近年来,自动指纹识别技术已成为学术界的一个研究热点,已有不少国内外学者对指纹识别技术作了大量研究,但到目前为止,指纹识别仍存在一些技术难点。其中的指纹图像分割技术主要是去除非脊线区域和不可恢复的脊线区域,将其做为背景,而对于残留脊线区域(前一次指纹采样留下的残痕)往往会产生大量的伪细节点,严重影响指纹图像特征点提取的准确率,必须将其去除。有效的指纹分割算法对于缩短图像预处理时间、提高自动指纹识别系统的性能都具有非常重要的意义。本文针对指纹图像分割技术进行了深入细致的分析和研究,主要研究内容包括两大部分:第一部分:实际上大多数的指纹图像前景区和背景区有明显的边界轮廓,可以考虑结合指纹前景区的形状和图像的梯度信息来得到光滑的边界曲线,将指纹图像从背景区域中分割出来,本文尝试着提出了一种基于改进的Snake模型的指纹分割算法。对于经典的Snake模型分别从能量函数和数值解法两方面进行了改进,设初始轮廓线为椭圆曲线,并按弧度离散为控制点,利用图像信息、外部约束及曲线的连续性和平滑性的限制定义一个能量函数,并作用于各个控制点,使控制点向能量函数减小的区域移动,当能量函数不再减小时,即得到要求提取的边界轮廓:然后采用标志填充算法将轮廓线内的像素置为原来的灰度,轮廓线外的像素灰度值置为255。第二部分:通过对残留指纹图像的分析发现,其中的残留脊线区域往往具有清晰的脊线结构,单单采用基于指纹图像固有的特征参数,比如灰阶统计特征、纹线方向及投影信号等传统的指纹分割方法,很难将其去除。本文采用两级分割算法,首先在一级分割中利用传统的指纹分割算法去除非脊线区域和不可恢复的脊线区域:然后在二级分割中根据残留脊线区域和真正脊线区域的位置关系,将残留脊线区域分为分离的残留脊线区域、粘连的残留脊线区域和重叠的残留脊线区域,采用不同的分割方法将其去除。真正的脊线区域即为前景区域,后续的指纹图像处理只针对前景区域进行。分离的残留脊线区域面积一般比真正的脊线区域小得多,只要求出各连通脊线区域的面积,面积最大的即为真正的指纹区域,可以采用线段编码标记法,扫描整幅图像直接得到各连通区域的线段表,求得各连通区域的面积,将分离的残留脊线区域去除。正常情况下,采集到的指纹图像的边界呈凸性,当存在残留脊线区域与指纹区域粘连时,图像边界的形状相对异常,理想的分割点应出现在凹角点处,在一级分割的基础上,通过边界跟踪得到图像的轮廓曲线,计算各边界点的斜率和曲率,找出最优的分割点去除粘连的残留脊线区域。当残留脊线区域恰好与正常采集到的区域重叠时,以特定点(通常为奇异点)为中心,正常的指纹区域其纹线方向变化较小,而残留脊线区域与相邻的正常指纹区域的纹线方向差别较大,通过判别各区域与前后区域的纹线方向变化来去除重叠的残留脊线区域。