CN112926516A - 一种鲁棒的手指静脉图像感兴趣区域提取方法 - Google Patents

Abstract

本发明提出了一种鲁棒的手指静脉图像感兴趣区域提取方法，包括：步骤1，利用提供的基于边界跟踪的手指静脉图像边缘检测算法得到连续完整的单像素手指边缘；步骤2，对手指边缘坐标进行最小二乘估计得到旋转角度，通过仿射变换对手指静脉图像进行矫正；选择手指边缘最小内切宽度作为初步水平参考线，结合得到的旋转角度更新水平参考线；步骤3，选择更新后的水平参考线作为水平分割参考线，对矫正后的图像进行分割，得到手指区域；对手指区域利用提供的大感受野梯度算子完成对垂直分割参考线的搜索；将最小内切宽度限定在垂直参考线内，更新水平参考线；步骤4，利用步骤3获得的水平参考线与垂直参考线完成对感兴趣区域ROI的提取。

Description

一种鲁棒的手指静脉图像感兴趣区域提取方法

技术领域

本发明属于图像处理与生物识别技术领域，尤其涉及一种鲁棒的手指静脉图像感兴趣区域提取方法。

背景技术

手指静脉识别是一种基于生物生理特征的识别技术，手指中的静脉被近红外光捕捉(700nm-1000nm)产生阴影，从而形成了静脉图像。对比其他生物生理特征指静脉特征具有十分明显的优势：(1)活体识别：指静脉图像只能在人类活体上获得；(2)唯一性：每个人的手指静脉纹路是独一无二的；(3)稳定性：每一个人的指静脉分布特征在成年后终生不变；(4)安全性：手指静脉分布在皮肤之下，且纹路复杂度较高，难伪造。因此近年来，指静脉识别凭其一系列优势，在身份认证、出入口管理、安防监控、电子商务、电子政务等领域有着重要的应用价值，已经成为生物特征识别技术中的重要研究领域之一。

一般手指静脉识别分为四个部分：图像采集、预处理、特征提取、匹配认证。在手指静脉图像采集的过程中，由于手指的位移、旋转和光照等的因素，从同一个手指中采集的静脉图像是不同的，那么无论利用哪一种特征提取方式都无法进行良好特征提取，造成匹配性能下降。因此预处理过程对于手指静脉识别系统是十分重要的。一般，预处理可以分为感兴趣区域ROI提取、静脉图像增强、图像归一化，而感兴趣区域ROI提取又是静脉图像增强和图像归一化的前提。

现有的指静脉图像感兴趣区域ROI提取方法，一部分无法鲁棒地得到正确的感兴趣区域ROI，另一部分对感兴趣区域ROI进行大量补全从而实施效率较低，例如基于阈值方法的感兴趣区域ROI提取，并不能鲁棒的适应于不同图像采集设备得到的图像，并且在对图像进行二值化时往往得到的边缘不平滑、不连续，对于一些质量差的图像甚至无法得到正确的手指感兴趣区域ROI，并且此类方法计算量较大，效率不高；基于一般边缘检测算子的手指边缘检测方法提取感兴趣区域ROI，对于手指边缘消失、边缘不明显现象，无法得到连续边缘，并且此类方法在分别寻找水平梯度图上下两部分的最大响应值作为手指边缘时，会误将背景噪声作为边缘，对感兴趣区域ROI错误分割。

在对指静脉图像进行观察时，发现在一般图像中，通常背景区域较暗(像素值较小)手指区域较亮(像素值较大)。又因为手指边缘较薄，相比于手指区域会透过更多的光，所以其在图像上是最亮的一个部分。当对手指边缘进行检测时，由于当前目标点被填充为255，那么下一个目标点的检测会被限制在手指区域中(当前点与下一目标点相似度最高，即差值最小)，那么当手指边缘不清晰或不完整时，无法得到完整单像素连续边缘。

基于此原理，提供一种基于边缘跟踪的手指区域分割法则，同时为解决手指关节腔成像所产生的较大范围的灰度值渐变造成的关节腔定位不准确，据人类视觉特性提供一种大感受野梯度检测算子。

发明内容

为了解决上述问题，有必要提供一种鲁棒的手指静脉图像感兴趣区域提取方法。

本发明第一方面提供一种鲁棒的手指静脉图像感兴趣区域提取方法，包括以下步骤：

步骤1，利用提供的基于边界跟踪的手指静脉图像边缘检测算法得到连续完整的单像素手指边缘；

步骤2，对手指边缘坐标进行最小二乘估计得到旋转角度，通过仿射变换对手指静脉图像进行矫正；

选择手指边缘最小内切宽度作为初步水平参考线，结合得到的旋转角度更新水平参考线；

步骤3，选择更新后的水平参考线作为水平分割参考线，对矫正后的图像进行分割，得到手指区域；

对手指区域利用提供的大感受野梯度算子完成对垂直分割参考线的搜索；

将最小内切宽度限定在垂直参考线内，更新水平参考线；

步骤4，利用步骤3获得的水平参考线与垂直参考线完成对感兴趣区域ROI的提取。

本发明第二方面提供一种终端，包括处理器、存储器以及存储在所述存储器中的手指静脉图像边缘检测算法程序，所述手指静脉图像边缘检测算法程序被所述处理器运行时，实现如所述的鲁棒的手指静脉图像感兴趣区域提取方法的步骤。

本发明第三方面提供一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如所述的鲁棒的手指静脉图像感兴趣区域提取方法的步骤。

为了去除采集到的手指静脉图像复杂背景，本发明提供一种准确的手指静脉图像感兴趣区域ROI提取方法。首先对得到的图像进行高斯滤波，去除椒盐噪声；其次需要一种简单快速的方法寻找一个边缘跟踪起点，因此基于对边界跟踪的需要，选择Sobel算子并对水平Sobel算子进行改良，得到水平梯度图，并在中心列寻找上下边缘跟踪起点；并使用本发明提供的边界跟踪法则进行边缘检测获得水平分割参考线，利用得到的边缘对图像进行水平旋转矫正，通过水平分割线在矫正图像上得到的手指区域，再利用提供的大感受野梯度检测算子完成对垂直参考线的搜索，最后对感兴趣区域ROI进行提取。

本发明可以对不同设备、不同应用场景获取的图像实现高效、准确地获取手指边缘，对于不同采集设备获取的手指静脉图像基于其图像本质特性可以得到准确的感兴趣区域ROI，具有较强的鲁棒性。

本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明所述基于边界跟踪的手指边缘检测算法方法原理示意图。

图2是本发明提供的改良的水平Sobel算子。

图3是本发明应用于不同采集设备获取的不同图像的边缘检测效果图。

图4是本发明所述大感受野梯度算子原理示意图。

图5是本发明提供的大感受野梯度算子(7×11)。

图6是本发明应用于不同采集设备获取的不同图像的感兴趣区域ROI提取效果图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例1

如图1所示，本实施例提出一种鲁棒的手指静脉图像感兴趣区域提取方法，包括以下步骤：

步骤1，利用提供的基于边界跟踪的手指静脉图像边缘检测算法得到连续完整的单像素手指边缘。

所述的基于边界跟踪的手指静脉图像边缘检测算法包括：

步骤1.1，对采集到的原始手指静脉图像进行高斯滤波后记为F。

步骤1.2，对步骤1.1中得到的图像F，利用改良的水平Sobel算子(如图2所示)对整张图像进行卷积操作，得到指静脉图像水平梯度图记为G；水平梯度图像G某一列为基线Baseline寻找其上部分与下部分最大响应值作为手指边缘跟踪起点，分别记为(x_u，y_u)，(x_l，y_l)；

为了快速准确的完成对搜索起点的寻找，需要一种简单快速的方法，Sobel在处理渐变类型梯度时具有较好的鲁棒性，同时在背景区的噪声会对搜索起点的寻找产生影响，所以提出一种带权值的水平Sobel算子G′_y：

G′_y＝w(b，i)*G_y

w(x，i)＝1-exp(-i/b)

G_y＝[f(x-1，y+1)+2*f(x，y-1)+f(x+1，y+1)]

-[f(x-1，y+1)+2*f(x，y+1)+f(x+1，y+1)]

其中，G_y为原始水平Sobel算子计算公式，w(x，i)为一组权值；

具体的，对于一张m×n大小的静脉图像，其中i为当前算子的行数，在图片的上半部i取

在图片的下半部i取

b是一个经验值，取决于手指在整张图片中所占的比重，于是可以得到一张指静脉图像水平方向上的梯度图像，然后基于梯度图的垂直方向中线作为基线Baseline在其上下两部分分别找一个最大值，作为上下边缘搜索的起始点，记作(x_u，y_u)，(x_l，y_l)。

步骤1.3，利用步骤1.2中得到的上下手指边缘跟踪起点，对步骤1.1中得到的去噪图像F与步骤1.2中得到的梯度图像G同时使用边缘跟踪方法进行边缘检测，得到连续的单像素边缘；

所述边缘跟踪方法包括：

步骤1.3.1，分别将图像F和图像G当前位置的像素值填充为255，其中，最开始的当前位置为边界检测起点(x_u，y_u)或(x_l，y_l)；

F(x_u，y_u)＝G(x_u，y_u)＝255

步骤1.3.2，更新当前点，计算图像F和图像G当前点与侧方三邻域各个点之间的差值分别记为

利用如下公式得到新的坐标点：

其中，θ是可调节权重，一般，当手指区域与背景灰度值差异较大时，θ可适当调小”；

步骤1.3.2，遍历所有列，每次遍历执行步骤1.3.2，直至完全遍历手指静脉图像的每一列，即可得到连续的单像素边缘；其中，从基线Baseline开始向左向右分别需要遍历过(Baseline，Baseline-1，...，2，1，0)与(Baseline，Baseline+1，...，n-2，n-1)。

基于边界跟踪的手指静脉图像边缘检测算法步骤能够从上下边缘起始点分别向左上、右上、左下、右下方向同时对边缘进行跟踪。通过该算法步骤可以得到完整连续的单像素手指边缘来分割背景(图3所示为不同类型图像得到的边缘点标记在图像F上)。

步骤2，对手指边缘坐标进行最小二乘估计得到旋转角度，通过仿射变换对手指静脉图像进行矫正；选择手指边缘最小内切宽度作为初步水平参考线，结合得到的旋转角度更新水平参考线。

步骤3，选择更新后的水平参考线作为水平分割参考线，对矫正后的图像进行分割，得到手指区域；对手指区域利用提供的大感受野梯度算子完成对垂直分割参考线的搜索；

由于手指关节腔成像所产生的大范围渐变灰度值，一般小范围的梯度计算无法正常的对关节腔进行定位，所以需要对垂直参考线进行搜索；在已有的垂直参考线搜索方法中，有基于单行列像素累计值方法、单滑动窗口方法、双滑动窗口方法，这些方法违背了人类视觉特性。计算机与人类视觉特性应相似，用于定位垂直参考线的关节腔特征并不能利用小范围来搜索，这样会产生较大误差(原理如图4)，于是需要提供一种基于人类视觉特性的大感受野梯度算子(图5)；

对手指区域利用提供的大感受野梯度算子完成对垂直分割参考线的搜索的方法包括如下步骤：

将得到的手指区域放缩至原来的四分之一后，利用以下公式获得右参考线j_r；

j_r＝argmin(S)*3*4；

以上公式的含义为：利用公式S在完成卷积的图像g′上寻找每三行梯度累计值的最小值作为右参考线所在，利用公式j_r＝argmin(S)*3*4将坐标还原至原尺寸大小；

通过得到的右参考线，利用如下公式扩展得到左参考线j_l；

j_l＝j_r-1.25*w

通过右参考线j_r和左参考线j_l定位垂直分割参考线；

将最小内切宽度限定在垂直参考线内，更新水平参考线。

步骤4，利用步骤3获得的水平参考线与垂直参考线完成对感兴趣区域的提取。

利用本发明提供的基于边界跟踪的手指边缘检测法则得到的水平参考线与大感受野梯度算子得到的垂直参考线，在校正后的图像进行分割可以得到准确的手指静脉图像感兴趣区域ROI，图6显示了本发明对感兴趣区域ROI提取流程的可视化过程步骤。

实施例2

本实施例提出一种终端，其特征在于：包括处理器、存储器以及存储在所述存储器中的手指静脉图像边缘检测算法程序，所述手指静脉图像边缘检测算法程序被所述处理器运行时，实现如实施例1所述的鲁棒的手指静脉图像感兴趣区域提取方法的步骤。

实施例3

本实施例提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如实施例1所述的鲁棒的手指静脉图像感兴趣区域提取方法的步骤。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。

以上所述，仅为本发明的具体实施方式，但本发明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揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种鲁棒的手指静脉图像感兴趣区域提取方法，其特征在于，包括以下步骤：

步骤1，利用提供的基于边界跟踪的手指静脉图像边缘检测算法得到连续完整的单像素手指边缘；

步骤2，对手指边缘坐标进行最小二乘估计得到旋转角度，通过仿射变换对手指静脉图像进行矫正；

选择手指边缘最小内切宽度作为初步水平参考线，结合得到的旋转角度更新水平参考线；

步骤3，选择更新后的水平参考线作为水平分割参考线，对矫正后的图像进行分割，得到手指区域；

对手指区域利用提供的大感受野梯度算子完成对垂直分割参考线的搜索；

将最小内切宽度限定在垂直参考线内，更新水平参考线；

步骤4，利用步骤3获得的水平参考线与垂直参考线完成对感兴趣区域ROI的提取。

2.根据权利要求1所述的鲁棒的手指静脉图像感兴趣区域提取方法，其特征在于，所述的基于边界跟踪的手指静脉图像边缘检测算法包括：

步骤1.1，对采集到的原始手指静脉图像进行高斯滤波后记为F；

步骤1.2，对步骤1.1中得到的图像F，利用改良的水平Sobel算子对整张图像进行卷积操作，得到指静脉图像水平梯度图记为G；水平梯度图像G某一列为基线Baseline寻找其上部分与下部分最大响应值作为手指边缘跟踪起点，分别记为(x_u，y_u)，(x_l，y_l)；

步骤1.3，利用步骤1.2中得到的上下手指边缘跟踪起点，对步骤1.1中得到的去噪图像F与步骤1.2中得到的梯度图像G同时使用边缘跟踪方法进行边缘检测，得到连续的单像素边缘。

3.根据权利要求2所述的鲁棒的手指静脉图像感兴趣区域提取方法，其特征在于：所述改良的水平Sobel算子为一种带权值水平Sobel算子G′_y：

G′_y＝w(b，i)*G_y

w(x，i)＝1-exp(-i/b)

G_y＝[f(x-1，y+1)+2*f(x，y-1)+f(x+1，y+1)]-[f(x-1，y+1)+2*f(x，y+1)+f(x+1，y+1)]

其中，G_y为原始水平Sobel算子计算公式，w(x，i)为一组权值。

4.根据权利要求3所述的鲁棒的手指静脉图像感兴趣区域提取方法，其特征在于，所述边缘跟踪方法包括：

步骤1.3.1，分别将图像F和图像G当前位置的像素值填充为255，其中，最开始的当前位置为边界检测起点(x_u，y_u)或(x_l，y_l)；

F(x_u，y_u)＝G(x_u，y_u)＝255

步骤1.3.2，更新当前点，计算图像F和图像G当前点与侧方三邻域各个点之间的差值分别记为

利用如下公式得到新的坐标点：

其中，θ是可调节权重；

步骤1.3.2，遍历所有列，每次遍历执行步骤1.3.2，直至完全遍历手指静脉图像的每一列，即可得到连续的单像素边缘；其中，从基线Baseline开始向左向右分别需要遍历过(Baseline，Baseline-1，...，2，1，0)与(Baseline，Baseline+1，...，n-2，n-1)。

5.根据权利要求1所述的鲁棒的手指静脉图像感兴趣区域提取方法，其特征在于，对手指区域利用提供的大感受野梯度算子完成对垂直分割参考线的搜索的方法包括如下步骤：

将得到的手指区域放缩至原来的四分之一后，利用以下公式获得右参考线j_r；

j_r＝argmin(S)*3*4；

通过得到的右参考线，利用如下公式扩展得到左参考线j_l；

j_l＝j_r-1.25*w

通过右参考线j_r和左参考线j_l定位垂直分割参考线。

6.一种终端，其特征在于：包括处理器、存储器以及存储在所述存储器中的手指静脉图像边缘检测算法程序，所述手指静脉图像边缘检测算法程序被所述处理器运行时，实现如权利要求1-5中任一项所述的鲁棒的手指静脉图像感兴趣区域提取方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机指令，其特征在于：该计算机指令被处理器执行时实现如权利要求1-5中任一项所述的鲁棒的手指静脉图像感兴趣区域提取方法的步骤。

Images