[发明专利]一种基于皮裂纹分割的NLM滤波指静脉去噪方法

权利要求书

1.一种基于皮裂纹分割的NLM滤波指静脉去噪方法，其特征在于包括以下步骤：

步骤1、提取图像像素点的Hessian矩阵的高斯核函数模板G(x,y；σ)；

步骤2、由高斯核函数模板在X轴向和Y轴向分别求偏导可以得到g'_x(x,y；σ)，g'_y(x,y；σ)，然后进一步求得这两个方向上的二阶偏导数G_xx(x,y；σ)，G_yy(x,y；σ)，以及X Y方向上的二阶混合偏导数G_xy(x,y；σ)，G_yx(x,y；σ)，由于两个独立的变量的二阶偏导数与其求偏导的顺序无关，因此X Y方向上的两个混合偏导数相等，将图像Fig与三个高斯二阶偏导数模板按式(2)卷积，即可得到图像在4个方向上的空间导数I_xx、I_xy、I_yx和I_yy；

I_xx(x,y)＝G_xx(x,y；σ)*Fig (2)

卷积后的结果构造了基于σ的多尺度滤波器，通过控制尺度大小控制不同宽度结构的滤波响应值；

步骤3、设定好空间尺度因子，提取静脉图像每个像素点的Hessian矩阵；

步骤4、每个像素点的Hessian矩阵描述了二维图像的局部曲率变化，对每个像素点通过特征分解可得到2个正交方向特征向量以及对应的特征值λ₁和λ₂；令|λ₁|≥|λ₂|，数值小的特征值λ₂对应的特征向量指着皮裂纹的方向，该方向局部灰度梯度变化小；反之另一垂直方向灰度梯度变化大；分析手指蜕皮的静脉图像特点，将其像素点分为三类：

步骤5、根据相似性构造函数式进行Frangi滤波，构造函数设置为对数函数；

步骤6、对手指蜕皮类图像和正常图像在空间尺度因子为σ_c的情况下进行分析，根据其滤波响应值来确定分割阈值，对图像得到的响应图进行二值化分割；

步骤7、基于皮裂纹区域二值图对指静脉图像进行开关型的非局部均值滤波去噪；采用了非局部均值滤波算法，寻找图像中与待去噪像素点周围结构类似的像素点进行相似度计算之后，赋予权值求和平均得到去噪后的目标点像素值；在原图上对应皮裂纹二值图上非0的像素点进行非局部均值滤波去噪；原图上对应皮裂纹二值图像素值为0的像素点不进行去噪处理，最终得到去噪后的手指静脉图像；

步骤4根据手指蜕皮的静脉图像特点，将其像素点分为三类：

①背景像素：灰度分布均匀，任意方向上的灰度变化都比较小，两个特征值都较小；

②孤点、角点：任意方向上灰度变化都较大，两个特征值都较大；

③皮裂纹处和静脉处：沿着皮裂纹或静脉方向灰度变化小，曲率较小，特征值较小；反之垂直方向曲率较大，特征值较大；

采用的手指静脉图像中皮裂纹为亮背景下的暗结构，其区域的像素点特征值特点满足式(4)、式(5)的条件：

λ₁-λ₂＞T_λ,λ₁≥λ₂,λ₁＞0 (4)

式(4)、式(5)中的T_λ为初步分割的阈值，可以根据式(4)中的条件滤除背景区域像素点，由非背景区域的像素点的两个特征值之差求和平均得到；N表示非背景区域的像素点的个数；

步骤5中构造函数设置为如下对数函数形式：

figT(i,j；σ_c)＝log(λ_(i,j)+1) (6)

λ_(i,j)为非背景区域像素点(i,j)的Hessian矩阵两个特征值中较大的一个，figT(i,j；σ_c)为匹配皮裂纹特征宽度的空间尺度因子σ_c的情况下每个像素点的滤波响应，figT(i,j；σ_c)的值越大，表示该像素点属于皮裂纹区域可能性越大。