[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

说明书

本发明涉及一种基于多方向自适应阈值的指静脉图像噪声检测方法，其包括以下步骤：构造多个方向的增强谷型区域的滤波模板，得到多个方向的响应值；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；将各个方向的响应值与自适应阈值比较，若各方向的响应值均大于自适应阈值，则判定该点为疑似噪声区域；对疑似噪声区域进行边界点的剔除；对疑似噪声区域进行静脉纹路区域点的剔除；统计疑似噪声点的点数，比较噪声区域面积大小与阈值，判断图像质量。本发明可以实现对静脉图像中噪声区域的精确检测，在噪声达到一定量时防止包含噪声的指静脉图像注册为模板，引导用户注册正常干净指静脉图像为模板，提升使用体验。

技术领域

本发明属于信息安全中的生物特征识别技术领域，尤其涉及一种基于多方向自适应阈值的指静脉图像噪声检测方法。

背景技术

手指静脉识别技术是第二代生物特征识别的代表性技术，它使用近红外光对手指进行照射，手指静脉血管中的血红蛋白对近红外光相比于骨骼肌肉等区域具有更高的吸收率，因此手指静脉血管纹路在指静脉图像中会形成低灰度区域。手指静脉纹路具有唯一性和稳定性，并且位于人体内部，具有高度的安全性和防伪性。因此可以利用指静脉图像进行个人的身份认证。

受当前指静脉图像采集设备工艺水平的影响，实际上所采集到的指静脉图像内低灰度区域除了静脉纹路外，通常还包含噪声，这些噪声来源于手指或者设备。比如手指沾染了泥土或者钢笔墨水、油污等，这种手指表面的脏污区域会导致近红外光在穿透手指时被吸收，在图像中形成低灰度区域，和静脉纹路区域难以区分。这种脏污区域不具备和手指静脉纹路一样的唯一性和稳定性，不具备稳定性会导致用户下次验证时成功率降低，而不具备唯一性则会导致认假的概率增加，因此该特征不能作为身份认证的依据，所以包含这种特征的指静脉图像不能被注册成为模板。由于噪声区域和手指静脉纹路具有相似性，即都是在指静脉图像中呈现为低灰度，并且形态各异，传统的噪声检测算法难以区分两者。

发明内容

本发明的目的在于针对传统的噪声检测算法难以区分噪声区域和手指静脉纹路而导致的无法准确判断图像质量的问题，提出一种基于多方向自适应阈值的指静脉图像噪声检测方法。

为了达到目的，本发明提供的技术方案为：

本发明涉及的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_i；

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。

优选地，所述步骤1)中构造四个滤波模板，滤波后得到四个响应值。

优选地，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)；