CN109872289A - 基于改进的非下采样Contourlet变换的图像增强方法 - Google Patents

Abstract

本发明请求保护一种基于改进的非下采样Contourlet变换(NSCT)的图像增强方法，该方法首先对图像进行NSCT变换得到各个尺度和方向上的低通子带和带通子带。对低通子带进行线性增强处理，提高图像的整体对比度；对于带通子带，根据能量分布自适应地确定各子带去噪阈值，并提出弱边缘增强算法，达到增强细节纹理，抑制噪声的效果。经过Contourlet逆变换得到清晰的手掌静脉图像。最后通过Gabor滤波器组对掌静脉断裂处进行桥接。实验结果表明，该算法有效增强了掌静脉细节纹理信息，且对比度、信息熵、平均梯度、方差分别提升到47.9、9.1、5.1、2594。

Description

基于改进的非下采样Contourlet变换的图像增强方法

技术领域

本发明属于图像处理与模式识别领域，特别是一种基于NSCT变换的手掌静脉红外图像增强方法。

背景技术

基于手掌静脉识别的生物识别技术已广泛应用于生活中。手掌静脉识别是通过近红外光照射手掌，并用摄像机获得手掌静脉图像。但在图像的采集过程中，各种因素的影响造成图像质量的降低，比如光照、手掌受到灰尘污染等。为得到利于掌静脉特征提取的图像，需对采集到的图像进行对比度和纹理增强。

已有的图像增强方法分为两大类：基于图像灰度值统计的方法和基于图像空间频率的方法。基于空间频率的方法主要有基于傅立叶变换算法、基于小波变换算法、Contourlet变换算法等。小波变换已被广泛应用于提高图像质量等领域。但小波变换只有水平、垂直、对角线三个方向，这不适用于所有的图像处理。所以，在图像处理中，需应用其他基来替代小波变换。

Contourlet变换具有小波变换所具有的多分辨率分析、时频局部分析的特性，同时具有小波变换所不具备的高度方向性和各向异性的特性。是一种更优的图像表示方法。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种图像的对比度、信息熵、平均梯度和方差的评价指标分别得到提升的基于改进的非下采样Contourlet变换的图像增强方法。本发明的技术方案如下：

一种基于改进的非下采样Contourlet变换的图像增强方法，其包括以下步骤：

S1、获取原始图像并对原始图像进行非下采样的Contourlet变换；

S2、对NSCT变换后图像的低通子带系数进行线性拉伸，统计得到图像灰度值的最小值x_min和最大值x_max，然后用线性映射把灰度范围进行映射；

S3、对于高通子带，改进阈值公式，改进之处在于，将固定阈值改为自适应阈值，其方法是获取各尺度和方向的子带能量值，得到高通子带各个尺度和方向的自适应阈值；

S4、根据步骤S2和步骤S3NSCT变换的得到的各子带系数与子带阈值之间的关系，计算出各子带细节增强因子m_l，对图像纹理细节进行增强；

S5、对Gabor滤波器选择合适的模型参数；

S6、经过S5选择合适的参数后，用Gabor滤波器组提取各个方向的图像信息，最后通过求取所有图像同一位置像素的最大值，使所有纹理信息集中到一张图像上，达到掌静脉断裂纹理的桥接；

S7、得到增强后的红外掌静脉图像。

进一步的，所述步骤S2具体包括：经过Contourlet变换产生低通子带系数，对低通子带系数进行线性拉伸：统计得到图像灰度值的最小值x_min和最大值x_max，然后用线性映射把灰度范围从[x_min，x_max]映射到[0，255]，映射方法为：y＝f(x)＝255*(x-x_min)/(x_max-x_min)。

进一步的，所述步骤S3对于高通子带，获取各尺度和方向的子带能量值，根据改进的阈值公式得到高通子带各个尺度和方向的自适应阈值。其中，表示k尺度下l子带方向的阈值。C表示取值范围为1-5的常数，可通过实验验证获得合适的值。表示k尺度下l子带方向的子带能量。L表示k尺度下方向子带的总数。σ²表示高斯噪声方差，σ_x表示子带系数标准差。

进一步的，所述步骤S4增强因子m_l的计算方法如下：

表示k尺度下，l子带方向图像像素位置(m,n)的子带系数值，mean表示不同子带方向图像相同像素位置(m,n)像素值得平均，T_mean表示k尺度下，不同子带阈值的平均。

进一步的，所述步骤S5对Gabor滤波器

x′＝xcosθ+ysinθ

y′＝-xsinθ+ycosθ

采用图像质量评估方法，调整Gabor滤波器模型参数，使得代表图像的信息熵值和清晰度值达到最大，此时的参数即为合适的模型参数。模型参数具体包括：

(1)Gabor滤波器核函数正弦波波长λ的选择；

(2)Gabor核函数的方向θ；

(3)φ为相位偏移；

(4)γ为空间方向纵横比；

σ表示高斯函数的标准差，其值由λ和Gabor滤波器的半响应空间频率带宽b，两者关系为：

进一步的，所述步骤S1获取原始图像并对原始图像进行非下采样的Contourlet变换,具体包括：

S21:非下采样的Contourlet分解变换的实现由两部分构成：非下采样的拉普拉斯金字塔NSPFB分解和非下采样的方向滤波器组NSDFB滤波，NSCT首先通过对图像进行非下采样的金字塔分解后，产生了低频子带和多个带通子带，然后再采用非下采样方向滤波器组NSDFB对各个带通子带进行多方向分解，得到多个不同方向的高频子带图像，最后得到一个近似图像的低频子带和多个不同尺度不同方向的高频子带；

S22:图像通过NSPFB方法减少了图像通过滤波器后的失真，获得了平移不变型，即每个尺度下的方向子图的分辨率都和原始图像相同，在1、2、3尺度下对图像进行NSCT变换，得到的方向子带数目分别为8、4、2个。

进一步的，所述步骤S3中，具体包括：S41：用中值估计法得到图像噪声的标准差，公式如下：

σ＝Median(|c(m,n)|)/0.6745

其中c(m,n)是Contourlet变换后的某一子带方向上的高频子带系数；

S42：计算高通子带系数标准差；

S43：基于广义高斯分布的特点计算贝叶斯阈值，计算公式如下：

T＝σ²/σ_x。

本发明的优点及有益效果如下：

1.本发明所述基于子带能量的自适应阈值计算方法，能够保留更多的掌静脉轮廓细节的同时有效去除噪声。

2.本发明所述的弱边缘细节增强方法，对弱边缘细节纹理增强的同时对强边缘采取保护以免失真，使得掌静脉图像的纹理信息得到增强。

3.本发明所述的基于Gabor滤波器的掌静脉图像增强方法，对掌静脉断裂的纹理进行桥接的同时增强了图像的对比度和清晰度。

附图说明

图1是本发明提供优选实施例非下采样Contourlet变换分解流程；

图2线性增强函数图；

图3图像增强前后对比图；

图4增强后的图像视觉效果图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

一种基于NSCT变换的掌静脉红外图像增强方法。本文先将NSCT变换应用于图像中，在近似分量上进行线性拉伸，细节分量上进行增强，最后通过Gabor滤波器进行手掌纹理断裂处的桥接，其包括以下步骤：

S1，对原始图像进行NSCT变换，得到各个尺度和方向的低通子带和高通子带。

S2，得到经过Contourlet变换产生低通子带系数，对低通子带系数进行线性拉伸：统计得到图像灰度值的最小值x_min和最大值x_max，然后用线性映射把灰度范围从[x_mi_n，x_max]映射到[0，255]，映射方法为：y＝f(x)＝255*(x-x_min)/(x_max-x_min)。

S3，对于高通子带，获取各尺度和方向的子带能量值，根据改进的阈值公式得到高通子带各个尺度和方向的自适应阈值。

S4，根据NSCT变换的得到的各子带系数与子带阈值之间的关系，计算出各子带细节增强因子m_l，对图像纹理细节进行增强。增强因子m_l的计算方法如下：

S5，对Gabor滤波器选择合适的参数，提取出各个方向掌静脉清晰的细节纹理信息，参数选择方法如下：

(1)Gabor滤波器核函数正弦波波长λ，该值取值过小时，图像滤波效果不明显；而波长越大时，中心频率越小，使得滤波后的图像越模糊，局部纹理增强性越不明显。λ的取值应大于2,其值由滤波后图像的清晰度决定，本方法λ取值为4。

(2)Gabor核函数的方向θ，即滤波器在此方向上对图像进行增强，它的取值为0到360度。由于在实部中Gabor滤波是对称的，故取值在0到180度就能完全表达全方向。本方法θ的取值为0、π/8、π/4、3π/8、π/2、5π/8、3π/4、7π/8。

(3)φ为相位偏移，0度为无偏移，代表滤波函数为中心对称向上函数。

(4)γ为空间方向纵横比，决定滤波器的形状。取值为1时为圆形，本方法取0.5。

(5)σ表示高斯函数的标准差，本方法取值为2π。

S6，经过S5选择合适的参数后，用Gabor滤波器组提取各个方向的图像信息，最后通过求取所有图像同一位置像素的最大值，使所有纹理信息集中到一张图像上，达到掌静脉断裂纹理的桥接。

S7，得到增强后的红外掌静脉图像。

由于采用了上述技术方案，本发明具有如下的优点：

针对掌静脉图像对比度低、细节纹理不清晰问题，提出了基于NSCT变换的红外掌静脉图像增强方法，提高了图像的对比度，桥接了掌静脉断裂部分，丰富了图像的细节纹理信息。使用该方法处理图像后，图像的对比度、信息熵、平均梯度和方差的评价指标分别得到提升。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (7)

1.一种基于改进的非下采样Contourlet变换的图像增强方法，其特征在于，包括以下步骤：

S1、获取原始图像并对原始图像进行非下采样Contourlet变换；

S2、对NSCT变换后图像的低通子带系数进行线性拉伸，统计得到图像灰度值的最小值x_min和最大值x_max，然后用线性映射把灰度范围进行映射；

S3、对于高通子带，改进阈值公式，改进之处在于，将固定阈值改为自适应阈值，其方法是获取各尺度和方向的子带能量值，得到高通子带各个尺度和方向的自适应阈值；

S4、根据步骤S2和步骤S3NSCT变换的得到的各子带系数与子带阈值之间的关系，计算出各子带细节增强因子m_l，对图像纹理细节进行增强；

S5、对Gabor滤波器选择合适的模型参数；

S6、经过S5选择合适的参数后，用Gabor滤波器组提取各个方向的图像信息，最后通过求取所有图像同一位置像素的最大值，使所有纹理信息集中到一张图像上，达到掌静脉断裂纹理的桥接；

S7、得到增强后的红外掌静脉图像。

2.根据权利要求1所述的一种基于改进的非下采样Contourlet变换的图像增强方法，其特征在于，所述步骤S2具体包括：经过Contourlet变换产生低通子带系数，对低通子带系数进行线性拉伸：统计得到图像灰度值的最小值x_min和最大值x_max，然后用线性映射把灰度范围从[x_min，x_max]映射到[0，255]，映射方法为：y＝f(x)＝255*(x-x_min)/(x_max-x_min)。

3.根据权利要求1所述的一种基于改进的非下采样Contourlet变换的图像增强方法，其特征在于，所述步骤S3对于高通子带，获取各尺度和方向的子带能量值，根据改进的阈值公式得到高通子带各个尺度和方向的自适应阈值，其中，表示k尺度下l子带方向的阈值，C表示取值范围为1-5的常数，可通过实验验证获得合适的值，表示k尺度下l子带方向的子带能量，L表示k尺度下方向子带的总数，σ²表示高斯噪声方差，σ_x表示子带系数标准差。

4.根据权利要求1所述的一种基于改进的非下采样Contourlet变换的图像增强方法，其特征在于，所述步骤S4增强因子ml的计算方法如下：

表示k尺度下，l子带方向图像像素位置(m,n)的子带系数值，mean表示不同子带方向图像相同像素位置(m,n)像素值得平均，T_mean表示k尺度下，不同子带阈值的平均。

5.根据权利要求1所述的一种基于改进的非下采样Contourlet变换的图像增强方法，其特征在于，所述步骤S5对Gabor滤波器

x′＝xcosθ+ysinθ

y′＝-xsinθ+ycosθ

采用图像质量评估方法，调整Gabor滤波器模型参数，使得代表图像的信息熵值和清晰度值达到最大，此时的参数即为合适的模型参数，模型参数具体包括：

(1)Gabor滤波器核函数正弦波波长λ的选择；

(2)Gabor核函数的方向θ；

(3)φ为相位偏移；

(4)γ为空间方向纵横比；

σ表示高斯函数的标准差，其值由λ和Gabor滤波器的半响应空间频率带宽b，两者关系为：

6.根据权利要求1-5之一所述的一种基于改进的非下采样Contourlet变换的图像增强方法，其特征在于，所述步骤S1获取原始图像并对原始图像进行非下采样的Contourlet变换,具体包括：

S21:非下采样的Contourlet分解变换的实现由两部分构成：非下采样的拉普拉斯金字塔NSPFB分解和非下采样的方向滤波器组NSDFB滤波，NSCT首先通过对图像进行非下采样的金字塔分解后，产生了低频子带和多个带通子带，然后再采用非下采样方向滤波器组NSDFB对各个带通子带进行多方向分解，得到多个不同方向的高频子带图像，最后得到一个近似图像的低频子带和多个不同尺度不同方向的高频子带；

S22:图像通过NSPFB方法减少了图像通过滤波器后的失真，获得了平移不变型，即每个尺度下的方向子图的分辨率都和原始图像相同，在1、2、3尺度下对图像进行NSCT变换，得到的方向子带数目分别为8、4、2个。

7.根据权利要求3所述的一种基于改进的非下采样Contourlet变换的图像增强方法，其特征在于，所述步骤S3中，具体包括：S41：用中值估计法得到图像噪声的标准差，公式如下：

σ＝Median(|c(m,n)|)/0.6745

其中c(m,n)是Contourlet变换后的某一子带方向上的高频子带系数；

S42：计算高通子带系数标准差；

S43：基于广义高斯分布的特点计算贝叶斯阈值，计算公式如下：

T＝σ²/σ_x。