一种多光谱掌纹精细纹路提取识别方法及其采集台的制作方法
【专利摘要】一种多光谱掌纹精细纹路提取识别方法及其采集台，属于身份识别领域。本发明的目的是在多种光谱照射下采集掌纹图像，并将这些多光谱采集的掌纹图像处理后获得极其精准掌纹纹路的多光谱掌纹精细纹路提取识别方法。本发明步骤是：多光谱图像采集、单光谱图像精细纹路特征提取、多光谱图像精细纹路特征融合、形态学处理、十字形纹和米字形纹识别。本发明不仅能明晰的显示手掌上的主线，而且能提取浅而细的精细纹路；识别出具有特殊形状的精细纹路——十字形纹和米字形纹。
【专利说明】一种多光谱掌纹精细纹路提取识别方法及其采集台
【技术领域】
[0001 ] 本发明属于身份识别领域。
【背景技术】
[0002]国内外近年来对于生物特征技术的研究投入了较多的力量，特别在美国、欧洲等地。目前，主要研究的生物特征有人体的指纹，虹膜，掌纹声音，笔迹，面貌及DNA等由于这些特征具有人体所固有的不可复制的唯一性和稳定性，因此不可能复制失窃或被遗忘。掌纹识别是近几年提出的一种较新的生物特征识别技术。影响掌纹识别准确度的因素主要有硬件和软件两方面，即掌纹图像采集设备所采集图像的清晰度和识别算法的高效性。
[0003]传统的掌纹图像采集设备采集图像时，一般是将手掌置于单一光谱光源照射下，使用摄像头直接拍摄掌纹图像。手掌皮肤对不同光谱的反射和吸收特性不同。人类的皮肤有三层:表皮、真皮和皮下组织，每一层包含一个不同比例的血液和脂肪，表皮也含有黑色素，而皮下组织包含静脉，不同波长的光可以穿透不同的皮肤层。一般来讲，波长越长，射线对人体皮肤的穿透性越强，越容易得到深入皮肤表面下的信息，如近红外的光线照射下，能够看到掌部血管的信息；波长越短，成像越针对某一表层，得到手掌表面细小纹线的信息，而单一光谱下的掌纹图像只能包含手掌某个层次的信息。因此传统的单光谱掌纹采集设备所获取的信息量小，信息具有局限性，影响识别精度。
[0004]为了克服单一光谱下掌纹图像信息的局限性，人们已经开始对多光谱掌纹图像进行研究。多光谱掌纹图像能够结合不同波长下的掌纹信息，得到手掌各个层次的信息，弥补单一光谱下掌纹细节不清晰，更全面的获得手掌上的纹线信息。因此，迫切需要发明一种能采集多个光谱下的掌纹图像的多光谱掌纹采集装置。
[0005]目前，人们对于多光谱掌纹采集装置的研究才刚刚开始，虽然取得了一些成果，但依然存在很多问题。2008年，一种多光谱掌纹身份认证方法及其专用采集
仪被提出，这种专用采集仪使用计算机控制红外、红、绿、蓝四种光谱光源的切换，采集到的是整个手掌部分的图像，掌纹细节不清晰，不能提取手掌上的精细纹路。2012年，一种基于掩膜与双阿米西棱镜的高分辨率多光谱采集系统被提出，这种多光谱采集系统需要使用棱镜分光装置，将透射光线色散为多个波长上的光谱，还需要标定，装置结构复杂，采集过程繁琐，不利于装置的推广使用。2013年，一种掌纹提取识别方法(申请号CN201310137558)被提出，该方法提取手掌上深而长的主线时效果较好，对于手掌上其他细小纹路，该方法则会丢失很多细节；虽然在提取纹线过程中使用了“生长”的方法连接间断的主线，但是所提取出的主线仍然有少量断点，且提取出的纹线不光滑。
【发明内容】
[0006]本发明的目的是在多种光谱照射下采集掌纹图像，并将这些多光谱采集的掌纹图像处理后获得极其精准掌纹纹路的多光谱掌纹精细纹路提取识别方法。
[0007]本发明步骤是:a、多光谱图像采集:
针对手掌的相同区域，每个光谱下采集一幅掌纹图像；得到多光谱图像h，h，h
，…，其中A、B、C、……州为1、2、3、……州个不同光谱下的图像；
b、单光谱图像精细纹路特征提取:
首先，对某光谱下的图像Ix进行三层方向变换冗余的Contourlet变换分解,其中
if e (Α』，σ,." ,H)，得到十五幅子带图像，其中，4f(x,J)表示某光谱图像Jr经分
解后的最低频子带系数，d^k(x,f)和,,(x, J)分别表示第一层分解出的“水平”方向高频
子带系数和“垂直”方向高频子带系数，名^(4力表示第二、三层分解出的所有高频子带
系数；其次，计算系数矩阵和《v(:x,f)的绝对值矩阵，分别将两个绝对值矩阵
中各个元素从大到小排列，取出中间的元素的值分别记;然后，遍历系数矩阵
di\(x,y)的各个元素，当元素值大于等于时，说明此为强边缘系数，则保留元素的值，
当元素值小于Wiii时，说明此为弱边缘系数或者噪点，则将元素的值置0，进行消除，同理
对系数矩阵rfiv(x,j)进行处理；最后，把最低频子带系数為':^力和第二、三层分解出的 所有高频子带系数(U)均置O ;
C、多光谱图像精细纹路特征融合:
将不同光谱下的待融合图像Zj、心、4、…4经步骤b处理后，把各自第一层“水平”方向高频子带系数4'(^)、4'0^，)、…、相融合，各自第一层“垂直”方向高
频子带系数一Wfv(Xj)相融合；第一层高频系数融合采用系数绝
对值选最大融合规则，即选取对应位置上系数的绝对值大的系数作为融合后的系数；第二、三层高频系数融合和最低频系数融合都采用系数叠加的融合规则，即选取对应位置上的系数加和值作为融合后的系数，这里融合后它们的系数均为ο ;将融合后的各层系数进行方向变换冗余Contourle逆变换；
d、形态学处理:
首先，二值化，方向变换冗余Contourle逆变换后图像的每个像素值都是有正有负的系数，其中大于I的系数在图像上显示为白色，小于O的系数在图像上显示为黑色，系数值在O~I之间的系数在图像上显示为灰色，因此，将所有像素值小于O的像素的值置零，将
所有像素值大于等于零的像素的值置1，得到二值化后的图像忑;
然后，图像取反，用I减去二值化的图像A，将图像中黑色像素转换成了白色，将图像中白色像素转换成了黑色，即得到反色后的图像尽纹路为白色，其他为黑色；
最后，形态学膨胀、细化、膨胀处理，使用结构元素‘disk’，半径为1，对图像&进行膨胀，得到膨胀后的图像Zs ;将膨胀后的图像/3细化成单像素图像Z4 ;由于单像素图像24
在纹线交叉的地方可能出现空点，因此要再对其进行膨胀，膨胀的结构元素是‘disk’，变径
为1，得到微膨胀后的图像Z5 , Z5中纹线的像素宽度在3个像素点左右；其中膨胀是指将
图像中的黑色区域变大，白色纹线变细；
e、十字形纹和米字形纹识别:
(1)搜索图像Z5中的白色像素点，当白色像素点ml八邻域的点均为白色时，则此点是
纹线的内点，即为各纹线中心交叉点；
(2)根据十字纹的大小和形状特点，建立“形状矩阵”，其中正十字形状矩阵为I型，45°状态的正十字矩阵为II型；
(3)以ml为中心的区域内的像素点值所成的矩阵设为M1，将Ml分别和不同类型的“形状矩阵”进行“与”运算，对得到的结果矩阵求矩阵的和值，将此和值作为“ml点是1\11型十字中心交叉点”的打分值；
(4)当打分值越接近“形状矩阵”的和值时，表明以ml为中心的矩形区域内的点的分布越接近“形状矩阵”，反之，则和“形状矩阵”的相似度越低；
(5)根据识别精度的要求设置阈值T，当打分值小于或等于T时，放弃此点，继续搜索下一个白色像素点进行“形状矩阵”对比；当打分值大于T时，表明此点ml是中心交叉点，且形状同“形状矩阵”，就表明此点是十字纹中心交叉点；当同一个像素点，既是“I型十字中心交叉点”，又是“II型十字中心交叉点”，则表明此点是“米字形纹中心交叉点”。
[0008]本发明多光谱掌纹精细纹路提取识别方法的图像采集装置:底座是由横杆和竖杆构成，在底座上安装有立杆；
在横杆上有横滑槽，横向电机置于横滑槽内，横向电机的轴连接有纵行丝杠，纵行丝杠上通过螺纹连接有纵行支架；
在竖杆上有纵滑槽，纵向电机置于纵滑槽内，纵向电机的轴连接有横行丝杠，横行丝杠上通过螺纹连接有横行支架；
横行支架固定安装在纵行支架上；
在横行支架上安装有竖直销，竖直销插接在置物平台上，置物平台放置在下拖杆上，下拖杆固定在立杆上；
置物平台上安装有提升支架，相机置于提升支架内部；
环形盖子通过螺纹与镜筒相连接，不同波长的LED灯排布成均匀交错的环形阵列固定在环形盖子盖内侧面上，光源控制盒固定在环形盖子的外侧面上，光源控制盒内装有给LED灯供电的电池和控制光源切换的开关，环形盖子、镜筒和光源控制盒组成的多光谱镜筒搭载在提升支架上，镜筒中心与相机的镜头中心对准；
在立杆上固定安装有上拖杆，上拖杆上放置有背景板。
[0009]本发明提供的技术方案提出一种多光谱掌纹精细纹路提取方法，即方向变换冗余的Contourlet变换与形态学处理相结合的特征提取方法,融合多个光谱图像的特征，弥补了现有方法提取出的掌纹线有间断不连贯，不能很好地提取细小的掌纹线的缺点，本方法不仅能明晰的显示手掌上的主线，而且能提取浅而细的精细纹路；提出一种精细纹路识别方法，即通过构造“形状矩阵”对纹线上的点打分的方法，识别出具有特殊形状的精细纹路一十字形纹和米字形纹；本发明的多光谱掌纹精细纹路采集台能够根据所研究手掌上的区域不同，灵活的移动对准手掌上的不同区域进行多种光谱下掌纹精细纹路图像的采集，比现有的多光谱采集装置采集到的图像更清晰，采集的区域更灵活。
【专利附图】
【附图说明】
[0010]图1是是多光谱掌纹精细纹路提取识别方法流程图；
图2是采集台采集的用户手掌中部的多光谱图像；
图中第一幅为橙色，第二幅为绿色，第三幅为紫色，第四幅为红色，第五幅为蓝色，第六幅为白色；
图3是截取多光谱图像中掌纹有效区域图像；
图中第一幅为橙色，第二幅为绿色，第三幅为紫色，第四幅为红色，第五幅为蓝色，第六幅为白色；
图4是采集台采集的用户手掌不同区域的多光谱图像；
图中的六幅图均是在橙色；
图5是橙光和紫光图像精细纹路特征提取实验结果；
图中第一行左侧为橙色，右侧为紫色；第二行左侧为橙光图像第I层“水平”方向高频子带图、右侧紫光图像第I层“水平”方向高频子带图；第三行左侧橙光图像第I层“垂直”方向高频子带图、右侧紫光图像第I层“垂直”方向高频子带图；
图6是橙光和紫光图像精细纹路特征融合实验结果；
图7是形态学处理过程实验结果；
图8是十字形纹路识别实验结果；A部分表示“I型十字纹中心”，B部分表示“II型十字纹中心”；
图9丝杠电机的运动控制示意图；
图10形状矩阵示意图。左图是I型十字纹形状矩阵示意图，右图是II型十字纹形状矩阵示意图；
图11背景板表面两个固定栓的分布示意图；
图12本发明的多光谱精细纹路提取方法与专利申请201310137558的对比；
图13十字形纹和米字形纹识别流程图；
图14是本发明多光谱精细纹路采集台结构示意图；
图15是本发明多光谱图像采集台下半部分结构示意图。
【具体实施方式】
[0011]本发明的步骤是:
a、多光谱图像采集:
针对手掌的相同区域，每个光谱下采集一幅掌纹图像；得到多光谱图像IA，1S，h，…，?,其中A、B、C、……^为1、2、3、……^个不同光谱下的图像；
b、单光谱图像精细纹路特征提取:首先，对某光谱下的图像?χ进行三层方向变换冗余的Contourlet变换分解,其中
【权利要求】
1.一种多光谱掌纹精细纹路提取识别方法，其特征在于: a、多光谱图像采集: 针对手掌的相同区域，每个光谱下采集一幅掌纹图像；得到多光谱图像
2.权利要求1所述多光谱掌纹精细纹路提取识别方法的图像采集装置，其特征在于:底座是由横杆(3 )和竖杆(21)构成，在底座上安装有立杆(I); 在横杆(3 )上有横滑槽(5 ),横向电机(7 )置于横滑槽(5 )内，横向电机(7 )的轴连接有纵行丝杠(6)，纵行丝杠(6)上通过螺纹连接有纵行支架(8)； 在竖杆(21)上有纵滑槽(11)，纵向电机(12)置于纵滑槽(11)内，纵向电机(12)的轴连接有横行丝杠(9)，横行丝杠(9)上通过螺纹连接有横行支架(10)； 横行支架(10)固定安装在纵行支架(8)上； 在横行支架(10)上安装有竖直销(13)，竖直销(13)插接在置物平台(2)上，置物平台(2)放置在下拖杆(14)上，下拖杆(14)固定在立杆(I)上； 置物平台(2)上安装有提升支架(16)，相机(15)置于提升支架(16)内部； 环形盖子(17)通过螺纹与镜筒(19)相连接，不同波长的LED灯排布成均匀交错的环形阵列固定在环形盖子(17)盖内侧面上，光源控制盒(4)固定在环形盖子(17)的外侧面上，光源控制盒(4)内装有给LED灯供电的电池和控制光源切换的开关，环形盖子(17)、镜筒(19)和光源控制盒(4)组成的多光谱镜筒搭载在提升支架(16)上，镜筒(19)中心与相机(15)的镜头中心对准； 在立杆(I)上固定安装有上拖杆(18 )，上拖杆(18 )上放置有背景板(20 )。
【文档编号】G06K9/46GK103942553SQ201410021453
【公开日】2014年7月23日 申请日期:2014年1月17日 优先权日:2014年1月17日
【发明者】康冰, 魏祺韡, 刘富, 刘云, 高雷, 赵超亚, 韵卓, 王志涛, 李温温 申请人:吉林大学