论文部分内容阅读
手掌静脉图像是一种生物特征识别技术,在识别过程中具有活体识别、内部特征、非接触式、不可伪造性等优点,成为身份认证的研究热点。但是,手掌静脉在获取和传输过程中,通常会出现噪声附加以及图像失真等问题,为了给手掌静脉识别系统提供可靠的特征依据,需要对采集到的手掌静脉图像进行增强和降噪处理。Contourlet变换作为一种新的多尺度分析方法,不但具有多分辨率时频分析特性,而且具有良好的各向异性和方向选择性,能够用较少的系数来表示光滑的曲线,是一种“真正”的二维图像稀疏表示方法。本文围绕Contourlet变换在手掌静脉图像降噪和增强中的应用进行研究,主要工作如下:(1)详细介绍了Contourlet变换和非下采样Contourlet变换的基本原理,为后续降噪和增强算法的研究奠定了基础。(2)分析了噪声对手掌静脉图像的影响,针对传统Contourlet阈值降噪方法中存在的“过扼杀”现象,提出一种基于Contourlet变换的手掌静脉图像去噪算法。对分解系数作尺度积,使系数具有较强的相关性,根据各尺度不同方向子带的能量分布确定阈值,在近似分量和细节分量上分别采用S型函数和收缩阈值函数对系数进行处理,从而在降噪的同时避免了过度的扼杀边缘信息的现象。实验结果表明本算法去噪效果良好。(3)分析了手掌静脉图像质量分布不均的问题,针对图像进行局部直方图均衡化处理后出现的局部区域过度模糊、噪声附加等问题,采用自适应窗口的方法改进了均衡化算法;并将该算法应用到非下采样Contourlet变换增强算法中,在增强图像的同时抑制噪声;最后通过Gabor滤波器增强手掌静脉纹路信息。实验结果表明本算法增强效果比较明显。