CN108009996A - 一种基于脊波变换的指静脉图像增强方法及其系统、产品 - Google Patents
一种基于脊波变换的指静脉图像增强方法及其系统、产品 Download PDFInfo
- Publication number
- CN108009996A CN108009996A CN201711084120.4A CN201711084120A CN108009996A CN 108009996 A CN108009996 A CN 108009996A CN 201711084120 A CN201711084120 A CN 201711084120A CN 108009996 A CN108009996 A CN 108009996A
- Authority
- CN
- China
- Prior art keywords
- image
- vein
- finger
- finger vein
- mrow
- 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
- 210000003462 vein Anatomy 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000010606 normalization Methods 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 230000002708 enhancing effect Effects 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005728 strengthening Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005764 inhibitory process Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 241001269238 Data Species 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241001584785 Anavitrinella pampinaria Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于脊波变换的指静脉图像增强方法及其系统、产品，包括：步骤1，接收图像采集模块采集的指静脉图像；步骤2，对所述指静脉图像ROI的定位与截取，形成手指感兴趣区域图像；步骤3，对手指感兴趣区域图像进行尺度归一化和/或灰度归一化处理，形成归一化图像；步骤4，利用小波变换和脊波变换算法，对归一化图像进行小波变换后利用脊波变换对图像进行图像增强处理，形成增强图像。该方法及其系统能够减弱或者去除指静脉图像中的冗余信息，增强对重要信息的识别能力。
Description
技术领域
本发明涉及图像增强系统领域，具体为一种基于脊波变换的指静脉图像增强方法及其系统、产品。
背景技术
指静脉识别过程中采集到的图像不但包含静脉图像，同时也包含了采集背景的这些冗余数据，所以为了避免冗余数据对有用信息的干扰，我们必须定位我们的感兴趣区域ROI(Region of Interest)以便进行后续的指静脉图像信号处理。
指静脉影像采集过程中，所获影像会因采集时间、手指大小、手指放置方式的不同而出现静脉影像大小不一致的问题，虽然在采集时也采取了手指定位的措施，但获得的图像形状仍有稍微的偏差，同时由于受光照强度、手指厚度等因素的影响，获取的静脉图像在灰度上也有很大的区别。这些都给图像的特征提取与匹配带来了很大不便，因此需要将图像的尺度与灰度进行归一化，使得每个进行后期处理的静脉图像具有相同的尺度和灰度。
图像增强的目的是突出图像中的重要特征信息，减弱或者去除图像中的冗余信息，增强对重要信息的识别能力。归一化处理后，对于质量差的静脉图像，静脉纹路与背景区别不显著，且噪声较大，给后期的特征提取增加了难度，为了比较明显的区分出静脉特征信息，还需要对归一化后的静脉图像进行增强处理。
传统的图像增强算法有直方图均衡、均值滤波、小波分析、脊波变换等，但是静脉图像含有二维曲线奇异性分析和方向选择要求，静脉图像中的奇异极性点也有特殊的要求，这些算法都不合适。
发明内容
本发明目的在于提供一种基于脊波变换的指静脉图像增强方法及其系统、产品，该方法及其系统能够减弱或者去除指静脉图像中的冗余信息，增强对重要信息的识别能力。
为了达到上述目的，本发明的技术方案有：
一种基于脊波变换的指静脉图像增强方法，包括：
步骤1，接收图像采集模块采集的指静脉图像；
步骤2，对所述指静脉图像ROI的定位与截取，形成手指感兴趣区域图像；
步骤3，对手指感兴趣区域图像进行尺度归一化和/或灰度归一化处理，形成归一化图像；
步骤4，利用小波变换和脊波变换算法，对归一化图像进行小波变换后利用脊波变换对图像进行图像增强处理，形成增强图像。
再进一步的，所述步骤4具体如下：
步骤41，通过小波变换得到归一化图像中的高频子带；
步骤42，对步骤41中获得的高频子带进行有限脊波变换；
步骤43，通过修改阈值的方法，建立新的高频子带阈值；
步骤44，根据新的阈值，用新的非线性系数去处理脊波域中的子带系数；
步骤45，在高频子带上做有限脊波反变换；
步骤46，通过小波域中子频带的系数重建指静脉图像，形成增强图像。
再进一步的，所述步骤2具体如下：
步骤21，利用均值滤波对指静脉图像进行图像平滑处理；
步骤22，利用Sobel算子检测手指的边缘轮廓；
步骤23，用两条竖直平行线内切手指轮廓，分别作为感兴趣区域图像的左、右边界，形成手指感兴趣区域图像。
由于在采集指静脉图像的过程中所采集到的图像不单单包含指静脉图像，同时也包含了采集背景的这些冗余数据，为了避免冗余数据对指静脉图像的干扰，所以必须在对指静脉图像增强之前先对采集的原始图像进行处理，通过上述步骤定原始图像中的感兴趣区域以便进行后续的指静脉图像信息处理。
再进一步的，所述步骤3的灰度归一化处理的具体计算公式如下：
其中g是原始图像中的灰度值，G是进行归一化以后的灰度值，max(g)与min(g)是原始图像中最大和最小灰度值。灰度归一化能够消除光源强度与手指厚度对手指静脉图像的影响，保证手指静脉图像特征提取的稳定性和可靠性。
一种基于脊波变换的指静脉图像增强系统，包括：
图像采集模块，所述图像采集模块包括摄像头、红外光源及控制电路；
输出模块，所述输出模块包括人机界面和/或输出接口，输出增强图像；
以及控制器，所述控制器包括存储器、处理器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于脊波变换的指静脉图像增强方法。
进一步的，所述控制器为以OMAP-L137为核心的处理模块。
一种应用所述指静脉图像增强方法的指静脉采集器、指静脉鼠标、指静脉门禁、指静脉金融终端或指静脉智能储物柜。
一种应用所述指静脉图像增强系统的指静脉采集器、指静脉鼠标、指静脉门禁、指静脉金融终端或指静脉智能储物柜。
本发明的一种基于脊波变换的指静脉图像增强方法及其系统、产品，通过图像采集模块中的摄像头及红外光源采集最原始的指静脉图像，并发送给控制器对原始图片进行处理；为了去除采集的原始的指静脉图像中的冗余数据，防止冗余数据对图像中有用的信息的干扰，就需要定位图像中的感兴趣区域，通过步骤2中的边缘检测Sobel算子检测出手指的边缘，再截取适当区域形成手指感兴趣区域图像；为了便于后续对图片的处理，需要对图像进行尺度归一化及灰度归一化处理，尺度归一化处理在提高图像处理速度的同时又能保留图像的重要信息，而灰度归一化处理能够消除光源强度与手指厚度对手指静脉图像的影响；最后通过图像增强突出图像中的重要特征信息，减弱或者取出图像中的冗余信息，增强对重要信息的识别能力，本发明的图像增强算法是基于脊波变换算法，但静脉图像含有二维曲线奇异性分析和方向选择要求，静脉图像中的奇异极性点也有特殊的要求，而单纯的脊波变换算法就显得不合适，所以本发明在基于脊波变换算法的基础上，对静脉图像进行小波变换后基于脊波变换的算法，在脊波域引入了一个新的非线性增强系数，来增强静脉图像的边缘。
附图说明
图1为指静脉采集原始图像和灰度图；
图2为指静脉图像的边界检测及截取的手指感兴趣区域图像；
图3为两种经过增强后的指静脉增强图像；
图4为指静脉图像增强方法的步骤流程图；
图5为图4的指静脉图像增强方法的步骤4具体步骤流程图；
图6为图4的指静脉图像增强方法的步骤2具体步骤流程图。
具体实施方式
结合附图说明本发明的一种基于脊波变换的指静脉图像增强方法及其系统、产品。
如图4至6所示，一种基于脊波变换的指静脉图像增强系统，包括：
图像采集模块，所述图像采集模块包括摄像头、红外光源及控制电路；
输出模块，所述输出模块包括人机界面和/或输出接口，输出增强图像；
以及控制器，所述控制器包括存储器、处理器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时能够实现以下步骤：
步骤1，接收图像采集模块采集的指静脉图像；
步骤2，对所述指静脉图像ROI的定位与截取，形成手指感兴趣区域图像；
步骤3，对手指感兴趣区域图像进行尺度归一化和/或灰度归一化处理，形成归一化图像；
步骤4，利用小波变换和脊波变换算法，对归一化图像进行小波变换后利用脊波变换对图像进行图像增强处理，形成增强图像。
进一步的，所述控制器为以OMAP-L137为核心的处理模块。
再进一步的，所述步骤4具体如下：
步骤41，通过小波变换得到归一化图像中的高频子带；
步骤42，对步骤41中获得的高频子带进行有限脊波变换；
步骤43，通过修改阈值的方法，建立新的高频子带阈值；
步骤44，根据新的阈值，用新的非线性系数去处理脊波域中的子带系数；
步骤45，在高频子带上做有限脊波反变换；
步骤46，通过小波域中子频带的系数重建指静脉图像，形成增强图像。
再进一步的，所述步骤2具体如下：
步骤21，利用均值滤波对指静脉图像进行图像平滑处理；
步骤22，利用Sobel算子检测手指的边缘轮廓；
步骤23，用两条竖直平行线内切手指轮廓，分别作为感兴趣区域图像的左、右边界，形成手指感兴趣区域图像。
由于在采集指静脉图像的过程中所采集到的图像不单单包含指静脉图像，同时也包含了采集背景的这些冗余数据，为了避免冗余数据对指静脉图像的干扰，所以必须在对指静脉图像增强之前先对采集的原始图像进行处理，通过上述步骤定原始图像中的感兴趣区域以便进行后续的指静脉图像信息处理。
均值滤波是一种线性滤波，采用的方法主要是邻域平均法，对含有噪声的原始图像f(x,y)的每个像素点选择一个模板，该模板由其邻近的m个像素组成，求模板中所有像素的均值，再把该值赋予当前像素点，最为该点处理后的像素值。
Sobel算子是图像处理中常用于图像检测的算子之一，该算子包含横向与纵向两组3*3的矩阵所形成的卷积模板，如下所示：
将他们与图像做平面卷积，得到横向及纵向的亮度差分值，即：
若G大于某个阈值，认为该点为边缘点。而本发明的技术方案中还需要进行垂直图像边缘检测，如果边缘图像中包含一些噪声，可以通过其他一些方法将其去除，例如:判别连通区域面积以及纵向的延伸度。
如图1至2所示，指纹采集之后的原始图像及经过步骤21处理之后的灰度图像，通过步骤22的Sobel算子检测手指的边界并形成边缘轮廓，再通过两条竖直平行线内切轮廓，截出手指感兴趣区域图像，两条平行线分别作为感兴趣区域图像的左、右边界。
为了提高图像处理速度的同时又保留图像的重要信息，项目中的静脉图像的尺度大小被定义为一个特定的尺寸，如80*120。这也就意味着要对原始图像进行图像压缩，在图像压缩的过程中会出现图像像素是小数的现象，出现空像素，为解决此问题，需要对原始图像进行灰度插值处理常用的灰度插值算法有最近邻插值、曲线插值、双线性插值。实验验证，第一种方法的效果逊于后两种方法，第三种方法的效果最好，但其计算量非常大，运行速度较慢，综合以上考虑，本项目选择了双线性插值法，它考虑了直接相邻点的影响，可得到比较理想的插值效果，同时它的计算量较小，精度也满足要求。
再进一步的，所述步骤3的灰度归一化处理的具体计算公式如下：
其中g是原始图像中的灰度值，G是进行归一化以后的灰度值，max(g)与min(g)是原始图像中最大和最小灰度值。灰度归一化能够消除光源强度与手指厚度对手指静脉图像的影响，保证手指静脉图像特征提取的稳定性和可靠性。
一种基于脊波变换的指静脉图像增强方法，包括如下步骤：
步骤1，接收图像采集模块采集的指静脉图像；
步骤2，对所述指静脉图像ROI的定位与截取，形成手指感兴趣区域图像；
步骤3，对手指感兴趣区域图像进行尺度归一化和/或灰度归一化处理，形成归一化图像；
步骤4，利用小波变换和脊波变换算法，对归一化图像进行小波变换后利用脊波变换算法对图像进行图像增强处理，形成增强图像。
进一步的，所述步骤4具体如下：
步骤41，通过小波变换得到归一化图像中的高频子带；
步骤42，对步骤41中获得的高频子带进行有限脊波变换；
步骤43，通过修改阈值的方法，建立新的高频子带阈值；
步骤44，根据新的阈值，用新的非线性系数去处理脊波域中的子带系数；
步骤45，在高频子带上做有限脊波反变换；
步骤46，通过小波域中子频带的系数重建指静脉图像，形成增强图像。
再进一步的，所述步骤2具体如下：
步骤21，利用均值滤波对指静脉图像进行图像平滑处理；
步骤22，利用Sobel算子检测手指的边缘轮廓；
步骤23，用两条竖直平行线内切手指轮廓，分别作为感兴趣区域图像的左、右边界，形成手指感兴趣区域图像。
再进一步的，所述步骤3的灰度归一化处理的具体计算公式如下：
其中g是原始图像中的灰度值，G是进行归一化以后的灰度值，max(g)与min(g)是原始图像中最大和最小灰度值。
本发明的一种基于脊波变换的指静脉图像增强方法及其系统，通过图像采集模块中的摄像头及红外光源采集最原始的指静脉图像，并发送给控制器对原始图片进行处理；为了去除采集的原始的指静脉图像中的冗余数据，防止冗余数据对图像中有用的信息的干扰，就需要定位图像中的感兴趣区域，通过步骤2中的边缘检测Sobel算子检测出手指的边缘，再截取适当区域形成手指感兴趣区域图像；为了便于后续对图片的处理，需要对图像进行尺度归一化及灰度归一化处理，尺度归一化处理在提高图像处理速度的同时又能保留图像的重要信息，而灰度归一化处理能够消除光源强度与手指厚度对手指静脉图像的影响；最后通过图像增强突出图像中的重要特征信息，减弱或者取出图像中的冗余信息，增强对重要信息的识别能力，本发明的图像增强算法是基于脊波变换算法，但静脉图像含有二维曲线奇异性分析和方向选择要求，静脉图像中的奇异极性点也有特殊的要求，而单纯的脊波变换算法就显得不合适，所以本发明在基于脊波变换算法的基础上，对静脉图像进行小波变换后基于脊波变换的算法，在脊波域引入了一个新的非线性增强系数，来增强静脉图像的边缘。
脊波变换的实质是添加一个表征方向的参数给小波基函数，因此它不但在表征图像线性奇异边缘方面具有优越性，而且还具有局部时频分析的能力。
脊波函数的定义公式如下:
如果函数满足：
则函数被定义为激活函数，由其生成的脊函数被定义为：
称为脊波。其中a表示尺度，e表示角度，b表示位置，存在逆变换。该公式表明脊波函数在直线ysinθ+xcosθ＝c方向上是连续的。
如图3所示的两组经过图像增强之后的增强图像，经过增强后的图像的效果较好，能够方便进行后续的指静脉图像信号处理。
一种应用所述指静脉图像增强方法的指静脉采集器、指静脉鼠标、指静脉门禁、指静脉金融终端或指静脉智能储物柜。
一种应用所述指静脉图像增强系统的指静脉采集器、指静脉鼠标、指静脉门禁、指静脉金融终端或指静脉智能储物柜。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (8)
1.一种基于脊波变换的指静脉图像增强方法，其特征在于，包括：
步骤1，接收图像采集模块采集的指静脉图像；
步骤2，对所述指静脉图像ROI的定位与截取，形成手指感兴趣区域图像；
步骤3，对手指感兴趣区域图像进行尺度归一化和/或灰度归一化处理，形成归一化图像；
步骤4，利用小波变换和脊波变换算法，对归一化图像进行小波变换后利用脊波变换对图像进行图像增强处理，形成增强图像。
2.根据权利要求1所述的指静脉图像增强方法，其特征在于，所述步骤4具体如下：
步骤41，通过小波变换得到归一化图像中的高频子带；
步骤42，对步骤41中获得的高频子带进行有限脊波变换；
步骤43，通过修改阈值的方法，建立新的高频子带阈值；
步骤44，根据新的阈值，用新的非线性系数去处理脊波域中的子带系数；
步骤45，在高频子带上做有限脊波反变换；
步骤46，通过小波域中子频带的系数重建指静脉图像，形成增强图像。
3.根据权利要求1所述的指静脉图像增强方法，其特征在于，所述步骤2具体如下：
步骤21，利用均值滤波对指静脉图像进行图像平滑处理；
步骤22，利用Sobel算子检测手指的边缘轮廓；
步骤23，用两条竖直平行线内切手指轮廓，分别作为感兴趣区域图像的左、右边界，形成手指感兴趣区域图像。
4.根据权利要求1所述的指静脉图像增强方法，其特征在于，所述步骤3的灰度归一化处理的具体计算公式如下：
<mrow>
<mi>G</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>g</mi>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<mi>g</mi>
<mo>)</mo>
<mo>)</mo>
<mo>*</mo>
<mn>255</mn>
</mrow>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>g</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mi>g</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中g是原始图像中的灰度值，G是进行归一化以后的灰度值，max(g)与min(g)是原始图像中最大和最小灰度值。
5.一种基于脊波变换的指静脉图像增强系统，其特征在于，包括：
图像采集模块，所述图像采集模块包括摄像头、红外光源及控制电路；
输出模块，所述输出模块包括人机界面和/或输出接口，输出增强图像；
以及控制器，所述控制器包括存储器、处理器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至4任一项所述的基于脊波变换的指静脉图像增强方法。
6.根据权利要求5所述的指静脉图像增强系统，其特征在于，所述控制器为以OMAP-L137为核心的处理模块。
7.一种应用权利要求1至4任一项所述指静脉图像增强方法的指静脉采集器、指静脉鼠标、指静脉门禁、指静脉金融终端或指静脉智能储物柜。
8.一种应用权利要求5或6所述指静脉图像增强系统的指静脉采集器、指静脉鼠标、指静脉门禁、指静脉金融终端或指静脉智能储物柜。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711084120.4A CN108009996A (zh) | 2017-11-07 | 2017-11-07 | 一种基于脊波变换的指静脉图像增强方法及其系统、产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711084120.4A CN108009996A (zh) | 2017-11-07 | 2017-11-07 | 一种基于脊波变换的指静脉图像增强方法及其系统、产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108009996A true CN108009996A (zh) | 2018-05-08 |
Family
ID=62052099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711084120.4A Pending CN108009996A (zh) | 2017-11-07 | 2017-11-07 | 一种基于脊波变换的指静脉图像增强方法及其系统、产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108009996A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111199527A (zh) * | 2020-01-04 | 2020-05-26 | 圣点世纪科技股份有限公司 | 一种基于多方向自适应阈值的指静脉图像噪声检测方法 |
| CN111639560A (zh) * | 2020-05-15 | 2020-09-08 | 圣点世纪科技股份有限公司 | 基于静脉骨架线和地形凹凸特性动态融合的指静脉特征提取方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101002682A (zh) * | 2007-01-19 | 2007-07-25 | 哈尔滨工程大学 | 用于身份识别的手背静脉特征提取和匹配方法 |
| JP2014078857A (ja) * | 2012-10-10 | 2014-05-01 | Fujitsu Frontech Ltd | 撮像装置、撮像方法及び撮像プログラム |
-
2017
- 2017-11-07 CN CN201711084120.4A patent/CN108009996A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101002682A (zh) * | 2007-01-19 | 2007-07-25 | 哈尔滨工程大学 | 用于身份识别的手背静脉特征提取和匹配方法 |
| JP2014078857A (ja) * | 2012-10-10 | 2014-05-01 | Fujitsu Frontech Ltd | 撮像装置、撮像方法及び撮像プログラム |
Non-Patent Citations (3)
| Title |
|---|
| 周召敏: "免疫克隆生长算法在手指静脉特征提取中的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 李彦林: "基于OMAPL137嵌入式平台的手指静脉身份识别系统的研制", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 秦华锋: "手指静脉识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111199527A (zh) * | 2020-01-04 | 2020-05-26 | 圣点世纪科技股份有限公司 | 一种基于多方向自适应阈值的指静脉图像噪声检测方法 |
| CN111199527B (zh) * | 2020-01-04 | 2021-02-02 | 圣点世纪科技股份有限公司 | 一种基于多方向自适应阈值的指静脉图像噪声检测方法 |
| CN111639560A (zh) * | 2020-05-15 | 2020-09-08 | 圣点世纪科技股份有限公司 | 基于静脉骨架线和地形凹凸特性动态融合的指静脉特征提取方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Syarif et al. | Enhanced maximum curvature descriptors for finger vein verification | |
| Wu et al. | Fingerprint image enhancement method using directional median filter | |
| Kang et al. | Contact-free palm-vein recognition based on local invariant features | |
| CN101576999B (zh) | 一种指纹图像方向增强方法 | |
| Cheng et al. | Fingerprint enhancement with dyadic scale-space | |
| Zhang et al. | Finger vein image enhancement based on guided tri-Gaussian filters | |
| CN107729820B (zh) | 一种基于多尺度hog的手指静脉识别方法 | |
| CN102542281A (zh) | 非接触式生物特征识别方法和系统 | |
| CN106548176B (zh) | 基于自适应引导滤波的指静脉图像增强方法 | |
| CN101329726A (zh) | 一种基于一维滤波的指纹图像增强方法 | |
| Jaswal et al. | Multiple feature fusion for unconstrained palm print authentication | |
| WO2011097936A1 (zh) | 指纹图像增强方法 | |
| CN108121946B (zh) | 一种指纹图像预处理方法及装置 | |
| Selvi et al. | FBFET: Fuzzy based fingerprint enhancement technique based on adaptive thresholding | |
| CN113723309A (zh) | 身份识别方法、身份识别装置、设备及存储介质 | |
| CN114529950A (zh) | 指静脉识别方法、装置、计算机可读存储介质及设备 | |
| CN108009996A (zh) | 一种基于脊波变换的指静脉图像增强方法及其系统、产品 | |
| Zhao et al. | Robust and adaptive algorithm for hyperspectral palmprint region of interest extraction | |
| CN105930811A (zh) | 基于图像处理的手掌纹理特征检测方法 | |
| Nagendra et al. | Fingerprint image enhancement using filtering techniques | |
| CN114782478B (zh) | 一种手掌图像分割方法及装置 | |
| CN103886291B (zh) | 基于动态模板的掌纹图像褶皱检测方法 | |
| Wang et al. | A novel finger vein pattern extraction method using oriented filtering technology | |
| Wang et al. | Novel algorithm for enhancement of hand vein images based on adaptive filtering and retinex method | |
| CN102270297A (zh) | 一种指纹图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |