[发明专利]一种基于非采样剪切波变换的图像指纹提取方法

说明书

本发明提供了一种基于非采样剪切波变换的图像指纹提取方法，对指纹原图像进行非采样剪切波变换，分解为一个低频子带图像,两个高频尺度，每个高频尺度在分解为四个方向子带，分别对低频子带、对各尺度方向高频子带图像处理，最后进行多尺度指纹信息融合、形态学处理、细化处理，以实现指纹提取。本发明提供采用非采样剪切波进行指纹图像分解，不仅具备多尺度多方向、平移不变和各向异性等特点，而且运算效率高、分解方向不受限制等优点，获得的指纹方向性好、连续性好、细节明显。

技术领域

本发明属于指纹识别和提取技术领域，具体涉及一种基于非采样剪切波变换的图像指纹提取方法。

背景技术

目前图像指纹的提取方法主要有两种：一种是在空间域中对图像先进行增强，再通过二值化处理或边缘检测提取指纹信息，该方法在空间域中对指纹图像增强时，增强图像边缘和纹理细节的同时放大了噪声，然后进行二值化处理或边缘检测时，容易造成边缘细节丢失和出现伪边缘；另一种是在频域中先对图像进行小波多尺度变换，在各个尺度下进行指纹信息提取，然后进行多尺度指纹信息融合，该在频域中对指纹图像进行小波多尺度变换方法中，主要分为一个低频尺度和多个高频尺度，低频主要展现的是轮廓信息，高频包含边缘和噪声信息，通过小波阈值法可以将噪声去除，多尺度的指纹信息提取提高了指纹提取的准确率，但是小波变换的方向性有限，只从垂直和水平方向上来刻画图像细节，不能有效的捕捉图像的边缘细节、容易导致微弱细节丢失。

发明内容

根据上述阐述，本发明的目的在于提供一种基于非采样剪切波变换的图像指纹提取方法，结合非采样剪切波变换和多尺度指纹信息检测及融合的指纹提取方法的优点，将各尺度各方向的指纹信息进行融合，获取连续性好、细节明显的指纹信息。

本发明提供的技术方案：

一种基于非采样剪切波变换的图像指纹提取方法，其步骤为：

步骤1、对指纹图像进行非采样剪切波变换，分解为低频子带和多尺度多方向高频子带，指纹图像处理表达式为：

其中，ψ∈L²(R)²是仿射系统的基础函数，k,l和b分别是分解的尺度系数、方向系数和平移系数，A是控制尺度分解的各向异性膨胀矩阵,S为控制方向分解的剪切矩阵；

步骤2、对低频子带，使用轮廓提取算法提取低频子带的指纹信息；

步骤3、对各尺度方向高频子带，结合尺度相关系数进行噪声去除，通过方向模极大值检测获取各高频方向子带的指纹信息；

步骤4、最后进行多尺度指纹信息融合、以实现指纹提取。

上述技术方案中，所述步骤1中所述非采样剪切波变换去掉了下采样环节使图像具有平移不变性，采用非下采样金字塔进行多尺度分解，将指纹图像进行k次非下采样金字塔分解后，得到1个低频图像和k层高频子带图像，然后采用剪切滤波器对高频子带进行l级多方向分解，得到2^l个大小与原指纹图像相同的多方向子带，分解后的低频子带包含图像的大部分能量,保留了指纹图像的近似特征，各高频方向子带包含了指纹细节以及噪声。

上述技术方案中，所述步骤2中轮廓提取算法为采用一种基于图像梯度幅度直方图和熵值最大法的自适应确定阈值方法，具体为：

对低频图像进行动态梯度的自适应分数阶微分增强，有效增强图像边缘纹理信息，动态梯度的自适应分数阶微分全模板增强阶次具体如下：

其中，M(i,j)表示像素点(i,j)的8领域梯度的平均值m。对于一幅M×N大小的数字图像f(i,j)，它的m值如下：