专利名称：二值化含有线性结构的图像的方法
技术领域：
本发明涉及一种二值化含有线性结构的图像的方法，并且特别是对取自于皮肤的纹图像二值化的方法。本发明另外涉及一种使用这样一种方法对含有线性结构的图像二值化，并且特别是使取自于皮肤的纹图像二值化的系统。
背景技术：
为了允许特别地从取自皮肤(如指纹)的纹图像中提取特征，尽可能地以二进制形式表现这些结构而没有任何断裂影响是特别重要的。已经证明了伽柏(Gabor)滤波器在显示线性结构上是成功的，并且由于这个原因也将它们用于指纹图像的预处理。然而，由于滤波器矩阵的卷积利用了图像像素，伽柏滤波器要求大量的计算工作。同时，也有必需调整伽柏滤波器或使其适应于结构的变换方向。
发明内容
本发明的一个目的是产生高质量的二进制图像，然后能够以尽可能最小的工作量和费用将该图像用于特征提取。
根据本发明，通过确定每一个由结构的一个预设近似方向区别开的区域和通过利用适应于给定方向的伽柏滤波器来分别对所确定的图像区域进行滤波来实现这个目的。
根据本发明的方法具有以下优点a.以很少的计算工作产生高质量二进制指纹图像。
b.作为副产品可以获得重要区域。
c.能容易地确定图像的质量。
d.在奇异点(指纹中的方向特征中的不规则的点；通常根据类型称为“中心点”或“三角点”)搜索中能利用其中方向一致的区域自动寻点(home)。
该方法处理具有小颜色深度的图像。对于包含所产生的16级灰影的图像的测试产生等效于由包含156级灰影给出的结果。
事实上，存在有各种已知的用于确定结构的方向的方法，例如梯度方法等。然而，根据本发明的方法的一个有益实施例包括利用另外的合适方向的伽柏滤波器一个微块接一个微块地确定由图像分成微块的区域。在此情况下优选地提供四个另外要被使用的伽柏滤波器。在此情况下，如果利用相对于图像的边缘22.5°、67.5°、112.5°和157.5°的角度确定另外的伽柏滤波器的方向也是特别有益的。这些主要打算用于确定结构的方向的滤波器可以极大地被简化，这意味着为此目的所需的计算工作量就小。
为了允许确定方向，可以进一步的安排，一个微块接一个微块确定由图像分成微块的区域以便从滤波器响应中获取各个滤波器响应的方差以及将一个方差高于一个预设阈值的微块指定给给定区域。
在该实施例的一个有利的改进中，通过获得彼此相互重叠的微块的方差来执行获取方差的过程。在大约500dpi的分辨率，在这种情况下优选地规定用于获取方差的微块的尺寸为16×16像素，在八个像素的步骤中分别处理这些微块。
这样形成的包含不同脊方向的区域通常包含小孤立区域、小峰和小谷，并且在另一个实施例中，利用平滑滤波器通过使像素适应于给定像素的在时间上占优的环境而使这些区域平滑。
甚至某些大孤立区域也会产生错误，因此在另一个实施例中，通过进一步处理来去除这些区域，该进一步的处理是通过确定到那时为止已确定的区域的表面积和抑制其表面积小于一个预设尺寸的区域。为了这个目的，优选地规定通过使用一个边缘跟踪算法跟踪区域的轮廓来确定表面积。
根据本发明的方法的另一个实施例中，对于当方向确定时伽柏滤波器中的一个的响应给出一个可识别的方向的微块，利用适应于这个方向的伽柏滤波器来过滤；对于当方向确定时伽柏滤波器的响应给出两个相邻的可识别的方向的微块，利用适应于平均方向的伽柏滤波器来过滤；及对于方向不确定或者对于当方向确定时伽柏滤波器的响应给出两个非相邻的方向的微块，这些微块不被滤波。
这个实施例的优点在于由于事实上本实施例产生了其中脊的方向位于先前已确定的方向之间的区域，能使得用于二值化图像的伽柏滤波器更精确地适应于该结构的特定方向。如果先前确定了4个不同方向，则因此能产生包含8个不同方向的区域，并且对于这些区域的每一个，利用调整为适应于它们的伽柏滤波器来进行滤波。
为了能以更少的工作量执行该伽柏滤波，可以规定在利用适应于方向的伽柏滤波器滤波之前，对图像进行二值化。为了允许二值化图像，如果从覆盖那些存在着关于方向的清楚信息的像素的图像柱状图中获取一个阈值，和如果按一种使得一半像素亮于该阈值和一半暗于该阈值的方式选择该阈值，那么在此情况下已经证明是有益的。
为了完成根据本发明的方法，那么在利用适应于方向的伽柏滤波器滤波之后执行进一步二值化。由于事实上伽柏滤波器的响应是无平均值的且由此能将一个阈值设定为0，因此能够非常容易地执行这个二值化过程。
能够有利地在用于分析和二值化包含线性结构的图像的系统中(特别是取自皮肤的纹图像的系统中)实施根据本发明的方法。能有利地使用这样的系统识别各个人，并且特别适用于访问控制等。
从下文所述的实施例来看本发明的这些和其它优点是显然的，并且将参照下文所述的实施例来进行说明。
在附图中图1是由指纹制成的图像的概略图。
图2显示了利用四个不同的伽柏滤波器确定方向。和图3显示了利用八个不同滤波器的滤波和二值化后的图像。
具体实施例方式
在图1中显示出的图像1是一个灰度级图像，但是由于专利附图所必须符合的要求，其已经被按黑和白简单地再现。在图像1中能看到各种断裂。另外，由指肚(pad)形成的重要区域清楚地与背景4区分开，该背景4即为传感器的不被指肚所覆盖的感测区域部分。由脊2和沟3形成的大部分区域能由人眼认出。然而，可视的断裂对于任何自动分析都是一个损害。
如图2所示，使用四个滤波器5、6、7和8来过滤图像1。在每种情况下由表示最大值的线表示余弦函数，而线的长度表示高斯钟形曲线。一个微块接一个微块地执行处理，其本身对于本领域普通技术人员来说是公知的。在根据本发明的方法中，可以使滤波器5到8非常简化。
在图像分辨率为500dpi时，能获得具有以下值的好结果u1＝(-1 -1 0 0 1 2 1 0 0 -1 -1)Tv1＝(0 0 1 1 1 1 1 1 1 0 0)Tu2＝(0 0 -1 -1 -1 0 1 1 1 0 0)Tv2＝(-1 -1 -1 -1 0 0 0 1 1 1 1)TG1=u1v1T-u2v2T]]>G2=v1u1T-v2u2T]]>G3=v1u1T-v2u2T]]>G4=u1v1T-u2v2T]]>滤波器掩码(mask)G1、G2、G3和G4的外观如图2所示，它们分别以角度22.5°、67.5°、112.5°和157.5°加重脊。上面分解成矢量u1、v1、u2和v2的掩码使得能在时域内进行快速的伽柏滤波。
现在计算重叠微块中的滤波器响应的方差。利用在其中所计算的四个方差中的至少一个超过某一阈值Vmin——该阈值Vmin预设在一固定级别——的每个微块来计算一个自适应阈值Vadap。用N来表示在其中具有所述特征的微块的数量。将这些微块的所有方差存储在一个表L中，这意味着L含有全部4N个值。借助于快速中值算法(QuickMedianalgorithm)，谊算法本身是已知的并且其允许在一个未分类整理的表中找到一个给定秩的元素，按照以下的此种方式来确定Vadap，该方式使得L中的超过Vadap的值的数量为N的7/4倍(因此L中的值的9/16个小于Vadap，并且L中的值的7/16个大于Vadap)。使用该阈值Vadap来寻找其中方向一致的、已经被平滑过的大连续区域。
对于图像的每个微块，现在执行检查来看看是否能从一致方向的大区域中获得一个关于方向的清楚的信息项。如果在相关点不能找到任何一致方向的区域，或者如果两个呈现相互垂直的方向的区域在相关点精确地重叠，或者在相关点呈现为所有四个方向，那么就不能获得清楚项。在进一步的处理中排除那些不包含任何关于方向的清楚信息的区域。从下表中能看到所能获得的关于方向的信息项。在这个表中，前四列中的1表示一个微块被相关优选方向的大连续区域覆盖。如下表所示，针对八个方向利用四个滤波器5至8确定区域，并且在图2中的9显示了这些区域。
接下来覆盖具有关于方向的清楚信息的像素而产生原始图像1(图1)的柱状图。按照以下这样一种方式选择用于临时二值化图像的阈值b，该方式使这些像素的一半像素亮于b及另一半暗于b。因为原始图像中的要被处理的灰度级的数量通常仅仅是有限的，所以对于柱状图采用该方式胜于重新采用快速中值算法。通过设置灰度亮于b的像素为1而设置那些灰度暗于b的为0来二值化整个图像。
现在利用八个伽柏滤波器中的一个来对二进制图像进行卷积处理，卷积如一个关于方向的函数，这如图3所示。然而，为了更清楚，所示出的不是要被滤波的图像，而是其中具有不同方向的区域的映射(map)10。对于整个区域中被选择的各个部分示出了指向滤波器的箭头。
没有象在第一卷积(滤波)的情况下那样相当大地简化伽柏滤波器。然而，又能处理能被分解为一个相对较小值范围的滤波器掩码。滤波器掩码的设计如下所述u0＝(1 -2 -6 -9 -6 2 12 16 12 2 -6 -9 -6 -2 1)Tu1＝(-1 -3 -7 -8 -4 4 12 16 12 4 -4 -8 -7 -3 -1)Tu2＝(-3 -4 -5 -4 1 8 14 16 14 8 1 -4 -5 -4 -3)Tu2＝(-1 0 2 4 8 12 15 16 15 12 8 4 2 -0 -1)Tu4＝(3 4 7 9 12 14 15 16 15 14 12 9 7 4 3)Tv1＝(3 3 1 -5 -11 -13 -9 0 9 13 11 5 -1 -3 -3)Tv2＝(1 -1 -4 -8 -12 -12 -7 0 7 12 12 8 4 1 -1)Tv3＝(-3 -4 -6 -8 -8 -7 -4 0 4 7 8 8 6 4 3)TG0=u0u4T]]>G1=u1u3T-v1v3T]]>G2=u2u2T-v2v2T]]>G3=u3u1T-v3v1T]]>G4=u4u0T]]>G5=u3u1T-v3v1T]]>G6=u2u2T-v2v2T]]>G7=u1u3T-v1v3T]]>因为伽柏滤波器近似无平均值，所以为了在19中进行二值化对于卷积结果可以使用0作为阈值。因此，在卷积结果为负的任何地方将像素设置为0，而在卷积结果为正的任何地方将像素设置为1。另外，将其中没有关于方向的清楚信息的所有像素设置为零。所获得的结果是如图3所示的二进制图像20。
权利要求
1.一种使包含线性结构的图像二值化，并且特别是使取自皮肤的纹图像二值化的方法，其特征在于确定每一个都是通过结构的一个预设近似方向来区分的区域，和利用一个适应于给定方向的伽柏滤波器来过滤所确定的图像的区域的每一个。
2.如权利要求1所述的方法，其特征在于利用另外的相应方向的伽柏滤波器一个微块接一个微块地确定由图像分成的微块的区域。
3.如权利要求2所述的方法，其特征在于使用四个另外的伽柏滤波器。
4.如权利要求3所述的方法，其特征在于通过相对于图像的边缘22.5°、67.5°、112.5°和157.5°的角度来确定另外的伽柏滤波器的方向。
5.如权利要求2到4的任一项所述的方法，其特征在于为了从滤波器响应中一个微块接一个微块地确定由图像所分成的微块的区域，在每种情况下从给定的滤波器响应中获取方差，并且将具有大于一个预设阈值的方差的微块指定给给定的区域。
6.如权利要求5所述的方法，其特征在于针对彼此相互重叠的微块执行方差的获取。
7.如权利要求6所述的方法，其特征在于在分辨率500dpi，用于获取方差的微块的尺寸是16×16像素，在八像素的步骤中分别都处理这些微块。
8.如前述权利要求中的任一项所述的方法，其特征在于利用平滑滤波器使该像素适应于给定像素的、在时间上占优的环境。
9.如前述权利要求中的任一项所述的方法，其特征在于确立迄今为止所确定的区域的表面积，且抑制其表面积小于一个预设尺寸的区域。
10.如权利要求9所述的方法，其特征在于通过借助于一种边缘跟踪法来跟踪区域的轮廓来确立所述表面积。
11.如权利要求2到10中的任一项所述的方法，其特征在于当方向确定时，对于伽柏滤波器中的一个的响应给出一个可识别的方向的那些微块，利用适应于这个方向的伽柏滤波器来过滤；当方向确定时，对于伽柏滤波器的响应给出两个相邻的可识别的方向的微块，利用适应于平均方向的伽柏滤波器来过滤；及对于没有确定方向或者对于当方向确定时伽柏滤波器的响应给出两个非相邻的方向的微块，不进行过滤。
12.如前述权利要求中的任一项所述的方法，其特征在于在利用适应于方向的伽柏滤波器滤波之前执行对图像的二值化。
13.如权利要求12所述的方法，其特征在于为了允许二值化图像，从覆盖那些存在着关于方向的清楚信息的像素的图像柱状图中获取一个阈值，并按如下的方式选择该阈值，使得一半像素亮于该阈值和一半暗于该阈值。
14.如权利要求12或13所述的方法，其特征在于在利用适应于方向的伽柏滤波器滤波之后执行进一步的二值化。
15.一种用于使包含线性结构的图像二值化，并且特别是使取自皮肤的纹图像二值化的系统，其使用根据前述权利要求中的任一项的方法。
全文摘要
在一种使包含线性结构的图像二值化的方法中，并且特别是取自皮肤的纹图像二值化的方法中，确定每一个都是通过结构的一个预设近似方向来区分的区域。利用一个适应于给定方向的伽柏滤波器来过滤所确定的图像的区域的每一个。能够有利地在用于分析和二值化包含线性结构的图像，并且特别是取自皮肤的纹图像的系统中实施根据本发明的方法。这样的系统能有利地用来识别各个人，并且特别适用于访问控制等。
文档编号G06K9/38GK1735895SQ200380108532
公开日2006年2月15日 申请日期2003年12月15日 优先权日2003年1月9日
发明者R·梅尔 申请人:皇家飞利浦电子股份有限公司