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