CN111368661B - 一种基于图像处理的手指静脉图像增强方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的手指静脉图像增强方法，包括步骤：1)获取原始采集手指静脉感兴趣区域图片；2)利用均值滤波和中值滤波滤除图像噪声，得到去除噪声后的图像；3)利用同态滤波增强去除噪声后的图像的对比度，得到对比度增强后的图像；4)利用方向纹理滤波增强对比度增强后的图像的纹理细节，得到纹理增强后的图像；5)利用伽马校正拉伸图像的灰度分布，增强滤波后的图像纹理区分度，以进一步增强滤波后的纹理像素值，完成手指静脉图像增强。本发明有效避免了采集时设备噪声和手指脏污的影响，同时避免了背景环境光照导致的对比度不佳的情况，通过方向谷滤波器增强静脉纹路的响应，有效解决低对比度情况下手指静脉图像增强的问题。

Description

一种基于图像处理的手指静脉图像增强方法

技术领域

本发明涉及手指静脉生物识别的领域，尤其是指一种基于图像处理的手指静脉图像增强方法。

背景技术

手指静脉识别是基于人的手指静脉特征信息进行身份识别的一种生物识别技术。手指静脉识别的特征来自于手指静脉血管中流动血液的血红蛋白，具有隐秘性和活体性，通过基于近红外光采集的设备获取手指静脉的图像，其中静脉区域体现为图像上的颜色更深的纹路，即设备采集到的静脉血管区域。而受限于采集设备的质量以及环境因素如背景光照，环境温度导致手指毛细血管收缩对图像的影响等。导致采集到的手指静脉图像中，静脉区域信息不明显，掩盖在手指部分区域的背景信息中，导致后续算法无法有效地提取到有用的特征信息，影响后续识别算法的效果。因此一个优秀的手指静脉图像增强方法是手指静脉图像生物特征识别领域一个必须解决的一个问题。

本方法旨在发明一种基于图像处理的手指静脉图像增强方法，该方法对近红外光设备采集到的手指静脉感兴趣区域图像进行两次噪声滤波，滤除原始的手指静脉感兴趣区域图像上的噪声；通过同态滤波增强图像对比度，减弱背景环境光照对设备采集到的手指静脉感兴趣区域图像的对比度造成影响；通过方向滤波以及后处理增强手指静脉感兴趣区域图像的纹理信息得到纹理增强后的手指静脉图像。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于图像处理的手指静脉图像增强方法，突破传统图像增强方法对手指静脉图像的增强没有针对性的问题，主要目的是增强手指静脉感兴趣区域中静脉的纹路信息即增强真实反映手指静脉之间差别的部分。

为实现上述目的，本发明所提供的技术方案为：一种基于图像处理的手指静脉图像增强方法，包括以下步骤：

1)获取原始采集手指静脉感兴趣区域图片；

2)利用均值滤波和中值滤波滤除图像噪声，得到去除噪声后的图像；

3)利用同态滤波增强去除噪声后的图像的对比度，得到对比度增强后的图像；

4)利用方向纹理滤波增强对比度增强后的图像的纹理细节，得到纹理增强后的图像；

5)利用伽马校正拉伸图像的灰度分布，增强滤波后的图像纹理区分度，以进一步增强滤波后的纹理像素值，完成手指静脉图像增强。

在步骤1)中，为了不引入冗余信息，使用的原始采集手指静脉感兴趣区域图片为不含有手指边缘的手指静脉感兴趣区域图片，确保不引入边缘信息的干扰。

在步骤2)中，对原始采集手指静脉感兴趣区域图片使用均值滤波和中值滤波进行椒盐噪声、指纹脏污和高斯噪声的滤除，具体如下：

通过非线性滤波器、中值滤波器对图像进行滤波，去除原始采集手指静脉感兴趣区域图片上的椒盐噪声；

通过线性滤波器、均值滤波器对图像进行滤波，去除原始采集手指静脉感兴趣区域图片上的指纹脏污区域及高斯噪声。

在步骤3)中，使用同态滤波增强图像的对比度，增强图像细节信息，即增强静脉纹路与非静脉纹路的区分度，包括以下步骤：

3.1)计算模糊图像

I(i,j)＝L(i,j)R(i,j)

其中，I(i,j)代表采集到的带有乘性环境光照影响的图像，L(i,j)代表背景环境光照分量，R(i,j)代表物体本身图像信息，i代表横坐标，j代表纵坐标；为了估计背景光照分量，使用高斯模糊后的图像作为L(i,j)；

使用的高斯滤波核为

其中，i为滤波核的横坐标，j为滤波核的纵坐标，k为滤波核大小因子，滤波核模板大小为(2k+1)×(2k+1)；σ²代表高斯滤波核的方差；e为自然底数；

3.2)计算R(i,j)

通过对数运算将乘除运算转换为加减运算

log(I(i,j))＝log(L(i,j))+log(R(i,j))

log(R(i,j))＝log(I(i,j))-log(L(i,j))

得到物体本身图像信息的估计值；

3.3)量化R(i,j)

将log(R(i,j))量化到0到255，作为最终的输出图像，公式如下：

其中，R_retinex(i,j)代表对比度增强后的图像。

在步骤4)中，利用方向纹理滤波增强对比度增强后的图像的纹理细节，包括以下步骤：

4.1)使用八个不同方向的谷型滤波器与对比度增强后的图像进行图像卷积操作，提取手指静脉不同方向上的纹路信息，得到八个滤波结果，其中滤波器公式如下：

卷积公式如下：

卷积核大小为(k,k)，×代表乘法运算，*代表卷积运算；I(i,j)代表采集到的带有乘性环境光照影响的图像，i代表横坐标，j代表纵坐标；

4.2)将八个滤波结果取每个像素位置的最大值组成最后的纹理增强结果，公式如下：

其中，f_k代表不同方向的滤波器。

在步骤5)中，由于滤波后的纹理图像整体像素值偏低，所以需要通过指数函数调整图像的灰度分布，公式如下：

I_gamma(i,j)＝I(i,j)^gamma

其中，gamma为指数函数的指数项，I(i,j)代表采集到的带有乘性环境光照影响的图像，I_gamma(i,j)代表伽马校正处理后的图像信息，i代表横坐标，j代表纵坐标。

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明实现了对手指静脉图像的均值滤波和中值滤波，有效去除了可能存在的图像椒盐噪声和采集到的指纹脏污，减小了对后续处理的干扰，增强了鲁棒性。

2、本发明实现了基于同态滤波的对比度增强，减小了背景光照变化对于手指静脉图像的影响，能够获得对光照变化鲁棒性强。

3、本发明通过方向谷型滤波，通过八个方向的滤波器，有效提取了手指静脉上的纹路信息，随后综合八个方向滤波器滤波结果。

4、本发明通过伽马校正拉伸图像的灰度分布，将原本偏暗的滤波结果图像的小灰度部分拉伸，增强静脉纹路区分度。

附图说明

图1为本发明逻辑流程图。

图2为本发明待处理的原始手指静脉感兴趣区域图像输入示意图。

图3为经过中值滤波和均值滤波之后的去除噪声图像示意图。

图4为经过同态滤波后的对比度增强的图像示意图。

图5为经过方向滤波后纹理增强的图像示意图。

图6为经过伽马校正后的纹理增强的图像示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

如图1所示，本实施例所提供的基于图像处理的手指静脉图像增强方法，包括以下步骤：

1)通过均值滤波器和中值滤波器对原始手指静脉感兴趣区域图像(如图2所示)进行噪声滤除处理，首先采用3×3大小的中值滤波去除椒盐噪声，然后使用3×3大小的均值滤波去除可能存在的指纹脏污以及高斯噪声，结果如图3所示，具体包括如下步骤：

1.1)使用中值滤波器去除椒盐噪声

选择3×3大小的窗口，统计窗口中像素值的中位数作为滤波图像对应点的像素新值，公式如下：

I_med(i,j)＝

median(I(i-1,j-1),I(i-1,j),I(i-1,j+1),I(i,j-1),I(i,j),

I(i,j+1),I(i+1,j-1),I(i+1,j),I(i+1,j+1))

其中，I_med代表中值滤波结果图像，i代表横坐标，j代表纵坐标。

1.2)使用均值滤波器去除脏污区域以及高斯噪声

选择3×3大小的窗口，统计窗口中像素值的均值作为滤波图像对应点的像素新值，公式如下：

其中，I_ave代表均值滤波结果图像，i代表横坐标，j代表纵坐标。

2)对进行噪声滤波之后的图像进行同态滤波处理，有效去除乘性的噪声，增强图像的对比度，减小环境背景光照变化对于图像的影响，处理结果如图4所示，具体包括如下步骤：

2.1)计算模糊图像

I(i,j)＝L(i,j)R(i,j)

其中I(i,j)代表采集到的带有乘性环境光照影响的图像，L(i,j)代表背景环境光照分量，R(i,j)代表物体本身图像信息，i代表横坐标，j代表纵坐标。为了估计背景光照分量，使用高斯模糊后的图像，作为L(i,j)。

使用的高斯滤波核为

其中i为滤波核的横坐标，j为滤波核的纵坐标，k为滤波核大小因子，滤波核模板大小为(2k+1)×(2k+1)，σ²代表高斯滤波核的方差，e为自然底数；本方法采取σ为80。经过高斯滤波器模糊后得到L(i,j)。

2.2)计算R(i,j)

通过对数运算将乘除运算转换为加减运算

log(I(i,j))＝log(L(i,j))+log(R(i,j))

log(R(i,j))＝log(I(i,j))-log(L(i,j))

得到物体本身图像信息的估计值。

2.3)量化R(i,j)

将log(R(i,j))量化到0到255，作为最终的输出图像，公式如下：

其中，R_retinex(i,j)代表对比度增强后的图像，i代表横坐标，j代表纵坐标。

3)对同态滤波之后的结果图像进行八个方向的谷型滤波器处理，然后将八个滤波器处理完的结果共同组成最后的滤波结果，如图5所示，具体步骤如下：

3.1)使用八个不同方向的谷型滤波器与进行同态滤波后的滤波图像进行图像卷积操作，滤波器公式如下：

卷积公式如下所示：

卷积核大小为(k,k)，×代表乘法运算，*代表卷积运算。

3.2)将八个滤波结果取每个像素位置的最大值组成最后的纹理增强结果，公式如下：

其中，f_k代表不同方向的滤波器。

4)使用伽马校正处理滤波后的图像，增强响应。

由于滤波后的纹理图像整体像素值偏低，所以需要通过指数函数调整图像的灰度分布，结果如图6所示，公式如下：

I_gamma(i,j)＝I(i,j)^gamma

其中，gamma为指数函数的指数项，本发明采取0.85。I(i,j)代表步骤3)处理后的图像信息，I_gamma(i,j)代表伽马校正处理后的图像信息，i代表横坐标，j代表纵坐标。

通过以上处理，得到手指静脉图像的增强后图像，在采集图像时，设备产生的图像噪声主要包括椒盐噪声，高斯噪声以及指纹类脏污噪声，通过中值滤波和均值滤波的组合可以有效去除这些种类的噪声。随后通过同态滤波增强图像的对比度，增强图像上静脉纹路和其余信息的灰度区分度。然后通过方向谷型滤波器滤波，提取多个方向的静脉纹路，最终综合得到纹理滤波的结果图像，最后通过伽马校正，将灰度拉伸到合适分布，凸显提取到的静脉纹理。综上所述，在采用以上方案后，本发明为手指静脉图像的增强提供了一种新的方法，将图像处理技术作为手指静脉图像增强的一种有效手段，从识别本质原理上直接对图像进行增强且对各种噪声和环境光照变化的影响有足够的鲁棒性，具有实际推广价值，值得推广。

以上所述实例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (4)

1.一种基于图像处理的手指静脉图像增强方法，其特征在于，包括以下步骤：

1)获取原始采集手指静脉感兴趣区域图片；

2)利用均值滤波和中值滤波滤除图像噪声，得到去除噪声后的图像；

3)利用同态滤波增强去除噪声后的图像的对比度，得到对比度增强后的图像；其中，使用同态滤波增强图像的对比度，增强图像细节信息，即增强静脉纹路与非静脉纹路的区分度，包括以下步骤：

3.1)计算模糊图像

I(i,j)＝L(i,j)R(i,j)

其中，I(i,j)代表采集到的带有乘性环境光照影响的图像，L(i,j)代表背景环境光照分量，R(i,j)代表物体本身图像信息，i代表横坐标，j代表纵坐标；为了估计背景光照分量，使用高斯模糊后的图像作为L(i,j)；

使用的高斯滤波核为

其中，i为滤波核的横坐标，j为滤波核的纵坐标，k为滤波核大小因子，滤波核模板大小为(2k+1)×(2k+1)；σ²代表高斯滤波核的方差；e为自然底数；

3.2)计算R(i,j)

通过对数运算将乘除运算转换为加减运算

log(I(i,j))＝log(L(i,j))+log(R(i,j))

log(R(i,j))＝log(I(i,j))-log(L(i,j))

得到物体本身图像信息的估计值；

3.3)量化R(i,j)

将log(R(i,j))量化到0到255，作为最终的输出图像，公式如下：

其中，R_retinex(i,j)代表对比度增强后的图像；

4)利用方向纹理滤波增强对比度增强后的图像的纹理细节，得到纹理增强后的图像，包括以下步骤：

4.1)使用八个不同方向的谷型滤波器与对比度增强后的图像进行图像卷积操作，提取手指静脉不同方向上的纹路信息，得到八个滤波结果，其中滤波器公式如下：

卷积公式如下：

卷积核大小为(k,k)，×代表乘法运算，*代表卷积运算；I(i,j)代表采集到的带有乘性环境光照影响的图像，i代表横坐标，j代表纵坐标；

4.2)将八个滤波结果取每个像素位置的最大值组成最后的纹理增强结果，公式如下：

其中，f_k代表不同方向的滤波器；

5)利用伽马校正拉伸图像的灰度分布，增强滤波后的图像纹理区分度，以进一步增强滤波后的纹理像素值，完成手指静脉图像增强。

2.根据权利要求1所述的一种基于图像处理的手指静脉图像增强方法，其特征在于：在步骤1)中，为了不引入冗余信息，使用的原始采集手指静脉感兴趣区域图片为不含有手指边缘的手指静脉感兴趣区域图片，确保不引入边缘信息的干扰。

3.根据权利要求1所述的一种基于图像处理的手指静脉图像增强方法，其特征在于：在步骤2)中，对原始采集手指静脉感兴趣区域图片使用均值滤波和中值滤波进行椒盐噪声、指纹脏污和高斯噪声的滤除，具体如下：

通过非线性滤波器、中值滤波器对图像进行滤波，去除原始采集手指静脉感兴趣区域图片上的椒盐噪声；

通过线性滤波器、均值滤波器对图像进行滤波，去除原始采集手指静脉感兴趣区域图片上的指纹脏污区域及高斯噪声。

4.根据权利要求1所述的一种基于图像处理的手指静脉图像增强方法，其特征在于：在步骤5)中，由于滤波后的纹理图像整体像素值偏低，所以需要通过指数函数调整图像的灰度分布，公式如下：

I_gamma(i,j)＝I(i,j)^gamma

其中，gamma为指数函数的指数项，I(i,j)代表采集到的带有乘性环境光照影响的图像，I_gamma(i,j)代表伽马校正处理后的图像信息，i代表横坐标，j代表纵坐标。

Images