一种确定手掌图像中心区域的方法技术

本发明专利技术提供一种确定手掌图像中心区域的方法，包括采用自然光

【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 Efficient Palm Vein Region of Interest Extraction Method”,International Conference on Advanced Technologies for Signal and Image Processing,2020:IVP
‑
54.
[0009]文献[1]中提出的ROI提取方法采用Harris方法检测角点，会产生冗余的角点，导致手指凹点的检测鲁棒性较差，并且没有采用到近红外传感器生成的图像，手掌图像阈值化需要人工设定阈值，二值化手掌区域效果较差。
[0010]文献[2]中提出利用手指间凹点计算三角形外接圆的方式求取手掌中心区域，缺点是手指凹点的检测精度对后续圆形手掌区域的影响较大，并且文中采用的是Harris方法检测手指凹点，结果受光照和手掌姿态影响严重。
[0011]文献[3]中手掌中心的方形区域高度和宽度都是手动设定的，对于不同的手掌中心区域一致性较差。
[0012]文献[4]中采用固定方向差分的方式计算手指间关键点，其没有采用到近红外传感器，所以得到的手掌二值化区域效果较差，并且该方法对手掌朝向敏感。
[0013]文献[5]中提出的手掌区域确定方法需要选取控制点分三种情况来确定手指间凹点，复杂度较高，并且手掌中心方形区域的宽度和高度需要人工选取，存在改进空间。
[0014]综上所述，现有技术中的手掌中心区域确定方法的鲁棒性和准确率均待提高。

技术实现思路

[0015]为了克服现有技术的不足，本专利技术提出了一种新的手掌中心区域确定方法。
[0016]一种确定手掌图像中心区域的方法，包括以下步骤：
[0017](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；
[0018](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；
[0019](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；
[0020](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。
[0021]上述步骤(1)中，首先开启自然光光源采集一张手掌图像，然后同时开启自然光光源和近红外光光源采集一张手掌图像，用后者减去前者得到差值图像。值得注意的是，不同光源下采集的手掌图像为手掌处于同一姿态下的图像。
[0022]由于手掌距离镜头较近，且背景的近红外光+自然光所采集的图像与只使用自然光采集的图像之间的差别较小，所以用自然光+近红外光采集的图像减去自然光采集的图像可以更加鲁棒、准确地得到手掌区域的二值化图像。
[0023]采用该技术方案，避免了直接采用自然光图像进行二值化涉及到阈值的选取过程，对于不同的光照条件，需要设置不同的阈值，否则会导致所提取的二值化手掌图像不准确(即过分割或欠分割)的问题。
[0024]步骤(3)中求取手掌区域中心点也可以在步骤(4)中旋转二值化图像之后进行。
[0025]作为优选，步骤(1)中，所述预处理包括以下步骤：
[0026]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。作为进一步优选，所述阈值化处理包括以下步骤：
[0027]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。
[0028]作为更进一步优选，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：
[0029]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；反之，则当前像素点不是边缘点；
[0030]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；反之，则该边缘点不是角点。
[0031]作为优选，步骤(2)中，采用聚类法确定四个指根凹点，包括以下步骤：
[0032]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；
[0033]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。
[0034]上述重复上述步骤具体为：继续从主集合中选取第二个角点，将该第二个角点以及与其距离小于设定阈值的角点存入第二个子集合中，并将第二个子集合中的所有角点从主集合中删除；如此重复操作，直至主集合为空，得到多个子集合。
[0035]保留子集合中角点个数排列前四的四个子集合应理解为将所有子集合按照角点个数从多到少进行排序，保留排列前四的四个子集合，并进行后续操作。
[0036]作为优选，步骤(3)中，通过以下步骤对得到的四个指根凹点进行定位：
[0037]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
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
‑

【专利技术属性】
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：