一种面部静脉图像均衡化方法技术

本发明专利技术涉及一种面部静脉图像均衡化方法，属于生物识别技术领域，具体包括以下步骤：获取静脉图像的行最大灰度值离散曲线

【技术实现步骤摘要】
一种面部静脉图像均衡化方法


[0001]本专利技术涉及生物识别
，特别是涉及一种面部静脉图像均衡化方法
。

技术介绍

[0002]静脉识别技术是一种新兴的生物特征识别技术，具备唯一性
、
普遍性等生物识别特征的优点
。
采集静脉图像时，受到光照不均匀的影响，静脉图像呈现中间亮四周暗的情况，暗的区域静脉清晰度也差，对后续的算法处理增加了难度，尤其是面部静脉识别时，采集设备与人脸距离更远，收到光照的影响也更大
。
因此，需要对图像进行前处理，通过算法得到灰度均衡
、
静脉清晰的静脉图像
。
[0003]现有均衡化算法，比如申请公布号为
CN113435377A
的中国专利申请公开的医疗手掌静脉图像采集监控方法，该方法用
LED
发射红外光照射手掌，通过图像传感器将反射的红外光进行采集，并对采集到的图像进行灰度化以及线性拉伸处理，得到手掌静脉图像，具体是：对所采集的手掌静脉图像中每一个像素的三个分量求最大值，并将该最大值设置为该像素点的灰度值，得到手掌静脉图像的灰度图，对于所述灰度图，基于灰度图的最大灰度值和最小灰度值并利用分段线性变换的方式对图像的灰度进行线性拉伸；然后采用直方图均衡化方法对采集到的手掌静脉图像进行处理，得到图像增强后的手掌静脉图像
。
[0004]上述静脉图像增强方法中，在均衡化处理时，求得的最大最小灰度值直接使用，最大最小值拉伸会导致亮暗不均，形成线条和格子状纹路，会导致均衡化算法不理想，全局的均衡
、
局部均衡达不到效果，局部均衡（类似局部直方图）局部的效果虽然提升，但可能引起过曝或者块状
。
其次，均衡化的过程中，背景区域的灰度值也会有所增强，这也会对后续的算法处理增加了难度
。

技术实现思路

[0005]本专利技术的主要目的是提供一种面部静脉图像均衡化方法，以解决现有静脉图像均衡化处理时效果不理想，可能引起过曝或者块状等问题
。
[0006]为实现上述目的，本专利技术提供了如下方案：本专利技术涉及一种面部静脉图像均衡化方法，其包括以下步骤：步骤1：采集面部静脉图像，获取行最大灰度值离散曲线
、
行最小灰度值离散曲线
、
列最大灰度值离散曲线和列最小灰度值离散曲线；步骤2：对行最大灰度值离散曲线
、
行最小灰度值离散曲线
、
列最大灰度值离散曲线和列最小灰度值离散曲线进行平滑处理，得到行最大灰度值平滑曲线
、
行最小灰度值平滑曲线
、
列最大灰度值平滑曲线和列最小灰度值平滑曲线；步骤3：基于行最大灰度值平滑曲线
、
行最小灰度值平滑曲线
、
列最大灰度值平滑曲线和列最小灰度值平滑曲线，对面部静脉图像进行灰度拉伸，得到面部静脉增强图像
。
[0007]优选地，所述步骤
S1
中，获取行最大灰度值离散曲线
、
行最小灰度值离散曲线
、
列最大灰度值离散曲线和列最小灰度值离散曲线的具体步骤包括：
步骤
1.1
：获取面部静脉图像中每一行中的最大
、
最小灰度值，获取面部静脉图像中每一列中的最大
、
最小灰度值；步骤
1.2
：将每一行中的最大灰度值及所在像素点的行坐标保存至数组
maxR
（
i
）形成行最大灰度值离散曲线
maxR
；将每一行中的最小灰度值及所在像素点的行坐标保存至数组
minR
（
i
）形成行最小灰度值离散曲线
minR
；将每一列中的最大灰度值及所在像素点的列坐标保存至数组
maxC
（
j
）形成列最大灰度值离散曲线
maxC
；将每一列中的最小灰度值及所在像素点的列坐标保存至数组
minC
（
j
）形成列最小灰度值离散曲线
minC。
[0008]优选地，所述步骤2平滑处理的具体步骤包括：步骤
2.1
：对于行最大灰度值离散曲线中的任意像素点，取其左右各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该行的行最大灰度值，记
maxRow
（
i
）；步骤
2.2
：对于行最小灰度值离散曲线中的任意像素点，取其左右各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该行的行最小灰度值，记
minRow
（
i
）；步骤
2.3
：对于列最大灰度值离散曲线中的任意像素点，取其上下各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该列的列最大灰度值，记
maxCol
（
j
）；步骤
2.4
：对于列最小灰度值离散曲线中的任意像素点，取其上下各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该列的列最小灰度值，记
minCol
（
j
）
。
[0009]优选地，所述步骤
2.1
和步骤
2.2
中，当行最大灰度值离散曲线或行最小灰度值离散曲线中的像素点左边的像素点少于
z
个时，该行最大灰度值离散曲线或行最小灰度值离散曲线中的像素点左边的像素点全取；当行最大灰度值离散曲线或行最小灰度值离散曲线中的像素点右边的像素点少于
z
个时，该行最大灰度值离散曲线或行最小灰度值离散曲线中的像素点右边的像素点全取
。
[0010]优选地，所述步骤
2.3
和步骤
2.4
中，当列最大灰度值离散曲线或列最小灰度值离散曲线中的像素点上方的像素点少于
z
个时，该列最大灰度值离散曲线或列最小灰度值离散曲线中的像素点上方的像素点全取；当列最大灰度值离散曲线或列最小灰度值离散曲线中的像素点下方的像素点少于
z
个时，该列最大灰度值离散曲线或列最小灰度值离散曲线中的像素点下方的像素点全取
。
[0011]优选地，所述步骤
2.1~
步骤
2.4
中，取
z
个像素点，
33≤2z+1≤m
，且
33≤2z+1≤n
，
m
和
n
分别表示面部静脉图像的行数和列数
。
[0012]优选地，所述步骤3对面部静脉图像进行灰度拉伸的具体步骤为：对于面部静脉图像中任意一个像素点，基于该像素点的原灰度值
I
（
i...

【技术保护点】

【技术特征摘要】
1.
一种面部静脉图像均衡化方法，其特征在于：其包括以下步骤：步骤1：采集面部静脉图像，获取行最大灰度值离散曲线
、
行最小灰度值离散曲线
、
列最大灰度值离散曲线和列最小灰度值离散曲线；步骤2：对行最大灰度值离散曲线
、
行最小灰度值离散曲线
、
列最大灰度值离散曲线和列最小灰度值离散曲线进行平滑处理，得到行最大灰度值平滑曲线
、
行最小灰度值平滑曲线
、
列最大灰度值平滑曲线和列最小灰度值平滑曲线；步骤3：基于行最大灰度值平滑曲线
、
行最小灰度值平滑曲线
、
列最大灰度值平滑曲线和列最小灰度值平滑曲线，对面部静脉图像进行灰度拉伸，得到面部静脉增强图像
。2.
根据权利要求1的面部静脉图像均衡化方法，其特征在于：所述步骤
S1
中，获取行最大灰度值离散曲线
、
行最小灰度值离散曲线
、
列最大灰度值离散曲线和列最小灰度值离散曲线的具体步骤包括：步骤
1.1
：获取面部静脉图像中每一行中的最大
、
最小灰度值，获取面部静脉图像中每一列中的最大
、
最小灰度值；步骤
1.2
：将每一行中的最大灰度值及所在像素点的行坐标保存至数组
maxR
（
i
）形成行最大灰度值离散曲线
maxR
；将每一行中的最小灰度值及所在像素点的行坐标保存至数组
minR
（
i
）形成行最小灰度值离散曲线
minR
；将每一列中的最大灰度值及所在像素点的列坐标保存至数组
maxC
（
j
）形成列最大灰度值离散曲线
maxC
；将每一列中的最小灰度值及所在像素点的列坐标保存至数组
minC
（
j
）形成列最小灰度值离散曲线
minC。3.
根据权利要求2所述的面部静脉图像均衡化方法，其特征在于：所述步骤2平滑处理的具体步骤包括：步骤
2.1
：对于行最大灰度值离散曲线中的任意像素点，取其左右各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该行的行最大灰度值，记
maxRow
（
i
）；步骤
2.2
：对于行最小灰度值离散曲线中的任意像素点，取其左右各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该行的行最小灰度值，记
minRow
（
i
）；步骤
2.3
：对于列最大灰度值离散曲线中的任意像素点，取其上下各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该列的列最大灰度值，记
maxCol
（
j
）；步骤
2.4
：对于列最小灰度值离散曲线中的任意像素点，取其上下各
z
个像素点，计算所取像素点的灰度平均值，并赋值给该列的列最小灰度值，记
minCol
（
j
）
。4.
根据权利要求3所述的面部静脉图像均衡化方法，其特征在于：所述步骤
2.1
和步骤
2.2
中，当行最大灰度值离散曲线或行最小灰度值离散曲线中的像素点左边的像素点少于
z
个时，该行最大灰度值离散曲线或行最小灰度值离散曲线中的像素点左边的像素点全取；当行最大灰度值离散曲线或行最小灰度值离散曲线中的像素点右边的像素点少于
z
个时，该行...

【专利技术属性】
技术研发人员：林莉莉，李学双，赵国栋，
申请(专利权)人：江苏圣点世纪科技有限公司，
类型：发明
国别省市：