CN104123531A - 一种掌纹兴趣区域定位的方法和装置 - Google Patents

Abstract

本发明提供一种掌纹兴趣区域定位的方法和装置，涉及图像处理领域，能够在不需要接触的情况下对掌纹中的关键点进行准确定位，并在此基础上，使用改进后的方法对掌纹边缘进行定位，得到准确的掌纹边缘轮廓，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。其方法为：通过获取手掌的掌纹图像，提取所述掌纹图像的关键点，并根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线停止移动的位置形成的轮廓线为图像的边缘轮廓线，最终由边缘轮廓线得到手掌边缘的边界线，所述边界线定位所述掌纹图像中的兴趣区域。本发明用于掌纹兴趣区域中定位。

Description

一种掌纹兴趣区域定位的方法和装置

技术领域

本发明涉及图像处理领域，尤其涉及一种掌纹兴趣区域定位的方法和装置。

背景技术

掌纹识别，作为一种较新的生物特征识别技术。手掌图像中的很多掌纹特征，可以用于身份识别。在非接触式的掌纹识别中，最关键的是掌纹兴趣区域(Region of Interest，ROI)的定位。传统的掌纹兴趣区域的定位方法，先确认掌纹中的若干关键点，例如掌纹手缝间的三个凹点，进而通过这些关键点确认掌纹兴趣区域。为了更准确且有效的得到掌纹兴趣区域，出现了考虑掌纹两侧的边缘信息进行定位的方法，例如考虑掌纹主线和掌纹边缘轮廓的交点特征。因此，结合掌纹关键点和手掌边缘的若干个关键点进行掌纹兴趣区域的定位逐渐成为当前掌纹兴趣区域定位的主流方法。

但是，由于掌纹中常用的三个凹点的结构特征不明显，采用结构方法或者统计方法都无法精准可靠的定位掌纹关键点，存在偏差。对于掌纹的左右边缘轮廓信息，边缘关键点定位存在的偏差同样会造成掌纹定位出现误差，即便是边缘关键点的定位准确度得到提高，由于边缘关键点的数量过少，也不能为掌纹定位提供足够的参考。

发明内容

本发明的实施例提供一种掌纹兴趣区域定位的方法和装置，能够根据拍摄得到的掌纹图像对掌纹中的关键点进行准确定位，使用冲击波算法定位掌纹边缘，得到准确的掌纹边缘轮廓信息，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，提供一种掌纹兴趣区域定位的方法，所述方法包括：

获取手掌的掌纹图像，提取所述掌纹图像的关键点；

根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线；

根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

在第一种可能的实现方式中，结合第一方面，所述根据所述关键点确定手掌的边缘轮廓线的初始位置包括：

在所述关键点中选取靠近掌纹图像一侧边缘的一个关键点，根据选取的关键点确定所述一侧边缘轮廓线的初始位置。

在第二种可能的实现方式中，结合第一方面的第一种可能的实现方式，所述使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线包括：

使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动；

为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况；

根据所述轮廓线中每个像素点的运动情况，确定最终的边缘轮廓线。

在第三种可能的实现方式中，结合第一方面的第二种可能的实现方式，所述使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动包括：

当所述轮廓线中的像素点移动的个数小于预设数值时，所述轮廓线为边缘轮廓线；当所述轮廓线中的像素点移动的个数大于或等于预设数值时，所述轮廓线中的像素点需要继续移动，直至所述轮廓线中的像素点移动的个数小于预设数值时为止；所述预设数值根据实际情况设定。

在第四种可能的实现方式中，结合第一方面的第二种可能的实现方式，所述为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况包括：

计算轮廓线中每个像素点的梯度；

将轮廓线上像素点梯度的比值设置为判断像素点运动的参数；

使用一个多层分类器对所述参数进行分类，根据分类结果为每个像素点设置运动标志。

在第五种可能的实现方式中，结合第一方面或第一方面的第四种可能的实现方式，所述根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域包括：

根据所述边缘轮廓线，结合用左右边缘轮廓线拟合左右边缘边界的拟合误差，得到左右边缘边界线；

根据所述左右边缘边界线以及所述关键点，利用最小二乘法得到上下边缘边界线；

所述左右边缘边界线和所述上下边缘边界线形成的封闭区域，构成所述掌纹图像的兴趣区域。

在第六种可能的实现方式中，结合第一方面的第五种可能的实现方式，提取所述关键点包括：

通过预先设定的统计方法结合边缘方向直方图特征提取所述掌纹图像中掌纹手缝间的关键点。

第二方面，提供一种掌纹兴趣区域定位的装置，所述装置包括：

关键点获取单元，用于获取手掌的掌纹图像，提取所述掌纹图像的关键点；

边缘轮廓线获取单元，用于根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线；

掌纹兴趣区域定位单元，用于根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

在第一种可能的实现方式中，结合第二方面，所述边缘轮廓线获取单元包括：

初始位置确定子单元，用于在所述关键点中选取靠近掌纹图像一侧边缘的一个关键点，根据选取的关键点确定所述一侧边缘轮廓线的初始位置。

轮廓线移动子单元，用于使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动；

运动标志设置子单元，用于为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况；

边缘轮廓线确定子单元，用于根据所述轮廓线中每个像素点的运动情况，确定最终的边缘轮廓线。

在第二种可能的实现方式中，结合第二方面的第一种可能的实现方式，所述轮廓线移动子单元具体用于：

当所述轮廓线中的像素点移动的个数小于预设数值时，所述轮廓线为边缘轮廓线；当所述轮廓线中的像素点移动的个数大于或等于预设数值时，所述轮廓线中的像素点需要继续移动，直至所述轮廓线中的像素点移动的个数小于预设数值时为止；所述预设数值根据实际情况设定。

在第三种可能的实现方式中，结合第二方面的第一种可能的实现方式，所述运动标志设置子单元包括：

梯度计算分单元，用于计算轮廓线中每个像素点的梯度；

参数设置分单元，用于将轮廓线上像素点梯度的比值设置为判断像素点运动的参数；

参数分类分单元，用于使用一个多层分类器对所述参数进行分类，根据分类结果为每个像素点设置运动标志。

在第四种可能的实现方式中，结合第二方面或第二方面的第三种可能的实现方式，所述掌纹兴趣区域定位单元包括：

左右边缘边界线定位子单元，用于根据所述边缘轮廓线，结合用左右边缘轮廓线拟合左右边缘边界的拟合误差，得到左右边缘边界线；

上下边缘边界线获取子单元，用于根据所述左右边缘边界线以及所述关键点，利用最小二乘法得到上下边缘边界线；

区域组合子单元，用于所述左右边缘边界线和所述上下边缘边界线形成的封闭区域，构成所述掌纹图像的兴趣区域。

本发明提供一种掌纹兴趣区域定位的方法和装置，通过获取手掌的掌纹图像，提取所述掌纹图像的关键点，并根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线，最终根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。本发明能够在不需要接触的情况下对掌纹中的关键点进行准确定位，并在此基础上，使用改进后的方法对掌纹边缘进行定位，得到准确的掌纹边缘轮廓，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供一种掌纹兴趣区域定位的方法的示意图；

图2为本发明实施例提供一种掌纹兴趣区域定位的方法的示意图；

图3为本发明实施例中提到的在掌纹图像中确定关键点的示意图；

图4为本发明实施例提供一种掌纹兴趣区域定位的方法的示意图；

图5为本发明实施例中提到的在掌纹图像中确定初始轮廓线的示意图；

图6为本发明实施例提供一种掌纹兴趣区域定位的方法的示意图；

图7为本发明实施例提供的在掌纹图像中确定兴趣区域的示意图；

图8为本发明实施例提供一种掌纹兴趣区域定位的装置的结构示意图；

图9为本发明实施例提供一种掌纹兴趣区域定位的装置的结构示意图；

图10为本发明实施例提供一种掌纹兴趣区域定位的装置的结构示意图；

图11为本发明实施例提供一种掌纹兴趣区域定位的装置的结构示意图；

图12为本发明实施例提供一种掌纹兴趣区域定位的装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种掌纹兴趣区域定位的方法，如图1所示，该方法包括步骤：

101、获取手掌的掌纹图像，提取所述掌纹图像的关键点。

102、根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线。

103、根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

本发明提供一种掌纹兴趣区域定位的方法，通过获取手掌的掌纹图像，提取所述掌纹图像的关键点，并根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线，最终根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。本发明能够在不需要接触的情况下对掌纹中的关键点进行准确定位，并在此基础上，使用改进后的方法对掌纹边缘进行定位，得到准确的掌纹边缘轮廓，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。

本发明另一实施例提供了一种掌纹兴趣区域定位的方法，该方法包括：

201、获取手掌的掌纹图像，提取所述掌纹图像的关键点。

如图2所示，步骤201包括：子步骤2011、通过预先设定的统计方法在所述掌纹图像中提取掌纹手缝间的关键点。该预先设定的统计方法可以为统计方法adaboost，该统计方法结合边缘方向直方图(EdgeOrientation Histogram，EOH)特征对掌纹手缝间的关键点进行定位。

如图3所示，在掌纹指缝间定位到三个关键点：P₀、P₁、P₂。

202、根据所述关键点确定掌纹的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像中的边缘轮廓线。

示例性的，本发明所有实施例均以获取左侧边缘轮廓线为例予以说明，右侧边缘轮廓线的获取方法与左侧边缘轮廓线的获取方法相同。根据手掌间的关键点获得左侧边缘轮廓线的初始位置后，使初始位置处的轮廓线沿初始位置向手掌的左侧边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的左边缘轮廓线。

为准确定位边缘轮廓线，边缘轮廓线需要满足三个条件：(1)边缘轮廓线在手掌内部可以运动；(2)边缘轮廓线在手掌边缘停止；(3)边缘轮廓线具备连续性，其内相邻像素之间横坐标不超过1个像素。

根据轮廓线连续性的要求，定义左边缘轮廓线为如下公式(1)：

$\stackrel{\→}{s}={{\{s}_i\}}_{i=1}^{\mathrm{nL}}={\{x\left(i\right),i\}}_{i=1}^{\mathrm{nL}},$ |x(i)-x(i-1)|≤1  (1)

其中，s_i＝(x(i)，i)代表横坐标为x(i)，纵坐标为i的坐标点。公式(1)中的|x(i)-x(i-1)|≤1是对x(i)的约束，为了保证轮廓线的连续性。是一条从上到下的连续路径，每一行中仅包含一个像素点。

203、根据所述获取的掌纹的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

作为一个实施例，步骤202，如图4所示，包括如下子步骤：

2021、在所述关键点中选取靠近掌纹图像一侧边缘的一个关键点，根据选取的关键点确定所述一侧边缘轮廓线的初始位置。

如图5所示，在关键点中选取靠左侧边缘的关键点P₀，并且在P₀下方确定轮廓线的初始位置之所以如此选取是因为关键点P₀离左侧边缘轮廓线较近。以图像左上角为坐标原点，以向右为坐标轴X轴正方向，向下为坐标轴Y轴正方向建立坐标系。根据获得的手掌间的三个关键点，得到手掌相邻指缝间的平均距离L_finger：

L_finger＝(dis tance(P₀，P₁)+dis tance(P₁，P₂))/2。将左边缘轮廓线的初始位置规定为：在P₀的正下方处，初始位置处的轮廓线长度nL规定为：nL＝2L_finger。

2022、使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动。

基于边缘轮廓线在手掌内部可以运动的特性，处于初始位置的轮廓线向边缘方向迭代运动，在每一次迭代运动中，该轮廓线内所有的像素点向一侧边缘最多移动一个像素单位。

当所述轮廓线中的像素点移动的个数小于预设数值时，则所述轮廓线即为边缘轮廓线；当所述轮廓线中的像素点移动的个数大于或等于预设数值时，则所述轮廓线中的像素点需要继续移动，直至所述轮廓线中的像素点移动的个数小于预设数值时为止。预设数值根据实际情况设定，一般设置为5或10。轮廓线中的像素点停止移动的位置为边缘轮廓线的位置，图5中的为最后得到的左边缘轮廓线的位置。

2023、为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况。

轮廓线的运动情况由轮廓线所有像素点的运动情况构成，根据当前像素点的梯度、像素点梯度比值、将该梯度比值作为参数设定的运动标志，可以获得单个像素点的运动情况。

掌纹的边缘点和非边缘点可以由轮廓线中每个像素点的梯度来区分，手掌内部的梯度较小，而手掌边缘的梯度较大。因此，通过计算轮廓线中每个像素点的梯度，根据当前像素点P(x，y)的梯度大小来判断当前像素点是否可以运动，像素点的梯度越小，说明其运动性越强，反之，运动性越弱直至停止运动。具体判断方法为：当前像素点P(x，y)处的梯度较小时，表示当前像素点P(x，y)处于手掌内部，可以向边缘移动；而当前像素点P(x，y)处的梯度较大时，表示当前像素点P(x，y)已经达到边缘，应该停止移动。

对于轮廓线中像素点的梯度，定义为公式(2)：

$e\left(I\right)=\left|\frac{\∂}{{\∂}_x}I\right|+\left|\frac{\∂}{{\∂}_y}I\right|---\left(2\right)$

其中 分别表示在x、y方向进行求导操作。

为了使得该方法的稳定性更强，将轮廓线上像素点梯度的比值H作为判断当前像素点是否运动的条件，梯度的比值H功能上类似于梯度的导数，可以用于区分边缘点和非边缘点。H值越小，像素点的边缘特性越明显，越有可能是边缘轮廓点，反之，表明像素点为掌纹内部像素点，需要继续向边缘移动。

示例性的，对于左轮廓线上的像素点P(x，y)，定义一个参数H，参数H为公式(3)：

$H(x,y)=\frac{e\left(I(x-1,y\right)+e\left(I(x-2,y)\right)+\mathrm{\ϵ}}{e\left(I(x,y\right)+e\left(I(x+1,y)\right)+\mathrm{\ϵ}}---\left(3\right)$

公式(3)中，I(x，y)表示当前像素点P(x，y)的像素值大小，e(I(x，y)表示当前像素点P(x，y)的梯度大小，ε＞0是一个较小的常数，一方面防止分母为0，另一方面剔除掉低梯度像素的影响。参数H(x，y)为当前像素点P(x，y)左侧的两个相邻像素点P(x-1，y)、P(x-2，y)的梯度及常数ε之和与当前像素点P(x，y)及右侧相邻像素点P(x+1，y)的梯度及常数ε之和的比值，这里取两个像素点梯度之和的目的是去除噪声的干扰。

该公式中，将当前像素点P(x，y)处的梯度作为分母，当前像素点P(x，y)的梯度值越大，表示分母越大，参数H(x，y)值就会越小。参数H(x，y)值越小，代表当前像素点的边缘特性越明显，越有可能是边缘轮廓点，这样，轮廓线上的像素点运动到该处时，越应该停止。反之分母越小，参数H(x，y)值越大，代表当前像素点的边缘特性越弱，越有可能是掌纹内部像素点，因此轮廓线像素点运动到该处时，越应该继续运动。

为更加准确直观判断像素点的运动情况，使用一个多层分类器movelabel，对像素点的梯度比值参数H进行分类，根据分类结果为每个像素点设置运动标志，记为ML(x，y)，用于表述单个像素点的运动趋势，具体为公式(4)：

$\mathrm{ML}(x,y)=\left\{\begin{array}{cc}-2& H(x,y)\&le;{\mathrm{\&alpha;}}_{-2}\\ -1& {\mathrm{\&alpha;}}_{-2}<H(x,y)\&le;{\mathrm{\&alpha;}}_{-1}\\ 0& {\mathrm{\&alpha;}}_{-1}<H(x,y)\&le;{\mathrm{\&alpha;}}_0\\ 1& {\mathrm{\&alpha;}}_0<H(x,y)\&le;{\mathrm{\&alpha;}}_1\\ 2& {\mathrm{\&alpha;}}_1<H(x,y)\end{array}\right.---\left(4\right)$

其中，α_-2、α_-1、α₀、α₁是根据实验得到的阈值，且有α_-2＜α_-1＜α₀＜α₁。公式(4)中，运动标志值ML(x，y)越小，表示像素点的运动趋势越低。因此，根据公式(4)可知，对于当前像素点P(x，y)，H(x，y)越小，则边缘特性越强，它的运动趋势越低，ML(x，y)值越小，反之，则ML(x，y)越大。设计多层分类器的目的是为了更好的判断当前像素点是边缘像素点的置信度有多大。运动标志ML(x，y)数值大小的设计在下文中予以说明。这样，对于轮廓线上的每一个像素点s_i，i＝1...nL，均可以得到它的运动标志ML(x，y)，据此得出轮廓线上每个像素点的运动情况。

2024、根据所述轮廓线中每个像素点的运动情况，确定最终的边缘轮廓线。

根据每个像素点的运动标志的值，判断像素点停止移动的，像素点停止移动的位置，构成最终的边缘轮廓线。

作为本发明的再一实施例，结合图6，以手掌左侧边缘轮廓线上像素点的移动为例说明左侧轮廓线的定位方法。左侧轮廓线的定位方法如下，包括：

步骤301、确定轮廓线的初始位置其中表示该轮廓线为一系列像素点的集合；

步骤302、轮廓线第k次运动后的位置其中表示第k次运动后，初始位置为的像素点已经运动到横坐标为x^k(i)、纵坐标为i的位置；

步骤303、计算轮廓线上每个像素点的运动标志 $\mathrm{ML}\left(s_i^k\right);$

步骤304、根据运动标志的具体取值确定每个像素点的运动情况，获得轮廓线第K+1次运动后的位置；

在步骤304中，获得轮廓线第K+1次运动后位置的方法如下：

为使轮廓线尽可能遍历掌纹的所有区域，首先，对轮廓线中像素点的移动步长进行约束，像素点第K+1次运动后的位置需符合公式(5)：

-1≤x^k+1(i)-x^k(i)≤0  (5)

公式(5)表示轮廓线中像素点的移动步长为1。

进而，令轮廓线中的像素点按运动标志进行运动，得到公式(6)：

${x^{k+1}\left(i\right)=x^k\left(i\right)+f\left(t\right)|}_{t=\mathrm{ML}(s_i^k,i)}---\left(6\right)$

其中：

公式(6)为能量方程公式(7)的解，如此变换的目的是为了便于对轮廓线的整体运动求解。

$E\left({\stackrel{\&RightArrow;}{s}}^{k+1}\right)=\min \underset{i=1}{\overset{\mathrm{nL}}{\mathrm{\&Sigma;}}}|x^{k+1}\left(i\right)-x^k\left(i\right)-f\left(\mathrm{ML}(x^k\left(i\right),i)\right)|\&CenterDot;\left|\mathrm{ML}(x^k\left(i\right),i)\right|---\left(7\right)$

公式(7)中，表示轮廓线的实际运动与公式(6)中理论运动所产生的偏差，最后一项|ML(x^k(i)，i)|表示权重项，用于对轮廓线内像素点运动进行限制。

根据公式(7)可知，当ML(x^k(i)，i)＝-1时，解出x^k+1(i)＝x^k(i)-1，横坐标减1，表示当前像素点向左运动，当ML(x^k(i)，i)＝0时，解出x^k+1(i)＝x^k(i)，表示当前像素点不运动。

假如每个像素点均自由移动，就无法保证在移动过程中轮廓线还能保持连续，为了对所有的轮廓线像素点进行约束，保证轮廓线整体的连续性，需要如下公式：

s.t，|x^k+1(i)-x^k+1(i-1)|≤1i＝2...nL  (8)

利用动态规划方法对公式(6)、(7)、(8)求解，即可得到k+1次迭代后轮廓线的位置 ${\stackrel{\&RightArrow;}{s}}^{k+1}={\left\{s_i^{k+1}\right\}}_{i=1}^{\mathrm{nL}}={\{x^{k+1}\left(i\right),i\}}_{i=1}^{\mathrm{nL}}.$

步骤305、当轮廓线一次移动过程中，像素点移动的个数小于预定值时，移动过程停止，继续步骤306。

当轮廓线一次迭代过程中，像素点移动的总个数小于预定值时，其中，λ为预设的数值，一般情况设置为5或10，也可以根据不同的实际情况而定。此时，迭代过程停止，轮廓线为掌纹的边缘轮廓线。当进行移动的像素点的总个数大于或等于预定值时，则重新执行步骤302～305。

步骤306、当获取到稳定的左右边缘轮廓线后，结合拟合误差，得到准确的边缘边界线。

具体的，由于边缘边界线为直线，因此定义左边界为y＝k_Lx+b_L、右边界y＝k_Rx+b_R，b_L、b_R为截距，由于掌纹兴趣区域默认定义为一个正方形，因此左右边界斜率相等，进而得出k_v＝k_L＝k_R。

用左右边缘轮廓线拟合左右边缘边界的拟合误差为：

$E=\underset{i=1}{\overset{\mathrm{nL}}{\mathrm{\&Sigma;}}}{(s_{\mathrm{iy}}^{\mathrm{left}}-k_v\&CenterDot;s_{\mathrm{ix}}^{\mathrm{left}}-b_L)}^2+\underset{i=1}{\overset{\mathrm{nR}}{\mathrm{\&Sigma;}}}{(s_{\mathrm{iy}}^{\mathrm{right}}-k_v\&CenterDot;s_{\mathrm{ix}}^{\mathrm{right}}-b_R)}^2$

其中 ${\stackrel{\&RightArrow;}{s}}^{\mathrm{left}}=(s_{\mathrm{ix}}^{\mathrm{left}},s_{\mathrm{iy}}^{\mathrm{left}})i=1\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{nL},$ ${\stackrel{\&RightArrow;}{s}}^{\mathrm{right}}=(s_{\mathrm{ix}}^{\mathrm{right}},s_{\mathrm{iy}}^{\mathrm{right}})i=1\&CenterDot;\&CenterDot;\&CenterDot;\mathrm{nR}.$

分别对拟合误差公式中的k_v、b_L、b_R求导，使得拟合误差E最小，即可求得这三者的值如下：

$k_v=\frac{L_{\mathrm{xy}}+R_{\mathrm{xy}}-\frac{L_x{L}_y}{\mathrm{nL}}-\frac{R_x{R}_y}{\mathrm{nR}}}{{L_x}^2+{R_x}^2-\frac{{L_x}^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}}}$

$b_L=\frac{L_y(L_{x^2}+R_{x^2})-L_x(L_{\mathrm{xy}}+R_{\mathrm{xy}})+(L_y{R}_x-L_x{R}_y)\frac{R_x}{\mathrm{nR}}}{(L_{x^2}+R_{x^2}-\frac{L_x^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}})\mathrm{nL}},$

$b_R=\frac{R_y(L_{x^2}+R_{x^2})-R_x(L_{\mathrm{xy}}+R_{\mathrm{xy}})+(L_y{R}_x-L_x{R}_y)\frac{L_x}{\mathrm{nL}}}{(L_{x^2}+R_{x^2}-\frac{L_x^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}})\mathrm{nR}},$

其中： $L_x=\underset{i=1}{\overset{\mathrm{nL}}{\mathrm{\&Sigma;}}}{s}_{\mathrm{ix}}^{\mathrm{left}},$ $R_x=\underset{i=1}{\overset{\mathrm{nR}}{\mathrm{\&Sigma;}}}{s}_{\mathrm{ix}}^{\mathrm{right}};$

$L_{\mathrm{xy}}=\underset{i=1}{\overset{\mathrm{nL}}{\mathrm{\&Sigma;}}}{s}_{\mathrm{ix}}^{\mathrm{left}}{s}_{\mathrm{iy}}^{\mathrm{left}},$ $R_{\mathrm{xy}}=\underset{i=1}{\overset{\mathrm{nR}}{\mathrm{\&Sigma;}}}{s}_{\mathrm{ix}}^{\mathrm{right}}{s}_{\mathrm{iy}}^{\mathrm{right}};$

$L_{x^2}=\underset{i=1}{\overset{\mathrm{nL}}{\mathrm{\&Sigma;}}}{s}_{\mathrm{ix}}^{\mathrm{left}}{s}_{\mathrm{ix}}^{\mathrm{left}},$ $R_{x^2}=\underset{i=1}{\overset{\mathrm{nR}}{\mathrm{\&Sigma;}}}{s}_{\mathrm{ix}}^{\mathrm{right}}{s}_{\mathrm{ix}}^{\mathrm{right}}.$

由此可以得到掌纹图像中，左右边缘边界的直线方程，

左边界的直线方程为：

$y=\frac{L_{\mathrm{xy}}+R_{\mathrm{xy}}-\frac{L_x{L}_y}{\mathrm{nL}}-\frac{R_x{R}_y}{\mathrm{nR}}}{L_{x^2}+R_{x^2}-\frac{L_x^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}}}x+\frac{L_y(L_{x^2}+R_{x^2})-L_x(L_{\mathrm{xy}}+R_{\mathrm{xy}})+(L_y{R}_x-L_x{R}_y)\frac{R_x}{\mathrm{nR}}}{(L_{x^2}+R_{x^2}-\frac{L_x^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}})\mathrm{nL}}$

右边界的直线方程为：

$y=\frac{L_{\mathrm{xy}}+R_{\mathrm{xy}}-\frac{L_x{L}_y}{\mathrm{nL}}-\frac{R_x{R}_y}{\mathrm{nR}}}{L_{x^2}+R_{x^2}-\frac{L_x^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}}}x+\frac{R_y(L_{x^2}+R_{x^2})-R_x(L_{\mathrm{xy}}+R_{\mathrm{xy}})+(L_y{R}_x-L_x{R}_y)\frac{L_x}{\mathrm{nL}}}{(L_{x^2}+R_{x^2}-\frac{L_x^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}})\mathrm{nR}}$

在获得掌纹兴趣区域的左右边界直线方程后，由于正方形区域内上下边界与左右边界垂直，因此上下边界线的斜率可以由k_H＝-1/k_v得到。至于上边界的截距b_up，则根据已经确定的三个关键点，通过关键点到上边界的距离最小二乘来求解，可以得到因此，上边界的直线方程为：

$y=-\frac{L_{x^2}+R_{x^2}-\frac{L_x^2}{\mathrm{nL}}-\frac{R_x^2}{\mathrm{nR}}}{L_{\mathrm{xy}}+R_{\mathrm{xy}}-\frac{L_x{L}_y}{\mathrm{nL}}-\frac{R_x{R}_y}{\mathrm{nR}}}x+\underset{i=0}{\overset{2}{\mathrm{\&Sigma;}}}(P_{\mathrm{iy}}-k_H\&CenterDot;P_{\mathrm{ix}})/3,$

下边界的直线方程同理可得，此处不再赘述。

步骤307、由所得的四条边界线方程获得的边界线，在坐标系内围成正方形封闭区域，构成掌纹图像中所求的兴趣区域，如图7所示。

本发明提供一种掌纹兴趣区域定位的方法，通过获取手掌的掌纹图像，提取所述掌纹图像的关键点，并根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线，最终根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。本发明能够在不需要接触的情况下对掌纹中的关键点进行准确定位，并在此基础上，使用改进后的方法对掌纹边缘进行定位，得到准确的掌纹边缘轮廓，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。

本发明实施例提供一种掌纹兴趣区域定位的装置1，如图8所示，该装置包括：

关键点获取单元11，用于获取手掌的掌纹图像，提取所述掌纹图像的关键点；

边缘轮廓线获取单元12，用于根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线；

掌纹兴趣区域定位单元13，用于根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

本发明提供一种掌纹兴趣区域定位的装置，通过获取手掌的掌纹图像，提取所述掌纹图像的关键点，并根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线，最终根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。本发明能够在不需要接触的情况下对掌纹中的关键点进行准确定位，并在此基础上，使用改进后的方法对掌纹边缘进行定位，得到准确的掌纹边缘轮廓，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。

本发明实施例提供一种掌纹兴趣区域定位的装置2，该装置包括：

关键点获取单元21，用于获取手掌的掌纹图像，提取所述掌纹图像的关键点；

边缘轮廓线获取单元22，用于根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线；

掌纹兴趣区域定位单元23，用于根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

其中，如图9所示，边缘轮廓线获取单元22具体包括：

初始位置确定子单元221，用于在所述关键点中选取靠近掌纹图像一侧边缘的一个关键点，根据选取的关键点确定所述一侧边缘轮廓线的初始位置。

轮廓线移动子单元222，用于使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动；

运动标志设置子单元223，用于为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况；

边缘轮廓线确定子单元224，用于根据所述轮廓线中每个像素点的运动情况，确定最终的边缘轮廓线。

进一步的，轮廓线移动子单元222具体用于：

当所述轮廓线中的像素点移动的个数小于预设数值时，所述轮廓线为边缘轮廓线；当所述轮廓线中的像素点移动的个数大于或等于预设数值时，所述轮廓线中的像素点需要继续移动，直至所述轮廓线中的像素点移动的个数小于预设数值时为止；所述预设数值根据实际情况设定。

如图10所示，运动标志设置子单元223包括：

梯度计算分单元2231，用于计算轮廓线中每个像素点的梯度；

参数设置分单元2232，用于将轮廓线上像素点梯度的比值设置为判断像素点运动的参数；

参数分类分单元2233，用于使用一个多层分类器对所述参数进行分类，根据分类结果为每个像素点设置运动标志。

如图11所示，掌纹兴趣区域定位单元23包括：

左右边缘边界线定位231，用于根据所述边缘轮廓线，结合用左右边缘轮廓线拟合左右边缘边界的拟合误差，得到左右边缘边界线；

上下边缘边界线定位子单元232，用于根据所述左右边缘边界线以及所述关键点，利用最小二乘法得到上下边缘边界线；

区域组合子单元233，用于所述左右边缘边界线和所述上下边缘边界线形成的封闭区域，构成所述掌纹图像的兴趣区域。

本发明提供一种掌纹兴趣区域定位的装置，通过获取手掌的掌纹图像，提取所述掌纹图像的关键点，并根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线，最终根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。本发明能够在不需要接触的情况下对掌纹中的关键点进行准确定位，并在此基础上，使用改进后的方法对掌纹边缘进行定位，得到准确的掌纹边缘轮廓，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。

本发明实施例提供一种掌纹兴趣区域定位的装置3，如图12所示，该装置3包括：总线31；以及连接到总线31上的处理器32、存储器33、接收器34、发射器35，，其中存储器33用于存储相关指令，该处理器32执行该指令用于获取手掌的掌纹图像，提取所述掌纹图像的关键点；该处理器32执行该指令用于根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线；该处理器2232执行该指令还用于根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

在本发明实施例中，可选的，该处理器32执行该指令还用于根据所述关键点确定手掌的边缘轮廓线的初始位置，包括：在所述关键点中选取靠近掌纹图像一侧边缘的一个关键点，根据选取的关键点确定所述一侧边缘轮廓线的初始位置。。

在本发明实施例中，可选的，该处理器32执行该指令还可用于根据所述使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹

图像的边缘轮廓线，包括：使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动；

为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况；

根据所述轮廓线中每个像素点的运动情况，确定最终的边缘轮廓线。

在本发明实施例中，可选的，该处理器32执行该指令还可用于根据所述使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动，包括：

当所述轮廓线中的像素点移动的个数小于预设数值时，所述轮廓线为边缘轮廓线；当所述轮廓线中的像素点移动的个数大于或等于预设数值时，所述轮廓线中的像素点需要继续移动，直至所述轮廓线中的像素点移动的个数小于预设数值时为止；所述预设数值根据实际情况设定。

在本发明实施例中，可选的，该处理器32执行该指令还可用于根据所述为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况包括：

计算轮廓线中每个像素点的梯度；

将轮廓线上像素点梯度的比值设置为判断像素点运动的参数；

使用一个多层分类器对所述参数进行分类，根据分类结果为每个像素点设置运动标志。

在本发明实施例中，可选的，该处理器32执行该指令还可用于根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线包括：

根据所述边缘轮廓线，结合用左右边缘轮廓线拟合左右边缘边界的拟合误差，得到左右边缘边界线；

根据所述左右边缘边界线以及所述关键点，利用最小二乘法得到上下边缘边界线；

所述左右边缘边界线和所述上下边缘边界线形成的封闭区域，构成所述掌纹图像的兴趣区域。

在本发明实施例中，可选的，该处理器32执行该指令还可用于提取所述关键点包括：

通过预先设定的统计方法结合边缘方向直方图特征提取所述掌纹图像中掌纹手缝间的关键点。

因此，本发明实施例的用于定位的装置，利用手掌边缘具有较强边缘特征的特性，基于一种冲击波算法来获取手掌边缘轮廓线进而定位掌纹兴趣区域。具体而言，在获取掌纹图像中的关键点后，根据所述关键点确定掌纹边缘轮廓线的初始位置，使处于初始位置的轮廓线向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线，最终根据所述获取的边缘轮廓线，定位所述掌纹图像的兴趣区域。本发明能够在不需要接触的情况下对掌纹中的关键点进行准确定位，并在此基础上，使用改进后的方法对掌纹边缘进行定位，得到准确的掌纹边缘轮廓，进而通过拟合得到掌纹区域的边界线，最终得到可靠的掌纹兴趣区域，提高了获取掌纹兴趣区域的准确性。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (12)

1.一种掌纹兴趣区域定位的方法，其特征在于，所述方法包括：

获取手掌的掌纹图像，提取所述掌纹图像的关键点；

根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线；

根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关键点确定手掌的边缘轮廓线的初始位置包括：

在所述关键点中选取靠近掌纹图像一侧边缘的一个关键点，根据选取的关键点确定所述一侧边缘轮廓线的初始位置。

3.根据权利要求2所述的方法，其特征在于，所述使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线包括：

使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动；

为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况；

根据所述轮廓线中每个像素点的运动情况，确定最终的边缘轮廓线。

4.根据权利要求3所述的方法，其特征在于，所述使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动包括：

当所述轮廓线中的像素点移动的个数小于预设数值时，所述轮廓线为边缘轮廓线；当所述轮廓线中的像素点移动的个数大于或等于预设数值时，所述轮廓线中的像素点需要继续移动，直至所述轮廓线中的像素点移动的个数小于预设数值时为止；所述预设数值根据实际情况设定。

5.根据权利要求3所述的方法，其特征在于，所述为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况包括：

计算轮廓线中每个像素点的梯度；

将轮廓线上像素点梯度的比值设置为判断像素点运动的参数；

使用一个多层分类器对所述参数进行分类，根据分类结果为每个像素点设置运动标志。

6.根据权利要求1或5所述的方法，其特征在于，所述根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域包括：

根据所述边缘轮廓线，结合用左右边缘轮廓线拟合左右边缘边界的拟合误差，得到左右边缘边界线；

根据所述左右边缘边界线以及所述关键点，利用最小二乘法得到上下边缘边界线；

所述左右边缘边界线和所述上下边缘边界线形成的封闭区域，构成所述掌纹图像的兴趣区域。

7.根据权利要求6所述的方法，其特征在于，提取所述关键点包括：

通过预先设定的统计方法结合边缘方向直方图特征提取所述掌纹图像中掌纹手缝间的关键点。

8.一种掌纹兴趣区域定位的装置，其特征在于，所述装置包括：

关键点获取单元，用于获取手掌的掌纹图像，提取所述掌纹图像的关键点；

边缘轮廓线获取单元，用于根据所述关键点确定手掌的边缘轮廓线的初始位置，使处于初始位置的轮廓线沿所述初始位置向手掌边缘方向移动，所述轮廓线在手掌边缘完全停止移动的位置形成的轮廓线为所述掌纹图像的边缘轮廓线；

掌纹兴趣区域定位单元，用于根据所述获取的掌纹图像的边缘轮廓线得到手掌边缘的边界线，由所述边界线定位所述掌纹图像中的兴趣区域。

9.根据权利要求8所述的装置，其特征在于，所述边缘轮廓线获取单元包括：

初始位置确定子单元，用于在所述关键点中选取靠近掌纹图像一侧边缘的一个关键点，根据选取的关键点确定所述一侧边缘轮廓线的初始位置；

轮廓线移动子单元，用于使处于初始位置的轮廓线包含的像素点向手掌边缘方向以单个像素为单位移动；

运动标志设置子单元，用于为所述轮廓线中每个像素点设置运动标志，以确定所述轮廓线中每个像素点的运动情况；

边缘轮廓线确定子单元，用于根据所述轮廓线中每个像素点的运动情况，确定最终的边缘轮廓线。

10.根据权利要求9所述的装置，其特征在于，所述轮廓线移动子单元用于：

当所述轮廓线中的像素点移动的个数小于预设数值时，所述轮廓线为边缘轮廓线；当所述轮廓线中的像素点移动的个数大于或等于预设数值时，所述轮廓线中的像素点需要继续移动，直至所述轮廓线中的像素点移动的个数小于预设数值时为止；所述预设数值根据实际情况设定。

11.根据权利要求9所述的装置，其特征在于，所述运动标志设置子单元包括：

梯度计算分单元，用于计算轮廓线中每个像素点的梯度；

参数设置分单元，用于将轮廓线上像素点梯度的比值设置为判断像素点运动的参数；

参数分类分单元，用于使用一个多层分类器对所述参数进行分类，根据分类结果为每个像素点设置运动标志。

12.根据权利要求8或11所述的方法，其特征在于，所述掌纹兴趣区域定位单元包括：

左右边缘边界线定位子单元，用于根据所述边缘轮廓线，结合用左右边缘轮廓线拟合左右边缘边界的拟合误差，得到左右边缘边界线；

上下边缘边界线定位子单元，用于根据所述左右边缘边界线以及所述关键点，利用最小二乘法得到上下边缘边界线；

区域组合子单元，用于所述左右边缘边界线和所述上下边缘边界线形成的封闭区域，构成所述掌纹图像的兴趣区域。