专利名称：掌纹图像中手掌区域的获取方法及装置的制作方法
技术领域：
本发明涉及数字图像处理和模式识别技术领域，特别涉及一种掌纹图像中手掌区域的获取方法及装置。
背景技术：
掌纹图像中手掌分割是指将掌纹图像中的手掌区域从背景中分割出来，它对掌纹识别区域的确定十分关键。目前使用最为广泛的手掌分割技术为利用手掌肤色信息进行分割，具体的方法包括肤色阈值法，颜色查表法，基于直方图技术的贝叶斯分类法，基于神经网络的肤色预测方法，采用单高斯、混合高斯分布模型的方法等。这些方法主要通过大量样本获得先验肤色知识，建立肤色模型，然后利用该模型确定手掌区域。现有技术提供了两种具体的掌纹图像中手掌区域的获取方法，其中一种使用机器学习的方法，根据训练样本的肤色信息建立神经网络模型，利用该神经网络模型判别掌纹图像中的像素是否为手掌像素，从而最终确定手掌区域；另一种使用高斯模型对手掌的肤色信息进行建模，然后利用该高斯模型获得手掌区域。上述两种方法都是基于肤色模型确定手掌区域，这种方法受到光照、图像采集设备、背景变化的影响比较大，很难找到一个通用的肤色模型适合每一幅图像。在外界条件改变时，确定的手掌的区域很容易与背景混淆，而且也会受图像中其他肤色区域的干扰，导致获得的手掌区域不够准确。
发明内容
本发明所要解决的技术问题是针对现有技术的缺陷，提出一种掌纹图像中手掌区域的获取方法及装置，用以更加准确的确定手掌区域。为了解决上述技术问题，本发明提供了一种掌纹图像中手掌区域的获取方法，包括提取步骤，根据肤色模型提取掌纹图像中的候选手掌像素集；拟合步骤，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集；选取步骤，分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取手掌区域像素集；获取步骤，根据手掌区域像素集，确定掌纹图像中的手掌区域。进一步的，所述拟合步骤具体为通过期望最大化方法，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集。进一步的，所述拟合步骤包括将候选手掌像素集映射到掌纹图像中，得到二值掌纹图像；将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据；针对根据拟合数据和二值图像得到的集合，通过期望最大化方法，拟合出混合高斯模型的参数；根据混合高斯模型，设定阈值将候选手掌像素集分为两个候选手掌像素子集。进一步的，所述将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据具体为将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，选取饱和度通道的图像元素作为拟合数据。进一步的，在选取步骤中，计算候选手掌像素子集的空间形状特征向量包括计算候选手掌像素子集的χ方向和y方向的离散度、y方向的直方图投影的局部极大值；将χ方向和y方向的离散度、y方向的直方图投影的局部极大值作为候选手掌像素子集的空间形状特征向量。进一步的，在选取步骤中，根据空间形状特征向量从两个候选手掌像素子集选取手掌区域像素集包括分别计算两个候选手掌像素子集的空间形状特征向量与预先建立的手掌图像空间形状特征向量均值模板的相似度，相似度最高的候选手掌像素子集选为手掌区域像素集；所述手掌图像空间形状特征向量均值模板是通过计算大量训练样本的手掌区域和非手掌区域的空间形状特征向量，采用K-均值方法对手掌区域和非手掌区域的空间形状特征向量进行分别聚类而得到的。本发明还提供了一种掌纹图像中手掌区域的获取装置，包括提取模块，用于肤色模型提取掌纹图像中的候选手掌像素集；拟合模块，用于对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集；选取模块，用于分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取手掌区域像素集；获取模块，用于根据手掌区域像素集，确定掌纹图像中的手掌区域。进一步的，所述拟合模块具体用于通过期望最大化方法，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集。进一步的，所述拟合模块包括二值化单元，用于将候选手掌像素集映射到掌纹图像中，得到二值掌纹图像；转换单元，用于将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据；拟合单元，用于针对根据拟合数据和二值图像得到的集合，通过期望最大化方法， 拟合出混合高斯模型的参数；划分单元，用于根据混合高斯模型，设定阈值将候选手掌像素集分为两个候选手掌像素子集。进一步的，所述转换单元具体用于将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，选取色度或饱和度通道的图像元素作为拟合数据。进一步的，所述选取模块包括第一计算单元，用于计算候选手掌像素子集的χ方向和y方向的离散度、y方向的直方图投影的局部极大值；向量获取单元，用于将χ方向和y方向的离散度、y方向的直方图投影的局部极大值作为候选手掌像素子集的空间形状特征向量。进一步的，所述选取模块包括第二计算单元，用于分别计算两个候选手掌像素子集的空间形状特征向量与预先建立的手掌图像空间形状特征向量均值模板的相似度；所述手掌图像空间形状特征向量均值模板是通过计算大量训练样本的手掌区域和非手掌区域的空间形状特征向量，采用 K-均值方法对手掌区域和非手掌区域的空间形状特征向量进行分别聚类而得到的；选取单元，用于将相似度最高的候选手掌像素子集选为手掌区域像素集。本发明提供的掌纹图像中手掌区域的获取方法及装置，不仅利用了手掌区域的肤色信息，还利用了手掌的形状和空间分布信息，能够有效地将其他非手掌肤色区域分割掉， 从而获得更加准确的手掌区域。
图1为本发明提供的掌纹图像中手掌区域的获取方法一实施例的流程图；图2A为采集得到的掌纹图像；图2B为采用现有技术提供的方法得到的手掌区域图像；图2C为采用本发明提供的方法得到的手掌区域图像；图3为本发明提供的掌纹图像中手掌区域的获取装置实施例的结构示意图。
具体实施例方式本发明提供的掌纹图像中手掌区域的获取方法的核心思想包括四个步骤，分别为提取步骤、拟合步骤、选取步骤和获取步骤，具体地说，首先，提取步骤为根据训练得到的肤色模型对掌纹图像进行处理，提取掌纹图像中的候选手掌像素集A，该步骤通过大量训练样本获得先验肤色知识，建立肤色模型，利用该肤色模型能够保证掌纹图像中96%以上的手掌像素被检测出来；拟合步骤为对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集；选取步骤为分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取得到手掌区域像素集，该步骤是对候选手掌像素集中的像素进行筛选，去除其中的非手掌区域像素；获取步骤为根据手掌区域像素集， 确定掌纹图像中的手掌区域。本发明不仅利用了手掌区域的肤色信息，还利用了手掌的形状和空间分布信息，可以更加准确的确定手掌区域。下面结合附图及优选实施方式对本发明技术方案进行详细说明。图1为本发明提供的掌纹图像中手掌区域的获取方法一实施例的流程图，本实施例具体包括以下步骤步骤101、根据训练得到的肤色模型对掌纹图像进行处理，得到候选手掌像素集， 本步骤为提取步骤。首先，通过大量的手掌像素样本训练一个肤色模型，该肤色模型可以为混合高斯模型。本实施例中，训练了具有16个高斯核的手掌肤色模型，如式(1)和式(2)所示，其中通过训练样本获得了参数《，μ , δ的值。
权利要求
1.一种掌纹图像中手掌区域的获取方法，其特征在于，包括 提取步骤，根据肤色模型提取掌纹图像中的候选手掌像素集；拟合步骤，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集； 选取步骤，分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取手掌区域像素集；获取步骤，根据手掌区域像素集，确定掌纹图像中的手掌区域。
2.根据权利要求1所述的方法，其特征在于，所述拟合步骤具体为通过期望最大化方法，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集。
3.根据权利要求2所述的方法，其特征在于，所述拟合步骤包括 将候选手掌像素集映射到掌纹图像中，得到二值掌纹图像；将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据； 针对根据拟合数据和二值图像得到的集合，通过期望最大化方法，拟合出混合高斯模型的参数；根据混合高斯模型，设定阈值将候选手掌像素集分为两个候选手掌像素子集。
4.根据权利要求3所述的方法，其特征在于，所述将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据具体为将掌纹图像由RGB颜色空间模式转换到HSV 颜色空间模式，选取饱和度通道的图像元素作为拟合数据。
5.根据权利要求1所述的方法，其特征在于，在选取步骤中，计算候选手掌像素子集的空间形状特征向量包括计算候选手掌像素子集的χ方向和y方向的离散度、y方向的直方图投影的局部极大值；将χ方向和ι方向的离散度、y方向的直方图投影的局部极大值作为候选手掌像素子集的空间形状特征向量。
6.根据权利要求1所述的方法，其特征在于，在选取步骤中，根据空间形状特征向量从两个候选手掌像素子集选取手掌区域像素集包括分别计算两个候选手掌像素子集的空间形状特征向量与预先建立的手掌图像空间形状特征向量均值模板的相似度，将相似度最高的候选手掌像素子集选为手掌区域像素集；所述手掌图像空间形状特征向量均值模板是通过计算大量训练样本的手掌区域和非手掌区域的空间形状特征向量，采用K-均值方法对手掌区域和非手掌区域的空间形状特征向量进行分别聚类而得到的。
7.一种掌纹图像中手掌区域的获取装置，其特征在于，包括 提取模块，用于肤色模型提取掌纹图像中的候选手掌像素集；拟合模块，用于对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集；选取模块，用于分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取手掌区域像素集；获取模块，用于根据手掌区域像素集，确定掌纹图像中的手掌区域。
8.根据权利要求7所述的装置，其特征在于，所述拟合模块具体用于通过期望最大化方法，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集。
9.根据权利要求8所述的装置，其特征在于，所述拟合模块包括二值化单元，用于将候选手掌像素集映射到掌纹图像中，得到二值掌纹图像；转换单元，用于将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据；拟合单元，用于针对根据拟合数据和二值图像得到的集合，通过期望最大化方法，拟合出混合高斯模型的参数；划分单元，用于根据混合高斯模型，设定阈值将候选手掌像素集分为两个候选手掌像素子集。
10.根据权利要求9所述的装置，其特征在于，所述转换单元具体用于将掌纹图像由 RGB颜色空间模式转换到HSV颜色空间模式，选取饱和度通道的图像元素作为拟合数据。
11.根据权利要求7所述的装置，其特征在于，所述选取模块包括第一计算单元，用于计算候选手掌像素子集的X方向和y方向的离散度、y方向的直方图投影的局部极大值；向量获取单元，用于将χ方向和y方向的离散度、y方向的直方图投影的局部极大值作为候选手掌像素子集的空间形状特征向量。
12.根据权利要求7所述的装置，其特征在于，所述选取模块包括第二计算单元，用于分别计算两个候选手掌像素子集的空间形状特征向量与预先建立的手掌图像空间形状特征向量均值模板的相似度；所述手掌图像空间形状特征向量均值模板是通过计算大量训练样本的手掌区域和非手掌区域的空间形状特征向量，采用K-均值方法对手掌区域和非手掌区域的空间形状特征向量进行分别聚类而得到的；选取单元，用于将相似度最高的候选手掌像素子集选为手掌区域像素集。
全文摘要
本发明公开了一种掌纹图像中手掌区域的获取方法及装置，属于数字图像处理和模式识别技术领域。其中方法包括提取步骤，根据肤色模型提取掌纹图像中的候选手掌像素集；拟合步骤，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集；选取步骤，分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取手掌区域像素集；获取步骤，根据手掌区域像素集，确定掌纹图像中的手掌区域。本发明提供的掌纹图像中手掌区域的获取方法及装置，不仅利用了手掌区域的肤色信息，还利用了手掌的形状和空间分布信息，能够有效地将其他非手掌肤色区域分割掉，从而获得更加准确的手掌区域。
文档编号G06K9/54GK102184404SQ20111011157
公开日2011年9月14日 申请日期2011年4月29日 优先权日2011年4月29日
发明者冯毅, 刘昌平, 黄磊 申请人:汉王科技股份有限公司