专利名称：一种基于人工免疫遗传和形态学的指纹图像分割方法
技术领域：
本发明属于图像处理技术领域，特别涉及指纹识别技术中的指纹图像处理技术。
背景技术：
生物特征识别技术是为了进行身份验证而采用自动技术测量其身体的特征或是 个人的行为特点，并将这些特征或特点与数据库的模板数据进行比较，完成认证的一种解 决方案。作为生物识别技术中最为成熟和研究最为深入的识别技术之一，指纹识别技术已 成功应用于社会生活的各个领域之中，如门禁、考勤系统、电子商务、特征密码验证以及罪 犯身份鉴定系统等。依赖指纹识别技术建立的指纹自动识别系统作为一种安全可靠的身 份识别方法，随着光学扫描技术和RFID技术的发展，个人的指纹信息能够嵌入到IC中，使 得指纹识别可以在更广泛的领域中得以发展。详见文献Anil Jain, On-Line Fingerprint Verification, IEEETRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 19，NO. 4，APRIL 1997 ；禾口文献=Anil K. Jain, Arun Ross, Salil Prabhakar,"An Introduction to BiometricRecognition，，，IEEE Transaction on Circuits and Systems for Video Technology, Volume 14，No. 1，pp4_20，2004 所述。在指纹自动识别系统中，指纹图像的分割技术是一项关键的技术，指纹图像分割 的目的有(1)能够减少后续算法的计算量，因为后续识别过程均是在指纹图像分割后的 区域中进行，这样在很大程度上提高了指纹自动识别系统的速度。( 能够提高自动指纹 识别系统的识别率和减少误识别率，因为可以在后续识别过程中只选取高质量的分割区 域进行自动指纹系统的识别。然而，指纹采集过程中通常伴随着各种各样的结构性噪声， 一部分是由于采集仪器造成的，如采集仪上的污质，仪器参数设置的不当等；另外一部分 是由于所采集手指的状态造成的，如手指的过干，太湿，伤疤，脱皮等。这些噪声的存在， 往往导致最终的分割区域和我们所希望得到的分割区域存在一定的偏差。在目前已有的 方法中，虽然有比较好的指纹分割方法，但是存在分割区域的准确性不稳定的缺点。详见 文献 Lin Hong, Wan Yifie, andAnil Jain. Fingerprint Image Enhancement !Algorithm and Performance Evaluation. IEEETRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 20, NO. 8, AUGUST 1998 ；Maio D, Maltoni. A structural approach to fingerprint classification. PatterRecognition, 1996 禾口 文献 Ghassemian. A robust on-line restoration algorithm for fingerprintsegmentation. Image Processing 1996所述。目前常用的指纹图像分割方法有(1)基于灰度和梯度分布的分割方法。Mehtre, Chatter Jee. Segmentation of fingerprintimages-a composite method. Patter Recognition 1989,22(4)(2)基于线性分类器的分割方法。Chen Xinjian，Tian Jie，Cheng Jiangang. Segmentation offingerprint images using linear classifier. EURSIP Journal on Aplied Signal Processing 2004
(3)基于模糊分类的分割方法。Ghassemian. A robust on-line restoration algorithm forfingerprint segmentation. Image Processing 1996(4)基于直方图均衡的分割方法。Ahmed Wathik Naji，Abd Raham Ramli. A segmentationalgorithm based on histogram equalize for fingerprint classification system. ICECE 2002上述指纹分割方法都在一定程度上存在问题，对低质量的指纹分割效果不稳定。
发明内容
本发明提供一种基于人工免疫遗传和形态学的指纹图像分割方法，利用人工免疫 遗传的方法来计算最佳分割阀值，算法集免疫机制与进化机制为一体，吸收了遗传算法并 行搜索的优点，并通过“疫苗接种”和“疫苗选择”，能在快速搜索的基础上有效的防止群体 退化的现象产生，将基于灰度和梯度分布的分割方法中的指纹图像灰度值一致性和抗体浓 度作为抗体的亲和力函数，进行遗传迭代，产生最优抗体，因此能够有效的分割指纹图像， 具有分割效果好、鲁棒性高的特点，并且运算量较小、耗时较短，能达到实时指纹识别的要 求。为了方便地描述本发明内容，首先对一些术语进行定义。定义1 指纹。手指末端正面皮肤上凹凸不平的纹路。定义2 灰度图像。图像中只包含亮度信息而没有任何其他颜色信息的图像。定义3 灰度值归一化。将指纹图像的灰度值归一化到一定范围之内，减小指纹脊 线和谷线之间的灰度值变化。定义4 抗原。是指能够刺激机体产生(特异性)免疫应答的物质。本发明中指 待分割指纹图像。定义5 抗体。指机体的免疫系统在抗原刺激下，所产生的免疫细胞。本发明中指 要求解的最佳分割阀值。定义6:免疫记忆细胞。用来存储和记录抗体适应度的单位。定义7 轮盘赌选择法。一种按照累积概率进行随机选择的方法。定义8 交叉和变异的遗传操作。用来进行遗传产生子代抗体的方法。定义9 形态学。用具有一定形态的结构元素去量度和提取图像中的对应形状的 方法。本发明技术方案如下一种基于人工免疫遗传和形态学的指纹图像分割方法，如
图1所示，包含下述步 骤步骤1 对原始采集的指纹图像gray进行灰度值的归一化，以减小指纹脊线和谷 线之间的灰度变化范围，具体包括步骤1-1 计算指纹图像gray的灰度平均值Mean和灰度方差Var
■γ M NMean = —Yj^grayQ J)
滅N /=i j=i
■γ M NVar = —-Y^igrayii J)-Mean)2
MA^ /=1 片其中，gray(i，j)表示指纹图像gray中像素点(i，j)处的灰度值，1彡i ( M，N，M为指纹图像gray上一维横向上的像素点个数，N为指纹图像gray上一维纵向 上的像素点个数，MN为指纹图像gray总的像素点个数。步骤1-2 对指纹图像gray进行灰度值归一化，得到待分割指纹图像grayl。灰度 值归一化的目的是减少指纹脊线和谷线之间灰度值的动态变化范围，从而优化指纹图像分 割的效果。
权利要求
1. 一种基于人工免疫遗传和形态学的指纹图像分割方法，包含下述步骤 步骤1 对原始采集的指纹图像gray进行灰度值的归一化，以减小指纹脊线和谷线之 间的灰度变化范围，具体包括步骤1-1 计算指纹图像gray的灰度平均值Mean和灰度方差Var
2.根据权利要求1所述的基于人工免疫遗传和形态学的指纹图像分割方法，其特征在 于，步骤1-2中所述Mtl和VARtl的取值范围为[90，110]。
3.根据权利要求1所述的基于人工免疫遗传和形态学的指纹图像分割方法，其特征在 于，步骤2-5中所述调节因子α的一般取值范围为W.3，0.5]，调节因子β的一般取值范 围为
；步骤2-6中所述交叉选择概率T1的一般取值范围为
，遗传选择概率r2的一般取值范围为
，
4.根据权利要求1所述的基于人工免疫遗传和形态学的指纹图像分割方法，其特征在 于，步骤2-4中所述最大迭代次数GM取值为100。
全文摘要
一种基于人工免疫遗传和形态学的指纹图像分割方法，属于图像处理技术领域。本发明利用人工免疫遗传的方法来计算最佳分割阀值，算法集免疫机制与进化机制为一体，吸收了遗传算法并行搜索的优点，并通过“疫苗接种”和“疫苗选择”，能在快速搜索的基础上有效的防止群体退化的现象产生，将基于灰度和梯度分布的分割方法中的指纹图像灰度值一致性和抗体浓度作为抗体的亲和力函数，进行遗传迭代，产生最优抗体，因此能够有效的分割指纹图像，具有分割效果好、鲁棒性高的特点，并且运算量较小、耗时较短，能达到实时指纹识别的要求。
文档编号G06K9/36GK102129561SQ20111005778
公开日2011年7月20日 申请日期2011年3月10日 优先权日2011年3月10日
发明者叶振栋, 解梅 申请人:电子科技大学