專利名稱：一種指紋圖像的分割方法
技術領域：
本發(fā)明涉及一種指紋圖像預處理方法，特別涉及一種指紋圖像的分割方法。
背景技術：
指紋圖像識別是人類生物特征識別技術中最早應用、價格最低廉的分支，被廣泛地應用在刑偵破案、住宅安全，銀行、證券、保險等金融機構的身份確認，重要區(qū)域的門禁管制，職員或會員管理等領域，具有廣闊的應用前景。指紋圖像分割是指紋識別預處理階段的重要步驟，主要目的是去除非指紋區(qū)和噪聲較多不易區(qū)分的指紋區(qū)域，有效的分割可以減少后續(xù)處理的時間，減少偽特征點的提取，提高識別準確率?！つ壳俺Ｓ玫闹讣y分割方法有a根據(jù)圖像灰度特性的分割方法，利用指紋圖像灰度平均值和方差對指紋圖像進行分割，有全局閾值分割和自適應閾值分割，全局閾值分割依賴于圖像灰度分布良好的雙峰性質，如果雙峰性不明顯或灰度呈多峰分布，分割效果就不理想，自適應閾值分割會將對比度低而方向性強的容易恢復的區(qū)域分割掉，且分割后的指紋圖像存在塊效應；b根據(jù)指紋圖像方向和頻率特性的分割方法，這種方法比較復雜，特別是點方向或點頻率的計算，對脊線粗細不均勻的區(qū)域或中心三角附近區(qū)域，難以準確計算根據(jù)灰度特性和方向特性的分割方法，利用圖像的局部標準差(或方差)和一致性特征，采用線性分類法進行分割，這種方法考慮了方向特性和灰度特性，對多種特性進行融合，但其系數(shù)的選擇非常關鍵，閾值的設定比較困難；d基于隱馬爾可夫模型的分割方法；e基于變換和能量場的分割方法；方法d和方法e考慮了多種因素，但算法計算復雜性較大，對低質量指紋圖像處理效率低，不能準確分割。
發(fā)明內容
本發(fā)明的目的是提供一種指紋圖像的分割方法，該方法將IS0DATA聚類算法(迭代自組織分析算法)和形態(tài)學圖像處理方法應用到指紋圖像分割中，先對指紋圖像進行裁剪，如果指紋圖像對比度較低，則對圖像進行均衡化處理，然后對圖像進行頂帽變換，補償不均勻的背景亮度，最后用IS0DATA聚類對圖像進行分塊分割，形態(tài)學圖像處理。具體步驟為
(I)讀入指紋圖像，根據(jù)圖像分辨率resolution確定分塊大小W，如果resolution>600dpi,則 W=30,如果 resolution〈400 dpi,則 W=8,否則 W 默認等于 16,將指紋圖像轉換為double類圖像img。(2)對步驟⑴所得的double類圖像img進行快速裁剪a.從第I行開始，每隔X行，計算第i行的最大灰度值和最小灰度值之差diff(i)；
其中i=l+kx, k為非負整數(shù),x = ·^ , m為圖像的行數(shù)，i彡m, i用floor函數(shù)取整；b.求出所有最大灰度值和最小灰度值之差diff (i)的最大值diffmax ;c.找出最大灰度值和最小灰度值之差較大的計算行diffd (取最大灰度值和最小灰度值之差大于difTmax/3的行)；d.找到差值較大的開始行mb，從步驟(2)第c步中找出的第一計算行開始，如果連續(xù)兩計算行的差值均較大，確定開始行是此計算行的前一計算行(不小于I )，否則向后尋找；
e.找出差值較大的結束行me，從步驟(2)第c步中找出的最后一計算行開始，如果連續(xù)兩計算行的差值均較大，則結束行是此計算行的后一計算行(不大于m)，否則向前尋找；
f.按步驟a"e的方法找到差值較大的開始列nb和結束列ne；
g.將結束行me和結束列ne進行調整，使裁剪后圖像的尺寸為分塊大小W的整數(shù)倍，對原始圖像img進行裁剪,得到裁剪后圖像imgl,裁剪后圖像大小為ml*nl,其中ml=me-mb,nl=ne-nbo
(3)反色變換
a.計算圖像imgl四周像素的灰度平均值avgbound，即計算第一行，最后一行，第一列和最后一列所有像素的灰度平均值；
b.如果背景較亮，即avgbound>0.5，則進行反色變換imgl=l — imgl,否則跳到步驟⑷。
⑷均衡化；
a.計算圖像imgl的灰度平均值
權利要求
1.一種指紋圖像的分割方法，其特征在于具體步驟為 (1)讀入指紋圖像，根據(jù)圖像分辨率resolution確定分塊大小W，如果resolution>600dpi,則 W=30,如果 resolution〈400dpi,則 W=8,否則 W 默認等于 16,將指紋圖像轉換為double類圖像img ； (2)對步驟⑴所得的double類圖像img進行快速裁剪 a.從第I行開始，每隔X行，計算第i行的最大灰度值和最小灰度值之差diff(i)，其中i=l+kx, k為非負整數(shù)= ，m為圖像的行數(shù)，i < m, i用floor函數(shù)取整； b.求出所有最大灰度值和最小灰度值之差diff(i)的最大值diffmax; c.找出最大灰度值和最小灰度值之差較大的計算行diffd-取最大灰度值和最小灰度值之差大于difTmax/3的行； d.找到差值較大的開始行mb，從步驟(2)第c步中找出的第一計算行開始，如果連續(xù)兩計算行的差值均較大，確定開始行是此計算行的前一計算行，不小于1，否則向后尋找； e.找出差值較大的結束行me，從步驟(2)第c步中找出的最后一計算行開始，如果連續(xù)兩計算行的差值均較大，則結束行是此計算行的后一計算行，不大于m，否則向前尋找； f.按步驟a"e的方法找到差值較大的開始列nb和結束列ne； g.將結束行me和結束列ne進行調整，使裁剪后圖像的尺寸為分塊大小W的整數(shù)倍，對原始圖像img進行裁剪,得到裁剪后圖像imgl,裁剪后圖像大小為其中ml=me-mb,nl=ne_nb ； (3)反色變換 a.計算圖像imgl四周像素的灰度平均值avgbound，即計算第一行，最后一行，第一列和最后一列所有像素的灰度平均值； b.如果背景較亮，即avgbound>0.5，則進行反色變換imgl=l — imgl,否則跳到步驟(4)； (4)均衡化 a.計算圖像imgl的灰度平均值
全文摘要
本發(fā)明公開了一種指紋圖像的分割方法。具體步驟為a.讀入指紋圖像；b.指紋圖像快速裁剪；c.反色變換；d.均衡化；e.頂帽變換；f.分塊計算特征量；g.分塊分割；h.形態(tài)學圖像處理；i.得到分割后的指紋圖像。本發(fā)明對質量較差的指紋圖像亦適用，能正確地進行分割，有較高的可靠性；所采用ISODATA聚類算法，進行分塊分割，聚類速度較快；采用快速裁剪，減少了處理時間；所采用塊分割和像素分割相結合，分割出的指紋輪廓比較平滑；所采用圖像均衡化和頂帽變換對圖像進行增強，使分割更加有效。
文檔編號G06T7/00GK103020953SQ20121044073
公開日2013年4月3日 申請日期2012年11月7日 優(yōu)先權日2012年11月7日
發(fā)明者劉漢英, 周劍勛 申請人:桂林理工大學