【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...
【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。