[发明专利]基于改进的非下采样Contourlet变换的图像增强方法在审
申请号: | 201910122053.3 | 申请日: | 2019-02-19 |
公开(公告)号: | CN109872289A | 公开(公告)日: | 2019-06-11 |
发明(设计)人: | 代少升;陈雅玫;舒倩;胡昂;谭伟 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06T5/00 | 分类号: | G06T5/00 |
代理公司: | 重庆市恒信知识产权代理有限公司 50102 | 代理人: | 刘小红;陈栋梁 |
地址: | 400065 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 子带 低通子带 图像增强 细节纹理 下采样 带通 算法 静脉 图像 手掌静脉图像 整体对比度 能量分布 线性增强 断裂处 逆变换 弱边缘 信息熵 自适应 方差 桥接 去噪 组对 噪声 改进 尺度 清晰 | ||
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xmin和最大值xmax,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ml,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xmin和最大值xmax,然后用线性映射把灰度范围从[xmin,xmax]映射到[0,255],映射方法为:y=f(x)=255*(x-xmin)/(xmax-xmin)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910122053.3/2.html,转载请声明来源钻瓜专利网。