高光谱成像的潜指纹图像增强方法技术

本发明专利技术公开了一种高光谱成像的潜指纹图像增强方法，包括以下步骤：步骤一、获取指纹端元光谱集；步骤二、获取背景端元光谱集：以步骤一中的指纹端元光谱集为基础，或者以步骤一中的指纹端元光谱集与用户标记的不同背景区域的平均光谱的组合为基础，采用正交子空间迭代提取出背景端元光谱集；步骤三、将指纹与背景分离实现指纹增强；步骤四、指纹特征后处理：对经过步骤三增强后的指纹特征采用形态学开闭混合重建，进行保形态抑噪声的后处理。本发明专利技术方法简洁实用，极大的减轻了用户的操作难度，能够在保持增强的指纹信息的前提下平滑噪声、填充孔洞，指纹增强可靠性好、效率高，实用性和可行性好。

【技术实现步骤摘要】

本专利技术属于刑事物证鉴定潜指纹检测
，具体涉及一种高光谱成像的潜指 纹图像增强方法。
技术介绍
指纹是刑事物证鉴定领域是最重要的物证之一，常被称为"证据之王"，其中以 基于光学技术的指印采集、分析鉴定最为常见。但是传统光学成像方法获取的指纹往往 无法达到辨识的目的，主要表现在指纹无法利用裸眼看清、指纹信号微弱、背景干扰严 重、指纹模糊和破损等问题。随着技术的进步，David L.Exline等在2005年《国际法 医学（Forensic Science International)》第 48 卷第 5 期第 1047-1053 页发表文章 《化学成像的法医学应用：利用可见焚光进行潜指纹检测（Forensic applications of chemical imaging:latent fingerprint detection using visible absorption and luminescence)》将高光谱成像技术引入物证鉴定领域，由液晶可调波长滤光镜（LCTF)等 成像设备获取的光谱成像数据不仅仅能够反映目标的空间分布状态，同时它能精确记录 目标在可见光和近红外范围的光谱反射信息而达到"图谱合一"，并使裸眼无法察看的指 纹在某些波段数据中能够可视。因此，公安部物证鉴定中心王桂强研究员（王桂强.光 谱成像检验技术.刑事技术，2004, 01:7-12)指出光谱成像技术可以同时用于指纹的 形态检验和附属成分检验，且相对传统光谱检验或成像检验技术，光谱成像检验的能力 和效果都具有明显优势，这也在FBI、中国公安部物证鉴定中心的实际刑事物证检验案例 中得到了验证（许小京，黄威.光谱成像技术在物证鉴定领域的应用.红外与激光工 程，2012, 12:3280-3284)。 尽管高光谱指纹图像相对于传统方法有明显优势，但对其的指纹图像处理技术并 不成熟。在经典的光学图像潜指纹的增强处理中比较代表的是Gabor滤波增强，如J. Feng 和A.K. Jain等2013年发表在IEEE模式分析与机器智能汇刊（IEEE Transactions on Pattern Analysis and Machine Intelligence)第 35 卷第 4 期第 925-940 页发表了题为 《潜指纹增强的方向场估计》的论文中采用对灰度图像从频域方向场估计的角度进行分析 完成指纹与背景之间的分离。但是这种处理不再适用于高光谱图像指纹提取，一方面由于 指印信息不再仅存于某一波段，而是在多个光谱响应波段中呈现，因而仅在某一波段进行 指纹提取就不能获得完整的指纹；另一方面，由于光谱是区分不同目标的重要信息，因而这 种处理没有有效的利用光谱信息。本专利技术借助混合像元模型对图像像元的描述，将高光谱 指纹图像像元信号看成是指纹相关信息子空间和由背景相关信息子空间构成，通过子空间 分析方法建立指纹目标探测器，从而实现指纹与背景的分离。另外，还有由本专利技术专利技术人与 合作者设计的在公安部物证鉴定中心等相关部门应用广泛的MISystem和混合光谱分解的 指纹增强方法，但是该成果中的方法忽略了可以通过对干扰信息的有效估计来增强背景描 述从而提高指纹的检测能力，另外该成果中以全限制性分解进行指纹与背景的分离严格要 求用户输入所有的目标信号和背景信号，同时需要在分解后进行后期合成处理，用户的操 作难度还较高，指纹检测效率还不够高。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种高光谱成 像的潜指纹图像增强方法，其方法简洁实用，极大的减轻了用户的操作难度，能够在保持增 强的指纹信息的前提下平滑噪声、填充孔洞，指纹增强可靠性好、效率高，实用性和可行性 好。 为解决上述技术问题，本专利技术采用的技术方案是：一种高光谱成像的潜指纹图像 增强方法，其特征在于该方法包括以下步骤： 步骤一、获取指纹端元光谱集：首先，将高光谱成像的潜指纹图像传输到计算机 中，并在计算机中以假彩色增强的方式进行显示；然后，操作鼠标，选取c个不同背景下的 指纹区域进行标记，并计算c个指纹标记区域的平均光谱，且用c个指纹标记区域的平均光 谱构建指纹端元光谱集S = (S1, S2, . . .，sj，其中，c的取值为自然数，S_j为第j个指纹标记 区域的平均光谱，j的取值为1~c的自然数； 步骤二、获取背景端元光谱集：以步骤一中的指纹端元光谱集为基础，或者以步骤 一中的指纹端元光谱集与用户标记的不同背景区域的平均光谱的组合为基础，采用正交子 空间迭代提取出背景端元光谱集； 步骤三、将指纹与背景分离实现指纹增强：首先，根据步骤一中获取的指纹端元光 谱建立目标子空间模型，并根据步骤二中获取的背景端元光谱建立背景子空间模型；然后， 根据目标子空间模型与背景子空间模型的差异，运用自适应匹配子空间模型或背景约束干 扰匹配滤波器提取指纹，将指纹与背景分离实现指纹增强； 步骤四、指纹特征后处理：对经过步骤三增强后的指纹特征采用形态学开闭混合 重建，进行保形态抑噪声的后处理。 上述的，其特征在于：步骤二中以步骤一中的 指纹端元光谱集为基础，采用正交子空间迭代提取出背景端元光谱集的具体过程为： 步骤201、设背景端元光谱的数目为k，指纹端元光谱和背景端元光谱的端元集为 A ;用指纹端元光谱S = (S1, S2, · · ·，sc}初始化A，即A = (S1, S2, · · ·，sc};其中，k的取值为 自然数； 步骤202、采用序贯操作法逐个提取k个背景端元光谱，构建背景端元光谱集B = Ie1, e2，…，ek};其中，第t个背景端元光谱et的提取过程为： 步骤2021、建立A的正交子空间，其中，I为单位矩阵； 步骤2022、根据公式，计算高光谱成像的潜指纹图像中第i 个像元的正交子空间投影的模ε ;，取i = 1~η的自然数，计算出高光谱成像的潜指纹图 像中所有像元的正交子空间投影的模，其中为高光谱成像的潜指纹图像中的第i个像元 光谱，η为高光谱成像的潜指纹图像中像元的数量，η的取值为自然数； 步骤2023、将正交子空间投影的模最大的像元位置对应的光谱作为第t个背景端 元光谱e t;其中，t的取值为1~k的自然数； 步骤2024、将第t个背景端元光谱61与端元集A进行合并，对端元集A进行更新， 即令A = {A, ej，然后令t自加 1并返回步骤2021，直到t = k。 上述的，其特征在于：步骤二中以步骤一中的 指纹端元光谱与用户标记的不同背景区域的平均光谱的组合为基础，采用正交子空间迭代 提取出背景端元光谱集的具体过程为： 步骤201、操作鼠标，选取k。个不同背景区域进行标记，并计算k。个背景 标记区域的平均光谱，且用k。个背景标记区域的平均光谱构建标记背景端元光谱集，其中，^为第m个背景标记区域的平均光谱，k。的取值为自然数，m的取 值为1~k。； 步骤202、设背景端元光谱的数目为k，指纹端元光谱和背景端元光谱的端元集为 A ;用指纹端元光谱S = (S1, S2, ...，sj和标记背景端元光谱集。初始化A， 即；其中，k的取值为自然数； 步骤203、采用序贯操作逐个提取k个背景端元光谱，构建估计背景端元光谱集 B本文档来自技高网...

【技术保护点】
一种高光谱成像的潜指纹图像增强方法，其特征在于该方法包括以下步骤：步骤一、获取指纹端元光谱集：首先，将高光谱成像的潜指纹图像传输到计算机中，并在计算机中以假彩色增强的方式进行显示；然后，操作鼠标，选取c个不同背景下的指纹区域进行标记，并计算c个指纹标记区域的平均光谱，且用c个指纹标记区域的平均光谱构建指纹端元光谱集S＝{s1,s2,...,sc}，其中，c的取值为自然数，sj为第j个指纹标记区域的平均光谱，j的取值为1～c的自然数；步骤二、获取背景端元光谱集：以步骤一中的指纹端元光谱集为基础，或者以步骤一中的指纹端元光谱集与用户标记的不同背景区域的平均光谱的组合为基础，采用正交子空间迭代提取出背景端元光谱集；步骤三、将指纹与背景分离实现指纹增强：首先，根据步骤一中获取的指纹端元光谱建立目标子空间模型，并根据步骤二中获取的背景端元光谱建立背景子空间模型；然后，根据目标子空间模型与背景子空间模型的差异，运用自适应匹配子空间模型或背景约束干扰匹配滤波器提取指纹，将指纹与背景分离实现指纹增强；步骤四、指纹特征后处理：对经过步骤三增强后的指纹特征采用形态学开闭混合重建，进行保形态抑噪声的后处理。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄远程，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61