指纹纹理图像的去噪增强方法及其系统技术方案

本发明专利技术涉及一种指纹纹理图像的去噪增强方法，该方法提供一非局部扩散张量的扩散-波动偏微分方程模型，并包括以下步骤：图像预处理；计算非局部结构张量；通过所述非局部结构张量计算非局部扩散张量；迭代更新得到结果图像。本发明专利技术方法在去除噪声的同时能够增强纹理特征，并且对断裂的纹理有一定的修复作用，使得后续能够跟准确地进行指纹识别。

【技术实现步骤摘要】

本专利技术属于领域图像预处理
，尤其设及一种指纹纹理图像的去噪增强方 法及其系统。
技术介绍
指纹识别技术由于其具有高稳定性、唯一性、高可靠性、易采集性W及难伪造破译 等诸多优点已经成为最为成熟与方便的生物识别技术之一，并且在安防、公安、IT、金融、医 疗等行业中得到了广泛的应用。 在实际的指纹采集过程中，由于采集设备的性能、采集环境W及被采集者手指的 状态等影响，指纹图像通常会存在各种各样的噪声，该将对后续的特征提取与识别造成较 大误差。因此，指纹图像的预处理在整个指纹识别系统中是一个重要的环节。 预处理过程具体包括指纹纹理图像的去噪与纹理的增强W及适当修复断裂的纹 理。图像的去噪与增强是一对矛盾的处理过程，图像去噪旨在去除图像中的噪声点而使图 像变得平滑，但图像中的结构和纹理特征也会同时受到影响而模糊；图像增强在提高结构 纹理对比度的同时，又可能会使噪声也被增强。因此，如何权衡两者是指纹图像预处理的关 键。 目前指纹图像去噪与增强的方法主要分为两大类：频域滤波方法和空间域滤波方 法。频域滤波方法，如傅里叶变换、小波变换等，均通过滤除图像高频部分实现噪声的去除， 但图像中同样具有高频特性的边缘和纹理结构信息也必然有所损失；空间域中采样局部模 板滤波或者采用非线性扩散模型滤波方法，可根据图像局部特征自适应实现增强，但易受 噪声干扰。
技术实现思路
基于此，针对上述技术问题，提供一种纹理图像的去噪增强方法及其系统。 为解决上述技术问题，本专利技术采用如下技术方案：[000引一种指纹纹理图像的去噪增强方法，该方法提供一非局部扩散张量的扩散-波动 偏微分方程模型：【主权项】1. 一种指纹纹理图像的去噪增强方法，其特征在于，该方法提供一非局部扩散张量的 扩散-波动偏微分方程模型：，该模型表示为u(x，t)，.veQczR2,t e τ，Ω为二维图像域，T为正时间常数；λ>〇为 权值参数；▽和div分别表示梯度与散度算子，NL表示相应的非局部算子；Jp (·)表示结 构张量；Da为非局部扩散张量；u。表示经过标准差为〇的高斯核平滑后的图像；u Jx)为 初始带噪声的图像； 且包括以下步骤： 图像预处理：对初始图像进行高斯平滑处理，得到平滑后的图像u。= G。*u，G。为标准 差为σ的高斯核函数，*为卷积操作； 计算非局部结构张量(▽、/.?,τ):，?为张量积，T为向量的转置，Gp是标准差为P的高斯核函数，为非局部梯 度算子； 通过所述非局部结构张量计算非局部扩散张量Dm; 迭代更新得到结果图像：离散化所述非局部扩散张量的扩散-波动偏微分方程模型， 并通过下式迭代求解离散化后的模型：，U表示二维图像所有列（从左到右）拼接合成的一个列向量，上标k = 1，2,...表示 迭代次数，τ为时间步长，L为对算子的差分近似，初始值设置W=U1,其为 初始图像的列向量；迭代结束后，将迭代结果U还原成二维图像，即为得到结果图像。2. 根据权利要求1所述的一种指纹纹理图像的去噪增强方法，其特征在于，所述通过 所述非局部结构张量计算非局部扩散张量DnJ?骤包括： 将所述非局部结构张量进行特征分解，即Jp = Σ = diag( n i), i = 1，. . .，m为 包含Jp特征值的对角矩阵，并将特征值排序为H1多η 2多..·多n W V = (V1, V2, . . .，Vni) 包含了对应特征向量的正交矩阵； 通过下式计算非局部扩散张量Da: Dnl=VAVt ，Λ = diag( μ 山 i = 1，· · · m 为对角阵。3. 根据权利要求1或2所述的一种指纹纹理图像的去噪增强方法，其特征在于，所述 λ = 4，σ = 〇. 5，P = 5，τ = 〇. 5〇4. 一种指纹纹理图像的去噪增强系统，其特征在于，该系统提供一非局部扩散张量的 扩散-波动偏微分方程模型：，该模型表示为U (X，t)，Xe QcR2, t e Τ，Ω为二维图像域，T为正时间常数；λ >〇为 权值参数；▽和div分别表示梯度与散度算子，NL表示相应的非局部算子；Jp (·)表示结 构张量；Da为非局部扩散张量；u。表示经过标准差为〇的高斯核平滑后的图像；u Jx)为 初始带噪声的图像； 且包括： 图像预处理单元，用于对初始图像进行高斯平滑处理，得到平滑后的图像u。= G。初， G。为标准差为〇的高斯核函数，*为卷积操作； 非局部结构张量计算单元，用于计算非局部结构张量乃(VmI):,?为张量积，T为向量的转置，GP是标准差为P的高斯核函数，为非局部梯度 算子； 非局部扩散张量计算单元，用于通过所述非局部结构张量计算非局部扩散张量Dm; 迭代更新得到结果图像单元，用于离散化所述非局部扩散张量的扩散-波动偏微分方 程模型，并通过下式迭代求解离散化后的模型：，U表示二维图像所有列（从左到右）拼接合成的一个列向量，上标k = 1，2,...表示 迭代次数，τ为时间步长，L为对Avu(DuVw )算子的差分近似，初始值设置U°= U1，其为 初始图像的列向量；迭代结束后，将迭代结果U还原成二维图像，即为得到结果图像。5. 根据权利要求4所述的一种指纹纹理图像的去噪增强系统，其特征在于，所述通过 所述非局部结构张量计算非局部扩散张量Dm包括： 将所述非局部结构张量进行特征分解，即Jp = Σ = diag( n i), i = 1，. . .，m为 包含Jp特征值的对角矩阵，并将特征值排序为H1多η 2多..·多n W V = (V1, V2, . . .，Vni) 包含了对应特征向量的正交矩阵； 通过下式计算非局部扩散张量Da: Dnl=VAVt ，Λ = diag( μ 山 i = 1，· · · m 为对角阵。6. 根据权利要求4或5所述的一种指纹纹理图像的去噪增强系统，其特征在于，所述 λ = 4，σ = 〇. 5，P = 5，τ = 〇. 5〇【专利摘要】本专利技术涉及一种指纹纹理图像的去噪增强方法，该方法提供一非局部扩散张量的扩散-波动偏微分方程模型，并包括以下步骤：图像预处理；计算非局部结构张量；通过所述非局部结构张量计算非局部扩散张量；迭代更新得到结果图像。本专利技术方法在去除噪声的同时能够增强纹理特征，并且对断裂的纹理有一定的修复作用，使得后续能够跟准确地进行指纹识别。【IPC分类】G06K9-40, G06T5-00【公开号】CN104537371【申请号】CN201410828331【专利技术人】张伟, 李皎洁, 张如高, 虞正华, 梁龙飞 【申请人】博康智能网络科技股份有限公司【公开日】2015年4月22日【申请日】2014年12月23日本文档来自技高网...

【技术保护点】
一种指纹纹理图像的去噪增强方法，其特征在于，该方法提供一非局部扩散张量的扩散‑波动偏微分方程模型：∂2u∂t2+λ∂u∂t-divNL(DNL(Jρ(▿NLuσ))▿NLu)=0u(x,0)=u0(x),∂u∂t(x,0)=0]]>，该模型表示为u(x,t),t∈T，Ω为二维图像域，T为正时间常数；λ>0为权值参数；和div分别表示梯度与散度算子，NL表示相应的非局部算子；Jρ(·)表示结构张量；DNL为非局部扩散张量；uσ表示经过标准差为σ的高斯核平滑后的图像；u0(x)为初始带噪声的图像；且包括以下步骤：图像预处理：对初始图像进行高斯平滑处理，得到平滑后的图像uσ＝Gσ*u，Gσ为标准差为σ的高斯核函数，*为卷积操作；计算非局部结构张量Jρ(▿NLuσ):=Gp*(▿NLuσ⊗▿NLuσ)=Gρ*(▿NLuσ▿NLTuσ)]]>为张量积，T为向量的转置，Gρ是标准差为ρ的高斯核函数，为非局部梯度算子；通过所述非局部结构张量计算非局部扩散张量DNL；迭代更新得到结果图像：离散化所述非局部扩散张量的扩散‑波动偏微分方程模型，并通过下式迭代求解离散化后的模型：Uk+1=11+λτ((2+λτ)Uk-Uk-1+τ2LUk)]]>，U表示二维图像所有列(从左到右)拼接合成的一个列向量，上标k＝1,2,...表示迭代次数，τ为时间步长，L为对算子的差分近似，初始值设置U0＝U1，其为初始图像的列向量；迭代结束后，将迭代结果U还原成二维图像，即为得到结果图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张伟，李皎洁，张如高，虞正华，梁龙飞，
申请(专利权)人：博康智能网络科技股份有限公司，
类型：发明
国别省市：上海;31