基于方向图的指纹预处理方法

　对很多传统的灰度图像滤波算法进行研究后发现，傅氏变换滤波的效果最好，但远不如方向图滤波器的滤波效果，且傅氏变换滤波算法的运行时间很长，对一幅512×512的图像需要几分钟，而方向图滤波器只需几秒钟就可完成。至于其他的滤波算法，如中值滤波、均值滤波等效果都远远不如方向图滤波效果。因此，无论从效果还是从速度上考虑，方向图滤波都是一个好的灰度图像滤波算法。

在目前许多基于方向图的滤波算法中，一种是在计算出指纹图像的方向图后，利用各点的方向使用各种滤波器进行滤波[1][2]，另一种方法则是使用指纹纹线分割来实现指纹增强，通过利用局部纹线方向、纹线宽度等结构信息，采用非传统的二值化方法从原始指纹图像中分割出脊线区域和谷线区域，并用二值图像表示[3][4]。本文则通过增加在计算过程中对各点的高斯滤波和不可恢复区域的提取2个过程，对第2种方法进行了完善和补充。实验结果表明，该方法所取得的效果要比传统的第2种方法更为理想、可靠。

指纹特征是人终生不变的特征之一，而且不同人的指纹特征相同的概率几乎为零，所以世界各国都在争先研究和开发实用指纹识别系统。指纹识别系统一般由以下几个部分组成：指纹采集、预处理、特征提取、分类及匹配。而在指纹采集过程中，不可避免地会引入各种噪声，如图像中的叉连、断点等。这些噪声对指纹特征信息的提取造成一定的影响，甚至会产生许多伪特征点。因此在提取指纹特征之前，需要对指纹图像进行滤波处理，以去除无用信息，增强有用信息。在得到增强的灰度图后，需要将其进一步二值化，以便于后续过程的处理。

图像归一化及指纹有效区域的提取

1.1 指纹图像归一化处理

由于采集仪本身和手指结构的特点，以及指纹采集时用力不均等情况，容易造成图像部分区域信号太弱（颜色太淡）或者太强（颜色太黑），给后续的指纹处理带来很大的困难。所以必须对指纹进行归一化处理，使图像中纹线灰度均值和方差接近于给定的期望均值M0和期望方差VAR0。在本文方法中M0和VAR0均为125。灰度图像归一化并不改变指纹纹理的清晰度。

设图像I为N×N大小，令G(i，j)为象素点(i，j)的灰度值，M和VAR分别为图像灰度均值和方差，G′(i，j)为象素点(i，j)规格化后的灰度均值，归一化处理如下公式所示：

1.2 指纹有效区域的提取

由于非指纹区中没有纹线峰和谷的变化，因此它的方差很小，所以将图像分成W×W的多个不相重叠的小方块，利用小方块的灰度均值K和方差V，将指纹有效区域提取出来：

其中（i0，j0）为方块内左上角象素点的坐标，对于求出的V，设定一定的阈值T1，如果V>T1，则该方块内为有效的指纹区域；否则，该方块内为非有效区域。

经过上面运算后，指纹图像被分为指纹区和非指纹区。考虑到指纹图像中指纹区和非指纹区的连通性，还需要进行进一步处理，即去除大片非指纹区中孤立的指纹块和大片指纹区中孤立的非指纹块。处理完成后，指纹图像就被标识成连通的指纹区和非指纹区。非指纹区不在处理范围内，而指纹区还需要进行进一步的分割处理。

指纹图像的分割

2.1 指纹图像的滤波及二值化

为了消除干扰及增强纹线，针对指纹纹线有较强方向性的特点，使用了基于方向图的纹线滤波增强方法。为估计方向场，把指纹脊线的走向分为8个方向，1个象素处的8个指纹脊线方向如图1所示，各方向之间的夹角为π/8，以0～7表示。在求取各点方向图时，由于图像在采集过程中，会受到各种随机噪声的影响，所以并不直接使用计算点的灰度值G′(i，j)，而是利用了高斯低通滤波器的旋转对称性，将该点与其八邻域中的点(C1～C8)所形成的点集Ω与高斯低通滤波器Gu做卷积运算，得到该点的新的灰度值G″(i，j)。

同时计算该点8个方向上的象素的灰度值之和，得到S0，……S7。将8个方向灰度值按两两垂直的方向分为4组(0～4，1～5，2～6，3～7)，取两两差值最大的方向p为象素点可能的方向。在2个方向中灰度平均值与该点象素值G″(i，j)最接近的方向作为该象素处的脊线方向。

在计算各点方向的过程中，可以同时进行纹线的增强及二值化。如果象素点为脊线上的点，则该点的灰度值一定会大于8个方向上所有点的灰度平均值，而且它的脊线方向和垂直于脊线方向的所有点的灰度和的平均值一定会大于8个方向上所有点的灰度平均值。因此将上述2个条件联合起来会取得更好的效果。

若当前点C满足上式，则C点处于脊线上。将C点的灰度值置为125，否则C点是背景点，将它的灰度值置为0。根据以上方法，还可以设计出13×13、17×17等大小的窗口。窗口越大，对指纹断裂的连接功