基于不可分小波变换的指纹增强

【摘要】：指纹作为生物特征,既是用于个人识别的最古老的模式,也是当今最普遍使用的方式。随着指纹认证系统(FVS)日趋成熟,它已成为最流行也最可靠的生物特征识别技术。指纹图像增强是指纹认证系统中十分重要的一步。 对于低质量的图像,指纹图像增强是必须的。指纹图像增强的目的是提高脊线和谷线结构的清晰度,避免生成伪特征,从而确保特征提取的准确性和可依赖性。因此,近年来,它引起了人们广泛的关注。指纹的特征提取和匹配算法的性能非常依赖于输入指纹图像的质量,而指纹图像的“质量”却不能客观的衡量;它大致与指纹图像的脊线结构的清晰度相一致。一幅高质量的指纹图像有高对比度及明确界定的脊线和谷线。而低质量的指纹图像则有低对比度及脊线间的不清界限。 在这篇论文中,我们提出了一种基于不可分小波变换的指纹增强新方法。我们的方法能产生脊线和谷线间的高对比度。我们先使用不可分小波变换分解指纹图像,不可分小波变换能有效地分解指纹图像,获得小波系数。然后,依据图像的几何特征,用自适应方法来修改这些系数来减少噪声并增加脊线和谷线间的对比度。之后,我们用逆小波变换来映射该结果。我们用一个二维中滤波器减少噪声保留边界,来展示我们的结果。与以前的其他方法比较,该方法具有较好的增强效果。 与传统的小波变换相比,我们的研究表明,由不可分小波变换生成的三个高频的子图像能提取更多的高频信息,不再过分关注于这三个特别的方向。不可分小波是滤波器组中的一种,它的特点是捕获所有方向的奇异性。它还拥有传统小波所有的多分辨率分析和低计算复杂度的能力。这样,与可分离的小波变换相比,不可分小波变换的高频子图能显示更为可取的特征。 我们提出的方法应用于对比度增强,对比度增强是图像处理,模式识别和计算机视觉中基本课题中的一个。特别是在同质区,这个对比度能被限制,从而避免放大出现在图像中的任何噪声。对比度增强方法分为间接方法和直接方法。间接方法用于修改既没有效率也没有效益的直方图,因为它仅拉伸全局分布的强度。直接方法用于定义对比的测量方法,并用它来增强对比度。直接方法比间接方法有更好的性能。 我们的结果与其他增强方法作对比,如直方图均衡化(HE),轮廓增强,Gabor滤波,短时傅里叶变换(STFT)分析及可分离小波变换等。当在图像中有高强度分布时,直方图均衡化不能很好的工作,因为在图像中频率较低的强度值会丢失。比较基于小波与基于轮廓变换的对比度增强,要考虑两个参数:平滑度和细节增强。当增强后需要平滑的图像时,小波变换更好。当使用基于短时傅里叶变换分析和Gabor滤波的指纹增强时,仅在空间域或在频域有一些分析的优势及劣势。我们知道,指纹图像增强在二值脊线图或直接灰度图中操作。二值化将产生更多的伪细节点结构并失去某些有价值的原始图像信息。因此,我们的增强算法直接作用于灰度图像。我们使用由一维小波变换滤波器组产生的二维可分离滤波器组,在结果中我们比较可分离小波变换和不可分小波变换。尽管一维小波变换滤波器组证明是支持紧凑的,但它却仅提取三个方向(如水平、垂直、对角)的奇异性。 实验结果表明,我们提出的算法能增强脊线和谷线间的对比度,并减少在灰度指纹图像中的噪声。我们使用FVC2002的指纹数据库获得实验结果。实验结果表明,所提出的方法对对比度增强很有效而没有欠增强或过增强,并优于某些其他存在的方法。