指纹识别-(7)指纹图像预处理算法之图像增强

5、指纹图像的增强

在指纹图像中，具有清晰的频率和方向的平行脊和谷的配置可提供有用的信息，以帮助消除不必要的噪声。由脊和谷组成的正弦波在局部恒定的方向上缓慢变化。因此，调谐到相应频率和方向的带通滤波器可以有效消除不想要的噪声，并保留真正的脊谷结构。Gabor滤波器具有频率选择性和 方向选择性，并且在空间和频率域均具有最佳的联合分辨率。
Hong等人将Gabor滤波器用于指纹图像增强，之后被广泛沿用。Gabor滤波器作为用于指纹图像增强的带通滤波器，目前被广泛认可并且被认为是最有效的。
Gabor二维滤波器的一般形式为：
$$h\left(x,y:\varphi ,f\right)=exp\left\{-\frac{1}{2}\left[\frac{x_{\varphi }^2}{{\delta }_x^2}+\frac{y_{\varphi }^2}{{\delta }_y^2}\right]\right\}cos\left(2\pi f{x}_{\varphi }\right)$$
$$\left[\begin{array}{c}{x}_{\varphi }\\ y_{\varphi }\end{array}\right]=\left[\begin{array}{cc}cos\varphi & sin\varphi \\ -sin\varphi & cos\varphi \end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]$$
其中$\varphi$为Gabor滤波器的方向，f是正弦平面波的频率，${\delta }_x$和${\delta }_y$分别是高斯包络沿x轴和y轴的空间常数。若要将Gabor滤波器应用到指纹图像，必须先要明确正弦波频率f、滤波器方向$\varphi$、高斯包络的标准差${\delta }_x$和${\delta }_y$。
滤波器f的频率特性完全由局部脊线频率决定，而方向则由局部脊线方向决定。选择${\delta }_x$和${\delta }_y$的值时需要权衡，${\delta }_x$和${\delta }_y$数值越大，滤波器对噪声的鲁棒性越强，但是滤波器产生虚假脊线和谷线的可能性越大。另一方面，${\delta }_x$和${\delta }_y$的值越小，滤波器产生虚假脊线和谷线的可能性就越小但它们在消除噪音方面的效果会较差。${\delta }_x$和${\delta }_y$分别根据经验数据设置为5.0和5.0。
使用Gabor滤波器进行增强时一般使用分块卷积的方法，之前说明了指纹图像的方向场和频率场都是在对指纹图像进行$w\times w$的分块后进行求取的，因此Gabor滤波也将对指纹分块卷积。指纹块的方向即是Gabor滤波器的方向，指纹块的频率就是Gabor滤波器的频率。


完整的指纹图像经过Gabor增强后，脊线变得连续，端点和分叉点明显。而局部缺损指纹的增强图像有一部分区域的脊线杂乱，Gabor滤波也未能对此部分进行修复。在对缺损指纹增强图像进行细化后，可以看出缺损区域内有很多的毛刺和脊线桥，这导致出现了非常多的伪特征点。需要说明的是图中第二列为指纹分割图像，一般情况下是用于分离出指纹的前景区域，即手指按压产生纹理的区域，包括指纹前景中不可恢复区域。分割的主要目的是去除图像背景区域的噪声干扰。
代码参考：https://download.csdn.net/download/xuhe93/85802879?spm=1001.2014.3001.5503