一种基于方向场估计的非局部均值滤波方法

摘要

本发明公开了一种基于方向场估计的非局部均值滤波方法，包括以下步骤：接收一幅离散噪声指纹图像，并建立离散噪声指纹图像中像素块的方向场估计模型，基于方向场估计模型对离散噪声指纹图像进行非局部均值滤波，以获得最终的去噪指纹图。本发明能够解决现有方法中存在的对噪声的抑制性能不强、鲁棒性差的问题，提高指纹图像中纹路间的对比度，并保护指纹图像中的特征信息不被破坏。

权利要求

1.一种基于方向场估计的非局部均值滤波方法，其特征在于，包括以下步骤：（1）接收一幅离散噪声指纹图像I，并建立离散噪声指纹图像中像素块的方向场估计模型；

设任意的像素点i,j∈I，则以像素点i为中心的像素块的方向场由以下方程估计：其中（u，v）为任意像素点的坐标，（m，n）为像素点i的坐标，Gx(u,v)和Gy(u,v)分别是任意像素点坐标（u，v）处的水平梯度和垂直梯度，Vx(m,n)和Vy(m,n)分别是以（m，n）为中心、大小为s的像素块的水平梯度估计和垂直梯度估计，θi为以像素点i为中心的像素块的方向场；

（2）基于方向场估计模型对离散噪声指纹图像进行非局部均值滤波，以获得最终的去噪指纹图，具体包括以下子步骤：（2-1）根据以下等式计算归一化因子：

其中，C（i）是归一化因子，Nk是以像素点k为中心的矩形像素块，p(Nk)为像素块Nk的灰度级矢量，h1和h2为衰减因子，其值由实验确定，用于控制指数函数的衰减程度；

（2-2）根据归一化因子C（i）计算相似度权值因子，具体采用以下公式：其中w（i，j）是相似度权值因子；

（2-3）根据相似度权值因子计算最终的去噪指纹图，具体而言，采用以下公式：其中ANL[I](i)是最终的去噪指纹图。

2.根据权利要求1所述的方法，其特征在于，水平梯度和垂直梯度是通过Sobel算子计算得到。

说明书

一种基于方向场估计的非局部均值滤波方法

技术领域

[0001] 本发明属于指纹图像去噪增强领域，更具体地，涉及一种基于方向场估计的非局部均值滤波方法。

背景技术

[0002] 随着近年来生物识别技术的飞速发展，指纹识别以其稳定，高效，便捷的优点成为了一项广泛应用的身份识别技术。在指纹识别系统中，指纹识别算法是其中研究的热点之一，特别是在噪声指纹图像的去噪增强方面。去噪增强是指纹图像预处理中不可缺少的操作，其处理效果直接影响后续指纹匹配分析的有效性和可靠性。然而由于受手指表面清洁度、识别环境复杂度以及指纹图像传感器本身缺陷等因素的影响，获取的指纹图像通常都受到了严重的噪声腐蚀，直接影响了指纹图像的信息提取。

[0003] 非局部均值滤波主要由Buades等人提出，该算法利用的是图像的全局信息，采用像素块的高斯权重欧式距离衡量像素间的相似性，以此来恢复图像中被噪声污染的像素点，而传统的局部滤波方法只利用了图像上待处理点附近的局部信息，相较传统的局部滤波方法而言，非局部均值滤波能很好地去除图像中的噪声。

[0004] 然而，传统的非局部均值滤波在噪声指纹图像的去噪增强领域存在如下缺陷：

[0005] 1）对噪声的抑制性能不强，鲁棒性差；

[0006] 2）降低了指纹图像中纹路间的对比度；

[0007] 3）腐蚀了指纹图像中的特征信息。

发明内容

[0008] 针对现有技术的缺陷，本发明的目的在于提供一种基于方向场估计的非局部均值滤波方法，旨在解决现有方法中存在的对噪声的抑制性能不强、鲁棒性差的问题，提高指纹图像中纹路间的对比度，并保护指纹图像中的特征信息不被腐蚀。。

[0009] 为实现上述目的，本发明提供了一种基于方向场估计的非局部均值滤波方法，包括以下步骤：

[0010] （1）接收一幅离散噪声指纹图像I，并建立离散噪声指纹图像中像素块的方向场估计模型；

[0011] 设任意的像素点i,j∈I，则以像素点i为中心的像素块的方向场由以下方程估计：

[0012]

[0013]

[0014]

[0015]

[0016]

[0017] 其中（u，v）为任意像素点的坐标，（m，n）为像素点i的坐标，Gx(u,v)和Gy(u,v)分别是任意像素点坐标（u，v）处的水平梯度和垂直梯度，Vx(m,n)和Vy(m,n)分别是以（m，n）为中心、大小为s的像素块的水平梯度估计和垂直梯度估计，θi为以像素点i为中心的像素块的方向场；

[0018] （2）基于方向场估计模型对离散噪声指纹图像进行非局部均值滤波，以获得最终的去噪指纹图，具体包括以下子步骤：

[0019] （2-1）根据以下等式计算归一化因子：

[0020]

[0021] 其中，C（i）是归一化因子，Nk是以像素点k为中心的矩形像素块，p(Nk)为像素块Nk的灰度级矢量，h1和h2为衰减因子，其值由实验确定，用于控制指数函数的衰减程度；

[0022] （2-2）根据归一化因子C（i）计算相似度权值因子，具体采用以下公式：

[0023]

[0024] 其中w（i，j）是相似度权值因子；

[0025] （2-3）根据相似度权值因子计算最终的去噪指纹图，具体而言，采用以下公式：

[0026]

[0027] 其中ANL[I](i)是最终的去噪指纹图。

[0028] 水平梯度和垂直梯度是通过Sobel算子计算得到。

[0029] 通过本发明所构思的以上技术方案，与现有技术相比，本发明具有以下的有益效果：

[0030] 1、本发明采用的方向场提高了像素块间的相似度评价水平，避免了灰度相似但结构不相似的像素块引入到滤波过程中，从而导致方法噪声的增加，因此本发明对噪声指纹图像具有较强的鲁棒性，能明显抑制图像噪声，大幅提高图像的PSNR值；

[0031] 2、本发明的滤波过程中采用指数函数来衰减相似度低的像素块对感兴趣点的影响，由于指数函数的衰减速度较快，像素块间的细微差别能引起较大的衰减，从而使不同纹路间的灰度差异增加，因此使得指纹图像中纹路间的对比度增加；

[0032] 3、本发明中的方向场能识别图像中的结构信息，而滤波算子中的相似度权值因子包含方向场差异，因此在滤波过程中，特征点的结构信息通过权值因子的影响而得到充分保留。

附图说明

[0033] 图1是本发明基于方向场估计的非局部均值滤波方法的流程图。

[0034] 图2（a）至（d）是256×256指纹仿真图的测试结果比较。

[0035] 图3（a）至（d）为实际指纹采集图像的测试结果比较。

具体实施方式

[0036] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0037] 如图1所示，本发明基于方向场估计的非局部均值滤波方法包括以下步骤：

[0038] （1）接收一幅离散噪声指纹图像I，并建立离散噪声指纹图像中像素块的方向场估计模型；

[0039] 对该离散噪声指纹图像I，设任意的像素点i,j∈I，（u，v）为任意像素点的坐标，则以像素点i为中心的像素块的方向场由以下方程估计：

[0040]

[0041]

[0042]

[0043]

[0044]

[0045] 其中（m，n）为像素点i的坐标，Gx(u,v)和Gy(u,v)分别是像素点（u，v）处的水平梯度和垂直梯度，由sobel算子计算得出，Vx(m,n)和Vy(m,n)分别是以（m，n）为中心大小为s的像素块的水平梯度估计和垂直梯度估计，θi为以像素点i为中心的像素块的方向场。

[0046] （2）基于方向场估计模型对离散噪声指纹图像进行非局部均值滤波，以获得最终的去噪指纹图；

[0047] 具体而言，本步骤包括以下子步骤：

[0048] （2-1）根据以下等式计算归一化因子：

[0049]

[0050] 其中，C（i）是归一化因子，Nk是以像素点k为中心的矩形像素块，p(Nk)为像素块Nk的灰度级矢量，h1和h2为衰减因子，其值由实验确定，用于控制指数函数的衰减程度；

[0051] （2-2）根据归一化因子C（i）计算相似度权值因子；

[0052] 具体采用以下公式：

[0053]

[0054] 其中w（i，j）是相似度权值因子；

[0055] （2-3）根据相似度权值因子计算最终的去噪指纹图；

[0056] 具体而言，采用以下公式：

[0057]

[0058] 其中ANL[I](i)是最终的去噪指纹图。

[0059] 在本发明中，我们将方向场相似度引入到相似度权值因子的估计中，相似度权值因子经过修正后，不仅能够反映像素块间的灰度级相似度，而且还能通过方向信息准确反映指纹图像的纹路结构特性，从而能更好的进行指纹图像去噪。

[0060] 如图2所示，采用大小为256×256的指纹仿真图作为测试图。该实例中，h1=240，h2=30，s=5。图2（a）为未污染的指纹仿真图，图2（b）为添加了标准差为的40的高斯噪声后的噪声图，图2（c）为用传统非局部均值滤波算法去噪后的恢复图，图2（d）为采用本发明基于方向场估计的非局部均值滤波方法去噪后的恢复图。另外，我们在本例中对测试图分别添加了标准差σ为40，50，60的高斯噪声后，用传统非局部均值滤波算法和基于方向场估计的非局部均值滤波算法分别对添加了噪声的指纹仿真图进行去噪处理，并在此处采用峰值信噪比（PSNR）来衡量我们提出的基于方向场估计的非局部均值滤波算法与传统非局部均值滤波算法的去噪效果。下表显示了比较结果：

[0061]

[0062] 标准差σ越大，噪声对图像的腐蚀程度越强，PSNR值越大表明去噪后的图像越接近原始仿真图像，去噪效果越好。通过上表可见，本发明的基于方向场估计的非局部均值滤波方法在不同噪声腐蚀的情况下对图像的去噪能力均强于传统的非局部均值滤波。

[0063] 如图3所示，实际的指纹采集图像被用作测试对象，其中h1=250，h2=20，s=5。图3（a）为实际的指纹采集图像，图3（b）为图3（a）中白色标识框中图像的放大图，图3（c）为用传统非局部均值滤波算法去噪后的恢复图，图3（d）为用本发明所提出的基于方向场估计的非局部均值滤波方法去噪后的恢复图。通过肉眼可明显观察到本发明所提出的基于方向场估计的非局部均值滤波算法在去除指纹图像噪声以及保留指纹图像结构信息方面要优于传统的非局部均值滤波算法。

[0064] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。