[发明专利]基于改进的非下采样Contourlet变换的图像增强方法

说明书

本发明请求保护一种基于改进的非下采样Contourlet变换(NSCT)的图像增强方法，该方法首先对图像进行NSCT变换得到各个尺度和方向上的低通子带和带通子带。对低通子带进行线性增强处理，提高图像的整体对比度；对于带通子带，根据能量分布自适应地确定各子带去噪阈值，并提出弱边缘增强算法，达到增强细节纹理，抑制噪声的效果。经过Contourlet逆变换得到清晰的手掌静脉图像。最后通过Gabor滤波器组对掌静脉断裂处进行桥接。实验结果表明，该算法有效增强了掌静脉细节纹理信息，且对比度、信息熵、平均梯度、方差分别提升到47.9、9.1、5.1、2594。

技术领域

本发明属于图像处理与模式识别领域，特别是一种基于NSCT变换的手掌静脉红外图像增强方法。

背景技术

基于手掌静脉识别的生物识别技术已广泛应用于生活中。手掌静脉识别是通过近红外光照射手掌，并用摄像机获得手掌静脉图像。但在图像的采集过程中，各种因素的影响造成图像质量的降低，比如光照、手掌受到灰尘污染等。为得到利于掌静脉特征提取的图像，需对采集到的图像进行对比度和纹理增强。

已有的图像增强方法分为两大类：基于图像灰度值统计的方法和基于图像空间频率的方法。基于空间频率的方法主要有基于傅立叶变换算法、基于小波变换算法、Contourlet变换算法等。小波变换已被广泛应用于提高图像质量等领域。但小波变换只有水平、垂直、对角线三个方向，这不适用于所有的图像处理。所以，在图像处理中，需应用其他基来替代小波变换。

Contourlet变换具有小波变换所具有的多分辨率分析、时频局部分析的特性，同时具有小波变换所不具备的高度方向性和各向异性的特性。是一种更优的图像表示方法。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种图像的对比度、信息熵、平均梯度和方差的评价指标分别得到提升的基于改进的非下采样Contourlet变换的图像增强方法。本发明的技术方案如下：

一种基于改进的非下采样Contourlet变换的图像增强方法，其包括以下步骤：

S1、获取原始图像并对原始图像进行非下采样的Contourlet变换；

S2、对NSCT变换后图像的低通子带系数进行线性拉伸，统计得到图像灰度值的最小值x_min和最大值x_max，然后用线性映射把灰度范围进行映射；

S3、对于高通子带，改进阈值公式，改进之处在于，将固定阈值改为自适应阈值，其方法是获取各尺度和方向的子带能量值，得到高通子带各个尺度和方向的自适应阈值；

S4、根据步骤S2和步骤S3NSCT变换的得到的各子带系数与子带阈值之间的关系，计算出各子带细节增强因子m_l，对图像纹理细节进行增强；

S5、对Gabor滤波器选择合适的模型参数；

S6、经过S5选择合适的参数后，用Gabor滤波器组提取各个方向的图像信息，最后通过求取所有图像同一位置像素的最大值，使所有纹理信息集中到一张图像上，达到掌静脉断裂纹理的桥接；

S7、得到增强后的红外掌静脉图像。

进一步的，所述步骤S2具体包括：经过Contourlet变换产生低通子带系数，对低通子带系数进行线性拉伸：统计得到图像灰度值的最小值x_min和最大值x_max，然后用线性映射把灰度范围从[x_min，x_max]映射到[0，255]，映射方法为：y＝f(x)＝255*(x-x_min)/(x_max-x_min)。