CN107609499A - 一种复杂环境下非接触式掌纹感兴趣区提取方法 - Google Patents

Abstract

本发明提供一种复杂环境下非接触式掌纹感兴趣区提取方法，包括如下步骤：采集掌纹图像；提取出手掌前景的二值化图像；对二值化图像进行空洞填充和小面积区域去除；调整二值化图像中的手掌角度，使得中指指尖位于图像最上方；通过检测指尖位置和谷点位置，确定最大有效内切圆的搜索范围；对调整后的二值化图像进行距离变换，在上一步得到的搜索范围内进行遍历，同时限制内切圆的圆心和半径与中指长度的比例关系，获得最大有效内切圆；旋转最大有效内切圆图像，最终得到掌纹感兴趣区图像。本发明可用于对高像素手机采集的复杂环境下掌纹图像进行二值化处理、轮廓提取、关键点定位、平移、旋转矫正和感兴趣的掌纹中心区域的提取。

Description

一种复杂环境下非接触式掌纹感兴趣区提取方法

技术领域

本发明属于信息感知与识别技术领域，涉及一种复杂环境下非接触式掌纹感兴趣区提取方法。

背景技术

近年来，互联网发展迅猛，我们日常的生活也因此改变。如今人们可以动动手指就完成生活中绝大部分的需求，这给生活带来了便捷的同时也带来了很多安全问题，如个人隐私的泄露和财产被窃等。身份认证是最常用的安全防护方法，传统的身份认证方法主要有：特殊物品(身份证、学生证、护照等)；特定知识(密码、验证码等)；两项组合(身份证+密码、银行卡+验证码等)。这些认证方式技术上已经相当完善，而且可以结合信息加密等策略，但是却无法从根本上确认权限拥有者的身份信息。对比这些传统的身份认证方法，生物特征识别的优势不言而喻。

生物特征识别技术不同于传统的身份认证方法，生物特征在某种程度上来说是独一无二的，且生物特征在一定时期内不会发生很大的改变，极难伪造，这都是传统身份认证方法不可企及的优点。并不是人身上所有的特征都可用作生物特征，生物特征需要满足普遍性、唯一性、稳定性、可采集性。一个优秀的生物特征识别系统还应兼顾用户的接受度以及系统的性能。

掌纹识别是生物特征识别领域的后起之秀，和指纹识别技术类似，掌纹识别也是利用皮肤上的纹理特征进行识别。但是掌纹比指纹的识别面积更大，包含的信息更丰富，而且不需要引进额外的硬件设备，用日常使用的手机就可以采集到掌纹的主线。对比人脸识别，掌纹识别的用户接受度更高，即使数据库被不法分子侵入，也不必担心自身的利益受到威胁。而对比虹膜和基因识别，掌纹识别不需要昂贵的设备，容易推广。基于以上特点，掌纹识别受到了越来越多的关注。

绝大多数掌纹识别技术是基于对掌纹感兴趣区的匹配，然而，传统掌纹感兴趣区的检测存在以下几个问题：

1.脱机采集方式下掌纹不能实现实时识别，这限制了它的应用范围；

2.联机采集方式下基于CCD设备采集到的图像质量相对较高，效果较好，但这种设备体积较大且采用接触式采集方式，携带和使用不便；

3.传统的掌纹感兴趣区提取对采集到的掌纹图像有较高的要求，如：要求被采集者的手掌固定在一个位置、要求手掌背景全黑等，没有考虑到复杂环境下的掌纹采集，用户对这种固定式的设备接受度并不是很高。

综上所述，生物特征识别技术尤其是掌纹识别技术在身份认证领域有着极大的优势，然而传统掌纹感兴趣区检测还存在着一些问题。基于这些情况，我们发明了一种复杂环境下非接触式掌纹感兴趣区提取方法。

发明内容

发明目的：为了解决宽松采集条件下(即不要求被采集者的手掌固定在一个位置，也不要求手掌背景全黑)的掌纹感兴趣区的提取问题，本发明设计出一种复杂环境下非接触式掌纹感兴趣区提取方法，对高像素手机采集的复杂环境下掌纹图像进行二值化处理、轮廓提取、关键点定位、平移、旋转矫正和感兴趣的掌纹中心区域的提取。

技术方案：本发明提供了一种复杂环境下非接触式掌纹感兴趣区提取方法。本发明通过如下技术方案实现，包括如下步骤：

步骤1：采集掌纹图像；

步骤2：提取出手掌前景的二值化图像；

步骤3：对二值化图像进行空洞填充和小面积区域去除；

步骤4：调整二值化图像中的手掌角度，使得中指指尖位于图像最上方；

步骤5：通过检测中指、食指、无名指的指尖位置，以及中指与食指、中指与无名指之间的谷点位置，确定最大有效内切圆的搜索范围；

步骤6：对调整后的二值化图像进行距离变换，在上一步得到的搜索范围内进行遍历，最终寻找到内切圆圆心位置和半径长度；

步骤7：将最大有效内切圆向谷点进行平移；

步骤8：旋转最大内切圆图像，尺寸归一化，最终得到掌纹感兴趣区图像。

优选的，步骤4中，所述调整手掌角度包括如下步骤：

步骤4.1：得到手掌的重心坐标；

步骤4.2：腐蚀二值化图像中手指部分，得到腐蚀手指后的手掌重心坐标；

步骤4.3：得到上述两个重心的连线与纵轴的夹角θ；

步骤4.4：将二值化图像中的手掌旋转θ角，使中指指尖位于图像最上方。

优选的，步骤5中，所述指尖位置和谷点位置检测步骤包括：

步骤5.1：建立坐标系，原点位于图像左上角，x轴水平向右，y轴垂直向下；设中指指尖p₀坐标为(x₀,y₀)，之后遍历中指左侧的手掌轮廓上点(x_i,y_i)，找到符合x_i＜x₀条件并且y_i值最小的点，该点即为中指左侧相邻手指的指尖p₁，坐标为(x₁,y₁)；

步骤5.2：遍历中指右侧的手掌轮廓上点(x_j,y_j)，找到符合x_j＞x₀条件并且y_j值最小的点，该点即为中指右侧相邻手指的指尖p₂，坐标为(x₂,y₂)；

步骤5.3：分别遍历中指与左侧相邻手指、右侧相邻手指之间的手掌轮廓点，y值最大的点即为中指与左侧相邻手指之间的谷点p₃(x₃,y₃)以及中指与右侧相邻手指之间的谷点p₄(x₄,y₄)；

步骤5.4：根据三个指尖和两个谷点的坐标确定最大有效内切圆的搜索范围，搜索范围的左边界x轴坐标为x₁，右边界x轴坐标为x₂；若y₃大于y₄，则上边界y轴坐标为y₄，下边界为2y₄-y₀；若y₃小于y₄，则上边界y轴坐标为y₃，下边界为2y₃-y₀。

优选的，步骤6中，首先使用距离变换搜索范围中每一个点与自己最近的零点的距离，之后遍历搜索范围内像素点的距离变换值，距离变换值最大的像素点为圆心位置，其对应的距离变换值即为最大有效内切圆的半径；设圆心为O，中指指尖为P，中指右侧谷点为V，则所述像素点满足以下条件：

其中，Dist(O,V)表示圆点O至谷点V的距离，Dist(P,V)表示中指指尖至谷点V的距离，PROPERTION_MIN、PROPERTION_MAX分别表示系统设定的的下限阈值和上限阈值。

优选的，步骤7，将最大有效内切圆向中指右侧谷点方向平移，使最大有效内切圆处于手掌纹线信息最丰富的位置。

优选的，步骤8，旋转最大内切圆图像使最大有效内切圆圆心的x轴坐标与中指右侧谷点x轴坐标相同，以完成掌纹感兴趣区图像角度上的统一。

优选的，步骤2，将原始的RGB空间转换到YCrCb空间，并使用OTSU算法提取出手掌前景的二值化图像。

有益效果：由于本方法可处理高像素手机采集的掌纹图像，因此避免了使用昂贵的接触式/非接触式设备；由于本方法可处理复杂环境下的掌纹图像，因此不要求被采集者的手掌固定在一个位置，也不要求手掌背景全黑，被采集者只需手掌五指自然张开即可，这使得整个采集过程更加迅速、简单；由于本方法可调整手掌角度，因此可以很大可程度上克服手掌的平移及旋转带来的影响；由于本方法采用直接在二值化图像上搜索手掌最大内切圆的定位分割方法，该方法是直接在手掌区域内搜索与手掌两侧边缘相切的最大内切圆，因此不受于手掌旋转角度和手指张开程度的影响；由于本方法采用相关算法对最大有效内切圆图像进行旋转，因此解决了最大内切圆算法中方向校准的问题；由于本方法采用相关算法对最大有效内切圆图像进行平移，因此解决了最大内切圆过于靠近手腕的问题。

附图说明

图1为本发明流程示意图；

图2为手掌二值化图像；

图3为二值化图像经过孔洞填充与小面积区域去除处理后的图像；

图4为调整手掌角度流程；

图5为距离变换后的图像；

图6为内切圆位置平移。

具体实施方式

本发明的复杂环境下非接触式掌纹感兴趣区提取方法包括以下步骤：

A.采集复杂环境下的掌纹图像；

使用高像素手机采集即可。

B.将原始的RGB空间转换到YCrCb空间，并使用OTSU算法提取出手掌前景的二值化图像，如图2所示；

首先将原始的RGB空间转换到YCrCb空间，然后使用OTSU算法提取出手掌前景的二值化图像。OTSU算法假设图像是由前景区域和背景区域两部分组成的，它计算了不同阈值(通常为[0～255]区间范围内)下分割结果中前景区域和背景区域的灰度直方图，并比较了两者之间的方差，方差最大化的那个灰度阈值即为所求二值化阈值。

C.对二值化图像进行空洞填充和小面积区域去除；

首先遍历手掌二值化图像的所有轮廓，将轮廓面积小于阈值的全部填充，之后再次遍历二值化图像的轮廓，找出面积最大的连通域即为手掌轮廓。如图3所示。

D.调整二值化图像中的手掌角度，使得中指指尖位于图像最上方；

整个手掌的重心与去除手指后的手掌重心连线可以近似中指的指向，包括如下步骤：(a)得到手掌的重心坐标，(b)得到腐蚀手指后的手掌重心，(c)得到两个重心的连线与y轴夹角θ，(e)将手掌旋转θ角，使中指朝上。如图4所示。

E.通过检测指尖位置和谷点位置，确定最大内切圆的搜索范围；以左手为例，建立坐标系，x轴水平向右，y轴垂直向下。

指尖谷点检测算法步骤为：

1.之前通过调整手掌轮廓，使得中指指尖处于轮廓最上方，所以中指指尖不需要计算。首先计算食指指尖坐标。设中指指尖坐标(x₀,y₀)，之后遍历轮廓上点(x_i,y_i)，找到符合x_i＜x₀条件并且y_i值最小的点，该点即为食指指尖(x₁,y₁)。

2.然后计算无名指指尖坐标，类似于食指计算方法，找到符合x_i＞x₀条件并且y_i值最小的点，该点即为无名指指尖(x₂,y₂)。

3.计算食指与中指、无名指与中指之间的谷点，只需要遍历两点之间的轮廓点，并找到y_i值最大的点即为谷点，对应(x₃,y₃)、(x₄,y₄)。

4.得到三个指尖和两个谷点之后，最大内切圆的搜索范围已经确定下来了，左边界为食指指尖x轴坐标x₁，右边界为无名指x轴坐标x₂，上边界为无名指与中指之间的谷点y轴坐标y₄，下边界为2y₄-y₀。

F.对调整后的二值化图像进行距离变换，在上一步得到的搜索范围内进行遍历，得到最大有效内切圆；图5为距离变换后得到的图像。

首先使用距离变换计算图像中每一个点与自己最近的零点的距离，之后遍历计算范围内像素点的距离变换值，且通过中指长度与圆心坐标到谷点的距离之比，限制圆心位置，使得到的最大内切圆处于纹线信息最丰富的位置，得到其半径R以及圆心坐标。

G.将计算得到的最大有效内切圆向谷点平移，如图6所示。

H.旋转最大内切圆图像，最终得到掌纹感兴趣区图像。

旋转最大内切圆图像使得中指和无名指指尖的谷点(x₄,y₄)与最大内切圆圆心的x轴坐标与x₄相同，以完成掌纹感兴趣区图像角度上的统一。

本领域的工程技术人员很清楚本发明不局限于上述讨论的示例，有可能对其进行若干改变和修改，而不脱离权利要求书限定的本发明的范围。尽管已经在附图和说明书中详尽说明了本发明，但该描述或说明仅仅是示意性的，而不是限定性的。本发明并不限于所公开的实施例。

以上实施例仅仅用于说明本发明的技术思想，不能以此限定本发明的保护范围。凡是按照本发明提出的技术思想，在技术基础上所做的任何改动，均落入本发明保护范围之内。

Claims (7)

1.一种复杂环境下非接触式掌纹感兴趣区提取方法，其特征在于，包括顺序执行如下步骤：

步骤1：采集掌纹图像；

步骤2：提取出手掌前景的二值化图像；

步骤3：对二值化图像进行空洞填充和小面积区域去除；

步骤4：调整二值化图像中的手掌角度，使得中指指尖位于图像最上方；

步骤5：通过检测中指、食指、无名指的指尖位置，以及中指与食指、中指与无名指之间的谷点位置，确定最大有效内切圆的搜索范围；

步骤6：对调整后的二值化图像进行距离变换，在上一步得到的搜索范围内进行遍历，最终寻找到内切圆圆心位置和半径长度；

步骤7：将最大有效内切圆向谷点进行平移；

步骤8：旋转最大内切圆图像，尺寸归一化，最终得到掌纹感兴趣区图像。

2.根据权利要求1所述的一种复杂环境下非接触式掌纹感兴趣区提取方法，其特征在于，步骤4中，所述调整手掌角度包括如下步骤：

步骤4.1：得到手掌的重心坐标；

步骤4.2：腐蚀二值化图像中手指部分，得到腐蚀手指后的手掌重心坐标；

步骤4.3：得到上述两个重心的连线与纵轴的夹角θ；

步骤4.4：将二值化图像中的手掌旋转θ角，使中指指尖位于图像最上方。

3.根据权利要求1所述的一种复杂环境下非接触式掌纹感兴趣区提取方法，其特征在于，步骤5中，所述指尖位置和谷点位置检测步骤包括：

步骤5.1：建立坐标系，原点位于图像左上角，x轴水平向右，y轴垂直向下；设中指指尖p₀坐标为(x₀,y₀)，之后遍历中指左侧的手掌轮廓上点(x_i,y_i)，找到符合x_i＜x₀条件并且y_i值最小的点，该点即为中指左侧相邻手指的指尖p₁，坐标为(x₁,y₁)；

步骤5.2：遍历中指右侧的手掌轮廓上点(x_j,y_j)，找到符合x_j＞x₀条件并且y_j值最小的点，该点即为中指右侧相邻手指的指尖p₂，坐标为(x₂,y₂)；

步骤5.3：分别遍历中指与左侧相邻手指、右侧相邻手指之间的手掌轮廓点，y值最大的点即为中指与左侧相邻手指之间的谷点p₃(x₃,y₃)以及中指与右侧相邻手指之间的谷点p₄(x₄,y₄)；

步骤5.4：根据三个指尖和两个谷点的坐标确定最大有效内切圆的搜索范围，搜索范围的左边界x轴坐标为x₁，右边界x轴坐标为x₂；若y₃大于y₄，则上边界y轴坐标为y₄，下边界为2y₄-y₀；若y₃小于y₄，则上边界y轴坐标为y₃，下边界为2y₃-y₀。

4.根据权利要求1所述的一种复杂环境下非接触式掌纹感兴趣区提取方法，其特征在于，步骤6中，首先使用距离变换搜索范围中每一个点与自己最近的零点的距离，之后遍历搜索范围内像素点的距离变换值，距离变换值最大的像素点为圆心位置，其对应的距离变换值即为最大有效内切圆的半径；设圆心为O，中指指尖为P，中指右侧谷点为V，则所述像素点满足以下条件：

<mrow> <mi>P</mi> <mi>R</mi> <mi>O</mi> <mi>P</mi> <mi>E</mi> <mi>R</mi> <mi>T</mi> <mi>I</mi> <mi>O</mi> <mi>N</mi> <mo>_</mo> <mi>M</mi> <mi>I</mi> <mi>N</mi> <mo>&amp;le;</mo> <mfrac> <mrow> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>O</mi> <mo>,</mo> <mi>V</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>P</mi> <mo>,</mo> <mi>V</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;le;</mo> <mi>P</mi> <mi>R</mi> <mi>O</mi> <mi>P</mi> <mi>E</mi> <mi>R</mi> <mi>T</mi> <mi>I</mi> <mi>O</mi> <mi>N</mi> <mo>_</mo> <mi>M</mi> <mi>A</mi> <mi>X</mi> <mo>;</mo> </mrow>

其中，Dist(O,V)表示圆点O至谷点V的距离，Dist(P,V)表示中指指尖至谷点V的距离，PROPERTION_MIN、PROPERTION_MAX分别表示系统设定的的下限阈值和上限阈值。

5.根据权利要求1所述的一种复杂环境下非接触式掌纹感兴趣区提取方法，其特征在于，步骤7，将最大有效内切圆向中指右侧谷点方向平移，使最大有效内切圆处于手掌纹线信息最丰富的位置。

6.根据权利要求1所述的一种复杂环境下非接触式掌纹感兴趣区提取方法，其特征在于，步骤8，旋转最大内切圆图像使最大有效内切圆圆心的x轴坐标与中指右侧谷点x轴坐标相同，以完成掌纹感兴趣区图像角度上的统一。

7.根据权利要求1所述的一种复杂环境下非接触式掌纹感兴趣区提取方法，其特征在于，步骤2，将原始的RGB空间转换到YCrCb空间，并使用OTSU算法提取出手掌前景的二值化图像。