基于梯度方向模板的在线掌纹有效区域快速分割方法技术

本发明专利技术公开了一种基于梯度方向模板的在线掌纹有效区域快速分割方法。主要解决现有的在线掌纹分割技术时间复杂度高、实时性差的问题。其实现步骤是：(1)输入训练图像，求得校正梯度方向图像，截取上谷点子图和下谷点子图，将所有上谷点子图相加，得到上模板，将所有下谷点子图相加，得到下模板；(2)输入待测图像，求得校正梯度方向图像，分别利用上模板和下模板对校正梯度方向图像进行模板操作，分别取响应最大点作为上谷点和下谷点；(3)以上谷点和下谷点为参照点完成掌纹分割。本发明专利技术利用手掌轮廓点梯度方向信息，实现了快速准确的在线掌纹有效区域快速分割，可用于移动设备中的身份验证。

【技术实现步骤摘要】
基于梯度方向模板的在线掌纹有效区域快速分割方法
本专利技术属于图像处理
，涉及在线掌纹有效区域的提取，可用于移动设备中的身份验证。
技术介绍
在线掌纹有效区域的提取是在线掌纹识别领域一个非常重要的步骤，影响到在线掌纹识别的识别效果，不准确的提取可能会导致匹配错误。在实际的应用系统中，正确高效的掌纹分割方法有利于提高掌纹识别系统的速度和精确度。因此，效果良好的在线掌纹有效区域提取技术有利于改善在线掌纹识别系统其他阶段的性能。现存的在线掌纹分割算法可大致分为基于肤色比例、基于手掌结构这两类。基于肤色比例的分割方法，是利用肤色模型确定手掌轮廓，对轮廓线上的点进行采样分析。基本原理是遍历手掌轮廓点，对每一个点画圆，按照圆中的皮肤所占的比例进行判断。这种方法有一个重大的问题：手掌的摆放姿势会影响手掌有效区域分割的效果。基于手掌结构的分割方法，是利用手掌的轮廓结构以及该结构的切线方向进行谷点确定和分割。沿着手掌的轮廓线做切线，如果遇到切线过另外一条轮廓点，则检测另一个轮廓点的切线，如果该轮廓点的切线恰好也过该点则认为这两个点就是谷点，然后依据这两个点再分割。这种方法的问题是轮廓上的每个点都要进行复杂的几何运算，因此实现起来比较慢。
技术实现思路
本专利技术的目的是针对上述已有技术的不足，提出一种基于梯度方向模板的在线掌纹有效区域快速分割方法，以提高在线掌纹识别系统的分割效果，避免复杂的几何运算，进而大大提高在线掌纹识别系统的速度。为实现上述目的，本专利技术的技术方案包括如下步骤：(1)输入大小为M×L的掌纹图像I(x,y)，其中(x,y)表示掌纹图像的像素点坐标，M表示掌纹图像的长度，L表示掌纹图像的宽度；(2)对掌纹图像I(x,y)进行阈值分割，得到掌纹二值化图像IB(x,y)，对掌纹二值化图像IB(x,y)进行腐蚀操作，得到腐蚀后的掌纹图像IE(x,y)，进而得到手掌轮廓图像Edg(x,y)：Edg(x,y)＝IB(x,y)-IE(x,y)；(3)利用手掌轮廓图像Edg(x,y)，计算方向图像D(x,y)和方向角图像θ(x,y)；(4)计算掌纹图像I(x,y)的手掌方向θp：(4a)对方向角图像θ(x,y)像素值的分布进行统计，求得θ(x,y)中分布最多的像素值θmax；(4b)利用θ(x,y)中分布最多的像素值θmax，计算手掌方向θp：θp＝θmax-90°；(5)对掌纹图像I(x,y)进行方向校正，得到手掌校正图像I′(x,y)和梯度校正图像D′(x,y)：(5a)对掌纹图像I(x,y)以-θp为旋转角度进行逆时针旋转，得到手掌校正图像I′(x,y)；(5b)将手掌校正图像I′(x,y)作为输入图像，重复步骤(1)到步骤(3)，得到的方向图像记作梯度校正图像D′(x,y)；(6)构造上模板Up(x,y)和下模板Down(x,y)：(6a)选取255幅训练掌纹图像Ii(x,y)，i＝1,2,...,255，将该Ii(x,y)作为输入图像，重复步骤(1)到步骤(5)，在步骤(5)中得到Ii(x,y)的梯度校正图像D′i(x,y)和Ii(x,y)的掌纹校正图像I′i(x,y)；(6b)手动标记并记录I′i(x,y)中上谷点vu的位置和下谷点vd的位置，将上谷点vu在I′i(x,y)中的位置记为(uxi,uyi)，下谷点vd在I′i(x,y)中的位置记为(dxi,dyi)；(6c)在梯度校正图像D′i(x,y)中，以I′i(x,y)中上谷点vu的位置(uxi,uyi)为中心截取大小为W×W的上谷点方向子图Upi(x,y)，以I′i(x,y)中下谷点vd的位置(dxi,dyi)为中心截取大小为W×W的下谷点方向子图Downi(x,y)，W表示Upi(x,y)和Downi(x,y)的边长；(6d)分别利用上谷点方向子图Upi(x,y)和下谷点方向子图Downi(x,y)，得到上模板Up(x,y)和下模板Down(x,y)：(7)输入待测掌纹图像G(x,y)，利用上模板Up(x,y)和下模板Down(x,y)，计算G(x,y)中的上谷点vu和下谷点vd的位置：(7a)把待测掌纹图像G(x,y)作为输入图像，重复执行步骤(1)到步骤(5)，得到待测掌纹方向校正图像G′(x,y)和待测掌纹梯度校正图像D′g(x,y)；(7b)用上模板Up(x,y)和下模板Down(x,y)分别与待测掌纹梯度校正图像D′g(x,y)进行如下计算，得到上模板响应图像Rup(x,y)和下模板响应图像Rdown(x,y)：其中，·表示两个向量的内积，m和n分别表示相对模板中心的横向偏移量和纵向偏移量；(7c)找出上模板响应图像Rup(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中上谷点vu的位置；找出下模板响应图像Rdown(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中下谷点vd的位置；(8)以待测掌纹方向校正图像G′(x,y)中上谷点vu的位置和下谷点vd的位置为参照点，分割出掌纹有效区域图像R(x,y)。本专利技术的优点[I]本专利技术由于构造了一个梯度方向模板用于有效区域参照点的检测，可使很多实时操作提前完成，因此大幅提高了掌纹有效区域分割的速度；[II]本专利技术由于使用了大量的数据构造了较好的梯度方向模板，能快速地找到手掌谷点位置，同时避免了找到相似但错误的谷点，因此，不需要再进行排除工作；附图说明图1是本专利技术的实现总流程图；图2是本专利技术中构造梯度方向模板的子流程图；图3是本专利技术实验使用原图像；图4是用本专利技术方法对图3进行分割的仿真结果图；图5是本专利技术所使用的上谷点和下谷点的位置。具体实施方式下面结合图1对本专利技术的
技术实现思路
及效果作进一步详细描述。参照图1，本专利技术的实现步骤包括如下：步骤一，输入掌纹图像I(x,y)。从图像数据库中获取大小为M×L的掌纹图像I(x,y)，其中(x,y)表示掌纹图像的像素点坐标，M表示掌纹图像的长度，L表示掌纹图像的宽度。步骤二，获取掌纹图像的手掌轮廓图像Edg(x,y)。(2a)对掌纹图像I(x,y)进行阈值分割，得到掌纹二值化图像IB(x,y)：其中，Th表示灰度阈值，取值为20；(2b)对掌纹二值化图像IB(x,y)进行腐蚀操作，得到腐蚀后的掌纹图像IE(x,y)，进而得到手掌轮廓图像Edg(x,y)：Edg(x,y)＝IB(x,y)-IE(x,y)。步骤三，计算掌纹图像I(x,y)的方向图像D(x,y)和方向角图像θ(x,y)。(3a)根据手掌轮廓图像Edg(x,y)，分别计算纵向梯度图像GradX(x,y)和横向梯度图像GradY(x,y)：其中，*表示卷积，Sobel_x(x,y)表示纵向索贝尔算子，取值为：Sobel_y(x,y)表示横向索贝尔算子，取值为：(3b)利用纵向梯度图像GradX(x,y)和横向梯度图像GradY(x,y)，得到轮廓梯度图像Grad(x,y)：Grad(x，y)＝(GradX(x,y),GradY(x,y))；(3c)利用轮廓梯度图像Grad(x,y)，计算方向图像D(x,y)和方向角图像θ(x,y)：θ(x,y)＝arctan2(GradX(x,y),GradY(x,y))，其中，arctan2是值域为本文档来自技高网...

【技术保护点】
一种基于梯度方向模板的在线掌纹有效区域快速分割方法，包括如下步骤：(1)输入大小为M×L的掌纹图像I(x,y)，其中(x,y)表示掌纹图像的像素点坐标，M表示掌纹图像的长度，L表示掌纹图像的宽度；(2)对掌纹图像I(x,y)进行阈值分割，得到掌纹二值化图像IB(x,y)，对掌纹二值化图像IB(x,y)进行腐蚀操作，得到腐蚀后的掌纹图像IE(x,y)，进而得到手掌轮廓图像Edg(x,y)：Edg(x,y)＝IB(x,y)‑IE(x,y)；(3)利用手掌轮廓图像Edg(x,y)，计算方向图像D(x,y)和方向角图像θ(x,y)；(4)计算掌纹图像I(x,y)的手掌方向θp：(4a)对方向角图像θ(x,y)像素值的分布进行统计，求得θ(x,y)中分布最多的像素值θmax；(4b)利用θ(x,y)中分布最多的像素值θmax，计算手掌方向θp：θp＝θmax‑90°；(5)对掌纹图像I(x,y)进行方向校正，得到掌纹校正图像I′(x,y)和梯度校正图像D′(x,y)：(5a)对掌纹图像I(x,y)以‑θp为旋转角度进行逆时针旋转，得到掌纹校正图像I′(x,y)；(5b)将掌纹校正图像I′(x,y)作为输入图像，重复步骤(1)到步骤(3)，得到的方向图像记作梯度校正图像D′(x,y)；(6)构造上模板Up(x,y)和下模板Down(x,y)：(6a)选取255幅训练掌纹图像Ii(x,y)，i＝1,2,...,255，将该Ii(x,y)作为输入图像，重复步骤(1)到步骤(5)，在步骤(5)中得到Ii(x,y)的梯度校正图像D′i(x,y)和Ii(x,y)的掌纹校正图像I′i(x,y)；(6b)手动标记并记录I′i(x,y)中上谷点vu的位置和下谷点vd的位置，将上谷点vu在I′i(x,y)中的位置记为(uxi,uyi)，下谷点vd在I′i(x,y)中的位置记为(dxi,dyi)；(6c)在梯度校正图像D′i(x,y)中，以I′i(x,y)中上谷点vu的位置(uxi,uyi)为中心截取大小为W×W的上谷点方向子图Upi(x,y)，以I′i(x,y)中下谷点vd的位置(dxi,dyi)为中心截取大小为W×W的下谷点方向子图Downi(x,y)，W表示Upi(x,y)和Downi(x,y)的边长；(6d)分别利用上谷点方向子图Upi(x,y)和下谷点方向子图Downi(x,y)，得到上模板Up(x,y)和下模板Down(x,y)：Up(x,y)=Σi=1255Upi(x,y),]]>Down(x,y)=Σi=1255Downi(x,y);]]>(7)输入待测掌纹图像G(x,y)，利用上模板Up(x,y)和下模板Down(x,y)，计算G(x,y)中的上谷点vu和下谷点vd的位置：(7a)把待测掌纹图像G(x,y)作为输入图像，重复执行步骤(1)到步骤(5)，得到待测掌纹方向校正图像G′(x,y)和待测掌纹梯度校正图像D′g(x,y)；(7b)用上模板Up(x,y)和下模板Down(x,y)分别与待测掌纹梯度校正图像D′g(x,y)进行如下计算，得到上模板响应图像Rup(x,y)和下模板响应图像Rdown(x,y)：Rup(x,y)=1W2Σm=-W/2W/2Σn=-W/2W/2Dg′(x-m,y-n)·Up(m+W/2,n+W/2),]]>Rdown(x,y)=1W2Σm=-W/2W/2Σn=-W/2W/2Dg′(x-m,y-n)·Down(m+W/2,n+W/2),]]>其中，·表示两个向量的内积，m和n分别表示相对模板中心的横向偏移量和纵向偏移量；(7c)找出上模板响应图像Rup(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中的上谷点vu的位置；找出下模板响应图像Rdown(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中的下谷点vd的位置；(8)以待测掌纹方向校正图像G′(x,y)中上谷点vu的位置和下谷点vd的位置为参照点，分割出掌纹有效区域图像R(x,y)。...

【技术特征摘要】
1.一种基于梯度方向模板的在线掌纹有效区域快速分割方法，包括如下步骤：(1)输入大小为M×L的掌纹图像I(x,y)，其中(x,y)表示掌纹图像的像素点坐标，M表示掌纹图像的长度，L表示掌纹图像的宽度；(2)对掌纹图像I(x,y)进行阈值分割，得到掌纹二值化图像IB(x,y)，对掌纹二值化图像IB(x,y)进行腐蚀操作，得到腐蚀后的掌纹图像IE(x,y)，进而得到手掌轮廓图像Edg(x,y)：Edg(x,y)＝IB(x,y)-IE(x,y)；(3)利用手掌轮廓图像Edg(x,y)，计算方向图像D(x,y)和方向角图像θ(x,y)；(4)计算掌纹图像I(x,y)的手掌方向θp：(4a)对方向角图像θ(x,y)像素值的分布进行统计，求得θ(x,y)中分布最多的像素值θmax；(4b)利用θ(x,y)中分布最多的像素值θmax，计算手掌方向θp：θp＝θmax-90°；(5)对掌纹图像I(x,y)进行方向校正，得到掌纹校正图像I′(x,y)和梯度校正图像D′(x,y)：(5a)对掌纹图像I(x,y)以-θp为旋转角度进行逆时针旋转，得到掌纹校正图像I′(x,y)；(5b)将掌纹校正图像I′(x,y)作为输入图像，重复步骤(1)到步骤(3)，得到的方向图像记作梯度校正图像D′(x,y)；(6)构造上模板Up(x,y)和下模板Down(x,y)：(6a)选取255幅训练掌纹图像Ii(x,y)，i＝1,2,...,255，将该Ii(x,y)作为输入图像，重复步骤(1)到步骤(5)，在步骤(5)中得到Ii(x,y)的梯度校正图像D′i(x,y)和Ii(x,y)的掌纹校正图像I′i(x,y)；(6b)手动标记并记录I′i(x,y)中上谷点vu的位置和下谷点vd的位置，将上谷点vu在I′i(x,y)中的位置记为(uxi,uyi)，下谷点vd在I′i(x,y)中的位置记为(dxi,dyi)；(6c)在梯度校正图像D′i(x,y)中，以I′i(x,y)中上谷点vu的位置(uxi,uyi)为中心截取大小为W×W的上谷点方向子图Upi(x,y)，以I′i(x,y)中下谷点vd的位置(dxi,dyi)为中心截取大小为W×W的下谷点方向子图Downi(x,y)，W表示Upi(x,y)和Downi(x,y)的边长；(6d)分别利用上谷点方向子图Upi(x,y)和下谷点方向子图Downi(x,y)，得到上模板Up(x,y)和下模板Down(x,y)：(7)输入待测掌纹图像G(x,y)，利用上模板Up(x,y)和下模板Down(x,y)，计算G(x,y)中的上谷点vu和下谷点vd的位置：(7a)把待测掌纹图像G(x,y)作为输入图像，重复执行步骤(1)到步骤(5)，得到待测掌纹方向校正图像G′(x,y)和待测掌纹梯度校正图像D′g(x,y)；(7b)用上模板Up(x,y)和下模板Down(x,y)分别与待测掌纹梯度校正图像D′g(x,y)进行如下计算，得到上模板响应图像Rup(x,y)和下模板响应图像Rdown(x,y)：其中，·表示两个向量的内积，m和n分别表示相对模板中心的横向偏移量和纵向偏移量；(7c)找出上模板响应图像Rup(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中的上谷点vu的位置；找出下模板响应图像Rdown(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中的下谷点vd的位置；(8)以待测掌纹方向校正图像G′(x,y)中上谷点vu的位置和下谷点vd的位置为参照点，分割出掌纹有效区域图像R(x,y)。2.根据权利要求1所述的基于梯度方向模板的在线掌纹分割方法，其中步骤(2)中所述的对掌纹图像I(x,y)进行阈值分割，得到掌纹二值化图像IB(x,y)，按如下公式进行：其中，Th表示灰度阈值，取值为20。3.根据权利要求1所述的基于梯度方向模板的在线掌纹分割方法，其中，步骤(3)所述的利用手掌轮廓图像Edg(x,y)，计算方向图像D(x,y)和方向角图像θ...

【专利技术属性】
技术研发人员：庞辽军，赵伟强，褚万星，曹凯，刘而云，田捷，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61