一种改进的指纹图像二值化处理方法
随着社会和经济的发展,人们对身份鉴别的准确性、安全性与实用性提出了更高的要求。而指纹具有唯一性、不变性、稳定性，以及易采集等优点，使得指纹识别成为当前生物识别技术中最受青睐的技术之一，在电子商务、犯罪鉴别、信息安全等领域都有广泛的应用。在指纹识别算法中，由于现有指纹采集设备的不完善性，均需对采集的图像进行二值化处理，这个过程是相对最难突破的一个不可或缺的重要环节。二值化是将含有噪声的灰度图像处理成适于特征提取的二值图像，其处理结果的好坏直接影响着整个识别系统的性能。
二值化指纹图像就是将图像上的点的灰度值置成0或255，即通过阈值使白色的谷线区域灰度都达到255，黑色的脊线区域灰度都达到0，由此使指纹纹线对象成为黑白两色图像。二值化主要有全局阈值法、局部阈值自适应算法和基于方向信息的二值化方法。全局阈值是在整幅图像内采用固定的阈值分割图像，经典的方法是以灰度直方图为处理对象,但由于单一的阈值会造成特征点的丢失,因此该方法一般不会单独使用，局部阈值自适应算法是将原始图像分成几个小的子图像，再对每个小图像分别求出最优分割阈值，如参考文献[1]采用的改进的自适应指纹图像二值化方法，虽然对于一些质量差的指纹图像能够很好地保留重要的特征信息，但是该方法得到的二值化图像有很多噪声，不利于后面细节点的提取，需要进一步处理。上述方法对阈值的选取有很高的依赖性，而且没有考虑指纹图像本身的纹理特征，处理结果不理想。基于方向信息的二值化方法目前使用很广，它利用指纹方向信息对指纹断裂和粘连有连接和隔离效果，但是由于有干扰的存在和中心点处方向判断困难，局部区域二值化效果出现偏差，还会出现孔洞，为后期处理增加了困难,参考文献[2]的算法还会在特征点处出现严重的干扰,这样会对特征提取造成一定影响。楚亚蕴[3]等提出了一种结合指纹方向信息的自适应动态阈值二值化算法,该方法能有效提高二值化精度,并对断线具有一定的连接效果,但始终没有解决二值化的孔洞及粘线问题。本文针对上述情况，提出了一套指纹图像二值化处理方法。该算法充分考虑到指纹图像是一种纹理性的图像,先进行维纳滤波，防止后期产生孔洞，然后采用连续块方向图计算指纹的方向,最后以方向图为基础，采用方向滤波模板对指纹图像进行滤波增强，实现二值化。实验结果表明,此方法对于不同质量的指纹图像都有令人满意的处理效果,在指纹图像预处理中有良好的应用前景。
1 指纹图像二值化处理方法
在指纹图像进行二值化之前先要对它进行图像分割，这里采用最大类间方差图像分割[4]。为了获得没有噪声或者噪声强度相当低的图像，本文选用维纳滤波进行图像预处理。
1.1维纳滤波
维纳滤波器根据各像素局部领域的统计估计进行自适应滤波。它将图像信号和噪声都看成随机信号,在对随机信号进行分析统计的基础上设计出符合最优准则的滤波器。假设图像信号g(x,y)是由真实图像f(x,y)和噪声信号n(x,y)构成,设计图像滤波器的目的就是使输出的图像 I(x,y)尽可能地降低噪声信号n(x,y),同时恢复真实图像 f(x,y)。定义误差信号为：
然后对滤波之后的指纹图像利用方向图进行二值化。
1.2 方向图的计算
