掌纹识别中的掌纹ROI分割方法技术

掌纹识别中的掌纹ROI分割方法,属于掌纹识别领域,为了解决现有的掌纹识别识别过程中，掌纹分割所具有的基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题,包括如下步骤：S1.选取拟合直线；S2.图像矫正和掌纹的ROI分割，效果是：图像分割算法降低了图像采集时图像旋转和平移的影响。

【技术实现步骤摘要】

本专利技术属于掌纹识别领域，涉及一种掌纹识别中的掌纹ROI分割方法。
技术介绍
随着社会的发展和科技水平的提高，人民的安全意识不断增强，信息的安全受到越来越的关注，因此在现实生活中，每个人都经常面对身份的鉴别问题。传统的身份认证经常采用密码、口令、证件等，这些传统的鉴别方法存在很大的弊端。生物特征识别技术因其固有安全等级高的优点，正在慢慢的取代传统的身份认证方法，经常采用指纹、人脸、虹膜、步态、笔迹、手形、掌纹等人体特征。目前,单个生物特征有其固有的局限性,还没有一种单独的生物特征识别技术可以满足实际的需求。多模态生物特征识别技术通过多生物特征融合的方法,来提高识别的准确率和扩大应用范围,以满足实际的需求。由于手部图像采集方便、用户接受度高、包含信息量大、识别准确率较高等，目前被广泛应用。掌纹识别一般包括掌纹提取、掌纹信息分析等几个主要部分，其中掌纹提取中，会涉及掌纹分割的步骤，现有技术的基于正方形的定位分割方法中，定位点不易确定、且同类图像ROI提取偏移度较大。
技术实现思路
为了解决现有的掌纹识别识别过程中，掌纹分割所具有的基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题，本专利技术提出了一种掌纹识别中的掌纹ROI分割方法，以更容易实现对于正方形的定位分割方法中定位点的确定，并且可以减小图像ROI提取偏移度，为了实现上述目的，本专利技术的技术方案是：一种掌纹识别中的掌纹ROI分割方法，包括如下步骤：S1.选取拟合直线；S2.图像矫正和掌纹的ROI分割。进一步的，在图像中选取一条稳定的直线作为ROI分割的参考方向，针对轮廓图第一象限的边缘点采用最小二乘法拟合出一条直线。进一步，确定ROI的中心点，以谷点M1为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角度的点M2′，取线段M1M2′的中点O，做 直线M1M2′的垂直平分线，并在垂直平分线的右侧区域找到固定长度R的点O1，则点O1就在手掌的中心区域内，最后以点O1为ROI的中心点，截取128×128的正方形区域作为图像的ROI，所述所述正方形的其中两条边平行于拟合直线L。进一步的，拟合直线的步骤是：设直线的方程表达式为：y＝kx+b (1)根据手掌边缘轮廓的测量值求出直线在y轴上的截距b和直线斜率k，(xi,yi)为手掌边缘轮廓的测量值的坐标，b0、k0为b、k的近似值，令：b＝b0+δbk＝k0+δk其中，δb和δk是斜率和截距的偏差；以y作为因变量，以x为自变量,误差方程为：误差方程的矩阵表达式为：AδX＝L+V其中由最小二乘法准则VTV＝min即其最小二乘解为：以此得出k、b的值，带入公式1即得拟合方程和拟合直线。有益效果：算法解决了基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题，这种图像分割算法还降低了图像采集时图像旋转和平移的影响。算法是用简单方法解决复杂问题，与现有的其他方法相比达到相同效果的情况下，算法不仅节约时间而且更易于实现，且提取的ROI偏移度更小，算法可靠，更具有实用性。附图说明图1是本专利技术处理的手形图像及手型特征点位置示意图；图2是本专利技术圆盘算法原理图；图3是本专利技术手形局部分块示意图；图4是掌纹图像及ROI分割图。具体实施方式实施例1：掌纹识别中最重要的步骤就是掌纹感兴趣区(ROI)的分割，针对原有算法的缺陷，提出一种基于特定部位直线拟合的ROI分割方法。手掌的轮廓线会随着手指张开的程度变化，而手掌小拇指一侧的边缘区域的轮廓线不会随手指张开程度的变化而变化。根据这一特点，针对手掌轮廓特定的边缘点采用最小二乘法拟合出一条直线L。以直线L为基准，以图4(a)中两指谷点M1、M2为参考点，分别做两条平行于直线L的直线ab和直线cd；以点M1、M2的中点做平行于直线L的直线OO1，通过点M1做垂直于L的直线，该直线于直线cd交点为M2′，于直线OO1交点为O1，以点O为基准，确定某一长度在直线OO1上截取，确定点O1。以点O1为中心，确定截取长度，分别在平行于和垂直于直线L的方向对图像进行分隔，获得掌纹ROI，如图4(a)所示。本实施例记载了一种掌纹识别过程中的掌纹ROI分割方法，包括如下步骤：1)选取拟合直线首先在图像中选取一条稳定的直线作为ROI分割的参考方向。通过对图像的分析发现，在采集图像时，虽然存在手指张开的随意性，但手掌小拇指一侧的后边缘区域的轮廓线变化很小，根据这一特点，针对轮廓图第一象限的边缘点采用最小二乘法拟合出一条直线。设直线的方程表达式为：y＝kx+b (1)根据手掌边缘轮廓的测量值求出最佳的b(直线在y轴上的截距)和k(直线斜率)。(xi,yi)为手掌边缘轮廓的测量值的坐标，b0、k0为b、k的近似值。令：b＝b0+δbk＝k0+δk以y作为因变量，以x为自变量,误差方程为：其中，δb和δk是斜率和截距的偏差；误差方程的矩阵表达式为：AδX＝L+V其中由最小二乘法准则(min代表最小值)VTV＝min即其最小二乘解为：从而得出a、b的值，带入公式1即得拟合方程，如图4(a)中直线L就是所求拟合直线。2)图像校正和掌纹的ROI分割对掌纹图像进行以上处理后，开始确定ROI的中心点。为减小同一个人图像中心点的偏移问题采用如下方法。如图4(a)所示，以谷点M1为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角度(实验中取的90度)的点M2′。取线段M1M2′的中点O，做直线M1M2′的垂直平分线，并在垂直平分线的右侧区域找到固定长度R(其中)的点O1，则点O1就在手掌的中心区域内，最后以点O1为ROI的中心点，截取128×128的正方形(其中两条边平行于拟合直线L)区域作为图像的ROI。图4(b)是改进算法对特殊图像的分割的实验仿真图。本实施例针对现有方法中的不足提出了一种新的定位分割算法，算法解决了基于正方形的定位分割方法中定位点不易确定和同类图像ROI提取偏移度较大问题，这种图像分割算法还降低了图像采集时图像旋转和平移的影响。算法是用简单方法解决复杂问题，与现有的其他方法相比达到相同效果的情况下，算法不仅节约时间而且更易于实现，且提取的ROI偏移度更小，算法可靠，更具有实用性。实施例2：本实施例公开了一种基于手形和掌纹的多模态生物识别方法，其中，手形识别包括手形轮廓提取、特征点定位、特征量分析等几个主要部分。而掌纹识别一般包括掌纹提取、掌纹信息分析等几个主要部分，其中掌纹提取中，会涉及掌纹分割的步骤。对于掌纹的部分，如实施例1中技术方案的记载，而对于手形部分的记载，请参见下述方案。此外，所述的手形部分的记载，可以为掌纹部分记载的上级步骤或下级步骤，作为掌纹ROI分割方法的一部分。对手形图像做灰度处理，进行灰度增强；确定分割阈值，对图像进行二值化；通过边界跟踪，提取手形轮廓如图1所示。通过对图2的分析，以轮廓线上某点 为圆心，以R为半径，圆内既有属于目标区域像素点也有属于背景区域像素点。可以看出当圆盘在直线上移动时，在圆盘内有些目标区域和背景区域的点在圆心的上方，有些在圆心的下方。而当圆盘转到上凸区域的拐点时，在圆盘内目标区域的所有点都在圆心点的下方，当圆盘转到下凸区域的拐点时，在圆盘内背景区域的所有点都在圆心点的上方。基于以上理本文档来自技高网...

【技术保护点】
一种掌纹识别中的掌纹ROI分割方法，其特征在于：包括如下步骤：S1.选取拟合直线；S2.图像矫正和掌纹的ROI分割。

【技术特征摘要】
1.一种掌纹识别中的掌纹ROI分割方法，其特征在于：包括如下步骤：S1.选取拟合直线；S2.图像矫正和掌纹的ROI分割。2.如权利要求1所述的掌纹识别中的掌纹ROI分割方法，步骤S1的步骤特征如下：在图像中选取一条稳定的直线作为ROI分割的参考方向，针对轮廓图第一象限的边缘点采用最小二乘法拟合出一条直线。3.如权利要求1所述的掌纹识别中的掌纹ROI分割方法，步骤S2的步骤特征如下：确定ROI的中心点，以谷点M1为固定点，在点M2所在行上寻找使直线M1M2与拟合直线L成固定角度的点M2′，取线段M1M2′的中点O，做直线M1M2′的垂直平分线，并在垂直平分线的右侧区域找到固定长度R的点O1，则点O1就在手掌的中心区域内，最后以点O1为ROI的中心点，截取128×128的正方形区域作为图像的ROI，所述所述正方形的其中两条边平行于拟合直线L。4.如权利要求2所述的掌纹识别中的掌纹ROI分割方法，其特征在于，拟合直线的步骤是：设直线的方程表达式为：y＝kx+b (1)根据手掌边缘轮廓的测量值求出直线在y轴上的截距b和直线斜率k，(xi,yi)为手掌边缘轮廓的测量值的坐标，b0、k0为b、k的近似值，令：b＝b0+δbk＝k0+δk其中，δb和δk是斜率和截距的偏差；以y作为因变量，以x为自变量,误差方程为： v y i = x i 1 δ b δ k + ( b 0 x i + k 0 - y i ) ]]>误差方程的矩阵表达式为：AδX＝L+V其中 A = x 1 1 x 2 1 . . . . . . x n 1 , L = b 0 x 1 + k 0 - y 1 ...

【专利技术属性】
技术研发人员：张秀峰，关持循，王娟，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：辽宁;21