CN105787424A - 一种图像处理方法及装置 - Google Patents

Abstract

本申请公开了一种图像处理方法及装置，该方法采集原始生物特征图像，然后，在原始生物特征图像中确定待修正区域，再根据预设的区域模板，基于多特征点匹配算法对待修正区域进行修正，其中，所述待修正区域包括待修正掌纹区域，所述区域模板包括掌纹区域模板。通过上述方法，由于修正后的待修正掌纹区域与掌纹区域模板中掌纹的空间姿态一致，因此，可以将修正后的待修正掌纹区域用于后续匹配认证，可靠性较高。

Description

一种图像处理方法及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像处理方法及装置。

背景技术

目前，生物识别技术广泛地应用于安全领域，是认证用户身份的主要手段之一。生物识别技术按特征分类可以分为生理特征识别技术和行为特征识别技术，掌纹识别技术就是一种生理特征特征识别技术。

掌纹这一生理特征，可以使用终端(如手机)的摄像头很方便地进行采集。一般的，在基于终端进行掌纹识别时，可以拍摄用户手掌的图像，然后，截取图像中的固定区域，确定为掌纹区域，再将该掌纹区域与掌纹库中保存的各掌纹区域进行匹配，以认证该用户的身份。

但是，由于每次拍摄图像时，用户手掌的摆放姿势以及与摄像头之间的距离可能不同，因此，图像中实际的掌纹区域可能并不完全位于该固定区域中，而且，图像中掌纹的实际空间姿态，与掌纹库中保存的各掌纹的空间姿态也可能不一致，其中，所述的空间姿态包括大小比例、旋转角度、相对位置等。在这种情况下，若终端后续使用现有技术中确定出的掌纹区域进行匹配认证，可靠性较低。

例如，某用户在掌纹库中注册的掌纹区域，所对应的手掌的摆放姿势是竖着摆放的，而后续该用户进行掌纹识别，拍摄手掌的图像时，手掌的摆放姿势是横着摆放的，则在掌纹库中保存的掌纹区域与后续确定出的掌纹区域中的掌纹实际是一致的，但是由于空间姿态不一致(角度相差了90度)，因此，后续可能无法正确匹配认证。

发明内容

本申请实施例提供一种图像处理方法及装置，用以解决将现有技术中确定出的掌纹区域用于后续匹配认证时，可靠性较低的问题。

本申请实施例提供的一种图像处理方法，包括：

采集原始生物特征图像；

在所述原始生物特征图像中确定待修正区域；

根据预设的区域模板，基于多特征点匹配算法对所述待修正区域进行修正。

本申请实施例提供的一种图像处理装置，包括：

采集模块，用于采集原始生物特征图像；

区域确定模块，用于在所述原始生物特征图像中确定待修正区域；

修正模块，用于根据预设的区域模板，基于多特征点匹配算法对所述待修正区域进行修正。

本申请实施例提供一种图像处理方法及装置，该方法采集原始生物特征图像，然后，在原始生物特征图像中确定待修正区域，再根据预设的区域模板，基于多特征点匹配算法对待修正区域进行修正，其中，所述待修正区域包括待修正掌纹区域，所述区域模板包括掌纹区域模板。通过上述方法，由于修正后的待修正掌纹区域与掌纹区域模板中掌纹的空间姿态一致，因此，可以将修正后的待修正掌纹区域用于后续匹配认证，可靠性较高。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的图像处理过程；

图2为在本申请实施例提供的图像处理方法的实际应用场景下，在原始生物特征图像中确定出的待修正掌纹区域示意图；

图3为在本申请实施例提供的图像处理方法的实际应用场景下，使用的特征点描述算子示意图；

图4为在本申请实施例提供的图像处理方法的实际应用场景下，掌纹区域模板和修正后的待修正掌纹区域示意图；

图5在本申请实施例提供的图像处理的详细过程；

图6为本申请实施例提供的图像处理装置结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请实施例提供的图像处理过程，具体包括以下步骤：

S101：采集原始生物特征图像。

在本申请实施例中，所述的生物特征可以是掌纹、指纹、面相等生物特征，可以使用任意带摄像头的终端(如手机、平板电脑、数码相机等)采集原始生物特征图像。以下均以所述的生物特征是掌纹为例进行说明。

一般的，在安全领域，服务提供方的服务器可基于掌纹匹配认证用户的身份，以确定是否为该用户提供服务。在这种应用场景下，用户需预先在服务器上注册自己的掌纹图像，服务器则将各用户注册的掌纹图像统一保存在掌纹库中，此后，若用户要向服务器请求服务时，可以采集自己的掌纹图像，然后上传至服务器，由服务器将上传的掌纹图像与掌纹库中保存的各掌纹图像进行匹配，若掌纹库中存在匹配的掌纹图像，则服务器可确定该用户的身份，进而，为该用户提供服务。但是，在用户注册的掌纹图像和后续用户采集的掌纹图像中，用户掌纹的空间姿态可能不一致，这样的话，服务器在进行匹配认证时可能会误判，导致虽然该用户已注册了掌纹图像，却不能通过身份认证。

因此，针对上述问题，在采集原始生物特征图像后，可以对该原始生物特征图像进行相应的处理后再用于后续匹配认证，以提高匹配认证的可靠性。

S102：在原始生物特征图像中确定待修正区域。

在本申请实施例中，基于掌纹匹配进行身份认证时，所述的待修正区域可以是待修正掌纹区域。

由于服务器为了提高处理效率，一般不会对采集的原始生物特征图像中的全部区域进行匹配认证，而是只对原始生物特征图像中的部分区域，例如掌纹密集的掌心区域，进行匹配认证。因此，在采集原始生物特征图像后，可在原始生物特征图像中确定出这部分区域，也即，确定出待修正掌纹区域，后续主要针对待修正掌纹区域进行处理。

S103：根据预设的区域模板，基于多特征点匹配算法对待修正区域进行修正。

在本申请实施例中，所述的区域模板可以是掌纹区域模板，掌纹区域模板是预先根据掌纹库中注册的各掌纹图像中的掌纹区域设置的，其中，掌纹区域模板中的掌纹与注册的各掌纹图像中的手掌的空间姿态一致。从而，根据掌纹区域模板，基于多特征点匹配算法，可以将待修正掌纹区域中的掌纹的空间姿态，修正为与掌纹区域模板中的掌纹的空间姿态一致。

通过上述方法，由于对采集的原始生物特征图像中的待修正掌纹区域进行了修正，使得修正后的待修正区域与预先注册的各掌纹图像中的掌纹的空间姿态一致，因此，后续可将修正后的待修正区域用于匹配认证，可以有效地减轻匹配认证受用户手掌摆放姿势影响的程度，提高了匹配认证的可靠性。

在本申请实施例中，在原始生物特征图像中确定待修正掌纹区域之前，还可以判断原始生物特征图像中是否包含有效生物特征信息，也即，是否包含有效掌纹信息，若是，则可继续执行上述步骤S102，否则，可向给予用户相应的错误提示，并等待重新采集原始生物特征图像。

在实际应用中，可以认为只要原始生物特征图像中包含手掌，就包含有效掌纹信息。可以使用现有技术中的手掌检测算法来检测手掌，例如使用基于方向梯度直方图(HistogramofOrientedGradient，HOG)特征和支持向量机(SupportVectorMachine，SVM)的手掌检测算法，首先检测出原始生物特征图像中的前景边缘，然后根据前景边缘判断前景轮廓的形状是否为手掌的形状，若是，则确定原始生物特征图像中包含手掌，否则，确定原始生物特征图像中不包含手掌。

在本申请实施例中，在确定原始生物特征图像中包含有效掌纹信息之后，可以先在原始生物特征图像中确定手掌所在的区域，再在手掌所在的区域中确定掌纹密集的掌心区域，作为待修正掌纹区域，后续进行修正。因此，对于上述步骤S102，在原始生物特征图像中确定待修正区域，具体包括：根据预设的全局肤色模型，确定原始生物特征图像中的肤色像素，其中，所述全局肤色模型是预先根据设定数量的肤色图像进行训练得到的，然后，确定由原始生物特征图像中的各肤色像素构成的区域，作为肤色区域，再根据肤色区域确定待修正掌纹区域。显然，所述的肤色区域即为手掌所在的区域，所述的待修正掌纹区域即为掌纹密集的掌心区域。

下面进一步地说明确定待修正掌纹区域的过程。

一般的，在图像处理领域，一幅彩色数字图像是由很多个像素组成的，可以选定一种颜色空间来表示该彩色数字图像中各像素的颜色，常用的颜色空间有RGB颜色空间、CMY颜色空间、HSV颜色空间、YUV颜色空间等。在本申请实施例中，以选定了RGB颜色空间为例进行说明。在RGB颜色空间中，有红色(Red，R)、绿色(Green，G)、蓝色(Blue，B)这三种原始颜色，每一种原始颜色都有256级(分别用0～255的整数表示)亮度，将不同亮度的RGB叠加可获得各种颜色，例如黑色用RGB的亮度取值可以表示为{R＝0，G＝0，B＝0}，其含义是，黑色是由亮度取值均为0的红色、绿色、蓝色叠加得到的。

类似的，原始生物特征图像中的各像素也可以分别用RGB颜色空间进行表示。对于既定的一类人种，如黄种人，其肤色是近似的，相应的，在原始生物特征图像中的各肤色像素的RGB亮度取值也是近似的，并可以与原始生物特征图像中的其他像素相区别。因此，为了在原始生物特征图像确定出各肤色像素，可以预先对大量的肤色图像进行训练，采用聚类方法，确定出肤色像素的RGB亮度大致的取值范围，然后将该取值范围用数学模型进行描述，即可获得所述的全局肤色模型。其中，该取值范围具体可以包括：R的亮度取值范围、G的亮度取值范围、B的亮度取值范围、RGB的亮度取值之间相互的比例关系等。当然，在实际应用中，可以根据不同的人种的肤色，预先生成多个全局肤色模型以供选择使用。

在选定全局肤色模型后，可以用该全局肤色模型分别对原始生物特征图像中的每个像素进行检测，将落在该全局肤色模型定义的RGB亮度的取值范围内的像素确定为肤色像素，则由各肤色像素构成的区域是手掌所在的区域，也即，肤色区域。再根据肤色区域确定出掌纹密集的掌心区域，也即，待修正掌纹区域。

进一步的，根据肤色区域确定待修正掌纹区域，具体包括：对各肤色像素进行训练，获得掌纹肤色模型，然后，根据掌纹肤色模型，在肤色区域中确定掌纹肤色像素，再根据各掌纹肤色像素，确定掌纹肤色像素密集区域，作为待修正掌纹区域。

由于确定肤色区域时所使用的全局肤色模型是预先根据其他大量肤色图像生成的，而原始生物特征图像中的肤色区域与该其他大量肤色图像的颜色可能有少许差异，因此，可以对已确定出的各肤色像素进行训练，进一步收缩全局肤色模型定义的RGB亮度的取值范围，从而获得比全局肤色模型更精确的掌纹肤色模型。

手掌的肤色像素可以分为掌纹肤色像素和非掌纹肤色像素两类，其中，掌纹肤色像素对应手掌上的掌纹，颜色相对较深，亮度取值相对较小，而非掌纹肤色像素对应手掌上的除掌纹之外的其他部分，颜色相对较浅，亮度取值相对较大。在全局肤色模型中，一般不会对肤色像素中的掌纹肤色像素和非掌纹肤色像素进行区分。而在对各肤色像素进行训练，获取掌纹肤色模型时，在收缩全局肤色模型定义的RGB亮度的取值范围的同时，还可以对各肤色像素进行聚类，以区分出掌纹肤色像素和非掌纹肤色像素，进而，可以根据各掌纹肤色像素，确定掌纹肤色像素密集区域，作为待修正掌纹区域。其中，所述的掌纹肤色像素密集区域可以是从肤色区域中分割出来的、包含有大部分掌纹肤色像素的设定大小、设定形状的区域。一般的，掌纹肤色像素密集区域即为掌纹密集的掌心区域。

图2为在实际应用场景下，在原始生物特征图像中确定出的待修正掌纹区域示意图。可以看到，在手掌轮廓内的区域为肤色区域，掌纹密集的掌心区域为确定出的待修正掌纹区域(虚线矩形内的区域)。

在本申请实施例中，对于上述步骤S103，根据预设的区域模板，基于多特征点匹配算法对待修正区域进行修正，具体包括：在预设的掌纹区域模板中，确定多个特征点，分别作为第一特征点，在待修正掌纹区域中，确定多个特征点，分别作为第二特征点，然后，对各第一特征点与各第二特征点进行匹配，获得多个匹配对，再根据该多个匹配对，确定掌纹区域模板与待修正掌纹区域之间的相对位置关系，其中，所述相对位置关系至少包括大小比例、旋转角度、平移方向和平移位移的相对关系，最后，根据该相对位置关系，对待修正掌纹区域进行修正，使得修正后的待修正掌纹区域与掌纹区域模板中的掌纹的空间姿态一致。下面对该过程进行说明。

在本申请实施例中，可以使用特征点对图像的局部特征进行描述，进而通过对特征点进行匹配以实现对两幅图像的匹配。常用的特征包括尺度不变特征变换(ScaleInvariantFeatureTransform，SIFT)特征、局部二值模式(LocalBinaryPattern，LBP)特征等。

以SIFT特征为例进行说明，SIFT特征是一种基于尺度空间的、对图像缩放、旋转甚至映射变换保持不变形的图像局部特征点描述算子，针对一幅图像，可以通过查找和描述特征点将该图像变换为一个SIFT特征向量集，该SIFT特征向量集中的每一个SIFT特征向量对应一个特征点。其中，特征点是在不同尺度空间的图像下检测出的具有方向信息的局部极值点，一般的，特征点在图像中十分突出、不会因光照条件的改变而消失，可以是图像中的物体的角点、边缘点、暗区域的亮点以及亮区域的暗点等。

例如，如图3所示，可以将SIFT特征点用2×2×8共32维向量进行表示，也即，图3右侧的特征点描述算子。可以看到，每个特征点描述算子由2×2个8方向的方向直方图构成，每个方向直方图则是根据图3左侧的特征点内对应的4×4个图像梯度计算得到。其中，每个小格表示一个像素，小格中箭头方向表示该像素的梯度方向，箭头长度表示该像素的幅值，每个SIFT特征点可以反映出8×8共64个像素的方向信息。当然，在实际应用中，也可以用更高维的向量表示SIFT特征点，相应的，每个SIFT特征点也可反映更多像素的方向信息。

在针对待匹配的两幅图像分别确定了多个特征点后，则可以进行特征点匹配。具体的，可以采用欧式距离来对特征点之间的相似度进行度量，进而实现特征点匹配。继续用上例进行说明，假定待匹配的两幅图像中，第一幅图像中的第i个SIFT特征点对应的特征点描述算子为：

R_i＝(r_i1,r_i2,…,r_in)

第二幅图像中的第i个SIFT特征点对应的特征点描述算子为：

S_i＝(s_i1,s_i2,…,s_in)

其中，r_in为第一幅图像中第i个SIFT特征点的第n维对应的方向直方图；

s_in为第二幅图像中第i个SIFT特征点的第n维对应的方向直方图；

n为大于0的正整数。

可以采用如下公式计算这两个特征点之间的欧式距离：

$d(R_i,S_i)=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(r_{\mathrm{ij}}-s_{\mathrm{ij}})}^2}$

若第一幅图像为既定的模板，则针对第一幅图像中的第i个SIFT特征点R_i，在第二幅图像中，若SIFT特征点S_p满足则可确定S_p与R_i匹配，并可将确定出的匹配对记作(R_i,S_i)。

其中，S_p为在第二幅图像中，与R_i的欧氏距离最近的特征点描述算子；

S_q为在第二幅图像中，与R_i的欧氏距离次近的特征点描述算子；

Threshold为预设阈值。

在本申请实施例中，由于预设的掌纹区域模板中的掌纹的空间姿态，与用户预先注册的掌纹图像中的掌纹的空间姿态一致，因此，可以根据预设的掌纹区域模板，对待修正掌纹区域进行修正。根据上述对特征点匹配的说明，可以将预设的掌纹区域模板作为上述的第一幅图像，将待修正掌纹区域作为上述的第二幅图像，分别在这两幅图像中确定多个特征点进行匹配，获得多个匹配对，从而，可以确定掌纹区域模板与待修正掌纹区域之间的相对位置关系，进而对待修正掌纹区域进行修正。需要说明的是，不同人的掌纹虽然不完全相同，但也有一些很明显的共同点，例如大部分人都有三条最明显的掌纹，而且这三条掌纹的走势和相对位置都很相似，在此，将预设的掌纹区域模板中的掌纹与待修正掌纹区域中的掌纹大致地对应起来，也即，将这类很明显的共同点对应起来。

进一步的，由于在对掌纹区域模板与待修正掌纹区域进行匹配后，获得的多个匹配对中可能存在少量错误的匹配对，为了提高后续修正处理的可靠性，对于上述步骤S103，在根据多个匹配对，确定掌纹区域模板与待修正掌纹区域之间的相对位置关系之前，可以采用随机抽样一致(RandomSampleConsensus，RANSAC)算法，从获得的多个匹配对中剔除错误的匹配对。具体的，基于RANSAC算法，可以根据获得的多个匹配对，或者根据获得的多个匹配对中的一部分选定的匹配对，估计出掌纹区域模板与待修正掌纹区域的相对位置的映射关系，再将获得的多个匹配对分别代入该映射关系中进行校验，将不符合该映射关系的匹配对确定为错误的匹配对并剔除。

在本申请实施例中，对于上述步骤S103，在剔除错误的匹配对之后，可以根据剩余的各匹配对，采用最小二乘法确定掌纹区域模板与待修正掌纹区域之间的相对位置关系，其中，所述相对位置关系至少包括大小比例、旋转角度、平移方向和平移位移的相对关系，再根据该相对位置关系，对待修正掌纹区域进行修正，使得修正后的待修正掌纹区域与掌纹区域模板的空间姿态一致。图4为在实际应用场景下，掌纹区域模板和修正后的待修正掌纹区域示意图，左侧为掌纹区域模板，右侧为修正后的待修正掌纹区域，他们之间的每条连线表示确定出的一个匹配对，可以看到有一小部分连线的斜率与其他连线的斜率相差较大，这部分连线即为错误的匹配对。

图5为本发明实施例提供的图像处理的详细过程，具体包括以下步骤：

S501：采集原始生物特征图像，其中，所述生物特征包括掌纹。

S502：确定该原始生物特征图像中包含有效掌纹信息。

S503：根据预设的全局肤色模型，确定该原始生物特征图像中的肤色像素，其中，所述全局肤色模型是预先根据设定数量的肤色图像进行训练得到的。

S504：确定由该原始生物特征图像中的各肤色像素构成的区域，作为肤色区域。

S505：对各肤色像素进行训练，获得掌纹肤色模型。

S506：根据该掌纹肤色模型，在肤色区域中确定掌纹肤色像素。

S507：根据各掌纹肤色像素，确定掌纹肤色像素密集区域，作为待修正区域。

S508：在预设的掌纹区域模板中，确定多个特征点，分别作为第一特征点，在待修正掌纹区域中，确定多个特征点，分别作为第二特征点。

S509：对各第一特征点与各第二特征点进行匹配，获得多个匹配对。

S510：采用随机抽样一致RANSAC算法，从该多个匹配对中剔除错误的匹配对。

S511：根据剔除后的匹配对，采用最小二乘法确定掌纹区域模板与待修正掌纹区域之间的相对位置关系，其中，所述相对位置关系至少包括大小比例、旋转角度、平移方向和平移位移的相对关系；

S512：根据所述相对位置关系，对待修正掌纹区域进行修正，使得修正后的待修正掌纹区域与掌纹区域模板的空间姿态一致。

以上为本申请实施例提供的图像处理方法，基于同样的思路，本申请实施例还提供相应的图像处理装置，如图6所示。

图6为本申请实施例提供的图像处理装置结构示意图，具体包括：

采集模块601，用于采集原始生物特征图像；

区域确定模块602，用于在所述原始生物特征图像中确定待修正区域；

修正模块603，用于根据预设的区域模板，基于多特征点匹配算法对所述待修正区域进行修正。

所述生物特征包括掌纹，所述待修正区域包括待修正掌纹区域，所述区域模板包括掌纹区域模板。

所述装置还包括：

有效确定模块604，用于在所述区域确定模块602在所述原始生物特征图像中确定待修正区域之前，确定所述原始生物特征图像中包含有效生物特征信息。

所述区域确定模块602具体用于，根据预设的全局肤色模型，确定所述原始生物特征图像中的肤色像素，其中，所述全局肤色模型是预先根据设定数量的肤色图像进行训练得到的，确定由所述原始生物特征图像中的各肤色像素构成的区域，作为肤色区域，根据所述肤色区域确定待修正区域。

所述区域确定模块602具体用于，对所述各肤色像素进行训练，获得掌纹肤色模型，根据所述掌纹肤色模型，在所述肤色区域中确定掌纹肤色像素，根据各掌纹肤色像素，确定掌纹肤色像素密集区域，作为待修正区域。

所述修正模块603具体用于，在预设的掌纹区域模板中，确定多个特征点，分别作为第一特征点，在所述待修正掌纹区域中，确定多个特征点，分别作为第二特征点，对各第一特征点与各第二特征点进行匹配，获得多个匹配对，根据所述多个匹配对，确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系，其中，所述相对位置关系至少包括大小比例、旋转角度、平移方向和平移位移的相对关系，根据所述相对位置关系，对所述待修正掌纹区域进行修正，使得修正后的所述待修正掌纹区域与所述掌纹区域模板的空间姿态一致。

所述装置还包括：

剔除模块605，用于在所述修正模块603确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系之前，采用随机抽样一致RANSAC算法，从所述多个匹配对中剔除错误的匹配对。

所述修正模块603具体用于，根据所述多个匹配对，采用最小二乘法确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系。

具体的上述如图6所示的装置可以位于终端或服务器上。

本申请实施例提供一种图像处理方法及装置，该方法采集原始生物特征图像，然后，在原始生物特征图像中确定待修正区域，再根据预设的区域模板，基于多特征点匹配算法对待修正区域进行修正，其中，所述待修正区域包括待修正掌纹区域，所述区域模板包括掌纹区域模板。通过上述方法，由于修正后的待修正掌纹区域与掌纹区域模板中掌纹的空间姿态一致，因此，可以将修正后的待修正掌纹区域用于后续匹配认证，可靠性较高。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (16)

1.一种图像处理方法，其特征在于，包括：

采集原始生物特征图像；

在所述原始生物特征图像中确定待修正区域；

根据预设的区域模板，基于多特征点匹配算法对所述待修正区域进行修正。

2.如权利要求1所述的方法，其特征在于，所述生物特征包括掌纹，所述待修正区域包括待修正掌纹区域，所述区域模板包括掌纹区域模板。

3.如权利要求1所述的方法，其特征在于，在所述原始生物特征图像中确定待修正区域之前，所述方法还包括：

确定所述原始生物特征图像中包含有效生物特征信息。

4.如权利要求2所述的方法，其特征在于，在所述原始生物特征图像中确定待修正区域，具体包括：

根据预设的全局肤色模型，确定所述原始生物特征图像中的肤色像素，其中，所述全局肤色模型是预先根据设定数量的肤色图像进行训练得到的；

确定由所述原始生物特征图像中的各肤色像素构成的区域，作为肤色区域；

根据所述肤色区域确定待修正区域。

5.如权利要求4所述的方法，其特征在于，根据所述肤色区域确定待修正区域，具体包括：

对所述各肤色像素进行训练，获得掌纹肤色模型；

根据所述掌纹肤色模型，在所述肤色区域中确定掌纹肤色像素；

根据各掌纹肤色像素，确定掌纹肤色像素密集区域，作为待修正区域。

6.如权利要求2所述的方法，其特征在于，根据预设的区域模板，基于多特征点匹配算法对所述待修正区域进行修正，具体包括：

在预设的掌纹区域模板中，确定多个特征点，分别作为第一特征点，在所述待修正掌纹区域中，确定多个特征点，分别作为第二特征点；

对各第一特征点与各第二特征点进行匹配，获得多个匹配对；

根据所述多个匹配对，确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系，其中，所述相对位置关系至少包括大小比例、旋转角度、平移方向和平移位移的相对关系；

根据所述相对位置关系，对所述待修正掌纹区域进行修正，使得修正后的所述待修正掌纹区域与所述掌纹区域模板的空间姿态一致。

7.如权利要求6所述的方法，其特征在于，根据所述多个匹配对，确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系之前，所述方法还包括：

采用随机抽样一致RANSAC算法，从所述多个匹配对中剔除错误的匹配对。

8.如权利要求6所述的方法，其特征在于，根据所述多个匹配对，确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系，具体包括：

根据所述多个匹配对，采用最小二乘法确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系。

9.一种图像处理装置，其特征在于，包括：

采集模块，用于采集原始生物特征图像；

区域确定模块，用于在所述原始生物特征图像中确定待修正区域；

修正模块，用于根据预设的区域模板，基于多特征点匹配算法对所述待修正区域进行修正。

10.如权利要求9所述的装置，其特征在于，所述生物特征包括掌纹，所述待修正区域包括待修正掌纹区域，所述区域模板包括掌纹区域模板。

11.如权利要求9所述的装置，其特征在于，所述装置还包括：

有效确定模块，用于在所述区域确定模块在所述原始生物特征图像中确定待修正区域之前，确定所述原始生物特征图像中包含有效生物特征信息。

12.如权利要求10所述的装置，其特征在于，所述区域确定模块具体用于，根据预设的全局肤色模型，确定所述原始生物特征图像中的肤色像素，其中，所述全局肤色模型是预先根据设定数量的肤色图像进行训练得到的，确定由所述原始生物特征图像中的各肤色像素构成的区域，作为肤色区域，根据所述肤色区域确定待修正区域。

13.如权利要求12所述的装置，其特征在于，所述区域确定模块具体用于，对所述各肤色像素进行训练，获得掌纹肤色模型，根据所述掌纹肤色模型，在所述肤色区域中确定掌纹肤色像素，根据各掌纹肤色像素，确定掌纹肤色像素密集区域，作为待修正区域。

14.如权利要求10所述的装置，其特征在于，所述修正模块具体用于，在预设的掌纹区域模板中，确定多个特征点，分别作为第一特征点，在所述待修正掌纹区域中，确定多个特征点，分别作为第二特征点，对各第一特征点与各第二特征点进行匹配，获得多个匹配对，根据所述多个匹配对，确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系，其中，所述相对位置关系至少包括大小比例、旋转角度、平移方向和平移位移的相对关系，根据所述相对位置关系，对所述待修正掌纹区域进行修正，使得修正后的所述待修正掌纹区域与所述掌纹区域模板的空间姿态一致。

15.如权利要求14所述的装置，其特征在于，所述装置还包括：

剔除模块，用于在所述修正模块确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系之前，采用随机抽样一致RANSAC算法，从所述多个匹配对中剔除错误的匹配对。

16.如权利要求14所述的装置，其特征在于，所述修正模块具体用于，根据所述多个匹配对，采用最小二乘法确定所述掌纹区域模板与所述待修正掌纹区域之间的相对位置关系。