指纹识别中的图像处理研究------指纹图像的特性分析 (一)

时间:2014-11-20来源:网络

  2指纹图像的特性分析

  一副指纹数字图像是一个二维阵列,其阵列的元素值称为灰度值或者亮度值,在指纹图像还没有被量化成数字图像之前,它是一个连续亮度函数的集合,指纹的特征信息就包含在这些亮度值中,在现有的指纹取像器件中,大部分是将指纹图像量化成256个不同灰度级,也有32个灰度级的,对于确定身份的指纹识别技术而言,256个灰度级是应用最广泛的,本论文所指的指纹图像如无特殊说明均指256个灰度级的指纹图像。图2.1所示的是一个256灰度级的数字指纹图像。



  2.1数字图像的几何特性

  对一幅数字图像,如果要对其中包含目标物体进行识别和定位,经常使用图像区域的一些简单的特性,如大小、位置、方向,如果目标物体的尺寸和形状完全不同,则可以利用尺度和形状特性来识别目标物体。下面分别对数字图像的大小、位置、方向进行说明。

   2.1.1尺寸和位置

  对于一幅m×n二值图像B[i,j],其目标区域的面积A(或零阶矩)由公式(2.1)给出,目标区域的位置,用区域中心位置(x,y)表示来,目标区域中心(x,y)可以用公式(2.2)来表示,将公式(2.2)进一步化简可得到区域中心的计算公式(2.3)。



  其中x和y是目标区域中心在图像中的行数和列数



  由上式可以看出,区域中心是通过对图像进行全局运算得到的一个点,因此它对图像中的噪声相对来说不敏感。

  2.1.2 方向

  计算目标物体的方向比计算它的位置要复杂,某些形状(如圆)的方向不是唯一的,为了定义唯一的方向,一般假定物体是长形的,其长轴方向被定义为物体的方向。通常地,二维平面上与最小惯量轴同方向的最小二阶矩轴被定义为长轴。图像中物体的二阶矩轴是指这样的一条直线,物体上的全部点到该直线的距离平方和最小,以二值图像B[i,j]为例,图像上目标区域到最小二阶矩轴的距离平方和χ2可用公式(2.4)表示。其中rij是目标区域点[i,j]到直线的距离。在直线的点斜式表示中,当直线处于近似垂直时,斜率的数值趋于无穷大,为了避免直线处于近似垂直时的这种数值病态问题,把直线表示成极坐标的形式,如公式(2.5)



  所示如图2.2所示



  θ是直线的法线与x轴的夹角,ρ是直线到原点的距离,把图像中的点[i ,j]坐标带入直线的极坐标方程即可得出距离r,如公式(2.6)所示



  将式(2.6)带入式(2.4)可得式(2.7)



  为了求得χ2最小时的常数ρ、θ值,可先对公式(2.7)求导数,令χ2对ρ的导数等于零,则可以得到公式(2.8)



  化简公式(2.8)



  上式说明回归直线通过物体中心( x ,y)。将ρ的值带入式(2.7)并且化简如



  则



  对式(2.10)中χ2微分,并且使微分结果为0,则得到式2.11



  因此惯性轴的方向还可以用下面的公式给出



  由式2.12可以确定4个θ值,其中当θ取上述值时,χ2的取值可能是最小值,也可能是最大值,当χ2取最小值时的θ值即为惯性轴的法线方向与x轴的夹角,这时方向轴可以唯一的确定。如果式2.12中b = 0, a=c,那么方向轴的方向就不是唯一的,因此方向轴就不能够确定,或者说该目标区域没有主方向。

关键词: 指纹识别 生物识别 数字图像

加入微信
获取电子行业最新资讯
搜索微信公众号:EEPW

或用微信扫描左侧二维码

相关文章

查看电脑版