[發明專利]基于Hilbert?L2模型的指紋圖像增強方法

在審

• 申請號: 201710516223.7
• 申請日: 2017-06-29
• 公開（公告）號: CN107392862A
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 唐晨;李碧原;蘇永鋼;陳霞
• 申請（專利權）人: 天津大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 劉國威

技術領域

本發明涉及圖像增強和指紋信息提取領域，具體講,涉及基于Hilbert-L₂模型的指紋圖像增強方法。

背景技術

由于指紋的唯一性和不變性，以及指紋識別技術的可行性和實用性，指紋識別已成為當前最流行、最方便、最可靠的個人身份認證技術之一。在自動指紋識別過程中，一個關鍵步驟就是精確、自動、自適應地從輸入指紋圖像中提取指紋的特征數據，然而特征提取算法對輸入圖像有相應的要求并且算法性能在很大程度上依賴于輸入指紋圖像質量的好壞。為了保證有效地提取出特征數據，需要在特征提取之前對輸入指紋圖像進行預處理。

發明內容

為克服現有技術的不足，本發明旨在實現提高圖像的視覺質量，降低噪聲對圖像的影響，能夠對合成孔徑雷達進行濾波降噪處理。本發明采用的技術方案是，基于Hilbert-L₂模型的指紋圖像增強方法，其中Hilbert表示希爾伯特泛函空間，L₂表示L₂泛函空間，步驟如下：

步驟1：輸入一幅帶有噪聲的指紋圖像f；

步驟2：基于Hilbert-L₂模型對圖像進行處理；

步驟3：輸出濾波圖像。

步驟2進一步細化為，假設指紋圖像f＝v+w；其中v表示無噪聲的指紋，w代表噪聲，則：

其中ξ表示Hilbert變換的截止頻率，表示極小化符號，μ為非負參數，表示Hilbert空間下的指紋v，表示L₂空間下的噪聲w；

通過極小化能量泛函(1)，最終可得到每一個成分v和w，即指紋和噪聲，極小化多變量問題(1)則看成對每一個變量單獨極小化的問題：

A.固定v和w，極小化頻率場：

其中Γ(ξ)＝diagγ_p,q(ξ)是由關于頻率場ξ的加權系數γ_p,q(ξ)構成的對角陣，加權系數γ_p,q(ξ)定義為：

其中，G_σ＝exp(-(x/σ)²/2)，σ為一尺度參數反映紋理頻譜ξ_k與ξ(x_p)的偏差，當點x_p周圍沒有明顯方向性紋理時，對所有k令γ_p,k＝1，以此來避免虛假紋理的產生；

Ψ表示在局部傅立葉框架下對圖像f的分解；

B.固定w和ξ，極小化：

公式(4)用共軛梯度法求得最后的解；

C.固定v和ξ，極小化：

通過公式5的梯度方程可以的得到：

w＝f-v

通過上述內容可以對指紋圖像進圖像分解，從而剔除噪聲，達到指紋紋路清晰增強的目的。

本發明的特點及有益效果是：

本發明提出的指紋圖像增強方法，主要特點是能夠很好的沿著指紋的方向進行圖像增強，相比于比較常用的脊線頻率的Garbor濾波器,本發明的濾波效果更好。

附圖說明：

圖1兩種增強方法的效果圖，圖中：a指紋圖像，b Garbor濾波器得到的增強效果，c本發明方法得到的增強效果。

圖2基于Hilbert-L₂模型的指紋圖像去噪方法流程圖。

具體實施方式

本發明采用的技術方案是，基于Hilbert-L₂模型的指紋圖像增強方法，步驟如下：

步驟1：輸入一幅帶有噪聲的指紋圖像f；

步驟2：基于Hilbert-L₂模型對圖像進行處理；

在步驟2中，Hilbert-L₂模型是基于變分圖像分解模型理論提出的，變分圖像分解的目的是將圖像分解成感興趣的各種分量與其它分量。在指紋圖像中，圖像具有指紋的紋理部分和噪聲。變分圖像分解的任務就是將圖像的紋理和噪聲分別輸出。

Hilbert-L₂模型對指紋圖像分解方法為：

假設指紋圖像f＝v+w；其中v表示無噪聲的指紋，w代表噪聲。

其中ξ表示Hilbert變換的截止頻率，表示極小化符號，μ為非負參數，表示Hilbert空間下的指紋v，表示L₂空間下的噪聲w。