基于指形凹点和凸点手形图像校正方法.docVIP

基于指形凹点和凸点手形图像校正方法 　　摘要:手形识别是基于手形生物特征提取和匹配的人体生物特征识别技术之一。针对传统手形识别技术中的手形矫正方法无法完全排除噪声干扰和识别起始点定位错误的问题,提出一种基于手形凹点和凸点的手形矫正方法的方法。该方法通过提取手性的外侧轮廓,自适应的检测手形中手指的凹凸特征点,克服了背景噪声和手形原始图像中手指识别起始点定位错误。然后利用得到的指形凹凸特征点对手形图像进行位置和方向矫正。 　　关键词:手形方向校正、指形校正、手形轮廓提取、指形凹点、指形凸点 　　中图分类号:TP391文献标识码:A文章编号:1009-3044(2009)13-3491-04 　　 　　1 引言 　　生物特征识别技术是利用人体固有的生物特征和行为特征进行个人身份鉴定的技术。人体生物特征不会像密码那样容易被忘记和破解,也不会像持有物那样容易被窃取或转移,因此人体生物特征识别是一种可靠、方便、快捷的身份识别手段[1]。人体生物特征只要满足下面的条件,原则上就可以作为生物特征用于身份鉴别:1) 普遍性,每个人都具有;2) 唯一性,任何两个人都不一样;3) 稳定性,这种特征长时间内是不变的;4) 可采集性,可以定量测量。现阶段常用的生物特征识别技术有:人脸识别、虹膜识别、指纹识别、掌纹识别、手形识别、声音识别等。作为人体生物特征之一的手形,它的轮廓和纹理具有普遍性、不变性和唯一性,在获取图像后指形轮廓能进行快速高效的特征提取、处理和匹配,所以利用手形特征进行身份识别是对人体生物特征识别技术的重要补充[2]。 　　 　　2 手形图像的采集 　　本文对手形图像的采集主要是通过数码相机和自制采集架,经过一定的改装和定位后,将相机固定于采集架中心进行采样工作,同时固定其焦距和采集角度,保证每次采集的样本具有相同的光线强度和角度(见图1)。 　　手掌的特征信息包括轮廓,主线和血管[3](见图2、图3)。通过对手形轮廓进行相关计算,可获取指形的长度,宽度,平均宽度和面积[4]等指形特征。 　　 　　3 预处理 　　预处理的过程是通过对图像进行去噪,边缘化和计算定位点等操作,对手形轮廓进行提取[5]。(1)通过一次平均滤波和一次高斯滤波处理将噪声去除,进行二值化处理(见图5)。(2)对图像进行边缘提取。本文采用了Krisch算子,Krisch边缘检测算子由8个卷积核组成(见图4),每个掩模都对某个特定边缘方向做出最大响应,所有8个方向中的最大值作为边缘图像的输出(见图6)。 　　 　　4 手形校正方法 　　4.1 基于主线特征的手掌方向校正 　　分析手掌图像可发现手掌的生命线、感情线、智慧线三条掌纹主线在手掌中的位置相对固定;在采样后颜色信息较明显,灰度转换后亮度信息和形状信息也能完整的得到保留。根据以上特点,该方法利用主线特征进行手掌方向校正[6]。其主要步骤如下: 　　1) 通过水平投影寻找和手掌右侧相交的感情线特征点,确定其坐标。 　　2) 参照感情线特征点的坐标进行垂直投影变换,获取生命线末端特征点,确定末端坐标。 　　3) 参照感情线特征点坐标进行水平投影变换,获取感情线和手掌右侧边缘交点坐标,标记。 　　4) 采用和(3)相同的方法,参照实行生命线末端特征坐标,反复对生命线的线特征进行类似的投影变换,找出和手掌左侧的交点,标记。 　　5) 利用标记后的边缘交点坐标对手掌方向进行校正。 　　该方法容易受到图像纹理信息的干扰,在主线特征标识不名的情况下会出现对非主线特征的跟踪计算,实用效果并不理想。 　　4.2 基于椭圆拟合的掌纹图像方向校正 　　利用手掌外形类似椭圆的特点,算法采用一个椭圆来拟合手掌,用椭圆的中心以及长短轴的方向来校正掌纹图像。算法需要对原始图像进行灰度转换,阈值转换和噪声去处三个预处理步骤。2003年,Ajay Kumar在其论文中首先将这种方法应用于手掌图像的方向校正[7]。具体方法如下: 　　令G为二值化后的图像,G(x,y) 为二值化图像中坐标为(x,y)的像素点的值,C为所有掌形区域的点所组成的集合, n为集合中点的数目。则有: 　　 C={(x,y)|G(x,y)=1}(1) 　　对手掌区域内部每个象素都进行如下计算: 　　 ■ (2) 　　 ■(3) 　　 ■ (4) 　　 ■ (5) 　　计算后M较大的特征值和相对应的特征向量就是椭圆长轴的长和方向,计算这个较大特征向量与竖直方向的夹角b ,把整个灰度图像旋转角度b ,就得到方向校正之后的图像。该方法能大体校正手掌的方向,但由于没有考虑手掌的细节信息,手掌和手腕的比例关系的改变会对校正过程产生影响;同时手指之间的位置关系的改变也会对校正结果产生影响,所以用该方法校正的图像误差较大。