[发明专利]一种基于高光谱图像的非侵入式潜在指纹提取方法

权利要求书

1.一种基于高光谱图像的非侵入式潜在指纹提取方法，其特征在于：包括依次进行的以下步骤：

S1、对待检测物体进行高光谱数据采集得到多通道数据其中，h、w、L分别表示高光谱图像数据的高、宽、通道数，表示三维实数空间，对采集到的数据进行预处理得到

S2、对预处理数据进行降维处理得到

S3、对第k(k＝1,...,l)通道图像X^k计算局部总变化量，从图像分离出非纹理部分U^k和纹理部分V^k；

S4、将S3得到的多通道纹理图像融合，得到融合l通道图像之后提取出的指纹图像。

2.根据权利要求1所述的一种基于高光谱图像的非侵入式潜在指纹提取方法，其特征在于：所述步骤S1中对采集到的数据进行预处理的方法包括通过低通滤波消除数据噪声、对数变换加强暗区细节中的至少一种。

3.根据权利要求1所述的一种基于高光谱图像的非侵入式潜在指纹提取方法，其特征在于：所述步骤S2中降维处理的方法包括主成分分析、线性判别分析、直接提取部分通道中的至少一种。

4.根据权利要求1所述的一种基于高光谱图像的非侵入式潜在指纹提取方法，其特征在于：所述步骤S3中对第k(k＝1,...,l)通道图像X^k计算局部总变化量，从图像分离出非纹理部分U^k和纹理部分V^k的方法包括以下步骤：

S301、计算图像X^k的局部总变化量，并记为LTV_σ(X^(k))；

其中L_σ是一个截断半径为σ的低通滤波器，是梯度算子；

S302、计算图像X^k(i,j)像素邻域的纹理强度λ_σ,ij：

如果λ_σ,ij趋近于1，则说明该像素邻域为纹理区域，如果λ_σ,ij趋近于0，则说明该像素邻域为非纹理区域；

S303、从图像X^k(i,j)像素邻域中分离出非纹理部分U^(k)_ij，得到

ω(λ)是软阈值函数，表达式如下：

其中，a₁、a₂分别为0.25、0.5；

S304、图像X^k的纹理部分可表示为：

V^(k)＝X^(k)-U^(k),k＝1,...,l。

5.根据权利要求4所述的一种基于高光谱图像的非侵入式潜在指纹提取方法，其特征在于：所述将S3得到的多通道纹理图像融合，得到融合l通道图像之后提取出的指纹图像包括以下步骤：

S401、将V^(k)分为不重叠，尺寸为m×m的小块，记为即

其中为整数，将在x、y方向的梯度分别记为和在图像块像素s处，计算该像素处梯度的相角和幅值

S402、计算的梯度统计直方图向量

I_p＝[π(p-1)/κ,pπ/κ],p＝1,2,...,κ，

其中，I_p表示梯度角度的统计区间，κ表示角度分隔份数，p表示角度区间序号；

S403、记的方差为则图像块融合权重可表示为：

S404、将构成的权重矩阵记为Ω^(k)，对Ω^(k)进行形态学处理：对于如果其八邻域权重非零的个数大于3，则强制将其置为否则保持步骤S403的计算结果，得到的图像块权重记为则通过融合l通道图像之后提取出的指纹图像可表示为