【技术实现步骤摘要】
一种非接触式掌纹图像质量评估方法、装置及智能终端
[0001]本专利技术涉及图像识别领域,具体涉及一种非接触式掌纹图像质量评估方法
、
装置及智能终端
。
技术介绍
[0002]掌纹识别技术能够根据人体手掌表面的生物特征
(
如表皮纹路
、
皱褶和斑点,皮下静脉分布等
)
自动地对用户的身份进行鉴别,具有身份核验速度快
、
客观准确等优点
。
掌纹识别技术中,采用皮下静脉信息进行身份鉴别的技术也叫做掌静脉识别
。
相比于接触式的掌纹识别,非接触式掌纹识别技术具有交互方式自然
、
卫生安全等特点,目前已经在生物特征识别领域得到广泛的应用
。
然而,由于非接触式自由的手掌识别方式带来了如手掌倾斜
、
手掌不平整
、
距离过近过远等问题;同时开放的识别环境,也存在复杂的外部光照及背景等问题,对掌纹识别的具体步骤,如感兴趣
(ROI)
区域定位
、
掌纹特征提取
、
特征匹配及识别,都造成了极大的影响
。
因此对图像质量评估是非常重要的
。
[0003]然而,现有的图像质量评估方法通常采用图像像素灰度值均值
、
方差信息,及局部区域的面积
、
周长等特征进行质量评估,质量特征过少,容易受到噪声影响,无法满足全局质量评估的鲁棒性需求,在 ...
【技术保护点】
【技术特征摘要】
1.
一种非接触式掌纹图像质量评估方法,其特征在于,所述方法包括:获取掌纹图像,并根据所述掌纹图像得到手掌区域;对所述手掌区域进行质量评估,得到掌纹质量指标,其中,所述掌纹质量指标用于反映手掌区域的亮度
、
清晰度及掌纹平展性;根据所述掌纹质量指标,得到掌纹图像质量
。2.
根据权利要求1所述的非接触式掌纹图像质量评估方法,其特征在于,所述获取掌纹图像,并根据所述掌纹图像得到手掌区域,包括:将所述掌纹图像输入图像语义分割网络进行语义分割,得到所述手掌区域
。3.
根据权利要求1所述的非接触式掌纹图像质量评估方法,其特征在于,所述根据所述手掌区域进行质量评估,得到掌纹质量指标,包括:对所述手掌区域进行图像像素层级质量评估,得到亮度评估指标和清晰度评估指标;提取所述手掌区域中的骨骼关节点,并根据所述骨骼关节进行手掌姿态评估,得到手掌中心区完整性指标
、
手掌中心区分辨率评估指标
、
手指伸展度指标和手掌平面度指标;根据所述亮度评估指标
、
清晰度评估指标
、
手掌中心区完整性指标
、
手掌中心区分辨率评估指标
、
手指伸展度指标和手掌平面度指标,得到所述掌纹质量指标
。4.
根据权利要求3所述的非接触式掌纹图像质量评估方法,其特征在于,所述对所述手掌区域进行手掌像素层级质量评估,得到亮度评估指标和清晰度评估指标,包括:将所述手掌区域划分成若干图像块;获取每个图像块的像素平均值;计算全部图像块的像素平均值的均值,得到光照程度评估指标;将所述光照程度评估指标减去每个图像块的像素平均值,得到差值,根据所述差值得到光照变化均匀性指标;根据所述光照程度评估指标和光照变化均匀性指标,得到所述亮度评估指标;根据预设的权重系数计算所述手掌区域中与每个像素点相邻的像素点的加权像素和;计算全部加权像素和的平均值,得到所述清晰度评估指标
。5.
根据权利要求3所述的非接触式掌纹图像质量评估方法,其特征在于,所述提取所述手掌区域中的骨骼关节点,并根据所述骨骼关节进行手掌姿态评估,得到手掌中心区完整性指标
、
手掌中心区分辨率评估指标
、
手指伸展度指标和手掌平面度指标,包括:提取所述手掌区域中的骨骼关节点;根据所述骨骼关节点的个数和位置,得到真实骨骼关键点集合;根据所述真实骨骼关键点集合和预设的骨骼关键点集合的包含关系,得到所述手掌中心区完整性指标;从所述骨骼关节点中提取第一关节点集合,并获取所述第一关节点集合中的关节点围成的凸形区域,其中所述第一关节点集合包括手腕根部关节点
、
五根手指根部关节点及大拇指第一关节;根据所述掌纹图像的面积和所述凸形区域的面积之间的比值,得到所述手掌中心区分辨率评估指标;根据所述骨骼关节点的位置,得到关节间距...
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。