本发明专利技术涉及一种针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，包括通过掌静脉识别装置初次采集用户手掌的掌静脉原始图像进行轮廓提取，确定图像的中心点并以该中心点的中心选取数个区域，判断各个区域是否全部包含在手掌轮廓内，若是，则进行平均灰度值的差值比例计算并与系统预设的比例阈值进行对比，调整相应区域的近红外LED功率，再次采集用户的掌静脉图像对该图像进行掌静脉特征提取处理；若否，则对用户进行需要放正手掌重新录入的提示操作，重复上述流程。采用了本发明专利技术的该种自适应提取处理的方法，通过确定手掌的倾斜程度，调整近红外LED的功率，使得照射到手掌的光强均匀，增强成像质量，提高掌静脉识别精度。提高掌静脉识别精度。提高掌静脉识别精度。
【技术实现步骤摘要】
针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法
[0001]本专利技术涉及生物识别领域，特别涉及掌静脉图像识别
，具体是指一种针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法。
技术介绍
[0002]人体的手掌静脉隐藏在表皮下，在可见光下无法拍摄，却可以在近红外光下拍摄，其结构复杂很难被复制，另外，进行掌静脉拍摄时需将手掌伸平，而人手在自然状态下处于半握拳状态，因此无法窃取拍摄掌脉图像，这使得掌脉成为安全性高的生物特征。
[0003]目前大多数的掌静脉识别中，掌静脉图像采集都是基于近红外光照射采集，但由于用户在使用过程中很难实现手掌表面与图像采集装置完全平行，手掌靠近图像采集装置的部分与近红外光源距离更近，手掌远离图像采集装置的部分与近红外光源距离更远。这样会导致即使增加了匀光装置，照射到手掌表面的近红外光仍分布不均，影响成像质量。
技术实现思路
[0004]本专利技术的目的是克服了上述现有技术的缺点，提供了一种缩小图像的亮暗差异，增强成像质量的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法。
[0005]为了实现上述目的，本专利技术的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法如下：
[0006]该针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其主要特点是，所述的方法包括以下步骤：
[0007](1)掌静脉识别装置初次采集用户手掌的掌静脉原始图像，并用Laplacian算子对该掌静脉原始图像进行轮廓提取，得到手掌轮廓；
[0008](2)确定所述的掌静脉原始图像的中心点，以该中心点为中心选取数个区域，所选取的所述的区域的数量对应于所述的掌静脉识别装置中用于采集掌静脉图像进行照明的近红外光LED的数量，且所选取的所述的区域共同形成与所述的近红外光LED的分布形状相对应的分布形状；
[0009](3)判断各个所述的区域是否全部包含在所述的手掌轮廓内，若是，则继续步骤(4)；若否，则对用户进行需要放正手掌重新录入的提示操作，并返回上述步骤(1)；
[0010](4)计算各个所述的区域的平均灰度值，并计算所有所述的区域的平均灰度值的总平均灰度值；
[0011](5)逐次计算各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例，并判断该差值比例是否大于系统预设的比例阈值，若是，则按照系统预设的功率降低比例值降低该相应区域所对应的近红外光LED的功率，并重复步骤(5)；若否，则继续步骤(6)；
[0012](6)逐次判断各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例是
否小于系统预设的比例阈值，若是，则按照系统预设的功率增加比例值增加该相应区域所对应的近红外光LED的功率，并重复步骤(6)，若否，则继续步骤(7)；
[0013](7)所述的掌静脉识别装置再次采集用户手掌的掌静脉原始图像，并针对该图像进行后续处理，以提取掌静脉特征。
[0014]较佳地，每个所选取的所述的区域均为5
×
5像素区域。
[0015]较佳地，所述的步骤(2)中的所选取的所述的区域的数量为8个，且呈环形分布。
[0016]较佳地，所述的步骤(4)中的计算所有所述的区域的平均灰度值的总平均灰度值，具体为：
[0017]根据以下公式计算所有所述的区域的平均灰度值的总平均灰度值b：
[0018]b＝(a1+a2+a3+a4+a5+a6+a7+a8)/8；
[0019]其中，a1、a2、a3、a4、a5、a6、a7、a8分别为各个所述的区域的平均灰度值。
[0020]较佳地，所述的步骤(5)中的计算各个区域的平均灰度值与总平均灰度值的差值比例，具体为：根据以下公式计算各个区域的平均灰度值a1、a2、a3、a4、a5、a6、a7、a8与总平均灰度值b的差值比例c
x
：
[0021]c
x
＝(a
x
－b)/b；
[0022]其中，a
x
分别为取a1、a2、a3、a4、a5、a6、a7、a8，x取1至8。
[0023]更佳地，所述的系统预设的比例阈值为10％。
[0024]较佳地，所述的系统预设的功率降低比例值为3％～7％。
[0025]更佳地，本专利技术所采用的所述的系统预设的功率降低比例值为5％。
[0026]较佳地，所述的系统预设的功率增加比例值为3％～7％。
[0027]更佳地，本专利技术所采用的所述的系统预设的功率增加比例值为5％。
[0028]采用了该专利技术中的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，通过判断采集到的掌静脉图像中各区域的灰度值去确定手掌的倾斜程度，从而调整近红外LED的功率，使得照射到手掌的光强均匀，缩小图像的亮暗差异，增强成像质量，提高掌静脉识别精度。
附图说明
[0029]图1为本专利技术的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法的流程图。
[0030]图2为本专利技术的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法中的掌静脉图像选取环形分布区域的示意图。
[0031]附图标记
[0032]1ꢀꢀ
掌静脉识别装置拍摄到的图像
[0033]2ꢀꢀ
采集到的手掌图像
[0034]3ꢀꢀ
选取的8个呈环形分布的区域
具体实施方式
[0035]为了能够更清楚地描述本专利技术的
技术实现思路
，下面结合具体实施例来进行进一步的描述。
[0036]请参阅图1所示，其为本专利技术的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法的流程图。其中，该针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其中，所述的方法包括以下步骤：
[0037](1)掌静脉识别装置初次采集用户手掌的掌静脉原始图像，并用Laplacian算子对该掌静脉原始图像进行轮廓提取，得到手掌轮廓；
[0038](2)确定所述的掌静脉原始图像的中心点，以该中心点为中心选取数个区域，所选取的所述的区域的数量对应于所述的掌静脉识别装置中用于采集掌静脉图像进行照明的近红外光LED的数量，且所选取的所述的区域共同形成与所述的近红外光LED的分布形状相对应的分布形状；
[0039](3)判断各个所述的区域是否全部包含在所述的手掌轮廓内，若是，则继续步骤(4)；若否，则对用户进行需要放正手掌重新录入的提示操作，并返回上述步骤(1)；
[0040](4)计算各个所述的区域的平均灰度值，并计算所有所述的区域的平均灰度值的总平均灰度值；
[0041](5)逐次计算各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例，并判断该差值比例是否大于系统预设的比例阈值，若是，则按照系统预设的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的方法包括以下步骤：(1)掌静脉识别装置初次采集用户手掌的掌静脉原始图像，并用Laplacian算子对该掌静脉原始图像进行轮廓提取，得到手掌轮廓；(2)确定所述的掌静脉原始图像的中心点，以该中心点为中心选取数个区域，所选取的所述的区域的数量对应于所述的掌静脉识别装置中用于采集掌静脉图像进行照明的近红外光LED的数量，且所选取的所述的区域共同形成与所述的近红外光LED的分布形状相对应的分布形状；(3)判断各个所述的区域是否全部包含在所述的手掌轮廓内，若是，则继续步骤(4)；若否，则对用户进行需要放正手掌重新录入的提示操作，并返回上述步骤(1)；(4)计算各个所述的区域的平均灰度值，并计算所有所述的区域的平均灰度值的总平均灰度值；(5)逐次计算各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例，并判断该差值比例是否大于系统预设的比例阈值，若是，则按照系统预设的功率降低比例值降低该相应区域所对应的近红外光LED的功率，并重复步骤(5)；若否，则继续步骤(6)；(6)逐次判断各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例是否小于系统预设的比例阈值，若是，则按照系统预设的功率增加比例值增加该相应区域所对应的近红外光LED的功率，并重复步骤(6)，若否，则继续步骤(7)；(7)所述的掌静脉识别装置再次采集用户手掌的掌静脉原始图像，并针对该图像进行后续处理，以提取掌静脉特征。2.根据权利要求1所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，每个所选取的所述的区域均为5
×
5像素区域。3.根据权利要求1所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的步骤(2)中的所选取的所述的区域的数量为8个，且呈环形分布。4.根据权利要求3所述的针...
【专利技术属性】
技术研发人员：顾宇峰，刘羽鸿，周启增，陈彤，胡红雷，陈轶斌，
申请(专利权)人：上海掌腾信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。