CN101833647A - 掌纹图像的获取设备及掌纹图像处理方法 - Google Patents

Abstract

本发明涉及一种掌纹图像获取设备及掌纹图像处理方法，图像传感器和点状光源封装在小盒中，点状光源均匀散布于图像传感器周边；图像传感器的接收端与位于环境光中的手放置台的手形凹陷相对放置，用于在环境光中获取放置在手放置台上的包含用户手形状信息的手图像；个人计算机使用掌纹图像处理方法从图像传感器获取的手图像中提取掌纹图像，并从中提取掌纹图像特征，然后与存储设备存储用户注册的掌纹图像特征模板进行掌纹特征比对，对获取的用户手图像的掌纹图像进行识别，实现对用户身份的鉴别。掌纹图像处理方法校正手位置不固定带来的手图像的偏移和偏转，得到掌纹图像，消除环境光单调性变化带来的影响，提取稳定的掌纹图像特征。

Description

掌纹图像的获取设备及掌纹图像处理方法

技术领域

本发明属于数字图像处理、模式识别和数据库管理技术领域，特别是一种在环境光中的手图像采集，并在个人计算机终端上基于掌纹图像识别进行身份鉴别的身份认证系统及其认证方法。

背景技术

随着信息技术的蓬勃发展，计算机正在使人们的日常生活变得信息化和网络化。人们已经可以通过互联的计算机，随时随地进行在线的银行账户处理，网上文献资料的检索和下载，以及政府管理机构的政务公开处理等。个人计算机终端处理能力的增强，更拓宽了计算机在人们日常使用中的领域，已经有技术利用个人计算机终端远程操作家电并且监控家中的状况。在这些应用中，人们往往需要将一些涉及机密的数据，比如私人的文档，私人履历等存放到个人终端计算机或或者通过互联网络发送到大型的服务器计算机上。在开放的信息化网络化环境中，这些应用系统都必须有可靠的身份鉴别和认证方法，保护个人的隐私不被非法盗取和泄漏。并根据判别出的用户身份对数据资源设置不同的访问权限。目前常用的身份鉴别技术主要有两种方式，一种是通过对用户所拥有的钥匙，证件等标识物进行身份的认证。例如在用户进门时，用钥匙开锁就是一个用钥匙进行认证的过程。在机场通关前，要核查每个通关人的护照和签证，在进入保密部门前，需要检查来访者的证件，这些核查过程都是一种利用标识物进行认证的方法。另一类方法是通过对用户所拥有的某种知识，例如密码，进行身份的鉴别和认证。例如在登录特定网站或者访问特定数据资源时，需要用户输入帐户名和口令进行身份的确认。这两种方法的弊端在于它们可能会被用户丢失，遗忘或者被破解。个人计算机终端无法分辨出合法的用户和盗取了标识物或者知识的非法入侵者，同时携带标识物和记忆知识对用户又是非常不方便的，现代人常常要为带大量的卡片，记忆大量的密钥口令而苦恼。本发明就是充分利用个人计算机终端的处理能力，基于掌纹图像的识别自动判别用户身份，从而有效地保护用户的个人隐私。

掌纹图像识别技术是生物特征识别技术的一种，利用人体本身具有的特征来进行身份的确认鉴别。每个人手掌上都具有大量方向和粗细各异纹线结构。这些纹线是由于手指运动，组织结构和皮肤质地等原因形成的。不同人的纹线结构所处的位置，方向和粗细，都有较大的差异。掌纹图像识别就是通过分析人手掌中这些细节的纹线结构，对人们的身份进行区分和认证。与虹膜，人脸以及指纹图像识别技术相比较，掌纹图像识别本身具有很多优点。

与指纹相比，人手掌可以提供远大于指纹区域的面积，因此掌纹可以提供比指纹更多的信息。而且不容易受到皮肤区域的损坏和遮挡的影响。同时实验数据证明了，掌纹拥有比人脸和指纹更好的可区分特性。

虹膜数据的采集需要特制的较高分辨率的图像获取设备，在成像过程中需要用户对获取设备所处的位置进行主动配合，而清晰的掌纹纹线结构可以用低分辨率(100dpi，几万像素左右)的成像设备捕获到。通常的网络摄像头即可满足这个要求，硬件成本比较低廉。同时人手具有很好的灵活性，对掌纹图像的获取很方便，速度快。

现有的掌纹图像获取方法有三种：

方式一：先将手掌上涂上油墨，再将手掌掌纹印在白纸上，随后通过扫描仪将掌纹扫描成灰度图像存储到计算机当中。这种方式获得的掌纹清晰程度受用户按压白纸的力度有关，因此获取的图像质量容易受到用户配合程度的影响，不方便进行自动的掌纹图像识别。同时由于要沾污用户的手掌，因此这种采集方式的接受程度很低。

方式二：利用数码照相机将手区域拍摄成图像，然后输入到计算机中。由于采集过程中用户手的姿态不同，在采集得到的手图像中会有图像区域的旋转，平移和尺度变化。不方便进行自动的掌纹图像分析。从数码摄像到将图像输入到计算机中，需要比较长的图像传输时间，因此这种图像采集方式不利于进行在线实时的掌纹图像分析。

方式三：在图像获取过程中，用图像获取设备平台托住用户的手，获取设备构成一个封闭的采集环境；并内置支架，预留一窗口仅供手伸入，放在其内置支架的固定位置进行图像采集。由这种方式可以获得手姿态变化较小的手图像，但由于其对外界光照比较敏感，要求用户的配合程度较高，使用不够直观、便捷，不太适合大规模人群的身份鉴别应用。

关于掌纹图像识别，现在已有多种掌纹图像识别方法，如利用掌纹图像中线条状纹理结构的灰度信息对线条结构的方向特性进行描述，从而提取出具有区分性的掌纹图像特征。

发明内容

要解决的技术问题：

为了解决现有技术需要对手的摆放位置、角度及姿态用立柱等方式进行唯一的固定的问题，本发明的目的是在环境光中的手图像获取方式，不需要特殊的壳体对外界光进行屏蔽，在图像采集过程中，用户只需将手放于手放置台上，特别的，手放置台上有一手形凹陷的手模型，以便于提示用户进行手的摆放，用户的手在手形凹陷的范围内的摆放位置、角度及姿态不受限制，以在个人计算机上实现利用掌纹图像识别，为此，本发明的目的是提供一种掌纹图像的获取设备及掌纹图像处理方法。

为了达成所述目的，本发明的第一方面，是提供一种掌纹图像的获取设备，含有：图像传感器和点状光源封装在小盒中，点状光源均匀散布于图像传感器周边，用于给图像传感器提供光照；

所述图像传感器的接收端与位于环境光中的手放置台的手形凹陷相对放置，用于在环境光中获取放置在手放置台上的包含用户手形状信息的手图像；

存储设备和图像传感器通过基于通用串行总线接口协议的连接线分别与个人计算机连接；所述个人计算机使用掌纹图像处理方法从图像传感器获取的手图像中提取掌纹图像，并从中提取掌纹图像特征，然后与存储设备存储用户注册的掌纹图像特征模板进行掌纹特征比对，对获取的用户手图像的掌纹图像进行识别，实现对用户身份的鉴别。

优选地，所述图像传感器与手放置台之间具有一固定的距离，所述手放置台固定在支架或是嵌装在墙体或是物体上。

优选地，所述手放置台的手形凹陷，用于提示手的放置位置及放置方式，限定手最大的姿态变化。

优选地，所述图像传感器采集用户手图像时，用户手掌背面放在手放置台的手形凹陷中。

优选地，所述手放置台还具有手指区域和手掌区域镂空的手形凹陷。

优选地，所述图像传感器采集用户手图像时，用户手掌心放在手放置台的手指区域和手掌区域镂空的手形凹陷中或用户手掌背放在手放置台的手指区域和手掌区域镂空的手形凹陷中。

为了达成所述目的，本发明的第二方面，是提供一种处理掌纹图像获取设备获取的掌纹图像的处理方法，所述掌纹图像的获取设备包括：图像传感器、具有手形凹陷的手放置台、个人计算机、存储设备。通过所述图像传感器和具有手形凹陷的手放置台获取手图像，在所述个人计算机上通过所述掌纹图像处理方法处理所述手图像，获取掌纹图像，提取掌纹图像特征，并将掌纹图像特征存储在存储设备中，其掌纹图像处理步骤包括：

步骤1：用户将手放置在基于环境光中的手放置台上的手形凹陷中采集手图像，结合手表皮颜色分布模型，图像传感器从采集到的手图像中将手从背景中分割出来，获得包含手形状信息的二值化手图像；

步骤2：个人计算机利用二值化手图像的形状矩对手图像的相对于图像坐标系水平方向的偏转角度进行估计，以手图像中心为坐标原点，根据偏转角度将手图像旋转至图像坐标系的水平方向，从而实现对手图像的旋转变化进行校正，得到旋转校正后的二值化的手图像；

步骤3：在旋转校正后的二值化的手图像中，采用形态学腐蚀操作去除手指区域，或采用逐行扫描二值化手图像判断每行的图像连通性，从而去除手指区域，得到手图像的掌心区域位置；

步骤4：以掌心区域质心点为中心建立直角坐标系，消除手图像平移变化对掌纹图像处理带来的不利影响，从而实现手图像的平移变化的校正；在所述直角坐标系中固定位置截取固定大小的感兴趣的图像区域作为掌纹图像，并将掌纹图像作为特征提取区域；

步骤5：利用一阶高斯导数滤波器求取经旋转和平移校正后的掌纹图像的梯度方向特征，将每个像素点的梯度方向进行量化编码，由此构成一个二维的基于量化梯度方向特征的掌纹图像特征模板，并存储于存储设备中，用以解决单调环境光的变化对掌纹图像识别的影响；通过计算在两个掌纹图像特征模板的对应位置上出现相同量化梯度方向编码的频率，来衡量两个掌纹图像特征模板的相似性。

本发明的有益效果是：克服了以往手图像获取设备为避免环境光的影响，特意营造一个特殊的暗室环境，比如封闭壳体的缺点。本发明允许用户在进行认证时直观的看到整个手图像的获取过程，更具直观性；同时手放置台上有一手形凹陷的手模型，以便于提示用户进行手的摆放，用户的手在手形凹陷的范围内的摆放位置、角度及姿态不受限制，有效地克服了以住手图像获取设备中对手的摆放位置、角度及姿态用立柱等方式进行唯一固定的缺点，方便用户更加便捷地进行手图像的获取。因而更容易为用户所接受。特别适用于大规模人群的身份认证应用场合。例如机场，海防关卡的安检等。

本发明的基于环境光中手图像获取的身份认证系统应用还包括，可用于对互联网络中，个人用户对服务器数据资源的访问管理，以及向公众开放的计算机终端上特定数据的加密和访问控制。

附图说明

图1a为本发明手图像获取设备的结构原理示意图；

图1b为本发明中手放置台带有手形凹陷手掌区域镂空的模型背景；

图1c为本发明中手摆放在手放置台上获取的原始手图像；

图1d为本发明中手按压在手放置台上的姿势；

图1e为本发明中手按压在手放置台上获取的原始掌纹图像；

图2a为本发明中掌纹图像预处理流程图；

图2b为本发明中手图像旋转校正的示意图；

图2c为本发明中定位手掌中心区域的示意；

图2d为本发明中归一化掌纹图像的示意图；

图3a为本发明中掌纹图像特征提取的流程图；

图3b为本发明中图像坐标系下水平方向上的一阶高斯导数滤波器的示意图；

图3c为本发明中图像坐标系下竖直方向上的一阶高斯导数滤波器的示意图；

图4一个完整的基于所述的手图像获取设备的身份认证系统的流程图；

图5为本发明的一个图书馆资源访问用户的身份认证的实施例流程图。

具体实施方式

以下结合附图和具体实施例对本发明进行描述。但不作为本发明的限定。

图1a为手图像获取设备的结构原理示意图，包括带USB接口的图像传感器、点状光源、手放置台，所述USB接口的图像传感器采用摄像头103，所述点状光源采用点状发光二极管104，所述手放置台采用单色带手形凹陷的手放置台105。

点状发光二极管104均匀散布在摄像头103周围，摄像头103正对着单色手放置台105，摄像头103和所述的本地个人计算机终端之间的连接采用基于通用串行总线接口协议(USB)的连接线101。所述摄像头103和点状发光二极管104封装在小盒102中，小盒102与单色手放置台105采用支架、壳体或嵌装在墙体中或是物体上，从而固定摄像头103、发光二极管104和单色手放置台105的相对位置。手图像获取设备采集图像的时候，将连接线101连接上所述的个人计算机终端，为摄像头103及其配置在摄像头103周围的发光二极管阵列104提供5V的工作电压。在采集图像的过程中，由发光二极管阵列104提供稳定均匀的光照条件，由单色手放置台105来提供干净的图像背景，便于后续的掌纹图像预处理。当用户掌心朝上摆放在单色手放置台上时，摄像头103获取到一副或多幅包含整个用户手区域的图像，由传输连接线101将获取到的用户手区域的图像传送到所述的个人计算机503终端里。由摄像头103获取的手区域图像可以根据需要选择彩色图像或者黑白图像。所述摄像头103的接收端与位于环境光中的手放置台105的手形凹陷相对放置，相距20厘米～40厘米，用于在环境光中获取放置在手放置台105上的包含用户手形状信息的手图像，将手从背景中分割出来，获得包含手形状信息的二值化手图像；

如图5中示出个人计算机503终端，根据所述掌纹图像处理方法对获取的手图像进行掌纹图像识别；存储设备508，存储用户注册的掌纹图像特征模板。存储设备508通过基于通用串行总线接口协议的连接线101与个人计算机503连接，通过所述摄像头103和具有手形凹陷的手放置台105获取手图像，在所述个人计算机503上通过所述掌纹图像处理方法处理所述手图像，获取掌纹图像，提取掌纹图像特征，并与存储设备508存储用户注册的掌纹图像特征模板进行掌纹特征比对，对获取的用户手图像的掌纹图像进行识别，实现对用户身份的鉴别。

图1b示出在所述的手放置台的正面是一种带有手指区域和手掌区域镂空的手形凹陷模型用于提示用户放置手，图像传感器的接收端位于手放置台的正面时，图像采集时，手掌心朝下按在手放置台的手指区域和手掌区域镂空的手形凹陷中(简称按压式)。或所述手放置台本体上具有一手指区域和手掌区域镂空的手形凹陷模型用于提示用户放置手，图像传感器接收端还可以位于手放置台的反面(所述反面为不显示手指区域的一面)，图像采集时，手掌心向上、手掌背面向下直接摆放在手放置台上的手指区域和手掌区域镂空的手形凹陷中(简称摆放式)。所述图像传感器与手放置台之间相距20厘米～40厘米。所述手放置台利用支架或是嵌装在墙体或是物体之上，处于环境光中。

图1c为采用摆放式获取的原始手图像；

图1d为采用按压式时手按压姿势；

图1e为采用按压式获取的原始掌纹图像；

如图2a示出为掌纹图像预处理流程图。用户将手放置在基于环境光中手图像获取设备的手放置台上的手形凹陷中进行手图像获取，为克服所述手图像获取设备获取的原始手图像201存在的平移、旋转和手指姿态的变化，由所述个人计算机上的掌纹图像处理模块校正不同手图像的旋转，得到校正后的手图像202，并在手图像202上定位手掌中心区域203作为提取掌纹图像特征的归一化掌纹ROI区域，方便提取稳定的掌纹图像特征。其具体步骤如下：

步骤1-1：对手图像的旋转进行校正，见图2b为手图像旋转校正的示意图。首先从所述图像获取设备获取的原始的手图像中并结合手表皮颜色分布模型，将手从背景中分割出来，利用原始图像的灰度图像里手区域和背景区域的像素灰度值的分布差异确定二值化的阈值，然后对该图像进行二值化处理，得到二值化黑白手区域图像，手作为前景区域，像素值为1，背景区域像素值为0；

步骤1-2：利用手区域图像的质心坐标表达式(1)求取二值化的整个手区域图像的质心在图像中的坐标，所述手区域包括手掌区域和手指区域。

$C_x=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i$ $C_y=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i---\left(1\right)$

其中(x_i，y_i)是二值化的前景手区域图像像素点的坐标，N是所有二值化的前景手区域图像像素点的个数。

步骤1-3：个人计算机利用二值化手图像的形状矩对手图像的相对于图像坐标系水平方向的偏转角度进行估计(如式2)，以手图像中心为坐标原点，根据偏转角度将手图像旋转至图像坐标系的水平方向，从而实现对手图像的旋转变化进行校正，得到旋转校正后的二值化的手图像；

根据质心坐标的表达，求取手旋转方向θ的估计值，其表达式如下：

$\mathrm{\θ}=\underset{\mathrm{\θ}}{\arg \min }\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(\right|x-x_i|\cos \mathrm{\θ}+|y-y_i\left|\sin \mathrm{\θ}\right)}^2\right)---\left(2\right)$

其中(x_i，y_i)是二值化图像中手前景区域像素点的坐标。按照求取到的手旋转方向θ，对采集到的手图像进行图像旋转，使得手旋转至图像坐标系的水平方向，见图2b。

步骤1-4：在经过旋转方向校正的手图像上，再次进行二值化处理，见图2c。

步骤2：在旋转校正后的二值化的手图像中，经过形态学腐蚀操作处理后的手图像上，确定手掌中心区域。二值图像形态学到腐蚀操作，旨在去除手图像上的手指区域，保留手掌掌心区域，见图2c为定位手掌掌心区域的示意图。以掌心区域质心点为中心建立直角坐标系，消除手图像平移变化对掌纹图像处理带来的不利影响，从而实现手图像的平移变化的校正；在所述直角坐标系中固定位置截取固定大小的感兴趣的图像区域作为掌纹图像，并将掌纹图像作为特征提取区域。计算腐蚀后得到的手掌掌心区域的质心坐标(C′_x，C′_y)，其表达式如下：

$C_x^{\′}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{x}_i^{\′}$ $C_y^{\′}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{y}_i^{\′}---\left(3\right)$

其中(x′_i，y′_i)是腐蚀后得到的手掌掌心区域像素点坐标。根据得到的手掌掌心区域质心点坐标，选择以该质心点为中心，边长为q(q不超过手掌掌心区域的大小)的正方形区域作为提取掌纹图像特征的归一化掌纹图像，见图2d为归一化掌纹图像的示意图。

图3a为掌纹图像特征提取流程图，

步骤3：利用一阶高斯导数求取图像梯度方向特征，将每个像素点的梯度方向进行量化编码，由此构成一个二维的基于量化梯度方向特征的掌纹图像特征模板，并存储于存储设备中，用以解决单调环境光的变化对掌纹图像识别的影响；通过计算在两个掌纹图像特征模板的对应位置上出现相同量化梯度方向编码的频率，来衡量两个掌纹图像特征模板的相似性。掌纹图像特征提取和识别具体步骤包括：

步骤3-1：利用经旋转和平移校正后的掌纹图像水平和竖直方向上的二维一阶高斯导数滤波器表达式(4)对归一化掌纹图像进行滤波，求取归一化掌纹图像的每个像素点上的梯度方向角度，其取值范围为[0，2π]。图3b示出为应用水平方向的二维一阶高斯导数滤波器和图3c示出为竖直方向上的二维一阶高斯导数滤波器，对归一化掌纹图像进行滤波，每次滤波的结果是滤波器所覆盖的局部掌纹图像区域的像素灰度值的加权和。

$g_1(x,y)=-\frac{x}{{2\mathrm{\π\δ}}^3}{e}^{-\frac{x^2+y^2}{{2\mathrm{\δ}}^2}}$ $g_2(x,y)=-\frac{x}{{2\mathrm{\π\δ}}^3}{e}^{-\frac{x^2+y^2}{{2\mathrm{\δ}}^2}}---\left(4\right)$

其中g₁为水平方向上二维高斯函数的一阶偏导数，g₂为垂直方向上二维高斯函数的一阶偏导数；δ是高斯导数的标准方差，这里使用的是各向同性的高斯函数。通过组合两个方向上的滤波结果，可以求取该局部图像区域内灰度梯度方向α，其表达式如下：

$\mathrm{\α}={\tan }^{-1}\left(\frac{f_y}{f_x}\right)---\left(5\right)$

其中f_x和f_y是水平方向和竖直方向的滤波结果。将灰度梯度的方向作为用于识别的掌纹图像特征。

步骤3-2：特征编码。获得的灰度梯度的方向角度α是取值区间为[0，2π]之间的连续浮点数值。将梯度方向角按照角度值大小量化为n个量化等级，当n较大时，增强量化后编码对局部图像纹理细节的表达能力，当n较小时，增强量化编码对局部图像噪声的鲁棒性。权衡增强量化后编码对局部图像纹理细节的表达能力与增强量化编码对局部图像噪声的鲁棒性，n在所述实施例中取值为6，每个梯度方向角度的量化编码的取值范围为{0，1，2，3，4，5}中的任何一个整数，由此构成一个二维的基于量化梯度方向特征的掌纹图像特征模板，并存储于存储设备中。量化规则表达如下：

${\mathrm{\α}}^{\′}=\left[\frac{3\mathrm{\α}}{\mathrm{\π}}\right]---\left(6\right)$

其中[]表示取不大于其操作数的整数，α′为量化的梯度方向角度编码。根据这样的量化规则，一幅归一化的掌纹图像可以用一个二维的量化梯度方向角度特征矩阵来表达，该矩阵的每一个元素表示在对应的局部区域里量化的灰度梯度方向特征。

步骤3-3：特征比对，通过计算在两个掌纹图像特征模板的对应位置上出现相同量化梯度方向编码的频率，来衡量两个掌纹图像特征模板的相似性。根据当前输入的掌纹图像特征和数据库中所存放的所有注册掌纹图像特征模板进行一对一的比对，从中找出最相似的注册模板作为匹配结果。当前输入的掌纹图像特征矩阵和在数据库注册的一个掌纹图像特征矩阵的相似性由下式定义的方法进行度量：

$S(x,y)=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}I(x(i,j)-y(i,j))}{\mathrm{mn}}---\left(7\right)$

其中S(x，y)为特征模板之间的相似度，相似度的取值范围为[0，1]这个闭区间，数值越大说明对应的两个掌纹图像特征模板也越相似。x和y分别是当前输入掌纹图像和在数据库中注册的掌纹图像的特征矩阵。m和n是特征矩阵的长和宽，i、j为二维特征模板上的坐标。I为示性函数，其定义如下：

$I\left(x\right)=\left\{\begin{array}{cc}1& x>0\\ 0& x\≤0\end{array}\right.---\left(8\right)$

两个特征矩阵的相似度越高，表明两者来自于同一个人的同一只手的可能性就越大。

步骤4：判别决策。根据基于掌纹图像特征的身份识别应用的具体需求，对掌纹图像之间的相似性设定不同的阈值。对应不同的错误接受率(False Accept Rate)和错误拒绝率(FRR，False Reject Rate)。如果当前输入的掌纹图像的特征与注册库存储的某个掌纹图像特征的相似程度大于设定的阈值时，则判断当前用户属于注册用户，否则判断当前用户还没有注册。

利用所述步骤1，2，3，4构成一个完整的掌纹识别系统。如图4所示，其中包括：掌纹图像预处理单元、掌纹图像特征提取单元、掌纹图像特征相似度计算单元、身份判别单元。先由所述手图像获取设备获取原始手图像，通过所述掌纹图像预处理单元获取归一化的掌纹图像，然后由所述掌纹图像特征提取单元提取掌纹图像特征编码。如系统处于注册过程中，将掌纹图像特征存入数据库；如系统处于识别过程中，先从数据库中提取注册的掌纹图像特征与待识别的掌纹图像特征进行所述的特征比对，根据掌纹图像特征之间的相似程度进行身份判别。

与当前其他身份特征鉴别方法相比较，本发明所包含的基于环境光中手图像获取的身份认证系统和方法的新颖性在于：

1)采用环境光中的手图像采集方式，避免了在现有掌纹图像识别系统中，需要将用户的手放在封闭获取设备中给用户带来的不适。采用了带手形凹陷的单色手放置台，在提示用户放置手的同时，也限制了手大范围内的姿态改变，使用户使用更加便捷，也提高掌纹图像预处理的效率，克服了现有同类设备用立柱或者凸起物固定手的位置的问题，这种不卫生的采集方式限制了大规模掌纹图像识别的应用。同时，掌纹图像预处理方法，有效地克服了由在手位置不固定的情况下获取的手图像中存在的手姿态变化，手图像的平移和旋转，克服了环境光单调性变化带来的影响。从而获得稳定的，高质量的归一化掌纹图像进行掌纹图像特征识别。

2)提取掌纹图像灰度的量化梯度方向作为有区分性的掌纹图像特征。图像灰度梯度刻画了局部图像区域的细微纹理结构。在掌纹图像中，灰度梯度表现了手掌表面纹线分布的方向和强度这些基本特征。同时图像灰度的梯度方向是对采集图像光照条件单调性变化鲁棒的物理量。因此图像灰度的梯度方向是一种鲁棒准确的掌纹图像特征描述方法。在编码过程中，将梯度方向的浮点角度值量化为0到5的整数数值。该量化方式减小了掌纹图像中的随机噪声对梯度方向浮点角度值的影响。使得特征编码更加稳定。同时由于存储浮点数值比存储整数数值要消耗更多的存储空间。采用量化编码还可以节省掌纹图像特征在计算机中的存储耗费。

3)在身份认证的过程中，可以根据具体硬件配置状况和应用需求，将掌纹图像特征提取，比对和身份验证决策模块灵活地配置在不同的计算平台上。例如如果本地计算机终端有足够的计算能力，可以将由手图像获取设备获取的图像，直接传输到本地计算机终端上进行特征提取和比对，将特征编码发送到远程服务器上，和服务器上存储的掌纹图像特征数据库进行特征比对，将比对结果和决策结果发送回本地的计算机终端，将决策结果显示给用户。当应用于小规模人群的掌纹图像识别，例如公司员工的考勤管理时，可以直接在本地计算机上存储掌纹图像特征，进行掌纹图像特征比对。

下面结合附图和实施例，对本发明进行进一步的说明。

实施例1：基于掌纹图像识别的图书馆数据访问控制

在图书馆资料查讯的时候，用户需要在图书馆提供的计算机终端上，输入自己的账户和密码，根据密码确认用户身份后，方能根据用户权限访问相应的数据，囿于权限，有些极其珍贵或者机密的图书资料，只有极少数申请购买了相关数据库的读者才能被授权访问。但是如果被授权的用户遗忘了密码，或者密码被人窃取。很可能导致这些珍贵资料的遗失甚至破坏，同时也会对用户的使用带来不便。如果在图书馆资料查询计算机上分别安装接所述手图像获取设备和所述的掌纹图像处理模块，每个用户在办理图书借阅磁卡的时候，将自己的掌纹图像特征注册到图书馆的掌纹数据库中。在进行查询的时候，预先设定必须经过掌纹图像特征验证才能访问到自己被授权可以接触的图书馆资料，否则不允许用户进行图书馆资源的访问操作；那么该用户进行资料查询的步骤如图5所示：

步骤501，在图书馆管理计算机终端上输入自己的账户名。

步骤502，用户将手放置在基于环境光中手图像获取设备的手放置台上进行手图像采集。

步骤503，利用所述的掌纹图像预处理模块对手图像进行预处理，获得归一化掌纹图像。

步骤504，利用所述掌纹图像识别模块提取归一化掌纹图像的掌纹图像特征。

步骤505，利用所述掌纹图像特征比对方法，计算用户掌纹图像特征和存储在图书馆数据库中的注册掌纹图像特征的相似程度。

步骤506，根据获得的掌纹图像特征相似度对用户身份进行身份鉴别验证。

步骤507，根据用户身份和用户提供的帐户名是否匹配判断是否允许用户访问被授权可以接触的图书馆资源。如果用户身份与帐户不匹配，返回步骤501，则不允许访问图书资料，如果用户身份与帐户匹配，返回步骤501，则允许访问图书资料。

在实际使用中，用户只需要操作前两个步骤(步骤501和502)，其他步骤将自动完成。整个流程大约需要2到4秒。引入了本发明后，对用户访问权限的管理会更加安全，即使帐号和密码被人窃取，盗窃者仍然不能登录用户的个人账户对数据资源进行访问。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内。

Claims (10)

1.一种掌纹图像的获取设备，其特征在于，该获取设备包含：

图像传感器和点状光源封装在小盒中，点状光源均匀散布于图像传感器周边，用于给图像传感器提供光照；

所述图像传感器的接收端与位于环境光中的手放置台的手形凹陷相对放置，用于在环境光中获取放置在手放置台上的包含用户手形状信息的手图像；

存储设备和图像传感器通过基于通用串行总线接口协议的连接线分别与个人计算机连接；所述个人计算机使用掌纹图像处理方法从图像传感器获取的手图像中提取掌纹图像，并从中提取掌纹图像特征，然后与存储设备存储用户注册的掌纹图像特征模板进行掌纹特征比对，对获取的用户手图像的掌纹图像进行识别，实现对用户身份的鉴别。

2.根据权利要求1所述的设备，其特征在于，所述图像传感器与手放置台之间具有一固定的距离，所述手放置台固定在支架或是嵌装在墙体或是物体上。

3.根据权利要求1所述的设备，其特征在于，所述手放置台的手形凹陷，用于提示手的放置位置及放置方式，限定手最大的姿态变化。

4.根据权利要求1所述的设备，其特征在于，所述图像传感器采集用户手图像时，用户手掌背面放在手放置台的手形凹陷中。

5.根据权利要求1所述的设备，其特征在于，所述手放置台还具有手指区域和手掌区域镂空的手形凹陷。

6.根据权利要求5所述的设备，其特征在于，所述图像传感器采集用户手图像时，用户手掌心放在手放置台的手指区域和手掌区域镂空的手形凹陷中或用户手掌背放在手放置台的手指区域和手掌区域镂空的手形凹陷中。

7.一种从图像传感器获取的手图像中提取掌纹图像，并获取掌纹图像特征的掌纹图像处理方法，其特征在于，通过所述图像传感器和具有手形凹陷的手放置台获取手图像，在所述个人计算机上通过所述掌纹图像处理方法处理所述手图像，获取掌纹图像，提取掌纹图像特征，并将掌纹图像特征存储在存储设备中，其掌纹图像处理步骤包括：

步骤1：用户将手放置在基于环境光中的手放置台上的手形凹陷中采集手图像，结合手表皮颜色分布模型，图像传感器从采集到的手图像中将手从背景中分割出来，获得包含手形状信息的二值化手图像；

步骤2：个人计算机利用二值化手图像的形状矩对手图像的相对于图像坐标系水平方向的偏转角度进行估计，以手图像中心为坐标原点，根据偏转角度将手图像旋转至图像坐标系的水平方向，从而实现对手图像的旋转变化进行校正，得到旋转校正后的二值化的手图像；

步骤3：在旋转校正后的二值化的手图像中，采用形态学腐蚀操作去除手指区域，或采用逐行扫描二值化手图像判断每行的图像连通性，从而去除手指区域，得到手图像的掌心区域位置；

步骤4：以掌心区域质心点为中心建立直角坐标系，消除手图像平移变化对掌纹图像处理带来的不利影响，从而实现手图像的平移变化的校正；在所述直角坐标系中固定位置截取固定大小的感兴趣的图像区域作为掌纹图像，并将掌纹图像作为特征提取区域；

步骤5：利用一阶高斯导数滤波器求取经旋转和平移校正后的掌纹图像的梯度方向特征，将每个像素点的梯度方向进行量化编码，由此构成一个二维的基于量化梯度方向特征的掌纹图像特征模板，并存储于存储设备中，用以解决单调环境光的变化对掌纹图像识别的影响；通过计算在两个掌纹图像特征模板的对应位置上出现相同量化梯度方向编码的频率，来衡量两个掌纹图像特征模板的相似性。

8.根据权利要求7所述的掌纹图像处理方法，其特征在于，从采集到的手图像中将手从背景中分割出来，是利用所述原始图像的灰度图像里手区域和背景区域的像素灰度值的分布差异确定二值化的阈值，所述二值化的阈值是利用所述原始图像里手表皮颜色在颜色空间内的分布确定二值化的阈值。

9.根据权利要求7所述的掌纹图像理方法，其特征在于，对所述掌纹图像的梯度方向的特征提取和比对，包括步骤：

步骤a：应用经旋转和平移校正后的掌纹图像水平和竖直方向上的二维一阶高斯导数滤波器，对归一化掌纹图像进行滤波，求取归一化掌纹图像的每个像素点上梯度方向的角度，其取值范围为[0，2π]；

步骤b：将梯度方向角按照角度值大小量化为6个量化等级，每个梯度方向角度的量化编码的取值范围为{0，1，2，3，4，5}中的任何一个整数由此构成一个二维的基于量化梯度方向特征的掌纹图像特征模板，并存储于存储设备中；

步骤c：在特征比对过程中，通过计算在两个掌纹图像特征模板的对应位置上出现相同量化梯度方向编码的频率，来衡量两个掌纹图像特征模板的相似性；

步骤d：相似度的取值范围为[0，1]这个闭区间，数值越大说明对应的两个掌纹图像特征模板也越相似。

10.根据权利要求9所述的掌纹图像处理方法，其特征在于，所述梯度方向角度值，是按梯度方向角度值大小量化为n个等级，当n较大时，增强量化后编码对局部图像纹理细节的表达能力，当n较小时，增强量化编码对局部图像噪声的鲁棒性。

Images