Gabor滤波器在指纹图像处理中的应用.pdf 4页

第24卷第2期仪器仪表学报2003年4月，Gabor滤波器在指纹图像处理中的应用林锡荣，苏晓生，丁天怀，于正涛和黄欣颖. 王敏（清华大学精密仪器系精密测试技术与仪器国家重点实验室，北京100084）. （北京开天技术，北京100080）摘要在实时指纹识别系统中，图像增强效果会影响特征提取和指纹识别的识别率. 现在，利用Gabor滤波器的方向选择和频率选择特性，将指纹图像的局部方向和局部频率作为Gabor滤波器函数的参数，将Gabor滤波器应用于指纹图像增强处理. Gabor函数与纹理图像卷积，从而消除图像噪声，达到增强图像的目的. 在算法设计中，采用了查找表的方法，提高了算法的速度，节省了计算时间. 实验证明，该算法工作稳定，效果良好，鲁棒性强. 关键词: 指纹增强；方向图；伽柏过滤器；二值化GaborFilter及其在指纹图像处理中的应用；林锡荣苏小生丁天怀余正涛黄新英.

WangM in. （清华大学精密仪器与机械学系国家重点实验室，精密仪器与机械学系，贝尔廷100084）（开田科技公司，北京北1000 100080）抽象的Gabor过滤器应用于指纹图像增强. 设计过滤器播放是指纹图像增强算法中的重要角色. 指纹图像是具有方向和频率特征的特殊图像. 幸好. Gabor滤波器还具有方向性和频率选择性的特征. 我们使用指纹图像的局部方向和频率作为Gabor滤波器函数的S参数，然后计算Gabor滤波器和指纹图像的卷积. 这样，有效地去除了指纹图像中的乙烯. 这样就可以增强指纹图像的目的. 在本文中，我们使用了一种表方法-查找算法设计，以提高算法速度并减少运算时间. 从实验结果证明，该算法是稳定，有效和健壮的. 关键词指纹增强方向图像Gaborfilter二值化指纹图像增强算法除了具有良好的增强效果1引言外，在算法速度，鲁棒性和稳定性方面也应具有更好的特性.

但是，这些性能指标通常相互制约. 在实时指纹识别系统中，必须根据指纹图像的特征来设计图像增强效果，并优化整体性能以影响后续特征提取和最终指纹认证的识别率. 强大的算法. 本文提出的算法工作稳定，效果良好. 该算法中有多种图像增强算法. 对于不同的图像，增强中使用了查找表的方法，这大大加快了算法的速度. 算法通常非常不同. 指纹可以说是一种特殊的纹理图像. 平滑算法，拉普拉斯算法，2指纹图像增强算法，直方图均衡算法B和中值滤波等一些简单的增强算法都不理想. 指纹图像增强算法的流程图包括四个步骤: （1）归一化处理； （2）频率估计； （3）方向估计； （4）过滤. *本文是2001年6月收到的. 184科学仪器和技术杂志第186卷. 24 2.1归一化处理i +詈j +一方面归一化功能使图像灰度值达到pre-V（i，j）-∑ ∑2（u，V）（u，V）uIi-詈v声明了另一方面，通过j-詈定义的平均值和方差，它实现了增强图像i +詈j +身体的对比度的效果. 用于归一化的公式如下: V（i，j）-∑ ∑ [（u，v）一（u，v）]（3）uIi 1号vIj 1号Mo +％平V / o（I （i_，_L））-M）2 @ tantan []如果I（i，j）> M（N（i，j）一1）@（i，j）表示像素点（i，j）中心广场M.

一个〜-V / o（I（i，-j）-M）2局部方向，其中W是盒子的边长. 以这种方式获得的方向将在随后的脊频率计算中使用，并将用作特征点的字母. 如果I（i，j）≤M，其中: I（i，j）表示像素的灰度（ij）值M. 对于期望的兴趣，将其标记为O. 平均值V. 对于期望的方差，M代表灰度值I（i，j）. 实验结果示于图2（a），（b）和（c）. 脊方向的估计平均值V代表灰度值I（i，j）的估计方差，并且N（i，j）的计算是准确和可靠的. 它是归一化像素（i，j）的灰度值. 处理后的输出结果如图1所示. 归一化结果为Mo-90和Vo-1002.3. 频率估计此处理结果将在后续处理中多次使用. 这里的线频率定义如下: 相邻的两个波峰或波被表示为N，每个像素的灰度值为N（i，j）. 谷底之间的像素数的倒数. 为了获得频率信号，首先建立2.2方向估计，并建立用于获得频率信号的方向窗口. 具体方法是: 对于每个特殊图像（例如指纹），棱线的方向都非常集中在16×16正方形的中心，并沿着正方形的方向建立有用的信息. 也可以说指纹图像是在该点的特征上. 为了估算32×16的矩形，矩形的长边垂直于线条的方向.

计算指纹图像的方向，将352×352的图像沿脊的方向划分为22，然后将框中的32列像素的灰度×22块划分为，即每个块是16×16.单位是图像值的总和，以获得32个信号数据SEk]: 素数. 要计算这些块的方向，请首先使用Sobel（so-s [k] -N（LI〜，V）k = 0'l'...，l-1（4）be1）运算符来计算每个像素. 点的梯度值，计算公式如下: 底部: l-32（u，v）-2×N（u，V + 1）+ N（u-1，v + 1）+ N（u + 1，v + 1）1个2×N（u，v-1）1个u-i +（Wn）sin @（i，j）+（k_专）c. s @（i，j）N（u一1，v一1）一N（u + 1，v一1）（2）v—j +（n一詈）cos @（i'j）+（k一专）sin @（i'j）（u，v）= 2×N（u一1，v）+ N（u一1，v + 1）+（5）N（u一1，v一1）一2×N（u + 1，v）-图3是样本指纹的一部分，取其中一个16×N（u + 1，v + 1）-N（u + 1，v-1）16正方形②，即要确定的频率窗口，直线①是正方形的正方形的正方形，其中U和v是像素的坐标，u-1、2，...，w-2；方向，矩形③是方向窗口，将在其中计算频率信号.

v-1，2，...，H-2. W和H是图像的宽度和高度. 在这里，我们等待拟合32 s数据以获得正弦曲线，如352像素所示. 计算完每个像素的梯度值后，就开始计算，如图4所示. 计算方向. 上面获取的方向窗口中的脊相对规则，并且所获得的2相Gabor滤波器在指纹图像处理中非常好. 如果方向窗口中的线条质量不好，或者从图中可以看出信号数据SEk3仍在变化并且存在噪声干扰，则获得的波形将具有一些伪最大值. 如果变化很小，因为背景区域不能绝对均匀. 如果您不考虑这些伪极端，则估计频率将不准确. 背景区域通常认为背景区域根本没有频率. 根据SEk]，该域的波形图通常如图5和图6所示. 其中，图5比较了这些特性并设置了一些判断阈值，然后可以将其确定为背景区域中的亮背景，图6是相对较暗的背景. 域，并将该区域的频率标记为1.2.4滤波根据指纹图像的特性，使用的滤波器为Gabor滤波器. 清晰的指纹线的方向和频率参数是最有用的滤波信息，可以使用此信息进行滤波以消除噪声. . UU-mu-even对称Gabor滤波器的一般形式如下: h（x，y: ，f）-exp（一1FLx〜.rlJ1）COS（2rffx，）x-'XCO $〜+ ysin〜Y一'-xsin〜+ ycos〜（6）其中，是Gabor滤波器的方向，f是图3中正弦平面波的频率信号的方向窗口频率.

和是分别沿x和Y轴的高斯包络线的空间常数. 由于Gabor滤波器具有频率选择和方向选择的∞j特性，因此使用Gabor滤波器不仅可以消除噪声，而且可以保留指纹脊和谷的结构而不会失真. 为了将Gabor滤波器应用于指纹图像，它必须首先定义三个参数: （1）正弦平面波的频率f； （2）Gabor滤波器的方向； （3）高斯包络线的标准偏差. 通过计算统计序列号k来计算指纹纹的频率和方向的目的是为了解决这个问题，其中f等于纹线的频率，等于纹线的方向以及灰度分布的正弦曲线在图4的方向窗口中，这是一个经验. 值是12. fI0如果F（i，j）-1∞G（i，j）-. I《 ∑ ∑h（u，v; O（i，j），F（i，j））·一个蜗牛[N（i-U，j-v）其他（7）其中w-1l是大小Gabor过滤器模板. 统计序列号k’j. （5）图5中的明亮背景区域实际上，可以调整参数和. 如果增加这两个值，将增强对噪声的适应性，但可能会产生假线;相反，如果减少总和，则减少了错误的脊和错误的谷的可能性，但是结果是消除噪声的效果减弱了. 由于经验和实验的原因，将其值设为12.

让我们看一下f的功能. 例如，如果将f设置为1/4，则在过滤时会将一行更改为三行，如图7所示，这违反了过滤的原理和目的. 这表明了线路频率的重要性. 图6深色背景区域. 从一般的角度来看，该增强算法的速度相当快，可以在实时指纹识别系统中使用该增强算法的实验结果进行评估. 该实验基于PII350微型计算机，具有64M内存和1.0 Windows98操作系统的硬件环境以及具有0.5种Visual C ++ 6.0编程语言的软件环境. 实验结果如图8所示. ○通过比较，可以看出，该增强算法不仅达到消除鱼消灭-0.5的效果，而且还很好地保持了指纹的结构. —1.0指纹图像增强算法的每个处理环节中使用的时间如表1所示. 表1计算时间（秒）图7 Gabor滤波器，f = 1/4图8 Gabor滤波器效果，（a）和（c）指纹样品; （b）和（d）过滤结果在Patten Analysis和Machine Intelli上的交易-4结论Gence，1998·20（8）. 2 O’GormanL，尼克森合资. 关键词: 指纹识别，指纹自动识别系统，指纹滤波器PatternRecognition，1989，22（1）: 29〜大量的工作.

使用基于指纹局部频率和局部平方38.3的方法夏雄武. 自动自识别系统的实验研究: [硕理论使用Gabor滤波器作为滤波方法，并且正在运行]. 北京: 清华大学. 在此过程中使用查找表的方法，极大地加快了计算速度，可减4 Lin Xirong，Yu Zhengtao，Su Xiaosheng. 一种使用动态滤波器模板的算法，可以减少系统的时间消耗，并有效去除指纹图像的噪点，增强指纹图像的质量. 清华大学学报，2001，41（8）: 37-40. 获得了令人满意的实验结果. 5张玉瑾. 图像处理和分析. 北京: 清华大学出版社，1999. 实验结果证明了该算法的速度和有效性. 6贾天旭，郑南宁，张元亮. 香农小波包分解是自适应的，可应用于实时指纹自动识别系统. Gabor滤波器设计及其在纹理分割中的应用. 电子杂志，参考《电子学报》. 1998.26（10）. 7林锡荣，潘鹏，于正涛. 基于DSP技术的指纹识别系统1 LiHong，WanYifei，AnilJ. 指纹图像增强－系统的实验研究［Ｊ］. 信号处理，1999，（10）: 412〜419. : 算法和性能评估[J]. IEEE

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/shumachanpin/article-290305-1.html