一种基于标准差的指纹图像分割算法

２０１４年第２期　（总第１４２期）　闽江学院学报　ＪＯＵＲＮＡＬ　ＯＦ　ＭＩＮＪＩＡＮＧ　ＵＮＩＶＥＲＳＩＴＹ　Ｎｏ．２　２０１４　Ｃｅｎｅｒａｌ　Ｓｅｒｉａｌ　Ｎｏ．１４２　

一种基于标准差的指纹图像分割算法　

余兆钗　

（闽江学院计算机科学系，福建福州３５０１２１）　

摘要：首先介绍指纹图像分割的基本概念，接着使用一种基于标准差的图像分割算法对指纹图像进　行分割．该方法利用标准差找出最佳分割阈值，再用该阈值将指纹图像脊线提取出来．实验结果表　明，该方法能够很好地将指纹脊线从背景中提取出来．　关键词：指纹识别；图像分割；标准差　中图分类号：ＴＰ７５１．１　文献标识码：Ａ　文章编号：１００９—７８２１（２０１４）０２—００８８—０３　

Ａ　ｓｅｇｍｅｎｔｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｔａｎｄａｒｄ　ｄｅｖｉａｔｉｏｎ　ｆｏｒ　ｆｉｎｇｅｒｐｒｉｎｔ　ｉｍａｇｅｓ　

Ｙ　Ｕ　Ｚｈａｏ－ｃｈａｉ　

（Ｄｅｐａｒｔｍｅｎｔ　ｏｆＣｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｍｉｎｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ，Ｆｕｊｉａｎ　３５０１２１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｉｎｔｒｏｄｕｃｅｄ　ｔｈｅ　ｂａｓｉｃ　ｃｏｎｃｅｐｔ　ｏｆ　ｆｉｎｇｅｒｐｒｉｎｔ　ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ，ｔｈｅｎ　ａ　ｓｅｇｍｅｎ—　

ｔｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｔａｎｄａｒｄ　ｄｅｖｉａｔｉｏｎ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｐｒｏｃｅｓｓ　ｆｉｎｇｅｒｐｒｉｎｔ　ｉｍａｇｅｓ．Ｔｈｉｓ　ｓｅｇｍｅｎｔｉｎｇ　ａｌ—　

ｇｏｒｉｔｈｍ　ｃｏｕｌｄ　ｆｉｎｄ　ｔｈｅ　ｂｅｓｔ　Ｓｅｇｍｅｎｔａｔｉｏｎ　ｏｆ　ｔｈｒｅｓｈｏｌｄ　ａｎｄ　ｅｘｔｒａｃｔ　ｆｉｎｇｅｒｐｒｉｎｔ　ｒｉｄｇｅ　ｆｒｏｍ　ｔｈｅ　ｉｍａｇｅ．Ｔｈｅ　

ｔｅｓｔ　ｒｅｓｕｌｔｓ　ｉｎｄｉｃａｔｅｄ　ｔｈａｔ　ｔｈｉｓ　ｍｅｔｈｏｄ　ｄｉｄ　ｗｅｌｌ　ａｔ　ｔｈｅ　ｅｘｔｒａｃｔｉｏｎ　ｏｆ　ｆｉｎｇｅｒｐｒｉｎｔ　ｒｉｄｇｅ．　

Ｋｅｙ　ｗｏｒｄｓ：ｆｉｎｇｅｒｐｒｉｎｔ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ；ｓｔａｎｄａｒｄ　ｄｅｖｉａｔｉｏｎ　

由于指纹具有唯一性、永久性、可采集性等突出优点…，使得自动指纹识别技术被广泛应　

用．指纹图像分割处于自动指纹识别技术的前端，作用是将指纹图像背景与前景的分开，使得后　续能更够方便处理．从处理结果来看，指纹分割可以分成两类，一类是把指纹区域作为前景留下　

来，将其他区域作为背景去除；另一类是将指纹脊线留下来，其他区域包括指纹谷线都当成背景　去除　Ｊ．从分割方法来看，主要有基于块特征，基于像素特征．基于块特征的方法，就是将指纹图　

像分为若干个块，每个块的大小是８　Ｘ８像素，或者１６×１６像素，然后计算每个块的特征（灰度均　

值，纹线方向，梯度等），接下来再设置一个阈值，根据这个阈值，确定某个块是前景还是背景．这　

种方法的特点是计算速度快，精度不够高．基于像素特征的方法，简单的说就是以整张图像作为　

计算样本，计算出（灰度均值，纹线方向，梯度等），接下来再设置一个阈值，再根据这个阈值，确　

定这个像素是前景还是背景．这种方法的特点是精度高，时间复杂度高　Ｊ．　

文献［４］提出一种新型的图像分割算法，该方法实际上是寻找最佳的标准差所对应的阈值，　

对图像进行分割，该方法适用于目标和背景具有相似统计分布的图像分割．由于指纹图像的目标　和背景也具备统计分布相似的特点，本文将其应用在指纹图像分割中，分割结果是将指纹脊线留　

收稿日期：２０１３—１１—２０　基金项目：福建省教育厅科技项目（ＪＡ０７１８１）　作者简介：余兆钗（１９７９一），男，福建福州人，闽江学院计算机科学系讲师，硕士　

・８８・

　第２期　余兆钗：一种基于标准差的指纹图像分割算法　

下来，其余的当成背景去除，分割效果也十分理想．　

１　一种基于标准差的指纹图像分割算法　

在一幅图像中，设图像的灰度等级为　，灰度级为ｉ（Ｏ≤ｉ≤Ｌ一１）的像素个数为凡　，则图像　

Ｌ－Ｉ　的像素总数Ⅳ＝∑ｎ　，灰度等级　在图像中出现的概率为：ｐ　＝　．取一个阈值ｔ（０≤ｔ≤Ｌ一１），　

像素灰度为０～ｔ的区域属于Ａ，灰度为ｔ＋１一Ｌ一１的像素属于区域　，这样就将图像分成两个　

区域Ａ和　，Ａ为前景，日为背景，或者Ａ为背景，Ｂ为前景．那么Ａ与　的概率为：　

＝∑Ｐ　，Ｐ　＝∑Ｐ　，　

两个区域的均值分别定义为：　

ｌ＝∑ｉｐｉ／　，　２＝∑ｉｐ　／ＰＢ．　

两个区域的标准差可以分别定义为：　

厂　——————————一　＝＾／∑（　—　）２ｐ　／Ｐ　，　Ｖ‘　０　几　广—————————一　√　。　）２ｐ／Ｐ　，　

且　与ｏｒ　都是ｔ的函数．　

设Ｊ（ｔ）＝ｍａｘ｛ｏ－　（ｔ），ｏｒ　（ｔ）｝，其中　（ｔ）表示当ｔ取０～　一１中的某个值的时候，依据公　式计算出的　区域的标准差，ｏｒ　（ｔ）表示当ｔ取０一Ｌ一１中的某个值的时候，依据公式计算出的　

Ｂ区域的标准差．　

设Ｊｍｉ　＝　ｍｉｎ．．Ｊ（ｔ），表示当ｔ的值从０～　一１变化时，求出使得Ｊ（ｔ）的值最小的记为＇，　Ｕ≤Ｉ≤Ｌ—ｌ　以上过程实际上寻找最佳标准差所对应的阈值作为最佳分割阈值，将指纹脊线保留下来，谷　

线和非指纹轮廓区域作为背景处理．属于一种分割比较彻底，但又不会过度分割的方法．　

２算法设计　

１）定义一个值ｔ：０，ＪＴ＝０，ＪＴ　值为无穷大，ｔ　＝０；　２）计算出　＾（ｔ）、　口（ｔ），取ｍａｘ｛　＾（ｔ），ｏｒ　（ｔ）｝值赋给ＪＴ；　

３）如果ＪＴ＜ＪＴ’，则ＪＴ　＝ＪＴ，ｔ　＝ｔ；　

４）ｔ＋＋；　

５）如果ｔ≤Ｌ，则跳转２，否则到６；　６）得到ｔ　值作为分割阈值．　

３　经典的基于像素的统计阈值方法　

经典的基于像素的特征的图像分割方法有Ｏｓｔｕ提出的利用最大化类间方差的方式来确定　分割阈值，即对于每一个灰度等级ｔ（（０≤ｔ≤Ｌ一１），将图像分成大于该灰度等级与小于该灰度　

・８９・

　闽江学院学报　２０１４焦　

等级的两个类Ａ和曰，分别计算出两个　类的均值，然后再计算出两个类的方差　（ｔ）和　２（ｔ），最后将使得ｏｒｊ（ｔ）值最　

小的ｔ作为分割阈值　ｊ．这种方法存在　

偏向于将图像等分成大小相似的两个部　

分的缺点，而且容易过度分割．　

Ｈｏｕ则采用类方差和最小化的方式　

确定分割阈值，克服了Ｏｓｔｕ分割方法的　

缺陷．这两种方法对目标和背景具有相　

似统计分布的图像分割效果不够　

理想　．　

４　实验环境与结果及分析　＿　孽　

原图　本文方法ＨＯＵ　

图１分割效果对比　Ｆｉｇ．１　Ｓｅｇｍｅｎｔａｔｉｏｎ　ｃｏｍｐａｒｉｓｏｎ　

本实验的硬件环境：ＣＰＵ是Ｐｅｎｔｉｕｍ　Ｄｕａ１．Ｃｏｒｅ　Ｅ６７００，内存４　ＧＢ．软件环境：操作系统Ｗｉｎ—　

ｄｏｗｓ　ＸＰ，编程软件Ｍａｔａｌａｂ７．０．采用ＦＶＣ２００４指纹库中的指纹图像进行测试．　

指纹库中的图片在实验中都获得了满意的分割效果，这里列出一张图片进行对比，像素为　

２８８　３８４，分割方法分别采用本文方法与ＨＯＵ【６　方法．从实验结果可以看出，指纹脊线都能较好　

的保留下来，谷线区域以及其他区域都作为背景删除．　

从消耗时间来看，此方法与ＨＯＵ方法相当，都在０．５—１　ｓ．　

５　结论　

使用一种基于标准差的分割方法对指纹图像进行分割．该方法在图像灰度等级内依次取值　

作为阈值将图像分成两个区域，分别计算出两个区域的标准差，取较大者．最后取使得标准差最　

小那个阈值作为最佳分割阈值．为了验证该方法的效果，使用ＦＶＣ２００４指纹库中的系列指纹图　

像进行了实验．实验结果表明该方法对指纹图像进行分割，能够取得满意的结果．　

参考文献：　［１］Ｐａｎｋａｎｔｉ　Ｓ，Ｐｒａｂｈａｋａｒ　ｓ，Ｊａｉｎ　Ａ　Ｋ．Ｏｎ　ｔｈｅ　ｉｎｄｉｖｉｄｕａｌｉｔｙ　ｏｆ　ｆｉｎｇｅｒｐｒｉｎｔｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓｅａｔｉｏｎｓ　ｏｎ　Ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，２００２，２４（８）：１　０１０—１　０２５．　［２］黄斌．一种新型指纹图像分割算法［Ｊ］．机电工程，２０１０，２７（７）：７８—８０．　［３］郭文娟，杨公平．指纹图像分割综述［Ｊ］．山东大学学报，２０１０，７：９４—９８．　［４］李佐勇，刘传才．红外图像统计阈值分割方法［Ｊ］．计算机科学，２０１０，３７（１）：２８２—２８６．　［５］Ｏｔｓｕ　Ｎ．Ａ　ｔｈｒｅｓｈｏｌｄ　ｓｅｌｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｆｒｏｍ　ｇｒａｙ　ｌｅｖｅｌ　ｈｉｓｔｏｇｒａｍ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ　Ｃｙ—　ｂｅｍｅｔｉｃｓ，１９７９，９（１）：６２—６６．　［６］Ｈｏｕ　Ｚ，Ｈｕ　Ｑ，Ｎｏｗｉｎｓｋｉ　Ｗ　Ｌ．Ｏｎ　ｍｉｎｉｍｕｍ　ｖａｒｉａｎｃｅ　ｔｈｒｅｓｈｏｌｄｉｎｇ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，Ｇｒａｐｈｉｃｅｓ，ａｎｄ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，１９８８，４１（２）：２３３—２６０．　［责任编辑：唐诚煜］　

・９０・