专利名称：一种掌纹提取识别方法
技术领域：
本发明属于提取识别技术领域。
背景技术：
人手部掌纹由于各种原因分为正常纹和异常纹，而异常纹可能会出现“十”状纹、“井”状纹、“米”状纹等纹路。许君德提出一种全息掌纹检测方法，使用手机摄像头采集掌纹图像并观察其颜色深浅、纹理形状，对比标准全息掌纹图得出资料，这种方法的缺点是人们对颜色深浅、纹理形状的判断会由于个体知识经验水平存在很大差异，这种感性的判断会严重影响结论。高华江提出一种用手机摄像头获取掌纹特征信息的方法，主要涉及通信技术领域，需要将获取的掌纹图像与数据库图像对比，该方法不能完全自动的输出所需信息。侯万春提出一种通过电子掌纹或电子面纹进行健康分析方法，该方法主要是将采集到的掌纹图像和数据库中的图像自动辨识加人工校对方法生成应答消息传送给终端。这种方法需要组建并搜索大型数据库，速度慢，人工校对的效率低，耗资大。
发明内容
本发明的目的是克服现有的方法都需要人工参与定位辨识掌纹才能得到掌纹信息的不足，通过依靠计算机就能准确区分出手掌正常纹和异常纹的一种掌纹提取识别方法。本发明的操作步骤是:
a、采集掌纹图像进行预处理:将采集到的彩色掌纹图像灰度化，使用灰度阈值分割法将掌纹灰度图像二值化，使用形态学开运算平滑图像边缘；
b、提取手掌轮廓，分析手掌轮廓上特征点:追踪提取图像轮廓，使用距离导数方法找到五个手指的指尖点和指根点；
C、提取掌纹三条主干线:使用sobel算子提取主干线的边缘，模拟形态学“生长”方法连接断续的主干线，细化获得清晰的主干线；
d、获得主干线的特征点，对掌部掌纹进行区域分割:根据八卦图分析找到主干线上的16个关键点，将这些关键点连线得到九个区域，判断图像上的点所属的图片，分割出图像上的图形；
e、搜索识别各个分割出的小区域内的异常纹。本发明上述采集方法所需要的采集掌纹的装置是:在机台安装有立支架，横支架下端安装的上支架插在立支架内部，并且上支架上的插销对应立支架的插孔；在机台上的两个立支架之间有固定手臂夹板和活动手臂夹板，固定手臂夹板和活动手臂夹板之间是手臂放置空间，活动手臂夹板通过手臂夹板弹簧连接在固定手臂夹板支架上；在横支架上有固定相机夹板和活动相机夹板，活动相机夹板通过相机夹板弹簧连接在固定相机夹板支架上；在横支架对应相机的镜头部位开有摄制孔。本发明提供的技术方案提出将掌纹中的异常纹这一显著的识别特征，克服了现有技术描述识别特征(颜色和纹理形状)时的感性局限性。同时，本发明在提取掌纹上的主干线时，提供了 一种“生长”的方法，循着掌纹主线纹路的延伸趋势将断续的主干线连接，相较现有的方法更符合掌纹特征的生物特点，提取出的掌纹主干线更贴近真实掌纹的形态和位置。此外，本发明提供的识别异常纹的方法能完全由计算机自动的识别出手掌上的“十”状纹和“米”状纹、“岛”形纹，单机操作，无需联网，也不需要人工参与对比辨识，提高了识别效率和准确度。使用人群广泛，任何人都能够毫无困难的使用该系统，包括老人和小孩。
图1是本发明掌纹提取识别方法的流程 图2是本发明掌纹采集装置结构示意 图3是本发明图2的俯视 图4是本发明掌纹灰度图像；
图5是本发明灰度直方 图6是本发明手掌二值图像；
图7是本发明平滑前后边缘“毛刺”放大 图8是手掌轮廓；
图9是手掌坐标系及轮廓特征点示意 图10是手掌轮廓上的点到ο的欧式平方距离曲线；
图11是欧式平方距离曲线的导数曲线；
图12是Sobel算子检测边缘 图13是去噪后的手掌边缘图像；
图14是三条断续的主干线；
图15是主干线断点的“生长”模型；
图16是“生长”后连续的主线；
图17是手掌掌纹九个区域对比 图18是手掌轮廓与三条主线的叠加图及定位关键点；
图19是划分的九块区域；
图20是分割出的九块区域；
图21是累加器出现两个峰(存在“十”状纹)；
图22是累加器出现一个峰(无“十”状纹)；
图23是累加器无显著高峰(无“十”状纹)；
图24是累加器出现三个高峰(存在“米”状纹)。
具体实施例方式本发明的步骤是:
a、采集掌纹图像进行预处理:将采集到的彩色掌纹图像灰度化，使用灰度阈值分割法将掌纹灰度图像二值化，使用形态学开运算平滑图像边缘；
b、提取手掌轮廓，分析手掌轮廓上特征点:追踪提取图像轮廓，使用距离导数方法找到五个手指的指尖点和指根点； C、提取掌纹三条主干线:使用sobel算子提取主干线的边缘，模拟形态学“生长”方法连接断续的主干线，细化获得清晰的主干线；
d、获得主干线的特征点，对掌部掌纹进行区域分割:根据八卦图分析找到主干线上的16个关键点，将这些关键点连线得到九个区域，判断图像上的点所属的图片，分割出图像上的图形；
e、搜索识别各个分割出的小区域内的异常纹。本发明在机台16安装有立支架8，横支架15下端安装的上支架I插在立支架8内部，并且上支架I上的插销对应立支架8的插孔2，上支架I可以在立支架8内部上下抽插，当达到最佳照相位置后，通过上支架I上的插销卡入插孔内部，从而将上支架I和立支架8相对的固定；在机台16上的两个立支架8之间有固定手臂夹板7和活动手臂夹板3，固定手臂夹板7和活动手臂夹板3之间是手臂放置空间6，活动手臂夹板3通过手臂夹板弹簧4连接在固定手臂夹板支架5上，活动手臂夹板3可以在手臂夹板弹簧4的作用下左右移动，放置好手臂后，通过手臂夹板弹簧4将手臂夹持住，可以保证手臂相对稳定；在横支架15上有固定相机夹板9和活动相机夹板11,活动相机夹板11通过相机夹板弹簧12连接在固定相机夹板支架13上，活动相机夹板11在相机夹板弹簧12的作用下，可以左右移动，当放置好相机10以后，通过相机夹板弹簧12的弹力将相机10夹持在固定相机夹板9和活动相机夹板11之间；在横支架15对应相机10的镜头部位开有摄制孔14，夹持好的相机10的摄像头正好置于设置孔14的位置，与下部放置好的手掌正好也对应上，这样就可以通过相机采集手掌的掌纹图像了。在具体实现过程中，采集步骤进一步包括掌纹特征图像的采集步骤，该步骤包括:
手掌竖直向上，五指自然张开平置于采集台的幕布前，在自然光条件下无曝光的采集手掌图像；
在具体实现过程中，预处理步骤包括:
SI将采集到的彩色掌纹图像灰度化:使用matlab读取一幅RGB模式(三(红、绿、蓝)元素模式)的手掌图片，使用matlab图像处理工具箱中rgb2gray ()函数将图片模式转化为灰度 做出图像的灰度直方图，找到灰度直方图两个峰之间的谷底值T作为二值化分割的门限阈值，将灰度图像化为二值图像；
使用3;的正方形中值滤波窗
口对图像进行中值滤波；
使用边界跟踪算法提取手掌图像的轮廓。S2随后，在下一步骤106执行轮廓特征点提取，包括提取手掌轮廓的指根点和指尖点O在具体实现过程中，轮廓特征点的提取步骤包括:
建立图像坐标系xoy,以手腕的两个边缘起始点STl (start_xl, start_yl)和(start_x2, start_y2)的中点Pt作为计算距离的坐标原点；
按照公式L = (X-PQ2 +(J-Pty)2计算边界上每一点到Pt的距离L的平方；由于L为离散函数，所以使用差分相减得到近似的导数L(4 = L(n + d、-L(n)趟
验得d取10效果较好；
指尖点和指根点到Pt的距离分别是手掌轮廓上的点到Pt点距离的局部最大值和局部
最小值，因此计算近似导数== 0的点(本实验中d=10)，即为指尖点或
指根点。手掌轮廓特征点坐标图参见附图5。S3随后，在下一步骤108执行主干线提取，包括对掌纹图像进行主干线的粗提取和“生长”运算。在具体实现过程中，主干线的粗提取步骤包括:
使用Sobel算子对手掌灰度图像进行边缘检测；
滤除联通面积小于S (本实例S=20)的点；
去除手掌轮廓边缘，仅保留滤波后断续的主干线。在具体实现过程中，“生长”算法的步骤包括:
计算连通面积的长L =扣1 - x2'f + (yl-^2)2 ；
宽度取平均宽度，即连通连通面积S与L的比值；
设定在ZX增量长度为1/2 L,计算过Pl (xl,yl),P2(x2,y2)的直线y=f(x)；
计算上半部分的生长y=f (X)，其中X C (.Tl,xl+ JS)。计算y值，以平均宽度向上下延拓达到宽度增长。同理“生长”下半部分。经过“生长”运算后的图像除去面积较小的连通区域，然后细化得到清晰连贯的主干线。随后，在下一步骤110执行手掌部区域分割，包括提取主干线上的15个特征点和区域分割。以下结合附图对本发明做进一步描述:
本发明提供了一种异常纹提取识别的方法，包括以下步骤:
S1:将采集到掌纹图像进行预处理；
52:提取手掌轮廓，分析手掌轮廓上特征点；
53:提取掌纹三条主干线；
54:获得主干线的特征点，对掌部掌纹进行区域分割；
55:搜索识别各个分割出的小区域内的异常纹。符号说明:
其中，所述步骤Si包括:
SlOl:将采集到的彩色掌纹图像灰度化。S102:使用灰度阈值分割法将掌纹灰度图像二值化。由于所采集的掌纹图像的背景和前景单一，其灰度直方图有明显双峰的特点，因此选取两峰之间的谷值T作为二值化分割的门限阈值； S103:使用形态学开运算平滑图像边缘。
其中，所述步骤S2包括:5201:追踪提取图像轮廊；
5202:使用距离导数方法找到五个手指的指尖点和指根点。其中，所述步骤S202中的距离导数的方法如下:
建立手掌轮廓图像的坐标系,以手腕的两个边缘起始点a和b的中点O作为计算距离的坐标原点。按照公式(I)计算手掌轮廓上的每一点到O的欧式平方距离L。
权利要求
1.一种掌纹提取识别方法，其特征在于: a、采集掌纹图像进行预处理:将采集到的彩色掌纹图像灰度化，使用灰度阈值分割法将掌纹灰度图像二值化，使用形态学开运算平滑图像边缘； b、提取手掌轮廓，分析手掌轮廓上特征点:追踪提取图像轮廓，使用距离导数方法找到五个手指的指尖点和指根点； C、提取掌纹三条主干线:使用sobel算子提取主干线的边缘，模拟形态学“生长”方法连接断续的主干线，细化获得清晰的主干线； d、获得主干线的特征点，对掌部掌纹进行区域分割:根据八卦图分析找到主干线上的16个关键点，将这些关键点连线得到九个区域，判断图像上的点所属的图片，分割出图像上的图形； e、搜索识别各个分割出的小区域内的异常纹。
2.权利要求1所述掌纹提取识别方法，其特征在于:其中采集掌纹的装置是:在机台(16)安装有立支架(8)，横支架(15)下端安装的上支架(I)插在立支架(8)内部，并且上支架(I)上的插销对应立支架(8)的插孔(2);在机台(16)上的两个立支架(8)之间有固定手臂夹板(7)和活动手臂夹板(3)，固定手臂夹板(7)和活动手臂夹板(3)之间是手臂放置空间(6)，活动手臂夹板(3)通过手臂夹板弹簧(4)连接在固定手臂夹板支架(5)上；在横支架(15)上有固定相机夹板(9)和活动相机夹板(11)，活动相机夹板(11)通过相机夹板弹簧(12)连接在固定相机夹板支架(13)上；在横支架(15)对应相机(10)的镜头部位开有摄制孔(14)。
全文摘要
一种掌纹提取识别方法，属于提取识别技术领域。本发明的目的是克服现有的方法都需要人工参与定位辨识掌纹才能得到掌纹信息的不足，通过依靠计算机就能准确区分出手掌正常纹和异常纹的一种掌纹提取识别方法。本发明的操作步骤是采集掌纹图像进行预处理、提取手掌轮廓，分析手掌轮廓上特征点、提取掌纹三条主干线、获得主干线的特征点，对掌部掌纹进行区域分割、搜索识别各个分割出的小区域内的异常纹。本发明提供的技术方案提出将掌纹中的异常纹这一显著的识别特征，克服了现有技术描述识别特征(颜色和纹理形状)时的感性局限性。提供的识别异常纹的方法能完全由计算机自动的识别出手掌上的“十”状纹和“米”状纹，单机操作，无需联网，也不需要人工参与对比辨识，提高了识别效率和准确度。使用人群广泛，任何人都能够毫无困难的使用该系统，包括老人和小孩。
文档编号G06K9/00GK103198304SQ201310137558
公开日2013年7月10日 申请日期2013年4月19日 优先权日2013年4月19日
发明者刘富, 康冰, 魏祺韡, 韵卓, 王志涛, 崔征, 高雷, 梁艳磊, 刘云, 张潇 申请人:吉林大学