《基于NIBLACK改进算法的静脉识别特征提取》由会员分享，可在线阅读，更多相关《基于NIBLACK改进算法的静脉识别特征提取（5页珍藏版）》请在金锄头文库上搜索。
1、基于NIBLACK改进算法的静脉识别特征提取摘 要： 静脉识别是一种新兴的生物特征识别技术，为了满足静脉识别中的特征提取需求，对手背静脉提取方法进展了研究。首先采用CLAHE算法对手背静脉图像进展增强处理，然后针对传统NIBALCK二值化算法的缺乏，提出一种局部静态阈值与NIBLACK相结合的改进算法。实验证明，该方法能有效消除传统方法中噪声过多、纹络断裂的现象，抑制光强因素对图像提取的影响，保持完好明晰的静脉纹络构造，从而满足后续识别工作的需要。关键词： 静脉识别； NIBLACK改进算法； 特征提取； 噪声消除生物特征识别技术作为物联网架构中感知层的重要组成局部，随着物联网概念的提出和快速
2、开展，也得到了更广泛的应用。指纹识别、声音识别、虹膜识别等生物特征技术都已开展的比较成熟，而静脉识别作为一种新兴的生物特征识别技术，逐步凸显出新的优势。本文提出一种基于局部直方图平衡和NIBLACK分割的方法对静脉图像进展提取，实验证明可以得到轮廓明晰的静脉构造图。1 静脉识别静脉识别的根本原理是，普通人的手背静脉具有不随年龄变化的惟一性，当近红外光线入射光波长在0.721.10 m时，可以较好地穿透骨骼和肌肉，凸显手背血管的构造1，从而进展有效的特征识别。手背静脉识别系统是通过对静脉的图像采集，然后提取出整个静脉的构造，再由一系列识别算法，到达对人的身份识别。在对图像的采集过程中，由于采用的
3、是红外CCD摄像机，光强对图像影响较大，光照过强会使静脉偏亮而模糊，光照偏弱又会导致静脉和背景混淆，整体偏暗。同时每个人手背静脉的粗细，外表皮肤厚度不同，以及手背本身具有的弧度会使图像光照不均匀，都会对采集的静脉轮廓明晰度产生影响，因此需要对图像进展处理，提取比较明晰完好的手背静脉构造图，为下一步的准确识别创造条件。2 基于CLAHE的静脉图像增强由于静脉隐藏在皮肤表层以下，静脉图像的比照度往往不高，直接提取静脉纹路进展二值化，将会导致丧失局部可用静脉信息或者误将背景作为静脉构造，对后续识别影响很大2，因此需要对图像进展增强处理。图像增强的方法，一般分为空间域增强和频域增强，其中空间域增强法中
4、的直方图平衡HE一直是简单实用的工具。直方图平衡简单有效，包括全局法和自适应法AdaptiveHE，自适应直方图平衡化。在实际的应用中，有些图像比照度比较低，全局法效果不佳。为理解决这一实际问题，Pizer等提出了局部直方图平衡化的方法Local AdaptiveHE，LAHE对图像的灰度增强3?4。但是该方法只考虑每一个局部窗口内像素，而窗口外的像素往往被忽略，为了进一步解决这种现象，Crom artie等又提出了比照度受限的局部直方图平衡法5Contrast?limited Adaptive Histogram Equalization，CLAHE。CLAHE结合了自适应直方图平衡和比照度
5、受限2种方法，从整幅图像的视觉效果出发，既考虑了窗口内像素直方图又考虑了窗口外的像素，使图像增强效果适应性更好，效果也更突出。该方法表达式为：hijr=hWr+1-hBr 1式中：hWr是窗口的归一化直方图；hBr是窗口外的归一化直方图；01。设SW和SB分别代表区域W和区域B的面积，假设=SWSW+SB，那么hWr=hr，表示局部直方图与全局直方图相等；假设SWSW+SB，那么局部直方图单独进展平衡化，从而强调局部信息。因此可以通过调节大小调节局部直方图来模拟周围环境对相关区域的影响。CLAHE算法详细步骤如下：1 将图像分块。将目的图像分为不重叠的子区域，每个区域大小相等，都含有L个像素，
6、根据实际确定L大小，L越大增强效果越好，但同时丧失细节也相应增多。2 直方图的计算和平衡。根据式1计算窗口区域的直方图，hijr表示子区域的直方图，k代表灰度级。然后对子区域进展平衡化处理，处理后的子图用Cijk表示。3 像素灰度值重构。将Cijk中心像素点的灰度值作为参考点，采用双线性插值技术计算输出图像中各点的灰度值4 遍历目的图像。挪动窗口至下一个子区域，重复上述步骤。3 NIBLACK改进算法的静脉图像分割图像增强后，静脉图像的纹理和特征就比较明晰，这时还要对图像进展分割才能提取出整个静脉的构造纹理图。图像的分割提取主要利用阈值进展二值化分割，找到适宜的阈值是图像分割的关键。而NIBL
7、ACK法由于其动态局部阈值的处理方法6，对图像分割有较好的效果，本文根据手背静脉特殊的图像采集原理以及静脉图像的特点，采用改进的分块静态阈值和NIBLACK相结合的方法。3.1 常规NIBLACK算法在实际应用中，由于目的和背景比照度在同一图像中变化比较大，同时因为光照、噪声以及背景灰度梯度值突变等，为了更好地分割图像，必须在不同的图像区域自适应确实定阈值，NIBLACK法7就是一种常用的局部动态阈值法。算法确定中心坐标x，y以及周围邻域rr范围，设gx，y为中心坐标的灰度值，其二值化后的结果为bx，y，详细可描绘为：3.2 改进的NIBLACK算法3 对于非边缘区域的分块图像，按NIBLAC
8、K法计算阈值tx，y，将子静态阈值Tn与tx，y进展加权得到新阈值Dx，y：Dx，y=1-tx，y+Tn 6式中为加权系数，根据实验测试，本文取为0.5可以到达最好的效果。4 利用得到的阈值Dx，y对子图像进展二值化，挪动到下一子图像，重复上述步骤直到完成对整幅图像的二值化。经过改进算法处理的二值图像可以得到比较明晰的静脉纹络，但是仍然存在少量的噪声，利用形态学的黑top?hat运算9，即经过闭运算的图像减去源图像，可以有效去除噪声，也可提取图像的暗特征，使静脉边缘纹络更加明晰。4 实验分析本文采用Mohamed Shahin博士提供的手背静脉图像数据库进展实验分析。为了消除静脉库原图像静脉周
9、围背景对图像增强的影响，首先对静脉图像进展ROIRegion of Interest处理，提取出静脉区域图像，如图1b所示。5 结 语在手背静脉提取过程中全局直方图平衡是比较常用的图像增强算法，但对于手背静脉图像光照不均匀的情况处理效果不好，传统的NIBLACK二值化算法也存在着容易产生噪声块，构造断纹和无法确定图像边缘二值化阈值的缺陷。针对这种情况，本文提出利用CLAHE增强图像，并采用局部静态阈值与NIBLACK相结合的改进算法对图像进展二值化。实验证明，本文算法提取的静脉图像脉络明晰，保存了因光照不均而易丧失的特征细节，消除了噪声块和脉络断纹的现象，因此本文算法是一套有效的静脉提取算法，
10、对进步系统的识别率和正确率提供了可靠保证。参考文献4 王龙，汪天富，郑昌琼.基于灰度直方图平衡的超声医学图像增强方法J.四川大学学报，2021，341：105?108.5 CROM A R， PIZER S M. Structure sensitive adaptive contrast enhancement methods and their evaluation J. Image and Vision Computer， 1993 11： 385?391.9 赵建军，熊馨，张磊，等.基于CLAHE和TOPHAT变换的手背静脉图像增强算法J.激光与红外，2021，392：220?222.本文档【基于NIBLACK改进算法的静脉识别特征提取】更多文档欢迎访问wendang.chazidian
