基于Gabor纹理特征的手指静脉图像去噪与修复算法研究
发布时间：2021-11-04 06:38
手指静脉识别系统的性能非常依赖于采集图像的质量,但是采集设备在成像和传输时产生的各类噪声,以及开放式使用场景下设备镜面上存在脏污、用户手指存在蜕皮情况等因素都会对图像质量造成极大的影响,增大后续特征提取的难度,最终影响整个系统的识别性能。针对目前现有的图像去噪算法和修复算法在处理手指静脉图像的过程中,并没有准确地利用图像的纹理特征信息,导致去噪后静脉纹理边缘模糊甚至部分静脉信息丢失、修复后静脉边缘断裂等问题,提出了基于Gabor纹理特征的手指静脉图像去噪与修复算法研究,在消除噪声或是修复破损区域的同时,充分利用图像的纹理特征信息,起到能更好地保护静脉纹理边缘结构的作用,对静脉血管类图像处理具有很好地借鉴意义。具体研究内容如下:1.提出基于Gabor小波的手指静脉图像纹理特征垂直相位差编码方式,相比传统图像去噪算法或是修复算法所采用的灰度结构以及梯度信息,Gabor小波良好的尺度性和方向性能较好地匹配手指静脉粗细与延伸方向不同的特点,并且对光强变化和噪声干扰具有一定的鲁棒性,更适于提取手指静脉图像的纹理边缘信息,编码所得Gabor纹理特征能更准确地描述静脉纹理走向。理论分析与实验证明了该...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
010-2020年全球生物识别技术市场规模统计及预测
杭州电子科技大学硕士学位论文2图1.22002-2021年中国生物识别技术市场规模统计及预测如图1.2，虽然早期我国在生物特征识别领域研究比国外起步慢，并且由于技术创新性不足，应用推广有限，生产价格成本较高等制约受到了一定局限性，但是整体规模还是处于螺旋上升的态势，尤其是近年来保持着高速增长状态，产业潜力巨大。从现在国内情况来看，我国在生物识别技术上的研究成果已经达到世界前列，虽然在实际应用和渗透率相比欧美市场差距还很大，但是目前生物识别行业增速稳定，专家预计未来国内将有非常大的发展空间。生物特征识别技术通过人体本身的行为或者生理特征对个人身份进行认证。目前已经被开发的生物特征主要有人脸、虹膜、掌纹[6-7]、静脉、指纹、基因组成DNA等，根据A.K.J等人的总结[8]，衡量一个人体的生理或者行为特征可以作为生物识别技术的主要关键点有：1）唯一性：该特征被每一个个体唯一拥有，不存在不同个体出现重复特征的情况。2）持久性：应当较长一短时间内不受人体年龄的增长与外界环境的改变而发生变化。3）安全性：应当具备较高的安全性和防伪造性，保护个人信息的安全。4）识别性能：该特征的识别能力需要达到一定的精确度、外界因素对其识别性能的影响应该尽量小等。目前生物特征识别技术中市场规模最大、发展最成熟的仍然是指纹识别技术[9-10]，其作为最早的生物特征经过数十年的发展已经被研究人员研究地相当彻底。因其特征区域较小，比对速度快，并且采集设备便于嵌入集成到各类硬件设备中，指纹识别得到了非常广泛应用，包括我国公安系统中就记录了每个公民的指纹信息，当罪犯在犯罪现场留下指纹时，通过指纹的特征比对可以帮助警察抓捕犯人。但是由于指纹属于体表特征，某些存在手汗症的人用起来苦不堪言，并且如果
杭州电子科技大学硕士学位论文15得到相应的提升，Baudes于2005年提出了非局部均值滤波算法。该算法利用了自然图像中普遍存在的冗余信息来消除噪声，其可以利用整幅图像中的所有像素点，然后将这些像素点根据某种相似度计算后进行加权平均得到去噪后的结果。因此NLM滤波算法相比传统的邻域滤波算法，具有良好的去噪性能的同时，也具备一定保持图像原有边缘的特性，近年来成为图像去噪的研究热点之一。图2.1非局部均值滤波相似块示意图手指静脉图像也是具有自相似性的，相同静脉走向结构上像素点十分相似，即使距离较远的像素点之间也会存在一定的相关性。NLM算法中影响像素点之间相似性的因素除了距离之外，还会考虑该像素点周围的邻域。如图2.1，虽然点p与q1和q2的距离都差不多，但是点p与点q2处于同一条静脉上，两者邻域相似度高，而q1和p邻域结构相差较大，因此q2应拥有较大的权值；同理，N1与N2都属于图像背景区、N3与N4都属于静脉结构区，因此N1与N2、N3与N4的邻域十分相似。因此在图像较大范围内搜寻相似区域进行加权平均的计算方式会比仅仅利用待去噪像素点周围邻域的像素信息进行提取计算的方式效果要好。对于一副含有噪声的数字图像Iiigg}|)({，I表示整幅图像的坐标域，对于每一个待去噪的目标像素点i，NLM算法的计算公式可以表示如下[32]：IjjgjiwigNL)(),()]([（2.9）式中，加权系数jiw),(由反映了目标点i与加权点j两者的相似性，限定要求为：jiw1),(0，jiw1),(。目标像素点i与加权像素点j之间的相似性由以i为中心点的目标邻域窗iN的灰度向量)(iNg和以j为中心点的加权邻域窗jN的灰度向量)(jNg决定，邻域窗一般取大小为kk的正方形。采用高斯加权欧氏距离来计算两者的相似性：2,2)()(),(jijiNdgNgNN（2.10）式中0，为
【参考文献】：
期刊论文
[1]一种改进的小波阈值去噪算法[J]. 崔公哲,张朝霞,杨玲珍,王娟芬. 现代电子技术. 2019(19)
[2]一种改进的Criminisi新算法的图像复原技术[J]. 陈美玲,朱铝芬,张云,石瑶. 现代信息科技. 2019(18)
[3]基于非局部均值滤波的医学CT图像去噪算法[J]. 刘翔,石振刚,臧晶. 沈阳理工大学学报. 2019(03)
[4]一种改进均值的自适应中值滤波算法[J]. 帅慕蓉,廖秀英,程辉,谢贻文,杨鹏飞. 测绘通报. 2019(03)
[5]手指静脉红外图像血管网络修复新方法[J]. 贾桂敏,李振娟,杨金锋,李乾司茂. 红外与激光工程. 2019(04)
[6]基于Sobel算子的Criminisi改进算法[J]. 崔天卿,许凯,阎石. 计算机与数字工程. 2018(10)
[7]基于小波阈值和全变分模型的图像去噪[J]. 张弘,周晓莉. 计算机应用研究. 2019(11)
[8]基于多特征阈值融合的手指静脉识别算法[J]. 蓝师伟,沈雷. 杭州电子科技大学学报(自然科学版). 2018(05)
[9]生物特征提取的Gabor滤波器参数设计[J]. 马帅旗. 陕西理工大学学报(自然科学版). 2018(04)
[10]一种基于改进非局部均值滤波算法的红外图像去噪[J]. 郭晨龙,赵旭阳,郑海燕,梁锡宁. 红外技术. 2018(07)
博士论文
[1]手指静脉识别若干关键问题研究[D]. 袭肖明.山东大学 2015
[2]面向低质量图像的手指静脉识别关键技术研究[D]. 刘通.国防科学技术大学 2014
[3]手指静脉图像的去噪与分割算法研究[D]. 陈玫玫.吉林大学 2010
硕士论文
[1]基于非局部均值滤波的图像去噪算法[D]. 王银杰.哈尔滨理工大学 2019
[2]手指静脉识别关键技术的研究与实现[D]. 逄增耀.武汉理工大学 2017
[3]图像非局部均值滤波去噪和修复算法的改进研究[D]. 杨帆.南昌航空大学 2015
[4]基于FMM算法的图像修复[D]. 范谦.扬州大学 2014
[5]基于偏微分方程的指静脉识别技术研究[D]. 张凤春.吉林大学 2012
[6]基于TV模型和纹理合成的图像修复算法研究[D]. 彭啸.华南理工大学 2011
[7]多小波理论在指纹与手指静脉图像处理中的应用[D]. 孙艳杰.哈尔滨工程大学 2009
本文编号：3475199
【文章来源】：杭州电子科技大学浙江省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
010-2020年全球生物识别技术市场规模统计及预测
杭州电子科技大学硕士学位论文2图1.22002-2021年中国生物识别技术市场规模统计及预测如图1.2，虽然早期我国在生物特征识别领域研究比国外起步慢，并且由于技术创新性不足，应用推广有限，生产价格成本较高等制约受到了一定局限性，但是整体规模还是处于螺旋上升的态势，尤其是近年来保持着高速增长状态，产业潜力巨大。从现在国内情况来看，我国在生物识别技术上的研究成果已经达到世界前列，虽然在实际应用和渗透率相比欧美市场差距还很大，但是目前生物识别行业增速稳定，专家预计未来国内将有非常大的发展空间。生物特征识别技术通过人体本身的行为或者生理特征对个人身份进行认证。目前已经被开发的生物特征主要有人脸、虹膜、掌纹[6-7]、静脉、指纹、基因组成DNA等，根据A.K.J等人的总结[8]，衡量一个人体的生理或者行为特征可以作为生物识别技术的主要关键点有：1）唯一性：该特征被每一个个体唯一拥有，不存在不同个体出现重复特征的情况。2）持久性：应当较长一短时间内不受人体年龄的增长与外界环境的改变而发生变化。3）安全性：应当具备较高的安全性和防伪造性，保护个人信息的安全。4）识别性能：该特征的识别能力需要达到一定的精确度、外界因素对其识别性能的影响应该尽量小等。目前生物特征识别技术中市场规模最大、发展最成熟的仍然是指纹识别技术[9-10]，其作为最早的生物特征经过数十年的发展已经被研究人员研究地相当彻底。因其特征区域较小，比对速度快，并且采集设备便于嵌入集成到各类硬件设备中，指纹识别得到了非常广泛应用，包括我国公安系统中就记录了每个公民的指纹信息，当罪犯在犯罪现场留下指纹时，通过指纹的特征比对可以帮助警察抓捕犯人。但是由于指纹属于体表特征，某些存在手汗症的人用起来苦不堪言，并且如果
杭州电子科技大学硕士学位论文15得到相应的提升，Baudes于2005年提出了非局部均值滤波算法。该算法利用了自然图像中普遍存在的冗余信息来消除噪声，其可以利用整幅图像中的所有像素点，然后将这些像素点根据某种相似度计算后进行加权平均得到去噪后的结果。因此NLM滤波算法相比传统的邻域滤波算法，具有良好的去噪性能的同时，也具备一定保持图像原有边缘的特性，近年来成为图像去噪的研究热点之一。图2.1非局部均值滤波相似块示意图手指静脉图像也是具有自相似性的，相同静脉走向结构上像素点十分相似，即使距离较远的像素点之间也会存在一定的相关性。NLM算法中影响像素点之间相似性的因素除了距离之外，还会考虑该像素点周围的邻域。如图2.1，虽然点p与q1和q2的距离都差不多，但是点p与点q2处于同一条静脉上，两者邻域相似度高，而q1和p邻域结构相差较大，因此q2应拥有较大的权值；同理，N1与N2都属于图像背景区、N3与N4都属于静脉结构区，因此N1与N2、N3与N4的邻域十分相似。因此在图像较大范围内搜寻相似区域进行加权平均的计算方式会比仅仅利用待去噪像素点周围邻域的像素信息进行提取计算的方式效果要好。对于一副含有噪声的数字图像Iiigg}|)({，I表示整幅图像的坐标域，对于每一个待去噪的目标像素点i，NLM算法的计算公式可以表示如下[32]：IjjgjiwigNL)(),()]([（2.9）式中，加权系数jiw),(由反映了目标点i与加权点j两者的相似性，限定要求为：jiw1),(0，jiw1),(。目标像素点i与加权像素点j之间的相似性由以i为中心点的目标邻域窗iN的灰度向量)(iNg和以j为中心点的加权邻域窗jN的灰度向量)(jNg决定，邻域窗一般取大小为kk的正方形。采用高斯加权欧氏距离来计算两者的相似性：2,2)()(),(jijiNdgNgNN（2.10）式中0，为
【参考文献】：
期刊论文
[1]一种改进的小波阈值去噪算法[J]. 崔公哲,张朝霞,杨玲珍,王娟芬. 现代电子技术. 2019(19)
[2]一种改进的Criminisi新算法的图像复原技术[J]. 陈美玲,朱铝芬,张云,石瑶. 现代信息科技. 2019(18)
[3]基于非局部均值滤波的医学CT图像去噪算法[J]. 刘翔,石振刚,臧晶. 沈阳理工大学学报. 2019(03)
[4]一种改进均值的自适应中值滤波算法[J]. 帅慕蓉,廖秀英,程辉,谢贻文,杨鹏飞. 测绘通报. 2019(03)
[5]手指静脉红外图像血管网络修复新方法[J]. 贾桂敏,李振娟,杨金锋,李乾司茂. 红外与激光工程. 2019(04)
[6]基于Sobel算子的Criminisi改进算法[J]. 崔天卿,许凯,阎石. 计算机与数字工程. 2018(10)
[7]基于小波阈值和全变分模型的图像去噪[J]. 张弘,周晓莉. 计算机应用研究. 2019(11)
[8]基于多特征阈值融合的手指静脉识别算法[J]. 蓝师伟,沈雷. 杭州电子科技大学学报(自然科学版). 2018(05)
[9]生物特征提取的Gabor滤波器参数设计[J]. 马帅旗. 陕西理工大学学报(自然科学版). 2018(04)
[10]一种基于改进非局部均值滤波算法的红外图像去噪[J]. 郭晨龙,赵旭阳,郑海燕,梁锡宁. 红外技术. 2018(07)
博士论文
[1]手指静脉识别若干关键问题研究[D]. 袭肖明.山东大学 2015
[2]面向低质量图像的手指静脉识别关键技术研究[D]. 刘通.国防科学技术大学 2014
[3]手指静脉图像的去噪与分割算法研究[D]. 陈玫玫.吉林大学 2010
硕士论文
[1]基于非局部均值滤波的图像去噪算法[D]. 王银杰.哈尔滨理工大学 2019
[2]手指静脉识别关键技术的研究与实现[D]. 逄增耀.武汉理工大学 2017
[3]图像非局部均值滤波去噪和修复算法的改进研究[D]. 杨帆.南昌航空大学 2015
[4]基于FMM算法的图像修复[D]. 范谦.扬州大学 2014
[5]基于偏微分方程的指静脉识别技术研究[D]. 张凤春.吉林大学 2012
[6]基于TV模型和纹理合成的图像修复算法研究[D]. 彭啸.华南理工大学 2011
[7]多小波理论在指纹与手指静脉图像处理中的应用[D]. 孙艳杰.哈尔滨工程大学 2009
本文编号：3475199
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3475199.html
最近更新
教材专著
