一种基于秩和比方法的掌纹图像质量综合评价方法与流程

本发明提供一种基于秩和比方法的掌纹图像质量综合评价方法，属于生物特征识别领域，具体地，涉及掌纹识别方法。
背景技术：
：掌纹自动识别技术相对于其他生物特征识别技术具有极好的准确性及较高的经济实用性，当前的应用前景非常明朗。掌纹图像质量评价是影响掌纹识别准确性最直接、最重要的因素之一。高质量的掌纹图像可以确保掌纹识别系统提取到更多掌纹特征数据，可以让掌纹比对算法更高效的区分掌纹数据库中的全部掌纹数据。虽然掌纹图像与指纹图像在纹理及形态上类似，而且常见的质量评价方法也与指纹图像质量评价方法接近，但是传统的指纹图像质量评价方法无法直接照搬到掌纹图像质量评价问题中，原因在于：(1)掌纹图像面积比指纹图像面积大了很多倍，如果仍采用指纹图像质量评价方式进行掌纹评价，需要较长时间才能完成；(2)由于手掌生理结构不同于手指，手掌的按压力度更为不均匀且着力点更为分散，这导致掌纹图像各区域之间的差异性大，不适宜采用全图全局质量统一评价的方式评价图像质量；(3)当有多个评价指标用于掌纹图像质量评价时，缺少将这些指标凝练并给出为一个综合、科学评价结果的策略。当前的掌纹图像质量综合评价方法中尚未有在上述三个方面都有效的解决方案及成功应用。技术实现要素：本发明技术解决问题：针对掌纹图像质量评价问题，克服现有技术人评价时间长；按压力度不均匀、着力点分散；无科学且有效的评价人不足，提供一种基于秩和比方法的掌纹图像质量综合评价方法，通过掌纹图像质量初步评价及基于秩和比方法的掌纹图像质量综合评价两级评价模式可以快速、准确的完成对掌纹图像质量的综合评价。本发明整体流程如图1所示，包括以下步骤：步骤s01：对掌纹图像质量做初步评价，对于达不到初步评价要求的掌纹图像认定为掌纹图像质量综合评价不合格；其中，所述的初步评价一般而言包括如下的质量评价：掌纹图像是否完整及掌心空白区域大小两个评价指标。上述评价指标的特点在于计算方法简单，计算快捷。其中，所述的各项评价指标，具体解释如下：假定掌纹图像的高度为h像素，宽度为w像素，则(1)掌纹图像是否完整。可以按照掌纹区域占全图的比率进行评价：cpalm＝ipalm/(h×w)，其中ipalm为图像中掌纹区域内的像素个数；(2)掌心空白区域大小。考虑到方便设计阈值，该指标采用掌心空白区域内像素个数的倒数作为评价指标。其计算公式为bpalm＝1/iblank，iblank为掌心空白区域的像素个数。其中，所述掌心空白区域，是指手掌中心没有被掌纹图像采集设备采集到掌纹纹线的区域。其形成的原因是由于掌心在生理结构上相比手掌外围轮廓略微向手背方向凹陷，造成掌心部分没有被掌纹采集设备采集上。图2中三角形abc所标识的区域就是掌心空白区域。在掌纹图像质量综合评价中，该区域的面积越小越好。其中，所述达不到初步评价要求是指针对各个初步评价指标中的任何一项没有超过预先设定的阈值，则认为该掌纹图像质量综合评价为不合格，不再进行后继的掌纹图像质量综合评价。步骤s02：将掌纹图像切块、编号，形成掌纹图像块质量评价序列；其中，所述掌纹图像切块是指按照一定尺寸将掌纹图像切割成若干图像块，其目的在于将掌纹图拆分为若干掌纹图像块，方便采用并行方式进行后续s03步骤计算各掌纹图像块的各项评价指标。假定每个掌纹图像块的高度为hblock像素，宽度为wblock像素，则掌纹图像一共可以切割出的图像块的个数为其中h和w分别能被hblock和wblock整除。步骤s03：分别计算各个掌纹图像块的各项评价指标；其中，所述各项评价指标一般包括：(1)掌纹区域在图像块占比；(2)图像块干湿程度；(3)图像块清晰程度；(4)掌纹纹线方向一致性程度。这些评价指标从不同角度对掌纹图像质量进行评价。其中，所述掌纹区域在图像块占比的计算方法为：cblock＝iblock/(hblock×wblock)，iblock为图像块中掌纹区域内的像素个数。其中，所述图像块干湿程度定义为dryblock＝|128-eblock|，eblock为图像块中全部像素灰度值的期望值。dryblock越高，说明掌纹块在采集时，手掌要么偏干，要么偏湿。其中，所述图像块清晰程度可以用掌纹图像块中全部像素灰度值的标准差sblock进行评价。其中，掌纹纹线方向一致性程度可以利用图像处理中gabol滤波的方法对该图像块进行滤波计算，得到纹理方向一致性的程度。在本发明中，其计算结果用conblock表示。步骤s04：采用秩和比方法对全部掌纹图像块进行质量综合评价；其中，所述采用秩和比方法对全部掌纹图像块进行质量综合评价又分成如下的几个子步骤：步骤s041：对掌纹图像块的各项评价指标进行排秩；步骤s042：定义全部掌纹图像块的秩和比矩阵；步骤s043：依次计算各掌纹图像块的秩和比。其中，步骤s041所述各项评价指标进行排秩，一般对掌纹图像块中(1)掌纹区域在图像块占比；(2)图像块干湿程度；(3)图像块清晰程度；(4)纹线方向一致性程度，四个指标进行排秩。其中(1)、(3)、(4)三个指标为高优秩，(2)为低优秩。其中，步骤s042所述定义全部掌纹图像块的秩和比矩阵，其具体做法为：定义秩和比矩阵为一共有n个块图像参与质量综合评价，4代表步骤s041中所述的4个评价指标。矩阵中任一元素为rij，代表第i个掌纹图像块的第j个指标的排秩结果。其中，步骤s043所述依次计算各掌纹图像块的秩和比，其具体做法为：对任一掌纹图像块i，其秩和比为：步骤s05：预设若干秩和比阈值，统计大于不同阈值的掌纹图像块个数，确定各掌纹图像的质量级别；其中，所述预设若干秩和比阈值，其具体做法为设定秩和比阈值y1和y2，其中y1的值大于y2的值。其中，统计大于不同阈值的掌纹图像块个数，其具体做法为依次分别统计各掌纹图像块rsri值大于等于y1和y2的个数分别为z1和z2，其中大于等于y1的rsri值也同时大于y2。其中，确定各掌纹图像的质量级别，其具体做法为设定掌纹图像质量综合评价为“优秀”的阈值为z1，掌纹图像质量综合评价为“良好”的阈值为z2。其判断法则如下：如果z1≥z1，则最终认定掌纹图像质量综合评价的结果为优秀；如果z1<z1且z2≥z2，则最终认定掌纹图像质量综合评价的结果为良好；如果上述两个判断条件均不满足，则最终认定掌纹图像质量综合评价的结果为“合格”。本发明具有如下有益的技术效果：(1)本发明一种基于秩和比方法的掌纹图像质量综合评价方法，能够对掌纹图像质量进行初步评价，筛选出质量不合格的掌纹图像；对掌纹图像切块，采用并行方式计算每块图像块的各项质量评价指标。该方式在降低评价时间的同时，也避免了手掌按压力度不均匀、着力点分散对图像质量评价带来的标准不易把控问题；秩和比方法可以科学、有效的将各项掌纹图像评价指标凝练并给出一个综合的评价结果。(2)本发明方法针对有多个指标评价掌纹图像质量时，给出了可将各项指标凝练并给出一个综合、科学评价结果的策略。随着掌纹识别应用的日益广泛，本发明的有益技术效果更加明显；(3)本发明构造的掌纹切块及并行计算各项掌纹质量评价指标的方式一方面有效的克服了掌纹图像质量评价计算时间长的不足；另一方面还克服了手掌采集时因按压力度不均匀及着力点分散，导致掌纹图像各区域之间的差异性大，不适宜采用全图全局质量统一评价的缺点。附图说明图1本发明实施方法的流程图；图2掌心空白区域示意图。具体实施方式下面结合附图及实施例对本发明进行详细说明。如图1所示，该方法包括以下步骤：步骤s01：对掌纹图像质量做初步评价，对于达不到初步评价要求的掌纹图像认定为掌纹图像质量综合评价不合格；对于给定的某张采集到的掌纹图像，假定其图像高度h＝2304像素，宽度w＝2304像素。初步计算如下的指标：(1)掌纹图像是否完整。利用掌纹区域与背景区域各像素的灰度值的不同，采用图像处理技术的相关方法，将图像切割为掌纹区域与背景区域，统计掌纹区域内像素点的个数ipalm＝4034396，由此cpalm＝4034396/(2304×2304)＝0.76；(2)掌心空白区域像素个数的倒数。针对已从图像中剥离出来的掌纹区域，在其中心位置处随机采样像素点。如果像素点灰度值与图像背景区域灰度值接近，则采用计算机图形学中的种子填充等方法逐步找到掌心空白区域。统计掌心空白区域的像素点个数为ipalm＝4290个，则bpalm＝1/iblank＝1/4290。设定cpalm的阈值为0.5，bpalm＝1/9000，则此次完成掌纹图像质量综合评价的初步评价后排除不合格的情况，转而进入步骤s02。步骤s02：将掌纹图像切块、编号，形成掌纹图像块质量评价序列；将掌纹图像按照每个块尺寸为hblock＝128像素，wblock＝128像素进行切割。则共计有个图像块。每个块之间无重叠区域，按照从左至右从上到下的顺序给这324个块编号。步骤s03：分别计算各个掌纹图像块的各项评价指标；假定当前正在处理的是第150个图像块，分别计算该掌纹图像块的各项评价指标：(1)掌纹区域在图像块占比。该指标可以通过图像处理的方法求得iblock＝15564，然后计算公式cblock＝15564/(128×128)＝0.95。(2)图像块干湿程度。可以先求得该图像块的eblock＝176，dryblock＝|128-176|＝48。(3)图像块清晰程度。图像块中全部像素灰度值的标准差sblock＝1333。(4)纹线方向一致性程度。通过图像处理中gabol滤波的方法对该图像块的方向一致性程度进行计算，conblock＝202。步骤s04：采用秩和比方法对全部掌纹图像块进行质量综合评价；当全部324个掌纹图像块的四项指标计算完毕后，可以开始步骤s04，该步骤又分成如下的几个子步骤：步骤s041：对掌纹图像块的各项评价指标进行排秩；由于本例中采用了前述四个指标作为质量综合评价的评价依据，因此针对全部324个图像块分别对这四个指标进行排秩，其中(1)、(3)、(4)三个指标为高优秩，(2)为低优秩。给出排秩结果如下，其中括号内的数字为排秩结果。块编号cblockdryblocksblockconblock10.21(272)80(4)160(241)140(32)20.37(180)82(6)303(181)210(23)30.33(202)120(30)411(156)71(245)40.59(165)170(88)632(121)41(291)50.41(172)75(3)523(133)69(249)……………3230.66(143)70(1)872(76)82(182)3240.72(123)73(2)753(82)119(158)步骤s042：定义全部掌纹图像块的秩和比矩阵；步骤s043：依次计算各掌纹图像块的秩和比。按照公式计算掌纹图像块的秩和比：后面各图像块的秩和比值依据公式逐一计算。步骤s05：预设若干秩和比阈值，统计大于不同阈值的掌纹图像块个数，确定各掌纹图像的质量级别；预设秩和比阈值y1＝0.560和y2＝0.303，依次对324个掌纹图像块统计其rsri值，其中大于等于y1的个数z1＝35个，大于y2的个数z2＝212个。预设掌纹图像质量综合评价为“优秀”的阈值为z1＝50，掌纹图像质量综合评价为“良好”的阈值为z2＝190。做如下判断：由于z1<z1且z2≥z2，则最终认定当前掌纹图像质量综合评价的结果为良好。上面对本发明的较佳实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。当前第1页12