指纹图像细化方法的研究及实现

【摘要】：指纹图像预处理是指纹识别中很重要的部分, 它的处理效果直接影响后续的特征提取和指纹比对。而指纹细化又是预处理中的一个重要环节, 因为一般的特征提取都是在细化的基础上进行的, 如果细化不好, 很难使用常规的特征提取算法提取特征信息。本文介绍了多种细化算法，细化算法还是存在很多问题，如细化不彻底、纹线吞噬、骨架偏离纹线中心等，严重影响细节点的准确提取。本文对OPTA算法进行改进，又针对改进后的OPTA算法的缺陷加入另外的模版，使改进后的OPTA算法更加完善，从而得到更好的细化效果、更准确的提取细节点。研究结果表明，通过Matlab仿真，细化后得到的图像证明了改进后的算法能基本解决一般算法存在的问题，得到的图像光滑无毛刺, 无纹线吞噬现象。

一般的指纹图像中，大都包含背景区域。背景区域中不包含可用于识别的有效信息。如果对包含背景区在内的整幅图像进行处理、提取特征信息，不仅大大增加了图像预处理与特征提取的时间，还会从背景区域提取到大量虚假信息，严重影响识别效果。如果能够在背景区有强噪声干扰的情况下，准确、可靠地将指纹纹理区域从背景区域中提取出来，使得后继的过程只针对有效指纹区域进行处理，则对于缩短图像预处理时间、提高特征提取的准确率都具有重要的意义。图像分割的一般方法是基于图像灰度特性的，通常会用到灰度特征的两个性质：不连续性和相似性。根据算法侧重于利用哪种性质，可将现有的分割方法分为两大类：利用区域内像素灰度相似性的基于区域的方法和利用区域间灰度不连续性的基于边缘的方法。近年来，还出现了大量结合区域和边缘的方法。实验表明，对于具有灰度均匀区域较大的灰度图像，以上方法分割的效果比较理想。目前也有不少针对指纹图像的分割方法，主要可以归结为以下两类：一类是基于块水平的分割方法，如方差法、方向图法、方向场和方差结合法。另一类是基于象素水平的分割方法，象素分类法等分割方法。