CN110399784A - 一种手掌图像感兴趣区域与截取准确率提升的方法 - Google Patents

一种手掌图像感兴趣区域与截取准确率提升的方法 Download PDF

Info

Publication number
CN110399784A
CN110399784A CN201910433949.3A CN201910433949A CN110399784A CN 110399784 A CN110399784 A CN 110399784A CN 201910433949 A CN201910433949 A CN 201910433949A CN 110399784 A CN110399784 A CN 110399784A
Authority
CN
China
Prior art keywords
palm
image
wrist
point
accuracy rate
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.)
Pending
Application number
CN201910433949.3A
Other languages
English (en)
Inventor
黄晞
张顶
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.)
Fujian Normal University
Original Assignee
Fujian Normal University
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 Fujian Normal University filed Critical Fujian Normal University
Priority to CN201910433949.3A priority Critical patent/CN110399784A/zh
Publication of CN110399784A publication Critical patent/CN110399784A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/30—Noise filtering
    • 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
    • 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
    • G06V40/107—Static hand or arm
    • 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
    • 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
    • G06V40/1365—Matching; Classification
    • 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
    • G06V40/107—Static hand or arm
    • G06V40/117—Biometrics derived from hands

Landscapes

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

Abstract

本发明涉及图像处理技术领域，具体涉及一种手掌图像感兴趣区域分割与截取准确率提升的方法。首先对输入手掌图像image1进行预处理，利用canny算子提取边缘化后得到二值图像image2；对二值化图像image2进行轮廓提取，得到轮廓图像image3，并且以image3的左上角为坐标原点，建立直角坐标系得到轮廓点集合Contours；利用得到的轮廓点间距进行测算，得到距离数据；对距离数据进行处理，得到点；找出手腕与手掌的两个交界点后，对image1进行手腕截取，切割掉图像中横坐标大于的像素，得到最终结果image4。本发明提出了方法，消除了手腕信息对后续掌纹感兴趣区域分割的干扰。提高了后续ROI分割的准确率。

Description

一种手掌图像感兴趣区域与截取准确率提升的方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种手掌图像感兴趣区域(ROI)分割与截取准确率提升的方法。
背景技术
作为生物特征识别领域内的前沿课题，掌纹或掌静脉识别具有较大的优势和研究前景。手掌感兴趣区域(ROI)分割是掌纹或掌静脉识别的重要步骤，识别成功的ROI对于后续的特征提取与匹配有明显的影响。现有的ROI分割算法大致可以分为两大类，一类是基于矩形的分割，另一类是基于最大内切圆的分割算法。近年来提出了一种拟合直线固定角度的ROI 算法，但是当使用非接触式手掌图像采集方式时，由于手掌位置不固定，通常采集到的手掌图像中会含有手腕，会使得直线拟合不准确，进而导致ROI分割不准确。因此对于图像中手腕的截取十分必要。
发明内容
本发明专利提出一种对手掌图像分割与截取的方法以解决手腕对于感兴趣区域(ROI)的干扰影响，进而提高ROI分割与截取的准确率。
为实现本发明的目标所采用的技术方案，包括以下步骤：
步骤1：对输入手掌图像image1进行预处理，利用canny算子提取边缘化后得到二值图像 image2；
步骤2：对二值化图像image2进行轮廓提取，得到轮廓图像image3，并且以image3的左上角为坐标原点，建立直角坐标系得到轮廓点集合Contours；
步骤3：利用得到的轮廓点间距进行测算，得到距离数据；
步骤4：对距离数据进行处理，得到点W1(xw1,yw1)，W1'(xw1,yw1')，W2(xw2,yw2)，其中W1(xw1,yw1)和W2(xw2,yw2)为两个手腕点。
步骤5：找出手腕与手掌的两个交界点后，对image1进行手腕截取，切割掉图像中横坐标大于xw2的像素，得到最终结果image4。
所述的轮廓点间距进行测算，采用公式(1)计算：
式中Pi,Qi∈Contours,Pi(xi,yi)，Qi(xi,yi')，xN为输入的手掌图像image1的重心的横坐标。
所述的手腕点W1(xw1,yw1)的坐标值通过公式(2)计算：
式中j＝2,3,...,N，β为一个加权系数，xm为Pm的横坐标，ym和ym'分别为Pm和Qm的纵坐标。通过对P1,P2,...,Pm共m个点用最小二乘法进行直线拟合，得到斜率k1。
所述的点W1'(xw1,yw1')的纵坐标值通过公式(3)计算：
其中，ym和ym'分别为Pm和Qm的纵坐标。
本发明的有益效果是：提出了一种用于提升手掌图像感兴趣区域(ROI)分割准确率的手腕截取方法，消除了手腕信息对后续掌纹感兴趣区域(ROI)分割的干扰。提高了后续ROI 分割的准确率。
附图说明
图1为本发明所述用于提升手掌图像感兴趣区域(ROI)分割准确率的手腕截取方法总体处理流程图。
图2为轮廓点间距离的计算示意图。
图3为寻找手腕与手掌交点的操作示意图。
具体实施方式
下面结合附图详细描述本发明的具体实施方式。
在步骤101，输入的待处理的手掌图像image1为灰度图像。
在步骤102，对输入的手掌图像image1进行预处理，预处理首先利用高斯滤波进行降噪处理，之后利用canny算子提取边缘化后得到二值图像image2。
在步骤103，对二值化图像image2进行轮廓提取，得到轮廓图像image3，并且以image3 的左上角为坐标原点，建立直角坐标系，如图2所示。最终得到轮廓点集合Contours。
在步骤104，利用得到的轮廓点进行间距测算，如图2所示。通过寻找轮廓点集合Contours 中横坐标相同的两个轮廓点Pi和Qi，通过以下公式计算每两个轮廓点间的距离
其中Pi,Qi∈Contours,Pi(xi,yi)，Qi(xi,yi')，xN为输入的手掌图像image1的重心的横坐标。
在步骤105，对距离数据进行处理，通过下式计算得到点W1(xw1,yw1)的坐标值：
其中j＝2,3,...,N，β为一个加权系数，xm为Pm的横坐标，ym和ym'分别为Pm和Qm的纵坐标。通过对P1,P2,...,Pm共m个点用最小二乘法进行直线拟合，得到斜率k1。得到斜率k1之后，点 W1'(xw1,yw1')的纵坐标值通过以下公式计算：
其中j＝2,3,...,N，β为一个加权系数，xm为Pm的横坐标，ym和ym'分别为Pm和Qm的纵坐标。k1为对P1,P2,...,Pm共m个点用最小二乘法进行直线拟合得到的斜率。在得到yw1'后即可求得点W1'的坐标，作斜率为k1过点W1'的直线L1和过点W1与直线L1垂直的直线L2。直线L1和L2相交的点即为点W2。如图3所示。
在步骤106，当找出两个手腕点后。对image1进行手腕截取，切割掉图像中横坐标大于xw2的像素，得到灰度图像image4。
在步骤107，输出灰度图像image4为截取手腕后的手掌图像。

Claims (4)

1.一种手掌图像感兴趣区域与截取准确率提升的方法，其特征在于：
步骤1：对输入手掌图像image1进行预处理，利用canny算子提取边缘化后得到二值图像image2；
步骤2：对二值化图像image2进行轮廓提取，得到轮廓图像image3，并且以image3的左上角为坐标原点，建立直角坐标系得到轮廓点集合Contours；
步骤3：利用得到的轮廓点间距进行测算，得到距离数据；
步骤4：对距离数据进行处理，得到点W1(xw1,yw1)，W1'(xw1,yw1')，W2(xw2,yw2)，其中W1(xw1,yw1)和W2(xw2,yw2)为两个手腕点；
步骤5：找出手腕与手掌的两个交界点后，对image1进行手腕截取，切割掉图像中横坐标大于xw2的像素，得到最终结果image4。
2.根据权利要求1所述的一种手掌图像感兴趣区域与截取准确率提升的方法，其特征在于所述的轮廓点间距进行测算，采用公式(1)计算：
式中Pi,Qi∈Contours,Pi(xi,yi)，Qi(xi,yi')，xN为输入的手掌图像image1的重心的横坐标。
3.根据权利要求1所述的一种手掌图像感兴趣区域与截取准确率提升的方法，其特征在于所述的手腕点W1(xw1,yw1)的坐标值通过公式(2)计算：
式中β为一个加权系数，xm为Pm的横坐标，ym和ym'分别为Pm和Qm的纵坐标。通过对P1,P2,...,Pm共m个点用最小二乘法进行直线拟合，得到斜率k1。
4.根据权利要求1所述的一种手掌图像感兴趣区域与截取准确率提升的方法，其特征在于所述的点W1'(xw1,yw1')的纵坐标值通过公式(3)计算：
其中，ym和ym'分别为Pm和Qm的纵坐标。
CN201910433949.3A 2019-05-23 2019-05-23 一种手掌图像感兴趣区域与截取准确率提升的方法 Pending CN110399784A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910433949.3A CN110399784A (zh) 2019-05-23 2019-05-23 一种手掌图像感兴趣区域与截取准确率提升的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910433949.3A CN110399784A (zh) 2019-05-23 2019-05-23 一种手掌图像感兴趣区域与截取准确率提升的方法

Publications (1)

Publication Number Publication Date
CN110399784A true CN110399784A (zh) 2019-11-01

Family

ID=68323144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910433949.3A Pending CN110399784A (zh) 2019-05-23 2019-05-23 一种手掌图像感兴趣区域与截取准确率提升的方法

Country Status (1)

Country Link
CN (1) CN110399784A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359249A (zh) * 2022-10-21 2022-11-18 山东圣点世纪科技有限公司 一种手掌图像roi区域提取方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013061738A (ja) * 2011-09-12 2013-04-04 Ricoh Co Ltd 画像処理装置及び方法
CN107680104A (zh) * 2017-09-23 2018-02-09 天津大学 基于kalman滤波的手势分割方法
CN109190516A (zh) * 2018-08-14 2019-01-11 东北大学 一种基于手掌边缘轮廓矢量化的静态手势识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013061738A (ja) * 2011-09-12 2013-04-04 Ricoh Co Ltd 画像処理装置及び方法
CN107680104A (zh) * 2017-09-23 2018-02-09 天津大学 基于kalman滤波的手势分割方法
CN109190516A (zh) * 2018-08-14 2019-01-11 东北大学 一种基于手掌边缘轮廓矢量化的静态手势识别方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359249A (zh) * 2022-10-21 2022-11-18 山东圣点世纪科技有限公司 一种手掌图像roi区域提取方法及系统

Similar Documents

Publication Publication Date Title
WO2016106955A1 (zh) 一种激光红外复合的地面建筑物识别及导航方法
CN102999886B (zh) 图像边缘检测器及标尺光栅栅线精度检测系统
CN110687904A (zh) 一种巡线机器人视觉导航巡检和避障方法
CN101826209B (zh) 一种基于Canny模型的三维医学图像分割方法
CN103714541A (zh) 一种利用山体轮廓区域约束识别定位建筑物的方法
CN108830856B (zh) 一种基于时间序列sd-oct视网膜图像的ga自动分割方法
CN106446773B (zh) 一种全自动、鲁棒的三维人脸检测方法
CN109708658B (zh) 一种基于卷积神经网络的视觉里程计方法
CN104268515A (zh) 一种精子形态异常检测方法
CN106023134A (zh) 一种钢材晶粒的自动晶界提取方法
CN103913166B (zh) 一种基于能量分布的星点提取方法
CN103136525A (zh) 一种利用广义Hough变换的异型扩展目标高精度定位方法
CN106778767B (zh) 基于orb和主动视觉的视觉图像特征提取及匹配方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN106340010A (zh) 一种基于二阶轮廓差分的角点检测方法
CN105389793A (zh) 一种自动识别物体表面裂缝走向及宽度的方法
CN115457277A (zh) 一种智能化路面病害识别检测方法及系统
CN104408721B (zh) 基于背景密度估计的印章图像提取方法
CN103914829A (zh) 一种含噪图像边缘检测方法
CN107680104B (zh) 基于kalman滤波的手势分割方法
CN107729863B (zh) 人体指静脉识别方法
CN112330667B (zh) 一种基于形态学的激光条纹中心线提取方法
CN110399784A (zh) 一种手掌图像感兴趣区域与截取准确率提升的方法
CN101430789A (zh) 基于Fast Slant Stack变换的图像边缘检测方法
CN106355576A (zh) 基于mrf图像分割算法的sar图像配准方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191101