CN115359249A - 一种手掌图像roi区域提取方法及系统 - Google Patents

一种手掌图像roi区域提取方法及系统 Download PDF

Info

Publication number
CN115359249A
CN115359249A CN202211290427.0A CN202211290427A CN115359249A CN 115359249 A CN115359249 A CN 115359249A CN 202211290427 A CN202211290427 A CN 202211290427A CN 115359249 A CN115359249 A CN 115359249A
Authority
CN
China
Prior art keywords
palm
image
circle
binary image
area
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
Application number
CN202211290427.0A
Other languages
English (en)
Other versions
CN115359249B (zh
Inventor
李学双
杨爽
赵国栋
辛传贤
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.)
Shandong Shengdian Century Technology Co ltd
Original Assignee
Shandong Shengdian Century Technology Co ltd
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 Shandong Shengdian Century Technology Co ltd filed Critical Shandong Shengdian Century Technology Co ltd
Priority to CN202211290427.0A priority Critical patent/CN115359249B/zh
Publication of CN115359249A publication Critical patent/CN115359249A/zh
Application granted granted Critical
Publication of CN115359249B publication Critical patent/CN115359249B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V40/12—Fingerprints or palmprints

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

本发明公开了一种手掌图像ROI区域提取方法及系统，属于生物特征识别技术领域，其包括以下步骤：采集用户的手掌图像，对手掌图像进行缩放处理；对缩放后的手掌图像进行二值化处理得到手掌二值图像，并根据手掌二值图像获取手掌轮廓线；获取手掌二值图像的最大内切圆；基于最大内切圆的相垂直的两条直径确定手掌方向，截取其对应方向的内接矩形为手掌的ROI区域。本发明确定了ROI区域的方向性，便于后续进行旋转、识别等操作，适应不同角度的图像识别，降低识别的困难程度，提高识别效率。

Description

一种手掌图像ROI区域提取方法及系统
技术领域
本发明属于生物特征识别技术领域，尤其涉及一种手掌图像ROI区域提取方法及系统。
背景技术
在利用生物识别技术进行身份鉴定的过程中，首先需要提取图像的感兴趣区域（ROI区域），剔除不包括静脉的区域，减少需要处理的数据量。对于不同时刻采集的静脉图像，能否提取相同感兴趣区域会影响整个识别系统的性能，因此，感兴趣区域的提取方法非常重要。针对手掌图像ROI提取方法，目前常见的有基于指跟定位的提取方法和基于内切圆的提取方法，前者易受环境及手掌姿态的影响导致算法鲁棒性差，而基于内切圆的方法可稳定的提取出手掌感兴趣区域。
比如，申请公布号为CN107609499A的中国专利申请公开了一种复杂环境下非接触式掌纹感兴趣区提取方法，包括如下步骤：采集掌纹图像；提取出手掌前景的二值化图像；对二值化图像进行空洞填充和小面积区域去除；调整二值化图像中的手掌角度，使得中指指尖位于图像最上方；通过检测指尖位置和谷点位置，确定最大有效内切圆的搜索范围；对调整后的二值化图像进行距离变换，在搜索范围内进行遍历，同时限制内切圆的圆心和半径与中指长度的比例关系，获得最大有效内切圆；旋转最大有效内切圆图像，最终得到掌纹感兴趣区图像。
然而，传统的基于内切圆的提取方法截取的感兴趣区图像即为最大有效内切圆图像，截取的感兴趣区图像为圆形且无法确定手掌的方向性，后续进行旋转、识别操作比较麻烦，导致识别效率降低。
发明内容
本发明的目的在于提供一种手掌图像ROI区域提取方法及系统，以解决现有基于内切圆的提取方法截取的感兴趣区无法确定手掌的方向性的问题。
为解决上述技术问题，本发明采用的技术方案是：
本发明涉及的一种手掌图像ROI区域提取方法，其包括以下步骤：
S1、采集用户的手掌图像，对手掌图像进行缩放处理；
S2、对缩放后的手掌图像进行二值化处理得到手掌二值图像，并根据手掌二值图像获取手掌轮廓线；
S3、获取手掌二值图像的最大内切圆；
S4、对手掌方向进行定位并截取ROI 区域，具体步骤为：
S4.1、遍历最大内切圆中各个角度的直径L1及与直径L1相垂直的直径L2，以直径L1和直径L2的延长线为坐标轴将手掌二值图像分为4个子区域；
S4.2、分别计算每个子区域对应的手掌轮廓线的轮廓复杂度；
S4.3、取子区域轮廓复杂度最大时对应的直径L1和直径L2为手掌分割基准线，以手掌分割基准线为对角线，截取其与最大内接圆的4个交点构成的内接矩形作为手掌的ROI区域；
优选地，所述的步骤S1中将手掌图像缩放至原图的1/2。
优选地，所述的步骤S2对缩放后的手掌图像进行二值化，得到手掌二值图像及手掌区域的轮廓线的具体步骤为：
S2.1、采用OTSU算法对缩放后的手掌图像进行二值化分割，得到二值图像I1；
S2.2、统计二值图像I1中的连通区域，保留最大连通区域，得到二值图像I2；
S2.3、对二值图像I2进行腐蚀处理，去掉粘连手指区域，得到手掌二值图像I3；
S2.4、对手掌二值图像I3进行边缘检测，得到手掌区域的轮廓线L。
优选地，所述的步骤S3从手掌二值图像中寻找最大内切圆的具体步骤为：
S3.1、计算手掌二值图像I3中的白色区域的最大宽度及最大高度，以两者中的较小值的二分之一为初始最小半径r，计算手掌二值图像I3中的白色区域的重心P，并基于重心P及初始最小半径r确定圆心待遍历区域；
S3.2、以圆心待遍历区域内的任一像素点为检测圆心，以初始最小半径r为检测半径构建检测圆，若检测圆上所有像素点的像素值均为255，则增加检测圆的检测半径；否则以圆心待遍历区域内下一像素点为检测圆心，重复上述步骤，直至将圆心待遍历区域所有的像素点遍历完成；
S3.3、最大检测半径对应的检测圆即为手掌二值图像的最大内切圆。
优选地，所述的步骤S3.1中的重心P的坐标为（x 0，y 0），则步骤S3.2中圆心遍历区域为：圆心的横坐标以（x 0-r/2，x 0+r/2）为范围，圆心的纵坐标以（y 0-r/2，y 0+r/2）为范围；
检测圆心对应的检测圆上像素点的坐标表示为：
Figure 289137DEST_PATH_IMAGE001
Figure 188829DEST_PATH_IMAGE002
其中，x i 、y i 为以x 0、y 0为圆心，r为半径，角度为θ的圆上的像素点的横坐标和纵坐标。
优选地，所述的步骤S4.2计算某个子区域对应的手掌轮廓线的轮廓复杂度的具体步骤为：
S4.2.1、计算该子区域内的手掌轮廓线的长度D；
S4.2.2、计算子区域内手掌轮廓线与内切圆之间的面积S；
S4.2.3、计算子区域内手掌轮廓线上各点对于以直径L1、L2与圆的交点直线为方向的圆的切线的投影，计算各投影距离的直方图，统计直方图的正态分布N；
S4.2.4、对轮廓线的长度D、轮廓线与内切圆之间的面积S和正态分布N进行加权求和，得到该子区域轮廓的复杂度。
优选地，所述的步骤S4.2.4中加权求和公式为：
Figure 50606DEST_PATH_IMAGE003
公式中，a、b、c均为加权系数，a+b+c=1。
优选地，所述手掌图像ROI区域提取方法还包括：
S5、分别计算每个子区域对应的手掌轮廓线上各像素点的曲率之和，其中，每个像素点的曲率K的计算公式为：
Figure 684849DEST_PATH_IMAGE004
公式中，y’为该像素点y方向的一阶导数，y’’为该像素点y方向的二阶导数；
S6、判断轮廓复杂度最大的子区域对应的手掌轮廓线上各像素点的曲率之和是否最大，若不是，则提示用户重新采集手掌图像。
优选地，所述的步骤S5中像素点曲率K的计算公式为：
Figure 172331DEST_PATH_IMAGE005
公式中，y’为该像素点y方向的一阶导数，y’’为该像素点y方向的二阶导数。
本发明还涉及一种手掌图像ROI区域提取系统，其包括：
采集及缩放模块，用于采集用户的手掌图像，对手掌图像进行缩放处理；
二值化模块，用于对缩放后的手掌图像进行二值化处理得到手掌二值图像，并根据手掌二值图像获取手掌轮廓线；
最大内切圆获取模块，用于获取手掌二值图像的最大内切圆；
ROI 区域截取模块，用于对手掌方向进行定位并截取ROI 区域，具体步骤为：
遍历最大内切圆中各个角度的直径L1及与直径L1相垂直的直径L2，以直径L1和直径L2的延长线为坐标轴将手掌二值图像分为4个子区域；
分别计算每个子区域对应的手掌轮廓线的轮廓复杂度；
取子区域轮廓复杂度最大时对应的直径L1和直径L2为手掌分割基准线，以手掌分割基准线为对角线，截取其与最大内接圆的4个交点构成的内接矩形作为手掌的ROI区域。
与现有技术相比，采用本发明涉及的技术方案存在以下有益效果：
1.本发明涉及的手掌图像ROI区域提取方法先获取手掌二值图像的最大内切圆，再根据最大内切圆的相垂直的两条直径确定手掌方向，截取其对应方向的内接矩形，确定了ROI区域的方向性，便于后续进行旋转、识别等操作，适应不同角度的图像识别，降低识别的困难程度，提高识别效率。
2.本发明涉及的手掌图像ROI区域提取方法在寻找最大内切圆的过程中，利用连通区域的重心及宽度为初始点初始半径确定圆心待遍历区域，减少了寻找最大内切圆的时间，进一步提高识别的效率。
附图说明
图1是本发明涉及的手掌图像ROI区域提取方法的流程图；
图2是手掌图像ROI区域提取系统的结构框图。
具体实施方式
下面对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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做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。
实施例1
参照附图1所示，本发明涉及的一种手掌图像ROI区域提取方法，其包括以下步骤：
S1、采集用户的手掌图像，对手掌图像进行缩放处理，缩放至原图的1/2。其中，采集的用户的手掌图像可以是在近红外光照下采集的用户的掌静脉图像，也可以在普通光照下采集的用户的掌纹图像。
S2、对缩放后的手掌图像进行二值化处理得到手掌二值图像，并根据手掌二值图像获取手掌轮廓线，其具体步骤为：
S2.1、采用OTSU算法对缩放后的手掌图像进行二值化分割，得到二值图像I1；
S2.2、统计二值图像I1中的连通区域，保留最大连通区域，得到二值图像I2；
S2.3、对二值图像I2进行腐蚀处理，去掉粘连手指区域，得到手掌二值图像I3；
S2.4、对手掌二值图像I3进行边缘检测，得到手掌区域的轮廓线L。
S3、获取手掌二值图像的最大内切圆，其具体步骤为：
S3.1、计算手掌二值图像I3中的白色区域的最大宽度及最大高度，以两者中的较小值的二分之一为初始最小半径r，计算手掌二值图像I3中的白色区域的重心P，基于重心P及初始最小半径r确定圆心待遍历区域；假设重心P的坐标为（x 0，y 0），则圆心遍历区域为：圆心的横坐标以（x 0-r/2，x 0+r/2）为范围，圆心的纵坐标以（y 0-r/2，y 0+r/2）为范围；
S3.2、以圆心待遍历区域内的任一像素点为检测圆心，以初始最小半径r为检测半径构建检测圆，检测圆心对应的检测圆上像素点的坐标表示为：
Figure 208420DEST_PATH_IMAGE001
Figure 490366DEST_PATH_IMAGE006
其中，x i 、y i 为以x 0、y 0为圆心，r为半径，角度为θ的圆上的像素点的横坐标和纵坐标；
若检测圆上所有像素点的像素值均为255，则增加检测圆的检测半径；否则以圆心待遍历区域内下一像素点为检测圆心，重复上述步骤，直至将圆心待遍历区域所有的像素点遍历完成；
S3.3、最大检测半径对应的检测圆即为手掌二值图像的最大内切圆。
S4、对手掌方向进行定位并截取ROI 区域，具体步骤为：
S4.1、遍历最大内切圆中各个角度的直径L1及与直径L1相垂直的直径L2，以直径L1和直径L2的延长线为坐标轴将手掌二值图像分为4个子区域；
S4.2、分别计算每个子区域对应的手掌轮廓线的轮廓复杂度，其具体步骤为：
S4.2.1、计算该子区域内的手掌轮廓线的长度D；
S4.2.2、计算子区域内手掌轮廓线与内切圆之间的面积S；
S4.2.3、计算子区域内手掌轮廓线上各点对于以直径L1、L2与圆的交点直线为方向的圆的切线的投影，计算各投影距离的直方图，统计直方图的正态分布N；
S4.2.4、对轮廓线的长度D、轮廓线与内切圆之间的面积S和正态分布N进行加权求和，得到该子区域轮廓的复杂度，加权求和公式为：
Figure 346327DEST_PATH_IMAGE003
公式中，a、b、c均为加权系数，a+b+c=1；
S4.3、取子区域轮廓复杂度最大时对应的直径L1和直径L2为手掌分割基准线，以手掌分割基准线为对角线，截取其与最大内接圆的4个交点构成的内接矩形。
S5、分别计算每个子区域对应的手掌轮廓线上各像素点的曲率之和，其中每个像素点曲率K的计算公式为：
Figure 450549DEST_PATH_IMAGE007
公式中，y’为该像素点y方向的一阶导数，y’’为该像素点y方向的二阶导数。
S6、判断轮廓复杂度最大的子区域对应的手掌轮廓线上各像素点的曲率之和是否最大，若是，则以截取到的内接矩形作为手掌的ROI区域；若不是，则提示用户重新采集手掌图像。
实施例2
参照附图2所示，本发明还涉及一种手掌图像ROI区域提取系统，其包括：
采集及缩放模块，用于采集用户的手掌图像，对手掌图像进行缩放处理；采集及缩放模块用于实现实施例1步骤S1的功能。
二值化模块，用于对缩放后的手掌图像进行二值化处理得到手掌二值图像，并根据手掌二值图像获取手掌轮廓线；二值化模块用于实现实施例1步骤S2的功能。
最大内切圆获取模块，用于获取手掌二值图像的最大内切圆；最大内切圆获取模块用于实现实施例1步骤S3的功能。
ROI 区域截取模块，用于对手掌方向进行定位并截取ROI 区域，ROI 区域截取模块用于实现实施例1步骤S4的功能，具体步骤为：
遍历最大内切圆中各个角度的直径L1及与直径L1相垂直的直径L2，以直径L1和直径L2的延长线为坐标轴将手掌二值图像分为4个子区域；
分别计算每个子区域对应的手掌轮廓线的轮廓复杂度；
取子区域轮廓复杂度最大时对应的直径L1和直径L2为手掌分割基准线，以手掌分割基准线为对角线，截取其与最大内接圆的4个交点构成的内接矩形作为手掌的ROI区域。
以上结合实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍属于本发明的专利涵盖范围之内。

Claims (10)

1.一种手掌图像ROI区域提取方法，其特征在于：其包括以下步骤：
S1、采集用户的手掌图像，对手掌图像进行缩放处理；
S2、对缩放后的手掌图像进行二值化处理得到手掌二值图像，并根据手掌二值图像获取手掌轮廓线；
S3、获取手掌二值图像的最大内切圆；
S4、对手掌方向进行定位并截取ROI 区域，具体步骤为：
S4.1、遍历最大内切圆中各个角度的直径L1及与直径L1相垂直的直径L2，以直径L1和直径L2的延长线为坐标轴将手掌二值图像分为4个子区域；
S4.2、分别计算每个子区域对应的手掌轮廓线的轮廓复杂度；
S4.3、取子区域轮廓复杂度最大时对应的直径L1和直径L2为手掌分割基准线，以手掌分割基准线为对角线，截取其与最大内接圆的4个交点构成的内接矩形作为手掌的ROI区域。
2.根据权利要求1所述的手掌图像ROI区域提取方法，其特征在于：所述的步骤S1中将手掌图像缩放至原图的1/2。
3.根据权利要求1所述的手掌图像ROI区域提取方法，其特征在于：所述的步骤S2根据手掌二值图像获取手掌轮廓线的具体步骤为：
S2.1、采用OTSU算法对缩放后的手掌图像进行二值化分割，得到二值图像I1；
S2.2、统计二值图像I1中的连通区域，保留最大连通区域，得到二值图像I2；
S2.3、对二值图像I2进行腐蚀处理，去掉粘连手指区域，得到手掌二值图像I3；
S2.4、对手掌二值图像I3进行边缘检测，得到手掌区域的轮廓线L。
4.根据权利要求2所述的手掌图像ROI区域提取方法，其特征在于：所述的步骤S3获取手掌二值图像的最大内切圆的具体步骤为：
S3.1、计算手掌二值图像I3中的白色区域的最大宽度及最大高度，以两者中的较小值的二分之一为初始最小半径r，计算手掌二值图像I3中的白色区域的重心P，并基于重心P及初始最小半径r确定圆心待遍历区域；
S3.2、以圆心待遍历区域内的任一像素点为检测圆心，以初始最小半径r为检测半径构建检测圆，若检测圆上所有像素点的像素值均为255，则增加检测圆的检测半径；否则以圆心待遍历区域内下一像素点为检测圆心，重复上述步骤，直至将圆心待遍历区域所有的像素点遍历完成；
S3.3、最大检测半径对应的检测圆即为手掌二值图像的最大内切圆。
5.根据权利要求4所述的手掌图像ROI区域提取方法，其特征在于：所述的步骤S3.1中的重心P的坐标为（x 0，y 0），则步骤S3.2中圆心遍历区域为：圆心的横坐标以（x 0-r/2，x 0+r/2）为范围，圆心的纵坐标以（y 0-r/2，y 0+r/2）为范围；
检测圆心对应的检测圆上像素点的坐标表示为：
Figure DEST_PATH_IMAGE001
Figure 930485DEST_PATH_IMAGE002
其中，x i 、y i 为以x 0、y 0为圆心，r为半径，角度为θ的圆上的像素点的横坐标和纵坐标。
6.根据权利要求1所述的手掌图像ROI区域提取方法，其特征在于：所述的步骤S4.2计算某个子区域对应的手掌轮廓线的轮廓复杂度的具体步骤为：
S4.2.1、计算该子区域内的手掌轮廓线的长度D；
S4.2.2、计算子区域内手掌轮廓线与内切圆之间的面积S；
S4.2.3、计算子区域内手掌轮廓线上各点对于以直径L1、L2与圆的交点直线为方向的圆的切线的投影，计算各投影距离的直方图，统计直方图的正态分布N；
S4.2.4、对轮廓线的长度D、轮廓线与内切圆之间的面积S和正态分布N进行加权求和，得到该子区域轮廓的复杂度。
7.根据权利要求6所述的手掌图像ROI区域提取方法，其特征在于：所述的步骤S4.2.4中加权求和公式为：
Figure DEST_PATH_IMAGE003
公式中，a、b、c均为加权系数，a+b+c=1。
8.根据权利要求1所述的手掌图像ROI区域提取方法，其特征在于：所述手掌图像ROI区域提取方法还包括：
S5、分别计算每个子区域对应的手掌轮廓线上各像素点的曲率之和，其中，每个像素点的曲率K的计算公式为：
Figure 399643DEST_PATH_IMAGE004
公式中，y’为该像素点y方向的一阶导数，y’’为该像素点y方向的二阶导数；
S6、判断轮廓复杂度最大的子区域对应的手掌轮廓线上各像素点的曲率之和是否最大，若不是，则提示用户重新采集手掌图像。
9.根据权利要求1所述的手掌图像ROI区域提取方法，其特征在于，所述的手掌图像为掌静脉图像或掌纹图像。
10.一种手掌图像ROI区域提取系统，其特征在于：其包括：
采集及缩放模块，用于采集用户的手掌图像，对手掌图像进行缩放处理；
二值化模块，用于对缩放后的手掌图像进行二值化处理得到手掌二值图像，并根据手掌二值图像获取手掌轮廓线；
最大内切圆获取模块，用于获取手掌二值图像的最大内切圆；
ROI 区域截取模块，用于对手掌方向进行定位并截取ROI 区域，具体步骤为：
遍历最大内切圆中各个角度的直径L1及与直径L1相垂直的直径L2，以直径L1和直径L2的延长线为坐标轴将手掌二值图像分为4个子区域；
分别计算每个子区域对应的手掌轮廓线的轮廓复杂度；
取子区域轮廓复杂度最大时对应的直径L1和直径L2为手掌分割基准线，以手掌分割基准线为对角线，截取其与最大内接圆的4个交点构成的内接矩形作为手掌的ROI区域。
CN202211290427.0A 2022-10-21 2022-10-21 一种手掌图像roi区域提取方法及系统 Active CN115359249B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211290427.0A CN115359249B (zh) 2022-10-21 2022-10-21 一种手掌图像roi区域提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211290427.0A CN115359249B (zh) 2022-10-21 2022-10-21 一种手掌图像roi区域提取方法及系统

Publications (2)

Publication Number Publication Date
CN115359249A true CN115359249A (zh) 2022-11-18
CN115359249B CN115359249B (zh) 2023-03-24

Family

ID=84008704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211290427.0A Active CN115359249B (zh) 2022-10-21 2022-10-21 一种手掌图像roi区域提取方法及系统

Country Status (1)

Country Link
CN (1) CN115359249B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740068A (zh) * 2023-08-15 2023-09-12 贵州毅丹恒瑞医药科技有限公司 一种白内障手术用智能导航系统

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400365A (zh) * 2013-06-26 2013-11-20 成都金盘电子科大多媒体技术有限公司 肺区ct序列自动分割方法
CN104392455A (zh) * 2014-12-09 2015-03-04 西安电子科技大学 基于方向检测的在线掌纹有效区域快速分割方法
CN104809446A (zh) * 2015-05-07 2015-07-29 西安电子科技大学 基于校正手掌方向的掌纹感兴趣区域快速提取方法
CN107229928A (zh) * 2017-08-04 2017-10-03 上海市数字证书认证中心有限公司 一种辅助定位的移动终端掌纹采集方法及系统
CN107609499A (zh) * 2017-09-04 2018-01-19 南京航空航天大学 一种复杂环境下非接触式掌纹感兴趣区提取方法
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
US20190206052A1 (en) * 2017-12-29 2019-07-04 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Carpal segmentation and recognition method and system, terminal and readable storage medium
CN110032936A (zh) * 2019-03-08 2019-07-19 吉林大学 无参数手背静脉最大圆形区域提取方法
CN110399784A (zh) * 2019-05-23 2019-11-01 福建师范大学 一种手掌图像感兴趣区域与截取准确率提升的方法
CN110728232A (zh) * 2019-10-10 2020-01-24 清华大学深圳国际研究生院 一种手部感兴趣区域的获取方法及手纹识别方法
CN110781761A (zh) * 2019-09-29 2020-02-11 哈尔滨工程大学 一种具有监督环节的指尖实时跟踪方法
CN111639562A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种手掌感兴趣区域的智能定位方法
CN111813875A (zh) * 2019-04-11 2020-10-23 浙江宇视科技有限公司 地图点位信息处理方法、装置及服务器
CN112699845A (zh) * 2021-01-14 2021-04-23 浙江德菲洛智能机械制造有限公司 一种在线非接触手掌静脉感兴趣区域提取方法
CN113936307A (zh) * 2021-12-17 2022-01-14 北京圣点云信息技术有限公司 一种基于薄膜传感器的静脉图像识别方法及装置
CN113936303A (zh) * 2021-12-15 2022-01-14 北京圣点云信息技术有限公司 一种手部图像最大内接矩形确定方法及图像识别方法
CN114220122A (zh) * 2021-12-09 2022-03-22 佳都科技集团股份有限公司 一种掌静脉样本类别增强方法及处理终端
CN114783010A (zh) * 2022-06-22 2022-07-22 北京圣点云信息技术有限公司 一种掌纹图像感兴趣区域提取方法
CN114783005A (zh) * 2022-04-27 2022-07-22 河北工程大学 一种基于深度学习的掌纹识别的设备和方法

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400365A (zh) * 2013-06-26 2013-11-20 成都金盘电子科大多媒体技术有限公司 肺区ct序列自动分割方法
CN104392455A (zh) * 2014-12-09 2015-03-04 西安电子科技大学 基于方向检测的在线掌纹有效区域快速分割方法
CN104809446A (zh) * 2015-05-07 2015-07-29 西安电子科技大学 基于校正手掌方向的掌纹感兴趣区域快速提取方法
CN107229928A (zh) * 2017-08-04 2017-10-03 上海市数字证书认证中心有限公司 一种辅助定位的移动终端掌纹采集方法及系统
CN107609499A (zh) * 2017-09-04 2018-01-19 南京航空航天大学 一种复杂环境下非接触式掌纹感兴趣区提取方法
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
US20190206052A1 (en) * 2017-12-29 2019-07-04 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Carpal segmentation and recognition method and system, terminal and readable storage medium
CN110032936A (zh) * 2019-03-08 2019-07-19 吉林大学 无参数手背静脉最大圆形区域提取方法
CN111813875A (zh) * 2019-04-11 2020-10-23 浙江宇视科技有限公司 地图点位信息处理方法、装置及服务器
CN110399784A (zh) * 2019-05-23 2019-11-01 福建师范大学 一种手掌图像感兴趣区域与截取准确率提升的方法
CN110781761A (zh) * 2019-09-29 2020-02-11 哈尔滨工程大学 一种具有监督环节的指尖实时跟踪方法
CN110728232A (zh) * 2019-10-10 2020-01-24 清华大学深圳国际研究生院 一种手部感兴趣区域的获取方法及手纹识别方法
CN111639562A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种手掌感兴趣区域的智能定位方法
CN112699845A (zh) * 2021-01-14 2021-04-23 浙江德菲洛智能机械制造有限公司 一种在线非接触手掌静脉感兴趣区域提取方法
CN114220122A (zh) * 2021-12-09 2022-03-22 佳都科技集团股份有限公司 一种掌静脉样本类别增强方法及处理终端
CN113936303A (zh) * 2021-12-15 2022-01-14 北京圣点云信息技术有限公司 一种手部图像最大内接矩形确定方法及图像识别方法
CN113936307A (zh) * 2021-12-17 2022-01-14 北京圣点云信息技术有限公司 一种基于薄膜传感器的静脉图像识别方法及装置
CN114783005A (zh) * 2022-04-27 2022-07-22 河北工程大学 一种基于深度学习的掌纹识别的设备和方法
CN114783010A (zh) * 2022-06-22 2022-07-22 北京圣点云信息技术有限公司 一种掌纹图像感兴趣区域提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DEXING ZHONG 等: "Towards application of dorsal hand vein recognition under uncontrolled environment based on biometric graph matching", 《IET BIOMETRICS》 *
NOOR ALYANIS FARHAIDA MOHD ZAINON 等: "Region of Interest Extraction for Biometric Cryptosystem", 《2018 IEEE CONFERENCE ON APPLICATIONS, INFORMATION AND NETWORK SECURITY (AINS)》 *
刘刚 等: "基于最大内切圆算法的手掌静脉ROI提取", 《计算机科学》 *
林坤 等: "一种自适应手掌静脉图像ROI提取方法", 《信息通信》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740068A (zh) * 2023-08-15 2023-09-12 贵州毅丹恒瑞医药科技有限公司 一种白内障手术用智能导航系统
CN116740068B (zh) * 2023-08-15 2023-10-10 贵州毅丹恒瑞医药科技有限公司 一种白内障手术用智能导航系统

Also Published As

Publication number Publication date
CN115359249B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN112837263B (zh) 一种复杂背景下的身份证信息定位方法
CN110032936B (zh) 无参数手背静脉最大圆形区域提取方法
CN101114335A (zh) 全角度快速指纹识别方法
CN112699845A (zh) 一种在线非接触手掌静脉感兴趣区域提取方法
CN111639560B (zh) 基于静脉骨架线和地形凹凸特性动态融合的指静脉特征提取方法及装置
CN115359249B (zh) 一种手掌图像roi区域提取方法及系统
WO2021135533A1 (zh) 一种指静脉超大用户量下的高速检索算法及识别设备
CN112101351B (zh) 一种基于投影的文本行旋转校正方法及装置
CN113936303B (zh) 一种手部图像最大内接矩形确定方法及图像识别方法
WO2021196013A1 (zh) 单词识别方法、设备及存储介质
CN113011426A (zh) 一种识别证件的方法和装置
Sun et al. Graph-matching-based character recognition for Chinese seal images
CN115311746A (zh) 一种基于多特征融合的离线签名真伪检测方法
WO2020001631A1 (zh) 基于视觉摄像机的自阴影物体边缘识别方法、装置及车辆
CN116665258B (zh) 一种手掌图像指缝分割方法
CN113936305B (zh) 一种手掌识别过程中的中指位置确认方法及特征提取方法
Oldal et al. Biometric Authentication System based on Hand Geometry and Palmprint Features.
CN112418210B (zh) 一种杆塔巡检信息智能分类方法
CN112633070A (zh) 高分辨率遥感影像建筑物提取方法及系统
CN114882539B (zh) 一种静脉图像roi提取方法及装置
CN116681740A (zh) 一种基于多尺度Harris角点检测的图像配准方法
CN110197184A (zh) 一种基于傅里叶变换的快速图像sift提取方法
Su et al. Skew detection for Chinese handwriting by horizontal stroke histogram
CN111091133B (zh) 一种基于sift算法的青铜器金文图像识别方法
CN114332108B (zh) 一种图片中的虚实线局部区域的提取方法

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
GR01 Patent grant
GR01 Patent grant