[发明专利]一种基于多方向自适应阈值的指静脉图像噪声检测方法

权利要求书

1.一种基于多方向自适应阈值的指静脉图像噪声检测方法，其特征在于：其包括以下步骤：

1)构造多个方向的增强谷型区域的滤波模板，滤波后得到多个方向的响应值K_d，d表示多个方向的第d个方向；

2)根据当前点的灰度值和周围邻域的灰度值计算得到当前点的自适应阈值T₁；

3)将各个方向的响应值与自适应阈值T₁比较，若各方向的响应值均大于自适应阈值T₁，则判定该点为疑似噪声区域；

4)对疑似噪声区域进行边界点的剔除；

5)对疑似噪声区域进行静脉纹路区域点的剔除；

6)设定一个阈值ρ，统计疑似噪声点的点数，得到噪声区域的面积大小，比较噪声区域面积大小与阈值ρ，判断图像质量。

2.根据权利要求1所述的基于多方向自适应阈值的指静脉图像噪声检测方法，其特征在于：所述步骤1)中构造四个滤波模板，滤波后得到四个响应值。

3.根据权利要求2所述的基于多方向自适应阈值的指静脉图像噪声检测方法，其特征在于：所述四个响应值分别为K₁、K₂、K₃和K₄，

K₁＝f(x,y-1)×2+f(x,y)×(-4)+f(x,y+1)×2 (1)；

K₂＝f(x-1,y+1)×2+f(x,y)×(-4)+f(x+1,y-1)×2 (2)；

K₃＝f(x-1,y)×2+f(x,y)×(-4)+f(x+1,y)×2 (3)；

K₄＝f(x-1,y-1)×2+f(x,y)×(-4)+f(x+1,y+1)×2 (4)；

式中的f(x,y)指当前点的灰度值大小，x,y分别是图像矩阵的行坐标和列坐标，对应为手指的纵向和横向。

4.根据权利要求1所述的基于多方向自适应阈值的指静脉图像噪声检测方法，其特征在于：所述步骤2)中自适应阈值T₁的计算方式为：

式中，r代表周围邻域的半径，i、j分别表示求和的邻域范围，-r≤i≤r，-r≤j≤r。

5.根据权利要求1所述的基于多方向自适应阈值的指静脉图像噪声检测方法，其特征在于：所述步骤3)中，采用公式对各方向的响应值与当前点的自适应阈值进行比较，其公式为

其中，k为阈值系数；当所有方向的响应值均满足要求，则将该点标记为1，否则标记为0，其中，1为疑似噪声区域，即

6.根据权利要求1所述的基于多方向自适应阈值的指静脉图像噪声检测方法，其特征在于：所述步骤4)的具体步骤为：

4.1)计算疑似噪声点F₁(x₀，y₀)的列方向左右两边的平均灰度，左右两边的平均灰度分别用ave_L和ave_R表示，

4.2)根据左右两侧平均灰度的差值判定该点是否为边界点，并剔除边界点，即

其中，公式(9)中的T₂为边界点阈值，其计算公式如公式(10)所示：

T₂＝μ×T₁ (10)，

其中，μ为阈值系数，y_max为当前待检测的图像的列宽的最大值，j_L表示求和的左边邻域范围，j_R表示求和的右边邻域范围，0≤j_L≤y₀-1，y₀+1≤j_R≤y_max。

7.根据权利要求1所述的基于多方向自适应阈值的指静脉图像噪声检测方法，其特征在于：所述步骤5)的具体步骤为：

5.1)分别计算中心邻域平均灰度T_M、左上角邻域平均灰度T_LU、左下角邻域平均灰度T_LD、右上角邻域平均灰度T_RU和右下角邻域平均灰度T_RD，

5.2)将中心邻域平均灰度T_M与左上角邻域平均灰度T_LU、左下角邻域平均灰度T_LD、右上角邻域平均灰度T_RU、右下角邻域平均灰度T_RD中的最小值进行比较，除掉中心邻域平均灰度T_M高于四周四块邻域平均灰度T_LU、T_LD、T_RU、T_RD的点，即

式中，min(T_LU,T_LD,T_RU,T_RD)是指四个平均灰度的最小值。