專利名稱：一種基于bp神經(jīng)網(wǎng)絡(luò)的指紋圖像紋路方向計算和圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于BP神經(jīng)網(wǎng)絡(luò)計算指紋紋路方向和分割圖像的方法，用于低質(zhì)量圖像，效果明顯。

背景技術(shù)：
指紋識別技術(shù)的應(yīng)用領(lǐng)域非常廣泛，日常生活中我們可以經(jīng)常遇到需要身份認證的場合，如登錄操作系統(tǒng)，使用某些軟件，去銀行取錢，鑒別嫌犯，進入軍事要地等。指紋識別技術(shù)作為更便捷、更安全可靠的身份認證方式，能有效避免傳統(tǒng)身份認證方法存在的缺陷。但是指紋的自動識別技術(shù)仍有待提高，國際指紋驗證競賽FVC(Finger-print Verification Competition)的測試結(jié)果表明，自動指紋識別技術(shù)仍有許多問題需要解決，其識別正確率還遠遠達不到指紋鑒別專家用肉眼識別的正確率，尤其對于低質(zhì)量的指紋圖像的準確切割和識別更是一個具有挑戰(zhàn)性的難題。
指紋紋路方向的正確計算是自動指紋識別中要解決的首要難題，它直接關(guān)系到指紋特征的提取并進而影響指紋識別的正確性。紋路方向的計算方法可以分為兩類基于像素灰度關(guān)系的方法和基于方向場模型的方法?；谙袼鼗叶汝P(guān)系的方法中最著名的是基于梯度矢量的方法梯度方法易受噪音干擾，對于低質(zhì)量區(qū)域的紋路方向會進行錯誤計算。基于方向場模型的方法利用的是啟發(fā)式知識，根據(jù)奇異點位置預測全局紋路的大致走勢，這樣預測出來的紋路并不能代表紋路的真實方向。而目前的指紋切割算法并非從紋路方向能否正確計算的角度進行分割，而是從視覺觀察角度分離掉不含紋路的區(qū)域和不可恢復的紋路區(qū)域，這樣的分割方法是不完全的，將會嚴重影響識別的準確性。
現(xiàn)有的指紋紋路方向計算和圖像切割方法存在的不足有(1)、現(xiàn)有算法對于低質(zhì)量指紋圖像效率低下；(2)、對于噪聲較大的圖像容易干擾出錯；(3)、現(xiàn)有的圖像切割方法不能準確地進行指紋切割。


發(fā)明內(nèi)容
為了克服已有的指紋紋路方向計算和圖像切割方法對低質(zhì)量指紋處理中存在的低效率、切割的低準確率等不足，本發(fā)明提供了一種采用紋理濾波的方法增強和提取指紋圖像的紋路的方法，通過計算紋路的方向及方向正確性，在通過兩次劃分將指紋圖像區(qū)分為前景和背景，并對錯誤的切割提供糾正算法，本方法可行、準確、高效。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是 一種基于BP神經(jīng)網(wǎng)絡(luò)的指紋圖像紋路方向計算和圖像分割方法，該方法包括以下步驟 (1)、假設(shè)I是寬度為m，高為n的指紋圖像，I(i，j)(0≤i≤m，0≤j<n)表示像素(i，j)的灰度值。以圖像塊為單位將圖像分割成大小為ω×ω的互不重疊的塊(不妨假設(shè)m和n都ω的倍數(shù))，每塊用B(i，j)(0≤i<m/ω，0≤j<n/ω)表示，用O(B(i，j))表示B(i，j)的紋路方向，用O(i，j)表示以象素(i，j)為中心以ω為邊長的方形區(qū)域的紋路方向； (2)、對各個圖像塊進行紋路方向計算，采用基于梯度矢量的方法，計算B(i，j)的紋路方向O(B(i，j))； (3)、用BP神經(jīng)網(wǎng)絡(luò)的方法來確定步驟(2)中指紋圖像中每個圖像塊的紋路方向的正確性，并根據(jù)正確性進行圖像的第一次分割方向正確的塊設(shè)置為前景，方向錯誤的塊設(shè)置為背景；對于每一塊，計算一個特征向量<F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5，F(xiàn)6，F(xiàn)7，F(xiàn)8，F(xiàn)9，F(xiàn)10，F(xiàn)11>，BP神經(jīng)網(wǎng)絡(luò)用該特征向量確定方向的正確性。BP神經(jīng)網(wǎng)絡(luò)分別對正樣本和反樣本進行學習，在判斷方向正確性時，輸出值在0和1之間，給定一個閾值tF，若輸出大于tF，則圖像塊B(i，j)方向正確，設(shè)為前景區(qū)域，M(B(i，j))＝1；否則方向錯誤，該圖像塊設(shè)為背景區(qū)域，M(B(i，j))＝0。
作為優(yōu)選的一種方案所述的方法還包括(4)、步驟(3)中區(qū)分了紋路方向計算正確與錯誤的紋路區(qū)域并設(shè)為前景區(qū)域和背景區(qū)域，但是部分殘留紋路區(qū)域會因為方向計算正確而得以保留在前景區(qū)域。因此，需要對前景區(qū)域進行掃描，用BP神經(jīng)網(wǎng)絡(luò)區(qū)分殘留紋路區(qū)域和真實紋路區(qū)域，從而進行第二次分割。
作為優(yōu)選的另一種方案所述的方法還包括(5)、步驟(3)中應(yīng)用BP神經(jīng)網(wǎng)絡(luò)判別紋路方向的正確性并進行第一次分割，有可能存在部分圖像塊出現(xiàn)誤切割(即前景塊被誤分割為背景塊，背景塊被誤分割為前景塊)。對于此類圖像塊，根據(jù)周圍圖像塊的特征，利用啟發(fā)式規(guī)則進行切割修正，并對被修正為前景塊的圖像塊進行方向糾正。
進一步，在所述的步驟(2)中，紋路方向O(B(i，j))的計算方法如下 (2.1)、采用Sobel算子進行梯度計算，<Gx(u，v)，Gy(u，v)>為像素的梯度，計算公式是 (2.2)、計算梯度距離Vx，Vy，計算公式是 θ＝tan-1(Vx/Vy)/2 (5) (2.3)、將紋路方向規(guī)約到
的平滑信號進行計算，將用Gauss濾波器按公式(13)進行平滑濾波得到 (3.7)、紋路方向平滑投影信號的平均紋路間距，記為F7，方向計算正確的區(qū)域F7分布在一定范圍內(nèi)； (3.8)、紋路方向平滑投影信號波峰高度的方差，記為F8，方向計算正確的區(qū)域F8的值較?。? (3.9)、紋路方向平滑投影信號波谷高度的方差，記為F9，方向計算正確的區(qū)域F9的值較??； (3.10)、紋路方向平滑投影信號平均波峰高度與平均波谷高度的差，記為F10，較小的F10意味著該區(qū)域不含紋路或者方向計算錯誤； (3.11)、紋路方向平滑投影信號波峰波谷間距方差，記為F11；方向計算錯誤的區(qū)域F11值較大。
更進一步，對于步驟(4)中述及的用BP神經(jīng)網(wǎng)絡(luò)進行第二次分割時，對前景塊逐塊掃描，需對每一圖像塊計算4個特征 (4.1)、當前圖像塊的局部灰度均值，記為LG，LG＝F3； (4.2)、第一次分割結(jié)果中所有前景圖像塊的灰度均值，記為MG，計算公式為 (4.3)、當前圖像塊的紋路和紋谷的平均灰度差異，記為LA，LA計算為當前圖像塊的平滑投影信號的平均波峰高度和平均波谷高度的差； (4.4)、第一次分割結(jié)果中所有前景圖像塊的紋路和紋谷的灰度平均差異，記為MA，計算公式如下 二次分割的基本思想如下 (4.5)、同一圖像內(nèi)部，殘留紋路區(qū)域和非殘留紋路區(qū)域一般存在兩種差異(A)殘留紋路區(qū)域紋路的灰度值一般大于非殘留區(qū)域紋路的灰度值；(B)殘留紋路區(qū)域中紋路和紋谷的灰度差異一般小于非殘留紋路區(qū)域紋路和紋谷的灰度差； (4.6)、差異A由特征LG和MG描述，對于兩者的差LG-MG，殘留紋路區(qū)域大于非殘留紋路區(qū)域；差異B由特征LA和MA描述，對于兩者的差LA-MA，殘留紋路區(qū)域小于非殘留紋路區(qū)域。部分紋路區(qū)域如果LG較小而LA較大，則將其歸類為非殘留紋路區(qū)域；同樣，如果LG較大而LA較小，則將其歸類為殘留紋路區(qū)域； (4.7)、第二次分割時，對于第一次分割結(jié)果的每個前景塊B(i，j)，通過<LG，MG，LA，MA>采用BP神經(jīng)網(wǎng)絡(luò)進行分類，神經(jīng)網(wǎng)絡(luò)以<LG，MG，LA，MA>為輸入，輸出值位于0到1之間，若小于閾值t。則將B(i，j)設(shè)置為背景，即將M(B(i，j))＝0。
再進一步，對于步驟(5)所述及的分割修正中的啟發(fā)式規(guī)則描述如下 (5.1)、規(guī)則A當前圖像塊B(i，j)為背景塊，且八相鄰圖像塊中存在兩個前景塊B1和B2，其位置關(guān)于當前塊對稱，若它們的方向差異小于閾值t1，則將當前圖像塊修改為前景塊，其方向計算為B1和B2的平均方向；方向差異的計算公式如下 (5.2)、規(guī)則B當前圖像塊B(i，j)為背景塊，且八相鄰圖像塊中前景塊數(shù)量大于4，則計算相鄰前景塊的平均方向，用神經(jīng)網(wǎng)絡(luò)計算該方向的正確性，如果正確性大于閾值tCN(實驗中為0.1)，則當前塊修正為前景塊，其方向為相鄰前景塊的平均方向； (5.3)、規(guī)則CB(i，j)和B(i，j+1)為背景塊，B(i，j-1)和B(i，j+2)為前景塊，且B(i，j-1)和B(i，j+2)的方向差異小于閾值t2，則B(i，j)和B(i，j+1)修正為前景塊，方向為B(i，j-1)和B(i，j+2)的平均方向；或者B(i，j)和B(i+1，j)為背景塊，B(i-1，j)和B(i+2，j)為前景塊，且B(i-1，j)和B(i+2，j)的方向差異小于閾值t2，則B(i，j)和B(i+1，j)修正為前景塊，方向為B(i-1，j)和B(i+2，j)的平均方向； (5.4)、規(guī)則DB(i，j)、B(i，j+1)和B(i，j+2)為背景塊，B(i，j-1)和B(i，j+3)為前景塊，且B(i，j-1)和B(i，j+3)的方向差異小于閾值t3，則B(i，j)、B(i，j+1)和B(i，j+2)修正為前景塊，方向為B(i，j-1)和B(i，j+3)的平均方向；或者B(i，j)、B(i+1，j)和B(i+2，j)為背景塊，B(i-1，j)和B(i+3，j)為前景塊，且B(i-1，j)和B(i+3，j)的方向差異小于閾值t3，則B(i，j)、B(i+1，j)和B(i+2，j)修正為前景塊，方向為B(i-1，j)和B(i+3，j)的平均方向； (5.5)、規(guī)則E當前塊B(i，j)為前景塊，八相鄰塊中前景塊數(shù)目少于3，則將B(i，j)置為背景塊。
(5.6)、規(guī)則F當前塊B(i，j)為前景塊，八相鄰塊中有3塊前景塊B(i1，j1)，B(i2，j2)和B(i3，j3)，若i1，i2，i3<i或i1，i2，i3>i或j1，j2，j3<j或j1，j2，j3>j，則置B(i，j)為背景塊； (5.7)、每條規(guī)則對應(yīng)一個程序過程Rev(r，B(i，j))，r∈{A，B，C，D，E，F(xiàn)}為規(guī)則名，程序過程如下 BOOl Rev(r，W(i，j)) {if(W(i，j)滿足規(guī)則r){1.將規(guī)則r規(guī)定的圖像塊進行分割修正；2.如果r∈{A，B，C，D}，計算分割修正塊的方向；3.返回TRUE；}else返回FALSE； } 分割修正算法有兩種規(guī)則執(zhí)行策略寬度優(yōu)先和深度優(yōu)先法。采用不同策略以及不同順序遍歷各規(guī)則，會產(chǎn)生不同的修正結(jié)果。根據(jù)實驗獲得的經(jīng)驗，建議采用深度優(yōu)先算法依次遍歷A，E，F(xiàn)，C，D，B； (5.8)、對于(5.7)述及的，當背景圖像塊滿足規(guī)則A，B，C，D時，需將該圖像塊修正為前景塊，并以相應(yīng)前景塊的平均方向為修正塊的方向。用B[i]表示用來計算平均方向的前景塊0≤i<N，N為塊數(shù)，則平均方向Omean計算如下 O′＝tan-1(Sy/Sx)/2 (19) 公式(20)將平均方向規(guī)約到
的平滑信號進行計算，將用Gauss濾波器按公式(13)進行平滑濾波得到
(3.7)、紋路方向平滑投影信號的平均紋路間距，記為F7，方向計算正確的區(qū)域F7分布在一定范圍內(nèi)；
(3.8)、紋路方向平滑投影信號波峰高度的方差，記為F8，方向計算正確的區(qū)域F8的值較小。
(3.9)、紋路方向平滑投影信號波谷高度的方差，記為F9，方向計算正確的區(qū)域F9的值較??；
(3.10)、紋路方向平滑投影信號平均波峰高度與平均波谷高度的差，記為F10，較小的F10意味著該區(qū)域不含紋路或者方向計算錯誤；
(3.11)、紋路方向平滑投影信號波峰波谷間距方差，記為F11；方向計算錯誤的區(qū)域F11值較大。
6、如權(quán)利要求2所述的基于BP神經(jīng)網(wǎng)絡(luò)的指紋圖像紋路方向計算和圖像分割方法，其特征在于在所述的步驟(4)中述及的用BP神經(jīng)網(wǎng)絡(luò)進行第二次分割時，對前景塊逐塊掃描，需對每一圖像塊計算4個特征
(4.1)、當前圖像塊的局部灰度均值，記為LG，LG＝F3；
(4.2)、第一次分割結(jié)果中所有前景圖像塊的灰度均值，記為MG，計算公式為
(4.3)、當前圖像塊的紋路和紋谷的平均灰度差異，記為LA，LA計算為當前圖像塊的平滑投影信號的平均波峰高度和平均波谷高度的差；
(4.4)、第一次分割結(jié)果中所有前景圖像塊的紋路和紋谷的灰度平均差異，記為MA，計算公式如下
(4.5)、同一圖像內(nèi)部，殘留紋路區(qū)域和非殘留紋路區(qū)域一般存在兩種差異(A)殘留紋路區(qū)域紋路的灰度值一般大于非殘留區(qū)域紋路的灰度值；(B)殘留紋路區(qū)域中紋路和紋谷的灰度差異一般小于非殘留紋路區(qū)域紋路和紋谷的灰度差；
(4.6)、差異A由特征LG和MG描述，對于兩者的差LG-MG，殘留紋路區(qū)域大于非殘留紋路區(qū)域；差異B由特征LA和MA描述，對于兩者的差LA-MA，殘留紋路區(qū)域小于非殘留紋路區(qū)域；部分紋路區(qū)域如果LG較小而LA較大，則將其歸類為非殘留紋路區(qū)域；同樣，如果LG較大而LA較小，則將其歸類為殘留紋路區(qū)域；
(4.7)、第二次分割時，對于第一次分割結(jié)果的每個前景塊B(i，j)，通過<LG，MG，LA，MA>采用BP神經(jīng)網(wǎng)絡(luò)進行分類，神經(jīng)網(wǎng)絡(luò)以<LG，MG，LA，MA>為輸入，輸出值位于0到1之間，若小于閾值t；則將B(i，j)設(shè)置為背景，即將M(B(i，j))＝0。
7、如權(quán)利要求3所述的基于BP神經(jīng)網(wǎng)絡(luò)的指紋圖像紋路方向計算和圖像分割方法，其特征在于所述的步驟(5)中，分割修正中的啟發(fā)式規(guī)則描述如下
(5.1)、規(guī)則A當前圖像塊B(i，j)為背景塊，且八相鄰圖像塊中存在兩個前景塊B1和B2，其位置關(guān)于當前塊對稱，若它們的方向差異小于閾值t1，則將當前圖像塊修改為前景塊，其方向計算為B1和B2的平均方向。方向差異的計算公式如下
(5.2)、規(guī)則B當前圖像塊B(i，j)為背景塊，且八相鄰圖像塊中前景塊數(shù)量大于4，則計算相鄰前景塊的平均方向，用神經(jīng)網(wǎng)絡(luò)計算該方向的正確性，如果正確性大于閾值tCN，則當前塊修正為前景塊，其方向為相鄰前景塊的平均方向；
(5.3)、規(guī)則CB(i，j)和B(i，j+1)為背景塊，B(i，j-1)和B(i，j+2)為前景塊，且B(i，j-1)和B(i，j+2)的方向差異小于閾值t2，則B(i，j)和B(i，j+1)修正為前景塊，方向為B(i，j-1)和B(i，j+2)的平均方向；或者B(i，j)和B(i+1，j)為背景塊，B(i-1，j)和B(i+2，j)為前景塊，且B(i-1，j)和B(i+2，j)的方向差異小于閾值t2，則B(i，j)和B(i+1，j)修正為前景塊，方向為B(i-1，j)和B(i+2，j)的平均方向；
(5.4)、規(guī)則DB(i，j)、B(i，j+1)和B(i，j+2)為背景塊，B(i，j-1)和B(i，j+3)為前景塊，且B(i，j-1)和B(i，j+3)的方向差異小于閾值t3，則B(i，j)、B(i，j+1)和B(i，j+2)修正為前景塊，方向為B(i，j-1)和B(i，j+3)的平均方向；或者B(i，j)、B(i+1，j)和B(i+2，j)為背景塊，B(i-1，j)和B(i+3，j)為前景塊，且B(i-1，j)和B(i+3，j)的方向差異小于閾值t3，則B(i，j)、B(i+1，j)和B(i+2，j)修正為前景塊，方向為B(i-1，j)和B(i+3，j)的平均方向；
(5.5)、規(guī)則E當前塊B(i，j)為前景塊，八相鄰塊中前景塊數(shù)目少于3，則將B(i，j)置為背景塊；
(5.6)、規(guī)則F當前塊B(i，j)為前景塊，八相鄰塊中有3塊前景塊B(i1，j1)，B(i2，j2)和B(i3，j3)，若i1，i2，i3<i或i1，i2，i3>i或j1，j2，j3<j或j1，j2，j3>j，則置B(i，j)為背景塊；
(5.7)、每條規(guī)則對應(yīng)一個程序過程Rev(r，B(i，j))，r∈{A，B，C，D，E，F(xiàn)}為規(guī)則名，程序過程如下
BOOl Rev(r，W(i，j))
{
if(W(i，j)滿足規(guī)則r)
{
1.將規(guī)則r規(guī)定的圖像塊進行分割修正；
2.如果r∈{A，B，C，D}，計算分割修正塊的方向；
3.返回TRUE；
}
else返回FALSE；
}
分割修正算法有兩種規(guī)則執(zhí)行策略寬度優(yōu)先和深度優(yōu)先法；采用深度優(yōu)先算法依次遍歷A，E，F(xiàn)，C，D，B。
(5.8)、對于(5.7)述及的，當背景圖像塊滿足規(guī)則A，B，C，D時，需將該圖像塊修正為前景塊，并以相應(yīng)前景塊的平均方向為修正塊的方向；用B[i]表示用來計算平均方向的前景塊0≤i<N，N為塊數(shù)，則平均方向Omean計算如下
O′＝tan-1(Sy/Sx)/2 (19)
公式(20)將平均方向規(guī)約到[0，π)。
全文摘要
一種基于BP神經(jīng)網(wǎng)絡(luò)的指紋圖像紋路方向計算和圖像分割方法，包括以下步驟(1)、將寬度為m，高為n的指紋圖像I分割成大小為ω×ω(15×15)的互不重疊的塊WI(i，j)；(2)、采用基于梯度矢量的方法，計算WI(k，l)的紋路方向O(WI(k，l))；(3)、用BP神經(jīng)網(wǎng)絡(luò)的方法來確定每個圖像塊的方向O(WI(k，l))結(jié)果的正確性，并進行圖像的初次分割，若圖像塊WI(i，j)的方向正確，則設(shè)為前景，M(WI(i，j))＝1；否則方向錯誤，設(shè)為背景，M(WI(i，j))＝0。本發(fā)明能較好得對低質(zhì)量指紋圖像進行處理、提取特征結(jié)果正確率高、計算復雜度低、圖像切割準確。
文檔編號G06K9/00GK101414349SQ20071016453
公開日2009年4月22日 申請日期2007年12月4日 優(yōu)先權(quán)日2007年12月4日
發(fā)明者朱信忠, 趙建民, 恩 祝, 殷建平, 徐慧英 申請人:浙江師范大學