CN112069928B - 一种手部目标掌纹提取的生命线与中线拟合方法 - Google Patents

Abstract

本发明公开了一种手部目标掌纹提取的生命线与中线拟合方法，包括：S101、读取待测掌纹图像：S102、对待测掌纹图像进行关键点定位，分割出生命线所在感兴趣区域；S103、增强生命线所在部分手掌图的掌纹，定位生命线；S104、根据关键点定位中线；S105、拟合生命线与中线，判断生命线与中线是否相交，如是，输出权值，运用计算机手段分析手部掌纹，有效解决了中医掌纹诊病医学领域对于专家经验的强依赖性问题，并与中医掌纹诊病理论相联系，得出测试者是否有潜在风险患病或者是否已经患病；适用于医学领域。

Description

一种手部目标掌纹提取的生命线与中线拟合方法

技术领域

本发明属于医学图像处理的技术领域，具体涉及一种手部目标掌纹提取的生命线与中线拟合方法。

背景技术

手部掌纹是反映人体健康状况重要的表征窗口，研究掌纹可认识机体内部的发展状况。手掌皮肤下分布着丰富的毛细血管，末梢神经集中，身体细胞新陈代谢会直接影响掌纹的走向，就将身体健康信息以纹路的形式表现在手掌上。然而手掌上的纹路多而杂乱，一些细小纹路会随着生活习惯和健康状况发生沉、浮、消、长变化，而一些精细纹路会出现在手掌的特定区域映射着对应内脏器官的健康状况。掌纹识别技术的发展一直以来备受各界关注，特别是在中医掌纹医学领域。

中医掌纹医学属于中医诊断学望诊的一部分，称之为中医掌纹诊断学，掌纹诊病基础理论包括，十四条线、八卦分九区、八种病理纹、内脏反射区等。其中八种病理纹提示疾病性质，十四条掌纹线提示疾病部位。此技术人人可学、易普及推广，实践性强，能够使中医诊断客观化，具有使掌纹诊病的诊断统一明了、直观可辨，定位定性，诊断过程变玄为实，极为客观。

掌纹有三条主线，生命线、事业线、婚姻线；生命线就像它的名字一样，是主管生命的线，也称本能线，是本发明准备提取并进行拟合的目标掌纹。就是由虎口中央起点，自然走向手腕之处，将大拇指围起之掌纹线。标准的生命线，不可以超过或者远离中线，它代表人的寿命、体质、活力、能力、精力、健康状况以及所患疾病的轻重情况，生命线越靠近或者超过中线的是健康的偏碱性体质，如果不是，就是偏酸性体质。

通常掌纹识别方法包括：基于主线的识别方法、基于子空间的识别方法、基于编码的识别方法等。传统的掌纹识别技术大多应用在掌纹信息丢失、假掌纹入侵等安全性问题中，并未对提取到的掌纹线进行拟合，进一步与中医诊断结合判别其病理特征，且目前实现计算机自动掌纹诊病还是一个相当困难又极富挑战的前沿课题。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种能够依靠计算机手段自动进行目标掌纹与手掌中线拟合的方法。

为了解决上述技术问题，本发明采用的技术方案为：一种手部目标掌纹提取的生命线与中线拟合方法，包括：

S101、读取待测掌纹图像：

S102、对待测掌纹图像进行关键点定位，分割出生命线所在感兴趣区域；

S103、增强生命线所在部分手掌图的掌纹，定位生命线；

S104、根据关键点定位中线；

S105、拟合生命线与中线，判断生命线与中线是否相交，如是，输出权值。

优选地，所述关键点为各骨节所在部位，将整个手部视为一个对象，手部的手腕点处编号为0，每根手指的三个指节和指尖依次编号为1—20；所述编号0与编号13的中点、编号5、编号0所构成的三角形区域为生命线所在感兴趣区域。

优选地，所述中线为编号0与编号9的连线。

优选地，在增强生命线所在部分手掌图的掌纹之前，还包括：S106、通过Canny边缘检测算法提取生命线所在感兴趣区域的掌纹。

优选地，所述通过Canny边缘检测算法提取生命线所在感兴趣区域的掌纹，具体包括：S1061、将生命线所在感兴趣区域的图像进行灰度处理，使用灰度阈值分割法将掌纹灰度图像二值化，使用中值滤波法对图像进行平滑处理，平滑图像边缘；S1062、通过scharr算子对灰度图卷积，获得梯度的幅值和方向；S1063、对卷积后的图像进行非极大值抑制处理，得到生命线所在的候选区域；S1064、通过双阈值分割算法检测、连接边缘，生成生命线的最优轮廓图像。

优选地，所述增强生命线所在部分手掌图的掌纹，定位生命线，具体包括：将最优轮廓图像通过膨胀算法寻找图像中的极大区域；将膨胀算法处理后的图像通过腐蚀公式处理，寻找图像中的极小区域；将腐蚀公式处理的图像再次通过膨胀算法处理，确定图像各点领域强度的变化值，将图像灰度点领域强度值有显著变化的点凸显出来。

优选地，所述拟合生命线与中线，判断生命线与中线是否相交，具体包括：对增强后的图像进行轮廓检测，得到所有连通区域；计算各轮廓的面积，并对连通区域最大的轮廓进行标记；以最大连通区域为基础，取各轮廓第一个点，通过二次多项式对生命线拟合，通过直线拟合方法对中线拟合。

优选地，判断生命线与中线是否相交，如是，输出权值，具体包括：判断生命线与中线是否相交；当生命线与中线相交时，计算生命线的曲线顶点到中线的距离d1；计算食指到小拇指的距离，即编号5与编号17的距离d2；对比距离d1与距离d2，得出权重。

本发明与现有技术相比具有以下有益效果：

1、本发明一种手部目标掌纹提取的生命线与中线拟合方法，通过该方法可准确提取左手或右手的生命线，并将提取的生命线与手掌中线进行拟合，判断两线是否相交，若相交，会计算曲线顶点到直线的距离，并以食指到小拇指的距离作为对比得到权值，判断相交的程度，运用计算机手段分析手部掌纹，有效解决了中医掌纹诊病医学领域对于专家经验的强依赖性问题，并与中医掌纹诊病理论相联系，得出测试者是否有潜在风险患病或者是否已经患病。

2、本发明中的手掌关键点检测、感兴趣区域裁剪、掌纹增强、曲线拟合等过程均运用python编程语言实现，计算复杂度低，运算速度快，具有很好的迁移性。

3、本发明将手部目标掌纹提取及与中线拟合方法，所拟合的生命线拟合效果好，可用于各种基于二维手掌的医学图像分析领域，具有很强的适应性和通用性。

4、本发明运用计算机手段分析手部掌纹，有效解决了中医掌纹诊病医学领域对于专家经验的强依赖性问题，具有极强的实用性。

附图说明

下面结合附图对本发明做进一步详细的说明；

图1为本发明实施例一提供的一种手部目标掌纹提取的生命线与中线拟合方法的流程示意图；

图2为本发明实施例二提供的一种手部目标掌纹提取的生命线与中线拟合方法的流程示意图；

图3为本发明关键点的编号位置；

图4为本发明生命线所在感兴趣区域示意图；

图5a为本发明Canny边缘检测算法检测手部掌纹示意图；图5b为本发明目标掌纹提取示意图；图5c为本发明目标掌纹增强示意图；

图6为本发明拟合生命线与中线函数坐标图；

图7为本发明中拟合的生命线及中线原图可视化结果示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例一提供的一种手部目标掌纹提取的生命线与中线拟合方法的流程示意图，如图1所示，一种手部目标掌纹提取的生命线与中线拟合方法，包括：

S101、读取待测掌纹图像：

S102、对待测掌纹图像进行关键点定位，分割出生命线所在感兴趣区域；

S103、增强生命线所在部分手掌图的掌纹，定位生命线；

S104、根据关键点定位中线；

S105、拟合生命线与中线，判断生命线与中线是否相交，如是，输出权值。

具体地，关键点检测利用多个阶段的卷积神经网络模型，首先预测每个关键点的置信图，将关键点的位置表示为以真实位置为中心的高斯分布，预测的置信图对应于输入图像块的大小，通过在每个置信图中找到最大峰值来获得每个关键点的最终位置。

S_j ^*在位置P∈R²的值定义为：

式(1)中，x_j表示图像中第j个关键点的标注真实值，产生多条曲线，进行一个取最大值的操作，如式(2)所示：

S_j ^*(p)＝maxS_j ^*(p) (2)

本实施例中，所述关键点为各骨节所在部位，将整个手部视为一个对象，手部的手腕点处编号为0，每根手指的三个指节和指尖依次编号为1—20，关键点如图3所示；所述中线为编号0与编号9的连线；所述编号0与编号13的中点、编号5、编号0所构成的三角形区域为生命线所在感兴趣区域，运用OpenCV感兴趣区域裁剪技术分割出生命线所在部分手掌图；裁剪过程为：首先通过OpenCV读取图像，进行二值化操作后寻找轮廓，阈值为127，像素点的灰度值大于阈值设其灰度值为最大值为255，小于阈值的像素点灰度值设定为0，式(3)是利用阈值t进行二值化的灰度变换函数,即：

将轮廓保存再与原图像进行位与运算，完成裁剪。

本实施例通过该方法可准确提取左手或右手的生命线，并将提取的生命线与手掌中线进行拟合，判断两线是否相交，若相交，会计算曲线顶点到直线的距离，并以食指到小拇指的距离作为对比得到权值，判断相交的程度，运用计算机手段分析手部掌纹，有效解决了中医掌纹诊病医学领域对于专家经验的强依赖性问题，并与中医掌纹诊病理论相联系，得出测试者是否有潜在风险患病或者是否已经患病。

图2为本发明实施例二提供的一种手部目标掌纹提取的生命线与中线拟合方法的流程示意图，如图2所示，在实施例一的基础上，在增强生命线所在部分手掌图的掌纹之前，还包括：

S106、通过Canny边缘检测算法提取生命线所在感兴趣区域的掌纹，具体包括：

S1061、将生命线所在感兴趣区域的图像进行灰度处理，使用灰度阈值分割法将掌纹灰度图像二值化，使用中值滤波法对图像进行平滑处理，平滑图像边缘；S1062、通过scharr算子对灰度图卷积，获得梯度的幅值和方向；S1063、对卷积后的图像进行非极大值抑制处理，排除非边缘像素，保留一些细线条为生命线所在的候选区域；S1064、通过双阈值分割算法检测、连接边缘，生成生命线的最优轮廓图像。

具体地，将生命线所在感兴趣区域的图像进行灰度处理，接着对图像进行平滑处理，Canny边缘检测算法检测手部掌纹如图5a所示，平滑处理选用中值滤波法，用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立噪声点，中值滤波公式如式(4)所示：

g(x,y)＝Med{f(x-k,y-k),(k,1)∈W} (4)

式(4)中，f(x,y)，g(x,y)分别为原图像和处理后的图像，W为模板，通常为3^*3、5^*5区域。

运用一对卷积阵列分别作用于x和y方向，取内核大小为3，结合scharr算子对图像计算梯度：

通过式(6)计算梯度幅值和方向：

梯度方向近似到四个可能角度之一(一般为0，45，90，135)。

用双阈值算法检测和连接边缘，以生成最优的轮廓图，分别取阈值为[150,300]，[200,400]，[300,500]，需要两个阈值(高阈值和低阈值)：

1、如果某一像素位置的幅值超过高阈值，该像素被保留为边缘像素；

2、如果某一像素位置的幅值小于低阈值，该像素被排除；

3、如果某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留，提取结果如图5b所示。

进一步地，所述增强生命线所在部分手掌图的掌纹，定位生命线，具体包括：将最优轮廓图像通过膨胀算法寻找图像中的极大区域；将膨胀算法处理后的图像通过腐蚀公式处理，寻找图像中的极小区域；将腐蚀公式处理的图像再次通过膨胀算法处理，确定图像各点领域强度的变化值，将图像灰度点领域强度值有显著变化的点凸显出来。

具体地，将最优轮廓图像膨胀，寻找图像中的极大区域，膨胀公式为：

式(7)表示用B来对图像A进行膨胀处理，其中B是一个卷积模板或卷积核，其形状可以为正方形或圆形，通过模板B与图像A进行卷积计算，扫描图像中的每一个像素点，用模板元素与二值图像元素做“与”运算，如果都为0，那么目标像素点为0，否则为1，从而计算B覆盖区域的像素点最大值，并用该值替换参考点的像素值实现膨胀；

再将膨胀的图像腐蚀，寻找图像中的极小区域，腐蚀公式为：

式(8)表示该公式表示图像A用卷积模板B来进行腐蚀处理，通过模板B与图像A进行卷积计算，得出B覆盖区域的像素点最小值，并用这个最小值来替代参考点的像素值；

最后再膨胀一次，确定图像各点邻域强度的变化值，将图像灰度点邻域强度值有显著变化的点凸显出来，增强结果如图5c所示。

进一步地，所述拟合生命线与中线，判断生命线与中线是否相交，具体包括：对增强后的图像进行轮廓检测，得到所有连通区域；计算各轮廓的面积，并对连通区域最大的轮廓进行标记；以最大连通区域为基础，取各轮廓第一个点，通过二次多项式对生命线拟合，通过直线拟合方法对中线拟合。

具体地，首先对增强后的图像进行轮廓检测，得到所有的连通区域，再计算各个轮廓的面积，并对连通区域最大的轮廓进行标记，之后以最大连通区域为基础，取各个轮廓第一个点，设面积最大的轮廓的点为(x₀,y₀)，其他点为(x_k,y_k)，当|y_k-y₀|≥4×|x_k-x₀|时保留该轮廓，否则不保留，得到拟合区域，最后对拟合区域进行曲线拟合。

曲线拟合技术可以充分利用既有数据，构造出反映数据的总体分布及被逼近函数的特性的一条函数曲线，基于最小二乘原理，使求得的逼近函数与已知函数偏差的平方和达到最小，这就确定了合理的的逼近函数，考虑到手部掌纹生命线的分布趋势，采用二次多项式拟合方法。

对于给定的一组m个数据点，(x_i,y_i),i＝1,2,3,…,m，其分布并不一定近似地呈现一条直线，这时可采用多项式拟合代替直线拟合，即寻求n次多项式：

y(x)＝a₀+a₁x+a₂x²+…+a_nxⁿ,n≤m (9)

根据最小二乘原理，应满足对系数的偏导数为0：

可得：

求得正规方程组：

代入已知图像数据，求得系数a_i,i＝1,2,3,…,n；

手部中线是经过关键点0和9的一条直线，采用直线拟合方法，设拟合直线为y(x)＝b₀+b₁x，将关键点0和9坐标代入函数中，求得系数b₀和b₁，拟合结果如图6所示，本实施例拟合的生命线及中线原图可视化结果如图7所示。

进一步地，判断生命线与中线是否相交，如是，输出权值，具体包括：判断生命线与中线是否相交；当生命线与中线相交时，计算生命线的曲线顶点到中线的距离d1；计算食指到小拇指的距离，即编号5与编号17的距离d2；对比距离d1与距离d2，得出权重。

判断生命线与中线是否相交，已知生命线拟合结果为二次函数，联立方程式：

若相交，得出曲线顶点坐标再根据点到直线的距离公式，设直线为Ax+By+C＝0，点P的坐标为(x₀,y₀)，则P到直线的距离d₁为：

算出曲线顶点到中线y(x)＝b₀+b₁x的距离d₁，食指到小拇指的距离d₂，d₂即编号5与编号17的距离，设两点的坐标为(x₁,y₁)，(x₂,y₂)，则两点之间的距离为：当/>时，权值为1(a<1)，输出权重为/>否则输出为得出权值，辅助高血压等疾病预测。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (2)

1.一种手部目标掌纹提取的生命线与中线拟合方法，其特征在于：包括：

S101、读取待测掌纹图像：

S102、对待测掌纹图像进行关键点定位，分割出生命线所在感兴趣区域；所述关键点为各骨节所在部位，将整个手部视为一个对象，手部的手腕点处编号为0，每根手指的三个指节和指尖依次编号为1—20；所述编号0与编号13的中点、编号5、编号0所构成的三角形区域为生命线所在感兴趣区域；

S103、增强生命线所在部分手掌图的掌纹，定位生命线；具体包括：

将最优轮廓图像通过膨胀算法寻找图像中的极大区域；

将膨胀算法处理后的图像通过腐蚀公式处理，寻找图像中的极小区域；

将腐蚀公式处理的图像再次通过膨胀算法处理，确定图像各点领域强度的变化值，将图像灰度点领域强度值有显著变化的点凸显出来；

S104、根据关键点定位中线；

S105、拟合生命线与中线，判断生命线与中线是否相交，如是，输出权值；具体包括：

对增强后的图像进行轮廓检测，得到所有连通区域；

计算各轮廓的面积，并对连通区域最大的轮廓进行标记；

以最大连通区域为基础，取各轮廓第一个点，通过二次多项式对生命线拟合，通过直线拟合方法对中线拟合；

判断生命线与中线是否相交；

当生命线与中线相交时，计算生命线的曲线顶点到中线的距离d1；

计算食指到小拇指的距离，即编号5与编号17的距离d2；

对比距离d1与距离d2，得出权重；

在增强生命线所在部分手掌图的掌纹之前，还包括：

S106、通过Canny边缘检测算法提取生命线所在感兴趣区域的掌纹，具体包括：

S1061、将生命线所在感兴趣区域的图像进行灰度处理，使用灰度阈值分割法将掌纹灰度图像二值化，使用中值滤波法对图像进行平滑处理，平滑图像边缘；

S1062、通过scharr算子对灰度图卷积，获得梯度的幅值和方向；

S1063、对卷积后的图像进行非极大值抑制处理，得到生命线所在的候选区域；

S1064、通过双阈值分割算法检测、连接边缘，生成生命线的最优轮廓图像。

2.根据权利要求1所述的一种手部目标掌纹提取的生命线与中线拟合方法，其特征在于：所述中线为编号0与编号9的连线。