CN107392170B - 一种符合自然生长规律的掌纹主线提取方法 - Google Patents

一种符合自然生长规律的掌纹主线提取方法 Download PDF

Info

Publication number
CN107392170B
CN107392170B CN201710644519.7A CN201710644519A CN107392170B CN 107392170 B CN107392170 B CN 107392170B CN 201710644519 A CN201710644519 A CN 201710644519A CN 107392170 B CN107392170 B CN 107392170B
Authority
CN
China
Prior art keywords
main line
palm print
point
image
neighborhood
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201710644519.7A
Other languages
English (en)
Other versions
CN107392170A (zh
Inventor
李海燕
潘培哲
余鹏飞
周冬明
黄亚群
陈建华
张榆锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan University YNU
Original Assignee
Yunnan University YNU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yunnan University YNU filed Critical Yunnan University YNU
Priority to CN201710644519.7A priority Critical patent/CN107392170B/zh
Publication of CN107392170A publication Critical patent/CN107392170A/zh
Application granted granted Critical
Publication of CN107392170B publication Critical patent/CN107392170B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种符合自然生长规律的掌纹主线提取方法，该方法结合了形态学滤波和邻域搜索方法，算法首先提取手掌轮廓并对其进行归一化方向矫正和截取感兴趣区域（ROI）。然后，提出一种新的平滑模板和3个特异性方向检测模板，利用形态学滤波法对掌纹主线进行粗提取。最后，确定生长于粗提取主线上的搜索起始点，对掌纹ROI灰度图像在两个方向上采用邻域搜索算法提取掌纹主线。在公开掌纹数据库上进行实验，验证本发明算法的有效性。实验结果表明：本发明算法能提取出完整、纯粹、自然的掌纹主线，有效屏蔽与主线不同方向上的干扰，避免了皱褶和噪声的错提取。

Description

一种符合自然生长规律的掌纹主线提取方法
技术领域
本发明属于数值图像处理技术领域，具体设计了一种符合自然生长规律的掌纹主线提取方法, 以期为研究掌纹主线与疾病相关性提供一种客观的、具有一致性、可重复的掌纹主线特征提取方法。
背景技术
掌纹是位于人体体表的一种遗传因子，具有个体特异性和终身不变性，遗传学的研究表明：人体的遗传性病变会体现在掌纹主线上。医学研究表明：精神分裂、咬合不正、乳腺肿瘤、支气管哮喘等病人的掌纹主线与健康对照组存在明显差异，因此提取完整、符合自然生长规律的掌纹主线作为疾病的特异性特征，对无创的早期诊断具有重要意义。
目前，掌纹主线特征的提取人员主要有两类，一类是医学研究者，靠人眼视觉手工提取。手工提取的掌纹主线可靠性及一致性差，对与掌纹主线与疾病相关性研究的准确性也因人而异。此外，由于手工计算的局限性，现有的特征测量方法多是对视觉可见特征进行定性或近似的描述，再加之人眼视觉对掌纹局部细节特征可分辨性差而且手工提取困难，极大地减缓了研究的进度。
另一类是计算机专家，利用检测算法自动提取掌纹主线特征，用于身份识别。目前常用的主线提取算法有：基于边缘检测算法、基于方向建模的算法和基于数学形态学的提取算法等。基于边缘检测的主线提取的皱褶较多或提取的线特征含有大量噪声。基于方向建模的主线提取算法利用提取出的直线段模拟出原始的掌纹线，因此提取出的纹线不连续。基于数学形态学的主线提取算法在搜索过程中容易产生分叉而导致提取的主线形态失真或提取出主线包含较深褶皱的信息。
总之，用于身份识别领域的掌纹主线提取方法只需要提取部分匹配识别的特征点，无需提取出完整的掌纹主线。而研究掌纹主线与疾病相关性时，需要提取清晰、完整的掌纹主线。因此当前身份识别领域的掌纹主线提取算法用于研究主线与疾病相关性时，存在以下问题：①提取过程中难以区分掌纹主线和较深的掌纹皱褶，容易错提取出皱褶线；②提取出的掌纹主线形态失真，不符合实际生长规律。
因此，本发明提出了一种符合自然生长规律的掌纹主线提取方法，该方法结合形态学滤波和邻域搜索算法，力求解决现有方法的局限性，以期为研究掌纹主线与疾病相关性提供一种客观的、具有一致性、可重复的特征提取方法。本发明算法首先提取手掌轮廓并对其进行归一化方向矫正和截取感兴趣区域（ROI）。然后，提出一种新的平滑模板和3个特异性方向检测模板，利用形态学滤波法对掌纹主线进行粗提取。最后，确定生长于粗提取主线上的搜索起始点，对掌纹ROI灰度图像在两个方向上采用邻域搜索算法提取掌纹主线。实验结果表明：本发明算法能提取出完整、纯粹、自然的掌纹主线，有效屏蔽与主线不同方向上的干扰，避免了皱褶和噪声的错提取。
发明内容
本发明要解决的技术问题是提取出完整、纯粹、自然的掌纹主线，有效屏蔽与主线不同方向上的干扰，避免了皱褶和噪声的错提取，以期为研究掌纹主线与疾病相关性提供一种客观的、具有一致性、可重复的掌纹主线特征提取方法。
为了解决上述技术问题，本发明提供如下技术方案：
一种符合自然生长规律的掌纹主线提取方法，具体步骤为：
步骤一、掌纹图像预处理；
(1)图像二值化。Otsu算法二值化输入的掌纹图像；
(2)提取手掌轮廓；
(3)用圆盘法定位指根点；
(4)图像旋转矫正；
(5)截取ROI并归一化，掌纹主线在方向上具有一致性。
步骤二、掌纹主线粗提取。
设掌纹ROI图像信号为
Figure DEST_PATH_IMAGE001
。本发明提出一种新的平滑模板
Figure 726950DEST_PATH_IMAGE002
，所述的平滑模板H为：
Figure DEST_PATH_IMAGE003
首先用平滑模板
Figure 902979DEST_PATH_IMAGE004
对图像进行平滑：
Figure 112243DEST_PATH_IMAGE005
（1）
引入三个方向结构元素
Figure 202559DEST_PATH_IMAGE006
，所述结构元素为：
Figure 197191DEST_PATH_IMAGE007
依次选择结构元素
Figure 183601DEST_PATH_IMAGE008
对平滑后的图像
Figure 630894DEST_PATH_IMAGE009
进行形态学Bottom-hat变换：
Figure 993742DEST_PATH_IMAGE010
（2）
而后采用恰当的阈值对
Figure 92148DEST_PATH_IMAGE011
进行H-极大值变换，将处理后的图像用Otsu方法二值化处理，并采用形态学处理填补孔洞、适度膨胀后得到
Figure 265772DEST_PATH_IMAGE012
，融合三个方向的二值图，得到底帽变换的二值图：
Figure 449629DEST_PATH_IMAGE013
（3）
为了避免二值图中的主线粘连的情况，还需采用“矩形”结构元素对BW进行开操作，断开主线之间的粘连，保证每条主线都是一个单连通区域。
步骤三、定位搜索起始点。
（1） 对二值图中的单连通区域按面积从大到小进行排序，保留前3个连通区域；
(2) 对粗提取出的掌纹主线进行形态学收缩（shrink）处理，使没有孔洞的区域收缩成一个点；
(3) 统计主线点的5×5邻域中所有像素点的灰度值，拥有最小灰度值的点将成为主线搜索的起始点。
步骤四、提取掌纹主线。
Step1：确定搜索方向。由于掌纹主线的走向具有规律性，所以搜索方向定为向左下角和右上角两个方向；
Step2：确定下一个主线点。在
Figure 632479DEST_PATH_IMAGE014
的邻域中，采用一个长度为3像素的“探针”，以p点为起点，分别向3个搜索方向“刺探”。分别统计方向
Figure DEST_PATH_IMAGE015
上的“探针”所经过像素的平均灰度值
Figure 867283DEST_PATH_IMAGE016
。在其中求出
Figure DEST_PATH_IMAGE017
，也就是平均灰度值最小的方向作为主线的跟踪方向。那么，下一个主线点就是 “探针”在该方向上的中央像素点；
Step3：更新当前点坐标，继续搜索；
Step4：进行搜索终止判定；
Step5：保存主线。主线点标记为1（黑色），其他为0（白色）。
本方法提取的掌纹图像与Sobel 算子以及数学形态学结合模板匹配的方法结果对比： Sobel算子检测出的掌纹连续性差、噪声多，并且由于掌纹由两个阶跃边缘组成，所以双边缘现象不可避免；数学形态学结合模板匹配的方法提取出的掌纹线连续性佳、定位准确，但是这种基于全局的检测方法不可避免地提取出了皱褶和阴影。本发明方法相对于全局检测法有效地避免了主线区域以外的噪声干扰，提取出的掌纹主线完整、纯粹、自然。
与现有的技术相比，本发明的有益效果为：提出了一种新的平滑模板和3个特异性方向检测模板，利用形态学滤波法对掌纹主线进行粗提取。确定生长于粗提取主线上的搜索起始点后，提出了对掌纹ROI灰度图像在两个方向上采用邻域搜索的方法提取掌纹主线。实验结果表明：提出的平滑模板和3方向检测模板，能屏蔽与主线方向不同的皱褶和噪声，提取出较为理想的掌纹主线；提出的邻域搜索算法，能提取出符合自然生长规律的掌纹主线。
附图说明
图1为图像旋转矫正方法的示意图；
图2为确定掌纹主线搜索方向的示意图；
图3为确定主线点方法的示意图；
图4：本发明提出的掌纹主线提取方法的流程图。
具体实施方式
实施例1：下面结合附图对本发明作进一步详细的说明。
步骤一、掌纹图像预处理。
(1)图像二值化。Otsu算法二值化输入的掌纹图像；
(2)提取手掌轮廓；
(3)用圆盘法定位指根点；
(4)图像旋转矫正。提出了一种用指根点对掌纹图像进行矫正的方法。如图1所示，点A和点B分别是食指与中指、中指与无名指之间的指根点。设A、B两点的坐标分别为
Figure 805283DEST_PATH_IMAGE018
和
Figure DEST_PATH_IMAGE019
，如果
Figure 23906DEST_PATH_IMAGE020
，即A、B两点位于同一条竖直线上，则说明手掌的摆放处于正确的位置，不需要矫正，否则按照下面的步骤计算矫正方向及旋转角度：
Step1：连接A和B，得到直线AB。过点B做一条垂线，得到直线BO；
Step2：计算直线AB与BO之间的夹角，记为
Figure DEST_PATH_IMAGE021
。当
Figure 56453DEST_PATH_IMAGE022
时，此时A点在B点左侧，图像顺时针旋转
Figure 614604DEST_PATH_IMAGE021
；当
Figure DEST_PATH_IMAGE023
时，此时A点在B点右侧，图像逆时针旋转
Figure 180628DEST_PATH_IMAGE024
；
(5)截取ROI并归一化。用最大内切圆的内接正方形来截取ROI，并将截取出的图像归一化成128×128的大小。
步骤二、掌纹主线粗提取。
设掌纹ROI图像信号为
Figure DEST_PATH_IMAGE025
，对掌纹ROI图像进行归一化旋转矫正后，掌纹主线在方向上具有一致性。本发明提出一种新的平滑模板
Figure 870236DEST_PATH_IMAGE026
和新的三个方向结构元素进行形态学处理。
Figure 394889DEST_PATH_IMAGE003
三方向结构元素
Figure DEST_PATH_IMAGE027
首先用平滑模板
Figure 604285DEST_PATH_IMAGE028
对图像进行平滑：
Figure DEST_PATH_IMAGE029
（1）
对于平滑后的图像
Figure 884087DEST_PATH_IMAGE030
，依次选择结构元素
Figure DEST_PATH_IMAGE031
，进行形态学Bottom-hat变换：
Figure 77303DEST_PATH_IMAGE032
（2）
而后采用恰当的阈值对
Figure DEST_PATH_IMAGE033
进行H-极大值变换，将处理后的图像用Otsu方法二值化处理，并采用形态学处理填补孔洞、适度膨胀后得到
Figure 936805DEST_PATH_IMAGE034
，融合三个方向的二值图，得到底帽变换的二值图：
Figure DEST_PATH_IMAGE035
（3）
为了避免二值图中的主线粘连的情况，还需采用“矩形”结构元素对BW进行开操作，断开主线之间的粘连，保证每条主线都是一个单连通区域。
步骤三、定位搜索起始点。
（1） 对二值图中的单连通区域按面积从大到小进行排序，保留前3个连通区域；
(2) 对粗提取出的掌纹主线进行形态学收缩（shrink）处理，使没有孔洞的区域收缩成一个点；
(3) 统计主线点的5×5邻域中所有像素点的灰度值，拥有最小灰度值的点将成为主线搜索的起始点。
步骤四、提取掌纹主线。
Step1：确定搜索方向。由于掌纹主线的走向具有规律性，所以搜索方向定为向左下角和右上角两个方向，如图2所示。
以向左下角搜索为例，设当前像素为p(x, y)，那么在p的8邻域中，可供搜索的像素点有3个，分别是(x-1，y)、(x-1，y-1)、(x，y-1)。将搜索方向旋转180°可以得到向右上角的搜索方向，可供搜索的像素点也有3个，分别是(x+1，y)、(x+1，y+1)、(x，y+1)。
Step2：确定下一个主线点。在
Figure 781133DEST_PATH_IMAGE036
的邻域中，采用一个长度为3像素的“探针”，以p点为起点，分别向3个搜索方向“刺探”。以左下角搜索为例，如右图所示，黑色像素是已经搜索到的主线，圆圈标记的像素是
Figure 638362DEST_PATH_IMAGE014
，从p 点出发的黑线代表“探针”，分别统计方向
Figure DEST_PATH_IMAGE037
上的“探针”所经过像素的平均灰度值
Figure 318873DEST_PATH_IMAGE038
：
Figure DEST_PATH_IMAGE039
(4)
Figure 857433DEST_PATH_IMAGE040
(5)
Figure DEST_PATH_IMAGE041
(6)
在其中求出
Figure 556268DEST_PATH_IMAGE042
，也就是平均灰度值最小的方向作为主线的跟踪方向。那么，下一个主线点就是 “探针”在该方向上的中央像素点。
Step3：更新当前点坐标，继续搜索。
Step4：进行搜索终止判定。终止条件采用灰度值和灰度方差两项因素综合判定：
（1）设定一个灰度阈值T，若当前点的灰度值超过阈值，或其3×3邻域的灰度平均值超过阈值，则认为当前邻域内亮度较大，其判定公式如下：
Figure DEST_PATH_IMAGE043
(7)
（2）设定一个方差阈值V，若当前点的5×5邻域内所有像素点灰度值的方差小于阈值，则认为当前邻域内的像素灰度值基本无变化，其判定公式如下：
Figure 928605DEST_PATH_IMAGE044
(8)
其中，
Figure 17784DEST_PATH_IMAGE045
表示5×5邻域中的像素点，μ为邻域的平均灰度值。
当且仅当点p同时符合上述两个条件时，即点p亮度过大，且其周围区域无明显灰度变化时，则认为p点周围不存在主线点，终止搜索。
Step5：保存主线。主线点标记为1（黑色），其他为0（白色）。
虽然以上描述了本发明的具体实施方式，但是本领域熟练技术人员应当理解，这些仅是举例说明，可以对本实施方式作出多种变更或修改，而不背离本发明的原理和实质，本发明的保护范围仅由所附权利要求书限定。

Claims (2)

1.一种符合自然生长规律的掌纹主线提取方法，其特征在于该方法依照下列步骤实施：
步骤一，掌纹图像预处理
图像二值化；
提取手掌轮廓；
用圆盘法定位指根点；
图像旋转矫正；
截取ROI并归一化，使掌纹主线在方向上具有一致性；
步骤二、掌纹主线粗提取
设掌纹ROI图像信号为
Figure 115078DEST_PATH_IMAGE001
，本发明提出一种新的平滑模板
Figure 32219DEST_PATH_IMAGE002
，所述的平滑模板H为：
Figure 752569DEST_PATH_IMAGE003
首先用平滑模板
Figure 147778DEST_PATH_IMAGE004
对图像进行平滑：
Figure 962150DEST_PATH_IMAGE005
（1）
引入三个方向结构元素
Figure 784613DEST_PATH_IMAGE006
，所述结构元素bi为：
Figure 51646DEST_PATH_IMAGE007
依次选择结构元素
Figure 188229DEST_PATH_IMAGE008
对平滑后的图像
Figure 857108DEST_PATH_IMAGE009
进行形态学Bottom-hat变换：
Figure 850472DEST_PATH_IMAGE010
（2）
而后采用预设的阈值对
Figure 604801DEST_PATH_IMAGE011
进行H-极大值变换，将处理后的图像用Otsu方法二值化处理，并采用形态学处理填补孔洞、适度膨胀后得到
Figure 341813DEST_PATH_IMAGE012
，融合三个方向的二值图，得到底帽变换的二值图：
Figure 802881DEST_PATH_IMAGE013
（3）
为了避免二值图中的主线粘连的情况，还需采用“矩形”结构元素对BW进行开操作，断开主线之间的粘连，保证每条主线都是一个单连通区域；
步骤三，定位搜索起始点
（1）对二值图中的单连通区域按面积从大到小进行排序，保留前3个连通区域；
(2) 对粗提取出的掌纹主线进行形态学收缩（shrink）处理，使没有孔洞的区域收缩成一个点；
(3) 统计主线点的5×5邻域中所有像素点的灰度值，具有最小灰度值的点将成为主线搜索的起始点；
步骤四，提取掌纹主线
Step1：确定搜索方向；
由于掌纹主线的走向具有规律性，所以搜索方向定为向左下角和右上角两个方向；
Step2：确定下一个主线点；在
Figure 232726DEST_PATH_IMAGE014
的邻域中，采用一个长度为3像素的“探针”，以p点为起点，分别向3个搜索方向“刺探”；分别统计方向
Figure 474351DEST_PATH_IMAGE015
上的“探针”所经过像素的平均灰度值
Figure 749475DEST_PATH_IMAGE016
；在其中求出
Figure 392945DEST_PATH_IMAGE017
，也就是平均灰度值最小的方向作为主线的跟踪方向；那么，下一个主线点就是“探针”在该方向上的中央像素点；
Step3：更新当前点坐标，继续搜索；
Step4：进行搜索终止判定；终止条件采用灰度值和灰度方差两项因素综合判定：
（1）设定一个灰度阈值T，若当前点的灰度值超过阈值，或其3×3邻域的灰度平均值超过阈值，则认为当前邻域内亮度较大，其判定公式如下：
Figure 665795DEST_PATH_IMAGE018
(7)
（2）设定一个方差阈值V，若当前点的5×5邻域内所有像素点灰度值的方差小于阈值，则认为当前邻域内的像素灰度值基本无变化，其判定公式如下：
Figure 394717DEST_PATH_IMAGE019
(8)
其中，
Figure 473531DEST_PATH_IMAGE020
表示5×5邻域中的像素点，μ为邻域的平均灰度值；
当且仅当点p同时符合上述两个条件时，即点p亮度过大，且其周围区域无明显灰度变化时，则认为p点周围不存在主线点，终止搜索；
Step5：保存主线，主线点标记为1，其他为0。
2.如权利要求1所述的一种符合自然生长规律的掌纹主线提取方法，其特征在于掌纹图像预处理过程中，采用“矩形”结构元素对BW进行开操作，断开主线之间的粘连，保证每条主线都是一个单连通区域。
CN201710644519.7A 2017-08-01 2017-08-01 一种符合自然生长规律的掌纹主线提取方法 Expired - Fee Related CN107392170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710644519.7A CN107392170B (zh) 2017-08-01 2017-08-01 一种符合自然生长规律的掌纹主线提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710644519.7A CN107392170B (zh) 2017-08-01 2017-08-01 一种符合自然生长规律的掌纹主线提取方法

Publications (2)

Publication Number Publication Date
CN107392170A CN107392170A (zh) 2017-11-24
CN107392170B true CN107392170B (zh) 2021-01-22

Family

ID=60343552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710644519.7A Expired - Fee Related CN107392170B (zh) 2017-08-01 2017-08-01 一种符合自然生长规律的掌纹主线提取方法

Country Status (1)

Country Link
CN (1) CN107392170B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163062B (zh) * 2018-11-20 2023-04-18 腾讯科技（深圳）有限公司 掌纹主线提取方法、装置、计算机设备及存储介质
CN115527079B (zh) * 2022-02-28 2023-07-14 腾讯科技（深圳）有限公司 掌纹样本的生成方法、装置、设备、介质及程序产品

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8194941B2 (en) * 2007-03-12 2012-06-05 Nec Corporation Character noise eliminating apparatus, character noise eliminating method, and character noise eliminating program
CN103198304A (zh) * 2013-04-19 2013-07-10 吉林大学 一种掌纹提取识别方法
CN105046205A (zh) * 2015-06-24 2015-11-11 西安理工大学 一种基于局部和全局特征融合的掌纹识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8194941B2 (en) * 2007-03-12 2012-06-05 Nec Corporation Character noise eliminating apparatus, character noise eliminating method, and character noise eliminating program
CN103198304A (zh) * 2013-04-19 2013-07-10 吉林大学 一种掌纹提取识别方法
CN105046205A (zh) * 2015-06-24 2015-11-11 西安理工大学 一种基于局部和全局特征融合的掌纹识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"一种改进型圆盘法提取手形特征点的新方法";刘云龙等;《云南大学学报(自然科学版)》;20151130;全文 *
"全手掌掌纹主线提取方法";苑玮琦等;《光电子.激光》;20130731;期刊第1、2、5节 *
"基于模板匹配和形态学的掌纹线特征提取方法";彭其胜，陈华华;《杭州电子科技大学学报》;20130630;期刊第1-3节 *

Also Published As

Publication number Publication date
CN107392170A (zh) 2017-11-24

Similar Documents

Publication Publication Date Title
CN104992445B (zh) 一种ct图像肺实质的自动分割方法
CN103310457B (zh) 一种基于抛物线修正凸包的肺实质分割方法
CN108615239B (zh) 基于阈值技术和灰度投影的舌图像分割方法
CN108648182B (zh) 一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法
CN109753997B (zh) 一种ct图像中的肝脏肿瘤自动精确鲁棒分割方法
CN106127753B (zh) 一种外科手术中ct影像体表人工标记自动提取方法
CN114757960B (zh) 一种基于cbct图像的牙齿分割与重建方法及存储介质
CN112699845A (zh) 一种在线非接触手掌静脉感兴趣区域提取方法
CN112069928B (zh) 一种手部目标掌纹提取的生命线与中线拟合方法
CN107392170B (zh) 一种符合自然生长规律的掌纹主线提取方法
CN111583286B (zh) 基于Flow-XDoG算子的腹部MRI图像轮廓提取方法
CN114627067A (zh) 一种基于图像处理的伤口面积测量及辅助诊疗方法
Tang et al. Leaf extraction from complicated background
CN114972272A (zh) 一种基于Grad-CAM的新冠肺炎病灶分割方法
WO2020108437A1 (zh) 舌下静脉特征提取装置及方法
CN113936303A (zh) 一种手部图像最大内接矩形确定方法及图像识别方法
CN112258532B (zh) 一种超声图像中胼胝体的定位及分割方法
CN108629780B (zh) 基于颜色分解和阈值技术的舌图像分割方法
CN111145155A (zh) 一种睑板腺腺体的识别方法
CN113409275B (zh) 基于超声图像确定胎儿颈后透明层厚度的方法及相关装置
Rashid et al. Segmenting melanoma lesion using single shot detector (SSD) and level set segmentation technique
CN105678795B (zh) 一种现场鞋印图像检验方法
CN109658382B (zh) 基于图像聚类和灰度投影的舌体定位方法
Subasinghe et al. An accurate image processing algorithm for detecting FISH probe locations relative to chromosome landmarks on DAPI stained metaphase chromosome images
Essaf et al. An improved lung parenchyma segmentation using the maximum inter-class variance method (OTSU)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210122

Termination date: 20210801

CF01 Termination of patent right due to non-payment of annual fee