CN108154135A - 一种手指中线提取方法 - Google Patents
一种手指中线提取方法 Download PDFInfo
- Publication number
- CN108154135A CN108154135A CN201810033950.2A CN201810033950A CN108154135A CN 108154135 A CN108154135 A CN 108154135A CN 201810033950 A CN201810033950 A CN 201810033950A CN 108154135 A CN108154135 A CN 108154135A
- Authority
- CN
- China
- Prior art keywords
- finger
- point
- center line
- contours
- root
- 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.)
- Granted
Links
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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种手指中线提取方法,属于生物特征识别领域。本发明的步骤是对采集到的手形图像进行二值化与轮廓提取;通过相对距离法进行指尖点、指根点检测,并利用指尖点、指根点对四指手指轮廓进行截取;对四指轮廓使用基于距离的平面区域划分方法提取特征点;根据中线特征:a.手指中线位于手指轮廓的中间位置,必位于手指轮廓内;b.中线上的点与两侧的手指轮廓点的夹角必定大于90度;对中线附近区域特征点进行直线拟合得到手指中线。本发明提出的手指中线提取方法不需要依赖指尖点和指根点,可以有效避免指尖点定位不准确、指根点附近存在干扰点导致中线提取不准确的问题。
Description
技术领域
本发明属于生物特征识别技术领域中的手指中线提取部分,具体设计了一种手指中线提取方法。
背景技术
在利用手形进行身份鉴定的过程中,为了提取手指轮廓的宽度特征,需要提取手指的中线。在提取不同时刻采集的手形图像的手指中线时,手指中线提取效果的好坏关系到整个识别系统的性能,因此,有必要设计一种鲁棒性强的手指中线提取方法。现有的中线提取算法包括:
1.使用指尖点与指根中点的连线作为手指中线;
2.使用手指两侧的轮廓线拟合两条手指轮廓线,提取两者的中分线作为手指的中线;
3.使用手指骨架中间直线部分作为拟合手指的中线。
上述提取方法存在以下问题的全部或者部分:
(1)提取的中线依赖于指尖点:受指甲和摆放姿势的影响,部分指尖点提取的结果不尽如人意,从而导致中线定位不准确;
(2)提取的中线依赖于指根中点:在手指轮廓截取的过程中,指根点的提取结果直接影响手指轮廓的提取。受限于指根点的提取算法,在两个手指中间连接部分的指根位置会出现部分点偏离手指轮廓(该部分点不在手指轮廓的拟合直线上),该部分点的存在影响指根中点的位置计算,从而影响中线的提取结果;
(3)使用侧方轮廓线拟合手指轮廓线时,由于两侧轮廓端点存在部分点偏离手指轮廓,导致轮廓线拟合的结果不理想,虽然通过去除部分端点能够改善曲线拟合的结果,但是不同人的不同手指轮廓中包含偏离点的数量和比例不统一,没有有效的通用算法;对于手指两侧的轮廓波动比较大的情况,现有轮廓拟合法提取的中线效果不够理想。
(4)手指骨架的方法与去除手指轮廓端点类似,在指根处会有一部分轮廓点没有参与中线的提取过程,会造成手指轮廓信息的浪费。
发明内容
鉴于以上手指中线提取过程中存在的问题,本发明提出一种鲁棒性强的手指中线提取方法,具体包括以下步骤:
(1)手形图像二值化与轮廓提取
对采集到的手掌图像进行二值化处理,提取出手掌所在区域,然后通过轮廓提取算法提取手部轮廓,得到手形轮廓曲线;
(2)指尖点、指根点检测与手指轮廓截取
使用相对距离法,计算整个手形轮廓到手腕中心点的距离,根据距离导数得到5个指尖点和4个指根点,并求出小拇指外侧和食指外侧与内侧指根点对称的“指根点”,根据这11个点提取除大拇指外其余四个手指的轮廓,得到四个手指轮廓曲线;
(3)平面区域划分与特征点提取
使用基于距离的平面划分方法将手指轮廓点划分到不同区域,每个区域内有且仅有一个手指轮廓点,区域的顶点为特征点,手指轮廓点到该轮廓点所在区域特征点的距离比该手指轮廓点到其他区域特征点的距离近,所有的区域顶点即为手指轮廓特征点;
(4)中线附近特征点提取
根据手指中线特点选取中线附近特征点:
a.手指中线位于手指轮廓中间位置,必位于手指轮廓内;
b.中线上特征点必定是手指两侧轮廓点分别所在区域的共同顶点,因此该特征点与对应的两侧轮廓点的夹角必定大于90度,因此根据特征点与对应的两侧手指轮廓点的夹角大于90度就能判定该特征点是手指中线上的点;
通过以上两个特征,提取得到手指中线附近的特征点;
(5)手指中线提取
对提取到的中线附近的特征点进行直线拟合,得到的直线即为手指中线。
有益效果:
本发明提出的手指中线提取方法不需要依赖指尖点和指根点,可以有效避免指尖点定位不准确、指根点附近存在干扰点导致中线提取不准确的问题;对于手指两侧轮廓波动比较大,影响两侧轮廓拟合的情况,也能很好的提取手指中线。相比于传统中线提取方法,本发明提出的中线提取方法鲁棒性更强。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明;
图1是手掌图像;
图2是二值化手掌图像;
图3是手形轮廓与指尖点、指根点;
图4是除姆指外四个手指轮廓内的特征点;
图5是除姆指外四个手指轮廓外的特征点;
图6是小拇指与小拇指轮廓、中线附近特征点和手指中线;
图7是无名指与无名指轮廓、中线附近特征点和手指中线;
图8是中指与中指轮廓、中线附近特征点和手指中线;
图9是食指与食指轮廓、中线附近特征点和手指中线;
图10是四种手指中线提取方法的对比图。
其中:图3是手形轮廓图,图中“五角星”位置是指尖点,“*”位置是指根点,“+”位置是小拇指和食指内侧指根点对称的外侧“指根点”,空心圆是手腕中心点;图6-9(a)分别是从手掌中提取出来的小拇指、无名指、中指和食指图;图6-9(b)分别是小拇指、无名指、中指和食指的轮廓图,其中轮廓中间的点是提取的特征点,中间的直线是最终提取的手指中线;图6-9(c)是将中线旋转至竖直方向时,对应的小拇指、无名指、中指和食指图像;图10(a-d)是四种手指中线提取方法对比图。
具体实施方式
1.使用图像二值化方法(例如最大类间方差法)对采集到的手掌图像(图1)进行二值化处理,得到二值化手掌图像(图2);
2.对二值化手掌图像使用轮廓提取算法提取手形轮廓(图3),计算出手腕中心点位置(图3中的“空心圆”位置)。使用相对距离法计算手形轮廓点到手腕中心点的距离,计算距离曲线的导数,根据指尖点、指根点的特性,得到指尖点(图3中的“五角星”)、指根点(图3中的“*”)和小拇指、食指外侧的指根点(图3中的“+”位置)。根据指根点、指尖点提取小拇指、无名指、中指和食指的轮廓(图4(a-d)中的轮廓);
3.使用基于距离的平面划分方法将手指轮廓点(共N个点)划分到不同区域。平面划分之后,在每个区域内都有且仅只有一个特征点(xi,yi),i=1,2,…,n(n为特征点总数,n=N),每个区域中的特征点(xi,yi)与该区域内手指轮廓点(xl,yl),l=1,2,…,m,(m为区域内的轮廓点总数)的距离Lil=||(xi-xl,yi-yl)||2比该区域手指轮廓点到其他区域的特征点(xj,yj)的距离Ljl=||(xj-xl,yj-yl)||2,(j≠i)近,所有区域内的特征点集合即是手指轮廓的特征点;(一个区域内只存在一个特征点,每个特征点与至少两个轮廓点距离相等)
4手指中线具有以下两个特征:a.手指中线位于手指轮廓的中间位置,必定位于手指轮廓内(图4(a-d));b.中线与分别位于两侧的手指轮廓点的夹角必定大于90度,则与对应的两侧轮廓点的夹角大于90度的特征点位于手指中线上。根据特征a删除在手指轮廓外的特征点(图5),只留有手指区域内的特征点(图4(a-d)中的特征点是只保留手指区域内的点)。根据特征b删除不在手指中线上的点。考虑到指尖处的特殊性,在实际使用特征b的过程,特征点(xi,yi),i=1,2,…,n(n为特征点总数)与对应的轮廓点(xl1,yl1)和(xl2,yl2)的夹角大于120度作为中线特征点,如果存在多于两个轮廓点,只要其中存在一对轮廓点与特征点的夹角大于120度,则该特征点也是中线特征点。通过以上两个特征,提取得到手指中线附近的特征点(图6-9(b)中的点);
5根据提取的中线附近特征点,使用最小二乘法拟合出手指中线(图6-9(b)中手指中间的直线)。后续就可以根据中线提取手指的宽度特征、计算手指的重合面积或者旋转手指等。图6-9(c)是将图6-9(a)中的手指中线旋转至竖直方向时,对应的手指图像。
实验过程:
1.图10(a-d)是不同方法作用到同一个手指轮廓上的对比图。(a)是根据指尖点和指根中心点连线得到的手指中线,受指根处一侧轮廓冗余点的影响,指跟中心点的定位不准确,加上指尖点的偏移导致提取的手指中线效果不理想;(b)是根据两侧轮廓点拟合的两条轮廓直线,两直线的中分线作为手指中线,由于指根冗余点的存在,右侧的轮廓直线明显出现偏移,中线也必定存在偏移,当手指轮廓中存在多个大曲率曲线时,轮廓直线的提取效果更差;(c)是根据手指骨架提取的中分线(图中空心圆右下方的轮廓点信息被浪费);(d)是本发明提取的中线,克服了前几种方法的弊端,鲁棒性更强。
Claims (1)
1.一种手指中线提取方法,其特征在于包括以下步骤:
(1)手形图像二值化与轮廓提取
对采集到的手掌图像进行二值化处理,提取出手掌所在区域,然后通过轮廓提取算法提取手部轮廓,得到手形轮廓曲线;
(2)指尖点、指根点检测与手指轮廓截取
使用相对距离法,计算整个手形轮廓到手腕中心点的距离,根据距离导数得到5个指尖点和4个指根点,并求出小拇指外侧和食指外侧与内侧指根点对称的“指根点”,根据这11个点提取除大拇指外其余四个手指的轮廓,得到四个手指轮廓曲线;
(3)平面区域划分与特征点提取
使用基于距离的平面划分方法将手指轮廓点划分到不同区域,每个区域内有且仅有一个手指轮廓点,区域的顶点为特征点,手指轮廓点到该轮廓点所在区域特征点的距离比该手指轮廓点到其他区域特征点的距离近,所有的区域顶点即为手指轮廓特征点;
(4)中线附近特征点提取
根据手指中线特点选取中线附近特征点:
a.手指中线位于手指轮廓中间位置,必位于手指轮廓内;
b.中线上特征点必定是手指两侧轮廓点分别所在区域的共同顶点,因此该特征点与对应的两侧轮廓点的夹角必定大于90度,因此根据特征点与对应的两侧手指轮廓点的夹角大于90度就能判定该特征点是手指中线上的点;
通过以上两个特征,提取得到手指中线附近的特征点;
(5)手指中线提取
对提取到的中线附近的特征点进行直线拟合,得到的直线即为手指中线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810033950.2A CN108154135B (zh) | 2018-01-15 | 2018-01-15 | 一种手指中线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810033950.2A CN108154135B (zh) | 2018-01-15 | 2018-01-15 | 一种手指中线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108154135A true CN108154135A (zh) | 2018-06-12 |
CN108154135B CN108154135B (zh) | 2020-06-30 |
Family
ID=62461258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810033950.2A Active CN108154135B (zh) | 2018-01-15 | 2018-01-15 | 一种手指中线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154135B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113936307A (zh) * | 2021-12-17 | 2022-01-14 | 北京圣点云信息技术有限公司 | 一种基于薄膜传感器的静脉图像识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198304A (zh) * | 2013-04-19 | 2013-07-10 | 吉林大学 | 一种掌纹提取识别方法 |
CN104123537A (zh) * | 2014-07-04 | 2014-10-29 | 西安理工大学 | 一种基于手形和掌纹识别的快速身份验证方法 |
-
2018
- 2018-01-15 CN CN201810033950.2A patent/CN108154135B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198304A (zh) * | 2013-04-19 | 2013-07-10 | 吉林大学 | 一种掌纹提取识别方法 |
CN104123537A (zh) * | 2014-07-04 | 2014-10-29 | 西安理工大学 | 一种基于手形和掌纹识别的快速身份验证方法 |
Non-Patent Citations (1)
Title |
---|
WANG SHENGHUA, ET AL.: "A new hand shape positioning algorithm based on Voronoi diagram", 《PROCEEDINGS OF THE 35TH CHINESE CONTROL CONFERENCE》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113936307A (zh) * | 2021-12-17 | 2022-01-14 | 北京圣点云信息技术有限公司 | 一种基于薄膜传感器的静脉图像识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108154135B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Beghin et al. | Shape and texture based plant leaf classification | |
CN103955674B (zh) | 掌纹图像采集装置及掌纹图像定位与分割方法 | |
CN107563377A (zh) | 一种利用边缘和文字区域的证件关键区域检测定位方法 | |
CN102629318B (zh) | 一种基于支持向量机的指纹图像分割方法 | |
CN103870808A (zh) | 一种手指静脉识别方法 | |
CN104239769A (zh) | 基于手指静脉特征的身份识别方法及系统 | |
Patil et al. | A novel approach for fingerprint matching using minutiae | |
CN105938549A (zh) | 掌纹识别中的掌纹roi分割方法 | |
CN104091145A (zh) | 人体掌脉特征图像采集方法 | |
CN106127151A (zh) | 基于改进局部二值模型的指静脉识别方法及装置 | |
CN109657579A (zh) | 一种指纹裂纹的检测与修复方法 | |
WO2016011640A1 (zh) | 基于手部图像纹理的身份识别方法 | |
CN102194111B (zh) | 非接触握拳式手背静脉样本roi区域自适应提取方法 | |
CN108154135A (zh) | 一种手指中线提取方法 | |
CN113936303B (zh) | 一种手部图像最大内接矩形确定方法及图像识别方法 | |
CN110569815B (zh) | 基于改进灰度不均匀矫正的指静脉图像特征提取算法 | |
CN107463916A (zh) | 基于螺旋算子的指纹细节点特征获取方法 | |
CN103246871A (zh) | 一种基于图像非线性增强的非理想虹膜外边界定位方法 | |
CN105184272A (zh) | 基于曲线匹配的手背静脉识别方法 | |
Lim et al. | Enhancing fingerprint recognition using minutiae-based and image-based matching techniques | |
Lin | A novel iris recognition method based on the natural-open eyes | |
Mali et al. | Fingerprint recognition using global and local structures | |
KR20050094228A (ko) | 지문 인식 방법 | |
Fang et al. | A new fingerprint thinning algorithm | |
Malathi et al. | Fingerprint pore extraction based on marker controlled watershed segmentation |
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 |