CN116665258A - 一种手掌图像指缝分割方法 - Google Patents
一种手掌图像指缝分割方法 Download PDFInfo
- Publication number
- CN116665258A CN116665258A CN202310942998.6A CN202310942998A CN116665258A CN 116665258 A CN116665258 A CN 116665258A CN 202310942998 A CN202310942998 A CN 202310942998A CN 116665258 A CN116665258 A CN 116665258A
- Authority
- CN
- China
- Prior art keywords
- pixel
- point
- palm
- seam
- finger
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000011218 segmentation Effects 0.000 title claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 210000001145 finger joint Anatomy 0.000 claims description 14
- 210000003462 vein Anatomy 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 244000060701 Kaempferia pandurata Species 0.000 description 4
- 235000016390 Uvaria chamae Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种手掌图像指缝分割方法,属于生物识别技术领域,该方法通过在手掌图像中依次选取n*n的像素框,计算像素框中心点与像素框各边界点的像素差,计算像素框中心点与像素框各边界点的像素差的平均值,根据像素框的中心点的像素值、像素框中心点与像素框各边界点的像素差的平均值的大小、像素差绝对值最小的两个值对应的边界点与像素框中心点组成的夹角的大小判断像素框中心点是否为指缝预判点,再根据指缝预判点周围邻域范围内其它指缝预判点的个数判定该指缝预判点是否为指缝点,对手掌图像进行二值化处理得到手掌二值图,将指缝点映射到手掌二值图上进行像素变化,从而将指缝分割,进而准确定位手掌ROI区域,提高识别通过率。
Description
技术领域
本发明属于生物特征识别技术领域,尤其涉及一种手掌图像指缝分割方法。
背景技术
掌纹识别或者掌静脉识别过程中,需要根据指根凹点定位手掌的ROI区域。
比如授权公告号为CN103268483B的发明专利公布的一种开放式环境非接触采集下的掌纹识别方法,采用一种低分辨率的普通摄像头进行掌纹图像采集,要求人手自然张开、中指竖直向上放在摄像头前一定范围内,首先建立肤色模型将人手从复杂背景中提取出来;然后通过关键点定位找到指根点,并以此建立坐标系提取掌纹ROI;接着采用基于统计的纹理基元算法进行掌纹特征提取;最后利用余弦相似度进行特征匹配实现掌纹识别。
然而,采集设备实际采集掌纹或掌静脉过程中,因手掌放置具有任意性,采集到的掌纹或掌静脉图像经常为闭合手掌,因相邻的手指粘连,难以定位指根凹点,也就无法准确地定位手掌的ROI区域,严重影响识别的通过率。
发明内容
本发明的目的在于提供一种手掌图像指缝分割方法,以解决当采集手掌图像时,因手掌闭合导致的难以定位手掌ROI区域,进而影响识别通过率的问题。
为解决上述技术问题,本发明提供的技术方案为:
本发明涉及一种手掌图像指缝分割方法,其包括以下步骤:
步骤1.采集用户的手掌图像,并计算手掌图像的像素平均值th1;
步骤2.选取n*n的像素框,像素框的中心点的像素值为I 0;
步骤3.比较像素框中心点的像素值和手掌图像的像素平均值,若I 0>th1,判定该像素框的中心点不是指缝点,返回步骤2,若I 0≤th1,进行下一步判断;
步骤4.分别计算像素框中心点与像素框各边界点的像素差;
步骤5.计算像素框中心点与像素框各边界点的像素差的平均值AveD;
步骤6.设置平均值阈值th2,若AveD>th2,则判定该像素框的中心点不是指缝点,返回步骤2,若AveD≤th2,则进行下一步骤;
步骤7.取步骤4中像素差绝对值最小的两个值对应的边界点,并与像素框中心点组成夹角,夹角角度为α,设定夹角阈值th3,若α>th3,则判定像素框中心点为指缝预判点,否则,判定像素框中心点不为指缝点;
步骤8.对手掌图像全图重复步骤2~步骤7,确定所有指缝预判点;
步骤9.基于指缝预判点周围(n+2)*(n+2)邻域范围内其它指缝预判点的个数判定该指缝预判点是否为指缝点;
步骤10. 对手掌图像进行二值化处理得到手掌二值图,将指缝点映射到手掌二值图上进行像素变化,从而将指缝分割。
优选地,所述的步骤4中,分别计算像素框各边界点与像素框中心点的像素差的计算公式为:
,
公式中,I 0为像素框中心点的像素值,I i为任意一个像素框边界点的像素值,dI i为像素框中心点与任意一个像素框边界点的像素值的差,n为像素框的宽,i为第i个像素框边界点。
优选地,所述的步骤5中,像素框各边界点与像素框中心点的像素差的平均值AveD的计算公式为:
。
优选地,所述的步骤6中,平均值阈值th2取-5。
优选地,所述的步骤7中,像素差绝对值最小的两个值对应的边界点与像素框中心点的夹角角度α的计算公式为:
,
公式中,x 1、y 1表示其中一个与像素框中心点的像素差绝对值最小的边界点的横、纵坐标,x 2、y 2表示另一个与像素框中心点的像素差绝对值最小的边界点的横、纵坐标,x 0、y 0表示像素框中心点的横、纵坐标。
优选地,所述的步骤7中,夹角阈值th3取150°。
优选地,所述的步骤9中,当指缝预判点周围(n+2)*(n+2)邻域范围内其它指缝预判点的个数N满足(n+2)/2<N<n+2时,判定该指缝预判点为指缝点。
优选地,所述步骤10中将指缝点映射到手掌二值图上进行像素变化为:若指缝点在手掌二值图上对应的像素点的像素值为1,则将其像素值调整为0。
优选地,所述的步骤1中采集的手掌图像为掌纹图像或掌静脉图像。
与现有技术相比,本发明的有益技术效果如下:
本发明涉及的手掌图像指缝分割方法通过在手掌图像中依次选取n*n的像素框,计算像素框各边界点与像素框中心点的像素差,计算像素框各边界点与像素框中心点的像素差的平均值,根据像素框的中心点的像素值、像素框各边界点与像素框中心点的像素差的平均值的大小、像素差绝对值最小的两个值对应的边界点与像素框中心点组成夹角大小判断像素框中心点是否为指缝预判点,再根据指缝预判点周围邻域范围内其它指缝预判点的个数判定该指缝预判点是否为指缝点,对指缝点在二值图上对应的像素点进行像素变化操作,从而将指缝分割,进而准确定位手掌ROI区域,提高识别通过率。
附图说明
图1为本发明涉及的手掌图像指缝分割方法的流程图。
具体实施方式
下面通过具体实施例,对本发明的技术方案作进一步具体的说明,实施例是对本发明的说明而作,不是对本发明的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明涉及一种手掌图像指缝分割方法,其包括以下步骤:
步骤1.采集用户的手掌图像,手掌图像可以是掌纹图像,也可以是掌静脉图像;累加所采集到手掌图像每个像素点的像素值,统计像素点总数,将累加得到的像素值除以像素点总数,得出整幅手掌图像的像素平均值th1;
步骤2.在手掌图像中选取n*n的像素框,可以是3*3的像素框、5*5的像素框等奇数像素框,像素框的中心点的像素值为I 0;
步骤3.比较像素框中心点的像素值和手掌图像的像素平均值,由于光散射的作用,指缝点的像素值通常低于周围像素点的像素值,因此指缝点的像素值通常小于手掌图像的平均像素值,因此,若I 0>th1,判定该像素框的中心点不是指缝点,返回步骤2,若I 0≤th1,进行下一步判断;
步骤4.分别计算像素框中心点与像素框各边界点的像素差,计算公式为:
,
公式中,I 0为像素框中心点的像素值,I i为任意一个像素框边界点的像素值,dI i为像素框中心点与任意一个像素框边界点的像素值的差,n为像素框的宽,i为第i个像素框边界点;
步骤5.计算像素框中心点与像素框各边界点的像素差的平均值AveD,计算公式为:
;
步骤6.如上所述,指缝点的像素值低于手掌图像上其它像素点的像素值,因此若是指缝点,则其与其它像素点的像素值差小于等于0,因此平均值AveD小于0,本发明中设置平均值阈值th2,且th2根据实际图像跑批结果取-5,若AveD>th2,则判定该像素框的中心点不是指缝点,返回步骤2,若AveD≤th2,则进行下一步骤;
步骤7.取步骤4中像素差绝对值最小的两个值对应的边界点,并与像素框中心点组成夹角,夹角角度为α,夹角角度α的计算公式为:
,
公式中,x 1、y 1表示其中一个与像素框中心点的像素差绝对值最小的边界点的横、纵坐标,x 2、y 2表示另一个与像素框中心点的像素差绝对值最小的边界点的横、纵坐标,x 0、y 0表示像素框中心点的横、纵坐标;
根据指缝点的像素值低于手掌图像中其它像素点的像素值,可知像素差绝对值最小的两个值对应的边界点应该分别是中心点上方的指缝点和中心点下方的指缝点,且指缝近似呈一条直线,因此两个指缝点与中心点应当近似呈180度,本发明中设定夹角阈值th3,th3根据实际图像跑批结果取150°,若α>th3,则判定像素框中心点为指缝预判点,否则,判定像素框中心点不为指缝点;
步骤8.对手掌图像全图重复步骤2~步骤7,确定所有指缝预判点;
步骤9.基于指缝预判点周围(n+2)*(n+2)邻域范围内其它指缝预判点的个数判定该指缝预判点是否为指缝点,因指缝近似呈一条直线,因此在指缝点的(n+2)*(n+2)邻域内应该有多个指缝点,因此可以根据指缝预判点周围的指缝预判点个数判断其是否为指缝点,本发明具体的判断方法是:当指缝预判点周围(n+2)*(n+2)邻域范围内其它指缝预判点的个数N满足(n+2)/2<N<n+2时,判定该指缝预判点为指缝点,否则,认定该指缝预判点不为指缝点;
步骤10.对手掌图像进行二值化处理得到手掌二值图,二值化处理属于本领域的公知的技术方案,本实施例不再详细阐述,然后将指缝点映射到手掌二值图上进行像素变化,具体方法为:首先判断指缝点在手掌二值图上对应的像素点的像素值是否为1,若是则将其像素值调整为0,从而将指缝分割。因采集设备实际采集掌纹或掌静脉过程中,因手掌放置具有任意性,采集到的掌纹或掌静脉图像经常为闭合手掌,因相邻的手指粘连,因此在二值化处理的过程中,相邻的手指会被当成一个连通域难以将指缝分割,本发明首先找到指缝点,在将指缝点映射到手掌二值图上进行像素变化,最终实现指缝分割。
基于上述指缝分割的手掌图像二值图,可以定位到指根凹点,便于提取手掌图像的ROI区域,基于ROI区域进行掌纹图像识别或掌静脉图像识别。提取手掌图像的ROI区域、掌纹图像、掌静脉图像识别的方法不是本发明想要保护的内容,可运用本领域中公知的任意一种方法进行ROI区域、以及掌纹、掌静脉图像识别,此处不再详细阐述。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种手掌图像指缝分割方法,其特征在于:其包括以下步骤:
步骤1.采集用户的手掌图像,并计算手掌图像的像素平均值th1;
步骤2.选取n*n的像素框,像素框的中心点的像素值为I 0;
步骤3.比较像素框中心点的像素值和手掌图像的像素平均值,若I 0>th1,判定该像素框的中心点不是指缝点,返回步骤2,若I 0≤th1,进行下一步判断;
步骤4.分别计算像素框中心点与像素框各边界点的像素差;
步骤5.计算像素框中心点与像素框各边界点的像素差的平均值AveD;
步骤6.设置平均值阈值th2,若AveD>th2,则判定该像素框的中心点不是指缝点,返回步骤2,若AveD≤th2,则进行下一步骤;
步骤7.取步骤4中像素差绝对值最小的两个值对应的边界点,并与像素框中心点组成夹角,夹角角度为α,设定夹角阈值th3,若α>th3,则判定像素框中心点为指缝预判点,否则,判定像素框中心点不为指缝点;
步骤8.对手掌图像全图重复步骤2~步骤7,确定所有指缝预判点;
步骤9.基于指缝预判点周围(n+2)*(n+2)邻域范围内其它指缝预判点的个数判定该指缝预判点是否为指缝点;
步骤10.对手掌图像进行二值化处理得到手掌二值图,将指缝点映射到手掌二值图上进行像素变化,从而将指缝分割。
2.根据权利要求1所述的手掌图像指缝分割方法,其特征在于:所述的步骤4中,分别计算像素框各边界点与像素框中心点的像素差的计算公式为:
,
公式中,I 0为像素框中心点的像素值,I i为任意一个像素框边界点的像素值,dI i为像素框中心点与任意一个像素框边界点的像素值的差,n为像素框的宽,i为第i个像素框边界点。
3.根据权利要求2所述的手掌图像指缝分割方法,其特征在于:所述的步骤5中,像素框各边界点与像素框中心点的像素差的平均值AveD的计算公式为:
。
4.根据权利要求2所述的手掌图像指缝分割方法,其特征在于:所述的步骤6中,平均值阈值th2取-5。
5.根据权利要求1所述的手掌图像指缝分割方法,其特征在于:所述的步骤7中,像素差绝对值最小的两个值对应的边界点与像素框中心点的夹角角度α的计算公式为:
,
公式中, x 1、y 1表示其中一个与像素框中心点的像素差绝对值最小的边界点的横、纵坐标, x 2、y 2表示另一个与像素框中心点的像素差绝对值最小的边界点的横、纵坐标, x 0、y 0表示像素框中心点的横、纵坐标。
6.根据权利要求5所述的手掌图像指缝分割方法,其特征在于:所述的步骤7中,夹角阈值th3取150°。
7.根据权利要求5所述的手掌图像指缝分割方法,其特征在于:所述的步骤9中,当指缝预判点周围(n+2)*(n+2)邻域范围内其它指缝预判点的个数N满足(n+2)/2<N<n+2时,判定该指缝预判点为指缝点。
8.根据权利要求1所述的手掌图像指缝分割方法,其特征在于,所述步骤10中将指缝点映射到手掌二值图上进行像素变化为:若指缝点在手掌二值图上对应的像素点的像素值为1,则将其像素值调整为0。
9.根据权利要求1所述的手掌图像指缝分割方法,其特征在于:所述的步骤1中采集的手掌图像为掌纹图像或掌静脉图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310942998.6A CN116665258B (zh) | 2023-07-31 | 2023-07-31 | 一种手掌图像指缝分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310942998.6A CN116665258B (zh) | 2023-07-31 | 2023-07-31 | 一种手掌图像指缝分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116665258A true CN116665258A (zh) | 2023-08-29 |
CN116665258B CN116665258B (zh) | 2023-10-20 |
Family
ID=87710041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310942998.6A Active CN116665258B (zh) | 2023-07-31 | 2023-07-31 | 一种手掌图像指缝分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116665258B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117133027A (zh) * | 2023-10-26 | 2023-11-28 | 江苏圣点世纪科技有限公司 | 一种复杂背景下掌静脉识别中手掌边界分割方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268483A (zh) * | 2013-05-31 | 2013-08-28 | 沈阳工业大学 | 开放式环境非接触采集下的掌纹识别方法 |
CN105512656A (zh) * | 2014-09-22 | 2016-04-20 | 郭进锋 | 采集手掌静脉图像的方法 |
CN113936307A (zh) * | 2021-12-17 | 2022-01-14 | 北京圣点云信息技术有限公司 | 一种基于薄膜传感器的静脉图像识别方法及装置 |
CN114783010A (zh) * | 2022-06-22 | 2022-07-22 | 北京圣点云信息技术有限公司 | 一种掌纹图像感兴趣区域提取方法 |
-
2023
- 2023-07-31 CN CN202310942998.6A patent/CN116665258B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268483A (zh) * | 2013-05-31 | 2013-08-28 | 沈阳工业大学 | 开放式环境非接触采集下的掌纹识别方法 |
CN105512656A (zh) * | 2014-09-22 | 2016-04-20 | 郭进锋 | 采集手掌静脉图像的方法 |
CN113936307A (zh) * | 2021-12-17 | 2022-01-14 | 北京圣点云信息技术有限公司 | 一种基于薄膜传感器的静脉图像识别方法及装置 |
CN114783010A (zh) * | 2022-06-22 | 2022-07-22 | 北京圣点云信息技术有限公司 | 一种掌纹图像感兴趣区域提取方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117133027A (zh) * | 2023-10-26 | 2023-11-28 | 江苏圣点世纪科技有限公司 | 一种复杂背景下掌静脉识别中手掌边界分割方法 |
CN117133027B (zh) * | 2023-10-26 | 2024-02-09 | 江苏圣点世纪科技有限公司 | 一种复杂背景下掌静脉识别中手掌边界分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116665258B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340824B (zh) | 一种基于数据挖掘的图像特征分割方法 | |
CN106023151B (zh) | 一种开放环境下中医舌象目标检测方法 | |
CN112232332B (zh) | 一种基于视频序列的非接触式手掌检测方法 | |
CN108615239B (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
CN103679136B (zh) | 基于局部宏观特征和微观特征结合的手背静脉身份识别方法 | |
CN116665258B (zh) | 一种手掌图像指缝分割方法 | |
CN104766316B (zh) | 中医望诊中新型嘴唇分割算法 | |
CN108009472A (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
CN107729820A (zh) | 一种基于多尺度hog的手指静脉识别方法 | |
CN111507206A (zh) | 一种基于多尺度局部特征融合的手指静脉识别方法 | |
CN107066952A (zh) | 一种车道线检测方法 | |
CN108629762B (zh) | 一种骨龄评测模型减少干扰特征的图像预处理方法及*** | |
CN108921813A (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN110751029B (zh) | 基于最大曲率自适应指静脉纹路提取方法 | |
CN114863493B (zh) | 一种低质量指纹图像和非指纹图像的检测方法及检测装置 | |
CN112699845A (zh) | 一种在线非接触手掌静脉感兴趣区域提取方法 | |
CN107180422A (zh) | 一种基于词袋特征的标贴破损检测方法 | |
CN104933723B (zh) | 基于稀疏表示的舌图像分割方法 | |
Gonçalves et al. | Automatic system for counting cells with elliptical shape | |
CN105930811A (zh) | 基于图像处理的手掌纹理特征检测方法 | |
Lin et al. | Image segmentation based on edge detection and region growing for thinprep-cervical smear | |
Jarjes et al. | GVF snake-based method for accurate pupil contour detection | |
Wang et al. | A novel finger vein pattern extraction method using oriented filtering technology | |
CN108205814B (zh) | 彩色图像的黑白轮廓生成方法 | |
Fernandez et al. | Fingerprint core point detection using connected component approach and orientation map edge tracing approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |