基于Bandelet變換的靜脈圖像增強(qiáng)算法研究.pdf

1、隨著社會的發(fā)展和科技的進(jìn)步，生物識別技術(shù)（如虹膜、指紋、手靜脈等）已經(jīng)成為了研究的熱點(diǎn)。其中，靜脈識別以其不易偽造且非接觸式采集等獨(dú)特優(yōu)勢倍受人們關(guān)注。但是，由于在靜脈采集過程中受到儀器設(shè)備、光照等因素的影響，采集的靜脈圖像對比度往往較低、噪聲較多，給最終的識別帶來很大的不便，因此在識別之前對靜脈圖像進(jìn)行去噪和增強(qiáng)處理是很有必要的。
　　小波變換以其低熵性、多分辨率特性等優(yōu)勢，大量的應(yīng)用在圖像去噪和壓縮等領(lǐng)域。但是，在高維情況下，

2、小波不能有效的表示靜脈圖像中的多方向性邊緣和紋理等幾何結(jié)構(gòu)，而Bandelet變換可以克服小波變換在處理高維信號的不足，且對幾何正則圖像，Bandelet基可達(dá)到最優(yōu)逼近率。本文以Bandelet變換為基礎(chǔ)，并將其運(yùn)用在靜脈圖像的去噪與增強(qiáng)上，充分利用Bandelet變換表示圖像幾何特征的優(yōu)勢。
　　由于小波缺乏方向性和平移不變性，使得基于小波域的Bandelet變換受到小波缺陷的影響，因此本文采用基于DTCWT域的Bandele

3、t變換，稱之為DTCWT-Bandelet變換的去噪算法，并對比了Wavelet，Bandelet，DTCWT，DTCWT-Bandelet在Garrote閾值函數(shù)下對帶有加性高斯白噪聲圖像的去噪效果，實驗結(jié)果表明，基于DTCWT-Bandelet去噪算法在主觀和客觀上都比基于wavelet和Bandelet變換的去噪算法有更好的改善。
　　在帶噪靜脈圖像增強(qiáng)算法上，本文采用非線性增強(qiáng)函數(shù)，抑制噪聲的同時增強(qiáng)圖像的邊緣，并對比了W