CN111639555A - 一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置 - Google Patents

Abstract

本发明涉及一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置，方法包括：1)基于二维高斯模板计算指静脉图像的多方向曲率响应值；2)设定最大曲率响应值阈值T₁、曲率响应值阈值S和超过曲率响应值阈值的数量阈值T₂，根据曲率响应值分布情况确定噪声区域并提取噪声区域图像；3)通过逐圈自适应中值滤波方法将噪声区域滤除，得到去噪后的指静脉图像。装置包括计算模块、噪声区域提取模块和噪声区域滤除模块。本发明涉及的方法可以实现指静脉图像的噪声精确有效检测，并对检测出来的噪声区域实现精准快速的滤波处理，有效提升包含噪声的指静脉图像的识别性能，提高指静脉识别***的实际使用体验。

Description

一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置

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，尤其涉及一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置。

背景技术

指静脉识别技术属于生物特征识别技术，是第二代生物特征识别技术中的典型技术。其突出的技术特点是所采集的生物特征位于体内，相比指纹，人脸等传统的生物特征，具有更高的安全性和不可复制性。其特征采集依赖于血液中的血红蛋白对近红外光的吸收，从根源上保证了活体识别，同时手指静脉纹路具有唯一性和长期不变性，是一种高度安全的，具有巨大研究价值的生物特征。

研究发现，手指上的裂纹、起皮区域或者采集窗口上的灰尘均会体现在指静脉图像中，并且其灰度值一般比指静脉纹路区域低，在指静脉图像中属于噪声区域。当指静脉图像中存在噪声时，噪声的不稳定性会对指静脉识别***的实际使用体验造成很大问题：当图像的噪声过多时，验证通过率会降低，甚至无法验证成功。因此当指静脉图像中存在噪声时，需要对噪声区域进行检测和滤波去噪，提高包含噪声图像的验证成功率。

指静脉识别的方法如专利号为CN110119724A公开的指静脉识别方法，包括如下步骤：对高清摄像头采集的图像进行ROI定位；对图像不同部分进行灰度归一化处理；对图像进行均值滤波、高斯滤波消除噪声；使用曲率检测判断纹路中心位置；通过gamma变换增强灰度图的对比度；使用基于索引表的细化方法来判断边缘像素点；将提取指静脉骨架进行融合、膨胀、平滑处理；通过模板匹配、Hu不变矩、改进的Zernike矩，进行指静脉识别。

上述现有技术中，对图像进行均值滤波、高斯滤波消除噪声，该消除噪声的方法存在的缺陷是：噪声区域的定位不够准确，滤波处理的速度不够快。

发明内容

本发明的目的是为了解决现有技术中指静脉识别过程中指静脉图像的噪声区域定位不够准确，滤波处理速度不够快的缺陷，提出一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置。

为了达到目的，本发明提供的技术方案为：

本发明涉及的一种指静脉图像噪声精确提取和自适应滤波去噪方法，包括以下步骤：

1)基于二维高斯模板计算指静脉图像的多方向曲率响应值；

2)设定最大曲率响应值阈值T₁、曲率响应值阈值S和超过曲率响应值阈值的数量阈值T₂，根据曲率响应值分布情况及阈值确定噪声区域并提取噪声区域图像；

3)通过逐圈自适应中值滤波方法将噪声区域滤除，得到去噪后的指静脉图像。

优选地，所述的步骤1)的具体步骤包括：

1.1)依据二维高斯函数构造8方向的曲率计算算子，二维高斯函数为：

式中，x和y分别表示模板的长和宽；

1.2)计算多方向曲率，曲率的计算涉及一阶偏导数的计算、二阶偏导数的计算以及计算高斯函数在直线L_θ方向上的一阶、二阶方向导数，其中，

一阶偏导数的计算公式为：

二阶偏导数的计算公式为：

计算高斯函数在直线L_θ方向上的一阶、二阶方向导数的计算公式为：

式中，θ表示引入的夹角，其为某直线L_θ与x轴正方向的夹角；

1.3)计算多方向曲率响应值，计算公式为：

优选地，所述的步骤2)具体包括：

2.1)设定最大曲率响应值阈值T₁，根据最大曲率响应值阈值T₁进行疑似噪声点的筛选；

2.2)设定曲率响应值阈值S以及超过曲率响应值阈值的数量阈值T₂，根据率响应值阈值S和超过曲率响应值阈值的数量阈值T₂确定噪声区域；

2.3)提取噪声区域图像。

优选地，所述的率响应值阈值S小于最大曲率响应值阈值T₁。

优选地，所述的率响应值阈值S的大小为：S＝T₁/2。

优选地，所述步骤3)的具体包括：

3.1)设定噪声点的比例值η，根据比例值η计算最大中值滤波模板大小；

3.2)根据最大中值滤波模板大小，进行由外到内的逐圈中值滤波，得到去噪后的指静脉图像。

优选地，所述步骤3.1)中计算最大中值滤波模板大小的具体步骤包括：

3.1.1)设定模板为正方形模板，模板的初始边长为1；

3.1.2)计算当前模板大小内的所有点中噪声点的比例；

3.1.3)若当前模板大小内的所有点中噪声点的比例小于η，则认定当前模板大小为最佳匹配的中值滤波模板大小，若当前模板大小内的所有点中噪声点的比例大于或等于η，则在当前模板边长的基础上增大边长，返回步骤3.1.2)。

优选地，所述的步骤3.1.3)中边长每次的增加量为1。

优选地，所述步骤3.2)中由外到内的逐圈中值滤波的具体方式为：在每一圈中值滤波定义为四个方向都执行一遍，即从上到下，从下到上，从左到右，从右到左为一圈，每次只对一个噪声点进行处理，执行完第一圈后，图像中的噪声区域的最外层噪声点均被滤除，此时将其标记为正常点，再进行下一圈滤波，且每进行一圈滤波，都需要重新计算最大中值滤波模板的大小。

本发明还涉及一种指静脉图像噪声精确提取和自适应滤波去噪装置，包括：

1)计算模块，基于二维高斯模板计算指静脉图像的多方向曲率响应值；

2)噪声区域提取模块，用于设定最大曲率响应值阈值T₁、曲率响应值阈值S和超过曲率响应值阈值的数量阈值T₂，根据曲率响应值分布情况确定噪声区域并提取噪声区域图像；

3)噪声区域滤除模块，用于通过逐圈自适应中值滤波方法将噪声区域滤除，得到去噪后的指静脉图像。

采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：

本发明提出一种指静脉图像噪声精确提取和自适应滤波去噪方法，首先基于二维高斯模板进行指静脉图像的多方向曲率值计算，然后根据曲率值进行噪声区域提取，再通过逐圈自适应大小的中值滤波对噪声点进行滤除，实现指静脉图像的噪声区域检测和噪声滤除，本发明涉及的方法可以实现指静脉图像的噪声精确有效检测，并对检测出来的噪声区域实现精准快速的滤波处理，有效提升包含噪声的指静脉图像的识别性能，提高指静脉识别***的实际使用体验。

附图说明

图1是指静脉图像噪声精确提取和自适应滤波去噪方法的流程图；

图2是一幅包含噪声的指静脉灰度图像；

图3是阈值T₂判断出的疑似噪声区域图像；

图4是经过自适应逐圈中值滤波后的图像；

图5是不同噪声形态的指静脉灰度图像例举；

图6是不同噪声图像库去噪后的图像；

图7是指静脉图像噪声精确提取和自适应滤波去噪的框图。

具体实施方式

为进一步了解本发明的内容，结合实施例对本发明作详细描述，以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例一

结合附图1所示，本发明涉及的指静脉图像噪声精确提取和自适应滤波去噪方法包括以下步骤：

1)对于一幅指静脉灰度图像，如图2所示，图像大小为320×140，明显可见图像中存在灰度值低的，分布较为分散的噪声点，基于二维高斯模板计算指静脉图像的多方向曲率响应值，其具体步骤包括：

1.1)依据二维高斯函数构造8方向的曲率计算算子，二维高斯函数为：

式中，x和y分别表示模板的长和宽，本实施例中选定的二维高斯模板为9×9的正方形模板，及x＝y＝9；

1.2)计算多方向曲率，曲率的计算涉及一阶偏导数的计算、二阶偏导数的计算以及计算高斯函数在直线L_θ方向上的一阶、二阶方向导数，其中，

一阶偏导数的计算公式为：

二阶偏导数的计算公式为：

计算高斯函数在直线L_θ方向上的一阶、二阶方向导数的计算公式为：

式中，θ表示引入的夹角，其为某直线L_θ与x轴正方向的夹角，本实施例中角度参数θ取值为0°，22.5°，45°，67.5°，90°，112.5°，135°，157.5°；

1.3)计算多方向曲率响应值K_θ，计算公式为：

2)设定最大曲率响应值阈值T₁、曲率响应值阈值S和超过曲率响应值阈值的数量阈值T₂，根据曲率响应值分布情况及阈值确定噪声区域并提取噪声区域图像，具体步骤为：

2.1)由于噪声区域的曲率值一般很大，且由于其连续性差，存在多个方向角度上面均有较大值，因此首先设定最大曲率响应值阈值T₁，本实施例中T₁为280，根据最大曲率响应值阈值T₁进行疑似噪声点的筛选，即当某个点的最大曲率值大于T₁时，列为疑似噪声点；

2.2)设定率响应值阈值S以及超过曲率响应值阈值的数量阈值T₂，其中，率响应值阈值S的大小小于最大曲率响应值阈值T₁，本实施例中，S＝T₁/2，超过曲率响应值阈值的数量阈值T₂为5，根据率响应值阈值S和超过曲率响应值阈值的数量阈值T₂确定噪声区域，即需要满足至少在5个方向上面，曲率响应值超过140，同时最大曲率响应值超过280，才认为当前点是确定的噪声区域，提取得到如图4所示的噪声区域图像，对比图2和图3可见，提取出的噪声区域图像可以精确反应出图像中的噪声分布情况，做到了精确的检测。

3)得到精确的噪声区域图像后，通过逐圈自适应中值滤波方法将噪声区域滤除，得到去噪后的指静脉图像，其具体步骤包括：

3.1)由于中值滤波的模板大小对于滤波效果和效率有直接影响，指静脉图像中的噪声区域存在大小不一的现象，如果整幅图像使用较大的中值滤波模板，滤波时间会较长；如果使用较小的模板，对于一些大块的噪声区域，滤波效果不佳。因此对于某个噪声点，需要确定它的最佳中值滤波模板大小。中值滤波原理是选取模板内的所有值排序后的中间值替换掉当前值，如果某个点为噪声点，那么该点的灰度值是处于模板大小内所有值排序的边缘区域，要保证中值是接近正常灰度范围，需要保证当前模板内的点中，噪声点数量的比例不能过高，因此在确定中值滤波的模板大小时，需要设定噪声点的比例值η，本实施例中比例值η为30％，即保证当前参与中值滤波的模板内的点中，噪声点的比例不超过30％，此时的滤波效果较佳，根据比例值η计算最大中值滤波模板大小，即

3.1.1)设定模板为正方形模板，模板的初始边长为1；

3.1.2)计算当前模板大小内的所有点中噪声点的比例；

3.1.3)若当前模板大小内的所有点中噪声点的比例小于η，则认定当前模板大小为最佳匹配的中值滤波模板大小，若当前模板大小内的所有点中噪声点的比例大于或等于η，则在当前模板边长的基础上增大边长，边长每次的增加量为1，返回步骤3.1.2)，通过上述方法，得到本实施例的最大中值滤波模板边长为6；

3.2)根据最大中值滤波模板大小，进行由外到内的逐圈中值滤波，得到去噪后的指静脉图像，其具体方式为：在每一圈中值滤波定义为四个方向都执行一遍，即从上到下，从下到上，从左到右，从右到左为一圈，每次只对一个噪声点进行处理，执行完第一圈后，图像中的噪声区域的最外层噪声点均被滤除，此时将其标记为正常点，再进行下一圈滤波；需要注意的是：每进行一圈滤波，都需要重新计算最大中值滤波模板的大小，经过滤波后的图像如图4所示，对比图2可见，图像中的噪声区域基本被滤除干净，静脉纹路成为了图像中的主要的灰度值低的区域，静脉特征明显。

为了分析本发明方法的去噪有效性，选择了多种形态不同类型的噪声图像库，例举如图5所示，总共3种噪声类型的图像，作为比对图像，同时还保存了1组正常采集图像库，不包含噪声，作为模板图像。3种噪声图像库去噪后的情况对应如图6所示，可见本发明方法对于不同程度，不同分布形态的噪声均存在较好的滤波效果。对比试验基于上述4组图像库，每组图像库包含100根手指，每根手指5张图像。将正常图像输入***作为模板，将3组噪声图像库直接输入***作为验证图像，得到不去噪处理的验证结果，将3组噪声图像库经过本发明方法去噪处理后输入***作为验证图像，得到去噪处理后的验证结果，分别统计了其验证通过率和认假率，其中统计认假率时，将本根手指模板屏蔽掉，只与其余99根手指模板比对。对于每一种噪声图像库，统计验证成功率的结果共有1500个，统计认假率的结果也共有1500个。得到如表1的去噪前后成功率和认假率比较。

表1：去噪前后成功率和认假率比较

由表1结果可知，指静脉图像包含噪声后，识别率有不同程度的降低，且噪声越严重，识别率降低越大。本发明方法对噪声图像去噪后，可以明显提升其识别率，对于3种不同程度的噪声图像库，识别率分别提升12.40％，15.53％和15.60％，且对噪声越严重的图像，识别率提升越大，而认假率方面去噪后没有新增认假，说明去噪方法可以提升噪声图像库的整体识别性能。

实施例二

参照图7所示，本实施例涉及一种指静脉图像噪声精确提取和自适应滤波去噪装置，包括：

1)计算模块，基于二维高斯模板计算指静脉图像的多方向曲率响应值；所述的计算模块是实现实施例一步骤1)功能的模块。

2)噪声区域提取模块，用于设定最大曲率响应值阈值T₁、曲率响应值阈值S和超过曲率响应值阈值的数量阈值T₂，根据曲率响应值分布情况确定噪声区域并提取噪声区域图像；所述噪声区域提取模块是实现实施例一步骤2)功能的模块。

3)噪声区域滤除模块，用于通过逐圈自适应中值滤波方法将噪声区域滤除，得到去噪后的指静脉图像。所述噪声区域滤除模块是实现实施例一步骤3)功能的模块。

以上结合实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍属于本发明的专利涵盖范围之内。

Claims (10)

1.一种指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：其包括以下步骤：

1)基于二维高斯模板计算指静脉图像的多方向曲率响应值；

2)设定最大曲率响应值阈值T₁、曲率响应值阈值S和超过曲率响应值阈值的数量阈值T₂，根据曲率响应值分布情况及阈值确定噪声区域并提取噪声区域图像；

3)通过逐圈自适应中值滤波方法将噪声区域滤除，得到去噪后的指静脉图像。

2.根据权利要求1所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述的步骤1)的具体步骤包括：

1.1)依据二维高斯函数构造8方向的曲率计算算子，二维高斯函数为：

式中，x和y分别表示模板的长和宽；

1.2)计算多方向曲率，曲率的计算涉及一阶偏导数的计算、二阶偏导数的计算以及计算高斯函数在直线L_θ方向上的一阶、二阶方向导数，其中，

一阶偏导数的计算公式为：

二阶偏导数的计算公式为：

计算高斯函数在直线L_θ方向上的一阶、二阶方向导数的计算公式为：

式中，θ表示引入的夹角，其为某直线L_θ与x轴正方向的夹角；

1.3)计算多方向曲率响应值，计算公式为：

3.根据权利要求1所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述的步骤2)具体包括：

2.1)设定最大曲率响应值阈值T₁，根据最大曲率响应值阈值T₁进行疑似噪声点的筛选；

2.2)设定率响应值阈值S以及超过曲率响应值阈值的数量阈值T₂，根据率响应值阈值S和超过曲率响应值阈值的数量阈值T₂确定噪声区域；

2.3)提取噪声区域图像。

4.根据权利要求3所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述的率响应值阈值S小于最大曲率响应值阈值T₁。

5.根据权利要求4所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述的曲率响应值阈值S的大小为：S＝T₁/2。

6.根据权利要求1所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述步骤3)的具体包括：

3.1)设定噪声点的比例值η，根据比例值η计算最大中值滤波模板大小；

3.2)根据最大中值滤波模板大小，进行由外到内的逐圈中值滤波，得到去噪后的指静脉图像。

7.根据权利要求6所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述步骤3.1)中计算最大中值滤波模板大小的具体步骤包括：

3.1.1)设定模板为正方形模板，模板的初始边长为1；

3.1.2)计算当前模板大小内的所有点中噪声点的比例；

3.1.3)若当前模板大小内的所有点中噪声点的比例小于η，则认定当前模板大小为最佳匹配的中值滤波模板大小，若当前模板大小内的所有点中噪声点的比例大于或等于η，则在当前模板边长的基础上增大边长，返回步骤3.1.2)。

8.根据权利要求7所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述的步骤3.1.3)中边长每次的增加量为1。

9.根据权利要求6所述的指静脉图像噪声精确提取和自适应滤波去噪方法，其特征在于：所述步骤3.2)中由外到内的逐圈中值滤波的具体方式为：在每一圈中值滤波定义为四个方向都执行一遍，即从上到下，从下到上，从左到右，从右到左为一圈，每次只对一个噪声点进行处理，执行完第一圈后，图像中的噪声区域的最外层噪声点均被滤除，此时将其标记为正常点，再进行下一圈滤波，且每进行一圈滤波，都需要重新计算最大中值滤波模板的大小。

10.一种指静脉图像噪声精确提取和自适应滤波去噪装置，其特征在于：其包括：

1)计算模块，基于二维高斯模板计算指静脉图像的多方向曲率响应值；

2)噪声区域提取模块，用于设定最大曲率响应值阈值T₁、曲率响应值阈值S和超过曲率响应值阈值的数量阈值T₂，根据曲率响应值分布情况确定噪声区域并提取噪声区域图像；

3)噪声区域滤除模块，用于通过逐圈自适应中值滤波方法将噪声区域滤除，得到去噪后的指静脉图像。

Images