CN110909631A - 一种手指静脉图像roi提取和增强方法 - Google Patents
一种手指静脉图像roi提取和增强方法 Download PDFInfo
- Publication number
- CN110909631A CN110909631A CN201911079229.8A CN201911079229A CN110909631A CN 110909631 A CN110909631 A CN 110909631A CN 201911079229 A CN201911079229 A CN 201911079229A CN 110909631 A CN110909631 A CN 110909631A
- Authority
- CN
- China
- Prior art keywords
- finger
- image
- roi
- vein
- edge
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V40/14—Vascular patterns
Abstract
本发明公开了一种手指静脉图像ROI提取和增强方法,其内容包括指静脉图像的感兴趣区域提取和图像增强两个方面;手指静脉图像ROI提取主要包括以下几个部分:读入手指静脉初始图像,边缘检测,去除虚假边缘和噪声,计算手指偏转角度;提取手指图像,对手指图像旋转校正,计算手指图像中心处并提取其ROI图像。图像增强部分主要是利用自适应直方图均衡化和双边滤波算法依次对ROI图像进行增强,使ROI图像中静脉纹路更加清晰。使用该处理方法可以解决用户手指偏移和光照不均对图像质量的影响,在后续的手指静脉识别中发挥着重要作用。
Description
技术领域
本发明涉及的是一种生物特征识别技术的预处理阶段,具体涉及图像处理以及相关内容。
技术背景
手指静脉识别技术是一种新型的生物特征识别技术。它是基于人类静脉血管中流动的血液可吸收特定红外波长这一原理研发。相对于指纹识别、人脸识别、虹膜识别等其他生物识别方式,指静脉识别具有采集装置小、数据稳定、安全等优点。
然而由于其特殊的成像原理,采集到的图片通常由于用户手指偏移或者手指以外区域噪声对识别效果产生严重的影响,还可能由于近红外光的光照不平衡而出现曝光太强或曝光太弱的情况。因此对原始图像进行ROI提取和增强是非常有必要的。本发明针对这一问题,提出了手指静脉图像预处理阶段的完整算法流程,为后续的手指静脉识别技术提供有效数据保障。
发明内容
本发明针对手指静脉图像预处理阶段提供了一套完整的解决方案,其具体内容主要包含手指静脉感兴趣区域(ROI)的提取以及手指静脉图像增强算法的提出。
由于采集后的手指静脉图像只占整幅图像的很小一部分,因此需要将手指部位与其他背景区域分离开,因此本发明提出了一种基于canny边缘检测算子来提取出完整的闭合手指区域,去除不符合要求的连通域;针对闭合的手指连通域内部的点依次进行像素填充,由此得到完整的手指区域。
由于采集图像时用户手指出现偏移的情况,不能完全按着指静脉采集要求摆放手
指的位置,因此本发明提出了一种新的校正方法:该方法首先根据canny算子得到的完整的
手指边缘图,计算出手指两边对应的坐标,对做边缘和右边缘求均值就可得到手指中心处
的坐标,依次对整个手指进行处理,就可以得到一条手指内部一条中心曲线;根据得到的中
心曲线在图像中的坐标分布,通过最小二乘法拟合出一条最优的中心轴线;记录下该中心
轴线与手指根部和指尖的交点和,由此可以计算出手指中心坐标;
另外计算出该中心轴线跟图像横坐标的角度则可计算出手指的偏移角度。将原始图像反方向旋转相同的角度就可完成对图像旋转校正。
由于不同的用户采集到的手指形状具有较大的差异,因此还需要在手指内部截取一部分相同的区域当作指静脉ROI图像;本方法提出了一种基于直方图统计的方法来截取不同手指的同一位置:由于采集手指静脉图像时手指的第二关节透光性相对其他位置较强,因此我们对旋转后的图像在手指根部到指尖方向进行直方图统计,得到的统计图峰值所对应的坐标就是人的手指第二关节,然后与旋转校正的手指中心点坐标相结合就可以得到任意大小的手指静脉ROI图像。
由于不同的用户手指粗细不同或者红外光线分布不均,会产生局部或整体曝光太强或太弱,导致采集到的图像质量不高;针对这一现象本发明提出了一种图像处理算法可以最大程度解决图像质量问题,其主要内容如下:首先对图像进行直方图均衡化处理,该方法可以使得像素值在[0,255]区间里均匀分布,并在一定程度上使指静脉图像明暗更加分明;随后加入双边滤波,调整合适的参数就可以得到纹路分明的指静脉图。
附图说明
图1是本发明完整的系统流程图。
图2是本发明手指静脉中轴线拟合以及偏转角计算原理图。
具体实施方式
第一步,读入手指静脉图像,要求将手指平放在手指静脉采集装置中心位置上;第二步,对读入的手指静脉图像进行边缘检测,只得到手指部位的完整边缘;具体实施方式如下:先对图像进行高斯滤波,去掉部分噪声;然后利用canny边缘检测算子选择合适的阈值提取出完整的手指边缘,对不符合要求的边缘进行剔除。
第三步,针对得到的手指边缘计算手指的偏移角度;具体实施方式如下:根据第二步检测到的手指边缘,依次计算手指左右两侧的坐标,由此依次计算出手指中心点得到连续的曲线;然后根据得到的中心曲线用最小二乘法来拟合出一条最优的直线。
第四步,根据第二步得到的手指边缘分割出手指部分,去掉非手指部分包含的噪声;具体实施方式如下:依次对闭合的手指内部区域进行像素填充,得到整个的手指部位(即为mask图像)。将所得的mask图像和原始图像做与运算,就可得只包含手指的图像;其他位置像素值全为0;
1. 第五步,根据第三步计算得到的手指偏移角度,将第四步分割出的手指部分做相应
的旋转校正;具体实施方式如下:首先根据第三步得到的拟合直线分别计算出手指根部和
指尖的交点和,由此可以计算出手指中心坐标;然后第三步
得到的偏转角度和手指中心坐标对图像旋转校正;具体旋转变换如下所示:
其中θ为计算的偏转角,W和H 分别为原始图像的宽和高,W’和H’分别为目标图像的宽和高。
第六步,根据原始图像和第六步得到的手指中心位置且分出合适大小的ROI区域;
具体实施方式如下:先对旋转后图像的手指根部到指尖方向进行直方图统计,找出峰值位
置并记录其对应的横坐标;该横坐标对应的就是手指第二指关节对应的坐标;然后根据前
面计算得到的手指中心坐标相结合,就可得到ROI图像中心点,可根据此点得到
ROI图像范围。
第七步,根据第七步得到的ROI区域,利用图像增强算法对其增强,得到清晰的静脉纹路。具体实施方式如下:根据第六步基础上得到的ROI图像上利用自适应直方图均衡化(AHE)和双边滤波分别选择合适的参数对ROI图像进行处理;该算法能够对图像像素值均衡化处理并且对低频特征进行高斯滤波的同时保留图像中存在的高频特征,这样既能避免图像中噪声的影响,又能很好的保留图像的边缘特征,在很大程度上可以达到静脉区和非静脉区分离的效果,得到的结果可比原始图像更加清晰。
Claims (4)
1.一种手指静脉图像ROI提取和增强方法,其特征在于,包括以下步骤:
第一步,读入手指静脉图像,要求将手指平放在手指静脉采集装置中心位置上;
第二步,对读入的手指静脉图像进行边缘检测,只得到手指部位的完整边缘;
第三步,针对得到的手指边缘计算手指的偏移角度;
第四步,根据第二步得到的手指边缘分割出手指部分,去掉非手指部分包含的噪声;
第五步,根据第三步计算得到的手指偏移角度,将第四步分割出的手指部分做相应的旋转校正;
第六步,根据原始图像和第六步得到的手指中心位置且分出合适大小的ROI区域;
第七步,根据第七步得到的ROI区域,利用图像增强算法对其增强,得到清晰的静脉纹路。
2.根据权利要求1所述的手指静脉图像ROI提取和增强方法,其特征是:所述的第三步计算手指偏移角度使用的方法是:先对图像进行高斯滤波,去掉部分噪声;然后利用边缘检测算子选择合适的阈值提取出完整的手指边缘;所采用的边缘检测算子为canny算子;然后依次计算手指左右两侧的坐标,由此依次计算出手指中心点得到连续的曲线;最后根据得到的中心曲线用一条直线拟合,其主要方法是最小二乘法拟合手指中心曲线为一条直线。
3.根据权利要求1所述的手指静脉图像ROI提取和增强方法,其特征是:所述的第六步
的ROI提取主要依据权利要求2得到手指边缘对手指闭合部分,然后依次对手指内部区域进
行像素填充,得到整个的手指部位(即为mask图像);将所得的mask图像和原始图像做与运
算,就可得只包含手指的图像;然后根据权利要求1第三步得到的拟合拟合直线分别计算出
手指根部和指尖的交点和,由此可以计算出手指中心坐标;
由于权利要求1第三步得到的偏转角度和手指中心坐标对图像旋转校正;具体旋转变换如
下所示:
4.根据权利要求1所述的手指静脉图像ROI提取和增强方法,其特征是:所述的第七步的图像增强是在第六步基础上得到的ROI图像上利用自适应直方图均衡化(AHE)和双边滤波分别对ROI图像进行处理;其中自适应直方图均衡化能够将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布;直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同;该算法能够使图像中明暗部分更加分明;之后双边滤波能够对图像低频特征进行高斯滤波,同时保留图像中存在的高频特征,双边滤波模板具体如下所示:
这样既能避免图像中噪声的印象,又能很好的保留图像的边缘特征,在很大程度上可以达到静脉区和非静脉区分离的效果,得到的结果可比原始图像更加清晰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911079229.8A CN110909631B (zh) | 2019-11-07 | 2019-11-07 | 一种手指静脉图像roi提取和增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911079229.8A CN110909631B (zh) | 2019-11-07 | 2019-11-07 | 一种手指静脉图像roi提取和增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909631A true CN110909631A (zh) | 2020-03-24 |
CN110909631B CN110909631B (zh) | 2022-11-18 |
Family
ID=69816438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911079229.8A Active CN110909631B (zh) | 2019-11-07 | 2019-11-07 | 一种手指静脉图像roi提取和增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909631B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652088A (zh) * | 2020-05-15 | 2020-09-11 | 圣点世纪科技股份有限公司 | 一种基于视频选优机制的指静脉注册方法及注册装置 |
CN111797828A (zh) * | 2020-06-19 | 2020-10-20 | 智慧眼科技股份有限公司 | 指静脉图像的roi区域的获取方法、装置及相关设备 |
CN112926516A (zh) * | 2021-03-26 | 2021-06-08 | 长春工业大学 | 一种鲁棒的手指静脉图像感兴趣区域提取方法 |
CN113288452A (zh) * | 2021-04-23 | 2021-08-24 | 北京大学 | 手术质量检测方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070294639A1 (en) * | 2004-11-16 | 2007-12-20 | Koninklijke Philips Electronics, N.V. | Touchless Manipulation of Images for Regional Enhancement |
CN102222229A (zh) * | 2011-07-28 | 2011-10-19 | 陈庆武 | 手指静脉图像预处理方法 |
CN102663393A (zh) * | 2012-03-02 | 2012-09-12 | 哈尔滨工程大学 | 基于旋转校正的手指静脉图像感兴趣区域提取方法 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
CN107729883A (zh) * | 2017-11-22 | 2018-02-23 | 吉林大学 | 一种静脉图像感兴趣区域提取方法 |
US20180165508A1 (en) * | 2016-12-08 | 2018-06-14 | Veridium Ip Limited | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices |
CN108520211A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 基于手指折痕的手指静脉图像特征的提取方法 |
CN108960068A (zh) * | 2018-06-05 | 2018-12-07 | 天津大学 | 用于采集手指静脉图像的光源亮度调节装置及方法 |
CN110163119A (zh) * | 2019-04-30 | 2019-08-23 | 中国地质大学(武汉) | 一种手指静脉识别方法及系统 |
-
2019
- 2019-11-07 CN CN201911079229.8A patent/CN110909631B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070294639A1 (en) * | 2004-11-16 | 2007-12-20 | Koninklijke Philips Electronics, N.V. | Touchless Manipulation of Images for Regional Enhancement |
CN102222229A (zh) * | 2011-07-28 | 2011-10-19 | 陈庆武 | 手指静脉图像预处理方法 |
CN102663393A (zh) * | 2012-03-02 | 2012-09-12 | 哈尔滨工程大学 | 基于旋转校正的手指静脉图像感兴趣区域提取方法 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
US20180165508A1 (en) * | 2016-12-08 | 2018-06-14 | Veridium Ip Limited | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices |
CN107729883A (zh) * | 2017-11-22 | 2018-02-23 | 吉林大学 | 一种静脉图像感兴趣区域提取方法 |
CN108520211A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 基于手指折痕的手指静脉图像特征的提取方法 |
CN108960068A (zh) * | 2018-06-05 | 2018-12-07 | 天津大学 | 用于采集手指静脉图像的光源亮度调节装置及方法 |
CN110163119A (zh) * | 2019-04-30 | 2019-08-23 | 中国地质大学(武汉) | 一种手指静脉识别方法及系统 |
Non-Patent Citations (4)
Title |
---|
PAN YUNYUN等: "Finger vein recognition based on Hessian-Affine operator", 《2019 CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
唐溯: "基于深度学习的指静脉识别算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨金锋: "手指静脉图像感兴趣区域提取方法研究", 《山东大学学报(工学版)》 * |
马慧等: "采用旋转校正的指静脉图像感兴趣区域提取方法", 《智能系统学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652088A (zh) * | 2020-05-15 | 2020-09-11 | 圣点世纪科技股份有限公司 | 一种基于视频选优机制的指静脉注册方法及注册装置 |
CN111652088B (zh) * | 2020-05-15 | 2023-06-20 | 圣点世纪科技股份有限公司 | 一种基于视频选优机制的指静脉注册方法及注册装置 |
CN111797828A (zh) * | 2020-06-19 | 2020-10-20 | 智慧眼科技股份有限公司 | 指静脉图像的roi区域的获取方法、装置及相关设备 |
CN112926516A (zh) * | 2021-03-26 | 2021-06-08 | 长春工业大学 | 一种鲁棒的手指静脉图像感兴趣区域提取方法 |
CN113288452A (zh) * | 2021-04-23 | 2021-08-24 | 北京大学 | 手术质量检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110909631B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909631B (zh) | 一种手指静脉图像roi提取和增强方法 | |
CN110276356B (zh) | 基于r-cnn的眼底图像微动脉瘤识别方法 | |
Hao et al. | Improved self-adaptive edge detection method based on Canny | |
Jiang et al. | Mathematical-morphology-based edge detectors for detection of thin edges in low-contrast regions | |
CN106096569B (zh) | 一种手指静脉识别方法 | |
CN111368661B (zh) | 一种基于图像处理的手指静脉图像增强方法 | |
CN108022228A (zh) | 基于SIFT变换和Otsu匹配的彩色眼底图像拼接方法 | |
CN109325498B (zh) | 基于窗口动态阈值改进Canny算子的叶脉提取方法 | |
CN106096491B (zh) | 一种眼底彩色照相图像中微动脉瘤自动化识别方法 | |
Yang et al. | Superpixel based finger vein ROI extraction with sensor interoperability | |
CN114399522A (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
CN108470343A (zh) | 一种改进的图像边缘检测方法 | |
He et al. | Retinal image denoising via bilateral filter with a spatial kernel of optimally oriented line spread function | |
CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN112529800A (zh) | 一种用于滤除毛发噪声的近红外静脉图像处理方法 | |
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 | |
CN112926516B (zh) | 一种鲁棒的手指静脉图像感兴趣区域提取方法 | |
CN113379649A (zh) | 一种图像增强方法、装置、设备及存储介质 | |
CN113362280B (zh) | 一种基于医学造影的动态目标跟踪方法 | |
CN114898413B (zh) | 一种复杂背景下的基于图像轮廓方向场的静脉识别方法 | |
CN111192280A (zh) | 一种基于局部特征的视盘边缘检测方法 | |
Wang et al. | A novel finger vein pattern extraction method using oriented filtering technology | |
CN102346842A (zh) | 一种人眼状态检测方法及装置 | |
Mallick et al. | Blood vessel detection using modified multiscale MF-FDOG filters for diabetic retinopathy | |
Zhang et al. | Finger-vein recognition based on gradient distribution and self-adaptive recovery model |
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 |