一种基于粒子群优化的Snake模型的指纹分割方法
2013-08-15汪庆
汪庆
(合肥工业大学 计算机与信息学院,安徽 合肥 230009)
1 引言
指纹作为一个重要的人体生物特征已被广泛用于社会个人信息安全保护等领域,对指纹图像准确的分割,获取真实有效的指纹区域,能够减少特征提取的处理时间、提高指纹识别的正确率,对于提高整个指纹系统的效率具有重要意义。
目前,许多学者对指纹图像分割方法进行了研究,通常采用指纹图像块特征进行分割,已经取得了不少成果,但各种算法往往也存在各自的不足之处。Snake模型①Kass M,Witkin A,Terzopoulous D.Snakes:Active Contour Models,International Journal of Computer Vision,1988,1(4):321-331.是由Kass等于1987年提出的一种基于能量最小化的轮廓检测算法,该模型是以一组相对靠近图像目标的点作为初始轮廓,通过能量函数极小化,使得轮廓产生弹性形变,将轮廓形状锁定在目标特征附近,达到分割的目的。
本文在对指纹图像分割处理过程中,针对传统Snake模型存在的一些不足,提出了一种改进的Snake模型指纹分割方法。该方法解决了Snake模型初始轮廓点的自动确定问题,并通过粒子群优化算法(PSO)改进了指纹凹陷区域无法捕获问题。
2 传统Snake模型
传统Snake模型首先根据经验将初始轮廓手工分布于靠近目标图像边缘,然后根据图像的连续性、平滑性和外力的共同作用定义一个能量函数,该能量使得边缘向能量函数减少的区域移动,当能量函数趋于稳定时,形成最终的轮廓曲线。该模型的能量函数为:

其中,S 表示弧长,Eint(v)为内部能量,防止曲线拉伸或者弯曲,α(s),β(s)分别为一阶导数和二阶导数的加权系数,其中一阶导数项是曲线的斜率,用于控制曲线的连续性,二阶导数项是曲线的曲率,用于控制曲线轮廓的弹性程度。……
