指紋圖像對比度模糊增強算法

摘　要:指紋圖像采集過程常會造成對比度不強等非線性失真,基于模糊邏輯的處理方法常用于改善指紋圖像質量。研究了模糊特征平面增強算法和基于廣義模糊算子的圖像增強算法,將兩種算法應用于指紋圖像對比度增強,并對增強結果進行比較分析。實驗結果表明,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域和高灰度區域之間的對比度,從而提高圖像的質量,使增強后的指紋圖像結構更清晰。

引　言

指紋識別是指指尖表面紋路的脊谷分布模式識別,這種脊谷分布模式是由皮膚表面細胞死亡、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的,在胎兒時期就已經決定了。人類使用指紋作為身份識別的手段已經有很長歷史,使用指紋識別身份的合法性也己得到廣泛的認可。自動指紋識別系統通過比對指紋脊線和谷線結構以及有關特征,如紋線的端點和分歧點等來實現個人身份認證。然而,要從原始指紋圖像上準確地提取特征信息,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量。因此,在指紋特征提取和匹配之前有必要對指紋圖像進行增強處理。指紋圖像增強就是對指紋圖像采用一定算法進行處理,使其紋理結構清晰化,盡量突出和保留固有的指紋特征信息,并消除噪聲,避免產生虛假特征。其目的是保持特征信息提取的準確性和可靠性,在自動指紋識別系統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,圖像的亮度分布會發生非線性失真,常常表現為對比度不強,圖像的整體感覺較暗等。目前,已經有很多基于灰度直方圖的方法來增強對比度,從而改善圖像的質量 。

近年來,人們對基于模糊的圖像處理技術進行了研究。模糊集合理論已能夠成功地應用于圖像處理領域,并表現出優于傳統方法的處理效果。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 。基于模糊的圖像處理技術,是一種值得重視的研究方向,應用模糊方法往往能取得優于傳統方法的處理效果。很多時候基于模糊的增強圖像對比度方法能夠更好地增強圖像的對比度,尤其是對于對比度很差,一般的增強算法無法對其增強的圖像,它的優勢突顯。

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

1 　模糊特征平面增強算法

1. 1 　模糊特征平面

從模糊集的概念來看,一幅具有L 個灰度級的M ×N 元圖像, 可以看作為一個模糊集, 集內的每一個元素具有相對于某個特定灰度級的隸屬函數。該模糊集稱為圖像等效模糊集,亦即圖像的模糊特征平面, 對應的模糊矩陣記為F , 有:


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

1. 2 　算法實現

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) 來確定閾值參數X T ,顯然X T 將整個圖像的直方圖分為2 個部分。低灰度部分和高灰度部分; 對于具有典型雙峰分布的直方圖來說,它們分別對應目標和背景這兩部分。然后定義新的隸屬函數形式, 再進行模糊增強運算,在低灰度區域進行衰減運算, 從而使屬于該區域像素的灰度值更低,而在高灰度區域則進行增強運算,從而使屬于該區域像素的灰度值更高。因而,經過模糊增強后直方圖上閾值X T 兩側的灰度對比增強,圖像區域之間的層次將更加清楚。整個算法過程如下:

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