本发明专利技术公开了一种基于纹理特征和双核函数的手指静脉图像NLM去噪方法。本发明专利技术首先使用平滑系数较小的NLM算法针对背景区域噪声作粗去噪处理；然后编码获得GTFM对传统NLM算法的图像块权重值进行修正，使用Gabor纹理相似度与灰度值欧式距离共同判断图像块之间的相似性；其次提出巴特沃兹余弦双核函数针对图像的静脉纹理结构区域作精去噪处理；本发明专利技术采用的去噪算法相比传统NLM算法以及改进的NLM算法去噪后的图像质量更高，尤其是对静脉纹理边缘信息的保护能力得到了提高，并且后续图像的静脉骨架特征提取更加稳定。因此，基于Gabor纹理特征和BC双核函数的手指静脉图像NLM去噪算法是一种对手指静脉图像去噪效果较好的指静脉去噪算法。
NLM denoising method of finger vein image based on texture feature and dual kernel function
【技术实现步骤摘要】
基于纹理特征和双核函数的手指静脉图像NLM去噪方法
本专利技术属于生物特征识别及信息安全
，特别涉及到手指静脉图像预处理领域。
技术介绍
随着时代的发展，生物特征识别技术凭借其安全唯一稳定的优势慢慢地为大众所接受，各类生物识别算法在各行各业内的应用也渐进流行。在众多的生物特征中，静脉特征由于其独特的优势，越发被研究人员所重视。虽然手指静脉识别技术具有众多的优点，但是其识别性能严重依赖于采集图像的质量高低，在其实际应用过程中，采集设备成像和传输时的各类噪声、光照强度的变换以及开放式使用场景下采集设备镜面玻璃上的脏污，被采集用户手指皮肤上存在脏污或者蜕皮情况等，这些因素都会对采集图像的质量产生极大的影响，图像质量得不到保证。因此，对静脉图像进行去噪处理是提高后续特征质量以及匹配性能的重要步骤。屈正庚等人提出一种改进的自适应加权中值滤波算法，根据灰度相似性为邻近像素赋予权值，使用加权后的中值对噪点进行替换，在去除噪声的同时保护图像的细节，但是在衡量相似点相似性时仅仅利用了灰度信息，容易导致去噪后手指静脉边缘模糊。传统的中值滤波算法仅仅利用了局部邻域内的图像信息，并未对全图内的图像信息进行充分地利用。因此Baudes等人提出了NLM算法，其核心思想是利用图像内的冗余信息，对相似点进行加权平均得到去噪后的结果；郭晨龙等人进一步提出了GSSIM算法，提高了图像边缘和细节信息保持的能力；刘翔等人将NLM算法应用于医学CT图像，在使用GSSIM的基础上又采用改进的双核函数替换传统指数函数计算权重值，权值分配更加合理。但上述算法大多针对细节较清晰、边缘信息较强的图像的情况，它们对图像进行去噪过程中均没有考虑到图像的纹理特征信息，当处理手指静脉图像这类纹理边缘比较模糊的图像时，容易导致去噪后整体图像模糊，静脉细节信息的丢失，提高了认假率。
技术实现思路
对于手指静脉图像中存在噪声影响识别性能，而现有的传统NLM算法容易导致静脉边缘细节模糊等问题，本文专利技术提供一种基于Gabor纹理特征和BC双核函数的手指静脉图像NLM去噪方法。本专利技术所采用的技术方案为包括以下步骤：步骤S1、获取图像的Gabor纹理特征矩阵的高斯核函数如式(1)：式(1)是一个通过正弦平面波加窗的高斯核函数，可以拆分如下：式(2)～(4)中gre是滤波器实部，gim是虚部，(x,y)是点的坐标；θ为Gabor滤波的方向角度参数；(x',y')是像素点旋转θ后的坐标；λ为正弦波函数波长；ψ为正弦波函数的相位偏移量；γ为Gabor核函数的空间方向比例，也称为作用域的椭圆率；σ为高斯核函数的标准差，也称为空间尺度因子，影响模板偏导数的大小，尺度因子不一样能够匹配宽度大小不一的结构。步骤S2、手指静脉的延伸分布是具有多方向性的，因此需要多个角度的Gabor滤波器对其图像纹理进行提取，方向参数θ决定了滤波器的方向特性，其表示如下：式中N为Gabor滤波器组的总方向数，本专利技术算法N取值为8，用于后续特征编码，k表示第k个角度，π/N是角度间隔。步骤S3、将手指静脉原图像F(x,y)分别与式(2)和式(3)卷积后，按式(8)取模作为最终变换后的系数幅值：Hk,σ(x,y)re＝F(x,y)*gk,σ(x,y)re(6)Hk,σ(x,y)im＝F(x,y)*gk,σ(x,y)im(7)式(6)～(8)中gk,σ(x,y)re、gk,σ(x,y)im分别是第k个角度，尺度为σ的Gabor核函数的实部和虚部，对应的Hk,σ(x,y)re、Hk,σ(x,y)im分别是它们各自与图像卷积后的结果，Hk,σ(x,y)为最终第k个角度、尺度为σ上的系数幅值，其大小表征了不同方向、尺度上图像的能量。系数幅值越大说明该尺度上保存了最丰富的纹理边缘信息，因此本专利技术按式(9)首先选择3个尺度中最大的系数幅值作为每个像素点在该方向上最终的幅值系数，然后可以获得8个方向上的Gabor滤波响应幅值Hk(k＝1,2,...,8)。步骤S4、将8个方向的滤波响应幅值Hk按相互垂直分别组成4组，然后计算两者滤波响应差值绝对值，并选取最大的那一对方向组合：式中ΔHkmax那组的两个方向kmax和kmax⊥就是手指静脉图像像素点F(x,y)的可能纹理走向，两者中哪个方向的响应幅值较大说明该方向的纹理边缘信息能量更强烈。按式(11)对两者进行比较后将表示该方向的序号值作为纹理特征编码值，最终得到整幅手指静脉图像的Gabor纹理特征矩阵:步骤S5、当手指静脉图像为受损图像时，对于破损边界外围一圈上的点，由于这部分像素点的卷积窗口内包含了未知信息，为了避免未知信息对后续特征编码造成影响，因此在计算此部分像素点的Gabor响应幅值时将窗口内的未知信息灰度值置为零。因此将式(11)修改如下：式中F(x,y)为图像中的像素点。步骤S6、Gabor纹理特征相似度(GaborTextureSimilarity，GTSIM)比对值计算函数定义如下：式中，GTFM_X和GTFM_Y分别是进行比对的两幅图像的GTFM，M和N分别为比对图像的长和宽。步骤S7、利用Gabor纹理特征相似度来描述同一图像内的两个图像块之间的纹理结构相似性：GTSIM(i,j)＝avg(|G(Ni)-G(Nj)|)(12)式中G(Ni)和G(Nj)分别表示原图中以i为中心的图像块和以j为中心的图像块所对应的Gabor纹理特征向量，GTSIM(i,j)为两者之间的纹理特征差值绝对值平均，其值大小表现了两个图像块在纹理结构上的相似性。步骤S8、本专利技术通过对理想加权核函数的特点分析发现这些条件与理想的低通滤波响应函数非常类似，因此提出了一种新的巴特沃兹余弦双核函数来取代NLM原算法的指数型核函数，结合Gabor纹理特征相似度，进行权重的分配，BC双核函数的表达式如下：式中参数h1和h2为滤波平滑系数，d(i,j)为中心邻域与加权邻域图像块的灰度值欧式距离，GTSIM(i,j)为中心邻域与加权邻域的Gabor纹理相似度值，h2取为GTSIM(i,j)的理论最大可能值7，c为控制巴特沃兹滤波通带处数值大小的参数，n为滤波器的阶数。dλ和Tλ分别为灰度值欧式距离和Gabor纹理相似度的阈值。步骤S9、BC双核函数结合了巴特沃兹传递函数和余弦核函数，避免了相似邻域权重偏小和不相似邻域权重偏大的情况，并且滤波平滑系数h1和h2也可以很好地控制高低相似度的过渡点，最终得到的核函数能够非常好地符合NLM算法对于理想加权核函数的四个要求。最终使用巴特沃兹余弦双核函数式(13)代替传统NLM算法中的核函数得到权重表达式：最终通过加权计算得到去噪后的像素值，代替污染像素点。本专利技术有益效果如下：本专利技术提出一种基于Gabor纹理特征和BC双核函数的手指静脉图像NLM去噪算法，首先采用滤本文档来自技高网...
【技术保护点】
1.基于纹理特征和双核函数的手指静脉图像NLM去噪方法，其特征在于包括如下步骤：/n步骤S1、获取指静脉原图像的Gabor纹理特征矩阵的高斯核函数；/n步骤S2、通过多个角度的Gabor滤波器对图像纹理进行提取；/n步骤S3、将手指静脉原图像进行卷积，然后取模作为最终变换后的Gabor滤波响应幅值；/n步骤S4、将8个方向的滤波响应幅值H
【技术特征摘要】
1.基于纹理特征和双核函数的手指静脉图像NLM去噪方法，其特征在于包括如下步骤：
步骤S1、获取指静脉原图像的Gabor纹理特征矩阵的高斯核函数；
步骤S2、通过多个角度的Gabor滤波器对图像纹理进行提取；
步骤S3、将手指静脉原图像进行卷积，然后取模作为最终变换后的Gabor滤波响应幅值；
步骤S4、将8个方向的滤波响应幅值Hk按相互垂直分别组成4组，然后计算两者滤波响应差值绝对值，并选取最大的那一对方向组合；
步骤S5、为了避免未知信息对后续特征编码造成影响，在计算包含了未知信息的部分像素点的Gabor响应幅值时，将窗口内的未知信息灰度值置为零；
步骤S6、定义Gabor纹理特征相似度比对值计算函数；
式中，GTFM_X和GTFM_Y分别是进行比对的两幅图像的GTFM，M和N分别为比对图像的长和宽；
步骤S7、利用Gabor纹理特征相似度来描述同一图像内的两个图像块之间的纹理结构相似性：
步骤S8、提出一种新的巴特沃兹余弦双核函数来取代NLM原算法的指数型核函数，结合Gabor纹理特征相似度，进行权重的分配；
式中参数h1和h2为滤波平滑系数，d(i,j)为中心邻域与加权邻域图像块的灰度值欧式距离，GTSIM(i,j)为中心邻域与加权邻域的Gabor纹理相似度值，h2取为GTSIM(i,j)的理论最大可能值7，c为控制巴特沃兹滤波通带处数值大小的参数，n为滤波器的阶数；dλ和Tλ分别为灰度值欧式距离和Gabor纹理相似度的阈值；
步骤S9、使用巴特沃兹余弦双核函数式代替传统NLM算法中的核函数，然后通过加权计算得到权重表达式：
最终通过加权计算得到去噪后的像素值，代替污染像素点；
2.根据权利要求1所述的基于纹理特征和双核函数的手指静脉图像NLM去噪方法，其特征在于步骤S1具体实现如下：
获取图像的Gabor纹理特征矩阵的高斯核函数如式(1)：
式(1)是一个通过正弦平面波加窗的高斯核函数，可以拆分如下：
式(2)～(4)中gre是滤波器实部，gim是虚部，(x,y)是点的坐标；θ为Gabor滤波的方向角度参数；(x',y')是像素点旋转θ后的坐标；λ为正弦波函数波长；ψ为正弦波函数的相位偏移量；γ为Gabor核函数的空间方向比例，也称为作用域的椭圆率；σ为高斯核函数的标准差，也称为空间尺度因子。
3.根据权利要求1所述的基于纹理特征和双核函数的手指静脉图像NLM去噪方法，其特征在于步骤S2具体实现如下：
多个角度的Gabor滤波器的方向参数θ决定了滤波器的方向特性，其表示如下：
式中N为Gabor滤波器组的...
【专利技术属性】
技术研发人员：蒋寒琼，沈雷，何必锋，何晶，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。