CN101763500A - 应用于高自由度手掌图像中掌形提取和特征定位的方法 - Google Patents

Abstract

本发明公开了一种应用于高自由度手掌图像中掌形提取和特征定位的方法，可适用于高自由度手掌图像中的掌形提取和特征定位，对掌形图像的左右手类别、放置位置与角度、手掌形状大小和手指张合度具有很好的适应性。该方法基于掌形修正重心极坐标下边缘点的距离和角度分布规律，实现手掌图像中掌形区域指尖指凹点定位，判断所提取手掌的左右手类别并计算手掌旋转角度。本方法的输出结果为手掌图像的完整掌形和定位特征点，用户可通过这些数据方便完成手掌样本掌形、掌纹、指纹等各类特征的定位提取，因此本方法具有普适性。本方法通过自建高自由度手掌图像库的测试，结果表明其具有很高的正确率和鲁棒性。

Description

应用于高自由度手掌图像中掌形提取和特征定位的方法

技术领域

本发明属于计算机图像采集技术领域，尤其涉及一种应用于高自由度手掌图像中掌形提取和特征定位的方法。

背景技术

手掌特征，包括指纹、掌纹、掌形等，是生物识别技术(BiometricIdentification Technology)的一个重要研究分支。手掌部分的特征具有易用性高、误认影响因素少、准确性高、安全级别高、长期稳定等特点。因而指纹识别技术的发展一直以来备受关注，而掌纹和掌形特征识别近年来也逐渐受到重视。

手掌图像采集和掌形特征定位是手掌特征识别不可或缺的前提，该领域的研究在近些年取得了一定的进展，但仍处在初步阶段。当前的手掌图像采集设备多采用窗口模式(镶嵌图)、定位销，优点是掌形特征定位方法简单。然而这两种采集设备，前者窗口大小固定，难以适应不同大小的手掌采集；后者的定位销使用需要用户有专门指导或训练；两者还都存在不能普适左右手和舒适度欠佳的缺陷。

现有的基于暗箱中扫描仪的掌纹采集设备，以挡板代替了定位销的强限制，适用于左右手，是手掌图像采集的主要应用方法，但此方法仍未给用户提供较高的自由度，手掌位置大致固定且方向一致，特征提取方法难度较低。

发明内容

(一)要解决的技术问题

根据上述各种缺点和不足，可见手掌采集系统未来的发展趋势必然是无约束采集。现有的掌形特征定位方法，大都用于前述的固定位置手掌图像的特征定位，难以胜任不同大小、不同角度、不同手指张合度手掌图像的掌形特征定位任务。为了解决这一问题，本发明提出了一种应用于高自由度手掌图像中掌形提取和特征定位的方法，经实际应用验证，该方法速度快，准确度高，提取掌形完整，可用于各种二维手掌特征的定位提取，因此有很强的适用性。

(二)技术方案

为达到上述目的，本发明提供了一种应用于高自由度手掌图像中掌形提取和特征定位的方法，该方法基于掌形边缘极坐标距离和角度分布特征，适用于高自由度手掌图像的掌形提取和特征定位，包括如下步骤：

根据图像的颜色信息对采集的手掌图像进行区域分割，提取手掌掌形；

对提取的手掌掌形进行图像修正，并对修正的掌形区域进行边缘提取，以图像边缘跟踪方法获得掌形边缘点列坐标信息；

定位掌形重心及建立极坐标；

计算掌形边缘点的极坐标距离和角度；

计算掌形定位特征点，输出计算结果。

上述方案中，所述根据图像的颜色信息对采集的手掌图像进行区域分割采用基于颜色信息的区域分割方法，分割结果为二值化图，以供后续计算。

上述方案中，所述对提取的手掌掌形进行图像修正，是通过图像形态学处理，平滑掌形分割得到的掌形区域。

上述方案中，所述定位掌形重心及建立极坐标的步骤，具体包括：去除手指部分对掌形重心的干扰，得到修正重心坐标，以修正重心代替原始掌形重心作为极坐标原点建立极坐标系。

上述方案中，所述计算掌形定位特征点的步骤，具体包括：根据手掌边缘点极坐标距离和角度的分布特征，确定四指的指尖指凹点分布，确定拇指指尖点，从而判断手掌的左右手分类，作为最终计算结果提供给后续的生物特征识别工作。

(三)有益效果

本发明提供了应用于高自由度手掌图像中掌形提取和特征定位的方法，具有如下特点：

1)计算复杂度低，运算速度快；

2)所提取的手掌区域完整，定位信息适用范围广，可用于各种基于二维手掌特征信息的识别系统的特征提取过程，具有很好的通用性；

3)方法具有高正确率和鲁棒性。

附图说明

为进一步说明本发明的技术内容，以下结合附图和实施例对本发明作进一步说明，其中：

图1为本发明提供分应用于高自由度手掌图像中掌形提取和特征定位的方法流程图。

图2为本发明方法实验用的手掌图像库部分样本。

图3为本发明手掌图像掌形提取和特征定位方法掌形分割分步结果，(a)原始彩色手掌图像；(b)肤色分割二值图像；(c)形态学处理后二值图像；(d)Freeman链码跟踪得到的边缘图。

图4(a)为本发明手掌图像掌形提取和特征定位方法得到的手掌边缘点列极坐标距离和角度值曲线；图4(b)为特征点定位结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明提供的应用于高自由度手掌图像中掌形提取和特征定位的方法，适用于高自由度手掌图像的掌形提取和特征定位，通过该方法可准确判断图像中手掌的左右手分类，定位手掌图像中掌形区域的四指(即除拇指外的四根手指，后同)指尖指凹点、拇指指尖点。其中的高自由度手掌图像是指对于手掌图像中的左右手类别，手掌大小、位置、角度，以及手指在自然张开的前提下张合度大小等没有严格限制。

本发明应用于高自由度手掌图像中掌形提取和特征定位的方法，具体步骤如下：

1)掌形提取01，包括：掌形分割011，即从输入图像中分割出手掌所在区域；掌形修正012，即通过图像处理方法，平滑边缘，补齐空洞，去除噪声干扰，修正掌形区域；边缘提取013，即通过边缘提取方法，得到掌形区域的边缘点列，供后续计算处理。

2)基于极坐标计算的特征点定位02，包括：掌形重心定位及建立极坐标021，即运用图像处理方法去除所得到的掌形区域手指、手腕部分影响得到修正重心，并以修正重心作为原点建立极坐标；掌形边缘点极坐标距离和角度分布计算022，即计算得到边缘点列对掌形修正重心的极坐标距离和角度值；掌形定位特征点计算023，即根据边缘点列的极坐标距离和角度分布规律，确定四指的指尖指凹点分布，确定拇指指尖点，从而判断手掌的左右手分类，以上特征点和信息即作为最终方法结果提供给后续的生物特征识别工作。

在上述步骤1)掌形提取01中，首先对输入图像(图3(a))进行掌形分割011，利用YCbCr空间的肤色模型：

对图像进行肤色分割，提取主要掌形部分，以二值图方式输出至下一步计算(图3(b))；对分割出的区域进行掌形修正012，即应用形态学方法对所得掌形部分二值化图进行膨胀再腐蚀处理，以平滑边界填补空洞。此步关键在于结构元素的选取，结构元素的形状和半径直接影像修正后掌形的边缘平滑度、细节保持度和噪声的去除。经实验对比，本应用选定像素半径为3的菱形结构元素以达最佳效果，膨胀腐蚀效果见图3(c)。然后，通过统计二值图像中各联通块像素点数，去除小块，保留最大区域作为掌形最终结果供后续计算；对最终的掌形区域进行边缘提取203，本应用对掌形区域进行Freeman链码边缘跟踪，链码矩阵如下式：

$\mathrm{Freeman}=\left[\begin{array}{ccc}6& 7& 8\\ 5& p& 1\\ 4& 3& 2\end{array}\right]$

从输入的二值图像左下角向上逐行扫描，搜索到的首个掌形像素点作为起始点，按Freeman链码矩阵序号顺序进行搜索；得到的第一个相邻掌形像素点计入链表，并作为新的中心点进行搜索；重复搜索直到返回起始点，完成整个边缘跟踪过程，获得边缘点列，边缘提取效果如图3(d)所示。

在上述步骤2)基于极坐标计算的特征点定位02中，首先定位掌形修正重心及建立极坐标021，对二值掌形图像先进行较大半径结构元素的腐蚀处理，本实例采用半径30的圆形结构元素，以此去除手指部分，而掌心部分得以保留，再依照下式求取腐蚀后区域的重心作为修正的掌形重心：

$i_c=\frac{\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{\mathrm{rowsum}}_j\×j}{\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{\mathrm{rowsum}}_j},$ $j_c=\frac{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}{\mathrm{colsum}}_i\×i}{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}{\mathrm{colsum}}_i}$

以掌形修正重心Center(i_c，j_c)作为极坐标原点，建立极坐标系，以垂直向下为坐标轴正方向和角度0点，顺时针为角度正方向；掌形边缘点极坐标距离和角度分布计算022，即计算得到边缘点列相对掌形修正重心Center(i_c，j_c)的距离和角度值(见图4(a))；掌形特征点位置确定023，结合掌形图像分析极坐标下距离和角度曲线特征，可知距离曲线中四个相邻的尖峰对应手掌的食指、中指、无名指和小指，而角度曲线相应段的变化平缓，增幅很小。由此得到四指的指尖指凹点定位方法：得到距离曲线的极值点列p_max_i和p_min_j，i，j＝1，2，3…，求出连续的3个极小值点p_min_m，p_min_m+1，p_min_m+2，使得这3个点的角度差Δθ＝θ(p_min_m+2)-θ(p_min_m)最小，且符合手指结构特点即距离曲线上相邻极小值点间有且只有1个极大值点分布，则此3点作为四指间的指凹点。进而向3个指凹点两侧寻找临近的极大值点，加上指凹点间的2个，共4个极大值点，作为四指的指尖点。以得到的4个指尖点为基础，再次向距离曲线两端搜索距离曲线极大值点p_max_mz，使其与4个指尖点的夹角最小，以此点作为拇指指尖点(图4(b))。至此，手掌各特征点定位完成，根据拇指指尖与四指指尖点的极坐标角度值，能方便地判断所提取掌形的左右手属性。利用本方法确定的特征点坐标，对不同感兴趣区域(ROI)的定位提取只需简单的几何关系计算，则不属于本发明范畴。

实施例

通过自主研发的无约束手掌图像采集装置采集30人(18男12女)高自由度手掌图像共600张，每人每手10张。采集过程中，对用户无约束，无需做过多指导说明，采集舒适度高，手掌图像均符合清晰度需求。以此600张图片作为测试样本，应用本发明的应用于高自由度手掌图像中掌形提取和特征定位的方法进行手掌掌形提取和特征定位实验。

测试结果为：正确定位591张，正确率为98.5％，9张定位错误。在错误定位的样本中，来自4位测试人的8张手掌图像是由于测试者衣物部分图案颜色与肤色相近，造成边界提取错误，具体表现为类似手指特征的条状外形，因而在方法中被误判为手指部分；这4位测试者的其他72张有衣物干扰的图像均定位正确，也体现了本特征定位方法的鲁棒性。另外1张错误定位样本，指凹部分定位正确，拇指与小指混淆，主要因测试者手指张开角度特殊，拇指与食指非常靠近而小指与无名指夹角很大；此类错误定位，可通过附加规则进行修正，如手指宽度等。综上所述，本发明的高自由度手掌图像掌形提取和特征定位方法有很高的正确率和鲁棒性，具有很好的实用价值。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种应用于高自由度手掌图像中掌形提取和特征定位的方法，该方法基于掌形边缘极坐标距离和角度分布特征，适用于高自由度手掌图像的掌形提取和特征定位，包括如下步骤：

根据图像的颜色信息对采集的手掌图像进行区域分割，提取手掌掌形；

对提取的手掌掌形进行图像修正，并对修正的掌形区域进行边缘提取，以图像边缘跟踪方法获得掌形边缘点列坐标信息；

定位掌形重心及建立极坐标；

计算掌形边缘点的极坐标距离和角度；

计算掌形定位特征点，输出计算结果。

2.根据权利要求1所述的应用于高自由度手掌图像中掌形提取和特征定位的方法，其特征在于，所述根据图像的颜色信息对采集的手掌图像进行区域分割采用基于颜色信息的区域分割方法，分割结果为二值化图，以供后续计算。

3.根据权利要求1所述的应用于高自由度手掌图像中掌形提取和特征定位的方法，其特征在于，所述对提取的手掌掌形进行图像修正，是通过图像形态学处理，平滑掌形分割得到的掌形区域。

4.根据权利要求1所述的应用于高自由度手掌图像中掌形提取和特征定位的方法，其特征在于，所述定位掌形重心及建立极坐标的步骤，具体包括：

去除手指部分对掌形重心的干扰，得到修正重心坐标，以修正重心代替原始掌形重心作为极坐标原点建立极坐标系。

5.根据权利要求1所述的应用于高自由度手掌图像中掌形提取和特征定位的方法，其特征在于，所述计算掌形定位特征点的步骤，具体包括：

根据手掌边缘点极坐标距离和角度的分布特征，确定四指的指尖指凹点分布，确定拇指指尖点，从而判断手掌的左右手分类，作为最终计算结果提供给后续的生物特征识别工作。

Images