第7卷第6期 智能系统学报 Vol.7 No.6 2012年12月 CAAI Transactions on Intelligent Systems Dec.2012 D0I:10.3969/i.i89n.1673-4785.201204001 网络出版t地址：htp://www.cnki.net/kcma/detail/23.1538.TP.20121116.1702.011.html 基于三高斯滤波的低质指纹图像增强方法 赵慧敏，李卫军，刘扬阳2，谌琛'，陈亮' (1.中国科学院半导体研究所人工神经网络实验室，北京100083；2.中国科学院光电研究院，北京100094) 摘要：低质指纹图像在司法刑侦过程中普遍存在，往往需要人工参与鉴别.因此，符合人类视觉特性的指纹图像处 理方法研究具有一定的实用价值.将非经典感受野三高斯数学模型引入指纹图像处理，提出一种新的低质指纹图像 增强算法.首先通过三高斯单边滤波获得邻域图像的主观感觉亮度：然后对指纹图像进行局部对比度增强.通过分 析研究指纹脊谷交替分布的特性，结合三高斯模型自身特性，得到针对指纹图像的三高斯单边滤波的参数自适应模 型和局部对比度调整参数.对比实验结果表明，该方法取得了整体和局部的亮度增强效果，突出灰暗区域的细节特 征，尤其适用于低质指纹图像的处理 关键词：三高斯模型；指纹增强；非经典感受野：单边滤波 中图分类号：TP18;TN911.73文献标志码：A文章编号：16734785(2012)06048905 A low quality fingerprint image enhancement algorithm based on tri-Gaussian filter ZHAO Huimin',LI Weijun',LIU Yangyang?,CHEN Chen',CHEN Liang' (1.Laboratory of Artificial Neural Networks,Institute of Semiconductors,Chinese Academy of Sciences,Beijing 100083,China;2. The Institute of Opto-Electronics,Chinese Academy of Sciences,Beijing 100094,China) Abstract:Low quality fingerprint recognition is an all-pervading problem of criminal investigation,which asks for extra manual efforts to address.Therefore,the fingerprint image processing method in accordance with human visu- al characteristics has certain practical value.This paper introduces the tri-Gaussian model of the concentric recep- tive field to the fingerprint image processing,and proposes a novel image enhancement algorithm especially for low- quality fingerprint image processing.The algorithm goes like this:firstly obtain the perceptual luminance of the neighbouring image by tri-Gaussian unilateral filtering;and then enhance the local contrast of the given fingerprint image.Based on analysis of the ridge-valley alternatedly distributing properties of fingerprint images and the disin- hibitory properties of concentric receptive field,we have obtained the adaptive parameter model of tri-Gaussian uni- lateral filter especially for fingerprint images as well as the local contrast adjustment parameters.The contrast exper- iments indicate that the proposed method is effective to enhance the global and local luminance,stress the details of dark areas,and especially appropriate to assist the low-quality fingerprint identification. Keywords:tri-Gaussian model;fingerprint enhancement;concentric receptive field;unilateral filter 指纹技术的研究有很长的历史，已经广泛应用有：脊线不连续，即脊线存在中断或裂缝；平行的脊 在社会安全、边防建设、身份验证、电子用户验证和 线不能很好地分开，主要由于汗孔、污渍等导致的脊 司法刑侦等领域.一个理想的输入指纹图像，脊线和 线粘连；指纹上的折痕、擦伤或者创伤；采集时由于 谷线在局部区域能连续变换，这样就可以轻易分辨 压力不均和角度旋转造成的形变山.这些因素很容 出脊线，从而准确提取细节点.但是，在刑侦领域，案 易造成丢失真正的特征，提取的特征中有伪特征，细 发现场采集到的通常都是低质指纹图像，主要原因 节点的位置特征（位置和方向）存在错误等问题.因 此，对于低质指纹图像，难以正确求取指纹的方向图 收稿日期：2012-0406.网络出版日期：2012-11-16. 基金项目：国家自然科学基金重大研究计划资助项目(90920013). 或频率图，自动指纹识别系统基本不能胜任，需要人 通信作者：李卫军.E-mail:wjli@semi.c.cm
·490 智能系统学报 第7卷 工更多地参与.因此，低质指纹图像能否通过增强处 李朝义等对哺乳动物视网膜神经节细胞的感受野进 理，尽可能多地获得清晰的纹线结构，以符合人的视 行深入详细的研究，提出了神经节细胞的感受野是 觉特性，具有重要的实用价值 由中心的兴奋区、周边的抑制区和外围去抑制区共 指纹图像增强方法分为基于像素的图像增强和 同组合而成的同心圆结构，即非经典感受野的三高 基于纹理的图像增强两大类.前者是在空域对指纹 斯函数数学模型11.非经典感受野模型有边缘增强 进行处理，直接作用于指纹的像素值，一般用在指纹 效应，还能补偿低空间频率信息的损失，该特性对于 的初级处理中，主要实现图像灰度的调整，使得后期 传递大面积亮度和灰度梯度起着及其重要的作用 对指纹图像进行方向图、频率图的提取更有利，从而 为后续的利用方向或频率信息对指纹的进一步增强 奠定良好的基础.后者是在变换域进行，利用指纹的 纹理信息，如相位（即指纹方向信息）、频率、能量等 对指纹图像进行加强处理， 基于像素的指纹图像增强方法，通常根据图像 的全局或局部灰度分布情况，对像素值进行调整，以 达到增强指纹特征的目的.目前，基于像素的指纹图 像增强技术主要有以下几种算法：归一化、直方图均 衡化、灰度拉伸和维纳滤波等， 由L.Hog等提出的整体灰度归一化的方法2]， 图1中间兴奋、四周抑制、边缘兴奋的非经 是目前使用最广的方法，目的是减小不同指纹图像之 典感受野模型 间灰度值的差异，使输人的图像具有相同的均值和方 Fig.1 Disinhibitory properties of con- 差.但该方法并不改善指纹脊谷的清晰程度.B.G. centric receptive field Kim等提出基于块处理的灰度归一化方法[3].Zhixin 非经典感受野的三高斯模型结构如图1所示. 等提出类似的归一化处理，对皮肤表面灰度进行模拟 中间兴奋区能量大且作用区域集中；四周抑制区属 近似处理，从而突出显示脊线们.灰度拉伸)重在提 于辅助抑制作用，能量较小，但是作用区域比中间兴 高图像灰度级的动态范围.在指纹图像处理中以非线 奋区大；边缘去抑制区范围更大、强度更弱.如式 性变化为主，其中指数、对数和Sigmoid函数(Zin Mar (1)所示： Wi2011)[6最常见.直方图均衡化能有效利用指纹 G(,)=Ae即(-t)- 图像灰度强度场值分布信息对图像进行均衡处理，从 21 而加大指纹图像脊和谷的像素反差，增强对比度.如 4,esp(-2)+Aep(-2.(D M.U.Akram等使用局部直方图增强对比度，再用中 值滤波去掉噪声1.J.Ma等对指纹图像进行高斯滤 式中：I'(x,y)是输出图像的灰度值，I(x,y)是输人 波去掉灰尘等噪声，然后使用直方图均衡化处理8]， 图像的灰度值；G为三高斯模型，A1、A2、A3分别表示 维纳滤波(Wiener filtering)是图像复原中的经典方 中央、四周和边缘的峰值系数，σ1、02、03分别表示 法，在去除图像的噪声方面也有很好的应用.例如 中央、四周和边缘的尺度参数 Greenberg等先利用基于块的直方图均衡化对图像进 三高斯模型在空间域上的特性如图2所示。 行初级处理，然后使用维纳滤波进行指纹图像分块处 理达到去噪的目的9。 上述图像处理方法对于质量很高的指纹图像，处 理效果很好，但是对于在刑侦等领域采集的低质量指 纹图像，处理效果有限，且不能满足人工参与的需求 1基于三高斯单边滤波的指纹图像增 强方法 0 -10-10 1.1视网膜神经节细胞的感受野特性 (a)中间兴奋模型 人类视觉系统是世界上最好的图像处理系统
第6期 赵慧敏，等：基于三高斯滤波的低质指纹图像增强方法 491 1.2三高斯单边滤波 利用上述三高斯滤波获得当前点主观感觉亮度 I(x,y),如式(2)： M N i(x,y）=∑∑Cn1(x)/∑∑GR(2) =断二N 二断N 式中：I(x,y)是输人图像的灰度值，窗口大小为M× N;G是空间邻近三高斯核函数，如式(1)所示. 非经典感受野的三高斯函数数学模型很强地模 -10-10 拟了视网膜神经节细胞的传导特性，使用这一模型 来处理指纹图像时，既能增强指纹图像的对比度，还 (b)四周抑制模型 能有效提升图像中的低空间频率成分，提升区域亮 度对比信息和亮度梯度信息，自适应地处理低质量 0.8 指纹图像中的灰暗区域，提高该部分区域亮度 对于三高斯函数的参数设置，不仅依据视网膜 0.4 神经节细胞感受野的生理特性，更要结合指纹独特 的脊和谷的特征.下面以位于指纹谷中的像素为例 说明各参数的设置，如图3所示 10 0￥ -10-10 (c)边缘兴奋模型 0.5 图3三高斯模型的二维参数示意 Fig.3 2-D structure of concentric receptive rield -1.0 0 中间兴奋区能量大且作用区域集中，为加强谷 10 0 的能量大小，中央峰值系数A,最大，方差σ1=/2 -10-10 (t为一个指纹脊或谷的宽度).为加强图像对比度， 四周抑制区使谷相邻的脊能量降低，作用区域比中 (d)带去抑制区的三高斯模型 间兴奋区大，且覆盖半个谷(t/2)和一个脊的宽度 图2三高斯模型的空间结构 Fig.2 3-D structure of concentric receptive field (2×(t/2)),所以方差o2=(1+2)×(t/2);辅助 作用总体能量较小，所以峰值A2较低.边缘带去抑 文献[11]基于上述视网膜神经节细胞非经典 制区是范围更大、强度更弱的高斯分布，所以峰值系 感受野模型和亮度自适应特性，提出了一种双边滤 数A3较低，方差σ3最大，应覆盖半个谷(t/2)、相邻 波的仿生图像增强方法，对于常见的景物图像具有 脊(2×(t/2))和次邻谷(2×(t/2),即σ3=(1+2+ 较好的处理效果.但是，指纹特征主要体现于脊、谷 2)×(t/2).三高斯滤波作用窗口大小不能小于边 的二值化分布，不同于一般图像对色彩和灰度分布 缘带去抑制区大小，所以M=N≥2σ3· 特性的视觉需求.因此，采用专门的方法处理指纹图 结合三高斯滤波函数的生理特性，仿真得到各 像问题可以获得更好的效果 参数.由于低质指纹图像采集时存在压力不均匀等 本文在文献[11]前期工作的基础上，研究三高 情况，脊和谷的宽度不一定相等，如图4所示，考虑 斯单边滤波技术取代邻域图像灰度和空间分布的双 到算法的通用性，且结合仿真结果，取如下值时效果 边滤波，获取像素点的主观感觉亮度，然后对图像进 最稳定(t为一个指纹脊或谷的宽度)： 行局部线性调整，并根据指纹图像的谷脊交替分布 1)各峰值：A1=15,A2=2,A3=1; 特性，研究算法中的模型参数取值方法
·492. 智能系统学报 第7卷 2)各方差：o1=t/2,2=2.5×(t/2),03= FVC2000中质量较差的图像如图5所示，从对 4×(t/2), 比实验图中可以看出，灰度归一化方法能够提高指 3)窗口大小：M=N=2×(t/2) 纹脊和谷的对比度，但是它使得灰暗区域对比度降 低，无法辨别，同时使得另一部分指纹出现断裂，信 谷 息丢失.Sigmoid函数拉伸的效果跟灰度归一化相 近，同样存在对质量差的区域处理不好的问题.基于 块的直方图均衡化方法虽然将暗的区域变亮，但是 将图像的噪声放大，更不利于特征提取.维纳滤波能 a)脊谷等宽 )脊窄，谷宽c)脊宽.谷窄 够去除一些脊和谷之间的椒盐噪声，但是在中心灰 暗模糊部分，引人了椒盐噪声.双边滤波一定程度上增 图4指纹的脊和谷 强了对比度，但是不明显.本文提出的三高斯单边滤波 Fig.4 Ridges and valleys in a fingerprint image 的方法将模糊区域的亮度提高，有利于人眼的观察，而 根据指纹数据库FVC2OO0(the first international 且将指纹脊和谷的对比度提高，线条更清晰，同时没有 fingerprint verification competition)DB2_B中指纹图像 损失任何细节信息，不会对后续处理造成损失 (256×364)脊或谷宽度统计数据，中位数为8个像素 宽度；FVC2OO4(the third international fingerprint verifi- cation competition)DB2_B中指纹图像(328×364)脊或 谷宽度的统计数据，中位数为10个像素宽度.取一个 脊或谷宽度t的经验算式如式(3)所示. t=min(,2小 32 (3) (a)FVC2000原图(b)灰度归一化(c)Sigmoid拉伸 式中：L·」为取整，x为指纹区域长，y为指纹区 域宽。 1.3局部线性调整 根据人眼的主观感觉亮度与实际光强的差异， 对指纹图像进行局部对比度线性调整 L(x,y）=K(I(x,y）-I(x,y)+I(x,y) 式中：I(x,y)和1，(x,y)分别表示输入、输出图像的 (d)基于块的直方图均衡化(e)维纳滤波 灰度值.I(x,y)是当前点(x,y)处的邻域主观感觉 亮度，反映了人类视觉系统感受到当前点的主观亮 度情况.I(x,y)-I(x,y)表示当前点亮度和人眼主观亮 度的差异系数K是正值常数，为局部线性关系的比 例，用来调整上述差异在图像中的比例.K>1表示在指 纹图像中增强这种差异，从而使指纹图像的细节信息 增强。K太小，细节信息增强不明显，K过大，又会将不 (f)双边滤波 (g)本文方法 必要的细节放大，从而序引入噪声，仿真后取K=2. 图5FVC2000指纹图像对比结果 Fig.5 Results of comparison between our algorithm 2实验结果 and others on FVC2000 fingerprint images VC2004中选取的指纹图像质量相对高，对比 本文使用Matlab作为指纹图像处理算法的仿 实验如图6所示，以上这些方法对质量好的图像处 真平台，使用数据库VC2000和FVC2004中B数 理效果都比较好.Sigmoid拉伸不能够谈化指纹图像 据库样本.FVC2000和VC2004都包含4个样本 中黑影；维纳滤波效果和原图对比不明显，还引入了 库.3个不同的指纹扫描仪和1个指纹合成软件， 椒盐噪声；基于块的直方图均衡化使脊线更清晰，但 FVC2000_DB2采用电容扫描仪“TouchChip”,256× 是也将噪声放大；双边滤波只是将图像对比度稍微 364像素，8-bit灰度图；FVC2004DB2采用光学扫描仪 提高，且没有淡化黑影；使用三高斯单边滤波的方法， “U.are.U4000”,512×480像素，8-bit灰度图
第6期 赵慧敏，等：基于三高斯滤波的低质指纹图像增强方法 ·493 对比度提高更多，且自适应地淡化了黑影，效果很好。 [4]ZHIXIN S,GOVINDARAJU V.Fingerprint image enhance- ment based on skin profile.Approximation C]//Proc Int Conf on Patter Recognition.Hong Kong,China,2006,3: 714-717. [5]GONZALEZ R C,WOODS R E.Digital image processing [M].2nd ed.Beijing:Publishing House of Electronics In- dustry,2003:78-88. [6]WIN Z M,SEIN MM.Fingerprint recognition system for (a)FVC2004原图(b)灰度归一化(c)Sigmoid拉伸 low quality images [C]//SICE Annual Conference 2011. Tokyo,Japan,2011:1133-1139. [7]AKRAM M U,AYAZ A,IMTIAZ J.Morphological and gradient based fingerprint image segmentation [C]//2011 Intemational Conference on Information and Communication Technologies(ICICT).Karachi,Pakistan,2011:1-4. [8]MA J,JING X J,ZHANG Y Y.Simple effective fingerprint segmentation algorithm for low quality images[C]//2010 (d)基于块的直方图均衡化(e)维纳滤波 3rd IEEE Interational Conference on Broadband Network and Multimedia Technology (IC-BNMT).Beijing,China, 2010:855859. [9]GREENBERG S,ALADJEM M,KOGAN D.Fingerprint image enhancement using filtering techniques[J].Real- Time Imaging,2002,8(3):227-236. [10]LI C Y,PEI X.Role of the extensive area outside the x- cell receptive field in brightness information transmission (f)双边滤波(g)三高斯滤波 [J].Vision Research,1991,31(9):1529-1540 图6FVC2004指纹图像对比结果 [11]金小贤，李卫军，陈旭，等.一种基于视觉特性的仿生图 Fig.6 Results of comparison between our algorithm 像增强算法[J].计算机辅助设计与图形学学报， and others on FVC2004 fingerprint images 2010,22(3):534-537. JIN Xiaoxian,LI Weijun,CHEN Xu,et al.Study on bio- 3结束语 mimetic processing method of face image[J].Journal of Computer-Aided Design and Computer Graphics,2010,22 本文实验算法合理引入非经典三高斯滤波函 (3):534-537 数，采用自适应于指纹图像处理的参数，获得邻域主 作者简介： 观感觉亮度，再进行局部对比度线性调整，获得最终 赵慧敏，女，1988年生，硕士研究 图像.该算法对于图像质量高的指纹，处理效果不逊 生，主要研究方向为图像处理与模式识 于其他方法；对低质量的指纹图像增强效果更加明 别新理论、新方法. 显，不仅提高了脊和谷的对比度，而且能够自适应地 将灰暗区域亮度提高，有利于后续处理的同时，也便 于人眼观察，为人工参与鉴别提供帮助， 李卫军，男，1975年生，副研究员， 参考文献： 主要研究方向为图像处理、模式识别、 [1]MALTONI D,MAIO D,JAIN A K,et al.Handbook of fin- 智能信息处理，发表学术论文多篇 gerprint recognition[M].2nd ed.London:Springer-Ver- lag,2009:131-133. [2]HONG L,WAN Y,JAIN A K.Fingerprint image enhance- ment:algorithms and performance evaluation[J].IEEE 刘扬阳，女，1976年生，副研究员， Transactions on Pattern Analysis and Machine Intelligence, 主要研究方向为光电成像技术与图像 1998,20(8):777-789. 处理、模式识别，发表学术论文多篇 [3]KIM B G,PARK D J.Adaptive image normalisation based on block processing for enhancement of fingerprint image [J].Electronics Letters,2002,38(14):696-698
