基于脊線方向的卡爾曼濾波在指紋圖像去噪中的應(yīng)用

1、信號檢測與估計(jì)論文題目：基于脊線方向的卡爾曼濾波在指紋圖像去噪中的應(yīng)用姓名：王向榮 學(xué)號：10120016班級：電路班基于脊線方向的卡爾曼濾波在指紋圖像去噪中的應(yīng)用摘要本文先分析了指紋圖像的紋理特征，求取了指紋脊線方向，給其加上隨機(jī)噪聲，并用卡爾曼濾波的方法實(shí)現(xiàn)濾波，該方法可以有效地平滑指紋圖像中的噪聲，降低強(qiáng)噪聲對后續(xù)處理的影響，從而有效地提高了指紋細(xì)節(jié)特征提取算法的準(zhǔn)確性。關(guān)鍵詞 卡爾曼濾波 指紋圖像 圖像去噪AbstractThis article analyzes the directions of fingerprints, then get a line of the finger

2、prints , add random noise to the image, use karlman filter to smooth the fingerprint which effectively wipe off the noise. It reduce the influence of subsequent treatment process, thus effectively increasing the fingerprints featureWhich can be accurately captured.Keywords karlman filter fingerprint

3、s image denoising引言在指紋采集的過程中，由于手指本身的因素和采集條件等各種原因的影響，采集到的原始指紋圖像中往往包含有很多噪聲，造成指紋圖像質(zhì)量嚴(yán)重下降，模糊不清造成脊線的粘連或斷開，會導(dǎo)致產(chǎn)生虛假的指紋細(xì)節(jié)特征；遺漏或忽略了正確的細(xì)節(jié)特征點(diǎn)；雖然指紋的細(xì)節(jié)特征可以有很多種，但目前最常用的細(xì)節(jié)特征只有兩種1：紋線端點(diǎn)(ridge ending)和分差點(diǎn)(ridge bifurcation)指紋細(xì)節(jié)特征提取的準(zhǔn)確性嚴(yán)重依賴指紋圖像的采集質(zhì)量和預(yù)處理算法的效果。細(xì)節(jié)特征點(diǎn)提取的有效性和可信性，影響系統(tǒng)在匹配時的拒認(rèn)率或誤認(rèn)率，從而最終影響整個系統(tǒng)識別的結(jié)果。為了準(zhǔn)確地進(jìn)行細(xì)節(jié)點(diǎn)的

4、提取和特征點(diǎn)的匹配，圖像就必須先經(jīng)過預(yù)處理，消除噪聲、連接脊線斷裂部分，以得到紋線清晰的指紋圖像。 因此，指紋圖像去噪在自動指紋識別系統(tǒng)中具有重要的地位和作用。使用小波閾值去噪，可以濾除指紋圖像中不必要的高頻成分，使其紋線結(jié)構(gòu)清晰化，突出和保留固有的特征信息，但對于指紋細(xì)節(jié)處理效果不夠明顯。1 指紋圖像的紋理分析從灰度級差角度分析，紋理圖像具有一定的規(guī)則性，由此表現(xiàn)出很強(qiáng)的方向選擇性有效指紋圖像區(qū)域是一種較為規(guī)則的紋理圖像，由此表現(xiàn)出紋理圖像的基本特征從下圖1中可以非常清晰的發(fā)現(xiàn)，有效指紋區(qū)域的圖像紋理特征非常突出，表現(xiàn)出良好的正弦曲線特性為此，分別定義指紋圖像紋理的切線方向和法線方向，指紋圖

5、像的切線方向即指紋脊線方向2。圖1 指紋圖像對指紋圖像深入分析后發(fā)現(xiàn)，在紋理規(guī)則的有效指紋圖像區(qū)域，沿切線方向上的相鄰像素灰度值幾乎不變在梯度上表現(xiàn)為：沿切線方向上的梯度值最小，如果是嚴(yán)格的正弦曲面，其理論值為0但是，由于指紋采集過程中的噪聲或其他原因，實(shí)際獲得的指紋圖像中會存在大量噪聲，從而在其切面上會形成相應(yīng)的高峰或低谷，破壞了原始指紋圖像的基本結(jié)構(gòu)，直接導(dǎo)致了指紋圖像質(zhì)量的下降為此，首先沿指紋紋線的切線方向截取一個平面，理論而言，切線方向上的平面是一條相對平緩的類直線實(shí)際上，由于噪聲在原始信號中的疊加，直接導(dǎo)致了平面圖的不規(guī)則振蕩，如圖2所示：圖2：疊加噪聲的指紋脊線圖2卡爾曼濾波基本原

6、理卡爾曼濾波是指當(dāng)輸入由白噪聲產(chǎn)生的隨機(jī)信號時，使期望輸出和實(shí)際輸出之間的均方根誤差達(dá)到最小的線性系統(tǒng)，一種以狀態(tài)變量的線性最小方差遞推估算的方法?？柭鼮V波器是一個“optimal recursive data processing algorithm（最優(yōu)化自回歸數(shù)據(jù)處理算法）”，它的基本思想是：以最小均方誤差為最佳估計(jì)準(zhǔn)則，采用信號與噪聲的狀態(tài)空間模型，利用前一時刻的估計(jì)值和當(dāng)前時刻的觀測值來更新對狀態(tài)變量的估計(jì)，求出當(dāng)前時刻的估計(jì)值，算法根據(jù)建立的系統(tǒng)方程和觀測方程對需要處理的信號做出滿足最小均方誤差的估計(jì)3，對于解決很大部分的問題，他是最優(yōu)，效率最高甚至是最有用的。近年來廣泛應(yīng)用于計(jì)

7、算機(jī)圖像處理，例如頭臉識別，圖像分割，圖像邊緣檢測等等?？柭鼮V波器給出了一個應(yīng)用狀態(tài)變量概念的公式。而且，不同于其他的遞歸濾波器結(jié)構(gòu)，它只需要記住一步的估計(jì)結(jié)果?？紤]過程噪聲和測量噪聲兩個隨機(jī)變量的狀態(tài)模型稱為隨機(jī)狀態(tài)模型。用下面兩個方程描述離散狀態(tài)模型4：1）離散狀態(tài)方程： 2）離散觀測方程： x(k)= Hk s(k)+n(k)其中：sk 是系統(tǒng)在 k 時刻信號的M x 1 維狀態(tài)矢量； k,k1是系統(tǒng)從k-1時刻的到 k 時刻的M x M 一步狀態(tài)轉(zhuǎn)移矩陣； k-1是k-1時刻反映擾動噪聲矢量對系統(tǒng)狀態(tài)影響程度的M xL控制矩陣; wk-1 是k-1時刻系統(tǒng)受到的L x 1維擾動噪聲矢

8、量；xk 是k 時刻的 N x 1 維觀測信號矢量; Hk 是k 時刻的N x M 維觀測矩陣; nk 是k 時刻的 Nx1 維觀測噪聲。 3仿真結(jié)果及性能分析為了驗(yàn)證卡爾曼濾波在指紋圖像中的應(yīng)用，對上文中提到的圖2的圖像用MATLAB進(jìn)行了仿真56，仿真結(jié)果如下：圖3 仿真結(jié)果由圖中的實(shí)際結(jié)果可以看出，采用本文算法后細(xì)節(jié)點(diǎn)處的高頻噪聲分量被有效的平滑，可以明顯減少偽細(xì)節(jié)特征點(diǎn)，降低噪聲信息對指紋細(xì)節(jié)特征提取結(jié)果的影響下圖示小波閾值去噪前后的仿真78結(jié)果，將其與卡爾曼濾波進(jìn)行比較。從下圖中文名看出，小波閾值去噪只是對圖像中的高頻噪聲成分進(jìn)行了濾除，效果并不明顯，尤其對指紋細(xì)節(jié)的鑒定和缺失的脊線

9、預(yù)測幫助不大。圖4 小波閾值去噪仿真結(jié)果4結(jié)論本文分析了指紋圖像的紋理特征，針對有效指紋圖像區(qū)域沿脊線方向上選取一定的像素點(diǎn)組成卡爾曼濾波平滑處理的鄰域，然后再基于該鄰域進(jìn)行卡爾曼濾波處理，并與小波閾值濾波進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，該方法具有良好的抑制噪聲的能力，細(xì)化到指紋的細(xì)節(jié)的噪聲去除，可以幫助指紋細(xì)節(jié)鑒定，有效地提高了指紋細(xì)節(jié)特征提取結(jié)果的準(zhǔn)確性，在此基礎(chǔ)上再進(jìn)行其它的指紋圖像處理以達(dá)到準(zhǔn)確的指紋鑒別由于時間緊迫，本論文仍有許多地方需要進(jìn)一步研究，比如如何在脊線方向?yàn)V波的基礎(chǔ)上實(shí)現(xiàn)整幅圖像的卡爾曼濾波。5參考文獻(xiàn)1 漆遠(yuǎn)，田捷，鄧翔基于遺傳算法的指紋圖匹配算法及應(yīng)用軟件學(xué)報，2000，11(4)：4884932 商慶瑞, 吳晴, 郭晶瑩.基于MATLAB實(shí)現(xiàn)的指紋圖像預(yù)處理算法.2007年3月，215-217.3 彭丁聰 卡爾曼濾波的基本原理及應(yīng)用.軟件導(dǎo)刊，2009年11月，第8卷第11期，33.4 景占榮 羊彥 著，信號檢測與估計(jì)，化學(xué)工業(yè)出版社 2004-09.5