专利名称：一种基于支持向量机的指纹图像分割方法
技术领域：
本发明涉及一种基于支持向量机的指纹图像分割方法，属于指纹识别技术领域。
背景技术：
指纹作为人体的重要特征，因其具有唯一性、永久性和稳定性，使得指纹识别越来越成为当今身份识别应用的主流的生物识别技术。指纹图像分割是指纹识别系统的重要组成部分。指纹分割处理可以使后续处理集中于有效的前景区进行，从而有效地减少计算量，减少指纹图像预处理的时间，同时还可以提高特征提取的精确度，降低指纹存储空间。目前，如何分割低质量指纹图像是自动指纹识别领域的一个研究重点。比如在实际采集过程中，由于采集头表面、光线以及采集设备本身的影响，使得采集到的图像背景中含有大量的噪声，这些噪声使得指纹图像中的背景区域的灰度统计特征与指纹区域相似，容易被错误地分为前景，将导致在特征提取过程中提取很多虚假的细节点，降低识别率。而由于指纹皮肤的洁净程度、指纹的按压力度、噪声等因素的影响，使得有些真实的纹路区域质量很差、在后续处理中很难恢复出清晰的纹路来。如果指纹真实纹路中不可恢复区域过大，该指纹应该重新采集。
发明内容
本发明的目的是克服现有技术中存在的不足，提供一种基于支持向量机(SVM)的分级的指纹图像分割方法，不仅能分割出指纹图像中的高噪声背景区域，同时能去除真实指纹区域中纹路不可恢复区域，为后续的指纹质量评价及指纹预处理提供有利的帮助。按照本发明提供的技术方案，所述基于支持向量机的指纹图像分割方法包含以下步骤步骤一、将指纹图像分成互不重叠的、大小为3X3的小块，作为分割的内层块，用Win(i，j)表示第i行第j列的小块；步骤二、利用图像的梯度特征，对指纹图像进行粗分割，得到粗分割图像mask，具体步骤如下2. I、标记脊、谷的边缘像素计算指纹图像中像素点I (x，y)沿X轴方向和y轴方向的梯度向量 Gx (X, y)和 Gy (X, y),如果 |Gx(x, y) | 彡 Glhre 且 |Gy(x, y) | 彡 GltaeJlJ P(x, y)=1，表示该像素为脊、谷的边缘像素，否则P(x，y) =0，其中，Glte为梯度阈值；、
2. 2、根据边缘像素的稀疏度判断图像中的每个小块是前景块还是背景块取一个大小为bXb、几何中心与Win(i，j)几何中心重合的图像块，作为分割的外层块，记为Woutl(i, j);统计图像块Wtjutl (i，j)中边缘像素的个数，作为内层块Win(i，j)中边缘像素的稀疏度Nwin(i,j) = ^p{x^y)(I)
[x^hwOutAiJ)如果:NWmihf)> Nnre，则该图像块为前景块，■吃=1;否则该图像块为背景块，masKlllM =0; Nlhre为稀疏度阈值；步骤三、对粗分割图像mask进行后处理，得到初步分割结果，具体步骤如下3. I、对于每个前景块= 1，如果其八邻域中前景块的数目少于4，则将该前景块标记为背景=0 ;
3. 2、对于每个背景块=G，如果其八邻域中前景块的数目大于等于4，则该背景块标记为前景块= 1;3. 3、重复执行步骤3. 2，直至没有背景块被标记为前景块；步骤四、在粗分割图像mask的基础上,如果=1，提取它的对比度、方向一致性、Gabor滤波方差偏差，利用支持向量机进行分类，从而得到细分割结果。4. I、如果=1，取一个大小为cXc、几何中心与Win(i，j)几何中心重合的图像外层块Wtjut 2 (i，j)，提取Wtjut 2 (i，j)的对比度、方向一致性、Gabor滤波方差偏差，作为内层块Win(i，j)的特征，具体包括a)计算对比度 con(i, j)
权利要求
1.一种基于支持向量机的指纹图像分割方法，其特征在于，包含以下步骤 步骤一、将指纹图像分成互不重叠的、大小为3X3的小块，作为分割的内层块，用Win(i，j)表示第i行第j列的小块； 步骤二、利用图像的梯度特征，对指纹图像进行粗分割，得到粗分割图像mask，具体步骤如下 .2.I、标记脊、谷的边缘像素计算指纹图像中像素点I (x，y)沿X轴方向和y轴方向的梯度向量 Gx(x,y)和 Gy(x,y),如果 |Gx(x,y) I 彡 Glhre 且 | Gy (x, y) | 彡 Glhre,则 P (x, y) = I,表示该像素为脊、谷的边缘像素，否则P (x，y) = O，其中，G.为梯度阈值； . 2.2、根据边缘像素的稀疏度判断图像中的每个小块是前景块还是背景块取一个大小为bXb、几何中心与Win(i，j)几何中心重合的图像块，作为分割的外层块，记为Wtjut；统计图像块Wtjutl (i，j)中边缘像素的个数，作为内层块Win(i，j)中边缘像素的稀疏度 nWJ1J)= Z 尸(AW(1) 如果K.、> Nnre，则该图像块为前景块，maskWm(lJ) =1;否则该图像块为背景块，masKl- = 0 ; Nlhre为稀疏度阈值； 步骤三、对粗分割图像mask进行后处理，得到初步分割结果，具体步骤如下. 3.I、对于每个前景=I，如果其八邻域中前景块的数目少于4，则将该前景块标记为背景=0 ; . 3.2、对于每个背景=G，如果其八邻域中前景块的数目大于等于4，则该背景块标记为前景块= 1; . 3.3、重复执行步骤3. 2，直至没有背景块被标记为前景块； 步骤四、在粗分割图像mask的基础上，如果提取它的对比度、方向一致性、Gabor滤波方差偏差，利用支持向量机进行分类，从而得到细分割结果 . 4.I、如果 …气 (u) =1，取一个大小为cXc、几何中心与Win(i，j)几何中心重合的图像夕卜层块Ui，j)，提取I—2(i，j)的对比度、方向一致性、Gabor滤波方差偏差，作为内层块Win(i, j)的特征,具体包括 a)计算对比度con(i, j)m^j)=⑵ 4-,7)=44-44⑴ con(ij) = ^^)r(4) 其中，n(i, j)和s(i，j)为图像块内Wtjut 2(i，j)所有像素的个数及灰度值相加的和，n^i, j)和81(1，j)为图像块Wwt 2(i，j)内所有灰度值大于m(i，j)的像素的个数及灰度值相加的和，n2(i，j)及82(1，j)为图像块Wwt2(i，j)内所有灰度值小于m(i，j)的像素的个数及灰度值相加的和；b)计算方向一致性coh(i，j)
2.根据权利要求I所述的一种基于支持向量机的指纹图像分割方法，其特征是，所述步骤二中外层块大小b = 32，梯度阈值GThre = 8，稀疏度阈值Nlto = 200。
3.根据权利要求I所述的一种基于支持向量机的指纹图像分割方法，其特征是，所述步骤四中提取特征的外层块大小c = 16，SVM的核函数选择高斯径向基核函数。
4.根据权利要求I所述的一种基于支持向量机的指纹分割算法，其特征是，所述步骤五采用形态学方法进行后处理，由于受到噪声影响，分割结果中会出现离散的前景块和背景块；对于每个前景块，如果其八邻域中前景块的数目少于4，则将该前景块标记为背景块；对于每个背景块，如果其八邻域中背景块的数目少于4，则将该块标记为前景块。
全文摘要
本发明公开了一种基于支持向量机(SVM)的指纹分割方法，它首先利用梯度特征对指纹图像进行初级的粗分割，去除大部分背景区域；然后在粗分割的基础上，提取指纹前景区域的对比度、方向一致性、Gabor滤波方差偏差等特征，利用支持向量机将粗分割得到前景区域分为有效前景区域及无效前景区域。最后对分割结果进行形态学后处理。其优点是本发明不仅能分割出高噪声的背景区域，同时能将质量很差、纹理不可恢复的模糊区域分离开来，使后续处理只需要针对有效的前景区域，为后续的指纹质量评价及指纹预处理提供有利的帮助，具有较高的分割准确性及较强的适应性。
文档编号G06K9/62GK102629318SQ20121007797
公开日2012年8月8日 申请日期2012年3月22日 优先权日2012年3月22日
发明者于宗光, 孙凤梅, 王皎 申请人:中国电子科技集团公司第五十八研究所