摘 要： 為了提高指紋圖像預處理算法的抗噪能力,給出了一種基于梯度的指紋方向圖獲取方法，并利用指紋圖像的方向信息進行指紋圖像的預處理，得到了更為精確的指紋細節點圖。在指紋預處理過程中引入該方法，能有效地改善指紋紋線的質量。實驗分析表明，該方法具有很好的使用價值。
關鍵詞： 預處理； 方向圖； 二值化； 細化
隨著網絡與通信技術的飛速發展和人類活動空間的不斷擴大,人類對自身身份識別的準確性、安全性與實用性提出了更高要求。由于指紋具有唯一性、穩定性(終生不變性)等突出優點，因此,自動指紋識別成為一個重要的研究熱點。
自動指紋識別系統主要由以下三部分構成：指紋圖像預處理、特征提取和特征匹配。實踐中受多種因素的影響，輸入的指紋圖像存在各種噪聲,這些噪聲對指紋細節特征的提取造成一定的影響，因此，在提取指紋特征之前需要對指紋圖像進行預處理。
由于指紋方向圖能夠反映指紋圖像紋理結構的本質，被廣泛應用于指紋圖像處理中。針對輸入指紋圖像的特點和系統要求,通過當前比較流行的預處理算法，從方向信息著手，結合指紋圖像的預處理過程，重點研究了基于梯度的方向圖獲取方法。
1 方向圖的基本概念
方向圖是描述指紋圖像中紋理方向及對應位置的一個二維平面場，它可看作是原始灰度指紋圖像的一種變換表示法。圖1所示為局部放大的指紋圖，從圖可知，在局部范圍內指紋具有如下特點[1]:(1)紋線具有一致的方向性；(2)紋線的寬度基本相同；(3)紋線間的距離基本相同。方向圖算法正是基于上述特點,將原始指紋圖像進行變換,用紋線上某點的方向來表示該紋線的方向。
另外，在指紋圖像處理過程中涉及一些術語，它們名稱相近,聯系緊密,而意義卻相去甚遠，需要加以明確和區別。
(1)方向場與方向圖:方向場是根據指紋圖像所具有的方向流特性,將圖像看成一個流場,利用梯度或者其他計算方法得出,值域為[0,2π)；而方向圖指的是指紋紋理的方向,值域為[0,π),可以通過方向場得到方向圖。
(2)點方向與塊方向:點方向是指紋圖像中每一個像素點的方向；而塊方向則是把指紋圖像劃分成許多不重疊的塊,用塊的平均方向代替塊中每一像素點的方向。一般來說，點方向對噪聲敏感，而塊方向對噪聲的抑制能力較強,效率較高，效果更好。
2 指紋圖像預處理
2.1 指紋圖像歸一化
指紋圖像的歸一化[2]是對原始灰度圖像上每一個像素點的一種操作,其目的是將指紋圖像的灰度均值和方差規范到固定的范圍,為后續圖像的處理提供一個規格的圖像。
2.2 指紋圖像分割
根據指紋圖像被噪聲干擾的程度及能否正確恢復，可把圖像細分為四類區域[3]:白背景區、前景區、不可恢復區和模糊區。指紋圖像分割的目的是割除白背景區和不可恢復區，保留前景區，盡可能保留模糊區中能恢復的部分。這里采用一種比較簡單的分割方法[4]來割除白背景區，就可以達到預期的效果。
2.3 基于梯度的指紋方向圖提取
利用指紋進行身份識別主要是對指紋圖像進行處理，分析其紋理結構特征，抽取指紋的特征點。計算方向圖的基本思想是:在灰度圖像中計算每一點(或每一塊)在各個方向上的某個統計量(如灰度差、梯度等)，根據這些統計量在各個方向上的差異，確定該點(該塊)的方向。
這里給出一種基于梯度的改進的指紋方向圖方法[5-7]。其思想是:在計算方向圖時采用塊重疊的方式，即在求某一小塊的方向時，先以此小塊為中心擴大塊的范圍并計算該大塊的方向，然后將此大子塊方向作為小子塊方向，所得的塊方向圖更連續、更準確。
2.4 二值化
指紋圖像二值化是將灰度圖像轉化成0、1兩個灰度級的圖像,前景點(指紋脊線)取作1,背景點(谷線)取作0，其目的是把指紋脊線提取出來。二值化[8-9]的方法很多,閾值的選擇是圖像二值化的關鍵。本文采用區域自適應閾值法[10-11]對指紋圖像進行二值化。二值化算法的步驟為：
(1)將指紋圖像劃分為互不重疊的W×W子塊;
(2)計算出每個子塊的灰度均值;
(3)將每個子塊計算所得的灰度均值作為動態閾值T, p(i,j)為子塊內像素點(i,j)的灰度值。根據閾值T對該區域內的像素點進行二值化處理。若某一點的灰度值p(i,j)>AV,則p(i,j)=1；若p(i,j)≤AV,則p(i,j)=0。
(4)根據上述第(3)步，依次對每一子塊進行二值化處理。
2.5 細化
細化[12]是圖像分析、信息壓縮、特征提取和模式識別常用的基本技術,細化的目的是為了方便后續特征提取的操作。細化算法[13-14]的種類很多，常用的細化方法有OPTA方法、Hilditch方法、E.S.Deutsch方法和Sherman方法,基于不同的情況，需進行具體的選擇。本文采用一種常用的細化算法——查表法。其原理為：某一黑點，如果它在圖形邊緣，要去掉它以實現細化，這樣它周圍的八點必定表現為一定的色彩順序，如圖2所示。
細化算法如下:
(1)按順序對八鄰域組合進行編碼；
(2)根據上述原理制作一張消除表，實際上是一個容量為256的數組，下標分別與八鄰域組合的編碼一一對應；
(3)對二值圖像進行從上到下、從左到右的掃描，對每一個黑點做相應處理;
(4)對二值圖像進行從左到右、從上到下的二次掃描，對每一個黑點做類似處理；
(5)如果本次循環有黑點被刪除，則跳到第(3)步循環執行；否則，終止循環，細化結束。
3 實驗結果與分析
采用Visual C++.NET編程實現上述預處理過程，通過對100余幅指紋圖像進行預處理實驗。實驗參數如下: M0和VAR0均為125,大塊尺寸為11×11，小塊尺寸為7×7。圖3為實驗得到的典型結果，圖3(a)是利用Solid4000B指紋采集儀采集到的原始指紋灰度圖片,圖3(b)為分割后的效果，圖3(c)為方向圖，圖3(d)為經過平滑后的效果，圖3(e)是二值化輸出結果，圖3(f)是細化后的結果。將細化后的指紋圖像與原指紋圖像比較,可以發現減少了指紋圖像中的偽結構，有利于后續工作的進行。
本文對現有求取方向圖方法進行分析，給出了一種改進的獲取指紋圖像方向信息的方法。實驗結果表明, 該方法具有實現簡單、速度快、魯棒性好等特點。指紋圖像經過上述預處理，能夠獲得較好的效果，為后續指紋圖像的處理提供了有力保障，具有較好的應用價值。
參考文獻
[1] RATHA N K, CHEN S Y, JAIN A K. Adaptive flow orientation-based feature extraction in fingerprint images[J]. Patter Recognition, 1995, 28(11):1657-1672.
[2] WANG Feng，LI Ji Gui. Fingerprint image enhancement algorithm research[J].Modern Computer，2003(2):157.
[3] FENG Jian Jiang. Combining minutiae descriptors for fingerprint matching [J] .Pattern Recognition, 2008,41(1): 342-352.
[4] 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,2000,17(1):76-77.
[5] 翟波，紀工波，聶談.基于方向信息的指紋圖像預處理計算機工程與科學,2005(27):60-63[14].
[6] 黃賢武，蘇鵬程，柏培權.基于方向濾波分割的指紋自動識別系統算法[J].中國圖象圖形學報，2002，7(8):829-834.
[7] CHEN X J, TIAN J, YANG X. A new algorithm for distorted fingerprints matching based on normalized fuzzy similarity measure[J]. IEEE Trans. Image Processing, 2006, 15(3):767-776.
[8] BENHAMMADI F,AMIROUCHE M N, HENTOUS H,et al. Fingerprint matching from minutiae texture maps[J].Pattern Recognition, 2007,40(1):189-197.
[9] MALTONI D，MAIO D，JAIN A K，et al. Handbook of fingerprint recognition[M]. Springer-Verlag New York，Inc.，2003.
[10] BAZEN A M. Systematic methods for the computation of the directional fields and singular Points of fingerprints[J]. IEEE Transactions on Pattern Analysis and Machine Inteligence，2002，24(7):905-919.
[11] 李建華,馬小妹,郭成安.基于方向圖的動態閾值指紋圖像二值化方法.大連理工大學學報[J]. 2002,42(5):626-628.
[12] 王業琳,寧新寶,尹義龍.指紋圖像細化算法的研究[J]. 南京大學學報(自然科學), 2003,39(4):469-475.
[13] 馮星奎，李林艷，顏祖泉.一種新的指紋圖像細化算法. 中國圖象圖形學報，1999，4(10):835-838.
[14] AREEKUL V, WATCHAREERUETAI U, SUPPASRIWA-SUSETH K, et al. Separable gabor filter realization for fast fingerprint enhancement[C]. IEEE International Conference on Image Processing. 2005,3:253-256.