CN103955674B - 掌纹图像采集装置及掌纹图像定位与分割方法 - Google Patents

Abstract

本发明提出了一种掌纹图像采集装置及掌纹图像定位与分割方法，包括以下步骤：利用梯形标志物作为模板，采用图像处理算法对掌纹图像进行快速匹配，找出定位所需的局部图像；算出局部图像的最佳阈值，对局部图像进行阈值化，转换为二值图像，再利用八邻域边缘跟踪算法检测出局部图像的手掌轮廓线；提取手掌轮廓线上的两个轮廓特征点；以两个轮廓特征点的连线作Y轴，以该连线的中点为O，以其垂线为X轴，建立参考坐标系XOY，并在坐标系XOY内平行于Y轴一固定距离，取一个固定大小的正方形方块，以此为板，在原始掌纹图像中相应位置分割出中心子图；对中心子图进行归一化的处理。

Description

掌纹图像采集装置及掌纹图像定位与分割方法

技术领域

本发明涉及家电智能化安全领域，特别涉及一种快速的掌纹图像定位与分割方法。

背景技术

随着家电智能化程度的不断提高，物联网得到了快速的发展，而物联网与互联网的结合实现家电的远程控制更是物联网发展的趋势，未来的物联网将与人们的日常生活息息相关，因此，物联网的安全性就显得尤为重要，而物联网的个人身份鉴别更是对物联网安全使用的首要方面。

传统的身份鉴别的方法包括两类：即标志物法和知识法。标志物法是采用“只有我有”的物件表明自己的身份，如个人的印鉴、证件、信用卡、钥匙等；而知识法则是采用“只有我知”的信息来表明自己的身份，如暗号、密码等。标志物存在着携带不方便，容易被盗和丢失的弊端，而人们在使用密码时，也被众多的密码所困扰，密码过于复杂则容易忘记，但过于简单又容易被窃取，可见，传统的方法已经不能适应当今社会的需要，不能有效地保证身份鉴别的安全性。

掌纹识别是利用人的掌部纹理作为生物特征进行身份鉴别，掌纹主要特征明显，可在低分辨率图像中提取，不易受噪声干扰，特征空间小，可实现快速检索和匹配，并且其区域比较大，信息量丰富，所以少量的磨损和局部的变化几乎不会对整体的识别效果产生很大的影响。但是由于掌纹面积较大，对掌纹图像进行预处理所需计算量非常大。另外，由于掌纹图像的复杂性，采集得到的细节特征点并不稳定，它可能随采集条件的改变而改变。

发明内容

本发明的目的在于提供一种掌纹图像采集装置和一种快速的掌纹图像定位与分割算法，减少掌纹图像预处理所需的计算量，有效地提高其预处理的效率。

为了实现上述目的，本发明的技术方案为：

一种掌纹图像采集装置，包括图像传感器面板和存储器，所述图像传感器面板上包括成像区、遮挡区；所述成像区用一虚线框标记，手掌只有落在该虚线框才能采集到图像；所述遮挡区内有三个定位梢，第一定位稍用于使食指与中指隔开，第二定位稍用于使中指和无名指隔开，第三定位稍用于使无名指和小指隔开；所述图像传感器面板采集摆放在其上的手掌的灰度图像存储至所述存储器中。

所述的三个定位稍使手掌的中心落在成像区域内，其余部分则不在成像区域，节约图像的像素，并且使手指分开，突出指间的分叉点，这样就使得采集到的掌纹图像具有比较规范，有利于后续的处理，第二定位稍使得采集到的掌纹图像在中指和无名指之间有一个梯形的标志物。

一种对所述的掌纹图像采集装置采集到的掌纹图像进行定位与分割的方法，包括以下步骤：

S11：把手放在图像传感器面板上的成像区内，让遮挡区的第一定位稍位于食指与中指之间，让遮挡区的第二定位稍位于中指和无名指之间，让遮挡区的第三定位稍位于无名指和小指之间，采集得到一个在中指和无名指之间有一个梯形的标志物的掌纹图像；

S12：利用梯形标志物作为模板，采用图像处理算法对掌纹图像进行快速匹配，找出定位所需的局部图像；

S13：算出局部图像的最佳阈值，对局部图像进行阈值化，转换为二值图像，再利用八邻域边缘跟踪算法检测出局部图像的手掌轮廓线；

S14：提取手掌轮廓线上的两个轮廓特征点；

S15：以两个轮廓特征点的连线作Y轴，以该连线的中点为O，以其垂线为X轴，建立参考坐标系XOY，并在坐标系XOY内平行于Y轴一固定距离，取一个固定大小的正方形方块，以此为模板，在原始掌纹图像中相应位置分割出中心子图；

S16：对中心子图进行归一化处理。

步骤S11中采用的图像处理算法有SSDA、小波变换等算法。

步骤S12中计算局部图像的最佳阈值的算法有自适应阈值、大津法等算法。

所述手掌轮廓线上的轮廓特征点在图像采集时不受手掌的摆放状态影响，只要确定特征点的位置，手掌轮廓线的相对位置就确定了，所述轮廓特征点定义为切点。

轮廓特征点是决定目标形状的重要特征单元，具有平移不变性和旋转不变性。掌纹轮廓线上的特征点对手掌的相对位置起关键性的作用，在图像采集时不受手掌的摆放状态影响，只要确定特征点的位置，纹线的相对位置就确定了。

本发明的有益技术效果有：

1、解决了因手掌的随意放置和光照条件的不均匀导致采集的掌纹图像难以进行后续处理的问题；

2、由装置采集的掌纹图像，具有规范的梯形参考图像，将模板匹配限制在很小的局部图像内，大大减少了预处理的计算量；

3、提取具有平移不变性和旋转不变性的轮廓特征点，这些特征点都位于短小的手指间弧线上，并且采用的是简单的弧线曲率计算，这将大大缩短图像定位的时间；

4、基于直角参考坐标系的坐标轴对称中心分割，确保了中心子图的分割正确性，不会因位置的偏移导致掌纹信息的丢失。

附图说明

图1：掌纹采集装置示意图；

图2：掌纹图像轮廓线上的特征点；

图3：掌纹图像的轮廓提取步骤示意图；

图4：轮廓特征切点的提取；

图5：参考坐标系的建立；

图6：（a）为原始图像上的坐标定位图，（b）为中心子图；

图7：（a）原始中心子图，（b）为归一化后的中心子图；

图8：图2掌纹图像定位与分割过程。

具体实施方式

下面结合附图对本发明做进一步描述。

如附图1所示，本发明了设计一款掌纹图像采集装置，图中虚线框内为成像区，外部为遮挡区，手掌只有落在框范围内的部分才能被拍摄到图像。该装置在遮挡区内设计了几个定位用的梢，手掌按照图中的示意摆放，这样可以使手掌的中心落在成像区域内，其余部分则不在成像区域，节约图像的像素，并且使手指分开，突出指间的分叉点，这是手掌轮廓上的两个关键点，成像区的形状使采集到的掌纹图像具有比较规范的形状，这有利于后续的处理。

为了减少掌纹图像在定位时计算量，需要先从装置采集到的灰度掌纹图像中截取对定位有用的局部图像，由于装置在中指和无名指之间有一个梢分隔，使采集到的掌纹图像在中指和无名指之间有一个梯形的标志物，如附图3(b)所示，使用这个标志物图像作为模板，可采用SSDA、小波变换等算法对掌纹图像进行快速匹配，找出定位所需的局部图像，然后可使用自适应阈值、大津法等算法计算出局部图像的最佳阈值，对局部图像进行阈值化，转换为二值图像，再利用八邻域边缘跟踪算法检测出局部图像的手掌轮廓线。

轮廓特征点是决定目标形状的重要特征单元，具有平移不变性和旋转不变性。掌纹轮廓线上的特征点对手掌的相对位置起关键性的作用，在图像采集时不受手掌的摆放状态影响，只要确定特征点的位置，纹线的相对位置就确定了。由附图2所示，手掌的轮廓线中存在很多的轮廓特征点，主要包括角点和切点。角点是反映目标轮廓线上曲率超过一定阈值的局部极大值点，切点是圆弧与直线的平滑过渡点。对掌纹图像来说，指尖和手指间的交叉点处的曲率最大，相对也比较稳定，可以利用如附图2所示的轮廓特征点A、B作为对掌纹定位的依据。其中，A点是食指与中指的交叉点；B点是无名指与小指的交叉点。利用A、B点可以建立参考坐标系，用于对掌纹图像进行定位。

特征点A和B可以定义为角点或切点。角点的提取，需要计算轮廓线上每个点的曲率变化大小，计算量大，搜索速度较慢。本发明采用后一种定义，由掌纹图像的轮廓线可以看出，手指交叉处的轮廓线近似于一小段圆弧，上下两段手指交叉处的圆弧与它们的公切线相切于切点A和B。

如上所述，掌纹采集时有定位装置，并且规定了一个成像区域，使指尖和手掌的根部的多余信息排除在成像区域以外，所得到的掌纹图像具有较为规范的形状。从掌纹图像中可以看出，中指与无名指之间有一个梯形的标志物，我们可以利用这个标志物，对掌纹图像进行局部处理，以便提高特征点提取的速度和准确性。具体步骤如图3所示，描述如下：

(1) 利用中指与无名指之间的梯形标志物在原始图像中进行模板匹配定位，以此为参考位置，在原始图像上分割出一个包含特征点的目标区域，如图3(a)-(c)所示。

(2) 对(c)图进行二值化，如图3(d)所示。

(3) 如图3(e)所示，利用边缘跟踪算法提取出包含特征点的两段手指间的轮廓线，如图4所示，为了提取这两段弧线上的切点，首先要找到它们的公切线。从图像中可以看出，处于曲线右端的点为切点的可能性最大，因此我们从最右侧开始搜索，假设两段弧线上处在最右方的点分别为A’和B’，它们的连线为A’B’，根据它们的坐标可以建立直线A’B’的方程，使A’、B’点沿着弧线上下交替移动，直到两段弧线上所有的点都落到直线A’B’的左侧，此时直线A’B’就是两段弧线的公切线，A’点和B’点即为切点，即特征点，记为A点和B点。

（4）如附图5所示，以特征点A、B的连线作Y轴，过线段AB的中点O作AB的垂线为X轴，建立参考坐标系XOY，如图6所示，在参考坐标系XOY内，平行于Y轴一固定距离，取一个固定大小的正方形方块，以此为模板，在原始掌纹图像中相应位置分割出中心子图。

（5）切取的中心子图的灰度值比较高，动态范围小，而且每幅图像不一致，这样会削弱纹线的细节信息。因此，需要对中心子图进行归一化的处理。利用式4-1和4-2对原图像中的每个像素进行灰度变换。

	(4-1)
			(4-2)

其中，， 分别表示原图像中的灰度最大最小值， 表示像素位置，， 分别表示原图像的灰度值和变换后图像的灰度值。归一化后的结果如图7所示。

Claims (3)

1.一种掌纹图像采集装置采集到的掌纹图像定位与分割的方法，其中，掌纹图像采集装置包括图像传感器面板和存储器，所述图像传感器面板上包括成像区、遮挡区；所述成像区用一虚线框标记，手掌只有落在该虚线框才能采集到图像；所述遮挡区内有三个定位销，第一定位销用于使食指与中指隔开，第二定位销用于使中指和无名指隔开，第三定位销用于使无名指和小指隔开；所述图像传感器面板采集摆放在其上的手掌的灰度图像存储至所述存储器中，所述的三个定位销使手掌的中心落在成像区域内，其余部分则不在成像区域，节约图像的像素，并且使手指分开，突出指间的分叉点，所述第二定位销使得采集到的掌纹图像在中指和无名指之间有一个梯形的标志物，其特征在于，包括以下步骤：

S11：把手放在图像传感器面板上的成像区内，让遮挡区的第一定位销位于食指与中指之间，让遮挡区的第二定位销位于中指和无名指之间，让遮挡区的第三定位销位于无名指和小指之间，采集得到一个在中指和无名指之间有一个梯形的标志物的掌纹图像；

S12：利用梯形标志物作为模板，采用图像处理算法对掌纹图像进行快速匹配，找出定位所需的局部图像；

S13：算出局部图像的最佳阈值，对局部图像进行阈值化，转换为二值图像，再利用八邻域边缘跟踪算法检测出局部图像的手掌轮廓线；

S14：提取手掌轮廓线上的两个轮廓特征点；

S15：以两个轮廓特征点的连线作Y轴，以该连线的中点为O，以其垂线为X轴，建立参考坐标系XOY，并在坐标系XOY内平行于Y轴一固定距离，取一个固定大小的正方形方块，以此为模板，在原始掌纹图像中相应位置分割出中心子图；

S16：对中心子图进行归一化处理。

2.根据权利要求1所述的掌纹图像定位与分割方法，其特征在于，所述手掌轮廓线上的轮廓特征点在图像采集时不受手掌的摆放状态影响，只要确定特征点的位置，手掌轮廓线的相对位置就确定了。

3.根据权利要求2所述的掌纹图像定位与分割方法，其特征在于，所述轮廓特征点定义为切点。