CN112348031A - 一种去除指纹图像混合噪声的改进小波阈值去噪方法 - Google Patents

一种去除指纹图像混合噪声的改进小波阈值去噪方法 Download PDF

Info

Publication number
CN112348031A
CN112348031A CN202011289574.7A CN202011289574A CN112348031A CN 112348031 A CN112348031 A CN 112348031A CN 202011289574 A CN202011289574 A CN 202011289574A CN 112348031 A CN112348031 A CN 112348031A
Authority
CN
China
Prior art keywords
image
threshold
wavelet
noise
fingerprint
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
Application number
CN202011289574.7A
Other languages
English (en)
Inventor
孙然然
林玉娥
梁兴柱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN202011289574.7A priority Critical patent/CN112348031A/zh
Publication of CN112348031A publication Critical patent/CN112348031A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V10/30—Noise filtering
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种去除指纹图像混合噪声的改进小波阈值去噪方法，该方法涉及到了图像处理领域。本发明主要是提供了一种改进的自适应阈值和改进的阈值函数。首先，选用合适的指纹图像作为测试图像作为原始图像的输入，在模拟现实生活中指纹图像采集和传输过程中可能受到的噪声污染过程对测试图像添加混合噪声，接着对含有混和噪声的测试图像进行中值滤波去噪，在对中值滤波去噪后的图像进行小波分解，小波系数阈值量化，信号重构过程，最后输出去噪后的图像。本发明考虑到了噪声信号随着分解层数增加逐渐减小的特征和传统阈值不连续和存在固定偏差等问题，定义了自适应阈值和CLAE阈值函数，较好的解决了上述出现的问题。得到的噪声去除后指纹图像纹路更加清晰，使得指纹识别系统能更快速和准确的识别指纹细节特征，具有一定的社会价值。

Description

一种去除指纹图像混合噪声的改进小波阈值去噪方法
技术领域
本发明涉及图像处理领域，具体是一种去除指纹图像混合噪声的改进小波阈值去噪方法。
背景知识
随着科技的发展，指纹识别技术已经广泛的应用于人们的日常生活中。例如，手机的指纹解锁和居家生活中的指纹智能门锁。能否快速并且准确的提取指纹的细节特征点是判断指纹自动识别系统好坏的标准。但是由于指纹采集器和传输信道的缘故使得采集到的指纹图像会含有椒盐和高斯等混合噪声，进而会影响指纹识别的速度和准确性，给指纹识别工作带来困难。所以指纹图像中混合噪声的去除工作十分重要。小波阈值算法凭借自身独特的时频特性使其被广泛的应用于图像噪声去除领域。但是由于传统软、硬阈值去噪方法选取的全局阈值λ的数值的固定的，但是实际情况是对含噪图像进行小波分解时，随着分解层数的增大，噪声信号的模值就会越小，因此阈值固定不变就会就会噪声小波系数对噪声信号的误判，从而把真实信号当作噪声信号进行去除。传统软、硬阈值函数还会存在恒定偏差和在阈值λ不连续等问题，去噪后使得指纹图像中的噪声去除并不完全。
发明内容
本发明的目在于：提供一种自适应阈值和连续型低误差(continuous and lowerror,CALE)阈值函数，自适应阈值可以随着分解层数的增大而自适应的选取小的阈值，可以更好的解决小波系数对噪声信号的误判问题。改进的CALE阈值函数在克服了传统阈值函数不连续和低误差的问题，使得函数在阈值处是连续的，并且在阈值接近极限时，估计系数于真实系数的误差接近为0。使得含有混合噪声的指纹图像噪声去除更彻底。
本发明的具体内容如下：
一种去除指纹图像混合噪声的改进小波阈值去噪方法，所述的方法是先对测试的指纹图像添加混合噪声，再对含混合噪声的图像进行一次中值滤波去噪，再对中值滤波去噪后的测试图像进行3层小波分解、用自适应阈值Ti和CALE阈值函数进行小波系数量化、小波系数重构，最后在输出去噪后的指纹图像。
本发明的具体步骤如下：
步骤一：输入原始指纹测试图像f(i,j)；
步骤二：对选取的测试指纹图像f(i,j)添加混合噪声；
步骤三：对含混合噪声的指纹测试图像进行一遍中值滤波去除后得到图像
Figure BDA0002782953350000021
步骤四：对
Figure BDA0002782953350000022
图像进行小波分解得到各层的小波系数
Figure BDA0002782953350000023
步骤五：通过自适应阈值Ti和CALE阈值函数对小波系数进行阈值量化；
步骤六：对量化后的估计小波系数
Figure BDA0002782953350000024
进行信号重构；
步骤七：输出去噪后的图像g(i,j)；
具体的，步骤一中的指纹测试图像f(i,j)选取的FCV2004数据库中的指纹图像，然后通过matlab的算法程序读入图像。
具体的，步骤二中的对指纹测试图像f(i,j)进行添加方差为0.01的高斯噪声和密度为0.01的椒盐噪声的混合噪声是在matlab中进行混合噪声添加工作的。
具体的，步骤三中的对测试图像f(i,j)进行一遍中值滤波工作主要是采用3×3的滑动模板进行混合噪声中椒盐噪声的去除工作。
具体的，步骤四中的对
Figure BDA0002782953350000025
图像进行小波分解得到各层的小波系数
Figure BDA0002782953350000026
小波分解时对
Figure BDA0002782953350000027
进行三层小波分解，小波基函数选用sym8。
具体的，步骤五中的通过自适应阈值Ti和CALE阈值函数对小波系数进行阈值量化，其中的自适应阈值Ti主要是通过如下公式得到：
Figure BDA0002782953350000028
对小波系数
Figure BDA0002782953350000031
进行阈值量化主要是通过如下公式中的CALE阈值函数进行阈值量化，得到估计小波系数
Figure BDA0002782953350000032
Figure BDA0002782953350000033
具体的，步骤六中是对量化后估计小波系数
Figure BDA0002782953350000034
进行小波逆运算，完成信号重构工作。
具体的，步骤七中的输出去噪后的图像g(i,j)，是在matlab R2006a中进行完成以上工作后输出的。
附图说明
图1是本发明的流程框架图；
图2是本发明的小波系数阈值量化过程图；
具体实施方式
为了使本发明的步骤和过程更清晰易懂，下面结合附图对本发明做详细说明。
在本发明中，可以得到一种可以更好去除指纹图像中混合噪声的方法。所述方法首先对指纹测试图像添加混合噪声，然后对添加噪声的指纹图像进行一遍中值滤波去噪，接着对中值滤波去噪后的指纹图像进行小波分解，阈值量化，信号重构，最后得到去噪后的指纹图像。
图1为本发明的流程图，包括以下步骤：
步骤一：选用FCV2004数据库中的101_2.tif指纹图像作为测试图像，在matlabR2006a的软件下进行实验，输入原始图像。
步骤二：对步骤一选用的101_2.tif指纹测试图像添加噪声方差为0.01的高斯噪声和密度为0.01的椒盐噪声作为含噪图像进行实验。
步骤三：对通过步骤二的含混合噪声的指纹测试图像进行一遍中值滤波，更好的去除所含的椒盐噪声。
步骤四：对中值滤波后的指纹图像进行3层小波分解，小波基函数选用sym8。
对图像进行3层小波分解之后主要是获得了第一层高频系数H1和第一层低频系数L1，然后对L1继续分解得到第二层高频系数H2和第二次低频系数L2。然后对L2继续分解得到高频系数H3和低频系数L3。
步骤五：主要进行小波系数阈值量化工作，对步骤四得到的H1,H2,H3进行阈值量化。根据公式(1)定义的自适应阈值Ti对三层小波系数所得高频小波系数
Figure BDA0002782953350000041
进行阈值量化，小波阈值量化的过程图如图2所示。
阈值量化的过程主要包括：
(1)判断H1所得的小波系数
Figure BDA0002782953350000042
如果
Figure BDA0002782953350000043
则让估计系数
Figure BDA0002782953350000044
否则
Figure BDA0002782953350000045
(2)判断H2所得的小波系数
Figure BDA0002782953350000046
如果
Figure BDA0002782953350000047
则让估计系数
Figure BDA0002782953350000048
否则
Figure BDA0002782953350000049
(3)判断H3所得的小波系数
Figure BDA00027829533500000410
如果
Figure BDA00027829533500000411
则让估计系数
Figure BDA00027829533500000412
否则
Figure BDA00027829533500000413
步骤六：主要是对完成小波系数阈值量化后
Figure BDA00027829533500000414
的和步骤四得到的L3进行小波信号重构。
步骤七：主要完成上述步骤之后，输出去噪后的101_2.tif指纹图像。

Claims (8)

1.一种去除指纹图像混合噪声的改进小波阈值去噪方法，其特征在于:所述的是一种去除指纹图像混合噪声的改进小波阈值去噪方法，包括如下的步骤：
(1)读入选原始图像；
(2)给步骤(1)读入的原始图像添加混合噪声；
(3)对步骤(2)完成后图像进行中值滤波去噪；
(4)对步骤(3)所得的图像进行小波分解；
(5)步骤(4)所得的小波系数进行阈值量化；
(6)对步骤(5)所得的估计系数进行信号重构；
(7)输出去噪后的图像。
2.根据权利要求1所述的一种去除指纹图像混合噪声的改进小波阈值去噪方法,其特征在于：步骤(1)中所述的原始图像主要指：选自于FCV2004指纹数据库中图像大小适宜，指纹纹路清晰的101_2.tif指纹图像。
3.根据权利要求1所述的一种去除指纹图像混合噪声的改进小波阈值去噪方法,其特征在于：步骤(2)中的对原始图像添加混合噪声主要是指：对101_2.tif指纹图像添加含有方差为0.01的高斯噪声和密度为0.01的椒盐噪声的混合噪声。
4.根据权利要求1所述的一种去除指纹图像混合噪声的改进小波阈值去噪方法,其特征在于：步骤(3)中对添加了混和噪声的图像进行中值滤波去噪主要是指：对含有混合噪声的101_2.tif指纹图像采用3×3的滑动模板进行中值滤波去噪，主要去除混合噪声中椒盐噪声。
5.根据权利要求1所述的一种去除指纹图像混合噪声的改进小波阈值去噪方法,其特征在于：步骤(4)对中值滤波后的图像进行小波分解主要是指：选用基函数sym8，对图像进行3层小波分解得到各层小波系数。
6.根据权利要求1所述的一种去除指纹图像混合噪声的改进小波阈值去噪方法,其特征在于：步骤(5)中的小波系数进阈值量化主要是指：阈值量化过程主要是通过自适应阈值Ti和CLAE阈值函数完成的。
自适应阈值Ti公式如下：
Figure FDA0002782953340000021
CLAE阈值函数如下：
Figure FDA0002782953340000022
阈值量化过程如下：
(1)判断H1所得的小波系数
Figure FDA0002782953340000023
如果
Figure FDA0002782953340000024
则让估计系数
Figure FDA0002782953340000025
否则
Figure FDA0002782953340000026
(2)判断H2所得的小波系数
Figure FDA0002782953340000027
如果
Figure FDA0002782953340000028
则让估计系数
Figure FDA0002782953340000029
否则
Figure FDA00027829533400000210
(3)判断H3所得的小波系数
Figure FDA00027829533400000211
如果
Figure FDA00027829533400000212
则让估计系数
Figure FDA00027829533400000213
否则
Figure FDA00027829533400000214
7.根据权利要求1所述的一种去除指纹图像混合噪声的改进小波阈值去噪方法,其特征在于：步骤(6)中的信号重构过程主要指：对完成小波系数阈值量化后
Figure FDA00027829533400000215
的和步骤四得到的L3进行小波信号重构。
8.根据权利要求1所述的一种去除指纹图像混合噪声的改进小波阈值去噪方法,其特征在于：步骤(7)主要是指：对完成以上所有步骤之后的得到的图像进行图像的输出过程。
CN202011289574.7A 2020-11-17 2020-11-17 一种去除指纹图像混合噪声的改进小波阈值去噪方法 Pending CN112348031A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011289574.7A CN112348031A (zh) 2020-11-17 2020-11-17 一种去除指纹图像混合噪声的改进小波阈值去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011289574.7A CN112348031A (zh) 2020-11-17 2020-11-17 一种去除指纹图像混合噪声的改进小波阈值去噪方法

Publications (1)

Publication Number Publication Date
CN112348031A true CN112348031A (zh) 2021-02-09

Family

ID=74364093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011289574.7A Pending CN112348031A (zh) 2020-11-17 2020-11-17 一种去除指纹图像混合噪声的改进小波阈值去噪方法

Country Status (1)

Country Link
CN (1) CN112348031A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115569341A (zh) * 2022-10-20 2023-01-06 河北盛世博业科技有限公司 一种基于虚拟现实的多人协同消防训练方法与系统

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103700072A (zh) * 2013-12-17 2014-04-02 北京工业大学 一种基于自适应小波阈值和双边滤波器的图像去噪方法
CN104424641A (zh) * 2013-09-07 2015-03-18 无锡华御信息技术有限公司 一种关于图像模糊篡改检测的方法
CN104715461A (zh) * 2015-04-02 2015-06-17 哈尔滨理工大学 图像去噪方法
CN105740762A (zh) * 2016-01-13 2016-07-06 陈勇 一种信噪分离的优化方法
US20160284067A1 (en) * 2013-11-08 2016-09-29 Huawei Device Co., Ltd. Image Denoising Method and Terminal
CN106570843A (zh) * 2016-11-14 2017-04-19 山东理工大学 一种自适应小波阈值函数图像噪声抑制方法
CN106682571A (zh) * 2016-11-08 2017-05-17 中国民航大学 基于肤色分割和小波变换的人脸检测方法
CN107065592A (zh) * 2017-06-19 2017-08-18 深圳森阳环保材料科技有限公司 一种智能家居控制系统
CN107680057A (zh) * 2017-09-28 2018-02-09 武汉中旗生物医疗电子有限公司 超声图像增强的方法及装置
CN107703546A (zh) * 2017-09-29 2018-02-16 西南石油大学 一种基于小波变换的新阈值函数地震资料去噪方法
CN108596848A (zh) * 2018-04-20 2018-09-28 西南交通大学 一种基于改进小波阈值函数的图像去噪方法
CN109164165A (zh) * 2018-10-09 2019-01-08 河南科技大学 基于图像融合的钢丝绳无损检测方法及其装置
CN109242799A (zh) * 2018-09-19 2019-01-18 安徽理工大学 一种变阈值的小波去噪方法
CN109557429A (zh) * 2018-11-07 2019-04-02 国网浙江省电力有限公司电力科学研究院 基于改进小波阈值去噪的gis局部放电故障检测方法
CN110091800A (zh) * 2019-03-29 2019-08-06 上海赫千电子科技有限公司 车辆电子后视镜的图像显示与危险预警方法及其设备
CN110320100A (zh) * 2019-07-03 2019-10-11 中北大学 一种基于机器视觉的双相机布氏硬度测量装置和测量方法
CN111242854A (zh) * 2020-01-03 2020-06-05 深圳市京湾量子遥感科技有限公司 一种图像去噪方法
CN111523550A (zh) * 2020-03-30 2020-08-11 南京赛沃夫海洋科技有限公司 一种图像识别方法、系统、介质及电子设备

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424641A (zh) * 2013-09-07 2015-03-18 无锡华御信息技术有限公司 一种关于图像模糊篡改检测的方法
US20160284067A1 (en) * 2013-11-08 2016-09-29 Huawei Device Co., Ltd. Image Denoising Method and Terminal
CN103700072A (zh) * 2013-12-17 2014-04-02 北京工业大学 一种基于自适应小波阈值和双边滤波器的图像去噪方法
CN104715461A (zh) * 2015-04-02 2015-06-17 哈尔滨理工大学 图像去噪方法
CN105740762A (zh) * 2016-01-13 2016-07-06 陈勇 一种信噪分离的优化方法
CN106682571A (zh) * 2016-11-08 2017-05-17 中国民航大学 基于肤色分割和小波变换的人脸检测方法
CN106570843A (zh) * 2016-11-14 2017-04-19 山东理工大学 一种自适应小波阈值函数图像噪声抑制方法
CN107065592A (zh) * 2017-06-19 2017-08-18 深圳森阳环保材料科技有限公司 一种智能家居控制系统
CN107680057A (zh) * 2017-09-28 2018-02-09 武汉中旗生物医疗电子有限公司 超声图像增强的方法及装置
CN107703546A (zh) * 2017-09-29 2018-02-16 西南石油大学 一种基于小波变换的新阈值函数地震资料去噪方法
CN108596848A (zh) * 2018-04-20 2018-09-28 西南交通大学 一种基于改进小波阈值函数的图像去噪方法
CN109242799A (zh) * 2018-09-19 2019-01-18 安徽理工大学 一种变阈值的小波去噪方法
CN109164165A (zh) * 2018-10-09 2019-01-08 河南科技大学 基于图像融合的钢丝绳无损检测方法及其装置
CN109557429A (zh) * 2018-11-07 2019-04-02 国网浙江省电力有限公司电力科学研究院 基于改进小波阈值去噪的gis局部放电故障检测方法
CN110091800A (zh) * 2019-03-29 2019-08-06 上海赫千电子科技有限公司 车辆电子后视镜的图像显示与危险预警方法及其设备
CN110320100A (zh) * 2019-07-03 2019-10-11 中北大学 一种基于机器视觉的双相机布氏硬度测量装置和测量方法
CN111242854A (zh) * 2020-01-03 2020-06-05 深圳市京湾量子遥感科技有限公司 一种图像去噪方法
CN111523550A (zh) * 2020-03-30 2020-08-11 南京赛沃夫海洋科技有限公司 一种图像识别方法、系统、介质及电子设备

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
LI SHUANGQUAN ET AL: "he research of wavelet adaptive threshold gray scale image denoising", 《PROCEEDINGS OF 2013 2ND INTERNATIONAL CONFERENCE ON MEASUREMENT, INFORMATION AND CONTROL》 *
V. P. GOPI, M ET AL: "Image Denoising Based on Undecimated Double Density Dual Tree Wavelet Transform and Modified Firm Shrinkage", 《2013 2ND INTERNATIONAL CONFERENCE ON ADVANCED COMPUTING, NETWORKING AND SECURITY》 *
周建等: "基于Shannon熵的自适应小波包阈值函数去噪算法研究", 《振动与冲击》 *
田流芳: "基于中值滤波和小波变换的图像去噪算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
胡娟: "基于小波变换和中值滤波的图像去噪方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
邵向鑫等: "用于光纤传感的可调半软阈值小波去噪算法", 《激光与红外》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115569341A (zh) * 2022-10-20 2023-01-06 河北盛世博业科技有限公司 一种基于虚拟现实的多人协同消防训练方法与系统
CN115569341B (zh) * 2022-10-20 2023-08-25 河北盛世博业科技有限公司 一种基于虚拟现实的多人协同消防训练方法与系统

Similar Documents

Publication Publication Date Title
CN111242862B (zh) 多尺度融合并行稠密残差卷积神经网络图像去噪方法
Cruz et al. Nonlocality-reinforced convolutional neural networks for image denoising
Gu et al. A brief review of image denoising algorithms and beyond
CN109242799B (zh) 一种变阈值的小波去噪方法
CN111145123B (zh) 基于U-Net融合保留细节的图像去噪方法
Scheunders Wavelet thresholding of multivalued images
CN101944230B (zh) 基于多尺度的自然图像非局部均值去噪方法
Patel et al. Separated component-based restoration of speckled SAR images
CN111222442A (zh) 一种电磁信号分类方法和装置
Salman et al. Empirical mode decomposition (EMD) based denoising method for heart sound signal and its performance analysis
CN112348031A (zh) 一种去除指纹图像混合噪声的改进小波阈值去噪方法
Rubel et al. Prediction of Despeckling Efficiency of DCT-based filters Applied to SAR Images
CN102314675B (zh) 基于小波高频的贝叶斯去噪方法
Krishnan et al. A novel underwater image enhancement technique using ResNet
CN114239757B (zh) 一种电磁时间序列数据的去噪方法及系统
CN115497492A (zh) 一种基于全卷积神经网络的实时语音增强方法
CN115859048A (zh) 一种局放信号的噪声处理方法及装置
CN111508525B (zh) 一种全参考音频质量评价方法及装置
CN110516566B (zh) 一种基于卷积层的滤波方法及装置
Gantenapalli et al. Selective mean filtering for reducing impulse noise in digital color images
Rahimi et al. Deep Neural Network-based Methods for Brain Image De-noising: A Short Comparison.
uddin Khan et al. A robust PDE based image de-noising method
CN109793511A (zh) 基于深度学习技术的心电信号噪声检测算法
Qiaoman et al. Application of adaptive median filter and wavelet transform to dongba manuscript images denoising
Ulu et al. Image Denoising via Multiscale Feature Extraction and Triplet Attention based CNN

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210209

WD01 Invention patent application deemed withdrawn after publication