基于邻域像素追踪的图像指纹特征点提取

张玉静　査玉华　胡开华

摘要：该文针对经过预处理过的指纹图像，采用邻域像素追踪法对指纹纹线端点、叉点、中心点和三角点等指纹特征点进行提取，介绍了各特征点的算法实现流程，给出了最终的特征提取实验结果，实验结果表明，该方法在能够有效地提取指纹特征点的情况下，还在速度和准确性上也有所提高。

关键词：临域像素追踪；特征点提取；算法；流程图

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）01-0133-02

指纹特征提取指的是指纹识别系统在指纹输入设备中所获取的指纹图像中提取出具有个体指纹特征信息的数据。每个人的指纹都不相同，如何在这些形态各异的指纹图像中正确定义指纹特征并对其进行分类具有非常重要的意义。经过预处理过的指纹图像，其指纹纹线已经细化成一条点线指纹图。对指纹纹线的描述必须要遍历纹线上的每个像素点，为了避免这种过于庞大的数据操作，在实际的指纹特征提取操作中往往采取提取纹线上的某些关键特征点对指纹纹线进行描述，如纹线端点、叉点、中心点、三角点等。

1 指纹端点特征点的提取

指纹图像的端点特征点的概念是人体指纹纹线的起点与终点。对指纹的端点特征点提取的具体办法一般为8邻域像素追踪法。即首先对指纹纹线的某个像素点进行扫描，若该像素点周围其余的8个像素点中满足所有相邻2个像素点的差值的绝对值相加等于255×2，则判定该点为指纹纹线的端点。如图1所示的指纹纹线9点像素模型图即可清楚看到假设A像素点为纹线端点，则删除A点后的像素图中出现一个黑色像素块，该点周围存在相邻的白色方块数量则只有2个，因为白色像素块的灰度值是255，所以A像素端点四周的相邻两个白色像素块差值的绝对值相加是255×2个。

指纹特征端点的提取算法主要步骤为：

1） 获取当前端点周围8个点的地址偏移；

2） 计算这8个点所有相邻两个点的差的绝对值之和sum；

3） 若sum=2×255，则返回true，否则返回false。

2 指纹叉点特征点的提取

指纹特征点中的叉点是指人体指纹纹线中由两条交汇并成为一条纹线的汇集点。指纹纹线叉点特征点提取仍采用8邻域像素追踪法。首先对指纹纹线的某一像素点进行扫描，若该点四周的8个像素点中满足所有相邻的2个像素点的差值的绝对值相加等于255×6，即判定该为纹线叉点。图2中的指纹纹线叉点9像素模型中可以看到，假设A点为纹线叉点，则删除A点后，纹线模型中剩余3个黑色像素点块，该点周围存在相邻的白色方块数量则只有2个，因为白色像素块的灰度值是255，所以A像素端点四周的相邻两个白色像素块差值的绝对值相加是255×2×3，即255×6。

图2 实际指纹纹线叉点及其像素模型

指纹叉点特征点的提取算法主要步骤为：

1） 获取当前点赎罪围8个点的地址偏移；

2） 计算这8个点所有相邻两个点的差的绝对值之和sum；

3） 若sum=6×255，则返回true，否则返回false。

3 指纹的奇异特征点的提取

人体指纹的奇异特征点是指指纹特征点的中心点和三角点。通过提取奇异特征点可以帮助人们在指纹识别中对指纹进行分类和定位指纹比对时的相对坐标系。论文应用方向场概念对人体指纹特征的奇异点进行追踪提取。

对指纹奇异特征点的提取算法需要引用离散Poincare对其进行数学建模，常用的方格表示有3×3和5×5方格模板，因为这样便于计算機计算实现。

在上表所示的方格模板内（5×5方格），点（i，j）为闭合曲线D1， D2，…，D12顺时针方向形成的区域中心，计算该条闭合曲线的Poincare值为：[Poincare（i，j）=112|Di-D（i+1）mod12|]。而3×3方格模板中，计算以点（i，j）为中心顺时针方向形成的闭合曲线d1， d2，…，d8的Poincare值为：

[Poincare（i，j）=18|di-d（i+1）mod8|]

通过上述方法得到的多个相邻候选奇异特征点中，还要进一步利用均值算法确定最后的奇异特征点。同时识别算法中所获取的指纹图像常常存在噪声污染，可能会产生伪奇异特征点。为了去除这些噪点，需要再次计算闭合曲线的Poincare值。如表2所示，再次计算以点（i，j）为中心，顺时针方向的闭合曲线的Poincare值，当3×3方格的Poincare值和5×5方格相等时（为0.5或-0.5），才能确定该候选奇异特征点为真正的指纹特征奇异点。

如表1所述，对每一个奇异特征点，在3×3方格模板方向场中，需要计算1，2，3…8，八个方向场之间的差值的总和，其中最小值的方向为奇异特征点的方向。而在5×5方格模板的方向场中，则需要计算1，2，3，…12，12个方向的方向场时会出现两个方向和是相同的情况，此时可以采取求方向的平均值为奇异特征点的方向。

指纹的奇异特征点的提取算法具体步骤为：

1） 获取当前点方向场值，判断该点是否为背景点，若是，则跳出循环；

2） 计算以该点为中心的3×3方格内，形成的逆时针方向闭合曲线的Poincare的值sum1；

3） 计算以该点为中心的5×5方格内，形成的逆时针方向闭合曲线的Poincare的值sum2；

4） 若sum1和sum2方向场差相同，则判定该点为奇异点。

4 图像上指纹特征点标记

在一幅指纹图像中，指纹的特征点包括纹线端点、叉点、中心点、三角点等，对于指纹图像中心点和三角点的提取，包括计算方向场的变化、定义浮点坐标值点类型、定义长整数坐标值点类型、中心点和三角点提取函数等。

指纹特征点被标记出来之后，在进行最终的指纹识之前，还需进行一步去除伪特征点的操作处理。图3给出了指纹图像特征点标记结果，图中的红色表示中心点，黄色表示三角点，绿色表示叉点，蓝色表示端点。

参考文献：

[1] 周媛媛，张成，林嘉宇.指纹图像的预处理算法[J].算机应用，2012，4 （9）：34-36.

[2] 杨宏林，吴陈.指纹识别方法的综述[J].华东船舶工业学院学报：自然科学版，2013，17（3）：37-42.

[3] Zhang Xiong，He Guiming.An Algorithm to Extract the Macroscopic Curvature Feature of Fingerprint[J]. ACTA ELECTRONICA SINICA，30（11）：1722-1725.

[4] 贺颖，蒲晓蓉.应用Gabor滤波的指纹识别算法的研究和实现[J].计算机工程与应用，2010，46（12）：172-175.

[5] 祝恩，殷建平，张国敏，等.自动指纹识别技术[J].长沙国防科技大学出版社，2011（7）：23-24.

[6] 祝恩.低质量指纹图像的特征提取与识别技术的研究[D].长沙：国防科学技术大学计算机科学与技术，2012.