??? 摘 要： 為了可靠、準確地實現指紋的自動識別，提出了一種簡便、可行的指紋圖像" title="指紋圖像">指紋圖像的分割算法。通過合理地運用指紋圖像的灰度特性，以較低的計算代價有效地解決了指紋圖像的分割問題，從而使算法的處理效果好、運行速度快。實驗表明，這種分割算法對于指紋圖像的預處理十分有效。
??? 關鍵詞： 指紋識別? 圖像分割" title="圖像分割">圖像分割? 預處理? 灰度特性
?
??? 識別系統" title="識別系統">識別系統" title="自動指紋識別系統" title="自動指紋識別系統">自動指紋識別系統">自動指紋識別系統AFIS(Automated Fingerprint Identification System)，由于其具有安全性、可靠性及高效性，使得它在法律、公安、信息安全及電子商務等領域有著廣泛的應用前景。目前，自動指紋識別主要以指紋的細節特征（端點、分叉點等）為基礎，而細節特征的提取質量則受采集設備、光照等各種因素的影響，使得所采集輸入的指紋圖像一般都含有非指紋區域較多的噪聲。因此，有必要對指紋圖像進行預處理來消除圖像中的這些噪聲，從而保證提取正確的指紋細節特征[1-3]。
??? 指紋圖像的分割是指紋圖像預處理過程中關鍵的第一步。指紋圖像分割的主要目的是劃分出非指紋的背景區域和有效的指紋區域， 使后續處理能集中于有效區域中進行。對于較好的指紋圖像分割算法來講，應在分割的過程中有效地保護指紋區域的紋理特征，從而提高指紋特征提取的精確度，優化整個識別系統的處理過程和效率，并具有良好的魯棒性。本文在分析不同識別系統采集的指紋圖像以及研究分割算法的基礎上，提出一種有效、簡捷、通用性強的分割算法，并通過實驗給出結論[3-4]。
1 指紋圖像分割算法概述
??? 目前，指紋圖像分割算法一直是自動指紋識別方面研究的難點之一。指紋圖像的分割算法主要可以分為三類[4-5]：基于指紋圖像局部灰度方差的分割算法、基于指紋圖像方向信息的分割算法以及結合方向信息與灰度方差的復合分割算法等，每種方法都各有利弊。
1.1 基于指紋圖像局部灰度方差的分割算法
??? 局部灰度方差法是利用指紋圖像的局部方差對指紋圖像進行分割的算法。它根據經驗設定方差的不同閾值，確定指紋圖像的背景區域和前景區域。此方法對于質量較好、對比度較高的指紋圖像分割效果較好，但對于低對比度或高噪聲的圖像，則不能有效地檢測出噪聲區域，從而影響處理效果。
1.2 基于指紋圖像方向信息的分割算法
方向法是基于指紋圖像的方向信息對指紋圖像進行分割的算法。利用指紋方向圖對指紋圖像進行分割是一種常用的方法。該方法能夠去掉指紋圖像中絕大部分背景信息，不僅適合于質量較好的圖像，而且也適用于噪聲嚴重的圖像。然而，方向法的分割效果依賴于所求方向圖的可靠性，對于紋線不連續、單一灰度等方向難以正確估計的區域及中心、三角區域附近方向變化劇烈的區域，方向圖分割難以取得滿意的結果。而且該算法計算復雜，處理時間較長。
1.3 結合方向信息與灰度方差的復合分割算法
??? 該方法結合指紋圖像方向信息與灰度方差進行分割，在一定程度上克服了前兩種方法單獨使用時所存在的一些問題，但對于紋線不連續區域和強噪聲干擾區域，仍然存在一定的局限性。同時，這種算法在處理過程中計算量大、運算時間長，對于需實時處理的自動指紋識別系統來說代價過高。
2 本文分割算法的提出
??? 傳統的分割算法效果不佳的主要原因還在于其分割的過程僅對于某一類的指紋圖像比較有效，而對于各種不同方式采集和獲取的指紋圖像，卻沒有很好的適應性。通過分析不同指紋圖像的特點，發現規律進行設計和處理則是一種較好的研究途徑。本文算法就是通過對指紋的灰度特性進行統計分析，并應用有效的分割判據完成的，從而獲得更好的分割效果，且算法的適應性較強，具有較好的魯棒性。
2.1 指紋圖像的分析
??? 原始指紋圖像由于采集圖像與輸入圖像的設備和光線等原因，指紋背景區域的灰度均值有的較高，有的較低，雖然經過灰度規范化處理后，圖像可以達到一個較統一的標準，但圖像的固有初始特點還是會影響后續處理的結果。圖1所示的指紋圖像涵蓋了各種不同類型的指紋圖像。另外，指紋區域的灰度均值與方差之間的關系也有不同的特點，例如在對比度較高的指紋區域，灰度方差較大，而在對比度較低的指紋區域(包括指紋的模糊區域)，灰度方差較小。因此，在指紋分割的過程中，這些因素的影響都應予以考慮。本文結合這一分析對傳統的灰度方差分割算法進行改進，取得了明顯的效果。
?
2.2 算法的設計
??? 本文依據指紋圖像的灰度統計特性，根據圖像塊和整體圖像的均值與方差的關系，對指紋圖像的指紋模式域與背景區域進行分割，以下為具體算法設計。
2.2.1 均值與方差的計算
??? 原始圖像的總體均值M_all：
??? 
式中，w為圖像寬度，h為圖像高度，G(i，j)為圖像在(i，j)處的灰度值。
2.2.2 圖像灰度歸一化處理
??? 為了適應不同指紋的統一處理，首先應對指紋圖像進行整體灰度歸一化。灰度歸一化的主要目的是改善指紋沿脊、谷間的灰度變化程度，而不改變脊線和谷線結構的細節特征，使圖像具有期望的總體均值與方差。公式如下：
??? 
式中，G′(i，j)為歸一化后圖像點(i，j)的灰度值，M0和V0分別表示期望的均值和方差。M0值和V0值可根據經驗以各類圖像的總體灰度均值和方差的平均值為參照設定，并以適應后續處理的效果為宜。
2.2.3 基于圖像塊的統計分析
??? 以M×N大小的圖像塊模板在圖像的水平方向和垂直方向上按一定規則進行移動(塊間可重疊)，并按公式(1)和公式(2)求取相應塊的均值M(i，j)和方差V(i，j)，然后求取標準偏差" title="標準偏差">標準偏差S(i，j)。
??? 塊的標準偏差S(i，j)為：
??? 
式中，(i，j)代表第i行和第j列的塊。
2.2.4 確定分割判據
??? 本文與傳統灰度方差分割的區別是以一種新的分割判據進行分割。首先，通過M_all與V_all判斷指紋圖像總體特征，根據經驗設定一個閾值對指紋圖像進行灰度特征分類。其次，對每塊進行分割處理，主要是考慮了M(i，j)和V(i，j)的相關性而進行比較判別的。但由于V(i，j)與M(i，j)的平方成正比，在數量級上不利于比較及閾值的確定，因此，可采用塊的均值與塊的標準偏差的比值作為判據。實驗表明，這樣既有了可比性，也易于閾值的確定。即以下式作為分割判據：
??? 
??? 在塊的分類判斷中，若(5)式中Th小于某一閾值，則將該塊作為前景塊，否則為背景塊。
??? 為了克服傳統灰度方差算法中對于對比度低的指紋圖像分割處理的不足，本文結合指紋類型特點提出新的判定方法，即采用M_all、V_all、M(i，j)和Th同時作為判據。這樣，在確定了指紋圖像的整體背景類型和特征后，再用M(i，j)進行判斷，如果塊方差很大，則Th值很小，符合指紋區域的特點，則此塊可視為前景區域。需要說明的是，用本改進算法分割時所需的M_all、V_all、M(i，j)及Th等的判斷閾值，可以根據經驗給出，通常只需給定Th的閾值進行判斷，就可達到滿意的效果，其他閾值可視情況選取。
2.3 分割后處理
??? 通過以上設計的算法進行分割處理，圖像的前景和背景區域已基本區分開來。但由于在處理的過程中，可能在前景區域或背景區域出現一些孤立的圖像塊，從而會影響以后指紋特征點的提取，因此還要對這些孤立的圖像塊進行后處理。同時，考慮到圖像邊界位置的特殊性，還需對邊界部分進行必要的處理。對于孤立塊及邊界部分的處理主要采用數學形態學中的開運算和閉運算的基本原理與方法進行，處理方法與參考文獻[3-6]中所述基本一致，這里不再贅述。
??? 圖2給出了應用本文算法對圖1中各指紋圖像進行分割的效果圖。
?
3 實驗結果分析
??? 在使用PIII500計算機和192MB內存的硬件環境下， 基于Windows2000操作系統的Visual C++6.0進行編程，實現了本文算法。對FVC2000、FVC2002、FVC2004及第一屆中國生物特征識別競賽BVC2004中的各四個標準指紋庫以及自建的指紋庫中的幾千張不同類型的指紋圖像分別進行了分割測試。圖1和圖2中的圖像即為上述指紋庫中隨機抽取的各種指紋圖像的原始圖像和分割處理后的結果圖像。
??? 實驗表明，該算法的分割效果很好，不僅能分割出背景區域較好的指紋圖像，而且對噪聲干擾較大的指紋圖像，也能很好地進行分割，且經過分割后的指紋圖像紋線清晰、流暢。
??? 另外，對上述部分圖庫采用不同的分割方法，在時間及效率方面也進行了統計和對比，結果如表1所示。由于目前在圖像分割效率方面還沒有一個比較標準的判斷依據，所以此處以誤分割率來做相對比較。誤分割率是指平均每幅指紋圖像中漏割或誤割的像素數與圖像總的像素數之比。表1中給出了FVC2004指紋DB1圖庫的相關數據。從表1中數據可以看出本算法的分割效率較高，并具有較強的準確性和穩定性，其他指紋圖像庫的實驗測試也有類似結果。
?
?
??? 由以上實驗結果可見，算法對于不同類型的指紋圖像都能較好地進行分割，總體效果令人滿意。而且該算法分割更加穩定準確，處理速度快，適應不同類型的指紋圖像同時處理，能很好的滿足和適應自動指紋識別系統的后續處理要求。
??? 本文提出的指紋圖像的分割算法，通過實驗與應用，可以很好地適應不同的指紋圖像識別系統，分割效果比較準確；由于其處理時間短分割效率高，因此對于要求實時性較強的自動指紋識別系統來說是相當適用的。值得提出的是，通過對本研究中的相應算法進行有效的調整和改進，可以對不同的自動指紋識別的圖像采集系統采集的圖像有針對性地進行更有效的處理。目前該分割算法已經應用到較成熟的指紋識別系統中，實踐表明它是一種高效、實用、快捷的指紋圖像分割算法。
參考文獻
[1] HONG L，WAN Y，JAIN A K.Fingerprint image enhancement：algorithms and performance evaluation[J].IEEE Trans.Pattern Analysis Machine Intelligent，1998，20(8)：77-789.
[2] MEHTRE B M，MURTHY N N，KAPOOR S，et al.Segmentation of fingerprint images using the directional?image.Pattern Recognition，1987，20，(4)：429-435.
[3] 尹義龍.自動指紋識別系統研究[D].長春：吉林工業大學機械科學與工程學院，2000：44-46.
[4] 耿茵茵，唐良瑞.指紋圖像分級分割算法[J].北方工業大學學報，2000，12(3)：21-26.
[5] 馮星奎，顏祖泉，肖興明，等.指紋圖像合成分割法[J].計算機應用研究，2000，(1)：76-77.
[6] 耿茵茵，蔡安妮，孫景鏊.基于瓦罐模型的多判據判新決及其在圖像分割中的應用[J].電子學報，2002，30(7)：1017-1019.