一个降级的手指静脉图像恢复和增强算法,基于大气散射理论

科学领域:

• 生物识别信息 生物识别信息
• 图像处理 图像处理
• 计算机视觉 计算机视觉

背景情况:

• 手指静脉识别是一种安全的生物识别技术,但由于采集设备的限制和手指解剖学,图像质量往往会降低.
• 退化的手指静脉图像会失去纹理和静脉拓,妨碍准确的生物识别.
• 现有的方法在图像质量不佳的情况下扎,这影响了手指静脉识别系统的可靠性.

研究的目的:

• 开发和评估一种新的算法,用于恢复和增强退化的手指静脉图像.
• 通过解决图像质量问题来提高手指静脉识别的准确性.
• 为了利用大气散射理论进行强大的图像恢复.

主要方法:

• 改进的马转换方法用于局部正常化过度明亮和过度黑暗的区域.
• 根据大气散射理论进行了图像重建.
• 一个像素突变过器被设计用于细分静脉和非静脉区域,随后是全球灰色值正常化.

主要成果:

• 拟议的算法有效地从SDUMLA-HMT和ZJ-UVM数据集中恢复和增强了退化的手指静脉图像.
• 经过处理的图像显示出改善的纹理特征和可区分的静脉拓.
• 使用传统,机器学习和深度学习方法的识别精度比原始图像增加了10%以上.

结论:

• 基于大气散射的算法为指纹静脉图像恢复和增强提供了显著的改进.
• 这种方法可以在各种识别方法中提高手指静脉识别的性能.
• 该算法提供了一种可行的解决方案,用于提高依赖指纹静脉模式的生物识别系统的准确性和可靠性.