发明内容
本发明以克服传统图像去噪以及修复算法修复指静脉图像容易造成指静脉模糊以及结构断裂等修复效果不佳的问题为目的,提出了一种基于NMRT方向特征的静脉图像修复方法及装置。
为达此目的,本发明采用以下技术方案:
一种基于NMRT方向特征约束的静脉图像修复方法,其包括如下步骤:
1)对指静脉图像I进行噪声检测,并标记出噪声区域;
2)通过NMRT算法提取所述指静脉图像I中的静脉方向特征,得到所述指静脉图像I的NMRT方向特征图Iw;
3)以提取的指静脉图像I的NMRT方向特征为约束修复所述噪声区域。
优选地,所述步骤1)中,对所述指静脉图像I进行噪声检测的具体步骤包括:
1.1)采用r*r邻域窗口,在所述指静脉图像I 上滑动,计算出每个窗口邻域内像素灰度值的最大值、最小值和平均值,分别记为max、min、mean,得到三张图像记为Imax、Imin、Imean,r表示所述邻域窗口的长或宽;
1.2)计算所述指静脉图像I经噪声区域局部对比度增强后的图像Ienhance,计算公式为:
公式(1)中,(i,j)表示图像的像素点坐标,i为整数且1≤i≤图像宽度,j为整数且1≤j≤图像高度;
1.3)对增强图像Ienhance(i,j)进行阈值分割,标记出所述指静脉图像I的二值图Ib,阈值分割计算公式为:
公式(2)中,
表示未进行噪声增强的原始指静脉图像
上坐标为(i,j)的
像素点;
为一阈值;
表示为所述指静脉图像
上的噪声区域;
表示为所述指静脉图像
上的正常区域。
优选地,所述步骤1.2)中,当所述邻域窗口内的像素点的灰度值与所述领域窗口内的灰度像素最大值的差值大于一阈值d时,对所述像素点进行噪声增强,否则不进行噪声增强,噪声增强限制条件通过公式(3)表达:
d为一阈值。
优选地,所述步骤2)中,提取所述指静脉图像I的静脉方向特征的具体步骤包括:
2.1)构建8个大小为16*16的NMRT方向模板
,
;
2.2)通过8个所述NMRT方向模板
分别对所述指静脉图像
进行卷积操作,得
到8个方向的响应图像
;
2.3)对于指静脉图像
的任意像素点
,计算该点所对应的8个方向卷积响应
值
的最大值,取卷积最大值所对应的方向索引值作为NMRT方向特征,并通过
公式(4)和(5)得到指静脉图像
的NMRT方向特征图
(NMRT方向特征图如图5所示,图5中的
黑洞区域表示噪声区域):
公式(4)中,
表示指静脉图像上点I(i,j)所对应的8个方向
卷积响应值
中最大值所对应的方向,
为其索引值;公式(5)中
为角度的索引值。
优选地,所述步骤3)中,以提取的NMRT方向特征为约束修复所述噪声区域的具体步骤包括:
3.1)根据待修复点邻域窗口w内的所述NMRT方向特征图提取静脉主方向特征作为参考序列,记所述参考序列中所有正常像素点集合为Ip,1≤p≤(r1*r1-1),计算Ip所有元素灰度值的平均值Iwm 作为噪声修复的参考值,wm表示均值;
3.2)根据所述参考值Iwm计算所述参考序列对应的所有正常像素点集合Ip中所有像素点的NMRT方向特征权值Wpkf,并计算Ip 中所有像素点与待修复点间的距离权值Wpkd, k=1,2,3,…,p;
3.3)根据所述NMRT方向特征权值Wpkf和所述距离权值Wpkd,计算得到Ip中所有像素点对应的联合权值LWpk;
3.4)根据所述联合权值LWpk计算当前待修复噪声点Ic的像素值;
3.5)重复所述步骤3.3)和所述步骤3.4),沿着所述噪声区域边界一圈一圈向内修复直至完成对所有噪声点的修复。
优选地,所述步骤3.2)中,所述NMRT方向特征权值
通过以下公式(6)计算而
得:
公式(6)中,0<Wpkf<1,|Ipk-Iwm|表示所述正常像素点集合Ip内任一正常像素点的灰度值Ipk与所述参考值Iwm的灰度差;c为一常数,且c>0。c用于控制权值函数的陡峭程度,c越大,则Ipk-Iwm越接近0,即所述正常像素点的灰度值Ipk与所述参考值Iwm灰度值越接近,曲线越陡,所述正常像素点的权值越大。
优选地,所述距离权值Wpkd 通过以下公式(7)计算而得:
公式(7)中,0<Wpkd<1,upk表示Ip中所有像素点到当前待修复点的水平距离;vpk表示Ip中所有像素点到当前待修复点的竖直距离。
优选地,所述步骤3.3)中的所述联合权值
通过以下公式(8)计算而得:
公式(8)中,a,b为常数,a+b=1,
为归一化后的所述NMRT方向特征权值,
通过以下公式(9)计算而得:
为归一化后的所述距离权值,
通过以下公式(10)计算而得:
优选地,所述步骤3.4)中,通过以下公式(11)计算当前待修复噪声点
的像素值:
本发明还提供了一种基于NMRT方向特征约束的静脉图像修复装置,该装置包括:
1)图像噪声检测模块,用于对指静脉图像I进行噪声检测,并标注出噪声区域;
2)NMRT方向特征图提取模块,用于通过NMRT算法提取所述指静脉图像I的静脉方向特征,得到所述指静脉图像I的NMRT方向特征图Iw;
3)噪声区域修复模块,分别连接所述图像噪声检测模块和所述NMRT方向特征图提取模块,用于以提取的指静脉图像的NMRT方向特征为约束修复所述噪声区域。
本发明具有的有益效果在于:
1、利用局部对比度增强方法增强噪声,并利用噪声区域未增强前与背景区域灰度差相对较大的特点,增加了噪声增强的限制条件,在确保噪声提取精度的前提下,避免了图像增强后噪声区域边界扩张的情况,并且利用阈值分割方法准确提取出噪声区域,为后续噪声区域的准确修复打下了基础;
2、以修复窗口内静脉主方向特征(在修复窗口内出现频次最高的方向特征)作为参考序列,计算参考序列中所有正常像素点灰度值的平均值作为噪声修复的参考值,并综合考虑正常像素点与参考值的灰度差和正常像素点与待修复点的距离相关性,为参考序列中的各正常像素点赋予相对应的权重,最后对参考序列中的所有正常像素点的灰度进行加权求和以更新待修复点的像素灰度,使得修复后的指静脉图像静脉纹理更加连贯、清晰,从而提高了指静脉识别系统的识别性能。
附图说明
图1是本发明实施例1提供的静脉图像修复方法的流程图;
图2(a)是0°方向的NMRT方向模板图,图2(b)是22.5°方向的NMRT方向模板图;
图3(a)是含镜面油污块噪声的指静脉图像,图3(b)是含手指干燥蜕皮噪声的指静脉图像;
图4(a)是镜面油污块的噪声二值图,图4(b)是干燥手指蜕皮的噪声二值图;
图5(a)是含镜面油污噪声的指静脉图像的NMRT方向特征图,图5(b)是含干燥手指蜕皮噪声的指静脉图像的NMRT方向特征图;
图6是提取邻域窗口内NMRT主方向特征作为参考序列的示意图;
图7(a)是含镜面油污噪声的静脉图像修复效果图,图7(b)是含干燥手指蜕皮噪声的静脉图像修复效果图;
图8是不同修复方法修复噪声后的ROC识别性能曲线;
图9是本发明实施例2提供的静脉图像修复装置的结构框图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
在本发明的描述中,除非另有明确的规定和限定,若出现术语“连接”等指示部件之间的连接关系,该术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
图1示出了本发明提供的基于NMRT方向特征约束的静脉图像修复方法的流程图。如图1所示,该静脉图像修复方法包括如下步骤:
1)对指静脉图像
进行噪声检测,并标记出噪声区域(即为图1中所指的破损区
域),具体步骤包括:
1.1)采用r*r邻域窗口,在指静脉图像
(含镜面油污块噪声的指静脉图像如图3
(a)所示,此时噪声所在区域的静脉信息完全被遮挡,含手指干燥蜕皮噪声的指静脉图像如
图3(b)所示,此时的噪声与静脉相似,并遮掩了静脉信息)上滑动,计算出每个窗口邻域内
的像素灰度值的最大值、最小值和平均值,分别记为max、min、mean,得到三张图像记为I
max、
I
min、I
mean,r表示所述邻域窗口的长或宽,邻域窗口的尺寸优选为3*3;
1.2)计算指静脉图像
经噪声区域局部对比度增强后的图像I
enhance,计算公式为:
公式(1)中,(i,j)表示图像的像素点坐标,i为整数且1≤i≤图像宽度,j为整数且1≤j≤图像高度;
图像Ienhance(i,j)的计算原理为:
由于指静脉图像中,噪声区域一般灰度值较低,与静脉区域相比,噪声区域与图像
背景区域局部灰度值差异更加明显,即
更大;而背景区域与静脉区域局
部灰度值差异相对较小,即
比较小,这些区域增强后效果不明显,因此,
图像增强后的噪声区域更易通过阈值分割方法提取出来。
为了防止图像增强后噪声区域扩张,本发明利用噪声区域灰度值与邻域窗口内最大灰度值差异更加突出的特点,增加了公式(3)的噪声增强限制条件,公式(3)表达如下:
公式(3)的噪声增强限制原理为:
当邻域窗口内的某个像素点的灰度值与邻域窗口内的灰度像素最大值的差值大于阈值d时,对该像素点进行增强处理,否则判定该像素点为非噪声点,不对其进行增强处理,增设该噪声增强限制条件同时能够避免对正常相对平缓区域的增强,以减少计算量。经实验总结,阈值d优选等于5。
1.3)对增强图像Ienhance(i,j)进行阈值分割,标记出所述指静脉图像I的二值图Ib(二值化后的指静脉图像如图4,镜面油污块的噪声二值图如图4(a)所示,干燥手指蜕皮的噪声二值图如图4(b)所示)。阈值分割的计算公式为:
公式(2)中,
表示未进行噪声增强的原始指静脉图像
上坐标为(i,j)的
像素点;
为一阈值;
表示为所述指静脉图像
上的噪声区域;
表示为所述指静脉图像
上的正常区域。
公式(2)的阈值分割原理为:
本发明利用噪声区域增强后灰度值明显增大,而正常区域灰度值基本不变或变化
较小的特点,将增强后的图像
与原始的指静脉图像
作减运算,并将相减后的
值大于阈值
的区域判定为噪声区域。经实验总结,阈值
优选等于18。
2)通过NMRT(Neighborhood Matching Radon Transform)算法提取指静脉图像
中的静脉方向特征,得到指静脉图像I的NMRT方向特征图I
w,具体步骤包括:
2.1)构建8个大小为16*16的NMRT方向模板
,
;即8条直线代表8个卷积方向,其中
0°和22.5°方向模板分别如图2(a)、图2(b)所示,其他6个NMRT方向模板参照0°和22.5°方向
模板构建;
2.2)通过8个所述NMRT方向模板
分别对所述指静脉图像
进行卷积操作,得
到8个方向的响应图像
;
2.3)对于指静脉图像
的任意像素点
,计算该点所对应的8个方向卷积响应
值
的最大值,取卷积最大值所对应的方向索引值作为NMRT方向特征,并通过
公式(4)和(5)得到指静脉图像
的NMRT方向特征图
(含镜面油污噪声的指静脉图像的
NMRT方向特征图如图5(a)所示,含干燥手指蜕皮噪声的指静脉图像的NMRT方向特征图如图
5(b)所示,图5中的黑洞区域表示噪声区域):
公式(4)中,
表示指静脉图像上点I(i,j)所对应的8个方向
卷积响应值
中最大值所对应的方向,
为其索引值;公式(5)中
为角度的索引值。
由于指静脉图像呈现出背景亮、静脉暗的特点,当NMRT方向模板中代表方向的直
线(图2中置“1”区域构成的直线)与静脉垂直时,因为此时包含的背景像素较多,卷积响应
值最大。经过公式(4)和(5)处理后的指静脉图像的NMRT方向特征图
,其每个像素点的灰
度值在1-8之间。
3)以提取的指静脉图像I的NMRT方向特征为约束修复噪声区域A,具体步骤包括:
3.1)根据待修复点邻域窗口
内的NMRT方向特征图提取静脉主方向特征作为参
考序列B(参考序列A、噪声区域B如图6所示),记所述参考序列中所有正常像素点集合为I
p,
1≤p≤(r
1*r
1-1),计算I
p所有元素灰度值的平均值I
wm 作为噪声修复的参考值,wm表示均
值;静脉主方向特征为待修复点邻域窗口
中出现频次最高的NMRT方向特征(不包括邻域
窗口
中噪声区域的方向特征)。
3.2)根据所述参考值I
wm计算所述参考序列对应的所有正常像素点集合I
p中所有
像素点的NMRT方向特征权值W
pkf,并计算I
p 中所有像素点与待修复点间的距离权值W
pkd, k=
1,2,3,…,p;NMRT方向特征权值
通过以下公式(6)计算而得:
公式(6)中,0<W
pkf<1,|I
pk-I
wm|表示所述正常像素点集合I
p内任一正常像素点的灰
度值I
pk与所述参考值I
wm的灰度差;c为一常数,且c>0。
用于控制权值函数的陡峭程度,c越
大,则I
pk-I
wm越接近0,即所述正常像素点的灰度值I
pk与所述参考值I
wm灰度值越接近,曲线
越陡,所述正常像素点的灰度值
的权值越大。
为了便于后续对噪声点的修复计算,本发明通过以下公式(9)对NMRT方向特征权
值
进行归一化处理后,得到归一化后的NMRT方向特征权值
,
距离权值Wpkd 通过以下公式(7)计算而得:
公式(7)中,0<Wpkd<1,upk表示Ip中所有像素点到当前待修复点的水平距离;vpk表示Ip中所有像素点到当前待修复点的竖直距离。
由公式(7)可知,距离当前待修复点的距离越近,距离权值越高。同样地,为了便于
后续对噪声点的修复计算,本发明通过以下公式(10)对距离权值
进行归一化处理,得
到经归一化处理后的距离权值GW
pkd:
3.3)根据所述NMRT方向特征权值Wpkf和所述距离权值Wpkd,计算得到Ip中所有像素点对应的联合权值LWpk;
公式(8)中,a,b为常数,a+b=1。
3.4)根据所述联合权值LWpk计算当前待修复噪声点Ic的像素值;计算公式为:
3.5)重复步骤3.3)和步骤3.4,沿着噪声区域边界一圈一圈向内修复直至完成对所有噪声点的修复,修复后的指静脉图像请参照图7,含镜面油污噪声的静脉图像修复效果图如图7(a)所示,含干燥手指蜕皮噪声的静脉图像修复效果图如图7(b)所示。
实验例
为了验证本发明提供的静脉图像修复方法的有效性,我们比较了同一个指静脉识别系统分别对未经修复的指静脉图像、对经传统中值滤波、crinimisi算法修复后的指静脉图像以及对经本发明修复后的指静脉图像的识别性能。
采集一个正常手指静脉图像库及其对应的受损指静脉图像库,每个图像库均包含1000根手指,正常手指静脉图像库每根手指5张图像,共1000*5=5000张,作为注册模板,受损静脉图像库每根手指包含10张图像,共1000*10=10000张,作为验证图像。将验证图像分别经过未修复、传统中值滤波、传统crinimisi方法以及本发明方法修复后的图像与正常手指静脉图像库提取特征进行比对,采用验证图像:注册图像=1:5比对方式。
识别性能比较结果如图8所示,从图8示出的ROC识别性能曲线中可以看出,在零误识前提下,相比于对未经修复图像的指静脉识别性能,指静脉识别系统对经过传统的中值滤波、crinimisi算法和本发明提供的修复方法修复的指静脉图像的拒识率分别降低了17.31%、25.46%和36.34%。由此可见,本发明修复指静脉图像的能力高于其他两种传统的图像修复方法,充分体现了本发明提供的修复方法的有效性。
实施例2
一种基于NMRT方向特征约束的静脉图像修复装置,如图9所示,该装置包括:
1)图像噪声检测模块,用于对指静脉图像I进行噪声检测,并标注出噪声区域;图像噪声检测模块用于实现实施例1步骤1)的功能。
2)NMRT方向特征图提取模块,用于通过NMRT算法提取指静脉图像I的静脉方向特征,得到指静脉图像I的NMRT方向特征图Iw;NMRT方向特征图提取模块用于实现实施例1步骤2)的功能。
3)噪声区域修复模块,分别连接图像噪声检测模块和NMRT方向特征图提取模块,用于以提取的指静脉图像的NMRT方向特征为约束修复噪声区域。噪声区域修复模块用于实现实施例1步骤3)的功能。
显然,本实施例的静脉图像修复装置可以作为上述实施例1的静脉图像修复方法的执行主体,因此能够实现该静脉图像修复方法所实现的功能。由于原理相同,本文不再赘述。
需要声明的是,上述具体实施方式仅仅为本发明的较佳实施例及所运用技术原理。本领域技术人员应该明白,还可以对本发明做各种修改、等同替换、变化等等。但是,这些变换只要未背离本发明的精神,都应在本发明的保护范围之内。另外,本申请说明书和权利要求书所使用的一些术语并不是限制,仅仅是为了便于描述。