CN116778172B - 一种指背静脉图像增强方法 - Google Patents
一种指背静脉图像增强方法 Download PDFInfo
- Publication number
- CN116778172B CN116778172B CN202311041100.4A CN202311041100A CN116778172B CN 116778172 B CN116778172 B CN 116778172B CN 202311041100 A CN202311041100 A CN 202311041100A CN 116778172 B CN116778172 B CN 116778172B
- Authority
- CN
- China
- Prior art keywords
- image
- vein
- vein image
- finger back
- dorsal digital
- 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.)
- Active
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 271
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003708 edge detection Methods 0.000 claims abstract description 12
- 238000009499 grossing Methods 0.000 claims abstract description 6
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 18
- 238000010008 shearing Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000036548 skin texture Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种指背静脉图像增强方法,属于生物识别技术领域,具体包括以下步骤:S1.采用边缘检测方法获取指背静脉图像的轮廓边缘二值图,包括水平轮廓边缘二值图和垂直轮廓边缘二值图;S2:根据指背静脉图像的轮廓边缘二值图确定指背静脉图像上的指背纹点和非指背纹点,并将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像;S3:基于去除指背纹的指背静脉图像的静脉纹理分布对去除指背纹的指背静脉图像进行增强处理,增强处理时,对图像进行分割,形成子块,对每个子块进行增强,再将增强后的子块拼接。本发明能消除指背纹对指背静脉图像增强带来的影响,能够更加突出静脉细节,有助于后续比对识别。
Description
技术领域
本发明涉及生物识别技术领域,特别是涉及一种指背静脉图像增强方法。
背景技术
指静脉识别技术是一种新兴的生物特征识别技术,具备唯一性、普遍性等生物识别特征的优点。指静脉识别技术通过对获得的指背静脉图像进行增强处理并提取其有效特征,利用比对算法比较提取到的特征与设备中保存的特征以进行特征匹配实现图像识别。图像增强作为静脉识别过程中的第一步,其目的是突出图像中的有用信息,并使感兴趣区域得到细节增强。对于指背静脉图像,直接进行增强处理会使皮肤纹理也得到增强从而造成噪声。
中国专利CN102184528B公开了一种低质量手指背静脉图像增强方法,包括四个处理阶段:图像预处理、图像分割、参数修正和骨架线跟踪。图像预处理阶段包括目标定位与裁剪、目标尺寸归一化、图像滤波和图像旋转四个步骤,可以削弱采集装置差异对图像增强方法自适应能力的影响;图像分割阶段包括自适应阈值图像分割、数学形态学滤波和图像细化三个步骤,目的是得到手指静脉二值图像和骨架图像,为后续的处理服务;参数修正阶段依据手指静脉二值图像和骨架图像计算手指静脉平均宽度,并依据该宽度修正方法中的宽度参数和距离参数。骨架线跟踪阶段包括起始跟踪点集获取、轨迹空间初始化、起始跟踪点选择、随机搜索方向生成、暗线跟踪等步骤。该方法能够快速有效地增强低质量手指背静脉图像,但由于指背静脉存在着指背纹干扰的因素,导致指背静脉图像增强效果受到影响,最终影响识别率。
发明内容
本发明的主要目的是提供一种指背静脉图像增强方法,以实现指背静脉图像增强过程中对皮肤纹理的降噪处理,并解决现在有技术中存在的指背静脉图像增强过后静脉细节不足的问题。
为实现上述目的,本发明提供了如下方案:
本发明涉及一种指背静脉图像增强方法,其包括以下步骤:
S1:采集用户的指背静脉图像I,采用边缘检测方法获取指背静脉图像I的轮廓边缘二值图,指背静脉图像I的轮廓边缘二值图包括水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2;
S2:根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点,并将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3;
S3:基于去除指背纹的指背静脉图像I3的静脉纹理分布对去除指背纹的指背静脉图像I3进行增强处理。
优选地,所述步骤S1中采用边缘检测方法获取指背静脉图像的轮廓边缘二值图包括:
S1.1:采用边缘检测算子对指背静脉图像I进行卷积操作,分别获取指背静脉图像I的水平梯度图Gx和垂直梯度图Gy;
S1.2:设置第一检测阈值T1,遍历水平梯度图Gx和垂直梯度图Gy的每个像素点,若其像素值大于第一检测阈值T1,则判断其为轮廓边缘点,将其像素值置为1,反之置为0,得到水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2。
优选地,所述步骤S1中采用边缘检测方法获取指背静脉图像的轮廓边缘二值图还包括:设置第二检测阈值T2,分别统计水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2连通区域的面积,若连通区域的面积小于第二检测阈值T2,则将该连通区域对应的像素点的像素值置为0,对水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2进行修正。
优选地,所述步骤S2中,根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点包括如下步骤:
S2.1:遍历水平轮廓边缘二值图I1上的像素点,若其像素值等于0,则其在指背静脉图像I上对应位置的像素点为非指背纹点,反之若其像素值为1,则该像素点为水平目标像素点;
S2.2:查看水平目标像素点在垂直轮廓边缘二值图I2上对应位置的像素点的像素值,若其像素值等于1,则该水平目标像素点在指背静脉图像I上对应位置的像素点为非指背纹点,反之若其像素值等于0,则该像素点为垂直目标像素点,进入步骤S2.3;
S2.3:设置第三检测阈值T3,统计垂直目标像素点8邻域内像素值等于1的像素点个数num,若个数num大于第三检测阈值T3,则该垂直目标像素点在指背静脉图像I上对应位置的像素点为非指背纹点,反之该垂直目标像素点在指背静脉图像I上对应位置的像素点为指背纹点。
优选地,所述步骤S2中,将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3,包括:求取垂直目标像素点8邻域内像素值等于0的像素点在指背静脉图像I对应位置的像素点的像素均值,并将其作为该指背纹点的像素值。
优选地,所述步骤S2中,根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点,并将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3的公式为:
,
公式中,x表示行坐标,y表示列坐标,i表示像素点8邻域内的像素点的统计变量,num表示垂直目标像素点8邻域内像素值等于1的像素点个数,I(x,y)表示指背静脉图像上像素点的像素值,Ii(x,y)表示垂直目标像素点8邻域内像素值等于0的第i个像素点在指背静脉图像对应位置的像素值。
优选地,所述步骤S3中,基于去除指背纹的指背静脉图像I3的静脉纹理分布对去除指背纹的指背静脉图像I3进行增强处理包括如下步骤:
S3.1:将去除指背纹的指背静脉图像I3分割为若干不交叠的子块,每个子块的大小为M×N,并分别计算每个子块的直方图;
S3.2:将去除指背纹的指背静脉图像I3分别进行尺度缩小与尺度放大得到缩小指背静脉图像I4、放大指背静脉图像I5,基于子块及子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应的区域,计算去除指背纹的指背静脉图像I3上每个子块的剪切阈值;
S3.3:对每个子块高于剪切阈值N cl 的像素点做剪切处理,将剪切下来的像素点重新均匀分配给各个灰度级,并对裁剪后的子块进行直方图均衡,实现每个子块的增强。
S3.4:将增强后的子块拼接构成去除指背纹的指背静脉图像I3。
优选地,所述步骤3.2中,基于子块及子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应区域,计算去除指背纹的指背静脉图像I3上每个子块的剪切阈值的具体步骤包括:
S3.2.1:计算去除指背纹的指背静脉图像I3每个子块的灰度共生矩阵,并计算灰度共生矩阵的能量值ASM1,分别计算子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应区域的灰度共生矩阵的能量值ASM2、ASM3,并基于能量值计算每个子块的自适应剪切系数β;
S3.2.2:根据每个子块的自适应剪切系数β计算每个子块的剪切阈值N cl 。
优选地,所述子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应区域为:以每个子块左上角的像素点在缩小指背静脉图像I4、放大指背静脉图像I5上对应的像素点为基准点,向下M行向右N列的区域。
优选地,所述步骤S3.2.2中,自适应剪切系数β、剪切阈值N cl 的计算公式为:
,
,
其中,,
公式中,Lgray表示子块中灰度级的个数, Navg表示为每个子块里各个灰度级的平均像素数,ABS表示绝对值函数,表示为一个小值,M表示子块的长度,N表示子块的宽度。
与现有技术相比,本发明具有以下技术效果:
1、本发明涉及的指背静脉图像增强方法在对指背静脉图像进行增强处理前,采用边缘检测方法获取指背静脉图像的轮廓边缘二值图,根据指背静脉图像的轮廓边缘二值图确定指背静脉图像上的指背纹点和非指背纹点,并将指背纹点进行平滑处理,去除指背纹,从而消除指背纹带来的影响,以提高增强效果。
2、本发明涉及的指背静脉图像增强方法在对去除指背纹的指背静脉图像进行增强处理时,将其分割为若干不交叠的子块,并分别计算每个子块的直方图,基于子块及子块在缩小指背静脉图像、放大指背静脉图像上对应的区域,计算去除指背纹的指背静脉图像上每个子块的剪切阈值,对每个子块高于剪切阈值的像素点做剪切处理,将剪切下来的像素点重新均匀分配给各个灰度级,并对裁剪后的子块进行直方图均衡,实现每个子块的增强,使静脉占比多的区域的对比度更高,能够更加突出静脉细节,从而有助于后续比对识别。
附图说明
图1为本发明涉及的一种指背静脉图像增强方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合实施例和附图对本发明进行具体阐述,但本发明的保护范围并不限于此。
参照附图1所示,本发明涉及一种指背静脉图像增强方法,其包括以下步骤:
S1:采集用户的指背静脉图像I,采用边缘检测方法获取指背静脉图像I的轮廓边缘二值图,指背静脉图像I的轮廓边缘二值图包括水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2,具体步骤为:
S1.1:采用边缘检测算子对指背静脉图像I进行卷积操作,分别获取指背静脉图像I的水平梯度图Gx和垂直梯度图Gy,分别表示为:
,
其中Gx为水平方向的梯度图,Gy为垂直方向的梯度图,I为指静脉图;
S1.2:设置第一检测阈值T1,遍历水平梯度图Gx和垂直梯度图Gy的每个像素点,若其像素值大于第一检测阈值T1,则判断其为轮廓边缘点,将其像素值置为1,反之置为0,得到水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2,判断方式可表示为:
,
其中,x为和y分别为行坐标和列坐标;
S1.3:设置第二检测阈值T2,分别统计水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2连通区域的面积,若连通区域的面积小于第二检测阈值T2,则将该连通区域对应的像素点的像素值置为0,进而去除面积小于阈值T2的连通区域,对水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2进行修正。
S2:根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点,并将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3;上述根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点的具体步骤为:
S2.1:遍历水平轮廓边缘二值图I1上的像素点,若其像素值等于0,则其在指背静脉图像I上对应位置的像素点为非指背纹点,反之若其像素值为1,则该像素点为水平目标像素点;
S2.2:查看水平目标像素点在垂直轮廓边缘二值图I2上对应位置的像素点的像素值,若其像素值等于1,则该水平目标像素点在指背静脉图像I上对应位置的像素点为非指背纹点,反之若其像素值等于0,则该像素点为垂直目标像素点,进入步骤S2.3;
S2.3:设置第三检测阈值T3,统计垂直目标像素点8邻域内像素值等于1的像素点个数num,若个数num大于第三检测阈值T3,则该垂直目标像素点在指背静脉图像I上对应位置的像素点为非指背纹点,反之该垂直目标像素点在指背静脉图像I上对应位置的像素点为指背纹点;
上述将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3的步骤包括:求取垂直目标像素点8邻域内像素值等于0的像素点在指背静脉图像I对应位置的像素点的像素均值,并将其作为该指背纹点的像素值;
获得的去除指背纹的指背静脉图像I3的公式为:
,
公式中,x表示行坐标,y表示列坐标,i表示像素点8邻域内的像素点的统计变量,num表示垂直目标像素点8邻域内像素值等于1的像素点个数,I(x,y)表示指背静脉图像上像素点的像素值,Ii(x,y)表示垂直目标像素点8邻域内像素值等于0的第i个像素点在指背静脉图像对应位置的像素值。
S3:基于去除指背纹的指背静脉图像I3的静脉纹理分布对去除指背纹的指背静脉图像I3进行增强处理,具体包括如下步骤:
S3.1:将去除指背纹的指背静脉图像I3分割为若干不交叠的子块,每个子块的大小为M×N,并分别计算每个子块的直方图;
S3.2:将去除指背纹的指背静脉图像I3分别进行尺度缩小与尺度放大得到缩小指背静脉图像I4、放大指背静脉图像I5,基于子块及子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应的区域,子块及子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应的区域为:以每个子块左上角的像素点在缩小指背静脉图像I4、放大指背静脉图像I5上对应的像素点为基准点,向下M行向右N列的区域,计算去除指背纹的指背静脉图像I3上每个子块的剪切阈值,具体步骤包括:
S3.2.1:计算去除指背纹的指背静脉图像I3每个子块的灰度共生矩阵,并计算灰度共生矩阵的能量值ASM1,分别计算子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应区域的灰度共生矩阵的能量值ASM2、ASM3,并基于能量值计算每个子块的自适应剪切系数β;
S3.2.2:根据每个子块的自适应剪切系数β计算每个子块的剪切阈值N cl ,自适应剪切系数β、剪切阈值N cl 的计算公式为:
,
,
其中,,
公式中,Lgray表示子块中灰度级的个数,Navg表示为每个子块里各个灰度级的平均像素数,ABS表示绝对值函数,表示为一个小值,以避免结果为0, M表示子块的长度,N表示子块的宽度;
S3.3:对每个子块高于剪切阈值N cl 的像素点做剪切处理,将剪切下来的像素点重新均匀分配给各个灰度级,并对裁剪后的子块进行直方图均衡,实现每个子块的增强;
S3.4:将增强后的子块拼接构成去除指背纹的指背静脉图像I3。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (9)
1.一种指背静脉图像增强方法,其特征在于:其包括以下步骤:
S1:采集用户的指背静脉图像I,采用边缘检测方法获取指背静脉图像I的轮廓边缘二值图,指背静脉图像I的轮廓边缘二值图包括水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2;
S2:根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点,并将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3,根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点包括如下步骤:
S2.1:遍历水平轮廓边缘二值图I1上的像素点,若其像素值等于0,则其在指背静脉图像I上对应位置的像素点为非指背纹点,反之若其像素值为1,则该像素点为水平目标像素点;
S2.2:查看水平目标像素点在垂直轮廓边缘二值图I2上对应位置的像素点的像素值,若其像素值等于1,则该水平目标像素点在指背静脉图像I上对应位置的像素点为非指背纹点,反之若其像素值等于0,则该像素点为垂直目标像素点,进入步骤S2.3;
S2.3:设置第三检测阈值T3,统计垂直目标像素点8邻域内像素值等于1的像素点个数num,若个数num大于第三检测阈值T3,则该垂直目标像素点在指背静脉图像I上对应位置的像素点为非指背纹点,反之该垂直目标像素点在指背静脉图像I上对应位置的像素点为指背纹点;
S3:基于去除指背纹的指背静脉图像I3的静脉纹理分布对去除指背纹的指背静脉图像I3进行增强处理。
2.根据权利要求1的指背静脉图像增强方法,其特征在于:所述步骤S1中采用边缘检测方法获取指背静脉图像的轮廓边缘二值图包括:
S1.1:采用边缘检测算子对指背静脉图像I进行卷积操作,分别获取指背静脉图像I的水平梯度图Gx和垂直梯度图Gy;
S1.2:设置第一检测阈值T1,遍历水平梯度图Gx和垂直梯度图Gy的每个像素点,若其像素值大于第一检测阈值T1,则判断其为轮廓边缘点,将其像素值置为1,反之置为0,得到水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2。
3.根据权利要求2的指背静脉图像增强方法,其特征在于:所述步骤S1中采用边缘检测方法获取指背静脉图像的轮廓边缘二值图还包括:设置第二检测阈值T2,分别统计水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2连通区域的面积,若连通区域的面积小于第二检测阈值T2,则将该连通区域对应的像素点的像素值置为0,对水平轮廓边缘二值图I1和垂直轮廓边缘二值图I2进行修正。
4.根据权利要求1的指背静脉图像增强方法,其特征在于:所述步骤S2中,将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3,包括:求取垂直目标像素点8邻域内像素值等于0的像素点在指背静脉图像I对应位置的像素点的像素均值,并将其作为该指背纹点的像素值。
5.根据权利要求4的指背静脉图像增强方法,其特征在于:所述步骤S2中,根据指背静脉图像的轮廓边缘二值图确定指背静脉图像I上的指背纹点和非指背纹点,并将指背纹点进行平滑处理,获得去除指背纹的指背静脉图像I3的公式为:
,
公式中,x表示行坐标,y表示列坐标,i表示像素点8邻域内的像素点的统计变量,num表示垂直目标像素点8邻域内像素值等于1的像素点个数,I(x,y)表示指背静脉图像上像素点的像素值,Ii(x,y)表示垂直目标像素点8邻域内像素值等于0的第i个像素点在指背静脉图像对应位置的像素值。
6.根据权利要求1的指背静脉图像增强方法,其特征在于:所述步骤S3中,基于去除指背纹的指背静脉图像I3的静脉纹理分布对去除指背纹的指背静脉图像I3进行增强处理包括如下步骤:
S3.1:将去除指背纹的指背静脉图像I3分割为若干不交叠的子块,每个子块的大小为M×N,并分别计算每个子块的直方图;
S3.2:将去除指背纹的指背静脉图像I3分别进行尺度缩小与尺度放大得到缩小指背静脉图像I4、放大指背静脉图像I5,基于子块及子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应的区域,计算去除指背纹的指背静脉图像I3上每个子块的剪切阈值;
S3.3:对每个子块高于剪切阈值N cl 的像素点做剪切处理,将剪切下来的像素点重新均匀分配给各个灰度级,并对裁剪后的子块进行直方图均衡,实现每个子块的增强;
S3.4:将增强后的子块拼接构成去除指背纹的指背静脉图像I3。
7.根据权利要求6的指背静脉图像增强方法,其特征在于:所述步骤3.2中,基于子块及子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应区域,计算去除指背纹的指背静脉图像I3上每个子块的剪切阈值的具体步骤包括:
S3.2.1:计算去除指背纹的指背静脉图像I3每个子块的灰度共生矩阵,并计算灰度共生矩阵的能量值ASM1,分别计算子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应区域的灰度共生矩阵的能量值ASM2、ASM3,并基于能量值计算每个子块的自适应剪切系数β;
S3.2.2:根据每个子块的自适应剪切系数β计算每个子块的剪切阈值N cl 。
8.根据权利要求7的指背静脉图像增强方法,其特征在于:所述子块在缩小指背静脉图像I4、放大指背静脉图像I5上对应区域为:以每个子块左上角的像素点在缩小指背静脉图像I4、放大指背静脉图像I5上对应的像素点为基准点,向下M行向右N列的区域。
9.根据权利要求7的指背静脉图像增强方法,其特征在于:所述步骤S3.2.2中,自适应剪切系数β、剪切阈值N cl 的计算公式为:
,
,
其中, ,
公式中,Lgray表示子块中灰度级的个数, Navg表示为每个子块里各个灰度级的平均像素数,ABS表示绝对值函数,表示为一个小值,M表示子块的长度,N表示子块的宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041100.4A CN116778172B (zh) | 2023-08-18 | 2023-08-18 | 一种指背静脉图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041100.4A CN116778172B (zh) | 2023-08-18 | 2023-08-18 | 一种指背静脉图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116778172A CN116778172A (zh) | 2023-09-19 |
CN116778172B true CN116778172B (zh) | 2023-11-07 |
Family
ID=87994840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311041100.4A Active CN116778172B (zh) | 2023-08-18 | 2023-08-18 | 一种指背静脉图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116778172B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520211A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 基于手指折痕的手指静脉图像特征的提取方法 |
CN108830158A (zh) * | 2018-05-16 | 2018-11-16 | 天津大学 | 手指轮廓和梯度分布相融合的静脉感兴趣区域提取方法 |
CN110163123A (zh) * | 2019-04-30 | 2019-08-23 | 杭州电子科技大学 | 一种基于单幅近红外手指图像指纹指静脉融合识别方法 |
CN110348289A (zh) * | 2019-05-27 | 2019-10-18 | 广州中国科学院先进技术研究所 | 一种基于二值图的手指静脉识别方法 |
CN112883824A (zh) * | 2021-01-28 | 2021-06-01 | 重庆邮电大学 | 一种用于智能采血的手指静脉特征识别装置及其识别方法 |
CN113269029A (zh) * | 2021-04-07 | 2021-08-17 | 张烨 | 一种多模态及多特征的指静脉图像识别方法 |
CN115223211A (zh) * | 2022-09-20 | 2022-10-21 | 山东圣点世纪科技有限公司 | 一种将静脉图像转化为指纹图像的识别方法 |
-
2023
- 2023-08-18 CN CN202311041100.4A patent/CN116778172B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520211A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 基于手指折痕的手指静脉图像特征的提取方法 |
CN108830158A (zh) * | 2018-05-16 | 2018-11-16 | 天津大学 | 手指轮廓和梯度分布相融合的静脉感兴趣区域提取方法 |
CN110163123A (zh) * | 2019-04-30 | 2019-08-23 | 杭州电子科技大学 | 一种基于单幅近红外手指图像指纹指静脉融合识别方法 |
CN110348289A (zh) * | 2019-05-27 | 2019-10-18 | 广州中国科学院先进技术研究所 | 一种基于二值图的手指静脉识别方法 |
CN112883824A (zh) * | 2021-01-28 | 2021-06-01 | 重庆邮电大学 | 一种用于智能采血的手指静脉特征识别装置及其识别方法 |
CN113269029A (zh) * | 2021-04-07 | 2021-08-17 | 张烨 | 一种多模态及多特征的指静脉图像识别方法 |
CN115223211A (zh) * | 2022-09-20 | 2022-10-21 | 山东圣点世纪科技有限公司 | 一种将静脉图像转化为指纹图像的识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116778172A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428433B (zh) | 一种基于局部阈值的Canny边缘检测算法 | |
CN113466232B (zh) | 一种基于计算机图像的脆化鱼肉快速检测方法及系统 | |
CN110415208B (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
CN109978848B (zh) | 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法 | |
CN107169979A (zh) | 一种改进Canny算子的图像边缘检测方法 | |
CN113808193B (zh) | 一种基于分块阈值的光斑质心定位方法 | |
CN110060260B (zh) | 一种图像处理方法及系统 | |
CN113506246B (zh) | 基于机器视觉的混凝土3d打印构件精细检测方法 | |
Mahmoud et al. | Segmentation of skin cancer images based on gradient vector flow (GVF) snake | |
CN108305268B (zh) | 一种图像分割方法及装置 | |
CN115358349A (zh) | 一种数据优化聚类方法 | |
CN112529853A (zh) | 一种用于水下养殖网箱的网衣破损检测方法及装置 | |
CN111639560A (zh) | 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 | |
CN111091107A (zh) | 一种人脸区域边缘检测方法、装置及存储介质 | |
CN114677525A (zh) | 一种基于二值图像处理的边缘检测方法 | |
CN116778172B (zh) | 一种指背静脉图像增强方法 | |
CN111639556B (zh) | 一种非均匀插值的手指轴旋转指静脉图像纠正方法 | |
CN111553886B (zh) | 一种沥青混合料ct图像中颗粒的自适应识别方法 | |
CN116739943A (zh) | 图像平滑处理方法及目标轮廓提取方法 | |
CN112633070A (zh) | 高分辨率遥感影像建筑物提取方法及系统 | |
CN116665258A (zh) | 一种手掌图像指缝分割方法 | |
CN108898045B (zh) | 基于深度学习的手势识别的多标签图像预处理方法 | |
CN107818579B (zh) | 基于四元数Gabor滤波的彩色纹理特征提取方法 | |
CN113936305B (zh) | 一种手掌识别过程中的中指位置确认方法及特征提取方法 | |
CN113763407B (zh) | 一种超声图像的结节边缘分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |