專利名稱：基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法
技術領域：
本發明涉及本發明涉及自動指紋識別領域，具體地說是結合k均值聚類算法與線性鄰域傳播算法進行指紋圖像分割方法。
背景技術：
作為自動指紋識別系統中的第一個預處理步驟，指紋圖像分割具有非常重要的作用。一幅指紋圖像通常由兩部分構成前景區域和背景區域。前景區域是指具有指紋紋理特征的區域；而位于圖像邊緣的噪聲區域通常被稱為背景區域。指紋圖像分割的目的是將指紋的前景區域從背景區域中分離出來。有效的指紋分割方法能完整地保留指紋的前景區域，去掉噪聲區域，不僅可以減少后續步驟的處理時間，而且能提高指紋細節特征獲取的準確性。目前，市場上的指紋采集設備種類繁多，由于采集技術等方面的差異，不同采集設備獲得的指紋圖像具有不同的灰度等級、圖像質量、分辨率等。然而目前大多數自動指紋識別系統中的指紋圖像分割算法都是針對某一特定指紋采集設備設計的，當該系統處理不同采集設備獲得的指紋圖像時，導致適用于某一特定指紋采集設備的指紋圖像分割算法在對來自其他型號的指紋采集設備的指紋圖像進行分割時，分割效果會變得很差。一個好的指紋圖像分割方法，應該能夠在不做修改、不做參數配置的前提下自適應不同采集設備獲得的指紋圖像、可靠地實現分割，即具備較好的采集設備無關性。
發明內容
本發明的目的是為了克服現有指紋圖像分割方法中存在的設備自適應性差的問題，提供一種基于k均值聚類與線性鄰域傳播相結合的指紋圖像分割方法，該方法只依靠輸入的指紋圖像本身，實現了采集設備的無關性。因此，該方法可以處理利用不同采集設備獲得的指紋圖像，得到很好的分割效果，非常適合應用于多類型指紋采集設備的互聯網環境。為解決上述技術問題，本發明的技術方案是基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法，其特征在于其包括以下步驟1)采集指紋圖像；2)對采集到的指紋圖像進行分塊，將其劃分成WXW大小的不重疊圖像塊；3)對每個圖像塊提取塊均值、塊方差梯度和塊加博特征的標準差，并對所有塊的上述三個特征值進行歸一化處理；4)對每幅指紋圖像用k均值聚類算法自動標記部分前景塊和背景塊；5)對每個圖像塊，使用塊的行坐標、列坐標、塊均值、塊方差梯度和塊加博特征的標準差組成一個五維的特征向量，然后利用所述步驟4)中標記的前景塊和背景塊，采用線性鄰域傳播學習算法，對剩余的無標記圖像塊進行類別標記為前景塊或者背景塊；6)進行形態學處理，獲得分割結果。
在現有指紋圖像分割方法中，特征選擇時大都利用灰度信息與紋理信息，計算特征值時基于塊或基于像素。因為基于塊特征的方法具有較低的時間復雜度，本專利采用基于塊特征的指紋分割方法。本專利提取如下三個特征描述每個指紋圖像塊(a)塊均值； (b)塊方差梯度；(c)塊加博特征的標準差，并將整幅指紋圖像分成大小為WXW的不重疊的圖像塊，所以所述步驟3)中對每個圖像塊提取塊均值、塊方差梯度和塊加博特征的標準差為a.塊均值用M表示一個圖像塊的均值，對每一個圖像塊而言，塊均值如式(1)所示
權利要求
1.基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法，其特征在于其包括以下步驟1)采集指紋圖像；2)對采集到的指紋圖像進行分塊，將其劃分成WXW大小的不重疊圖像塊；3)對每個圖像塊提取塊均值、塊方差梯度和塊加博特征的標準差，并對所有塊的上述三個特征值進行歸一化處理；4)對每幅指紋圖像用k均值聚類算法自動標記部分前景塊和背景塊；5)對每個圖像塊，使用塊的行坐標、列坐標、塊均值、塊方差梯度和塊加博特征的標準差組成一個五維的特征向量，然后利用所述步驟4)中標記的前景塊和背景塊，采用線性鄰域傳播算法學習，對剩余的無標記圖像塊進行類別標記為前景塊或者背景塊；6)進行形態學處理，獲得分割結果。
2.如權利要求1所述的基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法，其特征在于是，所述步驟3)中對每個圖像塊提取塊均值、塊方差梯度和塊加博特征的標準差為a.塊均值用M表示一個圖像塊的均值，對每一個圖像塊而言，塊均值如式(1)所示
3.如權利要求1所述的基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法，其特征在于是，所述步驟4)中對每幅指紋圖像用k均值聚類算法自動標記部分前景塊和背景塊為對每個圖像塊，使用塊均值和塊方差梯度特征組成一個二維向量，k = 2，初始前景塊類中心為(0，1)，背景塊類中心為(1，0)，用k均值聚類算法將一幅指紋圖像的前景塊和背景塊自動聚成兩類，記錄每個圖像塊距離各自類中心的距離，并按照升序排序，將與前景塊類中心距離最近的m個圖像塊自動標記為前景塊，與背景塊類中心距離最近的η個圖像塊標記為背景塊，取m = 200，η = 50。
4.如權利要求3所述的基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法，其特征在于是，所述步驟5)每個圖像塊在每次迭代中從它鄰域獲得標記信息的比例為α 本專利α = 0.99，鄰域塊數為7。
5.如權利要求1所述的基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法，其特征在于是，所述步驟6)進行形態學處理為，首先利用開運算消除被誤分成前景區的小區域，然后利用閉運算消除被誤分為背景區的小區域，獲得分割結果。
全文摘要
本發明公開了一種基于k均值聚類與線性鄰域傳播結合的指紋圖像分割方法，包括步驟1)利用指紋采集設備，采集指紋圖像；2)對采集到的指紋圖像進行分塊，將其劃分成W×W大小的不重疊圖像塊；3)對每個圖像塊提取塊均值、塊方差梯度和塊加博特征的標準差，并對所有塊的上述三個特征值進行歸一化處理；4)對每幅指紋圖像用k均值聚類算法自動標記部分前景塊和背景塊；5)采用線性鄰域傳播算法學習；6)進行形態學處理，獲得分割結果。該方法可以處理利用不同采集設備獲得的指紋圖像，得到很好的分割效果，非常適合應用于多類型指紋采集設備的互聯網環境。
文檔編號G06K9/34GK102254173SQ20111018710
公開日2011年11月23日 申請日期2011年7月5日 優先權日2011年7月5日
發明者史智臣, 張宏偉 申請人:山東志華信息科技股份有限公司