CN109376708A - 提取roi的方法 - Google Patents

Abstract

本分案申请公开了一种提取ROI的方法,属于掌纹识别领域,为了解决现有的掌纹识别识别过程中，掌纹分割所具有的基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题,包括如下步骤：确定ROI的中心点，以谷点M1为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角度的点M2′，效果是：图像分割算法降低了图像采集时图像旋转和平移的影响。

Description

提取ROI的方法

本发明是申请号201610409033.0，申请日2016-06-08，发明名称“掌纹识别中的掌纹ROI分割方法”的分案申请。

技术领域

本发明属于掌纹识别领域，涉及一种掌纹识别中的掌纹ROI分割方法。

背景技术

随着社会的发展和科技水平的提高，人民的安全意识不断增强，信息的安全受到越来越的关注，因此在现实生活中，每个人都经常面对身份的鉴别问题。传统的身份认证经常采用密码、口令、证件等，这些传统的鉴别方法存在很大的弊端。生物特征识别技术因其固有安全等级高的优点，正在慢慢的取代传统的身份认证方法，经常采用指纹、人脸、虹膜、步态、笔迹、手形、掌纹等人体特征。目前,单个生物特征有其固有的局限性,还没有一种单独的生物特征识别技术可以满足实际的需求。多模态生物特征识别技术通过多生物特征融合的方法,来提高识别的准确率和扩大应用范围,以满足实际的需求。由于手部图像采集方便、用户接受度高、包含信息量大、识别准确率较高等，目前被广泛应用。

掌纹识别一般包括掌纹提取、掌纹信息分析等几个主要部分，其中掌纹提取中，会涉及掌纹分割的步骤，现有技术的基于正方形的定位分割方法中，定位点不易确定、且同类图像ROI提取偏移度较大。

发明内容

为了解决现有的掌纹识别识别过程中，掌纹分割所具有的基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题，本发明提出了一种掌纹识别中的掌纹ROI分割方法，以更容易实现对于正方形的定位分割方法中定位点的确定，并且可以减小图像ROI提取偏移度，为了实现上述目的，本发明的技术方案是：

一种掌纹识别中的掌纹ROI分割方法，包括如下步骤：

S1.选取拟合直线；

S2.图像矫正和掌纹的ROI分割。

进一步的，在图像中选取一条稳定的直线作为ROI分割的参考方向，针对轮廓图第一象限的边缘点采用最小二乘法拟合出一条直线。

进一步，确定ROI的中心点，以谷点M1为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角度的点M2′，取线段M1M2′的中点O，做直线M1M2′的垂直平分线，并在垂直平分线的右侧区域找到固定长度R的点O1，则点O1就在手掌的中心区域内，最后以点O1为ROI的中心点，截取128×128的正方形区域作为图像的ROI，所述所述正方形的其中两条边平行于拟合直线L。

进一步的，拟合直线的步骤是：

设直线的方程表达式为：

y＝kx+b (1)

根据手掌边缘轮廓的测量值求出直线在y轴上的截距b和直线斜率k，(x_i,y_i)为手掌边缘轮廓的测量值的坐标，b₀、k₀为b、k的近似值，令：

b＝b₀+δb

k＝k₀+δk

其中，δb和δk是斜率和截距的偏差；

以y作为因变量，以x为自变量,误差方程为：

误差方程的矩阵表达式为：

AδX＝L+V

其中

由最小二乘法准则

V^TV＝min

即

其最小二乘解为：

以此得出k、b的值，带入公式1即得拟合方程和拟合直线。

有益效果：算法解决了基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题，这种图像分割算法还降低了图像采集时图像旋转和平移的影响。算法是用简单方法解决复杂问题，与现有的其他方法相比达到相同效果的情况下，算法不仅节约时间而且更易于实现，且提取的ROI偏移度更小，算法可靠，更具有实用性。

附图说明

图1是本发明处理的手形图像及手型特征点位置示意图；

图2是本发明圆盘算法原理图；

图3是本发明手形局部分块示意图；

图4是掌纹图像及ROI分割图。

具体实施方式

实施例1：掌纹识别中最重要的步骤就是掌纹感兴趣区(ROI)的分割，针对原有算法的缺陷，提出一种基于特定部位直线拟合的ROI分割方法。手掌的轮廓线会随着手指张开的程度变化，而手掌小拇指一侧的边缘区域的轮廓线不会随手指张开程度的变化而变化。根据这一特点，针对手掌轮廓特定的边缘点采用最小二乘法拟合出一条直线L。以直线L为基准，以图4(a)中两指谷点M1、M2为参考点，分别做两条平行于直线L的直线ab和直线cd；以点M1、M2的中点做平行于直线L的直线OO1，通过点M1做垂直于L的直线，该直线于直线cd交点为M2′，于直线OO1交点为O1，以点O为基准，确定某一长度在直线OO1上截取，确定点O1。以点O1为中心，确定截取长度，分别在平行于和垂直于直线L的方向对图像进行分隔，获得掌纹ROI，如图4(a)所示。本实施例记载了一种掌纹识别过程中的掌纹ROI分割方法，包括如下步骤：

1)选取拟合直线

首先在图像中选取一条稳定的直线作为ROI分割的参考方向。通过对图像的分析发现，在采集图像时，虽然存在手指张开的随意性，但手掌小拇指一侧的后边缘区域的轮廓线变化很小，根据这一特点，针对轮廓图第一象限的边缘点采用最小二乘法拟合出一条直线。

设直线的方程表达式为：

y＝kx+b (1)

根据手掌边缘轮廓的测量值求出最佳的b(直线在y轴上的截距)和k(直线斜率)。(x_i,y_i)为手掌边缘轮廓的测量值的坐标，b₀、k₀为b、k的近似值。令：

b＝b₀+δb

k＝k₀+δk

以y作为因变量，以x为自变量,误差方程为：

其中，δb和δk是斜率和截距的偏差；

误差方程的矩阵表达式为：

AδX＝L+V

其中

由最小二乘法准则(min代表最小值)

V^TV＝min

即

其最小二乘解为：

从而得出a、b的值，带入公式1即得拟合方程，如图4(a)中直线L就是所求拟合直线。

2)图像校正和掌纹的ROI分割

对掌纹图像进行以上处理后，开始确定ROI的中心点。为减小同一个人图像中心点的偏移问题采用如下方法。如图4(a)所示，以谷点M1为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角度(实验中取的90度)的点M2′。取线段M1M2′的中点O，做直线M1M2′的垂直平分线，并在垂直平分线的右侧区域找到固定长度R(其中)的点O1，则点O1就在手掌的中心区域内，最后以点O1为ROI的中心点，截取128×128的正方形(其中两条边平行于拟合直线L)区域作为图像的ROI。图4(b)是改进算法对特殊图像的分割的实验仿真图。

本实施例针对现有方法中的不足提出了一种新的定位分割算法，算法解决了基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题，这种图像分割算法还降低了图像采集时图像旋转和平移的影响。算法是用简单方法解决复杂问题，与现有的其他方法相比达到相同效果的情况下，算法不仅节约时间而且更易于实现，且提取的ROI偏移度更小，算法可靠，更具有实用性。

实施例2：本实施例公开了一种基于手形和掌纹的多模态生物识别方法，其中，手形识别包括手形轮廓提取、特征点定位、特征量分析等几个主要部分。而掌纹识别一般包括掌纹提取、掌纹信息分析等几个主要部分，其中掌纹提取中，会涉及掌纹分割的步骤。对于掌纹的部分，如实施例1中技术方案的记载，而对于手形部分的记载，请参见下述方案。此外，所述的手形部分的记载，可以为掌纹部分记载的上级步骤或下级步骤，作为掌纹ROI分割方法的一部分。

对手形图像做灰度处理，进行灰度增强；确定分割阈值，对图像进行二值化；通过边界跟踪，提取手形轮廓如图1所示。通过对图2的分析，以轮廓线上某点为圆心，以R为半径，圆内既有属于目标区域像素点也有属于背景区域像素点。可以看出当圆盘在直线上移动时，在圆盘内有些目标区域和背景区域的点在圆心的上方，有些在圆心的下方。而当圆盘转到上凸区域的拐点时，在圆盘内目标区域的所有点都在圆心点的下方，当圆盘转到下凸区域的拐点时，在圆盘内背景区域的所有点都在圆心点的上方。基于以上理论提出了圆盘极值算法，手形轮廓线内部为目标区域，外部为背景区域，通过分析手形轮廓图(图1)可以看出，假设圆盘中心在某一手指指峰处的点T，则在点T的周围的邻域内的点都在它的下方或者同一行，对于指谷也有着相似的特点，唯一不同的是邻域内的点在指谷点的上方或者同一行，而且只有指峰和指谷特征点有这一特征，从而确定手指指峰点和指谷点的位置。

在图3(a)中，确定中指指峰点所在较小区域，利用圆盘极值法确定中指指峰点T2，以T2所在列将手形图像分割成两部分，图3(b)为无名指小拇指所在区域子图，图3(c)为食指所在区域子图。在图3(b)中确定小拇指与无名指间指谷点所在区域，利用圆盘极值法确定该指谷点T7。针对图3(c)，确定分割参数，将其割成食指与中指间指谷点区域子图3(d)和食指指峰点区域子图3(e)。在图3(d)图3(e)的较小的区域内利用圆盘极值法分别确定食指与中指间指谷点T5和食指指峰点T1。进一步确定分割参数，将图3(b)分割成中指与无名指间指谷点区域子图3(f)、无名指指峰点区域子图3(g)和小拇指间指峰点区域子图3(h)。在图3(f)中较小的区域内利用圆盘极值法确定中指与无名指间指谷点T6，在图3(g)和图3(h)中较小的区域内利用圆盘极值法分别无名指指峰点T3和小拇指指峰点T4。

将手形图像做灰度化处理，绘制灰度图像的直方图，找出像素灰度集中范围，进行灰度增强，使图像更加清晰。采用局部阈值二值化，对二值化后的图像再采用半径为1的圆盘进行腐蚀膨胀运算,剔除小区域，之后可以进行特征定位，

在特征定位的步骤中，本实施例提出一种手形识别中特征点固定定位顺序的方法，对本方法中技术术语作出如下定义：子图b是无名指小拇指所在区域子图，子图c是食指所在区域子图，子图e是食指指峰点所在区域子图，子图f是中指与无名指间指谷点区域子图，子图g是无名指指峰点区域子图，子图h是小拇指间指峰点区域子图；

所述方法包括如下步骤：

S1.创建7个空数组S_i[]用来存放满足条件的属于同一根手指的指峰或指谷的特征点，其中：i＝1,…,7；

S2.对原图a进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S₁中，数组S₁的中间点就是中指指峰点T2；

S3.根据中指指峰点T2将原图分为子图b和子图c，对子图由下向上、由左到右扫描,当扫描线与轮廓线首次出现多个交点时，以该行除与左侧边缘轮廓线的交点之外的其它交点为基准点，利用圆盘极值法确定轮廓线全部在圆心下方的点存数组S₂中，数组S₂的中间点就是小拇指与无名指的指谷点T7；

S4.计算其中x₂、x₇为T2、T7的横坐标，对子图c以n₃为左边界即是子图e的区域，对子图e进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S₃中，数组S₃的中间点就是中指指峰点T2；

S5.计算x₁为T1的横坐标，对子图d，行由y₇向上，列由x₂到n₄的区域进行扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S₄中，数组S₄的中间点就是食指与中指间的指谷点T5，其中y₇是点T7的纵坐标；

S6.计算x₅为T5的横坐标，对子图f，行由y₇向上，列由n₅到x₂的区域进行扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S₅中，数组S₅的中间点就是中指与无名指间的指谷点T6；

S7.计算对子图b以n₆为右边界即是子图g的区域,对子图g进行由上向下、由左向右的扫描，搜索扫描线与手指的首次交点，以此点为基准，利用圆盘极值法确定轮廓线全部在圆心下方的点存入数组S₆中，数组S₆的中间点就是无名指指峰点T3；

S8.根据已确定的点计算y_max＝MAX(y₁,y₃)，y_min＝MIN(y₁,y₃)，a₃＝|y₂-y_min|，对子图h,行由(y_max+a₃)向下，列以n₆为右边界的区域进行扫描，记录交点首次大于2的行数，将满足|n_i-n_i+1|≥2的交点存入数组S₇中，数组S₇的中间点就是小拇指指峰点的特征点T4。

其中：

子图b是无名指小拇指所在区域子图，子图c是食指所在区域子图，子图e是食指指峰点所在区域子图，子图f是中指与无名指间指谷点区域子图，子图g是无名指指峰点区域子图，子图h是小拇指间指峰点区域子图；

n₃食指指峰点子图分割参数、n₄食指和中指间指谷点子图分割参数、n₅中指和无名指间指谷点子图分割参数、n₆无名指指峰点子图分割参数。

y₁，y₂，y₃分别为特征点T1、T2和T3的纵坐标，y_max为y₁和y₃的最大值，y_min为y₁和y₃的最小值。

上述掌纹识别中的掌纹ROI分割方法，因为采用了特定区域直线拟合及固定特征点定位技术，能够快速有效地提取掌纹ROI。克服了原有算法的不足，降低了图像采集时图像旋转和平移的影响。与原有算法相比在计算效率与准确率方面都有较大优势，计算时间大大缩短，而且更易于实现，为基于掌纹的身份认证系统的实现提供了理论和实验依据。该算法不仅准确率高、速度快、算法简单而且解决了传统方法扫面范围大、圆盘阈值和半径难以确定的难题，特征定位效果显著提高，算法还降低了对图像采集的要求，同时提高了用户的舒适性，对被采集者手指张开程度没有苛刻要求，对手指有缺陷(弯曲、部分缺失)的用户也适合此算法。

此外，上述方案涉及的手形识别中特征点固定定位顺序的方法，采用了手形图像分块技术，利用圆盘极值算法，可以快速准确的提取手型特征点，该算法不仅准确率高、速度快、算法简单而且解决了传统方法扫面范围大、圆盘阈值和半径难以确定的难题，特征定位效果显著提高，算法还降低了对图像采集的要求，同时提高了用户的舒适性，对被采集者手指张开程度没有苛刻要求，对手指有缺陷(弯曲、部分缺失)的用户也适合此算法。

以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。

Claims (3)

1.一种提取ROI的方法，其特征在于，确定ROI的中心点，以谷点M1为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角度的点M2′，取线段M1M2′的中点O，做直线M1M2′的垂直平分线，并在垂直平分线的右侧区域找到固定长度R的点O1，则点O1就在手掌的中心区域内，最后以点O1为ROI的中心点，截取128×128的正方形区域作为图像的ROI。

2.如权利要求1所述的提取ROI的方法，其特征在于，所述固定角度取90度。

3.如权利要求1所述的提取ROI的方法，其特征在于，