CN117975513B - 医用物流站点身份智能识别系统 - Google Patents
医用物流站点身份智能识别系统 Download PDFInfo
- Publication number
- CN117975513B CN117975513B CN202410392757.3A CN202410392757A CN117975513B CN 117975513 B CN117975513 B CN 117975513B CN 202410392757 A CN202410392757 A CN 202410392757A CN 117975513 B CN117975513 B CN 117975513B
- Authority
- CN
- China
- Prior art keywords
- reference pixel
- pixel point
- value
- window
- gray
- 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
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000001914 filtration Methods 0.000 claims abstract description 36
- 230000002093 peripheral effect Effects 0.000 claims description 31
- 238000010606 normalization Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 18
- 238000004364 calculation method Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000007781 pre-processing Methods 0.000 description 5
- 239000012567 medical material Substances 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像降噪技术领域,具体涉及一种医用物流站点身份智能识别系统。该系统利用所有预设参考尺寸的邻域块,对指纹采集图像进行非局部均值滤波,获取指纹降噪图像;在对指纹采集图像进行非局部均值滤波的过程中,获取参考像素点的像素粘连程度值;进而获取参考像素点的预设参考尺寸的邻域粘连值;从而获取参考像素点的预设参考尺寸的邻域块的可信度值;进而将对应的初始权重进行调整,获取参考像素点的调整后的权重;根据指纹降噪图像,获取医用物流站点身份智能识别结果,本发明通过优化参考像素点的权重计算,改善指纹图像的去噪效果,使得医用物流站点身份智能识别更加准确。
Description
技术领域
本发明涉及图像降噪技术领域,具体涉及一种医用物流站点身份智能识别系统。
背景技术
医用物流站点为一种智能轨道小车系统的输送终端,承担物品发送和接收的角色。为了保证传输物品的安全性,在站点处配备了智能电子锁进行指纹识别以进行身份识别,只有具有权限的医护人员才能进行传输物品的存取。
指纹识别通常包括指纹采集、预处理、特征比对和匹配等过程,由于指纹采集图像往往存在噪声,为了更好进行身份智能识别,通常需要对指纹采集图像进行去噪操作。非局部均值滤波法作为一种常用的滤波算法,由于其具备在滤除噪声的同时保留图像细节的特点,可用于指纹采集图像的去噪。但是,在利用非局部均值滤波对指纹采集图像进行去噪的过程中,由于医护人员手指上可能存在污垢,会导致指纹采集图像中脊线和脊线之间出现粘连,而非局部均值滤波是通过两个邻域块之间的相似性来计算的权重,从而加权进行滤波,粘连会导致两个邻域块之间的相似性计算不准确,导致参考像素点的权重计算不准确,进而影响指纹图像的去噪效果,导致身份智能识别效果不佳。
发明内容
为了解决利用非局部均值滤波对指纹采集图像进行去噪的过程中,指纹采集图像中脊线和脊线之间出现粘连,导致参考像素点的权重计算不准确,进而影响指纹图像的去噪效果,导致身份智能识别效果不佳的技术问题,本发明的目的在于提供一种医用物流站点身份智能识别系统,所采用的技术方案具体如下:
本发明提供了一种医用物流站点身份智能识别系统,所述系统包括:
图像获取模块,用于获取医用物流站点的指纹采集图像;
图像降噪模块,用于获取指纹采集图像中每个像素点对应的搜索窗口,以及搜索窗口中每个参考像素点的至少两个预设参考尺寸的邻域块;利用所有预设参考尺寸的邻域块,对指纹采集图像进行非局部均值滤波,获取指纹降噪图像;
权重调整模块,所述对指纹采集图像进行非局部均值滤波的过程中,获取参考像素点的每个所述预设参考尺寸的邻域块对应的初始权重;根据所述参考像素点周围的灰度值变化,获取所述参考像素点的像素粘连程度值;在参考像素点的所述预设参考尺寸的邻域块中,根据所有像素点的像素粘连程度值,获取所述参考像素点的所述预设参考尺寸的邻域粘连值;根据参考像素点的预设参考尺寸的邻域块的所述邻域粘连值和参考像素点的周围的灰度值,获取参考像素点的所述预设参考尺寸的邻域块的可信度值;根据所述参考像素点的所有所述预设参考尺寸的邻域块的所述可信度值,将对应的所述初始权重进行调整,获取所述参考像素点的调整后的权重;
身份识别模块,用于根据所述指纹降噪图像,获取医用物流站点身份智能识别结果。
进一步地,所述像素粘连程度值的获取方法包括:
构建所述参考像素点的至少两个待处理窗口,分别计算所述待处理窗口中所有像素点的灰度值的均值,作为各个所述待处理窗口的窗口特征灰度值;按照各个待处理窗口的大小顺序,依次统计所有所述待处理窗口的所述窗口特征灰度值,得到所述参考像素点的窗口特征灰度序列;
获取参考像素点的所述窗口特征灰度值中的各个极值点,按照所述极值点对应所述待处理窗口的大小顺序,依次统计所有所述极值点,得到所述参考像素点的周围极值序列;
在所述参考像素点的周围极值序列中,计算各个极值点对应待处理周围窗口的尺寸的差分,获取各个极值点的间隔差值;统计所有极值点的所述间隔差值,获取参考像素点的间隔差值集合;
在所述参考像素点的周围极值序列中,计算各个极值点对应待处理周围窗口的所述窗口特征灰度值的差分,获取各个极值点的灰度变化值;统计所有极值点的所述灰度变化值,获取所述参考像素点的灰度变化集合;
根据参考像素点的所述间隔差值集合和所述灰度变化集合,获取所述参考像素点的灰度变化规律值;
根据参考像素点的所述灰度变化规律值和所述窗口特征灰度序列,获取参考像素点的像素粘连程度值。
进一步地,获取所述参考像素点的灰度变化规律值的方法包括:
根据灰度变化规律值公式获取所述灰度变化规律值,所述灰度变化规律值的公式包括:
;其中,/>为参考像素点/>的灰度变化规律值;/>为参考像素点/>的间隔差值集合的方差;/>为参考像素点/>的灰度变化集合的方差;/>为参考像素点/>对应间隔差值集合中所有间隔差值的总数量;/>为以自然数/>为底数的指数函数。
进一步地,获取参考像素点的像素粘连程度值的方法包括:
在参考像素点的窗口特征灰度序列,计算各个待处理窗口的窗口特征灰度值的差分值,获取各个待处理窗口的灰度差异值;统计所有待处理窗口的灰度差异值,获取参考像素点的灰度差异集合;
计算所述灰度差异集合中所有所述灰度差异值的平均值,得到参考像素点的周围灰度变化特征值;
根据参考像素点的所述周围灰度变化特征值和所述灰度变化规律值,获取参考像素点的像素粘连程度值;所述周围灰度变化特征值和所述灰度变化规律值,均与像素粘连程度值呈负相关性。
进一步地,所述可信度值的获取公式包括:
;其中,/>为参考像素点/>的第/>个预设参考尺寸的邻域块的可信度值;/>为参考像素点/>的第/>个预设参考尺寸的邻域块的邻域粘连值;为参考像素点/>的第/>个预设参考尺寸的邻域块中,所有像素点的灰度值的均值;/>为参考像素点/>的窗口特征灰度序列中,第/>个窗口特征灰度值;/>为参考像素点/>的窗口特征灰度序列中,所有窗口特征灰度值的总数量;/>为分母的调参因子;/>为归一化函数。
进一步地,所述调整后的权重的获取公式包括:
;其中,/>为像素点/>的调整后的权重;/>为像素点的第/>个所述预设参考尺寸的邻域块的可信度值;/>为像素点/>的第/>个所述预设参考尺寸的邻域块的初始权重;/>为所有所述预设参考尺寸的总数量;/>为归一化函数。
进一步地,所邻域粘连值的获取方法包括:
在参考像素点的预设参考尺寸的邻域块中,计算所有像素点的所述像素粘连程度值的均值,作为参考像素点的预设参考尺寸的邻域粘连值。
进一步地,所述医用物流站点身份智能识别结果的获取方法包括:
通过对指纹降噪图像进行特征提取和身份比对,获取医用物流站点身份智能识别结果。
进一步地,所述构建所述参考像素点的至少两个待处理窗口的获取方法包括:
获取初始的窗口尺寸,将所述初始的窗口尺寸按照设定步长进行逐步增大,每增大一次即得到一个增大后的窗口尺寸,从而得到至少一个不大于最大设定窗口尺寸的增大后的窗口尺寸;
将初始的窗口尺寸和每个增大后的窗口尺寸均作为一个设定窗口尺寸,以参考像素点作为窗口中心,且以每个设定窗口尺寸为窗口尺寸,构建窗口,从而得到参考像素点的至少两个待处理窗口。
进一步地,所述初始的窗口尺寸为预设初始长度。
本发明具有如下有益效果:
本发明主要针对在利用非局部均值滤波对指纹采集图像进行降噪滤波的过程中,由于医护人员手指上可能存在污垢,会导致指纹采集图像中部分脊线和脊线之间出现粘连,使得指纹的局部区域的脊线结构变得模糊,而非局部均值滤波是通过两个邻域块之间的相似性来计算的权重,从而加权进行滤波,粘连会影响两个邻域块之间的相似性计算不准确,进而导致参考像素点的权重计算不准确,最终影响该算法对于指纹图像的去噪效果。
由于脏污导致的粘连区域,往往存在指纹采集图像中的局部,通过构建多个预设参考尺寸的邻域块,避免单一尺寸的邻域块计算参考像素点的权重时,受到粘连区域影响较大,导致参考像素点的滤波权重具有偶然性。以供后续对参考像素点的多个预设参考尺寸的邻域块进行加权,计算参考像素点的权重。
为了对预设参考尺寸的邻域块的可靠性进行分析,考虑到正常的指纹的图像中脊线和谷线基本呈现交替出现、黑白分明,而粘连区域的灰度值往往较为接近,获取像素点的像素粘连程度值,由于粘连程度会导致参考像素点的权重计算不准确,所以像素点的粘连程度越大,导致像素点越不具有参考性;考虑到粘连区域会对预设参考尺寸的邻域块的灰度受影响,预设参考尺寸的邻域块的可信度值综合了邻域块周围的灰度值差异和邻域块内所有像素点的像素粘连程度值,综合反映了预设参考尺寸的邻域块的可靠性。根据像素点的所有预设参考尺寸的邻域块的可信度值来调整对应的初始权重,获取像素点的调整后的权重。使得像素点的调整后的权重更可靠,受到粘连区域影响更小,进而使得去噪图像的效果更好,使得医用物流站点身份智能识别更准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种医用物流站点身份智能识别系统的系统框图;
图2为本发明一个实施例所提供的一种指纹采集图像的示意图;
图3为本发明一个实施例所提供的一种传统非局部均值滤波效果图的示意图;
图4为本发明一个实施例所提供的一种改进后的非局部均值滤波的指纹降噪图像的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种医用物流站点身份智能识别系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种医用物流站点身份智能识别系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种医用物流站点身份智能识别系统的系统框图,该系统包括:图像获取模块101,图像降噪模块102,权重调整模块103,身份识别模块104。
图像获取模块101,用于获取医用物流站点的指纹采集图像。
为了保障医用物流站点传输物品的安全性,需要进行指纹识别以进行身份识别,为了进行准确的指纹识别,首先需要获取医用物流站点的指纹采集图像,以供后续对指纹采集图像进行滤波降噪,更加准确地进行指纹识别。
具体地,在本发明实施例中,当医用物料箱到了指定的医用物流站点的时候,可以通过医用物料箱配备的智能电子锁需要进行指纹识别,从而对操作人员进行身份识别,当操作人员具有权限时候才可以打开医用物料箱。利用医用物料箱所配备了智能电子锁进行指纹采集,获取原始采集图像,为了保证后续图像处理过程的图像质量,获得原始采集图像后还需要进行图像预处理操作,进而获取医用物流站点的指纹采集图像。具体图像预处理操作为本领域技术人员熟知的技术手段,在此不做赘述以及限定。在本发明实施例中图像预处理操作包括灰度化和增强对比度。本发明实施例采用直方图均衡化进行增强对比度,实施者可根据实际情况自行设置。请参阅图2,其示出了本发明一个实施例所提供的一种指纹采集图像的示意图。
需要说明的是,为了方便运算,本发明实施例中所参与运算的所有指标数据均经过数据预处理,进而取消量纲影响。具体去量纲影响的手段为本领域技术人员熟知的技术手段,在此不做限定。
图像降噪模块102,用于获取指纹采集图像中每个像素点对应的搜索窗口,以及搜索窗口中每个参考像素点的至少两个预设参考尺寸的邻域块;利用所有预设参考尺寸的邻域块,对指纹采集图像进行非局部均值滤波,获取指纹降噪图像。
本发明主要针对在利用非局部均值滤波对指纹采集图像进行降噪滤波的过程中,由于医护人员手指上可能存在污垢,会导致指纹采集图像中部分脊线和脊线之间出现粘连,使得指纹的局部区域的脊线结构变得模糊,而非局部均值滤波是通过两个邻域块之间的相似性来计算的权重,从而加权进行滤波,粘连会影响两个邻域块之间的相似性计算不准确,进而导致参考像素点的权重计算不准确,最终影响该算法对于指纹图像的去噪效果,所以本发明主要对参考像素点的权重进行改进。
为了改进参考像素点的权重,由于脏污导致的粘连区域,往往存在指纹采集图像中的局部,通过构建多个预设参考尺寸的邻域块,避免单一尺寸的邻域块计算参考像素点的权重时,受到粘连区域影响较大,导致参考像素点的权重具有偶然性。进而利用所有预设参考尺寸的邻域块和搜索窗口,对指纹采集图像进行非局部均值滤波,获取指纹降噪图像。
需要说明的是,传统的非局部均值滤波为本领域技术人员熟知的现有技术,在此仅简单叙述对一个像素点进行滤波的简要过程:
以任一像素点为待降噪像素点,构建待降噪像素点的搜索窗口,待降噪像素点处于搜索窗口的中心位置。确定待降噪像素点的邻域块;将搜索窗口中每个像素点作为每个参考像素点;计算参考像素点的邻域块和待降噪像素点的邻域块的相似性,进而根据相似性计算每个参考像素点的权重,根据所有参考像素点的权重和像素值,获取待降噪像素点的更新后像素值,将更新后的像素值替换待降噪像素点的像素值。
通过传统的非局部均值滤波,可以对指纹采集图像进行滤波,获取传统非局部均值滤波效果图。请参阅图3,其示出了本发明一个实施例所提供的一种传统非局部均值滤波效果图的示意图。
具体的,本发明一个实施例中,搜索窗口采用相同的尺寸,搜索窗口的尺寸为。构建多个预设参考尺寸的邻域块,避免计算参考像素点的权重不准确。其中,第一个预设参考尺寸为/>、第二个预设参考尺寸为/>、第三个预设参考尺寸为/>;对应的第一个邻域块的尺寸为/>、第二个邻域块的尺寸为/>、第三个邻域块的尺寸为/>,实施者可根据实施场景自行设定。
具体的,在确定指纹采集图像的搜索窗口和多个预设参考尺寸的邻域块之后;利用所有预设参考尺寸的邻域块和搜索窗口,对指纹采集图像进行非局部均值滤波,获取指纹降噪图像。
权重调整模块103,对指纹采集图像进行非局部均值滤波的过程中,获取参考像素点的每个预设参考尺寸的邻域块对应的初始权重;根据参考像素点周围的灰度值变化,获取参考像素点的像素粘连程度值;在参考像素点的预设参考尺寸的邻域块中,根据所有像素点的像素粘连程度值,获取参考像素点的预设参考尺寸的邻域粘连值;根据参考像素点的预设参考尺寸的邻域块的邻域粘连值和参考像素点的周围的灰度值,获取参考像素点的预设参考尺寸的邻域块的可信度值;根据参考像素点的所有预设参考尺寸的邻域块的可信度值,将对应的初始权重进行调整,获取参考像素点的调整后的权重。
为了使得参考像素点的权重更加准确,通过构建多个预设参考尺寸的邻域块,当邻域块采用不同预设参考尺寸,参考像素点的对应的初始权重也会不同。为了对初始权重进行调整,需要对采用不同预设参考尺寸的邻域块的可靠性进行分析,考虑到正常的指纹的图像中脊线和谷线基本呈现交替出现、黑白分明,而粘连区域的灰度值往往较为接近,获取像素点的像素粘连程度值,由于粘连程度会导致参考像素点的权重计算不准确,所以像素点的粘连程度越大,导致像素点越不具有参考性,在参考像素点的预设参考尺寸的邻域块中,根据所有像素点的像素粘连程度值,获取参考像素点的预设参考尺寸的邻域粘连值;邻域粘连值反映邻域块内所有像素点的像素粘连程度,邻域块粘连程度越大,导致邻域块越不具有参考性。考虑到粘连会导致邻域块的灰度值受到影响,邻域块的灰度值和周围差异越大,邻域块越不具有参考性;所以预设参考尺寸的邻域块的可信度值综合了邻域块周围的灰度值差异和邻域块整体的粘连程度,全面反映了预设参考尺寸的邻域块的可靠性。根据像素点的所有预设参考尺寸的邻域块的可信度值来调整对应的初始权重,获取像素点的调整后的权重,使得参考像素点的调整后的权重更可靠,受到粘连区域的影响更小。
本发明一个实施例中,考虑到当邻域块采用不同预设参考尺寸,参考像素点的对应的初始权重也会不同,初始权重的获取方法包括:
基于非局部均值滤波,邻域块采用预设参考尺寸,获取参考像素点的预设参考尺寸的邻域块对应的初始权重。
具体的,以任一像素点为待降噪像素点,构建待降噪像素点的搜索窗口,待降噪像素点处于搜索窗口的中心位置。邻域块采用预设参考尺寸,确定待降噪像素点的预设参考尺寸的邻域块;将搜索窗口中每个像素点作为每个参考像素点;计算参考像素点的预设参考尺寸的邻域块和待降噪像素点的预设参考尺寸的邻域块之间相似性,进而根据参考像素点与待降噪像素点之间距离和邻域块之间相似性,计算每个参考像素点的初始权重。初始权重为当邻域块为预设参考尺寸时,参考像素点的初始权重。
需要说明的是,根据参考像素点与待降噪像素点之间距离和邻域块之间相似性,计算每个参考像素点初始权重,为本领域技术人员熟知的现有技术,在此不做赘述。
具体的,邻域块分别采用预设参考尺寸,获取参考像素点的各个预设参考尺寸的邻域块对应的初始权重;由于邻域块采用不同尺寸的,不同尺寸邻域块中像素点数量不同,所以当邻域块的尺寸不同时,参考像素点的对应的初始权重也会不同,获取参考像素点的预设参考尺寸的邻域块对应的初始权重。
优选地,由于正常的指纹的图像中脊线和谷线基本呈现交替出现、黑白分明,粘连区域的灰度值较为接近且脊线与谷线表现较为模糊,在不断扩大待处理周围窗的过程中,当参考像素点处于正常指纹区域时候,对应的待处理周围窗的平均灰度值会出现周期性的变化规律;然而当参考像素点处于粘连区域时候,对应的待处理周围窗的平均灰度值的周期性的变化规律表现不佳。由于正常的指纹的图像中脊线和谷线表现清晰,导致正常指纹区域往往黑白分明;粘连区域脊线与谷线表现较为模糊,导致粘连区域的灰度值往往较为接近;当参考像素点处于粘连区域时候,在不断扩大待处理周围窗的过程中,对应的待处理周围窗的平均灰度值越不发生变化;当参考像素点处于正常区域时候,在不断扩大待处理周围窗的过程中,对应的待处理周围窗的平均灰度值发生变化较为明显。通过研究在不断扩大参考像素点的待处理周围窗的过程中,待处理周围窗的平均灰度值变化明显程度和变化规律程度,反映参考像素点粘连程度值。本发明一个实施例中,像素粘连程度值的获取方法包括:
构建参考像素点的至少两个待处理窗口,分别计算待处理窗口中所有像素点的灰度值的均值,作为各个待处理窗口的窗口特征灰度值;按照各个待处理窗口的大小顺序,依次统计所有待处理窗口的窗口特征灰度值,得到参考像素点的窗口特征灰度序列;窗口特征灰度序列通过表示在不断扩大待处理周围窗口的过程中,待处理窗口的平均灰度值,可以反映参考像素点周围的灰度特征。
为了研究不断扩大待处理周围窗的过程中灰度值变化规律,利用导数法,获取参考像素点的窗口特征灰度序列中的各个极值点,按照极值点对应待处理窗口的大小顺序,依次统计所有极值点,得到参考像素点的周围极值序列;一般极值点中的极大值点和极小值点是交替出现的,研究极值点以供研究图像黑白交替的规律性。
在参考像素点的周围极值序列中,计算各个极值点对应待处理周围窗口的尺寸的差分,获取各个极值点的间隔差值;统计所有极值点的间隔差值,获取参考像素点的间隔差值集合;间隔差值集合可以反映相邻极值点的待处理周围窗口的尺寸的差异,可以反映图像黑白交替中间隔,以供后续通过间隔的稳定性,反映图像黑白交替中间隔的规律性。
在参考像素点的周围极值序列中,计算各个极值点对应待处理周围窗口的窗口特征灰度值的差分,获取各个极值点的灰度变化值;统计所有极值点的灰度变化值,获取参考像素点的灰度变化集合;灰度变化集合可以反映相邻极值点的待处理周围窗口的平均灰度值的差异,可以反映图像黑白交替中灰度值差异,以供后续通过灰度值差异的稳定性,反映图像黑白交替中灰度值差异的规律性。
需要说明的是,进行差分计算时候,是通过计算当前数据和前一个数据之间的差值,由于第一个数据没有前一个数据,将第二个数据作为第一个数据的前一个数据。
根据参考像素点的间隔差值集合和灰度变化集合,获取参考像素点的灰度变化规律值;灰度变化规律值越大,代表参考像素点越可能处于黑白交替效果好的区域,越可能处于正常指纹区域。
根据参考像素点的灰度变化规律值和窗口特征灰度序列,获取参考像素点的像素粘连程度值。像素粘连程度值通过可以反映参考像素点周围灰度值的窗口特征灰度序列和可以反映参考像素点处于正常指纹区域的灰度变化规律值,综合反映了参考像素点的像素粘连程度。
优选地,本发明一个实施例中,为了分析参考像素点的周围特征,构建参考像素点的至少两个待处理窗口的获取方法包括:
获取初始的窗口尺寸,将初始的窗口尺寸按照设定步长进行逐步增大,每增大一次即得到一个增大后的窗口尺寸,从而得到多个不大于最大设定窗口尺寸的增大后的窗口尺寸;本发明一个实施例中,设定步长为2,最大设定窗口尺寸为,实施者可根据实施场景自行设定。
将初始的窗口尺寸和每个增大后的窗口尺寸均作为一个设定窗口尺寸,以参考像素点作为窗口中心,且以每个设定窗口尺寸为窗口尺寸,分别构建每个窗口,从而得到参考像素点的至少两个待处理窗口。
优选地,本发明一个实施例中,初始的窗口尺寸为预设初始长度,预设初始长度为5,实施者可根据实施场景自行设定。
优选地,本发明一个实施例中,根据参考像素点的间隔差值集合和灰度变化集合,获取参考像素点的灰度变化规律值的获取方法包括:
本发明一个实施例中,灰度变化规律值的公式包括:
;其中,/>为参考像素点/>的灰度变化规律值;/>为参考像素点/>的间隔差值集合的方差;/>为参考像素点/>的灰度变化集合的方差;/>为参考像素点/>对应间隔差值集合中所有间隔差值的总数量;/>为以自然数/>为底数的指数函数。需要说明的是间隔差值集合表示的是各个极值点的待处理周围窗口的尺寸的差分值;灰度变化集合表示的是各个极值点的待处理周围窗口的平均灰度值的差分值;所以间隔差值集合、灰度变化集合和周围极值序列中元素数量相同,都是为极值点的数量。
在灰度变化规律值公式中,为参考像素点/>的间隔差值集合的方差,方差越大,代表间隔的稳定性越差,图像黑白交替中间隔的规律性越差;/>为参考像素点/>的灰度变化集合的方差,方差越大,代表灰度值差异的稳定性越差,反映图像黑白交替中灰度值差异的规律性越差。通过对间隔差值集合的方差和灰度变化集合的方差进行反比归一化,表示当黑白交替中间隔的规律性和黑白交替中灰度值差异的规律性越强时候,灰度变化规律值就越大。灰度变化规律值综合反映了黑白交替的规律性。当极值点数量少于3,说明黑白交替规律性差,此时令灰度变化规律值为0。
优选地,本发明一个实施例中,根据参考像素点的灰度变化规律值和窗口特征灰度序列,获取参考像素点的像素粘连程度值的方法包括:
由于正常的指纹的图像中脊线和谷线表现清晰,导致正常指纹区域往往黑白分明;粘连区域脊线与谷线表现较为模糊,导致粘连区域的灰度值往往较为接近;当参考像素点处于粘连区域时候,在不断扩大待处理周围窗的过程中,对应的待处理周围窗的平均灰度值越不发生变化;当参考像素点处于正常区域时候,在不断扩大待处理周围窗的过程中,对应的待处理周围窗的平均灰度值发生变化较为明显。
为了研究在不断扩大待处理周围窗口的过程中,参考像素点待处理周围窗口的平均灰度值发生变化程度,在参考像素点的窗口特征灰度序列,计算各个待处理窗口的窗口特征灰度值的差分值,获取各个待处理窗口的灰度差异值;统计所有待处理窗口的灰度差异值,获取参考像素点的灰度差异集合;灰度差异集合可以反映在不断扩大待处理周围窗口的过程中,相邻待处理周围窗口的灰度值变化。
需要说明的是,进行差分计算时候,是通过计算当前数据和前一个数据之间的差值,由于第一个数据没有前一个数据,将第二个数据作为第一个数据的前一个数据。
计算灰度差异集合中所有灰度差异值的平均值,得到参考像素点的周围灰度变化特征值。周围灰度变化特征值通过反映在不断扩大参考像素点的待处理周围窗口的过程中,参考像素点待处理周围窗口的平均灰度值发生变化程度。
根据参考像素点的周围灰度变化特征值和灰度变化规律值,获取参考像素点的像素粘连程度值;周围灰度变化特征值和灰度变化规律值,均与像素粘连程度值呈负相关性。
本发明一个实施例中,像素粘连程度值的公式包括:
;/>为参考像素点/>的像素粘连程度值;/>为参考像素点/>的灰度变化规律值;/>为参考像素点/>的周围灰度变化特征值;/>为以自然数/>为底数的指数函数。
在像素粘连程度值公式中,周围灰度变化特征值反映在不断扩大参考像素点的待处理周围窗口的过程中,参考像素点待处理周围窗的平均灰度值发生变化程度;当变化程度越大,像素点位于粘连区域可能性越小,像素粘连程度值越小。灰度变化规律值综合反映了黑白交替的规律性,规律性越大,像素点位于粘连区域可能性越小,像素粘连程度值越小。像素粘连程度值可以综合反映像素点位于粘连区域可能性。
优选地,本发明一个实施例中,为了综合反映邻域块整体的粘连程度,对邻域块中所有像素点的像素粘连程度值进行分析,所邻域粘连值的获取方法包括:
在参考像素点的预设参考尺寸的邻域块中,计算所有像素点的像素粘连程度值的均值,作为参考像素点的预设参考尺寸的邻域粘连值。邻域粘连值可以综合反映邻域块整体的粘连程度。
优选地,本发明一个实施例中,为了全面反映邻域块整体的可靠性,综合了邻域块周围的灰度值差异和邻域块整体的粘连程度,获取可信度值。可信度值的获取公式包括:
;其中,/>为参考像素点/>的第/>个预设参考尺寸的邻域块的可信度值;/>为参考像素点/>的第/>个预设参考尺寸的邻域块的邻域粘连值;为参考像素点/>的第/>个预设参考尺寸的邻域块中,所有像素点的灰度值的均值;/>为参考像素点/>的窗口特征灰度序列中,第/>个窗口特征灰度值;/>为参考像素点/>的窗口特征灰度序列中,所有窗口特征灰度值的总数量;/>为分母的调参因子,/>为归一化函数。本发明实施例中,令分母的调参因子/>取值为/>,用以避免分母为零的情况,实施者可根据实际情况自行设置。
在可信度值公式中,邻域粘连值可以综合反映邻域块整体的粘连程度,粘连程度越大,会导致邻域块越不具有可靠性,可信度值越小;通过反映邻域块的灰度值和周围的灰度值差异,由于粘连程度会导致灰度值差异变小,所以差异越大,邻域块越不可能是粘连区域,可信度值越大。可信度值全面反映了邻域块中粘连程度,当粘连程度越小,预设参考尺寸的邻域块越可信。
优选地,本发明一个实施例中,为了使得像素点的调整后的权重更可靠,受到粘连区域影响更小,调整后的权重的获取公式包括:
;其中,/>为像素点/>的调整后的权重;/>为像素点的第/>个预设参考尺寸的邻域块的可信度值;/>为像素点/>的第/>个预设参考尺寸的邻域块的初始权重;/>为所有预设参考尺寸的总数量;/>为归一化函数。
在调整后的权重公式中,将可信度作为初始权重的调整值,当可信度越高,代表预设参考尺寸的邻域块的粘连程度越差,预设参考尺寸的邻域块越具有参考性,所以赋予对应预设参考尺寸的邻域块的初始权重较高的占比;当可信度越低,代表预设参考尺寸的邻域块的粘连程度越好,预设参考尺寸的邻域块越不具有参考性,所以赋予对应预设参考尺寸的邻域块的初始权重较高的占比,调整后的权重综合了参考像素点的多个尺寸的邻域块的可信度对各个初始权重进行调整,使得像素点的调整后的权重更可靠,受到粘连区域的影响更小。
具体的,传统算法里的非局部均值滤波是计算单一尺寸的邻域块来计算参考像素点的权重,本发明通过不同大小的邻域块和邻域块的可靠性来计算参考像素点的调整后权重,使得指纹采集图像整体进行非局部均值滤波效果更好,获取表现效果更好的指纹降噪图像。请参阅图4,其示出了本发明一个实施例所提供的一种改进后的非局部均值滤波的指纹降噪图像的示意图。
身份识别模块104,用于根据指纹降噪图像,获取医用物流站点身份智能识别结果。
通过上述步骤获取更加准确的指纹降噪图像,使得医用物流站点身份智能识别更加准确,避免指纹降噪图像不准确,导致提取指纹不准确,导致的医用物流站点身份识别错误。
优选地,本发明一个实施例中,医用物流站点身份智能识别结果的获取方法包括:
通过对指纹降噪图像进行特征提取和身份比对,获取医用物流站点身份智能识别结果。
具体的,通过上述步骤得到了准确的指纹降噪图像,对指纹降噪图像进行特征提取,特征包括:指纹的纹路、脊线结构、分叉点、结束点等。进而将提取的特征组成特征模板。特征模板包括一系列的特征点,以及这些特征点的位置、方向和距离等信息。将提取的特征模板与指纹库中的指纹进行比对。若指纹降噪图像中指纹和指纹库中的指纹匹配成功,就可以确定指纹的身份,即识别出指纹属于医护人员,有权限打开医用物流箱。若匹配不成功,无法识别出指纹的身份,则无权限打开医用物流箱。
本发明一个实施例中,采用相似度匹配法进行指纹比对,在其他实施中,还可以通过神经网络匹配法进行指纹比对。
综上,本发明实施例提供了一种医用物流站点身份智能识别系统,本发明实施例中利用所有预设参考尺寸的邻域块,对指纹采集图像进行非局部均值滤波,获取指纹降噪图像;在对指纹采集图像进行非局部均值滤波的过程中,获取参考像素点的像素粘连程度值;进而获取参考像素点的预设参考尺寸的邻域粘连值;根据参考像素点的预设参考尺寸的邻域块的邻域粘连值和参考像素点的周围的灰度值,获取参考像素点的预设参考尺寸的邻域块的可信度值;进而将对应的初始权重进行调整,获取参考像素点的调整后的权重;根据指纹降噪图像,获取医用物流站点身份智能识别结果,本发明通过优化参考像素点的权重计算,改善指纹图像的去噪效果,使得医用物流站点身份智能识别更加准确。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (7)
1.一种医用物流站点身份智能识别系统,其特征在于,所述系统包括:
图像获取模块,用于获取医用物流站点的指纹采集图像;
图像降噪模块,用于获取指纹采集图像中每个像素点对应的搜索窗口,以及搜索窗口中每个参考像素点的至少两个预设参考尺寸的邻域块;利用所有预设参考尺寸的邻域块,对指纹采集图像进行非局部均值滤波,获取指纹降噪图像;
权重调整模块,所述对指纹采集图像进行非局部均值滤波的过程中,获取参考像素点的每个所述预设参考尺寸的邻域块对应的初始权重;根据所述参考像素点周围的灰度值变化,获取所述参考像素点的像素粘连程度值;在参考像素点的所述预设参考尺寸的邻域块中,根据所有像素点的像素粘连程度值,获取所述参考像素点的所述预设参考尺寸的邻域粘连值;根据参考像素点的预设参考尺寸的邻域块的所述邻域粘连值和参考像素点的周围的灰度值,获取参考像素点的所述预设参考尺寸的邻域块的可信度值;根据所述参考像素点的所有所述预设参考尺寸的邻域块的所述可信度值,将对应的所述初始权重进行调整,获取所述参考像素点的调整后的权重;
身份识别模块,用于根据所述指纹降噪图像,获取医用物流站点身份智能识别结果;
所述像素粘连程度值的获取方法包括:
构建所述参考像素点的至少两个待处理窗口,分别计算所述待处理窗口中所有像素点的灰度值的均值,作为各个所述待处理窗口的窗口特征灰度值;按照各个待处理窗口的大小顺序,依次统计所有所述待处理窗口的所述窗口特征灰度值,得到所述参考像素点的窗口特征灰度序列;
获取参考像素点的所述窗口特征灰度值中的各个极值点,按照所述极值点对应所述待处理窗口的大小顺序,依次统计所有所述极值点,得到所述参考像素点的周围极值序列;
在所述参考像素点的周围极值序列中,计算各个极值点对应待处理周围窗口的尺寸的差分,获取各个极值点的间隔差值;统计所有极值点的所述间隔差值,获取参考像素点的间隔差值集合;
在所述参考像素点的周围极值序列中,计算各个极值点对应待处理周围窗口的所述窗口特征灰度值的差分,获取各个极值点的灰度变化值;统计所有极值点的所述灰度变化值,获取所述参考像素点的灰度变化集合;
根据参考像素点的所述间隔差值集合和所述灰度变化集合,获取所述参考像素点的灰度变化规律值;
根据参考像素点的所述灰度变化规律值和所述窗口特征灰度序列,获取参考像素点的像素粘连程度值;
所述根据参考像素点的所述间隔差值集合和所述灰度变化集合,所述获取所述参考像素点的灰度变化规律值的方法包括:
根据灰度变化规律值公式获取所述灰度变化规律值,所述灰度变化规律值的公式包括:
;其中,/>为参考像素点/>的灰度变化规律值;/>为参考像素点/>的间隔差值集合的方差;/>为参考像素点/>的灰度变化集合的方差;/>为参考像素点对应间隔差值集合中所有间隔差值的总数量;/>为以自然数/>为底数的指数函数;
所述可信度值的获取公式包括:
;其中,/>为参考像素点/>的第/>个预设参考尺寸的邻域块的可信度值;/>为参考像素点/>的第/>个预设参考尺寸的邻域块的邻域粘连值;/>为参考像素点/>的第/>个预设参考尺寸的邻域块中,所有像素点的灰度值的均值;/>为参考像素点/>的窗口特征灰度序列中,第/>个窗口特征灰度值;/>为参考像素点/>的窗口特征灰度序列中,所有窗口特征灰度值的总数量;/>为分母的调参因子;/>为归一化函数。
2.根据权利要求1所述的一种医用物流站点身份智能识别系统,其特征在于,所述根据参考像素点的所述灰度变化规律值和所述窗口特征灰度序列,所述获取参考像素点的像素粘连程度值的方法包括:
在参考像素点的窗口特征灰度序列,计算各个待处理窗口的窗口特征灰度值的差分值,获取各个待处理窗口的灰度差异值;统计所有待处理窗口的灰度差异值,获取参考像素点的灰度差异集合;
计算所述灰度差异集合中所有所述灰度差异值的平均值,得到参考像素点的周围灰度变化特征值;
根据参考像素点的所述周围灰度变化特征值和所述灰度变化规律值,获取参考像素点的像素粘连程度值;所述周围灰度变化特征值和所述灰度变化规律值,均与像素粘连程度值呈负相关性。
3.根据权利要求1所述的一种医用物流站点身份智能识别系统,其特征在于,所述调整后的权重的获取公式包括:
;其中,/>为像素点/>的调整后的权重;/>为像素点/>的第/>个所述预设参考尺寸的邻域块的可信度值;/>为像素点/>的第/>个所述预设参考尺寸的邻域块的初始权重;/>为所有所述预设参考尺寸的总数量;/>为归一化函数。
4.根据权利要求1所述的一种医用物流站点身份智能识别系统,其特征在于,所邻域粘连值的获取方法包括:
在参考像素点的预设参考尺寸的邻域块中,计算所有像素点的所述像素粘连程度值的均值,作为参考像素点的预设参考尺寸的邻域粘连值。
5.根据权利要求1所述的一种医用物流站点身份智能识别系统,其特征在于,所述医用物流站点身份智能识别结果的获取方法包括:
通过对指纹降噪图像进行特征提取和身份比对,获取医用物流站点身份智能识别结果。
6.根据权利要求1所述的一种医用物流站点身份智能识别系统,其特征在于,所述构建所述参考像素点的至少两个待处理窗口的获取方法包括:
获取初始的窗口尺寸,将所述初始的窗口尺寸按照设定步长进行逐步增大,每增大一次即得到一个增大后的窗口尺寸,从而得到至少一个不大于最大设定窗口尺寸的增大后的窗口尺寸;
将初始的窗口尺寸和每个增大后的窗口尺寸均作为一个设定窗口尺寸,以参考像素点作为窗口中心,且以每个设定窗口尺寸为窗口尺寸,构建窗口,从而得到参考像素点的至少两个待处理窗口。
7.根据权利要求6所述的一种医用物流站点身份智能识别系统,其特征在于,所述初始的窗口尺寸为预设初始长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410392757.3A CN117975513B (zh) | 2024-04-02 | 2024-04-02 | 医用物流站点身份智能识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410392757.3A CN117975513B (zh) | 2024-04-02 | 2024-04-02 | 医用物流站点身份智能识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117975513A CN117975513A (zh) | 2024-05-03 |
CN117975513B true CN117975513B (zh) | 2024-06-07 |
Family
ID=90846449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410392757.3A Active CN117975513B (zh) | 2024-04-02 | 2024-04-02 | 医用物流站点身份智能识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117975513B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222366A (zh) * | 2018-11-26 | 2020-06-02 | 上海耕岩智能科技有限公司 | 一种指纹识别方法及装置、存储介质、终端 |
CN114120378A (zh) * | 2021-12-06 | 2022-03-01 | 中电万维信息技术有限责任公司 | 一种三级分类指纹识别方法 |
CN117037343A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市高盾电子有限公司 | 一种全自动人脸生物识别智能锁解锁方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257634B (zh) * | 2019-12-26 | 2024-03-29 | 神盾股份有限公司 | 手势识别系统以及手势识别方法 |
-
2024
- 2024-04-02 CN CN202410392757.3A patent/CN117975513B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222366A (zh) * | 2018-11-26 | 2020-06-02 | 上海耕岩智能科技有限公司 | 一种指纹识别方法及装置、存储介质、终端 |
CN114120378A (zh) * | 2021-12-06 | 2022-03-01 | 中电万维信息技术有限责任公司 | 一种三级分类指纹识别方法 |
CN117037343A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市高盾电子有限公司 | 一种全自动人脸生物识别智能锁解锁方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117975513A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20040264742A1 (en) | Method of palm print identification | |
CN107657209B (zh) | 一种基于手指静脉图像质量的模板图像注册机制 | |
CN112883824A (zh) | 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 | |
CN117522719B (zh) | 基于机器学习的支气管镜图像辅助优化系统 | |
KR101471814B1 (ko) | 홍채 인식에 의한 식별 | |
Zhang et al. | Slap fingerprint segmentation for live-scan devices and ten-print cards | |
Abhyankar et al. | Towards integrating level-3 Features with perspiration pattern for robust fingerprint recognition | |
CN117633554A (zh) | 医用箱式物流传输监测及预警系统 | |
Liban et al. | Latent fingerprint enhancement based on directional total variation model with lost minutiae reconstruction | |
Hu et al. | A composite fingerprint segmentation based on log-gabor filter and orientation reliability | |
CN108205663B (zh) | 一种基于指纹识别的汽车启动系统 | |
Doghmane et al. | A novel discriminant multiscale representation for ear recognition | |
CN117115117B (zh) | 基于小样本下的病理图像识别方法、电子设备及存储介质 | |
CN117975513B (zh) | 医用物流站点身份智能识别系统 | |
Murty et al. | Iris recognition system using fractal dimensions of Haar patterns | |
CN117058143A (zh) | 一种电路板引脚智能检测方法及系统 | |
Shaaban | Enhanced region of interest extraction method for finger vein images | |
Das | A fingerprint segmentation scheme based on adaptive threshold estimation | |
CN111209851B (zh) | 一种基于指腹静脉和指背静脉深度融合的指静脉识别方法 | |
CN110502996B (zh) | 一种面向模糊指静脉图像的动态识别方法 | |
Radouane et al. | Fusion of Gabor filter and steerable pyramid to improve iris recognition system | |
Kuban et al. | A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING. | |
CN112507974B (zh) | 一种基于纹理特征的掌纹识别方法 | |
Palma et al. | A dynamic algorithm for palmprint recognition | |
Jan et al. | Optimization of fingerprint size for registration |
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 |