目的为了改善采集到的手掌静脉图像质量,提高静脉识别的准确性,提出一种基于Gabor滤波和Scharr边缘检测算子的手掌静脉图像增强方法。方法首先对原始手掌静脉图像截取感兴趣区域(region of interest,ROI)后进行滤波去噪,其次通过自适应...目的为了改善采集到的手掌静脉图像质量,提高静脉识别的准确性,提出一种基于Gabor滤波和Scharr边缘检测算子的手掌静脉图像增强方法。方法首先对原始手掌静脉图像截取感兴趣区域(region of interest,ROI)后进行滤波去噪,其次通过自适应直方图均衡化提高图像对比度,然后采用6个方向的Gabor滤波器提取手掌静脉纹路,并通过Scharr算子实现静脉纹路增强。采用全参考和无参考相结合的图像定量质量评价指标峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean squared error,MSE)、灰度标准差、图像清晰度(no reference structural sharpness,NRSS)进行评估。结果本文方法PSNR为29.460,MSN为73.619,图像灰度标准差87.715、NRSS为0.341,结果表明图像失真程度最小,静脉纹路得到有效增强。结论本文方法能够有效增强手掌静脉纹路的对比度,改善图像质量。展开更多
文摘目的为了改善采集到的手掌静脉图像质量,提高静脉识别的准确性,提出一种基于Gabor滤波和Scharr边缘检测算子的手掌静脉图像增强方法。方法首先对原始手掌静脉图像截取感兴趣区域(region of interest,ROI)后进行滤波去噪,其次通过自适应直方图均衡化提高图像对比度,然后采用6个方向的Gabor滤波器提取手掌静脉纹路,并通过Scharr算子实现静脉纹路增强。采用全参考和无参考相结合的图像定量质量评价指标峰值信噪比(peak signal to noise ratio,PSNR)、均方误差(mean squared error,MSE)、灰度标准差、图像清晰度(no reference structural sharpness,NRSS)进行评估。结果本文方法PSNR为29.460,MSN为73.619,图像灰度标准差87.715、NRSS为0.341,结果表明图像失真程度最小,静脉纹路得到有效增强。结论本文方法能够有效增强手掌静脉纹路的对比度,改善图像质量。
