专利名称:一种基于直推式学习的指纹图像分割方法
技术领域:
本发明涉及自动指纹识别领域,具体地说是提出了一种基于直推式学习的指纹图 像分割方法,实现指纹图像分割中采集设备无关性。
背景技术:
指纹图像分割是自动指纹识别系统中一个重要的预处理步骤。指纹图像分割的目 的是将有指纹纹理特征的前景从图像背景中分离出来。有效的指纹分割使后续处理能集中 于指纹前景区域,不但能减少计算量、加快处理速度,而且能提高指纹细节特征获取的准确 性。近几年,在生物特征识别领域,设备互操作性问题得到了很多关注,设备互操作性 是指生物识别系统对来自不同采集设备的数据的适应能力。从指纹采集器的角度,如果两 个指纹图像库是由同一款指纹采集器采集的,就称这两个指纹库是同源的;而如果两个指 纹库是由不同型号的采集器采集的,就称这两个指纹库是异源的。目前大多数自动指纹识 别系统中的指纹图像分割算法都是针对某一特定指纹采集 器设计的,当该系统分割异源指 纹库的图像时,由于来自异源指纹库中的指纹图像通常具有不同的图像质量、分辨率和灰 度等级,导致适用于某一特定指纹采集器(或者是某一个指纹库)的指纹图像分割算法在 对来自其他型号的指纹采集器(异源指纹库)的指纹图像进行分割时,分割效果会变得很 差。这具体体现在(1)就分割时选取的特征而言,对于来自多个不同类型采集设备的指 纹图像,背景与前景的特征值出现明显交叉,同一个特征值,对于一种指纹图像来说属于背 景,对于另一种图像来说可能属于前景;(2)就分割方法而言,以监督学习算法为例,由于 目前大多数算法在设计分类器时,训练样本与测试样本来自同一设备采集的图像,导致应 用该分类器对来自其它设备的指纹图像分割时出现较大的分割误差。目前关于指纹图像采 集设备互操作性问题的研究都是集中在指纹匹配阶段进行的。作为自动指纹识别系统的重 要预处理步骤,指纹图像分割方法的设备互操作性问题理应得到足够的关注,一个好的指 纹图像分割方法,应该能够在不做修改、不做参数配置的前提下适应不同采集设备获得的 指纹图像、可靠地实现分割,即具备较好的采集设备无关性。为此申请人申请了 200910019788. χ专利,该专利给出了一种与采集设备无关的 指纹图像分割方法。提出了在采用将指纹图像分块后,求CMV指标并进行归一化处理,再进 行K-means聚类,确定前景块与背景块的类别,得到初步分割结果,最后进行形态学处理后 得到最终分割结果的技术方案。该方案虽能解决上述问题,但也存在一些不足=K-Hieans的 收敛速度和初始点的选择有很大关系,而且,该方法不能有效分割指纹前景区域偏离图像 中心的指纹图像,存在较大的局限性。
发明内容
本发明的目的就是为克服现有指纹图像分割方法中存在的设备互操作性问题,提 供一种基于直推式学习的指纹图像分割方法,它为每幅指纹图像训练一个分割模型,解决了现有指纹图像分割方法中存在的设备互操作性问题,非常适合使用多类型指纹采集设备 的互联网应用环境。为实现上述目的,本发明采用如下技术方案—种基于直推式学习的指纹图像分割方法,它的步骤为一种基于直推式学习的指纹图像分割方法,它的步骤为1)利用指纹采集设备,采集指纹图像;2)把指纹图像划分为WXW大小的不重叠图像块; 3)对每块图像求一致性和对比度特征并归一化处理;4)自动标记指纹图像中的部分前景块和背景块;5)使用直推式支持向量机学习;6)进行形态学处理;7)得到分割后的指纹图像。所述步骤3)中,基于块内方向一致性与块对比度特征描述每个图像块,对于每一 图像块,提取的块内方向一致性与块的对比度特征如下a.块内方向一致性指纹图像块的块内方向一致性描述了该块各像素点方向的一致程度,用Coh表示 一个图像块的方向一致性,如式(1)所示其中(Gs,x,Gs, y)为像素点(X,y)的二倍梯度,
是梯度向量,W是块的大小,默认值取W = 8 ;b.块对比度对一个图像块而言,块对比度定义为块方差和均值的商函数,如式(2) 其中, I是块内各点的灰度值,W定义同上,求取各块的块内方向一致性与块对比度特征 值后,对特征值归一化,使之取值均在
之间。所述步骤3)中,对所有的指纹块根据块对比度特征值按照升序排列,表示为X1,
把排在最靠前的m个图像块,S卩X1, x2, ... , xm 自动标记为背景块,把排在最靠后的η个图像块(即xi+1,χ i+2,...,xi+n)标记为前景块。 本专利 η = 20,m = 15 ;所述步骤5)中利用所述m个前景块和η个背景块,采用直推学习中的直推式支持 向量机学习方法,对剩余的无标记图像块进行类别标记即标记为前景块或者背景块,在直推式支持向量机中,使用SVMLight开源工具箱,设置参数有(1)特征向量,块内一致性和 土夬对比度;(2)核函数的类型,采用径向基核函数;(3)径向基核函数的gamma值,取gamma =0. 5。所述步骤6)中形态学处理中,对于孤立的前景块,如果其八邻域块中为前景块的 数目少于4,则将该前景块标记为背景块;对于孤立的背景块,如果其八邻域块中为前景块 的数目大于等于5,则将该背景块标记为前景块。本发明的有益效果是一种基于直推式学习的指纹分割算法,解决了现有指纹图 像分割方法中存在的设备互操作性问题,非常适合使用多类型指纹采集设备的互联网应用 环境。
图1为本发明的流程图。
具体实施例方式下面结合附图与实施例对本发明做进一步说明。 图1中,基于直推式学习的指纹图像分割方法,它的步骤为1)利用指纹采集设备,采集指纹图像;2)把指纹图像划分为WXW大小的不重叠图像块;3)对每块图像求一致性和对比度特征并归一化处理;4)自动标记指纹图像中的部分前景块和背景块;5)使用直推式支持向量机学习;6)进行形态学处理;7)得到分割后的指纹图像。其中,1.分割特征选择在现有指纹图像分割方法中,特征选择时大都利用灰度信息与纹理信息,计算特 征值时基于块或基于像素。本专利采用基于块内方向一致性与块对比度特征描述每个图像块。将整个指纹图 像分成大小为WXW的不重叠的图像块,对于每一图像块,提取的块内方向一致性与块的对 比度特征定义如下a.块内方向一致性指纹图像块的块内方向一致性描述了该块各像素点方向的一致程度。用Coh表示 一个图像块的方向一致性,如式(1)所示JKIMIK⑴其中(Gs,x,Gs, y)为像素点(X,y)的二倍梯度,‘ °yy =Σ°1 ‘
Λ,Λ。,Jμ,
Gxy=YjGxGy,(G G )是梯度向量,W是块的大小,本专利默认值取W = 8。
wy
b.块对比度对一个图像块B而言,块对比度定义为块方差和均值的商函数,如式(4)
(2)其中,
(3)
(4)I是块内各点的灰度值,W定义同上。求取各块的块内方向一致性与块对比度特征值后,对特征值归一化,使之取值均 在W,l]之间。2.分割步骤1)利用指纹采集设备,采集指纹图像;2)对于采集到的指纹图像进行分块,把它划分成WXW大小的不重叠图像块;3)对于每一图像块,根据式(1)和式(2)提取块内一致性和块对比度特征特征值, 并对所有块的块内一致性和块对比度特征特征值进行归一化处理;4)对所有的指纹块根据块对比度特征值按照升序排列,表示为X1, X2,..., Xm, ... , Xi+1, xi+2,...,X i+n,把排在最靠前的m个图像块(即X1, X2,... , xm)自动标 记为背景块,把排在最靠后的η个图像块(即χ i+1,χ i+2,...,χ i+n)标记为前景块;本专利 η = 20,m = 15 ;5)利用步骤4)中标记的m个前景块和η个背景块,采用直推学习中的直推式支 持向量机(TSVM)学习方法,对剩余的无标记图像块进行类别标记(前景块或者背景块), 在直推式支持向量机中,使用SVMLight开源工具箱,需要设置的参数有⑴特征向量±夬 内一致性和块对比度;(2)核函数的类型本专利采用径向基核函数;(3)径向基核函数的 gamma 值,本专禾Ij gamma = 0. 5。6)对得到初步分割后的指纹图像进行形态学处理,获得最终分割结果。由于受到噪声影响,初步分割结果中会出现一些孤立的背景块与前景块,本专利 采取以下原则进行处理对于孤立的前景块,如果其八邻域块中为前景块的数目少于4,则 将该前景块标记为背景块;对于孤立的背景块,如果其八邻域块中为前景块的数目大于等 于5,则将该背景块标记为前景块。
权利要求
一种基于直推式学习的指纹图像分割方法,其特征是,它的步骤为1)利用指纹采集设备,采集指纹图像;2)把指纹图像划分为W×W大小的不重叠图像块;3)对每块图像求一致性和对比度特征并归一化处理;4)自动标记指纹图像中的部分前景块和背景块;5)使用直推式支持向量机学习;6)进行形态学处理;7)得到分割后的指纹图像。
2.如权利要求1所述的基于直推式学习的指纹图像分割方法,其特征是,所述步骤3) 中,基于块内方向一致性与块对比度特征描述每个图像块,对于每一图像块,提取的块内方 向一致性与块的对比度特征如下a.块内方向一致性指纹图像块的块内方向一致性描述了该块各像素点方向的一致程度,用Coh表示一个 图像块的方向一致性,如式(1)所示 其中(Gs,x,Gs,y)为像素点(x,y)的二倍梯度,穴'°yy = ‘GXy =HG,Gy, (Gx,Gy)是梯度向量,ff是块的大小,默认值取W = 8 ;b.块对比度对一个图像块而言,块对比度定义为块方差和均值的商函数,如式(2) I是块内各点的灰度值,w定义同上,求取各块的块内方向一致性与块对比度特征值 后,对特征值归一化,使之取值均在
之间。
3.如权利要求1所述的基于直推式学习的指纹图像分割方法,其特征是,所述步骤 3)中,对所有的指纹块根据块对比度特征值按照升序排列,表示为x” x2,…,xffl,xi+1,xi+2,...,xi+n,把排在最靠前的m个图像块,g卩Xl,x2,...,xffl自动标记为背景块, 把排在最靠后的n个图像块即xi+1,xi+2,...,xi+n标记为前景块。本专利n = 20,m = 15。
4.如权利要求3所述的基于直推式学习的指纹图像分割方法,其特征是,所述步骤5) 中,利用所述m个前景块和n个背景块,采用直推学习中的直推式支持向量机学习方法,对 剩余的无标记图像块进行类别标记即标记为前景块或者背景块,在直推式支持向量机中, 使用SVMLight开源工具箱,设置参数有(1)特征向量,块内一致性和块对比度;(2)核函数的类型,采用径向基核函数;⑶径向基核函数的gamma值,取gamma = 0. 5。
5.如权利要求1所述的基于直推式学习的指纹图像分割方法,其特征是,所述步骤6) 中形态学处理中,对于孤立的前景块,如果其八邻域块中为前景块的数目少于4,则将该前 景块标记为背景块;对于孤立的背景块,如果其八邻域块中为前景块的数目大于等于5,则 将该背景块标记为前景块。
全文摘要
本发明涉及一种基于直推式学习的指纹图像分割方法,它为每幅指纹图像训练一个分割模型,解决了现有指纹图像分割方法中存在的设备互操作性问题,非常适合使用多类型指纹采集设备的互联网应用环境。其步骤为1)利用指纹采集设备,采集指纹图像;2)把指纹图像划分为W×W大小的不重叠图像块;3)对每块图像求一致性和对比度特征并归一化处理;4)自动标记指纹图像中的部分前景块和背景块;5)使用直推式支持向量机学习;6)进行形态学处理;7)得到分割后的指纹图像。
文档编号G06K9/62GK101866416SQ20101020276
公开日2010年10月20日 申请日期2010年6月18日 优先权日2010年6月18日
发明者尹义龙, 杨公平, 郭心建, 陈亚伟 申请人:山东大学