技术领域
[0001] 本
发明涉及一种指纹图像增强方法，属于
图像处理技术领域。
背景技术
[0002] 基于指纹的身份认证是近年来万众瞩目的最重要的
生物测定学科技之一，由于不同场景下，提取的指纹通常是不完整的,且纹线的
对比度也很低，基于我们自主研发的图像增强
算法，无论是在干、湿、脏、强/弱光、还是重压的环境下，都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理。稳定识别，准确验证，拥有极强的鲁棒性。可广泛应用于
门禁系统、信息保密、远程认证、罪犯指纹提取等众多场景。
[0003] 传统的几种图像增强与去噪方法，包括直方图处理，灰度变换，滤波去噪等几类，细分为直方图均衡化，直方图规定化，灰度线性变换，中值滤波，维纳滤波，同态滤波。
[0004] 在特定场景中，由于采集的指纹图像通常是不完整的，对于这种
质量的图像，用传统的指纹识别技术处理很难达到理想的效果。比如高质量图片的要求是噪声小，对比度强且清晰，而对于噪音大对比度低且模糊的低质量指纹影像，质量低的指纹影像会在识别过程中产生虚假特征点，难以提取特征点的指纹系统会直接拒识，这些都将影响指纹识别系统效果。
[0005] 目前，指纹识别在识别准确率和识别速度方面还不能满足许多实际应用的要求，因此进一步提高指纹识别的性能无论在理论上还是在应用上都具有十分重要的意义。
发明内容
[0006] 针对上述
现有技术存在的问题，本发明提供一种指纹图像增强方法，不仅能够提高准确率和识别速度，而且对于很多纹路不完整的图或者质量很差的图都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理，稳定识别，准确验证，拥有极强的鲁棒性。
[0007] 为了实现上述目的，本发明采用如下技术方案：一种指纹图像增强方法，包括：
[0008] S1、获取灰度图：采集初始指纹图像；
[0009] S2、图像拉伸：对获取的灰度图采用以下线性灰度变换函数公式进行拉伸：
[0010]
[0011] 式中，x表示输出图像的灰度，f(x)表示输出图像的灰度，x1和x2表示分段函数的两个转折点，是根据场景选择的输入图像的两个灰度值，y1表示与输入图像灰度值x1所对应的输出图像灰度值，y2表示与输入图像灰度值x2所对应的输出图像灰度值；其中，x1、x2、y1、y2的范围均为0～255；
[0012] S3、生成
滤波器：根据原始灰度图像调整滤波器参数，得到如下适合图像的滤波器：
[0013]
[0014] 式中：z表示根据公式生成的滤波器数据，A表示振幅，B表示周期，C表示
相位，D表示调节振幅的参数，x表示横轴坐标，y表示纵轴坐标；
[0015] S4、图像滤波：根据滤波器的大小将拉伸后的灰度图像分成多个区域，再分别对每个区域进行滤波器增强，得到对应
像素值Enhance—f(x)＝z*f(x)；
[0016] S5、像素截断：对所得像素值进行截断，得到最终的像素值；
[0017] S6、生成增强图片：像素截断后的图像即为最终的指纹增强图像。
[0018] 优选地，所述步骤S5中的截断是指将像素值Enhance—f(x)小于0的置为0，大于255的置为255。
[0019] 与现有的技术相比，本发明主要采用滤波器和图像拉伸对图像进行拉伸，解决了一些在干、湿、脏、强/弱光、还是重压的环境下的指纹图像。其不仅在准确率和识别速度上有很大提升，而且对于很多纹路不完整的图或者质量很差的图都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理。稳定识别，准确验证，拥有极强的鲁棒性。而本技术所用到的图像增强方法不仅仅只适用于指纹识别，还可运用于多种邻域，比如，
人脸识别等。
附图说明
[0021] 图2为第一幅原灰度图像；
[0022] 图3为图2采用本发明增强后的图像；
[0023] 图4为图2采用Gabor算子方法增强后的图像；
[0024] 图5为第二幅原灰度图像；
[0025] 图6为图5采用本发明增强后的图像；
[0026] 图7为图5采用Gabor算子方法增强后的图像；
[0027] 图8为第三幅原灰度图像；
[0028] 图9为图8采用本发明增强后的图像；
[0029] 图10为图8采用Gabor算子方法增强后的图像。
具体实施方式
[0030] 下面结合附图和具体
实施例对本发明实施中的技术方案进行清楚，完整的描述，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0031] 实施例1：
[0032] 如图2至图5所示，本实施例提供的一种指纹图像增强方法，包括：
[0033] S1、获取灰度图：采集图2所示初始指纹图像；
[0034] S2、图像拉伸：对获取的灰度图采用以下线性灰度变换函数公式进行拉伸：
[0035]
[0036] 式中，x表示输出图像的灰度，f(x)表示输出图像的灰度，x1和x2表示分段函数的两个转折点，是根据图2选择的输入图像的两个灰度值，y1表示与输入图像灰度值x1所对应的输出图像灰度值，y2表示与输入图像灰度值x2所对应的输出图像灰度值，令x1＝40，x2＝200，y1＝240，y2＝20；
[0037] S3、生成滤波器：根据原始灰度图像调整滤波器参数，得到如下适合图像的滤波器：
[0038]
[0039] 式中：z表示根据公式生成的滤波器数据，A表示振幅，B表示周期，C表示相位，D表示调节振幅的参数，x表示横轴坐标，y表示纵轴坐标(此处x，y与步骤S2中x等符号无关，x、y的定义域代表滤波器大小，此处可采用31*31的滤波器)；
[0040] 令A＝1.453，B＝0.897，C＝0.738，D＝1.382，得
[0041]
[0042] S4、图像滤波：根据滤波器的大小将拉伸后的灰度图像分成多个区域(区域根据滤波器大小划分，例如此处为31*31)，再分别对每个区域进行滤波器增强，得到对应像素值Enhance—f(x)＝z*f(x)；
[0043] S5、像素截断：对所得像素值进行截断，即将像素值Enhance—f(x)小于0的置为0，大于255的置为255，得到最终的像素值；
[0044] S6、生成增强图片：像素截断后的图像即为最终的指纹增强图像，如图3所示。
[0045] 实施例2：
[0046] 以图5作为初始指纹图像，令x1＝40，x2＝200，y1＝240，y2＝20，A＝1.038，B＝0.752，C＝0.837，D＝1.478，获得增强图像如图6所示。
[0047] 实施例3：
[0048] 以图8作为初始指纹图像，令x1＝30，x2＝220，y1＝240，y2＝10，A＝0.983，B＝1.034，C＝0.678，D＝1.829，获得增强图像如图9所示。
[0049] 利用Gabor算子方法分别对图2、5、8进行增强处理，得到的增强图像如图4、7、10所示，对比图3和图4，图6与图7，图9与图10可见，采用本发明获得的增强图像与原图像的对比度一致性更好。
[0050] 综上所述，本发明先对图像进行拉伸，增加了指纹图像的对比度，使得整个指纹图像的灰度值分布在一个比较集中的区域。再根据所得灰度图像灰度值选用适合的滤波器，减小了灰度值差异，提高了计算时间。接着，把它分区域进行计算不仅能够节省大约3s～5s的时间，还能够是像素值分配均匀。最后进行像素截断，获得增强后的图像。最终，本发明不仅在准确率和识别速度上有很大提升，而且对于很多纹路不完整的图或者质量很差的图都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理。稳定识别，准确验证，拥有极强的鲁棒性。而本技术所用到的图像增强方法不仅仅只适用于指纹识别，还可运用于多种邻域，比如，人脸识别等。
[0051] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附
权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0052] 此外，应当理解，虽然本
说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
