掌纹识别中的掌纹roi分割方法
【专利摘要】掌纹识别中的掌纹ROI分割方法,属于掌纹识别领域,为了解决现有的掌纹识别识别过程中，掌纹分割所具有的基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题,包括如下步骤：S1.选取拟合直线；S2.图像矫正和掌纹的ROI分割，效果是：图像分割算法降低了图像采集时图像旋转和平移的影响。
【专利说明】
掌纹识别中的掌纹ROI分割方法
技术领域
[0001]本发明属于掌纹识别领域，涉及一种掌纹识别中的掌纹ROI分割方法。
【背景技术】
[0002] 随着社会的发展和科技水平的提高，人民的安全意识不断增强，信息的安全受到 越来越的关注，因此在现实生活中，每个人都经常面对身份的鉴别问题。传统的身份认证经 常采用密码、口令、证件等，这些传统的鉴别方法存在很大的弊端。生物特征识别技术因其 固有安全等级高的优点，正在慢慢的取代传统的身份认证方法，经常采用指纹、人脸、虹膜、 步态、笔迹、手形、掌纹等人体特征。目前，单个生物特征有其固有的局限性，还没有一种单 独的生物特征识别技术可以满足实际的需求。多模态生物特征识别技术通过多生物特征融 合的方法，来提高识别的准确率和扩大应用范围，以满足实际的需求。由于手部图像采集方 便、用户接受度高、包含信息量大、识别准确率较高等，目前被广泛应用。
[0003] 掌纹识别一般包括掌纹提取、掌纹信息分析等几个主要部分，其中掌纹提取中，会 涉及掌纹分割的步骤，现有技术的基于正方形的定位分割方法中，定位点不易确定、且同类 图像ROI提取偏移度较大。
【发明内容】
[0004] 为了解决现有的掌纹识别识别过程中，掌纹分割所具有的基于正方形的定位分割 方法中定位点不易确定和同类图像ROI提取偏移度较大问题，本发明提出了一种掌纹识别 中的掌纹ROI分割方法，以更容易实现对于正方形的定位分割方法中定位点的确定，并且可 以减小图像ROI提取偏移度，为了实现上述目的，本发明的技术方案是：
[0005] -种掌纹识别中的掌纹ROI分割方法，包括如下步骤：
[0006] SI.选取拟合直线；
[0007] S2.图像矫正和掌纹的ROI分割。
[0008] 进一步的，在图像中选取一条稳定的直线作为ROI分割的参考方向，针对轮廓图第 一象限的边缘点采用最小二乘法拟合出一条直线。
[0009] 进一步，确定ROI的中心点，以谷点Ml为固定点，在点M2所在行上寻找使直线M1M2 与拟合直线L成固定角度的点M2'，取线段M1M2'的中点0,做直线M1M2'的垂直平分线，并在 垂直平分线的右侧区域找到固定长度R的点01，则点01就在手掌的中心区域内，最后以点01 为ROI的中心点，截取128 X 128的正方形区域作为图像的ROI，所述i? I顧1M2^ ,所述正 O 方形的其中两条边平行于拟合直线L。
[0010]进一步的，拟合直线的步骤是：
[0011]设直线的方程表达式为：
[0012] y = kx+b (1)
[0013] 根据手掌边缘轮廓的测量值求出直线在y轴上的截距b和直线斜率k，（Xl，yi)为手 掌边缘轮廓的测量值的坐标，bQ、kQ为b、k的近似值，令：
[0014] b = bo+5b
[0015] k = ko+5k
[0016] 其中，和δ??是斜率和截距的偏差；
[0017] 以7作为闵变量，Ph为自变量,误差方程为：
[0018]
[0019]误差方程的矩阵表达式为：
[0020] A5X = L+V
[0021] 其中
[0022]
[0023]
[0024]由最小二乘法准则
[0025] VTV=min
[0026] ΗΠ
[0027]
[0028] 其最小二乘解为：
[0029] δ X =(ATA X lA rL (2)
[0030] 以此得出k、b的值，带入公式1即得拟合方程和拟合直线。
[0031]有益效果:算法解决了基于正方形的定位分割方法中定位点不易确定和同类图像 ROI提取偏移度较大问题，这种图像分割算法还降低了图像采集时图像旋转和平移的影响。 算法是用简单方法解决复杂问题，与现有的其他方法相比达到相同效果的情况下，算法不 仅节约时间而且更易于实现，且提取的ROI偏移度更小，算法可靠，更具有实用性。
【附图说明】
[0032]图1是本发明处理的手形图像及手型特征点位置示意图；
[0033]图2是本发明圆盘算法原理图；
[0034]图3是本发明手形局部分块示意图；
[0035]图4是掌纹图像及ROI分割图。
【具体实施方式】
[0036]实施例1:掌纹识别中最重要的步骤就是掌纹感兴趣区（ROI)的分割，针对原有算 法的缺陷，提出一种基于特定部位直线拟合的ROI分割方法。手掌的轮廓线会随着手指张开 的程度变化，而手掌小拇指一侧的边缘区域的轮廓线不会随手指张开程度的变化而变化。 根据这一特点，针对手掌轮廓特定的边缘点采用最小二乘法拟合出一条直线L。以直线L为 基准，以图4(a)中两指谷点Ml、M2为参考点，分别做两条平行于直线L的直线ab和直线cd;以 点Ml、M2的中点做平行于直线L的直线001，通过点Ml做垂直于L的直线，该直线于直线cd交 点为M2'，于直线001交点为01，以点0为基准，确定某一长度在直线001上截取，确定点01。以 点01为中心，确定截取长度，分别在平行于和垂直于直线L的方向对图像进行分隔，获得掌 纹ROI，如图4(a)所示。本实施例记载了一种掌纹识别过程中的掌纹ROI分割方法，包括如下 步骤：
[0037] 1)选取拟合直线
[0038]首先在图像中选取一条稳定的直线作为ROI分割的参考方向。通过对图像的分析 发现，在采集图像时，虽然存在手指张开的随意性，但手掌小拇指一侧的后边缘区域的轮廓 线变化很小，根据这一特点，针对轮廓图第一象限的边缘点采用最小二乘法拟合出一条直 线。
[0039]设直线的方程表达式为：
[0040] y = kx+b (1)
[0041] 根据手掌边缘轮廓的测量值求出最佳的b(直线在y轴上的截距)和k(直线斜率）。 (Xi，yi)为手掌边缘轮廓的测量值的坐标，bo、ko为b、k的近似值。令：
[0042] b = bo+5b
[0043] k = ko+5k
[0044] 以y作为因变量，以x为自变量，误差方程为：
[0045] 其中，3b和3k是斜率和截距的偏差；
[0046]
[0047]误差方程的矩阵表达式为：
[0048] A5X = L+V
[0049] 苴由
[0050]
[0051]
[0055]
[0052]由最小二乘法准则(min代表最小值）[0053] VTV=min[0054] m
[0056]
[0057] 从而得出a、b的值，带入公式1即得拟合方程，如图4(a)中直线L就是所求拟合直 线。
[0058] 2)图像校正和掌纹的ROI分割
[0059]对掌纹图像进行以上处理后，开始确定ROI的中心点。为减小同一个人图像中心点 的偏移问题采用如下方法。如图4(a)所示，以谷点Ml为固定点，在点M2所在行上寻找使直线 M1M2与拟合直线L成固定角度（实验中取的90度）的点M2'。取线段M1M2'的中点0,做直线 M1M2'的垂直平分线，并在垂直平分线的右侧区域找到固定长度R(其中i? = 4x|Mly￥2'|)的 O 点01，则点01就在手掌的中心区域内，最后以点01为ROI的中心点，截取128 X 128的正方形 (其中两条边平行于拟合直线L)区域作为图像的R0I。图4(b)是改进算法对特殊图像的分割 的实验仿真图。
[0060] 本实施例针对现有方法中的不足提出了一种新的定位分割算法，算法解决了基于 正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题，这种图像 分割算法还降低了图像采集时图像旋转和平移的影响。算法是用简单方法解决复杂问题， 与现有的其他方法相比达到相同效果的情况下，算法不仅节约时间而且更易于实现，且提 取的ROI偏移度更小，算法可靠，更具有实用性。
[0061] 实施例2:本实施例公开了一种基于手形和掌纹的多模态生物识别方法，其中，手 形识别包括手形轮廓提取、特征点定位、特征量分析等几个主要部分。而掌纹识别一般包括 掌纹提取、掌纹信息分析等几个主要部分，其中掌纹提取中，会涉及掌纹分割的步骤。对于 掌纹的部分，如实施例1中技术方案的记载，而对于手形部分的记载，请参见下述方案。此 外，所述的手形部分的记载，可以为掌纹部分记载的上级步骤或下级步骤，作为掌纹ROI分 割方法的一部分。
[0062]对手形图像做灰度处理，进行灰度增强;确定分割阈值，对图像进行二值化;通过 边界跟踪，提取手形轮廓如图1所示。通过对图2的分析，以轮廓线上某点为圆心，以R为半 径，圆内既有属于目标区域像素点也有属于背景区域像素点。可以看出当圆盘在直线上移 动时，在圆盘内有些目标区域和背景区域的点在圆心的上方，有些在圆心的下方。而当圆盘 转到上凸区域的拐点时，在圆盘内目标区域的所有点都在圆心点的下方，当圆盘转到下凸 区域的拐点时，在圆盘内背景区域的所有点都在圆心点的上方。基于以上理论提出了圆盘 极值算法，手形轮廓线内部为目标区域，外部为背景区域，通过分析手形轮廓图（图1)可以 看出，假设圆盘中心在某一手指指峰处的点T，则在点T的周围的邻域内的点都在它的下方 或者同一行，对于指谷也有着相似的特点，唯一不同的是邻域内的点在指谷点的上方或者 同一行，而且只有指峰和指谷特征点有这一特征，从而确定手指指峰点和指谷点的位置。
[0063] 在图3(a)中，确定中指指峰点所在较小区域，利用圆盘极值法确定中指指峰点T2， 以Τ2所在列将手形图像分割成两部分，图3(b)为无名指小拇指所在区域子图，图3(c)为食 指所在区域子图。在图3(b)中确定小拇指与无名指间指谷点所在区域，利用圆盘极值法确 定该指谷点Τ7。针对图3(c)，确定分割参数，将其割成食指与中指间指谷点区域子图3(d)和 食指指峰点区域子图3(e)。在图3(d)图3(e)的较小的区域内利用圆盘极值法分别确定食指 与中指间指谷点Τ5和食指指峰点Tl。进一步确定分割参数，将图3(b)分割成中指与无名指 间指谷点区域子图3(f)、无名指指峰点区域子图3(g)和小拇指间指峰点区域子图3(h)。在 图3(f)中较小的区域内利用圆盘极值法确定中指与无名指间指谷点T6,在图3(g)和图3(h) 中较小的区域内利用圆盘极值法分别无名指指峰点T3和小拇指指峰点T4。
[0064] 将手形图像做灰度化处理，绘制灰度图像的直方图，找出像素灰度集中范围，进行 灰度增强，使图像更加清晰。采用局部阈值二值化，对二值化后的图像再采用半径为1的圆 盘进行腐蚀膨胀运算，剔除小区域，之后可以进行特征定位，
[0065 ]在特征定位的步骤中，本实施例提出一种手形识别中特征点固定定位顺序的方 法，对本方法中技术术语作出如下定义:子图b是无名指小拇指所在区域子图，子图c是食指 所在区域子图，子图e是食指指峰点所在区域子图，子图f是中指与无名指间指谷点区域子 图，子图g是无名指指峰点区域子图，子图h是小拇指间指峰点区域子图；
[0066]所述方法包括如下步骤：
[0067] SI.创建7个空数组31□用来存放满足条件的属于同一根手指的指峰或指谷的特 征点，其中：i = l，…，7;
[0068] S2.对原图a进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此 点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组&中，数组中间点 就是中指指峰点T2;
[0069] S3.根据中指指峰点T2将原图分为子图b和子图c，对子图由下向上、由左到右扫 描，当扫描线与轮廓线首次出现多个交点时，以该行除与左侧边缘轮廓线的交点之外的其 它交点为基准点，利用圆盘极值法确定轮廓线全部在圆心下方的点存数组&中，数组S 2的中 间点就是小拇指与无名指的指谷点T7;
[0070] S4 ·计算m + ^X |x, -λ·7 I，其中X2、X7为T2、T7的横坐标，对子图c以n3为左边界即 3 是子图e的区域，对子图e进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点， 以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S3中，数组S3的中 间点就是中指指峰点T2;
[0071 ] S5 ·计算《4 = X丨+ 了>4丫: - α·7 I，幻为!11的横坐标，对子图d，行由y7向上，列由X2到ru的 3 区域进行扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线 全部在圆心下方的点存入数组S4中，数组S4的中间点就是食指与中指间的指谷点T5,其中y 7 是点T7的纵坐标；
[0072] S6.计算《5 =x7 +yx|x5 -λ·7|，χ5为T5的横坐标，对子图f，行由y7向上，列由Π 5到X2的 区域进行扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线 全部在圆心下方的点存入数组S5中，数组S5的中间点就是中指与无名指间的指谷点T6;
[0073] 37.计算《.6 =X2 -|x|x2 -jc6.|，_对子图b以Π 6为右边界即是子图g的区域，对子图g进行 由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值 法确定轮廓线全部在圆心下方的点存入数组S6中，数组S6的中间点就是无名指指峰点T3;
[0074] S8.根据已确定的点计算ymax=MAX(yi，y3)，ymin = MIN(yi，y3)，a3= |y2_ymin|，对子 图h，行由（ymax+a3)向下，列以n6为右边界的区域进行扫描，记录交点首次大于2的行数，将 满足|m-m +11彡2的交点存入数组S7中，数组S7的中间点就是小拇指指峰点的特征点T4。
[0075] 其中：
[0076]子图b是无名指小拇指所在区域子图，子图c是食指所在区域子图，子图e是食指指 峰点所在区域子图，子图f是中指与无名指间指谷点区域子图，子图g是无名指指峰点区域 子图，子图h是小拇指间指峰点区域子图；
[0077] m食指指峰点子图分割参数、m食指和中指间指谷点子图分割参数、n5中指和无名 指间指谷点子图分割参数、n6无名指指峰点子图分割参数。
[0078] yi，y2，y3分别为特征点T1、T2和T3的纵坐标，ymax为yi和y3的最大值，ymin为yi和y3的 最小值。
[0079] 上述掌纹识别中的掌纹ROI分割方法，因为采用了特定区域直线拟合及固定特征 点定位技术，能够快速有效地提取掌纹R0I。克服了原有算法的不足，降低了图像采集时图 像旋转和平移的影响。与原有算法相比在计算效率与准确率方面都有较大优势，计算时间 大大缩短，而且更易于实现，为基于掌纹的身份认证系统的实现提供了理论和实验依据。该 算法不仅准确率高、速度快、算法简单而且解决了传统方法扫面范围大、圆盘阈值和半径难 以确定的难题，特征定位效果显著提高，算法还降低了对图像采集的要求，同时提高了用户 的舒适性，对被采集者手指张开程度没有苛刻要求，对手指有缺陷（弯曲、部分缺失）的用户 也适合此算法。
[0080] 此外，上述方案涉及的手形识别中特征点固定定位顺序的方法，采用了手形图像 分块技术，利用圆盘极值算法，可以快速准确的提取手型特征点，该算法不仅准确率高、速 度快、算法简单而且解决了传统方法扫面范围大、圆盘阈值和半径难以确定的难题，特征定 位效果显著提高，算法还降低了对图像采集的要求，同时提高了用户的舒适性，对被采集者 手指张开程度没有苛刻要求，对手指有缺陷(弯曲、部分缺失）的用户也适合此算法。
[0081] 以上所述，仅为本发明创造较佳的【具体实施方式】，但本发明创造的保护范围并不 局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明 创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之 内。
【主权项】
1. 一种掌纹识别中的掌纹ROI分割方法，其特征在于:包括如下步骤：51. 选取拟合直线；52. 图像矫正和掌纹的R0I分割。2. 如权利要求1所述的掌纹识别中的掌纹R0I分割方法，步骤S1的步骤特征如下：在图 像中选取一条稳定的直线作为R0I分割的参考方向，针对轮廓图第一象限的边缘点采用最 小二乘法拟合出一条直线。3. 如权利要求1所述的掌纹识别中的掌纹R0I分割方法，步骤S2的步骤特征如下：确定 R0I的中屯、点，W谷点Ml为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角 度的点M2/，取线段M1M2/的中点0,做直线M1M2/的垂直平分线，并在垂直平分线的右侧区域 找到固定长度R的点01，则点01就在手掌的中屯、区域内，最后W点01为R01的中屯、点，截取 128X 128的正方形区域作为图像的R0I，所述巧二f:x|M化?2'|，所述正方形的其中两条边平 0 行于拟合直线L。4. 如权利要求2所述的掌纹识别中的掌纹R0I分割方法，其特征在于，拟合直线的步骤 是： 设直线的方程表达式为： y = kx+b (1) 根据手掌边缘轮廓的测量值求出直线在y轴上的截距b和直线斜率k，（XI，yi)为手掌边 缘轮廓的测量值的坐标，bo、ko为b、k的近似值，令： b = bo+5b k = ko+5k 其中，Sb和化是斜率和截距的偏差； Wy作为因变量，Wx为自变量，误差方程为：误差方程的矩阵表达式为： A抽= L+V 其中由最小二乘法准则W此得出k、b的值，带入公式1即得拟合方程和拟合直线。
【文档编号】G06K9/32GK105938549SQ201610409033
【公开日】2016年9月14日
【申请日】2016年6月8日
【发明人】张秀峰, 关持循, 王娟
【申请人】大连民族大学