關(guān)于掌紋圖像基于形態(tài)學(xué)的角點(diǎn)檢測(cè)的定位分割方法

劉佳雯，陳勇

（重慶師范大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)院，重慶 401331）

關(guān)于掌紋圖像基于形態(tài)學(xué)的角點(diǎn)檢測(cè)的定位分割方法

劉佳雯，陳勇

（重慶師范大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)院，重慶 401331）

0　引言

由于電子信息化的高速發(fā)展程度，一種必不可少的可以自動(dòng)鑒別身份的的技術(shù)是利用人體自身的生物特征來識(shí)別，是一種可靠而安全的識(shí)別技術(shù)。目前的身份識(shí)別技術(shù)主要有人臉、指紋、虹膜、步態(tài)、視網(wǎng)膜、聲音、掌紋、簽名等。

掌紋識(shí)別是近幾年提出的一種較新的生物特征識(shí)別技術(shù)。相對(duì)于人臉，其識(shí)別能輕易地區(qū)分雙胞胎；相對(duì)于指紋，其擁有大面積豐富的紋理信息，低分辨率的采集設(shè)備就能構(gòu)建高性能的掌紋識(shí)別系統(tǒng)；相對(duì)于虹膜，采集設(shè)備更低廉，采集方式也易讓用戶接受；對(duì)比簽名，掌紋更加可靠。因此，掌紋識(shí)別廣受研究人員所青睞的身份識(shí)別技術(shù)。

掌紋圖像預(yù)處理是掌紋識(shí)別技術(shù)中不可或缺的一部分，直接影響到掌紋識(shí)別匹配的效率。掌紋預(yù)處理主要是進(jìn)行掌紋的定位，圖像ROI區(qū)域的提取及歸一化以及圖像的增強(qiáng)，用來提高掌紋的匹配率。

目前掌紋的ROI區(qū)域的提取方法主要有基于擬合橢圓的方法［1-2］，基于內(nèi)切圓和外切圓的方法［3-8］，基于角點(diǎn)檢測(cè)的方法［10-12］，基于形態(tài)學(xué)的方法［15］。本文采用的掌紋圖像是香港理工大學(xué)的掌紋庫(kù)（PolyUPalmprint-Database），根據(jù)掌紋庫(kù)的圖像特點(diǎn)，提出了基于形態(tài)學(xué)和角點(diǎn)檢測(cè)相結(jié)合的圖像定位與分割的算法。

1　掌紋圖像的輪廓提取

原始圖像中含有很多的噪點(diǎn)，這些點(diǎn)會(huì)直接影響到定位到有效點(diǎn)的檢測(cè)。所以提取掌紋圖像的輪廓首先對(duì)圖像進(jìn)行濾波，這樣才會(huì)有比較好的效果。圖1是圖像庫(kù)中大小為384×284大小像素的圖像。

圖1　原始的掌紋圖像

順序統(tǒng)計(jì)濾波是一種非線性濾波，用第n個(gè)像素點(diǎn)的值代替該點(diǎn)的像素值，此種濾波不會(huì)使圖像的邊緣變的模糊，在濾除噪聲的同時(shí)很好地保留了圖像的邊緣。設(shè)代表原始圖像，h（i，j）代表順序統(tǒng)計(jì)濾波后的圖像，A為濾波窗口

其中n=200，N=10，M=40。圖2是濾波后的圖像。

圖2　濾波后的掌紋圖像

圖像二值化也是其中重要的步驟，其中閾值取T= 15，白色表示大于閾值的像素，黑色則表示小于閾值的像素。設(shè)bw（x，y）為二值化后的圖像，則

通過閾值處理，圖3是二值化后的掌紋圖像。

圖3　二值化的掌紋圖像

膨脹和腐蝕運(yùn)算是形態(tài)學(xué)圖像處理的基礎(chǔ)。膨脹是在二值圖像中“加長(zhǎng)”或“變粗”的操作。腐蝕是“收縮”或“細(xì)化”二值圖像中的對(duì)象。膨脹或腐蝕都是由稱為結(jié)構(gòu)元素的集合控制。

數(shù)學(xué)上，膨脹定義為集合運(yùn)算。A被B膨脹，記為A⊕B，定義為：

其中，?為空集，B為結(jié)構(gòu)元素。A被B膨脹是所有結(jié)構(gòu)元素原點(diǎn)位置組成的集合，其中映射并平移后的B至少與A的某些部分重疊。

腐蝕的數(shù)學(xué)定義與膨脹相似，A被B腐蝕，記為AΘB，定義為：

A被B腐蝕是所有結(jié)構(gòu)元素原點(diǎn)位置的集合，其中平移的B與A的背景并不疊加。

IPT函數(shù) strel運(yùn)用各種形態(tài)和大小構(gòu)造結(jié)構(gòu)元素，其基本語(yǔ)法為：

其中，shape是指定希望形狀的字符串，而parameters是指定形狀信息（如其大?。┑囊幌盗袇?shù)，本文選取的是strel（'disk'，1）將返回一個(gè)半徑為1的圓盤形結(jié)構(gòu)元素。將二值化的圖像分別進(jìn)行膨脹和腐蝕，再將膨脹后的結(jié)果與腐蝕的結(jié)果進(jìn)行相減得到掌紋圖像的輪廓圖，如圖4所示。

圖4　掌紋圖像的輪廓

2　掌紋圖像的角點(diǎn)檢測(cè)

掌紋圖像的輪廓上存在著很多特征點(diǎn)，其中之一就是需要檢測(cè)的角點(diǎn)，掌紋圖像的輪廓上的角點(diǎn)分布在手指的之間和手指的凹陷處以及手腕和手掌相接的地方。

Harris算法的角點(diǎn)檢測(cè)方式是一種關(guān)于點(diǎn)特征的提取算子［9］，它的原理是將所要處理的窗口向任意方向移動(dòng)微小的位移（u，v）。為了減少噪聲的影響，對(duì)窗口進(jìn)行高斯平滑，選用了如下的高斯窗口：

圖像的灰度該變量可定義為：

上式I是要提取角點(diǎn)的圖像，忽略掉高階項(xiàng)寫成如下形式：

式中Ix=?I/?x，Iy=?I/?y，矩陣M的兩個(gè)特征向量與矩陣M的主曲率成正比，若兩個(gè)值都很大是角點(diǎn)，一大一小是邊緣，兩個(gè)值都比較小就是在變化緩慢的圖像區(qū)域。根據(jù)這些，用如下公式來判定角點(diǎn)的質(zhì)量。（k常取0.04-0.06）

上式中detM表示行列式的值，traceM表示矩陣的跡，k=0.05。

本文中對(duì)于x方向的圖像卷積為Ix=?I/?x=I?（-1 0 1；-1 0 1；-1 0 1），而y方向的為Iy=?I/?y=I?（-1 -1-1；0 0 0；1 1 1）。最終檢測(cè)的角點(diǎn)圖如圖5。

圖5　角點(diǎn)圖

3　掌紋圖像的定位和分割

如圖5中所示中紅色的點(diǎn)是所檢測(cè)出來的角點(diǎn)，于此基礎(chǔ)上，利用MATLAB求出掌紋圖像輪廓曲線角點(diǎn)的曲率，將曲率最大的兩個(gè)角點(diǎn)作為定位的基準(zhǔn)點(diǎn)即圖5中A、B兩個(gè)角點(diǎn)，設(shè)A、B兩點(diǎn)的坐標(biāo)分別為（x1，y1）、（x2，y2）由于采集的圖像是手掌位置很有可能會(huì)發(fā)生一些變化，則需要旋轉(zhuǎn)一定的角度到坐標(biāo)系下，A、B兩點(diǎn)的連線的水平夾角小，旋轉(zhuǎn)的幅度也不大。故旋轉(zhuǎn)的角度［13］為：

如果angle＞0時(shí)，順時(shí)針旋轉(zhuǎn)，反之則逆時(shí)針旋轉(zhuǎn)。再次利用find函數(shù)找到旋轉(zhuǎn)后的角點(diǎn)，兩個(gè)角點(diǎn)旋轉(zhuǎn)到了一條垂直線上，將旋轉(zhuǎn)后的直線作為坐標(biāo)系的縱坐標(biāo)。在圖像的中心位置切割大小為128×128的圖像。圖6位為隨機(jī)選取了10幅大小為384×284的PolyU庫(kù)的掌紋圖像和提取的大小為128×128的掌紋ROI，分別一一對(duì)應(yīng)如下。

圖6　原掌紋圖像和對(duì)應(yīng)的掌紋ROI

4　實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中所采用的是PolyU掌紋數(shù)據(jù)庫(kù)，利用MATLAB編程，圖像大小384×284，提取的ROI的大小為128×128，200幅圖像組成測(cè)試圖像數(shù)據(jù)庫(kù)，提取的結(jié)果下表所示。

表1　PolyU掌紋數(shù)據(jù)庫(kù)中提取ROI的實(shí)驗(yàn)對(duì)比結(jié)果

5　結(jié)語(yǔ)

結(jié)果表明，提出的基于形態(tài)學(xué)和角點(diǎn)檢測(cè)的掌紋圖像定位方法相對(duì)于單一的基于形態(tài)學(xué)和單一的Harris算法的角點(diǎn)檢測(cè)的正確率要高，所以說本文的方法能較高準(zhǔn)確率地提取掌紋圖像的ROI，所提取的ROI結(jié)果，相對(duì)于手掌的位置具有一定的平移旋轉(zhuǎn)不變性。所以本文的方法具有一定的實(shí)用性。

［1］Poon C，Wong D C M，Shen H C，et al.A New Method in Locating and Segmenting Palmprint into Region of Interest［C］.Proceedings of the 17th International Conference on Pattern Recognition，Washington D.C，USA：IEEE，2004：553-536.

［2］Kumar A，Wong D，Shen H，et a1.Personal Verification Using Palmprint and Hand Geometry Biometric［J］.Lecture Notes in Computer Science，2003：668-678.

［3］Zhang D.Palmprint Authentication［J］.Boston：Kluwer Academic；Publishers，2004：78-79.

［4］李文新，夏勝雄，張大鵬等.基于主線特征的雙向匹配的掌紋識(shí)別新方法［J］.計(jì)算機(jī)研究與發(fā)展，2004，41（6）：996-1002.

［5］丁冰玉.掌紋識(shí)別技術(shù)中的不變性特征研究［D］.北京：北京交通大學(xué)，2006.

［6］Liambas C，Tsouros C.An Algorithm for Detecting Hand Orientation and Palmprint Location from a Highly Noisy Image［C］.Proceedings of IEEE International Symposium on Intelligent Signal Processing.Alcala De Henares，Spain：IEEE，2007：1-6.

［7］Tian Q C，Li Z L，Zhu Y C.A Novel Palmprint Segmentation and Recognition Algorithm［C］.International Conference on Intelligent Computation Technology and Automaion.Cambridge，UK，2010：273-276.

［8］Choge K，Oyama T，Karungaru S，et al.A Circle-Based Region-Of-Interest Segmentation Method for Palmprint Recognition［C］.ICROS-SICE International Joint Conference.Fukuoka，Japan，2009：4993-4997.

［9］Harris C G，Stephens M J.A Combined Corner and Edge Detector［C］.Proceedings of the 4th Alvey Vision Conference.Manchester，England：［s.n.］，1988.

［10］馬章雄，戴青云，黃海濤等.改進(jìn)的基于角點(diǎn)的掌紋線性定位方法［J］.計(jì)算機(jī)應(yīng)用與軟件，2009，26（4）229-231.

［11］Polesel A Ramponi G，Mathews V.J，et al.Image Enhancement Via Adaptive Unsharp Masking［J］.IEEE Transaction on Image Processing，2000，9（3）：505-510.

［12］尚麗，蘇品剛，淮文軍等.一種新的掌紋ROI圖像定位方法［J］.激光與紅外，2012，42（7）：815-820.

［13］G M Lu，D Zhang，K Q Wang.Palmprint Recognition Using Figerpalms Features［J］.Patterm Recognition Letters，2003，24（4）：1463-1467.

［14］王艷華，張健等.基于形態(tài)學(xué)的掌紋圖像定位方法［J］.遼寧工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，27（4）：217-221.

［15］楊震群，魏曉勇等.掌紋樣本采集技術(shù)及預(yù)處理技術(shù)的分析與研究［J］.計(jì)算機(jī)應(yīng)用，2007，27（2）：380-383.

Palmprint Images；ROI；Morphology；Harris Algorithm Corner Detection

Location Method of Palmprint Image Based on Morphology and Corner Detection

LIU Jia-wen，CHEN Yong
（College of Computer and Information Science，Chongqing Normal University，Chongqing40133）

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.60703035）、重慶市教委基金資助項(xiàng)目（No.KJ070801）

1007-1423（2016）24-0035-05DOI：10.3969/j.issn.1007-1423.2016.24.009

劉佳雯（1991-），女，湖南郴州人，碩士研究生，研究方向?yàn)槟Ｊ阶R(shí)別

陳勇（1971-），男，副教授，博士，研究方向?yàn)槟Ｊ阶R(shí)別，信息安全，智能計(jì)算，E-mail：cyonghere@163.com

2016-06-02

2016-08-16

為了更好地進(jìn)行掌紋識(shí)別，掌紋圖像的預(yù)處理是必不可少的。提取掌紋圖像的感興趣區(qū)域（ROI）是掌紋圖像預(yù)處理的一項(xiàng)重要內(nèi)容。采用基于形態(tài)學(xué)的方法，將進(jìn)行膨脹和腐蝕后的圖像相減得到的圖像作為掌紋圖像的輪廓。根據(jù)掌紋圖像的輪廓利用Harris算法進(jìn)行角點(diǎn)檢測(cè)，在檢測(cè)出的角點(diǎn)中，求出角點(diǎn)的曲率，將曲率最大的兩個(gè)角點(diǎn)作為定位的基準(zhǔn)點(diǎn)來建立坐標(biāo)系提取ROI。根據(jù)實(shí)驗(yàn)結(jié)果，該算法取得比較理想的效果。

掌紋圖像；ROI；形態(tài)學(xué)；Harris算法；角點(diǎn)檢測(cè)

For the better palm-print recognition，palm-print image pre-processing is essential.It is the important content of taking ROI in palmprint image pre-processing.The method is based on morphology，uses the dilated images to subtract the eroded images as the outline palm print images.According to the outline of palm-print images，uses Harris algorithm for corner detection.In the detected corner，the curvature of the two largest corners as a positioning reference point to establish the coordinate system to extract ROI.According to the results，the algorithm achieves a more satisfactory results.