JP7322980B2

JP7322980B2 - 画像処理装置、画像処理方法、及び、プログラム

Info

Publication number: JP7322980B2
Application number: JP2021577725A
Authority: JP
Inventors: 聡廣川
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2020-02-10
Filing date: 2020-02-10
Publication date: 2023-08-08
Anticipated expiration: 2040-02-10
Also published as: US20230186585A1; WO2021161375A1; JPWO2021161375A1

Description

本発明は、掌紋画像の処理に関する。

生体認証の一方法として、掌紋認証が知られている。掌紋認証では、特定の人物の掌紋画像における特徴点を抽出して掌紋データベースに記憶しておく。掌紋の照合時には、対象者の掌紋画像から特徴点を抽出し、掌紋データベースに登録されている人物の特徴点との類似度に基づいて、対象者が特定の人物と一致するか否かを判定する。特許文献１は、掌紋の特徴データを照合する手法を記載している。

特開２００４－３０１９１号公報

生体認証の一例である指紋認証においても、同様に指紋画像から特徴点の抽出が行われる。この際、特徴点を抽出する際の前処理として、指紋画像における不鮮明な領域を無効領域とし、鮮明な領域を有効領域とする処理（以下、「領域判定」と呼ぶ。）が行われる。さらに、前処理として、有効領域における隆線から芯線を抽出する作業（以下、「芯線抽出」と呼ぶ。）が行われる。「芯線」とは、指紋画像における隆線を幅が一定の線により表現したものである。こうして、指紋画像の有効領域から得られた芯線のデータに基づいて、特徴点が抽出される。指紋認証の場合、上記の領域判定及び芯線抽出の作業は、基本的に経験を積んだ作業者の人手により行われていた。

掌紋認証においても、特徴点を抽出して照合するという基本原理は指紋認証と同様であるので、上記のように特徴抽出の前処理として領域判定及び芯線抽出を行うことが望ましい。しかしながら、掌紋画像は指紋画像と比較して面積が広く、データ量が膨大であるため、指紋画像の場合のように人手により領域判定や芯線抽出を行うことは現実的には不可能であった。

本発明の１つの目的は、掌紋画像について、人手によらず、効率的に有効領域の判定及び芯線の抽出を行うことが可能な画像処理装置を提供することにある。

本発明の一つの観点は、画像処理装置であって、
指紋用モデルを用いて、前記分割画像と１８０度回転させた当該分割画像とにおける有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成する画像処理手段と、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する統合手段と、を備える。

本発明の他の観点は、画像処理方法であって、
掌紋画像を複数の分割画像に分割し、
指紋用モデルを用いて、前記分割画像と１８０度回転させた当該分割画像とにおける有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成し、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する。

本発明の他の観点は、プログラムであって、
掌紋画像を複数の分割画像に分割し、
指紋用モデルを用いて、前記分割画像と１８０度回転させた当該分割画像とにおける有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成し、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する処理をコンピュータに実行させる。

本発明によれば、掌紋画像について、人手によらず、効率的に有効領域の判定及び芯線の抽出を行うことが可能となる。

第１実施形態に係る掌紋データ生成装置の概要を示す。掌紋データ生成装置のハードウェア構成を示すブロック図である。掌紋データ生成装置の機能構成を示すブロック図である。掌紋画像を分割する例を示す。２つの隣接する分割画像の位置関係を模式的に示す。掌紋データ生成処理のフローチャートである。指紋用モデルによる領域判定結果の例を示す。分割画像を回転して画像処理する例を示す。斜めの疑似末節線を水平に修正した場合の画像処理の例を示す。第２実施形態に係る画像処理装置の機能構成を示すブロック図である。

以下、図面を参照して、本発明の好適な実施形態について説明する。
＜第１実施形態＞
［画像処理装置］
図１は、本発明の画像処理装置の第１実施形態に係る掌紋データ生成装置の概要を示す。掌紋データ生成装置１００には、掌紋を登録すべき人物の掌紋画像が入力される。掌紋データ生成装置１００は、入力された掌紋画像に対して画像処理を行い、画像処理後の掌紋画像を生成する。具体的に、掌紋データ生成装置１００は、掌紋画像における有効領域を判定し、有効領域における芯線を描画して画像処理後の掌紋画像を生成する。「有効領域」とは、掌紋の画像が明瞭な領域であり、掌紋認証において掌紋の照合に用いられる領域である。これに対し、掌紋の画像が不明瞭な領域を「無効領域」と呼ぶ。

次に、掌紋データ生成装置１００は、画像処理後の掌紋画像から特徴点を抽出し、特徴点を示す掌紋データを生成して掌紋データベース（以下、「データベース」を「ＤＢ」と記す。）に登録する。掌紋ＤＢ３に登録された掌紋データは、掌紋認証による人物の特定に使用される。即ち、対象者の掌紋画像から抽出された特徴点データと、掌紋ＤＢ３に登録済みの人物の掌紋データとが照合され、所定基準以上の一致が得られた場合に、対象者が登録済みの人物と判定される。

［ハードウェア構成］
図２は、掌紋データ生成装置１００のハードウェア構成を示すブロック図である。図示のように、掌紋データ生成装置１００は、入力ＩＦ（ＩｎｔｅｒＦａｃｅ）１１と、プロセッサ１２と、メモリ１３と、記録媒体１４と、データベース（ＤＢ）１５と、入力装置１６と、表示装置１７と、を備える。

入力ＩＦ１１は、データの入出力を行う。具体的に、入力ＩＦ１１は、掌紋画像を取得するとともに、その掌紋画像に基づいて掌紋データ生成装置１００が生成した掌紋データを出力する。

プロセッサ１２は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＧＰＵ（ＧｒａｐｈｉｃｓＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）などのコンピュータであり、予め用意されたプログラムを実行することにより、掌紋データ生成装置１００の全体を制御する。特に、プロセッサ１２は、後述する掌紋データ生成処理を行う。

メモリ１３は、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）などにより構成される。メモリ１３は、プロセッサ１２により実行される各種のプログラムを記憶する。また、メモリ１３は、プロセッサ１２による各種の処理の実行中に作業メモリとしても使用される。

記録媒体１４は、ディスク状記録媒体、半導体メモリなどの不揮発性で非一時的な記録媒体であり、掌紋データ生成装置１００に対して着脱可能に構成される。記録媒体１４は、プロセッサ１２が実行する各種のプログラムを記録している。

ＤＢ１５は、入力ＩＦ１１から入力される掌紋画像を記憶する。また、ＤＢ１５には、掌紋画像の有効領域を判定し、芯線を抽出する芯線抽出モデルを記憶する。この芯線抽出モデルは、指紋画像に対する芯線抽出モデルとして学習済みのモデルである。

入力装置１６は、例えばキーボード、マウス、タッチパネルなどであり、掌紋データ生成装置１００による処理に関連してユーザが必要な指示、入力を行う際に使用される。表示装置１７は例えば液晶ディスプレイなどであり、有効領域と無効領域の判定結果、描画された芯線などを表示する。

［機能構成］
図３は、掌紋データ生成装置１００の機能構成を示すブロック図である。掌紋データ生成装置１００は、画像分割部２１と、画像処理部２２と、統合部２３と、特徴点抽出部２４と、を備える。

画像分割部２１は、入力された掌紋画像を複数のブロックに分割する。図４は、掌紋画像を分割する例を示す。掌紋画像は、人の手のひら全体の画像である。画像分割部２１は、掌紋画像を所定のサイズの矩形のブロック（「分割画像」とも呼ぶ。）ＢＬに分割する。各分割画像ＢＬのサイズは、後述する画像処理部２２が画像処理の単位とするサイズである。ここで、画像処理部２２は、もともと指紋画像に対して有効領域の判定及び芯線の抽出を行うように学習された芯線抽出モデルを用いるため、各分割画像ＢＬのサイズは、この指紋用の芯線抽出モデル（以下、単に「指紋用モデル」とも呼ぶ。）が処理対象とする画像サイズ、即ち、通常の指紋画像とほぼ同様のサイズとするのが好適である。画像分割部２１は、分割により得られた分割画像ＢＬの各々を画像処理部２２に出力する。

ここで、図４に示すように、画像分割部２１は、隣接する分割画像ＢＬ同士が重なり領域ＯＶを有するように各分割画像ＢＬの領域を決定する。詳しくは、分割画像ＢＬは、図４の破線の分割画像ＢＬａに示すように、周囲の隣接する分割画像ＢＬとの重なり領域ＯＶを含む領域を有する。なお、掌紋画像の外周（４辺）に位置する分割画像ＢＬは、掌紋画像の外周以外の方向に重なり領域ＯＶを有する。重なり領域ＯＶを含むように掌紋画像を分割する理由は、各分割画像ＢＬの周辺部分における後段の画像処理の精度低下を防止するためである。通常、画像処理は隣接する画素を使用するが、画像の周辺部分（端部）では隣接する画素が存在しないため、画像処理の精度が低下する。そこで、画像分割部２１は、隣接する分割画像との重なり領域ＯＶを設けるように掌紋画像を分割する。なお、画像処理後の分割画像を統合する際の処理については後述する。

画像処理部２２は、画像処理部の一例であり、各分割画像ＢＬについて、有効領域を判定し、芯線を抽出する画像処理を行う。前述のように、画像処理部２２は、機械学習により得られた指紋用の学習済みモデルを使用する。即ち、指紋画像と、その指紋画像に対して経験者が正解付け（即ち、有効領域の判定と、芯線の抽出）を行って得た教師データ（正解データ）とを用いて、指紋用モデルが学習される。この芯線抽出モデルは、例えばニューラルネットワークを用いた機械学習により生成することができるが、これに限定されるものではない。画像処理部２２は、こうして学習済された指紋用モデルを使用して有効領域の判定及び芯線の抽出を行う。

統合部２３は、画像処理部２２による画像処理後の分割画像ＢＬを統合して、元の掌紋画像全体に対応する処理後全体画像を生成する。具体的には、統合部２３は、画像処理部２２が分割画像ＢＬ毎に抽出した有効領域及び芯線を統合して、元の掌紋画像全体に対応する有効領域及び芯線を示す処理後全体画像を生成する。ここで、図４を参照して説明したように、掌紋画像は、隣接する分割画像が重なり領域ＯＶを有するように分割されている。そこで、統合部２３は、各分割画像及び重なり領域ＯＶにおいて以下のように統合を行う。

図５は、２つの隣接する分割画像の位置関係を模式的に示す。いま、図５に示すように、左右に隣接する２つの分割画像Ａｘ、Ｂｘがあるとする。２つの分割画像Ａｘ、Ｂｘは、それぞれ幅ｄ１を有し、さらに幅ｄ２の重なり領域ＯＶを含むように生成される。即ち、左側の分割画像Ａｘは、幅ｄ１を有する領域Ａに対して、重なり領域分の幅ｄ２を付加して、幅（ｄ１＋ｄ２）の分割画像となっている。同様に、右側の分割画像Ｂｘは、幅ｄ１を有する領域Ｂに対して、重なり領域分の幅ｄ２を付加して、幅（ｄ１＋ｄ２）の分割画像となっている。こうして、分割画像Ａｘと分割画像Ｂｘの間には幅ｄ２の重なり領域ＯＶが形成されている。

画像処理部２２による画像処理は隣接する画素を使用するが、分割画像の端部では隣接する画素が存在しないため、画像処理の精度が低下する。そこで、図５の例では、本来幅ｄ１である領域Ａを幅ｄ２だけ拡大している。これにより、領域Ａの右端７１に沿った画素については、右側に拡大した分割画像Ａｘ内の画素、即ち、重なり領域ＯＶ内の画素用いて画像処理を行うので、精度の低下を防止できる。同様に、領域Ｂの左端７２に沿った画素については、左側に拡大した分割画像Ｂｘ内の画素、即ち、重なり領域ＯＶ内の画素を用いて画像処理を行うので、精度の低下を防止できる。このように、領域Ａ、Ｂに対して、幅ｄ２だけ拡大した分割画像Ａｘ、Ｂｘを用いることにより、端部の画像処理精度の低下を防止することができる。具体的に、統合部２３は、領域Ａについては画像処理部２２が分割画像Ａｘを用いて抽出した有効領域及び芯線を使用し、領域Ｂについては画像処理部２２が分割画像Ｂｘを用いて抽出した有効領域及び芯線を使用する。

一方、重なり領域ＯＶについては、統合部２３は、画像処理部２２が分割画像Ａｘを用いて抽出した有効領域及び芯線と、画像処理部２２が分割画像Ｂｘを用いて抽出した有効領域及び芯線とを合成して使用する。具体的には、画像処理部２２による画像処理のうち、有効領域の判定については、統合部２３は、分割画像ＡｘとＢｘで得られた有効領域のうち、より明瞭な方、具体的には、有効領域を規定する領域の画素値が大きい方を選択すればよい。一方、芯線の抽出については、統合部２３は、分割画像ＡｘとＢｘで抽出された芯線の濃度の平均値を使用すればよい。

なお、図５は、説明の便宜上、２つの分割画像が左右方向のみに重なる例を示しているが、実際には図４に示すように各分割画像ＢＬに対しては複数の方向（２～４方向）に隣接する分割画像ＢＬが存在する。よって、統合部２３は、全ての方向に存在する重なり領域ＯＶについて上記のような統合処理を行う。即ち、有効領域の判定としては、統合部２３は、各分割画像で得られた有効領域を規定する画素値のうち最大値を選択すればよい。また、芯線の抽出については、統合部２３は、各分割画像で抽出された芯線の濃度の平均値を使用すればよい。

特徴点抽出部２４は、統合部２３により統合された処理後全体画像から特徴点を抽出する。具体的に、特徴点抽出部２４は、処理後全体画像に含まれる芯線の端点、分岐点などを特徴点として抽出し、それら特徴点の位置及び方向を示す特徴点データを掌紋データとして、その掌紋画像の識別情報などと紐づけて掌紋ＤＢ３へ出力する。

［掌紋データ生成処理］
図６は、掌紋データ生成処理のフローチャートである。この処理は、図２に示すプロセッサ１２が予め用意されたプログラムを実行し、図３に示す各要素として動作することにより実現される。

まず、画像分割部２１は、入力された掌紋画像を複数の分割画像に分割する（ステップＳ１１）。次に、画像処理部２２は、個々の分割画像について、予め用意された学習済みの指紋用モデルを用いて画像処理を行い、有効領域と芯線を抽出する（ステップＳ１２）。なお、画像処理部２２は、掌紋画像から得られた全ての分割画像について画像処理を行い、有効領域と芯線を抽出した処理後分割画像を統合部２３へ出力する。

次に、統合部２３は、掌紋画像から得られた全ての処理後分割画像を統合し、掌紋画像全体に対応する処理後全体画像を生成する（ステップＳ１３）。次に、特徴点抽出部２４は、掌紋画像全体に対応する処理後全体画像から特徴点を抽出し、特徴点データを生成する（ステップＳ１４）。そして、特徴点抽出部２４は、特徴点データを掌紋データとして掌紋ＤＢ３に登録する（ステップＳ１５）。こうして、１つの掌紋画像について掌紋データが掌紋ＤＢ３に登録される。

［指紋モデルの特性の修正］
次に、指紋用モデルを使用する際に必要となる処理について説明する。通常、指紋認証においては、指の第１関節（指の先側から数えて１つ目の関節。以下、「末節」とも呼ぶ。）より上側の画像しか使用しない。即ち、指の末節より下側（手のひら側）の画像は使用しない。このため、指紋用モデルは、通常、末節より下側の領域を自動的に無効領域と判定するように学習されている。図７（Ａ）は、指紋用モデルによる指紋画像の領域判定結果の例を示す。図示のように、指紋画像に末節に相当する線状の領域が存在すると、指紋用モデルはそれより下側を自動的に無効領域と判定してしまう。

このため、指紋用モデルに対して掌紋画像の分割画像を入力した場合、分割画像に末節に類似する水平方向の線状の領域（以下、「疑似末節線」と呼ぶ。）が含まれると、指紋用モデルはそれより下側を自動的に無効領域と判定してしまい、その領域の芯線を抽出しないことがある。図７（Ｂ）は、指紋用モデルによる掌紋の分割画像の領域判定結果の例を示す。図７（Ｂ）の例では、分割画像ＢＬ内に疑似末節線があるため、それより下側の領域が全て無効領域と判定されている。

そこで、本実施形態では、元の分割画像（以下、「元画像」とも呼ぶ。）を１８０度回転した画像（以下、「回転画像」と呼ぶ。）を生成し、回転画像についても指紋用モデルを用いて画像処理を行う。図８は、分割画像を回転して画像処理する例を示す。画像処理部２２は、図８（Ａ）に示すように疑似末節線を含む元画像ＢＬについて、図８（Ｂ）に示すように元画像ＢＬを１８０度回転した回転画像ＢＬｘを生成する。そして、画像処理部２２は、図８（Ｃ）及び８（Ｄ）に示すように、元画像ＢＬと回転画像ＢＬｘのそれぞれに対して、指紋モデルを用いて領域判定及び芯線抽出を行う。こうすると、指紋用モデルは、図８（Ｃ）に示すように元画像ＢＬの疑似末節線より下側を無効領域と判定するが、その領域は図８（Ｄ）に示す回転画像ＢＬｘにおける疑似末節線の上側の領域と同一であり、指紋用モデルは回転画像ＢＬｘにおいてその領域を有効領域と判定する。よって、画像処理部２２は、元画像ＢＬから得られた有効領域及び芯線と、回転画像ＢＬｘから得られた有効領域及び芯線を合成して、分割画像（元画像）に対する有効領域及び芯線とすればよい。このように、回転画像についても領域判定及び芯線抽出を行うこととすれば、分割画像ＢＬに疑似末節線が含まれていても、領域判定と芯線抽出を正しく行うことができる。即ち、末節線より下側の領域を自動的に無効領域としてしまうという指紋モデルの特性を修正することができる。

具体的な方法として、第１の方法では、画像処理部２２は、分割画像ＢＬおける疑似末節線を検出し、分割画像ＢＬに疑似末節線が含まれる場合には元画像ＢＬと回転画像ＢＬｘの両方について画像処理を行い、含まれない場合には元画像ＢＬのみについて画像処理を行えばよい。基本的に、疑似末節線は、周囲よりも隆線の濃度が薄く、水平に近い角度の線状の領域として検出することができる。なお、実際に分割画像におけるどのような領域を疑似末節線として検出するかは、使用する指紋用モデルの特性を考慮して定めればよい。一方、第２の方法として、画像処理部２２は、分割画像ＢＬにおける疑似末節線の有無を検出せず、全ての分割画像ＢＬについて回転画像ＢＬｘを生成し、元画像ＢＬと回転画像ＢＬｘの両方について領域判定及び芯線抽出を行ってもよい。

なお、疑似末節線は基本的に水平に近い角度の線であるが、指紋用モデルの特性によっては、斜めの線状領域を疑似末節線と判定してしまうことも考えられる。その場合には、分割画像ＢＬに含まれる斜めの疑似末節線を水平に修正する処理を行ってもよい。図９は、斜めの疑似末節線を水平に修正した場合の画像処理の例を示す。図９（Ａ）に示すように、分割画像ＢＬが斜めの疑似末節線を含む場合、画像処理部２２は、まず、図９（Ｂ）に示すように、疑似末節線が水平になるように分割画像ＢＬを回転して分割画像ＢＬｙを生成する。さらに、画像処理部２２は、分割画像ＢＬｙを１８０度回転して回転画像ＢＬｚを生成する。そして、画像処理部２２は、指紋用モデルを用いて、分割画像ＢＬｙと回転画像ＢＬｚの両方に対して領域判定及び芯線抽出を行う。これにより、図９（Ｃ）に示すように、分割画像ＢＬｙから疑似末節線の上側についての有効領域及び芯線が得られる。また、図９（Ｃ）において無効領域と判定された、分割画像ＢＬｙの下側の領域については、図９（Ｄ）に示すように回転画像ＢＬｚから有効領域及び芯線が得られる。こうして、疑似末節線が斜めであっても、分割画像ＢＬから正しく有効領域及び芯線を抽出することが可能となる。

この場合の具体的な処理としては、まず、画像処理部２２は、分割画像ＢＬから疑似末節線を検出し、その角度が水平とみなせる所定角度範囲内であるか否かを判定する。疑似末節線が所定角度範囲内である場合、画像処理部２２は、上記の第１の方法により、元画像を１８０度回転し、元画像と回転画像について有効領域及び芯線の抽出を行う。一方、分割画像ＢＬから検出された疑似末節線が斜めである場合、即ち、上記の所定角度範囲外である場合、画像処理部２２は、図９に示すように、まず、疑似末節線が水平になるように分割画像ＢＬを修正した後、その分割画像ＢＬｙとその回転画像ＢＬｚについて有効領域及び芯線の抽出を行えばよい。

＜第２実施形態＞
図１０は、第２実施形態に係る画像処理装置５０の機能構成を示すブロック図である。画像処理装置５０は、画像分割部５１と、画像処理部５２と、統合部５３と、を備える。画像分割部５１は、掌紋画像を複数の分割画像に分割する。画像処理部５２は、指紋用モデルを用いて、前記分割画像における有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成する。統合部５３は、処理後分割画像を統合して、掌紋画像の全体に対応する処理後全体画像を生成する。

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）
掌紋画像を複数の分割画像に分割する画像分割部と、
指紋用モデルを用いて、前記分割画像における有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成する画像処理部と、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する統合部と、
を備える画像処理装置。

（付記２）
前記指紋用モデルは、指紋画像における有効領域を判定し、当該有効領域内の芯線を抽出するように学習済みのモデルである付記１に記載の画像処理装置。

（付記３）
前記画像処理部は、
前記分割画像を１８０度回転して回転画像を生成し、
前記分割画像に対する前記画像処理で得られた第１の画像と、前記回転画像に対する前記画像処理で得られた第２の画像とを合成して、前記処理後分割画像を生成する付記１又は２に記載の画像処理装置。

（付記４）
前記画像処理部は、
前記分割画像から末節に類似する疑似末節線を検出し、
前記疑似末節線が水平になるように前記分割画像を回転して第１の回転画像を生成し、
前記第１の回転画像を１８０度回転して第２の回転画像を生成し、
前記第１の回転画像に対する前記画像処理で得られた第１の画像と、前記第２の回転画像に対する前記画像処理で得られた第２の画像とを合成して、前記処理後分割画像を生成する付記１又は２に記載の画像処理装置。

（付記５）
前記画像分割部は、隣接する分割画像が重なり領域を有するように前記掌紋画像を前記複数の分割画像に分割し、
前記画像処理部は、前記重なり領域における前記芯線の濃度を、当該重なり領域を形成する複数の分割画像の各々における芯線の濃度の平均値とする付記１乃至４のいずれか一項に記載の画像処理装置。

（付記６）
前記画像分割部は、隣接する分割画像が重なり領域を有するように前記掌紋画像を前記複数の分割画像に分割し、
前記画像処理部は、前記重なり領域を形成する複数の分割画像の各々における有効領域のうち、最大の画素値を有する有効領域を前記重なり領域における有効領域とする付記１乃至５のいずれか一項に記載の画像処理装置。

（付記７）
前記処理後全体画像から特徴点を抽出し、特徴点データを出力する特徴点抽出部を備える付記１乃至６のいずれか一項に記載の画像処理装置。

（付記８）
掌紋画像を複数の分割画像に分割し、
指紋用モデルを用いて、前記分割画像における有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成し、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する画像処理方法。

（付記９）
掌紋画像を複数の分割画像に分割し、
指紋用モデルを用いて、前記分割画像における有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成し、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する処理をコンピュータに実行させるプログラムを記録した記録媒体。

以上、実施形態及び実施例を参照して本発明を説明したが、本発明は上記実施形態及び実施例に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

３掌紋データベース
２１、５１画像分割部
２２、５２画像処理部
２３、５３統合部
２４特徴点抽出部
１００掌紋データ生成装置

Claims

掌紋画像を複数の分割画像に分割する画像分割手段と、
指紋用モデルを用いて、前記分割画像と１８０度回転させた当該分割画像とにおける有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成する画像処理手段と、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する統合手段と、
を備える画像処理装置。
前記指紋用モデルは、指紋画像における有効領域を判定し、当該有効領域内の芯線を抽出するように学習済みのモデルである請求項１に記載の画像処理装置。
前記画像処理手段は、
前記分割画像を１８０度回転して回転画像を生成し、
前記分割画像に対する前記画像処理で得られた第１の画像と、前記回転画像に対する前記画像処理で得られた第２の画像とを合成して、前記処理後分割画像を生成する請求項１又は２に記載の画像処理装置。
前記画像処理手段は、
前記分割画像から末節に類似する疑似末節線を検出し、
前記疑似末節線が水平になるように前記分割画像を回転して第１の回転画像を生成し、
前記第１の回転画像を１８０度回転して第２の回転画像を生成し、
前記第１の回転画像に対する前記画像処理で得られた第１の画像と、前記第２の回転画像に対する前記画像処理で得られた第２の画像とを合成して、前記処理後分割画像を生成する請求項１又は２に記載の画像処理装置。
前記画像分割手段は、隣接する分割画像が重なり領域を有するように前記掌紋画像を前記複数の分割画像に分割し、
前記画像処理手段は、前記重なり領域における前記芯線の濃度を、当該重なり領域を形成する複数の分割画像の各々における芯線の濃度の平均値とする請求項１乃至４のいずれか一項に記載の画像処理装置。
前記画像分割手段は、隣接する分割画像が重なり領域を有するように前記掌紋画像を前記複数の分割画像に分割し、
前記画像処理手段は、前記重なり領域を形成する複数の分割画像の各々における有効領域のうち、最大の画素値を有する有効領域を前記重なり領域における有効領域とする請求項１乃至５のいずれか一項に記載の画像処理装置。
前記処理後全体画像から特徴点を抽出し、特徴点データを出力する特徴点抽出手段を備える請求項１乃至６のいずれか一項に記載の画像処理装置。
掌紋画像を複数の分割画像に分割し、
指紋用モデルを用いて、前記分割画像と１８０度回転させた当該分割画像とにおける有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成し、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する画像処理方法。
掌紋画像を複数の分割画像に分割し、
指紋用モデルを用いて、前記分割画像と１８０度回転させた当該分割画像とにおける有効領域を判定し、当該有効領域内の芯線を抽出する画像処理を行い、個々の分割画像に対応する処理後分割画像を生成し、
前記処理後分割画像を統合して前記掌紋画像の全体に対応する処理後全体画像を生成する処理をコンピュータに実行させるプログラム。