[发明专利]基于校正手掌方向的掌纹感兴趣区域快速提取方法

说明书

技术领域

本发明属于数字图像处理技术领域，特别涉及一种手掌感兴趣区域的提取方法，可用于无接触掌纹识别系统的预处理。

背景技术

随着科学技术的飞速发展，生物特征识别行业也日趋成熟，例如指纹识别、人脸识别、虹膜识别等技术已大量应用到人们的日常生活当中，而掌纹识别的研究历史相对较短，但是由于掌纹拥有着相当多的特征信息和提取方便等优点，越来越多的研究工作者投入到了掌纹识别的领域。

掌纹感兴趣区域ROI即手掌的中部区域的提取是掌纹识别的重要环节和热点问题。提取的ROI将应用到后续的特征提取和匹配过程中，所以ROI提取的质量和速度对整个掌纹识别系统的性能影响很大。现有的ROI提取方法一般都是直接根据手掌轮廓的特征提取谷点后定位ROI的。下面简单介绍三种提取ROI的经典方法：

1.基于圆盘算法的手掌ROI提取方法：该方法通过计算以轮廓为中心的圆盘内目标及背景所占面积大小来提取角点。在手掌图像上，圆盘法可用来寻找指根的谷点，并把这些点作为定位的基准点，进而提取手掌的ROI。

2.基于曲率算法的手掌ROI提取方法：该方法是在提取掌纹图像的轮廓线后计算手掌轮廓上各点曲率，手掌轮廓中曲率变化最大的点即指根点和指尖点，然后确定指根点，截取固定大小的矩形作为ROI。

3.基于内切圆算法直接提取ROI：这种方法是研究较普遍的一种算法，该算法的思想是直接在手掌内搜索与手掌两侧边缘相切的最大内切圆作为ROI。

上述经典算法虽说可以检测手掌谷点的位置，但存在以下缺陷：

1.鲁棒性不好

在掌纹图像中手指边缘不规则或佩戴饰品，可能会出现手掌轮廓有较大毛刺的现象，此时无论是在像素处求曲率还是对这部分应用求圆形面积都可能导致出现谷点误判的情况。

2.计算量大，速度较慢

上述前两种方法都是对手掌轮廓进行逐像素求圆面积比例或进行曲率的运算，因而计算量是非常大的；第三种算法提出的搜索整幅手掌最大内切圆算法同样相当耗时。

3.对手掌的拍摄角度限制较高

上述的方法用到的手掌图像都是采用的固定角度拍摄的图像，对于任意角度拍摄的手掌图像上述方法均难以准确提取手掌ROI。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于校正手掌方向的掌纹感兴趣区域快速提取方法，以减小计算量，提高运算速度和鲁棒性，实现对任意方向拍摄手掌图像感兴趣区域的准确提取。

本发明的主要方案是：通过确定手掌内过手掌重心的最长直线的方向，将手掌旋转至竖直方向，利用基于坐标位置和手掌轮廓去除的方法提取谷点，依据谷点位置校正竖直方向的手掌图像，并根据校正后的手掌图像的谷点位置信息提取手掌感兴趣区域。其实现步骤包括如下：

(1)输入大小为M×N的手掌图像I(x,y)，其中M表示手掌图像I(x,y)的高度，N表示手掌图像I(x,y)的宽度，(x,y)表示手掌图像的坐标点；

(2)对输入手掌图像I(x,y)进行阈值分割，得到手掌的二值图像I_B(x,y)，并将该手掌的二值图像I_B(x,y)转换为距离图像D(x,y)，对距离图像D(x,y)进行阈值分割，得到掌心区域二值图像C(x,y)，求取掌心区域二值图像C(x,y)的重心坐标并将其定义为手掌的重心坐标；

(3)建立大小为M×N的空白图像，以手掌的重心坐标为圆心，竖直方向为基准逆时针在0-180度的范围内等角度做180条直线，其中竖直方向的直线角度为0度，每两条相邻的直线的夹角为1度；

(4)在手掌的二值图像I_B(x,y)找到(3)中180条直线的位置，分别计算并记录手掌的二值图像I_B(x,y)在每条直线位置上像素值的总和：

(4a)构造180个大小为M×N的图像，并且将图像中全部像素赋值为0。然后将(3)中得到的过手掌中心的180条线按和(3)中相同的位置分别放入这180个图像中并把直线所在位置的像素值赋为1，得到180个由0和1构成的线模板图像L；

(4b)将得到的180个线模板图像L分别与手掌的二值图像I_B(x,y)进行与操作得到180个线段图像LM，计算每个线段图像LM中像素值的总和；