《联指分割系统的制作方法》由会员分享,可在线阅读,更多相关《联指分割系统的制作方法(4页珍藏版)》请在金锄头文库上搜索。
1、联指分割系统的制作方法专利名称:联指分割系统的制作方法技术领域:本发明涉及一种将联指图进行分割处理的图像处理系统,即基于Mean shift算法 和椭圆拟合的指纹分割系统是后续的多指指纹识别的基础和准备。背景技术:随着图像处理和模式识别各方面技术的不断完善,指纹识别系统大量应用于人们 的生产和生活,并逐渐在各个领域中发挥越来越重要的作用。单指纹识别技术已经相对较 成熟。但是,根据指纹识别对比过程中的匹配指数原理,在单个指纹识别过程中会出现一定 的误录率和错拒率,对生活和生产造成困难或损失。而多指指纹的多模识别方法可以在不 增加采集设备成本的情况下较大地提高指纹识别精度。此外在现场采集到的指纹也
2、常以多 指指纹的形式出现。目前国内处理联指图方法有基于频域分析的联指图前后背景分离算法,上海交 通大学学报,2010年08期。这种算法是建立在频域的基础上,降噪效果较好,但计算量较 大。中国电子科技大学的中国发明专利,申请号200810045690,“基于梯度投影和形态 学的指纹图像分割方法”,该专利是基于梯度投影和形态学的指纹图像分割方法,建立在指 纹的梯度图之上,计算量比较小,而且通过形态学操作之后的指纹前景轮廓也较平滑。对于 单指纹图形的处理效果较好,但对于手指倾斜或者联指图的情况有一定的欠缺。发明内容本发明提供了一种基于Mean shift算法和椭圆拟合的指纹分割系统,能够在较短 的时
3、间内将指纹从联指图中提取出来。本发明的技术方案包括如下步骤步骤1.对原始指纹图像进行降噪滤波处理,清除图像采集过程中环境等因素引 起的噪声。步骤1-1计算图像的阈值(Threshold)。添加了一个Low(下限)和一个Up (上 限)。当Low 阈值Up,进行滤波,当阈值不在此范围内是,不进行滤波操作。步骤1-2进行非线性滤波加强先进行阈值乘1. 5倍的操作;当图像当前处理点 的灰度值大于被加强了的阈值时,将当前灰度值乘1. 5倍,否则将当前灰度值乘0. 6倍。步骤1-3采用高斯滤波。步骤1-4对图像进行原图补偿,将滤波后的图像灰度值加上原图灰度值的0.7倍。步骤1-5阈值的再判断通过Low
4、阈值Up,判断阈值是否符合要求,若不符 合,则再次重复上述步骤。若符合,则进入到步骤2。步骤2.各区域中心和各区域偏转角度的确定,并以此判断是否有连指情况。步骤2-1对图像进行垂直投影,去除像素为零的区域,计算初始半径礼。再用Mean shift (以下简称MS)算法确定各区域中心Oi (i = 1,2,3)。步骤2-2对步骤2-1的结果点Oi进行比较,当结果点中的任意两点Oim与Oin的距 离小于阈值thresholcLdistance时,则判断出现类指纹连接情况,跳出步骤2,进入步骤3。步骤2-3当没有出现类指纹连接时,对步骤2-1得到的Mean Shift过程的结果点 进行椭圆拟合操作,
5、计算各区域形成的椭圆的主轴方向anglei(i = 1,2,3);通过自适 应过程,找到最终半径Radius。步骤3.图像及各区域中心的旋转并分离开有类指纹连接情况的两个指纹。该步 骤使系统能够处理手指偏转的情况。步骤3-1对于出现类指纹连接情况的图像。步骤3-1-1进行椭圆拟合操作,得到椭圆角度,去除指纹连接点处的椭圆角度;排 除误差大的点;计算椭圆角度的平均值(angleveragel)。步骤3-1-2若angle_averagel大于阈值threshold_angle进行图像的旋转,同时 把上述MS结果点进行旋转,角度为anglejveragel ;步骤3-1-3对于出现类指纹连接情况,
6、从步骤3中可以找到MS结果中满足“连接 准则”的标记点,取两点的平均X坐标,作为初始模糊收索点,然后利用垂直半投影算法, 计算出准确的指纹连接点;在连接点处插入灰度为0半径为Radius的黑色像素带;调用 Mean Shift算法”,对图像进行指纹半径Radius和所有指纹及类指纹中心的确定操作。步骤3-2对于未出现类指纹连接情况的图像。步骤3-2-1计算椭圆角度的平均值(angle_average2)。步骤3-2-2若angle_average2大于阈值threshold_angle进行图像的旋转,同时 把上述MS结果点进行旋转,角度为angle_average2步骤4.对步骤3旋转之后的图
7、像进行逻辑指纹判断,该步骤可以去除非指纹区域 的干扰中心点,使图像最后只留下四个指纹的中心点。步骤4-1用梯形法去除非指纹干扰点,在每次最高点做梯形,去除梯形内的中心点。步骤4-2根据手指之间的高度关系判断左右手。步骤5.对于上述处理之后的图像,确定最终指纹区域。该步骤能够将四个指纹从 联指图中“圈”出来。步骤5-1对去除干扰点之后的四个指纹中心Fl,F2,F3,F4以Radius为初始半径 进行椭圆拟合操作,找出每个中心点对应的椭圆长轴,短轴L以及指纹的偏转角度。步骤5-2对每个椭圆的W和L在一定范围内伸缩搜索,W的范围是0.8-1. 1,L的 范围是1.0-1. 1当某个像素的周围一定范围
8、内平均灰度值大于阈值时,停止移动,记录此 点为al,a2, bl,b2 ;应用全等三角形原理可计算矩形的四个顶点cl,c2, c3, c4,作出矩形, 即为指纹区域。所述的阈值是判断变量是否达到要求的度量值。所述的类指纹连接是两个指纹连在一起或者相距很近。所述的椭圆拟合操作是运用矩阵知识将某一图像区域拟合成椭圆,由此可计算椭 圆的长轴,短轴和长轴角度。所述的自适应过程是即循环迭代过程,当满足条件时,跳出循环。所述的垂直半投影算法是以某一直线作为分割线,将图像分割上下两部分,将图像的上部分的像素点进行垂直投影到横轴的操作,得到每一横坐标对应的大于阈值的像素 点个数。所述的Mean Shift算法
9、是一个迭代的步骤,即先算出当前点的偏移均值,移动该 点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束。最终得到 区域中心。本发明的有益效果是操作在时域基础上,计算量小,运行时间少;能够处理类指纹 连接情况;能够处理手指倾斜的情况。图1是本发明联指分割系统的流程图。图2是无类指纹连接情况时Mean shift过程后的效果示意图(包含路径)。图3是无类指纹连接情况时图像旋转后去除干扰点示意图。图4是无类指纹连接情况时指纹提取的最终效果示意图。图5是有类指纹连接情况时第一次Mean shift过程后的结果点效果示意图(不 包含路径)。图6是有类指纹连接情况时旋转插值后第二次Me
10、an shift过程的结果点效果示 意图。图7是有类指纹连接情况时去除干扰点后的结果点示意图。图8是有类指纹连接情况时指纹提取的最终效果示意图。具体实施方式以下结合技术方案和附图详细叙述本发明的具体实施例。实施例1 无类指纹连接情况1.对图形进行降噪滤波处理,其中计算图像的阈值Threshold时Low = 30,Up = 60。2.对图像进行垂直投影,用mean shift算法确定各区域中心,如图2。3.对各中心进行椭圆拟合操作,计算各区域形成的椭圆的主轴方向,通过自适应 过程,找到最终半径。4.排除主轴方向偏转误差大的点,计算椭圆角度的平均值。5.将上步的平均值与15度比较,若大于则将旋转
11、图像,同时把上述MS结果点进行 旋转。若小于,则不旋转。6.用梯形法去除非指纹干扰点。其中梯形的梯形的顶角为95度,如图3。7.判断左右手。8.对去除干扰点之后的四个指纹中心进行椭圆拟合操作,找出每个中心点对应的 椭圆长轴,短轴以及指纹的偏转角度。9.对每个椭圆的长轴和短轴分别在1. 0-1. 1和0. 8-1. 1范围内伸缩搜索,其中阈 值取0.3。找到矩形的4个顶点。10.画出矩形,结果如图4。实施例2 有类指纹连接情况1.对图形进行降噪滤波处理,其中计算图像的阈值Threshold时Low = 30,Up = 60。2.对图像进行垂直投影,用Mean shift算法确定各区域中心,结果点
12、如图5。3.对各中心进行椭圆拟合操作,计算各区域形成的椭圆的主轴方向,排除类指纹 连接处的点和主轴方向偏转误差大的点,计算椭圆角度的平均值。4.将上步的平均值与15度比较,若大于则将旋转图像,同时把上述MS结果点进行 旋转。若小于,则不旋转。5.计算出准确的指纹连接点;在连接点处插入灰度为0半径为Radius的黑色像素带。6.再次使用“Mean shift算法”,对图像进行指纹半径Radius和所有指纹及类指 纹中心的确定操作,结果点如图6。7.用梯形法去除非指纹干扰点。其中梯形的梯形的顶角为95度,结果点如图7。8.判断左右手。9.对去除干扰点之后的四个指纹中心进行椭圆拟合操作,找出每个中心
13、点对应的 椭圆长轴,短轴以及指纹的偏转角度。10.对每个椭圆的长轴和短轴分别在1.0-1. 1和0.8-1. 1范围内伸缩搜索,其中阈 值取0.3;找到矩形的4个顶点。11.画出矩形,结果如图8。权利要求1. 一种联指分割系统,是一种基于Mean shift算法和椭圆拟合的指纹分割系统,其特 征在于如下步骤步骤1.对图像进行降噪滤波处理;具体步骤如下步骤1-1.计算图像的阈值(Threshold),添加了一个Low的下限和一个Up的上限,当 Low 阈值Up,进行滤波,当阈值不在此范围内是,不进行滤波操作;步骤1-2.进行非线性滤波加强先进行阈值乘1. 5倍的操作;当图像当前处理点的灰 度值大
14、于被加强了的阈值时,将当前灰度值乘1. 5倍,否则将当前灰度值乘0. 6倍; 步骤1-3.采用高斯滤波; 步骤1-4.对图像进行原图补偿;步骤1-5.阈值的再判断判断阈值是否符合要求,若不符合,则再次重复上述步骤,进 行图像的再次滤波加强;若符合,则进入到下面步骤2 ;步骤2.进行各区域中心和各区域偏转角度确定,并以此判断是否有连指情况;具体步 骤如下步骤2-1.对图像进行垂直投影,找出初始半径RO ;再用Mean shift算法确定各区域 中心 0i(i = 1,2,3.);步骤2-2.对步骤2-1的结果点Oi进行比较,当结果点中的任意两点Oim与Oin的距离 小于阈值thresholcLd
15、istance时,则判断出现类指纹连接情况,跳出步骤2,进入步骤3 ;步骤2-3.当没有出现类指纹连接时,对步骤2-1得到的Mean Shift过程的结果点进 行椭圆拟合操作,计算各区域形成的椭圆的主轴方向anglei(i = 1,2,3);通过自适应 过程,找到最终半径Radius;步骤3.图像及各区域中心的旋转并分离开有类指纹连接情况的两个指纹;具体步骤 如下步骤3-1.对于出现类指纹连接情况的图像;步骤3-1-1.进行椭圆拟合操作,得到椭圆角度,去除指纹连接点处的椭圆角度;排除 误差大的点;计算椭圆角度的平均值(angleveragel);步骤3-1-2.若angle_averagel大
16、于阈值threshold_angle进行图像的旋转,同时把 上述Mean shift结果点进行旋转,角度为angle_averagel ;步骤3-1-3.对于出现类指纹连接情况,从步骤3中找到Mean shift结果中满足“连 接准则”的标记点;取两点的平均X坐标,作为初始模糊收索点,然后利用垂直半投影算法, 计算出准确的指纹连接点;在连接点处插入灰度为0半径为Radius的黑色像素带;调用 Mean shift算法”,对图像进行指纹半径Radius和所有指纹及类指纹中心的确定操作; 步骤3-2.对于未出现类指纹连接情况的图像; 步骤3-2-1.计算椭圆角度的平均值(angle_average2);步骤3-2-2.若angle_average