隨著圖像處理和模式識別技術的不斷完善，指紋識別系統(tǒng)大量應用于人們的生產和生活中。目前，單指指紋識別技術已經相對較成熟，但是，指紋識別對比過程中的匹配指數原理，在單個指紋識別過程中會不可避免地出現一些誤錄率和錯拒率，對生活和生產造成影響，甚至損失。在無需增加采集設備成本和識別算法復雜度的前提下，多指融合識別技術可提高單指指紋識別算法的性能[1]。此外在現場采集到的指紋也常以多指指紋的形式出現，因此，在單指指紋識別的基礎上進行多指指紋識別,以提高身份驗證的準確率，成為指紋識別的新興研究方向。多指指紋識別首先將單個指紋從包含多指紋的聯(lián)指圖上分割出來，然后將每個指紋逐一識別，因此聯(lián)指圖分割的結果直接影響多指指紋識別的效果，是多指指紋識別的關鍵。

    國外相關文獻及專利報道了“指紋分割”論文 [2]，該論文提出的算法對于噪聲小的圖像處理效果較好，但缺乏降噪等預處理過程，且無法分割存在指紋連接情況下的特殊聯(lián)指圖。“指紋分割的系統(tǒng)和方法” LO P Z等人的發(fā)明專利[3]中所提出的算法速度較快，實時性好。但在指紋邊緣處處理效果不佳，且無法去除掌紋區(qū)域。國內處理聯(lián)指圖的方法有基于頻域分析的聯(lián)指圖前后背景分離算法[4],該算法是建立在頻域的基礎上，降噪效果較好，但計算量較大。
    本文提出了一種基于圖像插值和橢圓擬合的聯(lián)指圖分割系統(tǒng),該系統(tǒng)包括圖像濾波、指紋中心及指紋偏轉角度確定、非連指聯(lián)指圖旋轉、連指旋轉及插值分隔、邏輯指紋判斷及指紋提取6個部分。實驗證明該算法不但可以成功地分割低對比度聯(lián)指圖、噪聲聯(lián)指圖、“光環(huán)”聯(lián)指圖、聯(lián)指圖旋轉、部分殘缺聯(lián)指圖，且可成功解決存在指紋連接情況下的特殊聯(lián)指圖分割。
1 算法的實現
1.1 圖像濾波
    由于聯(lián)指圖圖像灰度不均勻且存在噪聲，本算法設計了自適應濾波[5]對圖像進行初步濾波。
    (1)計算圖像的閾值，并檢測閾值是否符合要求，以決定是否有必要進行濾波操作。添加一個的下限L和一個U的上限u。當圖像閾值大于U時，則認為圖像質量比較高，能進行有效的后續(xù)處理。
    (2) 非線性濾波加強。將噪聲進行嚴格過濾，而相對放寬圖像失真的問題，采用了閾值乘以1.5的方式來加大閾值，并在后續(xù)步驟中，用原圖進行了一定的補救措施。處理方式為：
    
其中,CGV表示當前處理點的灰度值；Threshold表示加強閾值。    
    (3) 高斯濾波。由于圖像中可能存在椒鹽噪聲，此時上述非線性濾波加強無法進行有效地濾波，所以添加一個圖像平滑的高斯濾波，既不會對圖像造成太大的失真，又可有效地去除椒鹽噪聲。
   (4)源圖補償。經過上述步驟之后，圖像有了一定的失真，于是采用將源圖像疊加到處理圖像上的辦法進行修正補救。
    濾波后的圖形+=源圖×0.7              (2)
接著進行閾值的再計算，并判斷閾值是否符合要求，若不符合，則重復上述步驟，進行圖像的再次濾波加強操作。若符合，則進入下一步操作。
1.2 指紋中心及指紋偏轉角度確定
    為確定各區(qū)域中心和各區(qū)域偏轉角度，并以此判斷是否有連指情況,設計了MS(Mean Shift)自適應算法初始半徑的自動確定程序。
     (1) 對圖像進行垂直投影，計算得到的垂直投影圖是圖像垂直線上的點數統(tǒng)計圖。采用雙向逼近法，計算出初始半徑。
    (2) 利用計算出的初始半徑，采用MS算法，找出各指紋區(qū)域的中心點。
    (3) 當結束MS算法，有時會遇到連指情況，如圖1所示。
 

     (1) 從以上的步驟可以找到MS結果中滿足連接準則的標記點，取兩點的平均值X坐標，作為初始模糊收索點，然后利用垂直半投影算法，計算出準確的指紋連接點。假設從上述步驟中得到了如下的MS結果點：
    MSR0,MSR1,MSR2,MSR3,…,MSRn;
    根據MSR點坐標的Y坐標進行從小到大的排序，得到新的MSR0,MSR1,MSR2,MSR3,…,MSRn。經過排序后的MSR數組中第一個坐標點必然是指紋的中心點，可根據聯(lián)指圖的邏輯關系找出所有指紋，當找到了Y坐標最小的指紋中心點時便停止搜索，以最后找到的MSR的Y坐標加上指紋半徑為垂直投影下限，進行圖像的切割，將圖像分為上下兩部分，并對位于上方的圖像進行垂直投影,可有效地去除圖像中可能存在的掌紋干擾。
    根據得到的垂直半投影圖像統(tǒng)計圖以及圖像指紋連接的初始模糊搜索點，指紋的真實連接點必然存在于此點的附近。接著采用計算領域均值的方法確定連接處。
    (2) 在指紋連接處，插入灰度為“0”的黑色像素帶，這樣兩個相連的指紋就被人為地分隔了,這時再進行MS自適應算法使兩個指紋相互吸引且不受旁邊指紋的影響。于是直接調用MS功能模塊，對圖像進行指紋半徑和所有指紋及類指紋中心的確定操作。由于進行圖像旋轉插值操作后，指紋圖像已經被旋正了，故可直接調用邏輯指紋的判斷。
1.5 邏輯指紋判斷
    在經過旋轉之后，對應的類指紋中心為圖像中標“十”字的點。由于一個手指指紋的中心明顯高于其他指節(jié)的中心，所以如果對一個手指的圖像進行操作，即做一個三角形包含這個手指的每一個中心點，就可以只取出最高的個中心點，而去除圖形中的其他中心點，如此循環(huán)操作，將可以去除包含掌紋點在內的所有干擾點。
    食指和小拇指的中心點高度相差比較很明顯，故通過比較食指和小拇指的中心點來判斷左右手。

其中，i∈{0,1,2,3,…，n},Threshold1為設定的閾值，然后進行候選角度個數n的更新。
　　(3) 循環(huán)過程(2)直到角度純化完畢。
　    (4) 計算出被純化比率的均值，記為avrate。
　    (5) 對于剔除的點，更新短半軸 W=avrate×L。
　    對每個橢圓的W和L在一定范圍內搜索,當某個像素的周圍一定范圍內平均灰度值大于閾值時,則停止移動，記錄此點為a1、a2、b1、b2。計算矩形的4個頂點c1、c2、c3、c4作出矩形，即為指紋區(qū)域。
2 實驗結果與分析
2.1 實驗環(huán)境
    本文提出的算法實現環(huán)境為Windows 操作系統(tǒng)，Visual C++ 6.0環(huán)境。
2.2 與現有算法比較
    根據上面提出的方法, 對從不同途徑獲取的具有不同圖像質量的聯(lián)指圖可能出現的主要指紋圖像進行了大量計算機仿真實驗, 并就“連指”聯(lián)指圖與參考文獻的指紋分割算法做了比較，如圖3所示。從圖中可以看出，本文提供的算法可以成功地分割低對比度聯(lián)指圖、噪聲聯(lián)指圖、“光環(huán)”聯(lián)指圖及部分殘缺聯(lián)指圖分割，并且能分割現有算法不能處理的存在指紋連接情況下的聯(lián)指圖。

2.3 時間復雜度
　 本文的算法處理速度為5 s/幅，比較已有算法，本文算法在速度上具有實用價值。
    本文提出一種基于圖像插值和橢圓擬合的聯(lián)指圖分割算法。該算法充分利用了指紋圖像中指紋區(qū)域和非指紋區(qū)域的灰度差異的特點，對圖像進行濾波、插值分隔及橢圓擬合等操作，實現了多指指紋的自動分割。經過實驗表明，該算法建立在圖像時域基礎上，計算量小，成功地完成低對比度聯(lián)指圖、噪聲聯(lián)指圖、“光環(huán)”聯(lián)指圖、聯(lián)指圖旋轉及部分殘缺聯(lián)指圖分割，并且能成功地分割存在指紋連接情況下的聯(lián)指圖。

參考文獻
[1] 宋占偉，王雪思. 多指指紋自動分割算法[J]. 吉林大學學報(信息科學),2009,27(5):500-505.
[2] HODL R, RAM S, BISCHOF H, et al. Slap fingerprint segmentation[C].In Computer Vision Winter Workshop,2009.
[3] Method and system for slapprint segmentation[P]. US. Int.CI.G06K 9/00. 2008/0298648. 2008-11-04.
[4] 李焱淼，張永良，黃亞平，等.基于頻域分析的聯(lián)指圖前后背景分離算法[J].上海交通大學學報，2010，44(8):1089-1093.
[5] GONZALEZ R C, WOODS R E, EDDINS S L. 數字圖像處理(第2版)[M].阮秋琦,等譯.北京：電子工業(yè)出版社，2005.