图像，也就是讲整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在指纹图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0,表示背景或者例外的物体区域。指纹图像经过二值化后会引入噪声，图像会出现纹线边缘凹凸不齐和离散点，因此需要进行二值化图像去噪。

（1）将指纹图像分为N个的块，的选择根据指纹图像的分辨率。