基于Log-Gabor濾波器的指紋圖像分解重構(gòu)增強(qiáng)技術(shù)分析

邱秀蘭

摘要：文章對指紋圖譜和指紋圖像預(yù)處理的相關(guān)技術(shù)進(jìn)行分析，介紹小波變換技術(shù)，對Gabor濾波器進(jìn)行改善，通過傅里葉變換進(jìn)行整合，構(gòu)建Log-Gabor濾波器，研發(fā)出指紋圖像分解重構(gòu)增強(qiáng)技術(shù)，在此基礎(chǔ)上介紹指紋細(xì)節(jié)特征提取技術(shù)，通過實驗的方式分析Log-Gabor濾波器分解重構(gòu)增強(qiáng)技術(shù)的應(yīng)用效果。實驗結(jié)果表明，這種預(yù)處理方法能夠讓指紋圖像更加清晰，顯示出更多的細(xì)節(jié)特征。

關(guān)鍵詞：指紋圖像；預(yù)處理；關(guān)鍵技術(shù)

中圖分類號：TP391? 文獻(xiàn)標(biāo)志碼：A

0 引言

眾所周知，指紋圖像的圖片質(zhì)量較差是一個普遍存在的問題，因此需要對指紋圖像進(jìn)行預(yù)處理，運用增強(qiáng)技術(shù)，使指紋圖像更加清晰、特征更加明確。對指紋圖像進(jìn)行預(yù)處理時，可以采用Gabor濾波增強(qiáng)技術(shù)。由于該技術(shù)存在一定的不足，因此需要對該技術(shù)進(jìn)行不斷地改進(jìn)和完善，本文提出Log-Gabor濾波器分解重構(gòu)增強(qiáng)技術(shù)和指紋細(xì)節(jié)特征點提取技術(shù)，進(jìn)一步提高指紋圖像的預(yù)處理效率，形成更好的處理效果。

1 指紋圖像預(yù)處理相關(guān)技術(shù)分析

對指紋圖像進(jìn)行預(yù)處理之前，需要分析指紋圖譜，明確指紋圖譜的表示方式，在指紋圖像中，脊線寬度為100μm～300μm，脊線與谷線的周期在500μm左右。從指紋圖像的全局上看，存在獨特的脊線區(qū)域，如曲率較高、端點較多等，這些區(qū)域?qū)儆谄娈慄c或奇異區(qū)，主要包括3種類型，分別是三角形、斗形以及箕形。從指紋圖像的局部上看，以指紋細(xì)節(jié)特征點為主，脊線突然結(jié)束的部位是“端點”；一條脊線分成兩條脊線后，再次合并成一條脊線，呈現(xiàn)出環(huán)狀結(jié)構(gòu)，這種細(xì)節(jié)特征叫作“環(huán)”；一條脊線分出多條脊線的部位屬于“分叉點”；兩條并行脊線逐漸連接，該部位被稱為“橋”。另外，指紋細(xì)節(jié)點還包括“短紋”“孤立點”“毛刺”等。對指紋圖像進(jìn)行預(yù)處理時，需要采集指紋圖像，進(jìn)行標(biāo)準(zhǔn)化處理。在指紋方向圖的計算中，可以采用梯度適量法，在指紋脊線頻率圖的計算中，可以統(tǒng)計灰度信息，計算完成后，對指紋圖像進(jìn)行分割，經(jīng)過濾波增強(qiáng)，進(jìn)行二值化處理后，再進(jìn)行細(xì)化處理。

2 指紋圖像預(yù)處理中的小波變換技術(shù)

小波變換技術(shù)主要來源于Fourier分析，F(xiàn)ourier分析更強(qiáng)調(diào)整體性，而小波分析能夠?qū)崿F(xiàn)局部變換，小波變換技術(shù)還運用了數(shù)值分析和調(diào)和分析等分析方法，在信號處理方面存在著較大的優(yōu)勢，具有多分辨率分析的功能。它能夠快速從指紋圖像信號中提取特征信息，從頻率、時間、空間等層面分析指紋圖像信號的局部特征，對指紋圖像信號低頻部分進(jìn)行預(yù)處理時，使用高分辨率，對高頻部分進(jìn)行處理時，使用低分辨率，通過這種方式處理信號不規(guī)律的指紋圖像信號。

2.1 指紋圖像壓縮處理

利用二維小波變換的方式處理指紋圖像時，可以分解指紋圖像，將指紋圖像轉(zhuǎn)換成低頻子圖像，小波基的類型會影響指紋圖像處理結(jié)果，可以使用Daubechies-4型小波，用該型號的濾波器處理指紋圖像時，能夠有效分解3層小波信號。在壓縮處理過程中，先選擇一幅指紋圖像，對其進(jìn)行小波分解，由此獲得小波系數(shù)，分解后的圖像尺寸與原圖保持一致，形成了10個小波分解結(jié)果，共包含90 000個系數(shù)，如圖1所示為小波重構(gòu)分解示意，HiLi表示垂直高頻、水平低頻情況下的圖像信息，HiHi表示垂直、水平均為高頻情況下的圖像信息，LiHi表示垂直高頻、水平低頻情況下的圖像信息。圖像噪聲主要處于高頻段，即小波分解示意圖中的HiHi區(qū)域，在降噪處理中，將該區(qū)域刪除，即小波重構(gòu)示意圖中的陰影區(qū)域，采用另外7個小波系數(shù)，以此來重構(gòu)指紋圖像。

2.2 指紋圖像去噪處理

指紋圖像的去噪處理主要包括4個步驟：第一步，處理二維圖像信號，采用小波函數(shù)，確定小波分解層次N，完成小波處理工作。第二步，處理指紋圖像信號中的高頻段系數(shù)，從第一層到第N層，量化閾值。第三步，根據(jù)量化閾值調(diào)整系數(shù)，對每一層的高頻段系數(shù)進(jìn)行修改。第四步，小波重構(gòu)。在去噪處理的4個步驟中，最關(guān)鍵的就是第二步，完成去噪工作后，就可以對指紋圖像進(jìn)行增強(qiáng)處理。

2.3 指紋圖像增強(qiáng)處理

增強(qiáng)處理工作，主要是對不清晰的指紋圖像進(jìn)行處理，使指紋圖像變得更加清晰，或者根據(jù)人們的需求，重點顯示圖像中的局部特征，弱化不重要的部位，做到精準(zhǔn)判讀，形成更好的圖像識別效果，提高圖像質(zhì)量，使指紋圖像的信息更加豐富。進(jìn)行逆變換之前，需要對小波變換域中的部分系數(shù)進(jìn)行調(diào)整，通過改變系數(shù)的數(shù)值達(dá)到增強(qiáng)的目的，在變換數(shù)值的過程中，有針對性地放大或減少部分特征，在提取關(guān)鍵特征的過程中，完成增強(qiáng)處理工作，利用小波變換技術(shù)提高指紋圖像識別率，改善指紋圖像的質(zhì)量［1］。

3 基于Log-Gabor濾波器的指紋圖像分解重構(gòu)增強(qiáng)技術(shù)

3.1 Log-Gabor濾波器

傳統(tǒng)的Gabor濾波器只能獲取局部頻率信息。該濾波器的最大寬帶只有一倍頻程，Gabor函數(shù)無法形成任意帶寬，如果處于偶對稱濾波器中，還有可能形成不合理的直流分量?？紤]到Gabor濾波器的局限性，對濾波器進(jìn)行改進(jìn)，F(xiàn)ield提出了Log-Gabor濾波器。改進(jìn)之后，濾波器不僅具有更寬的頻帶、更廣的頻率范圍、更真實的頻率響應(yīng)，還能得到更好的空間定位。改進(jìn)后的濾波器不存在直流分量，利用Log-Gabor處理圖像時，不會受到亮度的影響。需要區(qū)分偶對稱濾波器和奇對稱濾波器，在前者的應(yīng)用中，兩個實值的Log高斯峰軸分布在兩側(cè)，呈對稱狀，在后者的應(yīng)用中，主要為中心對稱狀?？梢愿鶕?jù)線性傅里葉變換進(jìn)行處理，將偶對稱濾波器與奇對稱濾波器融合到一起，虛部屬于奇對稱函數(shù)，實部屬于偶對稱函數(shù)。從頻率域的層面優(yōu)化濾波器，將其劃分成兩個部分，分別是角度分量以及徑向分量［2］。

3.2 指紋圖像的Log-Gabor分解重構(gòu)增強(qiáng)

在濾波器的構(gòu)造過程中，需要先設(shè)置相同大小和圖像的矩陣，利用矩陣計算坐標(biāo)，確定最小尺度波濾器的波長和中心頻率，再計算兩個分量，經(jīng)過線性傅里葉變換，將兩者整合到一起，形成完整的Log-Gabor濾波器。利用Log-Gabor濾波器進(jìn)行分解重構(gòu)時，需要遵循特定的流程。開始分解重構(gòu)時，需要進(jìn)行初始化，設(shè)置小波尺度，調(diào)整方向，還要分配3×4元胞數(shù)組，對圖像進(jìn)行傅里葉變換，以此來構(gòu)造濾波器，再利用濾波器進(jìn)行傅里葉變換，對濾波器和圖像進(jìn)行卷積處理。經(jīng)過傅里葉反變換之后，將結(jié)果保存在元胞數(shù)組中，獲得12個分解圖，前6個分解圖顯示了高頻紋理，后6個紋理圖顯示了低頻紋理，將12個分解圖合并，變成一整張圖。分解重構(gòu)之后可以發(fā)現(xiàn)，指紋圖像更加清晰，刪除了很多不重要的指紋信息，提高了計算效率，指紋的特征也更加明確，為后期的濾波增強(qiáng)奠定了良好的基礎(chǔ)。

3.3 實驗分析

實驗中的指紋圖像資料主要來自FVC2004指紋數(shù)據(jù)庫，F(xiàn)VC是世界指紋識別大賽，F(xiàn)VC2004數(shù)據(jù)庫包含4個子庫，DB1以光學(xué)傳感器為主，圖像尺寸為640×480；DB2同樣是光學(xué)傳感器，圖像尺寸為328×364；DB3為熱敏傳感器，圖像尺寸是300×480；DB4是軟件合成傳感器，圖像尺寸為288×384。該數(shù)據(jù)庫指紋圖像質(zhì)量較差，從該指紋數(shù)據(jù)庫中選取指紋圖像，對其進(jìn)行預(yù)處理，更能體現(xiàn)出指紋算法的優(yōu)勢。在實驗過程中，選取80枚指紋，經(jīng)過Log-Gabor濾波器分解重構(gòu)，再對重構(gòu)圖像進(jìn)行濾波增強(qiáng)。對實驗結(jié)果進(jìn)行分析，可以發(fā)現(xiàn)，對于傳統(tǒng)的Gabor濾波器來說，雖然能夠重新連接斷開的紋線，但是在腐蝕嚴(yán)重的部分，處理效果相對較差。對于Log-Gabor濾波器分解重構(gòu)來說，即使部分區(qū)域腐蝕比較嚴(yán)重，仍然能夠形成較好的處理效果，準(zhǔn)確地還原紋線結(jié)構(gòu)。之所以會出現(xiàn)這種差異，主要是因為份額分解重構(gòu)后的紋理特征信息更加明顯、豐富、準(zhǔn)確。利用指紋細(xì)節(jié)點查看器（FpMV）進(jìn)行檢測，從數(shù)據(jù)庫中選擇6枚指紋，在傳統(tǒng)Gabor濾波器的應(yīng)用中，6枚指紋的細(xì)節(jié)點數(shù)分別為13，31，22，39，26，16。在Log-Gabor濾波器分解重構(gòu)方式的應(yīng)用中，6枚指紋的細(xì)節(jié)點數(shù)分別為16，47，42，75，35，30。由此可知，本文的重構(gòu)分解方法能夠獲得更多的細(xì)節(jié)特征。

4 指紋細(xì)節(jié)特征提取技術(shù)

4.1 指紋圖像的二值化

利用指紋識別系統(tǒng)提取指紋圖像的細(xì)節(jié)特征，在識別系統(tǒng)的運行中，依次進(jìn)行采集、預(yù)處理、特征提取、特征匹配，形成指紋識別結(jié)果。提取細(xì)節(jié)前，需要做好準(zhǔn)備工作，對指紋圖像進(jìn)行二值化處理和細(xì)化處理。在二值化處理中，需要明確二值化的應(yīng)用標(biāo)準(zhǔn)，確保脊線保持原本的結(jié)構(gòu)特征，不存在斷裂、空洞等情況，相鄰脊線的間距不能產(chǎn)生較大差異，對計算速度進(jìn)行控制。此外，二值化方法有很多種，例如：灰度信息基礎(chǔ)上的動態(tài)閾值法、指紋方向基礎(chǔ)上的動態(tài)閾值法、全局閾值法等。比較常用的方法是全局閾值法。運用該方法時，先設(shè)定全局閾值t，對指紋圖像的灰度值進(jìn)行分析。如果灰度小于t，就將該數(shù)值設(shè)為0；如果灰度大于t，就將該數(shù)值設(shè)為1。指紋圖像各個區(qū)域的亮度、對比度存在一定差異，全局閾值很難實現(xiàn)二值化操作，可以通過局部閾值的方式進(jìn)行處理，改變t的灰度情況，以此來控制局部，將t設(shè)為平均亮度。確定閾值之后，經(jīng)過增強(qiáng)處理的指紋圖像，有著明顯的脊線谷線結(jié)構(gòu)。在二值化處理中，運用最大類間方差法，將指紋圖像劃分成背景區(qū)和目標(biāo)區(qū)，兩者的類間方差和兩個區(qū)域的差別成正比，可以根據(jù)類間方差判斷背區(qū)和目標(biāo)區(qū)，使用最佳閾值t時，類間方差最大。

4.2 指紋圖像細(xì)化處理和細(xì)節(jié)提取

對指紋圖像進(jìn)行細(xì)化處理時，需要考慮指紋紋線的特征，采集指紋圖像的過程中，當(dāng)噪聲和壓力發(fā)生變化的時候，紋線的寬度就會表現(xiàn)為不均勻的情況，無法準(zhǔn)確提取指紋特征。需要細(xì)化指紋圖像中的指紋脊線，利用OPTA算法進(jìn)行細(xì)化，經(jīng)過細(xì)化處理后，就可以提取指紋圖像的細(xì)節(jié)特征，采用數(shù)字化的方式，獲取特征數(shù)據(jù)，通過數(shù)據(jù)匹配的方式進(jìn)行分析［3］。

4.3 細(xì)節(jié)濾波

對于細(xì)節(jié)濾波來說，需要分析偽細(xì)節(jié)特征點、濾除邊緣偽細(xì)節(jié)特征點、濾除其余偽細(xì)節(jié)特征點。判斷偽細(xì)節(jié)特征點。在采集工作中，有可能會采集一部分偽細(xì)節(jié)點，預(yù)處理工作無法完全濾除偽細(xì)節(jié)點，但偽細(xì)節(jié)點又會影響指紋識別。在匹配細(xì)節(jié)特征之前，應(yīng)當(dāng)濾除偽細(xì)節(jié)點?？梢愿鶕?jù)偽細(xì)節(jié)點的特征進(jìn)行判斷和濾除，在指紋圖像中，發(fā)現(xiàn)毛刺、短線、脊線斷點、脊線橋、環(huán)時，具備這些特征的部位有可能屬于偽細(xì)節(jié)點。為了濾除邊緣偽細(xì)節(jié)特征點，可以對細(xì)化圖像進(jìn)行處理，將其劃分成特定大小的像素塊，計算像素的總和，找出其中的脊線，確定邊界塊，濾除邊界塊的偽細(xì)節(jié)特征點。對指紋圖像中的其他偽細(xì)節(jié)特征點進(jìn)行濾除時，可以采用脊線跟蹤法，順著脊線進(jìn)行跟蹤標(biāo)記，同樣可以根據(jù)毛刺、短線、脊線橋、環(huán)判斷偽細(xì)節(jié)特征點［4］。

4.4 實驗分析

為研究指紋圖像細(xì)節(jié)特征提取技術(shù)的有效性，設(shè)計實驗，根據(jù)實驗結(jié)果進(jìn)行分析。從數(shù)據(jù)庫中隨機(jī)挑選6枚指紋，比較兩種增強(qiáng)算法的效果和優(yōu)缺點。為了更直觀地對比兩種增強(qiáng)方法的效果，引入了錯誤指數(shù)EI，a表示丟失正確特征點的數(shù)量，b表示提取錯誤特征點的數(shù)量，t表示提取特征點的數(shù)量。EI值和提取特征點正確率為反比關(guān)系，EI值較低的情況下，說明正確率較高。如表1所示為兩種增強(qiáng)法的實驗結(jié)果，從實驗結(jié)果上看，本文提出的Log-Gabor濾波器分解重構(gòu)增強(qiáng)法EI值更低，正確率更高。

5 結(jié)語

傳統(tǒng)的指紋圖像預(yù)處理技術(shù)存在一定缺陷，細(xì)節(jié)特征較少，不夠準(zhǔn)確和清晰，為了提高指紋圖像預(yù)處理質(zhì)量，對Gabor濾波技術(shù)進(jìn)行研究，在此基礎(chǔ)上構(gòu)建Log-Gabor濾波器，對指紋圖像進(jìn)行分解、重構(gòu)、增強(qiáng)，使指紋圖像更加清晰，濾除偽特征點，顯示出更多、更準(zhǔn)確的細(xì)節(jié)特征。

參考文獻(xiàn)

［1］羅海寧，王建英.一種指紋圖像簡化預(yù)處理與特征提取算法實現(xiàn)［J］.自動化與儀器儀表，2022（1）：26-29，34.

［2］李鼎睿.OLED屏下指紋的預(yù)處理和識別算法研究與實現(xiàn)［D］.武漢：華中科技大學(xué)，2021.

［3］曹略耕.基于局部二值模式的指紋比對預(yù)處理模型［J］.中國刑事警察，2020（3）：19-21.

［4］李莎.基于Prewitt的指紋圖像預(yù)處理算法研究［J］.自動化應(yīng)用，2018（6）：1-2，6.

（編輯 王永超）

Analysis of fingerprint image decomposition and reconstruction enhancement technique based on Log-Gabor filter

Qiu? Xiulan

（School of Information and Artificial Intelligence， Nanchang Institute of Technology， Nanchang 330008， China）

Abstract：? This paper analyzes the related technology of fingerprint and fingerprint image preprocessing， introduces wavelet transform technology， improves Gabor filter， integrates through Fourier transform， constructs Log-Gabor filter， develops fingerprint image decomposition reconstruction enhancement technology， based on this， introduces fingerprint detail feature extraction technology， through the experimental analysis of Log-Gabor filter decomposition reconstruction enhancement technology application effect. Experimental results show that this preprocessing method can make the fingerprint image more clear and show more details.

Key words： fingerprint image; preprocessing; key technology