[发明专利]指纹数字图像处理中的相位移动模糊差分二值化方法

说明书

技术领域

本发明涉及一种指纹数字图像处理中的相位移动模糊差分二值化方法，属于数字图像处理和模式识别领域。

背景技术

在各类指纹自动识别系统(Automated Fingerprint Identification System，AFIS)中，通常都需要对指纹图像进行二值化处理，二值化的目的是为了后期细化图像，从而减少提取特征和比对计算的复杂程度。在自动指纹识别过程中，特征点的变化，是导致问题出现的根本原因，而产生这一问题主要原因，是在指纹的二值化处理方法上。

二值化是数字指纹自动识别过程中最基本的方法，二值化处理的效果，直接影响到算法的性能。在实际指纹库中，指纹图像的直方图普遍具有单峰的特点，使得在二值化处理指纹过程中难以找到理想的阈值，阈值的每一个变化，都会对特征点造成一定的影响，并且会直接影响到指纹整体特征数量的保持度。因此，阈值必然成为了二值化效果的关键。

选取阈值的方法主要有：基于点的全局阈值选取方法，基于区域的全局阈值选取方法，局部阈值法和多阈值法，这些算法都无法解决指纹直方图的单峰特性，无法保证特征点的数量。目前，比较流行的算法有：基于方向图滤波增强方法和基于梯度矢量滤波增强方法。方向图算法对指纹纹线的宽度十分敏感，方向图窗口的大小影响处理的效果。窗口过大，在指纹中心曲率最大处会发生差错，窗口过小会使粗线变为两个平行的方向。因此，方向图方法仅仅适用于纹线分布均匀、质量非常好的图像。基于梯度矢量的滤波增强方法的关键在于采用的梯度算子，指纹图像的边缘符合分形几何学特性，无论在空域滤波还是在频域滤波，各种边缘检测算子都无法解决纹线的断线问题，检测中产生一些错误的方向。

对于原始图像的在空域和频域的滤波增强处理，都有可能极大地改善图像的质量。但是在处理后，在得到近似双峰的指纹直方图过程中，已经造成了指纹的特征的大量丢失。因此，要提高指纹自动识别的性能，就必需要解决好二值化处理过程中的特征点丢失问题。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种指纹数字图像处理中的相位移动模糊差分二值化方法。

技术方案

本发明的思想是：利用指纹纹线的脊谷相间特性，对整个图像分别采取左上和右上方向的不同相位移动方法，产生了和原始指纹图像对应且脊线和谷线位置相反的两幅图像；对原始图像采用平滑处理，得到一幅平滑图像；用这个平滑图像和具有相位偏移的两幅图像分别进行差分计算，差分计算的结果为两幅具有相位偏差的图像；分别对两幅差分图像取阈值1进行分割，得到两幅二值图像；对其中一幅二值图像向另一幅图像进行相位移动，使两幅二值图像的相位一致，用这个移动相位的二值图像和另一幅二值图像乘积，即可得到增强处理的二值图像。

技术特征在于：利用指纹图像中纹线脊谷相间的特性，采用相位差分和图像乘积的算法来完成指纹图像的二值化，具体步骤为：

步骤1、对于大小为M×N的原始指纹图像I(i，j)，分别向左上方和右上方移动，移动后分别得到与I(i，j)具有同样大小的矩阵M×N的左上移动图像J1(i，j)和右上移动图像J2(i，j)；

步骤2、对于原始图像I(i，j)，采用平滑算法，得到平滑后的图像K(i，j)；

步骤3、用平滑后的图像K(i，j)分别和两个移动过的图像J1(i，j)和J2(i，j)进行差分计算，分别得到左上差分图像G1(i，j)和右上差分图像G2(i，j)；

步骤4、分别对两幅差分图像G1(i，j)，G2(i，j)取阈值为1，进行二值化分割，得到左上二值图像B1(i，j)和右上二值图像B2(i，j)；

步骤5、将二值图像B1(i，j)向另一幅二值图像相位B2(i，j)移动，得到二值图像的相位一致的图像B1′(i，j)；

步骤6、将相位移动的图像B1′(i，j)(或B2′(i，j))和另一幅二值图像B1(i，j)(或B2(i，j))进行乘积运算B1′(i，j)*B2(i，j)(或B1(i，j)*B2′(i，j))，即得到完整的二值图像C。

在上述的步骤5中，还可以将二值图像B2(i，j)向另一幅二值图像相位或B1(i，j))移动，得到二值图像的相位一致的图像B2′(i，j)；相应地在步骤6中，将相位移动的图像B2′(i，j)和另一幅二值图像B2(i，j)进行乘积运算B1(i，j)*B2′(i，j)，即得到完整的二值图像C。

有益效果