基于校正手掌方向的掌紋感興趣區域快速提取方法
【技術領域】
[0001] 本發明屬于數字圖像處理技術領域，特別涉及一種手掌感興趣區域的提取方法， 可用于無接觸掌紋識別系統的預處理。
【背景技術】
[0002] 隨著科學技術的飛速發展，生物特征識別行業也日趨成熟，例如指紋識別、人臉識 另IJ、虹膜識別等技術已大量應用到人們的日常生活當中，而掌紋識別的研宄歷史相對較短， 但是由于掌紋擁有著相當多的特征信息和提取方便等優點，越來越多的研宄工作者投入到 了掌紋識別的領域。
[0003] 掌紋感興趣區域ROI即手掌的中部區域的提取是掌紋識別的重要環節和熱點問 題。提取的ROI將應用到后續的特征提取和匹配過程中，所以ROI提取的質量和速度對整 個掌紋識別系統的性能影響很大。現有的ROI提取方法一般都是直接根據手掌輪廓的特征 提取谷點后定位ROI的。下面簡單介紹三種提取ROI的經典方法：
[0004] 1.基于圓盤算法的手掌ROI提取方法：該方法通過計算以輪廓為中心的圓盤內目 標及背景所占面積大小來提取角點。在手掌圖像上，圓盤法可用來尋找指根的谷點，并把這 些點作為定位的基準點，進而提取手掌的ROI。
[0005] 2.基于曲率算法的手掌ROI提取方法：該方法是在提取掌紋圖像的輪廓線后計算 手掌輪廓上各點曲率，手掌輪廓中曲率變化最大的點即指根點和指尖點，然后確定指根點， 截取固定大小的矩形作為ROI。
[0006] 3.基于內切圓算法直接提取ROI:這種方法是研宄較普遍的一種算法，該算法的 思想是直接在手掌內搜索與手掌兩側邊緣相切的最大內切圓作為ROI。
[0007] 上述經典算法雖說可以檢測手掌谷點的位置，但存在以下缺陷：
[0008] 1.魯棒性不好
[0009] 在掌紋圖像中手指邊緣不規則或佩戴飾品，可能會出現手掌輪廓有較大毛刺的現 象，此時無論是在像素處求曲率還是對這部分應用求圓形面積都可能導致出現谷點誤判的 情況。
[0010] 2.計算量大，速度較慢
[0011] 上述前兩種方法都是對手掌輪廓進行逐像素求圓面積比例或進行曲率的運算，因 而計算量是非常大的；第三種算法提出的搜索整幅手掌最大內切圓算法同樣相當耗時。
[0012] 3.對手掌的拍攝角度限制較高
[0013] 上述的方法用到的手掌圖像都是采用的固定角度拍攝的圖像，對于任意角度拍攝 的手掌圖像上述方法均難以準確提取手掌ROI。

【發明內容】

[0014] 本發明的目的在于針對上述已有技術的不足，提出一種基于校正手掌方向的掌紋 感興趣區域快速提取方法，以減小計算量，提高運算速度和魯棒性，實現對任意方向拍攝手 掌圖像感興趣區域的準確提取。
[0015] 本發明的主要方案是：通過確定手掌內過手掌重心的最長直線的方向，將手掌旋 轉至豎直方向，利用基于坐標位置和手掌輪廓去除的方法提取谷點，依據谷點位置校正豎 直方向的手掌圖像，并根據校正后的手掌圖像的谷點位置信息提取手掌感興趣區域。其實 現步驟包括如下：
[0016] (1)輸入大小為MXN的手掌圖像I(x，y)，其中M表示手掌圖像I(x，y)的高度，N 表示手掌圖像I(x，y)的寬度，（x，y)表示手掌圖像的坐標點；
[0017] (2)對輸入手掌圖像I(x，y)進行閾值分割，得到手掌的二值圖像IB(x，y)，并將該 手掌的二值圖像IB (x，y)轉換為距離圖像D(x，y)，對距離圖像D(x，y)進行閾值分割，得到 掌心區域二值圖像C(x，y)，求取掌心區域二值圖像C(x，y)的重心坐標(I，9并將其定義為 手掌的重心坐標；
[0018] (3)建立大小為MXN的空白圖像，以手掌的重心坐標(1，^)為圓心，豎直方向為基 準逆時針在0-180度的范圍內等角度做180條直線，其中豎直方向的直線角度為0度，每兩 條相鄰的直線的夾角為1度；
[0019] (4)在手掌的二值圖像IB(x，y)找到（3)中180條直線的位置，分別計算并記錄手 掌的二值圖像IB(x，y)在每條直線位置上像素值的總和：
[0020] (4a)構造180個大小為MXN的圖像，并且將圖像中全部像素賦值為0。然后將 (3)中得到的過手掌中心的180條線按和（3)中相同的位置分別放入這180個圖像中并把 直線所在位置的像素值賦為1，得到180個由0和1構成的線模板圖像L;
[0021] (4b)將得到的180個線模板圖像L分別與手掌的二值圖像IB(x，y)進行與操作得 到180個線段圖像LM，計算每個線段圖像LM中像素值的總和；
[0022] (5)將手掌圖像繞其中心旋轉至水平方向：找到（4b)中180個線段圖像LM中像 素值總和最大的線段圖像并記錄其方向角度9，得到手掌圖像的旋轉角度RA= 90- 0 ;當 RA為正時，則將手掌圖像繞其中心逆時針旋轉RA;當RA為負時，則將手掌圖像繞其中心順 時針旋轉-RA，即得到水平方向的手掌圖像，對該水平方向的手掌圖像進行閾值分割，得到 水平方向手掌的二值圖像IBH(x，y);
[0023] (6)求取（5)中水平方向手掌的二值圖像IBH(x，y)中手指的位置，將水平方向的 手掌圖像繞其中心旋轉至豎直方向，得到豎直方向手掌圖像Iv(x，y)，對該豎直方向手掌圖 像Iv(x，y)進行閾值分割，得到豎直方向手掌的二值圖像記作IBV(x，y);
[0024] (7)對豎直方向手掌的二值圖像IBV(x，y)進行腐蝕操作，得到腐蝕后的手掌二值 圖像IE(x，y)，進而獲取豎直方向手掌圖像的輪廓圖像Edg(x，y):
[0025]Edg(x，y) =IBV(x，y)_IE(x，y);
[0026] (8)利用手掌輪廓追蹤和去除手掌輪廓算法在豎直方向手掌輪廓圖像Edg(x，y) 中分別求取位置最高的四個手指輪廓指尖處坐標，從左到右依次記為（xT1，yT1)，（xT2，yT2)，（ XT3，5^13)，（XT4，5^14);
[0027](9)根據⑶得到的四個指尖的坐標，在（xT1，yT1)到（xT2，yT2)的輪廓點內取橫坐 標最大值對應的坐標即為所求的第一個谷點的坐標（xvl，yvl);在（xT3，yT3)到（xT4，yT4)的輪 廓點內取橫坐標最大值對應的坐標即為所求的第二個谷點的坐標（xV2，yv2);
[0028] (10)根據（9)中得到的兩個谷點位置坐標，校正豎直方向手掌圖像Iv(x，y)使得 兩個谷點的連線處于水平方向，得到校正后的手掌圖像IVT(x，y)，提取校正后的手掌圖像 IVJ(x，y)的感興趣區域。
[0029] 本發明與現有技術相比具有如下優點：
[0030] 第一，魯棒性好。對于有些前景區域分割不好的情況，本發明通過手掌輪廓去除的 方法也能準確的找到谷點的位置。
[0031] 第二，計算量小，速度快。在谷點檢測過程中，因為本發明僅僅采用的是坐標位置 判斷的方法，無須對每個手掌輪廓像素都進行復雜的數學運算，故而其計算量小，運行速度 快。
[0032] 第三，對拍攝手掌的角度無限制。這也是本發明最大的優勢，根據本發明的方法， 無論拍攝手掌的圖片角度是多少，都可以把手掌豎直起來，進而利用手掌輪廓局部坐標找 到谷點位置并提取手掌的感興趣區域。
【附圖說明】
[0033] 圖1為本發明的實現流程圖；
[0034] 圖2為用本發明方法使用的手掌圖像；
[0035] 圖3為用本發明找到手掌的掌心區域的中心圖像；
[0036] 圖4是用本發明找到手掌中最長的一根直線圖像；
[0037] 圖5是本發明根據圖4找到的直線角度校正手掌到水平方向的圖像；
[0038] 圖6是本發明校正手掌到豎直方向的圖像；
[0039]圖7是本發明在圖像手掌輪廓處找到的四個指尖點和谷點坐標位置圖像；
[0040] 圖8是本發明校正豎直方向手掌圖像后的谷點坐標位置和定位ROI圖像；
[0041] 圖9是本發明提取的感興趣區域圖像。
【具體實施方式】
[0042] 以下結合圖1，對本發明提供的這種基于校正手掌方向的掌紋感興趣區域快速提 取方法進行詳細描述。
[0043] 步驟1，輸入手掌圖像。
[0044] 以大小為MXN的手掌圖像I(x，y)作為輸入，本實例是在中國科學院的CASIA PalmprintImageDatabase庫中隨機選取一幅掌紋圖像，如圖2所示，其中M表示手掌圖像I(x，y)的高度，N表示手掌圖像I(x，y)的寬度，（x，y)表示手掌圖像的坐標點。
[0045] 步驟2,求取輸入手掌圖像的重心坐標。
[0046] (2a)對輸入圖像I(x，y)閾值分割，得到手掌的二值圖像IB(x，y):
【主權項】
1. 一種基于校正手掌方向的掌紋感興趣區域快速提取方法，包括以下步驟： (1) 輸入大小為MXN的手掌圖像I(x，y)，其中M表示手掌圖像I(x，y)的高度，N表示 手掌圖像I(x，y)的寬度，（x，y)表示手掌圖像的坐標點； (2) 對輸入手掌圖像I(x，y)進行閾值分割，得到手掌的二值圖像IB(x，y)，并將該手掌 的二值圖像IB (x，y)轉換為距離圖像D(x，y)，對距離圖像D(x，y)進行閾值分割，得到掌心 區域二值圖像C(x，y)，求取掌心區域二值圖像C(x，y)的重心坐標(I，B并將其定義為手掌 的重心坐標； (3) 建立大小為MXN的空白圖像，以手掌的重心坐標(1,^)為圓心，豎直方向為基準逆 時針在0-180度的范圍內等角度做180條直線，其中豎直方向的直線角度為0度，每兩條相 鄰的直線的夾角為1度； (4) 在手掌的二值圖像IB(x，y)找到（3)中180條直線的位置，分別計算并記錄手掌的 二值圖像IB(x，y)在每條直線位置上像素值的總和： (4a)構造180個大小為MXN的圖像，并且將圖像中全部像素賦值為0。然后將（3)中 得到的過手掌中