基于分类耦合字典稀疏表示的指纹图像超分辨率方法技术

本发明专利技术适用于图形处理技术领域，提供了一种基于分类耦合字典稀疏表示的指纹图像超分辨率方法，该方法包括如下步骤：S1、基于构建的字典学习模型，对分类耦合字典学习样本块集进行分类训练，构建高低分辨率分类耦合字典；S2、基于输入的低分辨率指纹图像块的脊线方向，选择对应类的高低分辨率分类耦合字典，重构高分辨率指纹图像。充分考虑了点梯度模在指纹块脊线方向估计中的贡献，通过块点梯度矢量集加权线性投影分析对指纹块脊线方向进行估计，提高了指纹块脊线方向估计的准确性和可靠性，基于脊线约束的分类耦合字典的使用提高了指纹图像稀疏建模的有效性，在保证指纹脊线可靠重构的同时，尽可能地抑制了噪声，更好地保存了脊线模式信息。

【技术实现步骤摘要】
基于分类耦合字典稀疏表示的指纹图像超分辨率方法
本专利技术属于图像处理
，提供了一种基于分类耦合字典稀疏表示的指纹图像超分辨率方法。
技术介绍
图像超分辨率重构技术是当前图像处理领域的研究热点之一。图像超分辨率是一种图像分辨率增强技术，广泛应用在低质量医学图像、遥感图像和卫星图像等诊断或分析极为困难的场合。图像超分辨率技术的目的是依据输入低分辨率(LowResolution，LR)图像得到高分辨率(HighResolution，HR)输出图像。显然，高分辨率图像中的像素密度高，能够提供更多的细节，而这些细节在许多实际应用中不可或缺。目前对图像超分辨率增强问题的研究在人脸图像超分辨率和核磁共振图像超分辨率等领域取得了极大成功。生物识别技术是当前信息科学
研究的热点之一，而指纹识别则是目前应用最多，也是目前应用最好的生物识别技术之一。尽管人们对自动指纹识别技术已经进行了广泛而深入的研究，也取得了丰硕的成果，但对于低质量指纹图像的识别仍然存在很多挑战性的问题。在已有的研究文献中，低质量指纹图像的质量可以通过各种增强方法来改进，但绝大多数指纹增强方法都是基于不变分辨率进行的，指纹本文档来自技高网...

【技术保护点】
1.一种基于分类耦合字典稀疏表示的指纹图像超分辨率方法，其特征在于，所述方法包括如下步骤：S1、基于构建的字典学习模型，对分类耦合字典学习样本块集进行分类训练，构建高低分辨率分类耦合字典；S2、基于输入的低分辨率指纹图像块的脊线方向，选择对应类的高低分辨率分类耦合字典，重构高分辨率指纹图像。

【技术特征摘要】
1.一种基于分类耦合字典稀疏表示的指纹图像超分辨率方法，其特征在于，所述方法包括如下步骤：S1、基于构建的字典学习模型，对分类耦合字典学习样本块集进行分类训练，构建高低分辨率分类耦合字典；S2、基于输入的低分辨率指纹图像块的脊线方向，选择对应类的高低分辨率分类耦合字典，重构高分辨率指纹图像。2.如权利要求1所述基于分类耦合字典稀疏表示的指纹图像超分辨率方法，其特征在于，所述分类耦合字典学习样本块集的构建方法包括如下步骤：S11、构建高分辨率指纹图像训练集及对应的低分辨率指纹图像训练集；S12、对高分辨率指纹图像训练集及低分辨率指纹图像训练集中的指纹图像分块，分别构建高分辨率训练指纹块候选集及低分辨率训练指纹块候选集；S13、计算高分辨率训练指纹块候选集及低分辨率训练指纹块候选集中指纹块内所有点的梯度矢量及指纹块内点方向相似度R(i,j)，以点方向相似度为权值，基于指纹块的点梯度矢量集，采用加权线性投影分析方法计算对应指纹块的脊线方向θ及块点方向的一致性参数Coh；S14、依据脊线方向对高分辨率训练指纹块候选集及低分辨率训练指纹块候选集中的所有指纹块进行分类，分别得到高分辨率分类训练指纹块候选集及低分辨率分类训练指纹块候选集；S15、依据块点方向一致性参数Coh，从高分辨率分类训练指纹块候选集及低分辨率分类训练指纹块候选集中...

【专利技术属性】
技术研发人员：卞维新，徐德琴，接标，丁玉祥，方群，罗永龙，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽,34