改进的Gabor滤波算法在指纹识别中的应用研究

张俊冯

摘  要：指纹识别是身份识别的重要手段之一，指纹识别技术也是生物识别领域中使用最为广泛的一项技术。为进一步提高指纹识别系统的速度和稳定性，可在指纹识别中对改进的Gabor滤波算法进行应用。基于此点，本文从指纹识别的原理分析入手，详细论述了指纹识别中改进Gabor滤波算法的应用。期望通过本文的研究能够对指纹识别准确率的提升有所帮助。

关键词：Gabor滤波算法;归一化处理;指纹识别

中图分类号：TP391.41     文献标识码：A 文章编号：2096-4706（2019）01-0091-03

Application of Improved Gabor Filter Algorithm in Fingerprint Recognition

ZHANG Junfeng

（China UnionPay Co.，Ltd.，Shanghai  200135，China）

Abstract：Fingerprint identification is one of the most important methods of identification，and it is also the most widely used technology in the field of biometrics. In order to further improve the speed and stability of fingerprint identification system，the improved Gabor filtering algorithm can be applied. Based on this point，this paper starts with the analysis of the principle of fingerprint identification，and discusses the application of improved Gabor filter algorithm in fingerprint identification in detail. It is hoped that this study will be helpful to improve the accuracy of fingerprint identification.

Keywords：Gabor filtering algorithm;normalization processing;fingerprint recognition

1  指紋识别的原理

人类的指纹具有独一无二的特点，基本不会出现完全一致的指纹特征。因此，可以通过指纹对人的身份进行鉴别。指纹识别系统主要是根据指纹图像的特点对不同的指纹进行识别，具体的识别流程如下：图像采集、图像预处理、图像特征提取、指纹匹配。对指纹图像的采集一般都是利用光学扫描仪器来完成，采集到的图像可直接输入到指纹识别系统当中，由于采集到的图像所含的噪声较多，所以需要进行预处理，将图像中的噪声去除掉，从而使图像画面变得更加清晰。滤波是指纹图像预处理中最为重要的一个环节，通过滤波去噪可以增强和重构指纹图像，随后便可从预处理后的图像中对指纹特征进行提取，再将提取到的指纹输入到指纹库进行匹配，找出最相似的指纹作为匹配结果，这就是指纹识别系统的整个运作过程。在指纹识别系统中，图像增强是预处理的核心，它的优劣直接关系到系统的速度及稳定性。

2  指纹识别中改进的Gabor滤波算法的应用

在指纹图像增强中，Gabor滤波技术的应用较为广泛，该方法的特点体现在如下几个方面：适应性强，能够对输入的各种质量的指纹进行有效处理，并且还能对模糊的脊线和谷线进行分析，对断裂的纹线进行修复。在指纹识别系统中，Gabor滤波算法能使特征点的正确性得到保证。针对传统基于细节点模式的指纹识别算法的不足，本文提出一种改建的Gabor滤波算法，即基于Gabor的结构指纹识别算法，该算法最为突出的优势在于能够对指纹图像中脊线结构的相对位置进行充分利用，由此可对细节点算法中的不足进行有效弥补。

2.1  算法分析

2.1.1  确定中心点

在指纹识别的过程中，需要对指纹图像进行准确定位，此时便需要一个中心点，通过计算得到块的方向图后，采用跟踪搜索算法便可对指纹图像的中心点进行计算。对指纹图像进行识别时，如果脊线弯曲，则会使方向发生改变，这样一来，在对下一个图像块进行搜索时，便会偏离脊线。因此，必须沿着正交方向来寻找指纹图像的中心点。

2.1.2  图像剪切

通过计算得到指纹图像的中心点后，为解决比对时平移和旋转不变的问题，可取指纹图像中三个中心带，按中心点进行图像剪切，这样可以将指纹图像中噪声较大的边缘部分全部去除掉，以剪切下来的图像中心作为参考依据，便可对指纹图像进行定位。在这一过程中，提取到的指纹特征为脊线的局部结构，为降低灰度变化程度，需要对剪切的图像进行扇形化处理，具体而言，就是将指纹图像转换为极坐标的形式。

2.1.3  归一化处理

对图像进行归一化处理的主要目的是对传感器本身的噪声进行消除。同时，由于手指按压力度存在一定的区别，从而会使指纹图像中存在灰度差异，因此在Gabor滤波前，需要对每个扇格进行归一化处理，这样能够使指纹图像在Gabor滤波前的方向达到统一，从而确保旋转不变的特性。指纹图像的灰度值可以用I（x，y）表示，按照下式可对第i个扇格的平均值和方差值进行求取：

当归一化处理直接作用于整幅指纹图像上时，无法起到补偿灰度变化的作用，而对每个扇格进行归一化处理后，可使该问题得到有效解决。经过归一化处理的指纹图像，只是对比度发生了改变，而其中的脊、谷结构并没有出现任何的变化。

2.2  基于Gabor滤波算法的指纹增强

滤波器是指纹图像处理中常用的设备，由于指纹的脊和谷局部特征较为明显。所以，借助Gabor滤波器，并选择适宜的参数，能够达到去除噪音的目的。指纹图像中的脊线具有方向属性，而Gabor滤波器具有方向选择性，因此Gabor滤波器是最适宜进行指纹图像处理的方法。通过Gabor滤波器能够获得一定方向上增强后的指纹脊线结构。基于这一前提，可以利用频谱分析的方法，求取指纹图像中脊线的平均频率，这样可以解决增强效果出现误差的问题。局部的指纹脊线与平面正弦波非常近似，其频谱中存在两个峰，分别与脊线信号相对应，两个峰之间的连线与脊线相垂直。采用Gabor滤波器对指纹图像进行滤波处理时，通带与两个峰重合，由此能够在保留两个峰的前提下，将其它不相关的信号滤除掉，这样便能够使脊线得到进一步增强。

2.3  旋转问题的解决

经过Gabor滤波处理之后的指纹图像中常常会存在数据冗余，虽然数据冗余有利于指纹识别，但必须指出的是，由于数据量较大，所以很难用于直接比对，换言之，需要进行特征提取。而想要对有噪音的图像进行精确提取的难度较大，故此，可以采用统计特性的方法来缓解噪声的影响。以平均平方偏差值作为特征，会导致特征值较大，这样不利于存储和比对。因此，可将扇格块的平均绝对偏差作为特征，它所反映出来的是扇格块间脊线的差异。平均绝对偏差值可用下式表示：

对于滤波图像而言，平均绝对偏差值是构成特征向量中的元。为使比对过程中的识别率能够得到一定程度的提升，需要解决的主要问题是指纹图像旋转不变，对此可以采用旋转匹配算法，在进行指纹库建立时，对以下两组特征矢量进行提取：一组是经图像剪切、归一化和Gabor滤波后的Viθ;另一组是将图像以逆时针的方向旋转11.25°后，再进行剪切、归一化和Gabor滤波处理的Viθ。可将上述两组数据作为一枚指纹的特征，存储到指纹库内，作为相关的特征编码使用。

2.4  特征匹配

指纹比对算法有STR不变的要求，即比例不变、平移不变、旋转不变。由于研究中采用的指纹库是FVC，所以不需要考慮比例不变的问题。

2.4.1  平移不变

为解决平移不变的问题，本次研究通过对修正后的中心点加以利用，以此作为参考依据，对指纹图像进行定位。在比对的过程中，中心点基本不会出现重合现象，对准的准确性主要取决于指纹中心点的位置。本文所提出的改进Gabor滤波算法能够容忍指纹图像中心点的误差为10pixels。

2.4.2  旋转不变

指纹图像中旋转不变的问题，可以通过以下两种方法进行解决：一种是旋转指纹输入图像，另一种是旋转指纹模板。本次研究中选取的是后一种方法，即旋转指纹模板，通过这种方法可以使指纹的比对速度获得大幅度提升，应用该方法时需要建立指纹库，在对指纹库进行建立的过程中，每一枚指纹均有两组特征矢量，通过比对能获得24个距离值，可从中选取最小值作为比对时的最佳距离，依次与指纹库中存储的指纹进行比对，直至比对结束为止，随后计算出比对时的最佳距离，并从中选取最小值，与对预先设定好的阈值进行比较，比阈值小则比对成功，大于阈值则表明指纹库没有该指纹。

2.5  改进算法的评估

FAR（错误接受率）和FRR（错误拒绝率）是评估Gabor指纹识别算法常用的标准，前者又被称之为非法者匹配，欧氏距离可以记为EDi，它的本质是对系统安全度的测量。后者又被称之为合法者匹配，其欧式距离可以记为EDg，它的本质是对系统易用性的测量。改进的Gabor滤波算法是否具有良好的适用性，可以通过以上两个值进行评估，即FAR越低说明算法的安全度越高，FRR越低则表明改进后的算法易用性越强。当两枚指纹完全相同时，EDg=0，也就是说，EDg的值越大，指纹的匹配程度就越小。而当EDi超过阈值时，表明指纹不匹配。通过随机选取的方式，利用改进的Gabor滤波增强算法，对指纹进行比对，FAR和FRR均达到最小值。由此表明，本文所提出的算法在指纹识别中具有良好的适用性，它在指纹识别系统中的应用，可以提高系统的速度和稳定性。

3  结  论

综上所述，指纹识别技术在最近几年里获得快速发展，指纹识别的作用随之突显，指纹识别现已成为个人身份验证的重要方式。指纹识别的准确率是指纹识别的关键性问题，也是该领域研究的主要方向，针对这一情况，本文提出一种改进的Gabor滤波算法，经过验证，该算法在指纹识别中具有良好的适用性。

参考文献：

[1] Gottschlich，Carsten. Curved-region-based ridge frequency estimation and curved gabor filters for fingerprint image enhancement [J].IEEE Transactions on Image Processing，2012，21（4）：2220-2227.

[2] 梅园，赵波，朱之丹.基于直线曲线混合Gabor滤波器的指纹增强算法 [J].计算机科学，2016，43（S1）：149-151+155.

[3] BAHAGHIGHAT MK，MOHAMMADI J，AKBARI R. Fingerprint image enhancement using GWT and DMF [C]// Signal Processing Systems（ICSPS），2010 2nd International Conference on.S.l.：s.n.，2010：1-253.

[4] 杜媛.基于二维Gabor滤波与机器视觉的字符图像识别算法 [J].计算机与数字工程，2017，45（12）：2519-2523.

[5] Rajkumar R，Hemachandran K. A Review on Image enhancement of fingerprint using Directional filters [J].Assam University Journal of Science&Technology，2011，7（2）：52-57.

[6] 吴帅.基于Gabor滤波器的伸长局部二值模式算法在视频人脸识别系统中的应用研究 [D].昆明：昆明理工大学，2016.