论文部分内容阅读
手背静脉识别技术是一种新兴的生物特征识别技术,它利用静脉对红外光线的吸收获取图像,从而进行有效的身份识别,具有很好的稳定性,唯一性和隐蔽性。手背静脉识别系统的性能依赖所获取的手背静脉图像的质量,实际中由于手背静脉图像受到光照强度、手背厚度以及各类噪声的影响,严重影响图像的质量和识别的效果,为了提高手背静脉图像识别率,我们需要对获取到的手背静脉图像进行去噪处理。通常使用的均值滤波和中值滤波等时域去噪方法和以傅里叶变换为典型的频域去噪方法其效果不是很好,为了提高手背静脉图像质量,本文提出了几种基于多尺度变换的手背静脉去噪图像增强方案,很好的去除了手背静脉图像噪声,提高了图像质量,为后续的手背静脉识别提供了很好的依据,对图像处理的相关研究也有很好的借鉴意义。本文首先介绍了手背静脉图像识别的研究背景,以及多尺度变换的基本概念、发展及国内外相关研究动态。然后重点介绍了小波变换理论,以及基于小波变换的手背静脉图像去噪方法,并通过Matlab编程来仿真实现。其后着重介绍了轮廓波变换的基本理论,以及基于轮廓波变换的手背静脉图像去噪方法。本文主要有以下两点创新:1.通过时域变换和小波变换相结合,对手背静脉图像分别进行时域去噪和小波去噪,再将分别处理后的图像进行小波融合,再重复进行上述操作,直到达到一个满意效果。2.对手背静脉图像进行循环平移并进行轮廓波变换,采用贝叶斯阈值对各层各方上的轮廓波变换系数进行阈值去噪,仿真结果表明,该方法不仅很好的去除了图像噪声,提高了图像的PSNR值,还很好的保留了图像的细节和纹路。