[发明专利]一种基于皮裂纹分割的NLM滤波指静脉去噪方法

说明书

本发明公开了一种基于皮裂纹分割的NLM滤波指静脉去噪方法。首先用多尺度Frangi滤波算法对手指蜕皮导致形成皮裂纹特征的指静脉图像进行滤波响应分析，选择空间尺度大小以及分割阈值。然后根据皮裂纹二值图对检测到的受皮裂纹干扰的区域采用NLM滤波去噪，而非受干扰区域不作去噪处理。基于开关型非局部均值滤波的指静脉去噪算法，特定针对蜕皮的皮裂纹区域进行去噪，减少伪静脉的干扰同时不会对正常静脉区域的信息造成损失，且应用在手指静脉图像上可以充分利用了图像上其他区域的冗余信息，能起一定的修复作用，去噪效果更佳。因此，本发明是一种对手指蜕皮类的指静脉图像去噪效果较好的指静脉去噪算法。

技术领域

本发明属于生物特征识别及信息安全技术领域，特别涉及到手指静脉图像预处理领域。

背景技术

手指静脉技术作为最新的生物识别技术，凭借其高防伪性能，高准确度，识别迅速等特点让其在银行、门禁打卡系统、社保等各个领域都得到了应用。一个完整的指静脉识别系统，包含图像采集、图像预处理、特征提取和匹配识别。其中图像预处理部分包含了感兴趣区域提取，尺寸灰度归一化，图像去噪，图像增强等，图像预处理决定了提取到特征的质量高低，对后续匹配识别影响巨大，因此非常重要。但是目前市场流行的指静脉采集设备大多以红外摄像头为主，获取的指静脉图像容易受手指表皮信息的干扰。对于某些人群的样本，例如老人，劳动人民或是到了冬季容易蜕皮的人群，采集到的手指静脉图像存在由蜕皮造成的皮裂纹特征，对静脉信息造成干扰，使用时性能不是很好。因此，对静脉图像上皮裂纹区域的检测以及去噪处理是提高后续特征质量以及匹配性能的重要步骤。

余成波等人在手指静脉识别技术中将传统去噪算法运用在指静脉图像预处理中，邻域平均算法简单，复杂度低，但是其不足是去噪的同时导致图像模糊化，特别是在静脉信息处导致了后续提取特征丢失；低通滤波通过抑制图像高频部分，保留低频部分而实现去噪效果，但是会导致模糊化以及振铃效应；中值滤波属于非线性滤波器，相比线性滤波器对图像模糊的控制更好，但是图像中细节过多时，也不宜采用。并且皮裂纹特征在静脉图像上呈现细长不规律形状的特点，导致这些邻域滤波算法无法达到理想的效果。刘洋等提出了基于稀疏分解的指静脉图像去噪算法，将图像通过稀疏分解去除噪声成分；孙艳杰等将多小波理论用于指静脉去噪，对图像做多尺度小波分析，在频域上对其进行去噪处理，但两者都是从信号处理的角度来考虑，算法的复杂度较高。目前对指静脉图像去噪的研究多在于改善整体的峰值信噪比等基础上，并没有考虑到手指蜕皮等造成的皮裂纹特征提取时会导致伪静脉的影响，并且上述算法均是直接对静脉图像全图进行处理，没有对受皮裂纹特征干扰的区域与正常的静脉图像区域进行检测区分，容易导致图像整体模糊化、静脉信息丢失，提高了认假率。

发明内容

对于手指蜕皮的静脉图像中的皮裂纹区域容易产生伪静脉影响识别性能，而现有的指静脉去噪算法容易导致图像整体模糊化、静脉信息丢失等问题，本发明提供一种基于皮裂纹分割的非局部均值 (Non-Local Means，NLM)滤波指静脉去噪方法。

本发明所采用的技术方案为：

一种基于皮裂纹分割的NLM滤波指静脉去噪方法，包括以下步骤：

步骤1、提取图像像素点的Hessian矩阵的高斯核函数如式(1)：

式(1)中x和y取值由高斯模板中标准差因子t决定，正方形窗口边长为p＝2×t+1，因此x和y取值均为[-p,p]。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。实验表明存在合适的空间尺度因子σ_c提取皮裂纹特征的效果较好，且不会将静脉信息当做皮裂纹分割。