手掌静脉增强算法研究

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 静脉识别研究现状
• 1.2.2 图像去噪算法研究现状
• 1.2.3 图像增强算法研究现状
• 1.3 本文的研究内容
• 1.4 章节安排
• 第2章 相关理论基础
• 2.1 Contourlet 变换
• 2.1.1 拉普拉斯金字塔
• 2.1.2 二维多采样率系统
• 2.1.3 方向滤波器组
• 2.1.4 塔形方向滤波器组
• 2.2 非下采样Contourlet 变换
• 2.3 直方图均衡化算法
• 2.4 去噪质量评价标准
• 第3章 手掌静脉图像去噪算法研究
• 3.1 噪声分析
• 3.2 图像去噪算法分析
• 3.2.1 Contourlet 去噪算法分析
• 3.2.2 阈值的选取与分析
• 3.2.3 阈值函数的选取与分析
• 3.2.4 算法的局限性
• 3.3 改进的Contourlet 去噪算法
• 3.3.1 相邻尺度积系数
• 3.3.2 尺度积系数中阈值的确定
• 3.3.3 改进的阈值函数
• 3.3.4 算法描述
• 3.4 实验结果与分析
• 3.4.1 尺度分解结构对去噪效果的影响
• 3.4.2 手掌静脉图像去噪
• 3.5 小结
• 第4章 手掌静脉图像增强算法研究
• 4.1 图像增强算法分析
• 4.1.1 直方图均衡化算法分析
• 4.1.2 NSCT 增强分析
• 4.1.3 均衡化算法与NSCT 结合的可行性分析
• 4.2 手掌静脉图像增强算法
• 4.2.1 改进的直方图均衡化算法
• 4.2.2 改进的NSCT 图像增强算法
• 4.2.3 NSCT 中均衡化实现算法
• 4.2.4 增强算法与分析
• 4.3 手掌静脉纹路增强算法
• 4.3.1 Gabor 滤波器原理
• 4.3.2 算法实现
• 4.4 实验结果与分析
• 4.5 小结
• 第5章 总结与展望
• 5.1 本文总结
• 5.2 展望
• 参考文献
• 缩略语词汇表
• 致谢
• 攻读硕士学位期间的研究成果