指紋圖像對(duì)比度模糊增強(qiáng)算法

摘　要:指紋圖像采集過(guò)程常會(huì)造成對(duì)比度不強(qiáng)等非線性失真,基于模糊邏輯的處理方法常用于改善指紋圖像質(zhì)量。研究了模糊特征平面增強(qiáng)算法和基于廣義模糊算子的圖像增強(qiáng)算法,將兩種算法應(yīng)用于指紋圖像對(duì)比度增強(qiáng),并對(duì)增強(qiáng)結(jié)果進(jìn)行比較分析。實(shí)驗(yàn)結(jié)果表明,采用這2 種方法均可以在一定程度上提高指紋圖像低灰度區(qū)域和高灰度區(qū)域之間的對(duì)比度,從而提高圖像的質(zhì)量,使增強(qiáng)后的指紋圖像結(jié)構(gòu)更清晰。

引　言

指紋識(shí)別是指指尖表面紋路的脊谷分布模式識(shí)別,這種脊谷分布模式是由皮膚表面細(xì)胞死亡、角化及其在皮膚表面積累形成的。人的指紋特征是與生俱來(lái)的,在胎兒時(shí)期就已經(jīng)決定了。人類使用指紋作為身份識(shí)別的手段已經(jīng)有很長(zhǎng)歷史,使用指紋識(shí)別身份的合法性也己得到廣泛的認(rèn)可。自動(dòng)指紋識(shí)別系統(tǒng)通過(guò)比對(duì)指紋脊線和谷線結(jié)構(gòu)以及有關(guān)特征,如紋線的端點(diǎn)和分歧點(diǎn)等來(lái)實(shí)現(xiàn)個(gè)人身份認(rèn)證。然而,要從原始指紋圖像上準(zhǔn)確地提取特征信息,這是十分困難的,在很大程度上特征提取的精確性依賴于圖像質(zhì)量。因此,在指紋特征提取和匹配之前有必要對(duì)指紋圖像進(jìn)行增強(qiáng)處理。指紋圖像增強(qiáng)就是對(duì)指紋圖像采用一定算法進(jìn)行處理,使其紋理結(jié)構(gòu)清晰化,盡量突出和保留固有的指紋特征信息,并消除噪聲,避免產(chǎn)生虛假特征。其目的是保持特征信息提取的準(zhǔn)確性和可靠性,在自動(dòng)指紋識(shí)別系統(tǒng)中具有十分重要的作用和地位。

由于曝光不足等因素的影響,圖像的亮度分布會(huì)發(fā)生非線性失真,常常表現(xiàn)為對(duì)比度不強(qiáng),圖像的整體感覺(jué)較暗等。目前,已經(jīng)有很多基于灰度直方圖的方法來(lái)增強(qiáng)對(duì)比度,從而改善圖像的質(zhì)量 。

近年來(lái),人們對(duì)基于模糊的圖像處理技術(shù)進(jìn)行了研究。模糊集合理論已能夠成功地應(yīng)用于圖像處理領(lǐng)域,并表現(xiàn)出優(yōu)于傳統(tǒng)方法的處理效果。根本原因在于:圖像所具有的不確定性往往是因模糊性引起的。圖像增強(qiáng)的模糊方法,有些類似于空域處理方法,它是在圖像的模糊特征域上修改像素的 ?；谀：膱D像處理技術(shù),是一種值得重視的研究方向,應(yīng)用模糊方法往往能取得優(yōu)于傳統(tǒng)方法的處理效果。很多時(shí)候基于模糊的增強(qiáng)圖像對(duì)比度方法能夠更好地增強(qiáng)圖像的對(duì)比度,尤其是對(duì)于對(duì)比度很差,一般的增強(qiáng)算法無(wú)法對(duì)其增強(qiáng)的圖像,它的優(yōu)勢(shì)突顯。

本文結(jié)合模糊邏輯技術(shù),研究了基于模糊特征平面的增強(qiáng)算法和基于GFO 算子(廣義模糊算子) 的圖像增強(qiáng)算法,并將其應(yīng)用于指紋圖像對(duì)比度的增強(qiáng)。

1 　模糊特征平面增強(qiáng)算法

1. 1 　模糊特征平面

從模糊集的概念來(lái)看,一幅具有L 個(gè)灰度級(jí)的M ×N 元圖像, 可以看作為一個(gè)模糊集, 集內(nèi)的每一個(gè)元素具有相對(duì)于某個(gè)特定灰度級(jí)的隸屬函數(shù)。該模糊集稱為圖像等效模糊集,亦即圖像的模糊特征平面, 對(duì)應(yīng)的模糊矩陣記為F , 有:


式中:矩陣的元素μmn / Xmn 表示圖像像素( m , n) 的灰度級(jí)Xmn 相對(duì)于某個(gè)特定的灰度級(jí)l′的隸屬度,通常l′取最大灰度級(jí)K - 1 。

1. 2 　算法實(shí)現(xiàn)

首先采用圖像分割中的閾值選取方法(本文中采用Ot su 方法) 來(lái)確定閾值參數(shù)X T ,顯然X T 將整個(gè)圖像的直方圖分為2 個(gè)部分。低灰度部分和高灰度部分; 對(duì)于具有典型雙峰分布的直方圖來(lái)說(shuō),它們分別對(duì)應(yīng)目標(biāo)和背景這兩部分。然后定義新的隸屬函數(shù)形式, 再進(jìn)行模糊增強(qiáng)運(yùn)算,在低灰度區(qū)域進(jìn)行衰減運(yùn)算, 從而使屬于該區(qū)域像素的灰度值更低,而在高灰度區(qū)域則進(jìn)行增強(qiáng)運(yùn)算,從而使屬于該區(qū)域像素的灰度值更高。因而,經(jīng)過(guò)模糊增強(qiáng)后直方圖上閾值X T 兩側(cè)的灰度對(duì)比增強(qiáng),圖像區(qū)域之間的層次將更加清楚。整個(gè)算法過(guò)程如下:

(1) 首先根據(jù)Ot su 選取閾值的方法確定閾值參數(shù)XT 。顯然對(duì)于雙峰分布的直方圖閾值參數(shù)XT 將位于雙峰之間的谷底附近。然后定義新的隸屬度函數(shù)為: