CN102682432A - 基于三高斯滤波的低质指纹灰度图像增强方法 - Google Patents
基于三高斯滤波的低质指纹灰度图像增强方法 Download PDFInfo
- Publication number
- CN102682432A CN102682432A CN2012101449292A CN201210144929A CN102682432A CN 102682432 A CN102682432 A CN 102682432A CN 2012101449292 A CN2012101449292 A CN 2012101449292A CN 201210144929 A CN201210144929 A CN 201210144929A CN 102682432 A CN102682432 A CN 102682432A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- gray level
- level image
- brightness
- fingerprint gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于三高斯滤波的低质指纹灰度图像增强方法,该方法是将人类视觉***的非经典感受野三高斯数学模型引入指纹灰度图像处理,根据指纹谷脊交替分布的图像特性,研究人类视觉***的非经典感受野三高斯模型中的参数取值的方法,包括以下步骤:根据指纹灰度图像的尺寸获取指纹特征参数;对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度;根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整。利用本发明,能有效提高整体和局部的对比度和亮度,突出灰暗区域的细节特征,尤其适用于低质指纹灰度图像的处理。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种结合人类视觉特性和指纹特征的低质指纹灰度图像处理方法。
背景技术
指纹灰度图像增强方法分为基于像素的图像增强和基于纹理的图像增强两大类。前者是在空域对指纹进行处理,直接作用于指纹的像素值,一般用在指纹的初级处理中,主要实现图像灰度的调整,使得其后对指纹灰度图像进行方向图、频率图提取更有利,从而为后续的利用方向或频率信息对指纹的进一步增强奠定良好基础。后者是在变换域进行,利用指纹的纹理信息,如相位(即指纹方向信息)、频率、能量等对指纹灰度图像进行加强处理。
一个理想的输入指纹灰度图像,脊线和谷线在局部区域能连续的变换,这样就可以轻易分辨出脊线,从而准确提取细节点。但是,在刑侦领域,案发现场采集到的通常都是低质指纹灰度图像,造成的主要原因有:脊线不连续,即脊线存在中断或裂缝;由于汗孔、污渍等导致的脊线粘连平行的脊线不能很好的分开;指纹上存在折痕、擦伤或者创伤;采集时由于压力不均和角度旋转造成了形变。
上述因素很容易导致丢失真正的特征,提取的特征中有伪特征,细节点的位置特征(位置和方向)存在错误等问题。因此,对于低质指纹灰度图像,难以正确求取指纹的方向图或频率图,自动指纹识别***基本不能胜任,更多地需要人工参与。
发明内容
(一)要解决的技术问题
有鉴于此,本发明的目的在于提出一种基于三高斯滤波的低质指纹灰度图像增强方法,以对低质指纹灰度图像进行基于像素的增强处理,尽可能多地获得清晰的纹线结构,符合人的视觉特性,方便人工参与,且有利于后续基于纹理的指纹灰度图像增强处理。
(二)技术方案
为达到上述目的,本发明提供了一种基于三高斯滤波的低质指纹灰度图像增强方法,该方法是将人类视觉***的非经典感受野三高斯数学模型引入指纹灰度图像处理,根据指纹谷脊交替分布的图像特性,研究人类视觉***的非经典感受野三高斯模型中的参数取值的方法,包括以下步骤:步骤1:根据指纹灰度图像的尺寸获取指纹特征参数;步骤2:对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度;步骤3:根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整。
上述方案中,步骤1中所述根据指纹灰度图像的尺寸获取指纹特征参数,是指从指纹灰度图像中提取指纹灰度图像的尺寸信息,确定指纹特征参数,该指纹特征参数为一个指纹脊或谷的宽度。对于指纹灰度图像,输入图像的灰度值为I(x,y),m、n为指纹灰度图像尺寸长、宽,则一个指纹脊或谷的宽度t定义为:
上述方案中,步骤2中所述对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度,是采用人类视觉***的非经典感受野三高斯数学模型对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度,其中所述人类视觉***的非经典感受野三高斯数学模型中各参数与指纹特征参数呈线性比例关系。当前点主观感觉亮度I(x,y)定义为: 其中I(x,y)表示输入图像的灰度值,M×N为窗口大小,GR是空间邻近三高斯核函数,定义如下: 其中A1,A2,A3分别表示中央、四周和边缘的峰值系数,σ1,σ2,σ3分别表示中央、四周和边缘的尺度参数;结合三高斯滤波函数的生理特性和指纹的脊谷特征,各参数取值如下:各峰值:A1=15,A2=2,A3=1;各方差:σ1=t/2,σ2=2.5*t/2,σ3=4*t/2;窗口大小:M=N=2*σ3。
上述方案中,步骤3中所述根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整,是指依据每个像素点的亮度与其邻域平均亮度的大小关系,进行局部对比度调整。所述调整采用公式: 其中I(x,y)和I0(x,y)分别表示输入、输出图像的灰度值;是当前点(x,y)处的邻域主观感觉亮度,反映了人类视觉***感受到当前点的主观亮度情况;K是正值常数,为局部线性关系的比例,用来调整上述差异在图像中的比例。
(三)有益效果
从上述技术方案可以看出,本发明具有以下有益效果:
本发明提供的基于三高斯滤波的低质指纹灰度图像增强方法,合理引入非经典感受野三高斯滤波函数,结合指纹谷脊交替分布的图像特性,针对不同的指纹灰度图像获取滤波参数,增强指纹灰度图像的对比度,还能有效提升图像中的低空间频率成分,提升区域亮度对比信息和亮度梯度信息,自适应的处理低质量指纹灰度图像中的灰暗区域,提高该部分区域亮度。
进一步地,实验结果表明,本发明能有效增强质量高的指纹灰度图像,效果不逊于其它方法;对低质量的指纹灰度图像增强效果更加明显,不仅提高了脊和谷的对比度,而且能够自适应的将灰暗区域亮度提高,有利于后续处理的同时,也便于人眼观察,为人工参与鉴别提高帮助。
附图说明
为进一步说明本发明的技术内容,以下结合附图及实施案例对本发明详细说明如后,其中:
图1是本发明提供的基于三高斯滤波的低质指纹灰度图像增强方法流程图;
图2是中间兴奋、四周抑制、边缘兴奋的非经典感受野模型;
图3是三高斯模型的二维参数示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
为了能定量地描述人类视觉***的视网膜神经节细胞非经典感受野的输入-输出特性,本发明采用三高斯数学模型,用中心兴奋区、周边抑制区和边缘兴奋区共同组成的同心圆结构来描述神经节细胞的非经典感受野。
指纹灰度图像的纹理结构特征:脊和谷交替的线条形纹线,多呈平行的纹理结构;纹线具有局部序列性,且序列在更大的区域内不断重复;各部分大致均匀,纹理区域内任何地方都有基本相同的结构尺寸。
基于人类视觉***的非经典感受野和指纹纹理结构的特性,图1是本发明提出的全新的低质指纹灰度图像增强方法流程图,该方法根据指纹谷脊交替分布的图像特性,研究人类视觉***的非经典感受野三高斯模型中的参数取值方法,使得该指纹增强处理算法具有自适应特性,包括以下步骤:
步骤1:根据指纹灰度图像的尺寸获取指纹特征参数;
步骤2:对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度;
步骤3:根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整。
上述方案中,步骤1中所述根据指纹灰度图像的尺寸获取指纹特征参数,是指从指纹灰度图像中提取指纹灰度图像的尺寸信息,确定指纹特征参数,该指纹特征参数即脊或谷宽度像素个数。
上述方案中,步骤2中所述对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度,是采用人类视觉***的非经典感受野三高斯数学模型对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度,其中所述人类视觉***的非经典感受野三高斯数学模型中各参数与指纹特征参数呈线性比例关系。
上述方案中,步骤3中所述根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整,是指依据每个像素点的亮度与其邻域平均亮度的大小关系,进行局部对比度调整。
基于图1所示的本发明提供的基于三高斯滤波的低质指纹灰度图像增强方法流程图,以下结合具体实施例对该方法进一步详细说明。
步骤一:根据指纹灰度图像的尺寸获取指纹特征参数;
对待指纹灰度图像,输入图像的灰度值为I(x,y),m、n为指纹灰度图像尺寸长、宽:
一个指纹脊或谷的宽度(像素个数)t定义为:
步骤二:对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度;
三高斯函数数学模型体现了中心兴奋区、周边抑制区和边缘兴奋区的视网膜神经节细胞的非经典感受野特性分布(如图2所示),很强地模拟了视网膜神经节细胞的传导特性,使用这一模型来处理指纹灰度图像时,既能增强指纹灰度图像的对比度,还能有效提升图像中的低空间频率成分,提升区域亮度对比信息和亮度梯度信息,自适应的处理低质量指纹灰度图像中的灰暗区域,提高该部分区域亮度。
各峰值:A1=15,A2=2,A3=1;
各方差:σ1=t/2,σ2=2.5*t/2,σ3=4*t/2,
窗口大小:M=N=2*σ3;
步骤三:根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整;
根据人眼的主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整。
式中,I(x,y)和I0(x,y)分别表示输入、输出图像的灰度值。是当前点(x,y)处的邻域主观感觉亮度,反映了人类视觉***感受到当前点的主观亮度情况。K是正值常数,为局部线性关系的比例,用来调整上述差异在图像中的比例。
实验证明,本方法增强效果良好,切实可行。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于三高斯滤波的低质指纹灰度图像增强方法,该方法是将人类视觉***的非经典感受野三高斯数学模型引入指纹灰度图像处理,根据指纹谷脊交替分布的图像特性,研究人类视觉***的非经典感受野三高斯模型中的参数取值的方法,包括以下步骤:
步骤1:根据指纹灰度图像的尺寸获取指纹特征参数;
步骤2:对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度;
步骤3:根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整。
2.根据权利要求1所述的基于三高斯滤波的低质指纹灰度图像增强方法,其特征在于,步骤1中所述根据指纹灰度图像的尺寸获取指纹特征参数,是指从指纹灰度图像中提取指纹灰度图像的尺寸信息,确定指纹特征参数,该指纹特征参数为一个指纹脊或谷的宽度。
4.根据权利要求1所述的基于三高斯滤波的低质指纹灰度图像增强方法,其特征在于,步骤2中所述对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度,是采用人类视觉***的非经典感受野三高斯数学模型对指纹灰度图像进行三高斯单边滤波获得指纹灰度图像的邻域主观感觉亮度,其中所述人类视觉***的非经典感受野三高斯数学模型中各参数与指纹特征参数呈线性比例关系。
6.根据权利要求1所述的基于三高斯滤波的低质指纹灰度图像增强方法,其特征在于,步骤3中所述根据获得的指纹灰度图像的邻域主观感觉亮度与实际光强的差异,对指纹灰度图像进行局部对比度线性调整,是指依据每个像素点的亮度与其邻域平均亮度的大小关系,进行局部对比度调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101449292A CN102682432A (zh) | 2012-05-11 | 2012-05-11 | 基于三高斯滤波的低质指纹灰度图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101449292A CN102682432A (zh) | 2012-05-11 | 2012-05-11 | 基于三高斯滤波的低质指纹灰度图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102682432A true CN102682432A (zh) | 2012-09-19 |
Family
ID=46814301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101449292A Pending CN102682432A (zh) | 2012-05-11 | 2012-05-11 | 基于三高斯滤波的低质指纹灰度图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102682432A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103873786A (zh) * | 2012-12-17 | 2014-06-18 | 原相科技股份有限公司 | 影像调整方法以及使用这个影像调整方法的光学导航装置 |
CN104915934A (zh) * | 2015-06-15 | 2015-09-16 | 电子科技大学 | 一种基于视网膜机制的灰度图像增强方法 |
CN106157253A (zh) * | 2015-04-17 | 2016-11-23 | 瑞昱半导体股份有限公司 | 图像处理装置与图像处理方法 |
US9704225B2 (en) | 2013-04-23 | 2017-07-11 | Huawei Technologies Co., Ltd. | Image enhancement method and device based on non-classical receptive field suppression |
CN109977879A (zh) * | 2019-03-28 | 2019-07-05 | 山东省计算中心(国家超级计算济南中心) | 一种现场指纹采集与远程匹配对比方法及*** |
CN110738619A (zh) * | 2019-10-15 | 2020-01-31 | 西南大学 | 基于仿生自适应忆阻细胞神经网络的图像增强方法 |
CN112862832A (zh) * | 2020-12-31 | 2021-05-28 | 重庆盛泰光电有限公司 | 一种基于同心圆分割定位的脏污检测方法 |
CN117251087A (zh) * | 2023-11-17 | 2023-12-19 | 济宁市金桥煤矿 | 基于虚拟现实的煤矿安全模拟交互方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
CN101576999A (zh) * | 2009-06-01 | 2009-11-11 | 杭州晟元芯片技术有限公司 | 一种指纹图像方向增强方法 |
CN101853490A (zh) * | 2010-04-21 | 2010-10-06 | 中国科学院半导体研究所 | 一种基于人类视觉特性的仿生图像复原方法 |
CN101930592A (zh) * | 2009-09-23 | 2010-12-29 | 电子科技大学 | 一种基于视觉非经典感受野模型的图像去噪方法 |
CN101996321A (zh) * | 2009-08-24 | 2011-03-30 | 北京易创科技有限公司 | 一种指纹识别预处理的方法及装置 |
US20110286680A1 (en) * | 2010-04-15 | 2011-11-24 | Nikon Corporation | Medium storing image processing program, image processing device, and image processing method |
-
2012
- 2012-05-11 CN CN2012101449292A patent/CN102682432A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329726A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 一种基于一维滤波的指纹图像增强方法 |
CN101576999A (zh) * | 2009-06-01 | 2009-11-11 | 杭州晟元芯片技术有限公司 | 一种指纹图像方向增强方法 |
CN101996321A (zh) * | 2009-08-24 | 2011-03-30 | 北京易创科技有限公司 | 一种指纹识别预处理的方法及装置 |
CN101930592A (zh) * | 2009-09-23 | 2010-12-29 | 电子科技大学 | 一种基于视觉非经典感受野模型的图像去噪方法 |
US20110286680A1 (en) * | 2010-04-15 | 2011-11-24 | Nikon Corporation | Medium storing image processing program, image processing device, and image processing method |
CN101853490A (zh) * | 2010-04-21 | 2010-10-06 | 中国科学院半导体研究所 | 一种基于人类视觉特性的仿生图像复原方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103873786B (zh) * | 2012-12-17 | 2017-08-04 | 原相科技股份有限公司 | 影像调整方法以及使用这个影像调整方法的光学导航装置 |
CN103873786A (zh) * | 2012-12-17 | 2014-06-18 | 原相科技股份有限公司 | 影像调整方法以及使用这个影像调整方法的光学导航装置 |
US9704225B2 (en) | 2013-04-23 | 2017-07-11 | Huawei Technologies Co., Ltd. | Image enhancement method and device based on non-classical receptive field suppression |
CN106157253B (zh) * | 2015-04-17 | 2019-09-03 | 瑞昱半导体股份有限公司 | 图像处理装置与图像处理方法 |
CN106157253A (zh) * | 2015-04-17 | 2016-11-23 | 瑞昱半导体股份有限公司 | 图像处理装置与图像处理方法 |
CN104915934A (zh) * | 2015-06-15 | 2015-09-16 | 电子科技大学 | 一种基于视网膜机制的灰度图像增强方法 |
CN104915934B (zh) * | 2015-06-15 | 2017-10-27 | 电子科技大学 | 一种基于视网膜机制的灰度图像增强方法 |
CN109977879A (zh) * | 2019-03-28 | 2019-07-05 | 山东省计算中心(国家超级计算济南中心) | 一种现场指纹采集与远程匹配对比方法及*** |
CN110738619A (zh) * | 2019-10-15 | 2020-01-31 | 西南大学 | 基于仿生自适应忆阻细胞神经网络的图像增强方法 |
CN110738619B (zh) * | 2019-10-15 | 2022-03-01 | 西南大学 | 基于仿生自适应忆阻细胞神经网络的图像增强方法 |
CN112862832A (zh) * | 2020-12-31 | 2021-05-28 | 重庆盛泰光电有限公司 | 一种基于同心圆分割定位的脏污检测方法 |
CN117251087A (zh) * | 2023-11-17 | 2023-12-19 | 济宁市金桥煤矿 | 基于虚拟现实的煤矿安全模拟交互方法 |
CN117251087B (zh) * | 2023-11-17 | 2024-02-09 | 济宁市金桥煤矿 | 基于虚拟现实的煤矿安全模拟交互方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102682432A (zh) | 基于三高斯滤波的低质指纹灰度图像增强方法 | |
CN106683080B (zh) | 一种视网膜眼底图像预处理方法 | |
CN104484667A (zh) | 一种基于亮度特征和轮廓完整性的轮廓提取方法 | |
CN102930249A (zh) | 基于颜色和模型的农田害虫识别和计数方法 | |
CN105205821A (zh) | 一种焊接图像分割方法 | |
CN102201120B (zh) | 一种基于多特征的目标物体轮廓检测方法 | |
CN105825484A (zh) | 一种基于深度学习的深度图像去噪及增强方法 | |
CN101667137B (zh) | 使用方向滤波技术的手指静脉纹路提取方法 | |
CN103295191A (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
CN102629318B (zh) | 一种基于支持向量机的指纹图像分割方法 | |
CN101546430A (zh) | 基于简化型脉冲耦合神经网络的边缘提取方法 | |
CN101853490A (zh) | 一种基于人类视觉特性的仿生图像复原方法 | |
CN103824309A (zh) | 一种城市建成区边界自动提取方法 | |
CN104504673A (zh) | 基于nsst的可见光与红外图像融合方法及*** | |
CN101527043B (zh) | 基于运动目标轮廓信息的视频对象分割方法 | |
CN106529543B (zh) | 一种动态计算多色级二值化自适应阈值的方法及其*** | |
CN102073989B (zh) | 融入pca的非局部均值的极化sar数据相干斑抑制方法 | |
CN104778669A (zh) | 快速图像去噪方法及装置 | |
CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
CN104463804A (zh) | 一种基于直觉模糊集的图像增强方法 | |
CN104143102B (zh) | 在线图像数据处理方法 | |
CN103295010A (zh) | 一种处理人脸图像的光照归一化方法 | |
CN101655973A (zh) | 一种基于人眼视觉特征的图像增强方法 | |
CN103699900A (zh) | 卫星影像中建筑物水平矢量轮廓自动批量提取方法 | |
CN102254304B (zh) | 一种目标物体轮廓检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120919 |