文档介绍：第四节指纹图像特征提取
一、基于灰度图像的细节特征提取
基于直接灰度的指纹细节特征提取方法不对指纹灰度图像进行二值化,而是直接从指纹图像的灰度出发,通过分析指纹细节特征点处本身的拓扑变化来实现特征提取的。
在增强与处理过程中得到了指纹图像的方向图信息,方向是沿着脊线方向的,在这个方向的垂直方向上,即脊线的横截面上,灰度分布会出现极大值和极小值,于是可以通过确定图像中的灰度分布的局部极大值来确定脊线的位置,从而找到脊线上的特征点,如图5-25所示。
算法描述如下:
1)计算指纹图像的方向图,得到指纹纹线的整体和局部走向。
2)根据指纹方向图提供的方向信息,由初始点出发,开始在该处的法线方向上,半个纹线周期内,寻找一个极大值点,作为新的出发点。
3)从新的出发点出发,沿方向图的方向前进一步长,然后再在此处沿此处的法线方向寻找极大值点,作为新的出发点。
4)重复步骤3),并且判断寻找到的新的出发点是否为特征点。
5)记录跟踪的折线,即得到指纹纹线的脊线。
图5-25 脊线跟踪提取到特征点
这个方法中最为关键的环节是如何设定跟踪终止的判据条件。可以将跟踪终止的判据设定为:
1)跟踪点已经接近或者已经处于有效区域的边缘,这时跟踪停止,不产生任何特征点,只产生指纹纹线的脊线。
2)跟踪点所处截面找不到局部极大值,这表明跟踪点已经离开脊线进入了背景或谷线区域,这时产生一个末梢点。
3)跟踪线和先前已经跟踪过了的脊线相交,这时跟踪应该停止,交点即为分叉点。
4)如果跟踪过程中出现跟踪脊线的角度偏转太大,由于这种情况往往表示跟踪出现了错误,因此应该停止跟踪,此时没有特征生成。
该方法需要图像具有很好的纹理性质,即要求噪声要尽可能地小,否则会影响跟踪的质量,从而影响特征提取的效果,但对灰度的均匀和对比度要求相对较小。基于直接灰度的方法执行速度相对较慢,在极大值判断环节算法复杂度相对要复杂,但它提取的特征点中虚假细节点较少,后处理环节容易。
二、基于8邻域编码的特征提取
基于8邻域的细节特征提取方法是一种从细化的二值指纹图像中提取细节特征的方法。在得到可靠的细化的二值图像后,对于细化的二值指纹图像,像素点的灰度值只有两种情况(假设0表示背景点的灰度,用白色表示:1表示纹线点的灰度,用黑色表示)。8邻域的模板如图5—26所示。
其中,P是待检测的像素点,P1,P2,…P8是它的8个邻域点,R(1), R(2), … R(8),分别是像素点P1,P2,…P8的灰度值。如果P是末梢点,则它的8邻域点的灰度满足如下特点:
()
如果P是分叉点,则它的8邻域点的灰度满足如下特点:
()
这样就可以找到末梢点和分叉点这两类主要的细节特征点,并按照匹配算法的需要,记录它们的特性,如位置和类型。
基于8邻域编码的特征提取方法的结果好坏取决于二值化图像的质量。要想使得二值化图像清晰,细节保留完全,就必须要对图像进行降噪增强等预处理。另外,
还要求指纹图像的灰度要均匀,对比度强。该方法执行较快、算法简单、鲁棒性好、适应面广,但它常常需要对提取的特征点进行复杂的后处理,以便剔除那些虚假的特征点。
三、基于脊线频率的特征提取
文献[47]提出利用脊线频率特征对指纹图像进行特征提取。首先获得脊线