CN102609698A - 活体采集侧面掌纹质量评估方法 - Google Patents

Abstract

本发明公开了一种活体采集侧面掌纹质量评估方法，包括：用多个模块分割侧面掌纹原始图像以提取有效区域并计算其面积；对比有效区域和预设区域的边界参数，若有效区域超出预设区域范围，则返错并结束，否则继续下一步；计算所述有效区域的中心坐标以及侧掌掌纹相对竖直方向的倾斜角度；求取所述有效区域内点的灰度梯度，计算掌纹方向场；计算分割所述有效区域的各模块内部掌纹方向场中各点方向的一致性作为该点的纹理优良性度量；计算纹理优良性小于阈值的模块在掌纹主轴法线方向的投影；根据各模块的投影累加值的正负，判定掌纹为左手还是右手。本发明的方法能够方便有效地评估侧面掌纹图像质量，方便人们选取侧面掌纹图像。

Description

活体采集侧面掌纹质量评估方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种活体采集侧面掌纹质量评估方法。

背景技术

侧面掌纹是人体生物特征的一种。在刑嫌人员信息采集过程中的必采项目之一。作案人现场遗留的掌纹对于案件的侦破具有重要的作用。但是作案人员现场遗留的掌纹有好有坏，并且采集人员在采集时的操作水平不一，就导致采集到的掌纹质量有高有低。而高质量的掌纹采集数据是保证有效运用生物特征识别系统的必要条件，因此需要对采集到的掌纹质量进行评估，选取高质量的掌纹进行进一步的生物识别。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种活体采集侧面掌纹质量评估方法，以便人们选取高质量的侧面掌纹进行进一步的生物识别。

(二)技术方案

为解决上述问题，本发明提供了一种活体采集侧面掌纹质量评估方法，包括以下步骤：

S1：通过预定大小的模块对侧面掌纹原始图像进行分割，提取所有含有掌纹信息的模块构成有效区域，确定掌纹捺印的有效范围；

S2：计算所述有效区域的面积；

S3：对比所述有效区域和预先设定的预设区域的边界参数，判断有效区域是否超出了预设区域的范围，若有效区域超出预设区域范围，则返回错误代码并结束，否则进入步骤S4；

S4：计算所述有效区域的中心坐标，并求取侧掌掌纹相对竖直方向的倾斜角度；

S5：求取所述有效区域内点的灰度梯度，进行平滑梯度滤波后，计算掌纹方向场；

S6：计算分割所述有效区域的各模块内部掌纹方向场中各点方向的一致性，并将其作为该点的纹理优良性度量；

S7：设定纹理优良性阈值，选取纹理优良性小于该阈值的模块，计算这些模块在掌纹主轴法线方向的投影，并对所述各模块投影的正负进行判断；

S8：将步骤S7计算的各模块投影进行累加，根据累加值的正负，判定掌纹为左手掌纹还是右手掌纹。

优选地，所述步骤S1具体为：通过预定大小的模块顺序分割所述侧面掌纹原始图像；计算每个模块区域内所有象素灰度值的均值与方差，将象素灰度值的均值与方差均满足各自条件的模块标记为属于有效区域。

优选地，其中所述象素灰度值的均值需要满足的条件为：

th1＜Avg_k＜th2；

其中，Avg_k表示以模块左上角为起点的模块区域所有像素点灰度值的均值，th1和th2为设定的均值参考阈值。

优选地，其中所述象素灰度值的方差需要满足的条件为：

Var_k＞th3；

Var_k表示以模块左上角为起点的模块区域所有像素点灰度值的方差，th3为设定的方差参考阈值。

优选地，所述步骤S2具体为：根据所有属于有效区域的模块的数量以及模块的大小，计算所述有效区域的面积。

优选地，所述步骤S4中利用矩方法计算所述有效区域的中心坐标及侧面掌纹的主轴位置与方向。

优选地，所述步骤S5中利用Soble算子的水平方向算子和竖直方向算子求取所述有效区域内点的灰度梯度。

优选地，所述步骤S8中，若所述累加值为正，则判定掌纹为右手掌纹；所述累加值为负，则判定掌纹为左手掌纹。

(三)有益效果

本发明的方法能够很方便的对采集的侧面掌纹图像进行质量评估，为掌纹鉴定人员进行侧面掌纹图像的选取提供方便；此外，本发明的方法能自动计算侧面掌纹相对于竖直方向的倾斜角度、侧面掌纹的有效采集面积、侧面掌纹采集区域是否超出预设边界以及判断侧面掌纹来自被采集人的左手或者右手，方便后续的侧面掌纹图像生物识别。

附图说明

图1为根据本发明实施例评估方法的步骤流程图；

图2为根据本发明实施例侧面掌纹原始图像的示意图；

图3为根据本发明实施例侧面掌纹原始图像中有效区域的示意图；

图4为根据本发明实施例侧面掌纹有效区域的中心坐标和主轴位置与方向的示意图。

具体实施方式

下面结合附图及实施例对本发明进行详细说明如下。

如图1所示，本实施例记载了一种活体采集侧面掌纹质量评估方法，包括以下步骤：

S1：通过预定大小的模块对侧面掌纹原始图像(侧面掌纹原始图像如图2所示)进行分割，提取所有含有掌纹信息的模块构成有效区域(有效区域为图3中的方框内所示区域)，确定掌纹捺印的有效范围；

在本实施例中，在进行分割之前，还可以包括对侧面掌纹原始图像进行初始化的步骤，包括各阈值设置、预设区域设置等。

如图2所示，活体采集仪采集到的侧面掌纹原始图像中掌纹部分并不是充满全图，而是含有冗余的边界及空白部分。因此需要提取原始图像中含有掌纹信息的有效区域，具体为：通过预定大小的模块顺序分割所述侧面掌纹原始图像；计算每个模块区域内所有象素灰度值的均值与方差，将象素灰度值的均值与方差均满足各自条件的模块标记为属于有效区域。

本实施例中设侧面掌纹原始图像O的大小为size(O)，各模块B_k(k＝0，1，2…size(O)/(B×B))的大小为B×B。在本实施例中取B＝16。

${\mathrm{Avg}}_k=\frac{1}{B\×B}\mathrm{\Σ\ΣI}(x,y);$

${\mathrm{Var}}_k=\frac{1}{B\×B}\mathrm{\Σ\Σ}{(I(x,y)-{\mathrm{Avg}}_k)}^2;$

其中，Avg_k和Var_k分别表示以模块左上角为起点的模块区域所有像素点灰度值的均值和方差，I(x，y)为点(x，y)处的灰度值。

所述象素灰度值的均值和方差需要满足的条件分别为：

th1＜Avg_k＜th2；

Var_k＞th3；

其中，th1和th2为设定的均值参考阈值；th3为设定的方差参考阈值。本实施例中设th1＝20；th2＝220；th3＝6。

本实施例中，当模块属于有效区域时，用V_k(x，y)＝1表示；当模块不属于有效区域时，用V_k(x，y)＝0表示。

S2：计算所述有效区域的面积；

具体为：根据所有属于有效区域的模块的数量以及模块的大小，计算所述有效区域的面积。

在本实施例中，由于有效区域的模块中V_k(x，y)＝1，因此可以通过下面的公式得到属于有效区域的模块的数量S：

$S=\underset{y=0}{\overset{h-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{w-1}{\mathrm{\Σ}}}{V}_k(x,y),$

再根据每个模块的大小，进一步得到有效区域面积S_E：

S_E＝S×B×B。

在本实施例中S_E＝36608。

假设原始图像高为Height，宽为Width，则上式中，h＝Height/B，w＝Width/B。

S3：对比所述有效区域和预先设定的预设区域的边界参数，判断有效区域是否超出了预设区域的范围，若有效区域超出预设区域范围，则返回错误代码并结束，否则进入步骤S4；

在本实施例中所示预设区域的边界参数为长度H，宽度W。

有效区域的范围定义其图像上的外接矩形。该外接矩形的左、右、上、下边界坐标分别为：

left＝max(0，(min x-1)×B)

top＝max(0，(min y-1)×B)

right＝min((max x+1)×B，w)

bottom＝min((max y+1)×B，h)

其中min x，min y，max x，max y分别为有效区域中x方向和y方向的最大值和最小值。

S4：计算所述有效区域的中心坐标，并求取侧掌掌纹相对竖直方向的倾斜角度；二者分别表示侧面掌纹的主轴位置与方向；

在本实施例中，利用矩方法计算所述有效区域的中心坐标及侧面掌纹的主轴位置与方向，具体为：

$X=\underset{y=0}{\overset{h-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{w-1}{\mathrm{\Σ}}}x\×V_k(x,y),$ $Y=\underset{y=0}{\overset{h-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{w-1}{\mathrm{\Σ}}}y\×V_k(x,y);$

$\mathrm{XX}=\underset{y=0}{\overset{h-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{w-1}{\mathrm{\Σ}}}{x}^2{V}_k(x,y),$ $\mathrm{YY}=\underset{y=0}{\overset{h-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{w-1}{\mathrm{\Σ}}}{y}^2\×V_k(x,y),$ $\mathrm{XY}=\underset{y=0}{\overset{h-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{w-1}{\mathrm{\Σ}}}\mathrm{xy}\×V_k(x,y);$

${\mathrm{\μ}}_{20}=\frac{\mathrm{XX}}{S}-\frac{X^2}{S^2},$ ${\mathrm{\μ}}_{02}=\frac{\mathrm{YY}}{S}-\frac{Y^2}{S^2},$ ${\mathrm{\μ}}_{11}=\frac{\mathrm{XY}}{S}-\frac{X\×Y}{S^2};$

$x_c=\frac{X}{S},$ $y_c=\frac{Y}{S};$

$\mathrm{\θ}=\frac{1}{2}\arctan \left(\frac{2{\mathrm{\μ}}_{11}}{{\mathrm{\μ}}_{20}-{\mathrm{\μ}}_{02}}\right);$

其中，θ为侧掌相对竖直方向的倾斜角度，(x_c，y_c)为有效区域的中心坐标，如图4所示。

在本实施例中计算得到侧掌相对竖直方向的倾斜角度θ＝-4.7°，有效区域的中心坐标x_c＝115，y_c＝293。

在本发明的其它实施例中，还可以用其它合适的方法计算所述有效区域的中心坐标及侧面掌纹的主轴位置与方向。

S5：求取所述有效区域内点的灰度梯度，进行平滑梯度滤波后，计算掌纹方向场；

在本实施例中，利用Soble算子的水平方向算子S_x和竖直方向算子S_y求取所述有效区域内点的灰度梯度，分别包括点水平方向灰度梯度G_x(x，y)和竖直方向灰度梯度G_y(x，y)的计算：

$G_x(x,y)=\frac{1}{8}{\mathrm{\Σ}}_{j=y-1}^{y+1}{\mathrm{\Σ}}_{i=x-1}^{x+1}{S}_x(x-i,y-j)I(i,j);$

$G_y(x,y)=\frac{1}{8}{\mathrm{\Σ}}_{j=y-1}^{y+1}{\mathrm{\Σ}}_{i=x-1}^{x+1}{S}_y(x-i,y-j)I(i,j);$

其中，I(i，j)为点(i，j)的灰度值。

在本发明的其它实施例中，还可以用其它合适的方法求取所述有效区域内点的灰度梯度。

S6：计算分割所述有效区域的各模块内部掌纹方向场中各点方向的一致性，并将其作为该点的纹理优良性度量；

所述一致性的计算方法如下：

$c(i,j)=\frac{{\left({\mathrm{\Σ}}_{x=-B/2}^{B/2}{\mathrm{\Σ}}_{y=-B/2}^{B/2}(G_x^2(i+x,j+y)-G_y^2(i+x,j+y))\right)}^2}{{\left({\mathrm{\Σ}}_{x=-B/2}^{B/2}{\mathrm{\Σ}}_{y=-B/2}^{B/2}(G_x^2(i+x,j+y)+G_y^2(i+x,j+y))\right)}^2}$

$+\frac{4\×{\left({\mathrm{\Σ}}_{x=-B/2}^{B/2}{\mathrm{\Σ}}_{y=-B/2}^{B/2}(G_x(i+x,j+y)\×G_y(i+x,j+y))\right)}^2}{{\left({\mathrm{\Σ}}_{x=-B/2}^{B/2}{\mathrm{\Σ}}_{y=-B/2}^{B/2}(G_x^2(i+x,j+y)+G_y^2(i+x,j+y))\right)}^2};$

其中c(i，j)为点(i，j)周围一个小邻域内方向场的一致性，亦即点(i，j)的纹理优良性，它的取值在[0，1]之间。纹理优良性反映了掌纹纹理特性，纹理越清晰，纹理优良性越高，反之，纹理优良性越低。

S7：设定纹理优良性阈值t_d，选取纹理优良性小于该阈值t_d的模块，计算这些模块在掌纹主轴法线方向的投影，并对所述各模块投影的正负进行判断；

纹理优良性小于纹理优良性阈值t_d的模块的纹理优良性较差，其代表侧掌掌纹的外侧部分，在本实施例中的纹理优良性阈值t_d＜30。

其中各模块投影P_k的计算公式为：

$P_k=\mathrm{sgn}(\stackrel{\→}{m}\×\stackrel{\→}{n})=x\mathrm{sgn}((x-x_c,y-y_c)\×(\sin \mathrm{\α},\cos \mathrm{\α}))$

其中，

为点(x，y)相对于对图像中心点(x_c，y_c)的向量，

为法线方向矢量，α为所述法线方向矢量与水平方向夹角。

S8：将步骤S7计算的各模块投影进行累加，根据累加值的正负，判定掌纹为左手掌纹还是右手掌纹。

在本实施例中，若所述累加值为正，则判定掌纹为右手掌纹；所述累加值为负，则判定掌纹为左手掌纹；其它情况则无法判定。判别公式为：

本发明的方法能够很方便的对采集的侧面掌纹图像进行质量评估，为掌纹鉴定人员进行侧面掌纹图像的选取提供方便。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (8)

1.一种活体采集侧面掌纹质量评估方法，其特征在于，包括以下步骤：

S1：通过预定大小的模块对侧面掌纹原始图像进行分割，提取所有含有掌纹信息的模块构成有效区域，确定掌纹捺印的有效范围；

S2：计算所述有效区域的面积；

S3：对比所述有效区域和预先设定的预设区域的边界参数，判断有效区域是否超出了预设区域的范围，若有效区域超出预设区域范围，则返回错误代码并结束，否则进入步骤S4；

S4：计算所述有效区域的中心坐标，并求取侧掌掌纹相对竖直方向的倾斜角度；

S5：求取所述有效区域内点的灰度梯度，进行平滑梯度滤波后，计算掌纹方向场；

S6：计算分割所述有效区域的各模块内部掌纹方向场中各点方向的一致性，并将其作为该点的纹理优良性度量；

S7：设定纹理优良性阈值，选取纹理优良性小于该阈值的模块，计算这些模块在掌纹主轴法线方向的投影，并对所述各模块投影的正负进行判断；

S8：将步骤S7计算的各模块投影进行累加，根据累加值的正负，判定掌纹为左手掌纹还是右手掌纹。

2.如权利要求1所述的评估方法，其特征在于，所述步骤S1具体为：通过预定大小的模块顺序分割所述侧面掌纹原始图像；计算每个模块区域内所有象素灰度值的均值与方差，将象素灰度值的均值与方差均满足各自条件的模块标记为属于有效区域。

3.如权利要求2所述的评估方法，其特征在于，其中所述象素灰度值的均值需要满足的条件为：

th1＜Avg_k＜th2；

其中，Avg_k表示以模块左上角为起点的模块区域所有像素点灰度值的均值，th1和th2为设定的均值参考阈值。

4.如权利要求2所述的评估方法，其特征在于，其中所述象素灰度值的方差需要满足的条件为：

Var_k＞th3；

Var_k表示以模块左上角为起点的模块区域所有像素点灰度值的方差，th3为设定的方差参考阈值。

5.如权利要求1所述的评估方法，其特征在于，所述步骤S2具体为：根据所有属于有效区域的模块的数量以及模块的大小，计算所述有效区域的面积。

6.如权利要求1所述的评估方法，其特征在于，所述步骤S4中利用矩方法计算所述有效区域的中心坐标及侧面掌纹的主轴位置与方向。

7.如权利要求1所述的评估方法，其特征在于，所述步骤S5中利用Soble算子的水平方向算子和竖直方向算子求取所述有效区域内点的灰度梯度。

8.如权利要求1所述的评估方法，其特征在于，所述步骤S8中，若所述累加值为正，则判定掌纹为右手掌纹；所述累加值为负，则判定掌纹为左手掌纹。

Images