1.基于改进灰度不均匀矫正的指静脉图像特征提取算法,其特征在于:所述提取算法包括以下步骤:步骤1:输入指静脉图像,利用Gabor滤波调整图像整体亮度;
步骤2:根据指静脉图像中特征与背景像素点灰度值的本质差异,利用模糊C均值算法,将指静脉图像划分为3个部分:背景集中区域、模糊区域、特征集中区域;
步骤3:以计算均值的方式估计模糊区域中背景像素的像素值,对整个模糊集中区域进行逐像素处理,扩大背景像素与特征像素之间的灰度差异;
步骤4:采用基于滤波的灰度不均匀矫正方法对图像进行处理,此时不考虑噪声的干扰,利用低通滤波估计图像偏场后,基于典型图像结构模型去除图像偏场;
步骤5:二值化步骤4得到的图像,计算图像中各个连通域的面积,经过上述处理后,图像背景和不均匀信息已经不存在大面积的分布,所以设定阈值将小于阈值的区域全部去除,就能得到图像中大部分特征的布局信息;
步骤6:根据指静脉图像的特征信息分布,定位到原图获得原图中对应位置的像素信息,完成指静脉图像的灰度不均匀矫正。
2.根据权利要求1所述的基于改进灰度不均匀矫正的指静脉图像特征提取算法,其特征在于:所述步骤2中,具体的,利用模糊C均值算法将步骤1经过滤波处理得到的图像矩阵Q中的点按灰度值大小划分为三类区域,记为:Q1、Q2、Q3;分别计算这3类区域内像素点的灰度均值,记为:I1、I2、I3;
Is=∑Qs(i,j)/ns,s∈{1,2,3} ⑴其中,i∈{1,2,3…m},j∈{1,2,3…n},Qs(i,j)代表矩阵Q中记为Qs的区域内,坐标为(i,j)的像素点的灰度值,ns表示的是Qs区域内像素点的总个数;
将I1、I2、I3中的最大值记为Imax,最小值记为Imin,中间值记为Imid,均值对应的区域也被重新记为Qmax、Qmin、Qmid。
3.根据权利要求2所述的基于改进灰度不均匀矫正的指静脉图像特征提取算法,其特征在于:将Qmax看作背景密集区域、Qmin看作手指特征密集区域、Qmid看作模糊区域。
4.根据权利要求1所述的基于改进灰度不均匀矫正的指静脉图像特征提取算法,其特征在于:所述步骤3中,以步骤2中得到的Imid为阈值,对Q矩阵中的Qmid区域做逐像素处理:其中,i∈{1,2,3…m},j∈{1,2,3…n},Qmid(i,j)代表Qmid区域中坐标为(i,j)的像素点的灰度值。
5.根据权利要求1所述的基于改进灰度不均匀矫正的指静脉图像特征提取算法,其特征在于:所述步骤4中,图像矩阵Q经过上述处理后得到Q’,然后基于典型的图像结构模型来去除图像Q’的不均匀信号,即图像偏场;
Q’(i,j)=O(i,j)*b(i,j)+t(i,j) ⑶其中,i∈{1,2,3…m},j∈{1,2,3…n},O矩阵代表图像中真实的特征信息,b矩阵代表图像的偏场,t表示图像噪声信息,从而得到:利用高斯滤波来估计图像偏场:
b(i,j)≈G(i,j,σ)⊕Q’(i,j)⑸
此处,⊕是卷积操作,高斯滤波器的尺寸设定为40×40,标准方差σ为6,这时先依据典型的图像结构模型除去图像偏场,进一步得到图像矩阵P。
6.根据权利要求1所述的基于改进灰度不均匀矫正的指静脉图像特征提取算法,其特征在于:所述步骤5中,首先二值化步骤4得到的图像矩阵P,再以计算矩阵中连通域的面积,将面积小于20的连通域全部去除,即可得到只在指静脉图像特征位置值为1,其余位置都为
0的矩阵,记为P’。
7.根据权利要求1所述的基于改进灰度不均匀矫正的指静脉图像特征提取算法,其特征在于:所述步骤6中,遍历步骤5获得的P’矩阵中的每个元素,找出其中不为0元素的坐标,将图像矩阵Q中相应坐标处的灰度值存入X矩阵的相同位置,最终获得只包含图像特征信息的矩阵X;X中只在图像特征位置具有灰度值信息,其余位置均为0:此时,获得的X矩阵即为要提取的指静脉图像的特征信息。