【技术实现步骤摘要】
一种确定手掌图像中心区域的方法
[0001]本专利技术属于计算机视觉
,具体涉及一种确定手掌图像中心区域的方法。
技术介绍
[0002]手掌图像中心区域的确定是掌纹和掌静脉图像识别的首要步骤,其决定了后续掌纹和掌静脉特征的具体数值,对识别准确率有重要影响。现有的手掌定位算法大多采用Harris角点来提取手指关键点,进而根据经验值选取手掌中心区域,其存在鲁棒性较差、受光照影响较大的问题,定位鲁棒性和准确率有待改进和提高。
[0003]以下现有技术文献与本专利技术相关:
[0004][1]陈典典等,基于Harris角点检测和聚类算法的手掌图像ROI提取方法.光学仪器,2018,40卷5期:27
‑
34.
[0005][2]匡智奇等,手掌角点检测及掌纹区域确定的新方法.计算机与现代化,2012,总第205期2012年第9期:123
‑
126.
[0006][3]尚丽等,一种新的掌纹ROI图像定位方法.激光与红外,2012,42卷7期:815
‑
820.
[0007][4]Koichi Ito et al.“Palm Region Extraction for Contactless Palmprint Recognition”,International Conference on Biometrics,2015:334
‑
340.
[0008][5]Amira Oueslati et al,“An ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种确定手掌图像中心区域的方法,其特征在于,包括以下步骤:(1)对分别采集的自然光光源、自然光
‑
近红外光组合光源下的手掌图像作差,后预处理,得二值化手掌图像;(2)求取二值化手掌图像的边缘点,并提取角点,采用聚类法确定二值化手掌图像中的四个指根凹点;(3)对上述四个指根凹点进行定位,并以定位后的指根凹点为关键点,求取手掌区域的中心线和中心点;(4)旋转二值化手掌图像使中心线水平,根据旋转后图像中关键点及中心点坐标确定所述手掌图像中心区域。2.根据权利要求1所述的确定手掌图像中心区域的方法,其特征在于,步骤(1)中,所述预处理包括以下步骤:对作差后得到的差值图像进行阈值化处理,保留其中面积最大的连通域并对最大的连通域中的空洞进行填充,得到二值化手掌图像。3.根据权利要求2所述的确定手掌图像中心区域的方法,其特征在于,所述阈值化处理包括以下步骤:对于差值图像中的所有像素点,将其与一设定阈值作比较,若该像素点的像素值大于或等于该阈值,则置该像素点的值为1,若像素值小于该阈值,则置该像素点的值为0。4.根据权利要求3所述的确定手掌图像中心区域的方法,其特征在于,步骤(2)中,求取二值化手掌图像的边缘点,并提取角点包括以下步骤:选取二值化手掌图像中任一值为1的像素点为当前像素点,对于当前像素点,若其8个相邻像素点中存在值为0的像素点,则当前像素点为边缘点;以二值化手掌图像上每个边缘点为中心,若该边缘点设定半径邻域内值为1的像素点个数占该邻域内所有像素点个数的比例大于设定阈值,则该边缘点为角点。5.根据权利要求1所述的确定手掌图像中心区域的方法,其特征在于,步骤(2)中,采用聚类法确定四个指根凹点,包括以下步骤:将所有角点存入主集合中,选取任一角点,将该角点以及与该角点距离小于设定阈值的角点存入子集合中,并将该子集合中的所有角点从主集合中删除;重复上述步骤,直至主集合为空,得到多个子集合,保留子集合中角点个数排列前四的四个子集合;计算每个子集合中所有角点的均值,得到每个子集合的类中心,即四个指根凹点。6.根据权利要求1所述的确定手掌图像中心区域的方法,其特征在于,步骤(3)中,通过以下步骤对得到的四个指根凹点进行定位:分别计算每个指根凹点与其它三个指根凹点之间的距离之和,其中与其它三个指根凹点之间的距离之和最大的指根凹点为大拇指
‑
食指凹点;对于其它三个指根凹点,按照与大拇指
‑
食指凹点的欧式距离从小到大依次为食指
‑
中指凹点、中指
‑
技术研发人员:徐晨,陶志刚,
申请(专利权)人:宁波芯然科技有限公司,
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。