一种分区处理的指纹图像分割方法

徐洞成1,程新明2,任

强1,戴喻1

(1.空军雷达学院研究生管理大队，武汉

430019；2.空军雷达学院信息与指挥自动化系，

武汉430019）

摘要：在分析2种传统指纹分割方法的基础上,提出了一种自适应分区处理的指纹图像分割方法．该方

法采用双行双列扫描对每幅指纹图像自适应地划分边框区和中心区的大小，然后对边框区作去背景,对中心区结合方差法进行分割．实验结果表明,该方法能准确地对一类指纹进行分割处理,提高了分割效率,对噪声也有明显的分割效果．

关键词：指纹；指纹分割；自适应；分区；灰度方差中图分类号:TP391.4

文献标识码:A

由于指纹具有唯一性、终生不变性、排列分布规律性和可采集性等特征,与其他的身份识别系统相比,以指纹为特征的自动指纹识别系统则是一种较为理想的身份识别系统

．在自动指纹识别系

统中,往往需要对指纹图像先进行预处理(包括图像增强、图像分割、图像去噪等),才能进行指纹特征提取以及匹配．实际应用中所采集到的指纹图像一般都存在背景区,指纹分割的目的就是要把前景区和背景区分割开,使预处理过程只对前景区进行处理，这样不仅能大大减少预处理的时间，而且还能减少背景伪特征对后续处理的干扰,从而提高系统的性能．

文献[1，2]的分割方法较繁锁,分割时间较长，文献[3]的分割方法针对含有明显边框的一类指纹不能实行快速分割，而且对边框区进行分割时,可能还会留有孤立块．为此,本文提出一种新的指纹分割方法,首先采用双行双列扫描自适应地确定指纹图像的边框区和中心区大小，然后对边框区采用背景区分割，对中心区结合方差法进行分割，最后给出了实验结果比较．

12种典型分割方法

典型的基于指纹图像灰度统计特性的分割方

法有阈值法５

6

3

)，男，硕士生，主要从事图像处理与模式识别研究.

第卷22第3期2008年月

9空军雷达学院学报

Journal of Air Force Radar Academy Vol.22No.3Sep.2008

文章编号：1673-8691(2008)03-0215-03

216

2008

空军雷达学院学报描，计算扫描到的每一列(行)像素的梯度值．自适

应扫描原理如图1(b )所示．

不同指纹图像的边框区和中心区的大小是不同的．针对图1(a )中的一类指纹图像．将边框区作为Ⅰ区域，将Ⅰ区域以内的中心区作为Ⅱ区域,即有效指纹区，分区后的示意图如图1(c )所示

对Ⅱ区域进行处理时可选取m×m 模板,如图1(d )所示,它的基准点位于模板的中心位置,从水平位置开始,

每隔／４，

／４这4个方向．

本文分割方法基于在指纹前景区和背景区分界处像素的梯度值会比前景区和背景区内部像素的梯度值大这一特点，按列按行寻找梯度值大的列和行，从而确定分界处，将指纹分成边框区和中心区，然后再分别利用不同处理方法进行分割．边框区在采集时一般是手指未触及的区域，没有明显的指纹纹理特征，故可以直接分割掉；将中心区中的图像分成r ×h 个子块，先进行像素前、背景属性判断，再结合方差法分割，模板大小选择m ×m ．

由于指纹图像往往受到噪声的影响，所以在分割处理中会出现一些错误的孤立的分割块，而这些块中有的是有效部分，可以算做前景块；有的则是无效部分，必须划分为背景块，因此要对分割后的指纹图像进行平滑处理，其平滑窗口的大小选择3×3．

2.2分割方法的实现

Step 1

Ⅰ区域的分割处理

(1)对指纹图像灰度值矩阵依次从左侧(右侧、上行、下行)出发并向矩阵中心的方向扫描，计算扫描到的每一列(行)像素的梯度值T d1．若某一列

(行)的平均梯度值大于梯度阈值，则记住该列(行)为S 0，再从该列(行)开始向矩阵中心方向扫描五列(行)，如果这5列(行)每一列(行)的平均梯度值都大于T d1，则S 0列(行)为分界列(行)；否则继续向矩阵中心方向扫描．

(2)依照上述方法确定出指纹图像的左侧、右侧、上行、下行4个分界线，将4条分界线以外的部分划分为指纹图像的边框区(Ⅰ区域)，分界线以内的部分划分为指纹图像的中心区(Ⅱ区域)，分区后指纹图像如图1(c )所示．这样将边框区(Ⅰ区域)直接分割掉．

Step 2Ⅱ区域的分割处理

(1)求出Ⅱ区域的灰度均值T d2,灰度方差T

/4,

/4)4个方向分别计算灰度值的和S i

=(k =7)，其中f i 是沿i 方向上的第k 个像素点的灰度值,S i 是第i 个方向上灰度值的和,f 是像素点

的灰度值,S min 是4个方向上灰度值

和的最小值,S max 是4个方向上灰度值和的最大值．

如果判定条件6f

+S min +S max >

0.75

为前景点；相反,则点

为背景

点

．

(3)计算每个分块的指纹图像的有效面积比T S 若T S

>T S 2,则该块为前景块；若T S

3

m,n

T S 2,转入(4)处理；若T S 块,相应的子块区域被割除．

(4)计算该分块的灰度方差T

m ,n

>T

9,10

11

第3期徐洞成，等：一种分区处理的指纹图像分割方法217

的问题，分割效果上有明显改进，分割效率上有显著提高．通过实验发现,本文方法能准确地将指纹图像中非指纹部分、边框区分割掉，对噪声也有明显的分割效果．

4结论

指纹分割位于预处理的前端，良好的分割效

果和较快的分割速度会大大提高预处理的效率，也会大大提高整个系统的性能．本文方法在分割效率上有所提高,能准确地将指纹图像中非指纹部分、边框区分割掉，对噪声也有明显的分割效果．

在实际应用中，还不能根据每幅图像自动地选取梯度阈值，因此下一步将对梯度阈值的自适应选取进行研究．

参考文献:

[1]贾则,戴荣涛,张芬,等.自动指纹识别系统中指纹图像分割

方法的研究[J ].计算机技术与发展,2007,17(8):55-57.[2]张正言,徐荣青.指纹图像分割方法的研究[J ].微计算机信

息,2006,22(10-3):284-286.

[3]贾则,张芬,张正言,等.一种新的指纹图像复合分割方法

[J ].微计算机信息,2007,23(9-3):290-292

[4]章毓晋.图像分割[M ].北京:科学出版社,2001.

[5]PAL N R,PAL S K.A Review on Image Segmentation

Techniques [J ].Pattern Recognition,1993,26(9):1277-1294.[6]耿茵茵,唐良瑞.指纹图像分级分割算法[J ].北方工业大

学学报,2000,12(3):21-26.[7]吴翔宇.指纹图像质量评估的方法研究[D ].南京:南京理

工大学,2006.

[8]QI Jinqing,Desiree Abdurrachim,LI Dongju,et al.A

Hybrid Method for Fingerprint Image Quality Calculation [C ]//.Fourth IEEE Workshop on Automatic Identification Advanced Technologies.IEEE Computer Society,2005:124-129.

[9]曹祥,邓宏贵,高湘蓉.基于特征融合的指纹分割算法[J ].

信息技术,2007,11(3):32-35.

[10]胡士斌,杨卫平.指纹图像复合分割算法研究[J ].计算机

工程与应用,2006,21(12):71-73.[11]DigitalPersona U.are.U Sample Fingerprint Database [EB/

OL ].[2008-03-10].http://bias.csr.unibo.it/.

A Method of Fingerprint Images Segmentation

Based on Subarea Processing

XU Dong-cheng 1,CHENG Xin-ming 2,REN Qiang 1,DAI Yu 1

(1．Department of Graduate Management,AFRA,Wuhan 430019,China ；2．Department of Information &Command Automation,AFRA,Wuhan 430019,China )

Abstract ：Based on analyzing the two conventional segmentations of fingerprint images,a method of fingerprint images segmentation was presented in terms of the subarea processing.It utilized self-adaptive two-row and two-column scanning algorithm,ascertained the size of edge area and center area according for each fingerprint image,the edge area was segmented as background,and then the center area was segmented by combining the gray variance method.Experimental results show that this method can segment a kind of fingerprint images correctly,which enhances the efficiency of segmentation time,and even has better effect on noise segmentation.

Key words ：fingerprint ；fingerprint segmentation ；self-adaption ；subarea ；gray

variance

(a )

原始图像

(b )

阀值法

(c )方差法(d )本文方法

图2

实验结果比较