掌纹图像感兴趣区域的提取及仿真分析

周作梅　赵红梅

摘要：掌纹图像感兴趣区域ROI的提取是掌纹识别系统中一个关键步骤。首先对掌纹样本作顺序统计滤波处理后得到二值化图像；然后基于数学形态学的分割思想得到掌纹角点图；对掌纹角点图上进行几何操作来获取手掌的质心点；最后以规范后的质心点为中心提出掌纹ROI，为特征提取和识别打个基础。

关键词：掌纹图像；感兴趣区域；角点图；质点；二值化

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）07-0222-03

1 引言

在掌纹图像采集过程中，受摆放位置、方向、光照等因素的影响，使得即使在不同时间对同一只手掌所采集得到的图像都会有一定程度的不同，这些因素严重影响到掌纹图像的特征提取，从而使掌纹识别率降低。为了解决这一问题，需要在提取掌纹图像的识别特征前对其定位，把掌纹图像校正到一个相同的方向后再截取相同位置的一块大小也相同的掌纹图像作为ROI。常用的定位方法有掌纹图像的轮廓特征点定位方法[1]和求最大内切圆[2]定位方法。

2 掌纹图像的平滑滤波及二值化

手掌边缘与背景的对比度较低，如果对掌纹图像二值化得到掌纹轮廓线前采用平滑去噪可减少所得到的掌纹轮廓线中的噪声，因此，二值化得到掌纹轮廓线之前需要对原始掌纹图像进行平滑去噪处理。由于噪声源众多及噪声种类复杂，平滑处理的方法也多种多样，既可以在掌纹图像的空间域[3]进行，也可以在掌纹图像的频率域[4，5]进行。本文采用空间域法进行对比性研究，最后采用顺序统计滤波方法对原始掌纹图像进行平滑滤波处理。提高掌纹图像背景区域与目标区域的对比度。

掌纹图像的二值化就是将图像上的像素点的灰度值设置为0或1取值的二值图像，使整个图像呈现出明显的黑白效果。在本文掌纹图像平滑滤波的仿真结果及分析中，采用了顺序统计滤波方法对掌纹图像作滤波处理，图1所示为对顺序统计滤波处理后的掌纹图像再二值化的结果。通过观察图1中的手指根部与手掌交叉处的角点部位可知，当按OSTU求阈值时的掌纹轮廓线的光滑度比阈值为0.1时的二值化图像效果要好。因此本文选择按OSTU算法来确定阈值，此时的最佳阈值为0.3294，即在灰度掌纹图像中，灰度值大于0.3294的将其灰度值转换为1，反之将其灰度值转换为0。

3 掌纹ROI的提取及仿真分析

3.1 数学形态学

数学形态学以几何学为基础，用结构元素基本工具去探测和提取图像中的对应形状，以完成对图像分析和识别的目的，数学形态学在信号处理中具有很多独特的优势。本文利用数学形态学的相关性质检测并提取掌纹图像的角点，仿真结果表明，该算法简单、速度快且容易实现。

3.2 掌纹ROI的提取方法

4 小结

从香港理工大学（PolyU）掌纹识别研究中心所建立的掌纹库中随机选取400幅图像作为测试。掌纹ROI的大小均为128×128，掌纹样本图像以位图文件格式bmp存储。本文中所有算法均采用Matlab7.1软件仿真实现。其仿真结果比较见表1。

参考文献：

[1] 邬向前，张大鹏，王宽全.掌纹识别技术[M]. 北京： 科学出版社， 2006：18-46.

[2] 张俊. 掌纹识别[D]. 大连理工大学， 2006： 23-39.

[3] 丁西明， 段汉根. 图像的空域平滑处理方法研究[J]. 农业网络信息， 2007（11）： 130-131.

[4] 王耀南， 要树涛， 毛建旭. 计算机图像处理与识别技术[M]. 北京： 高等教育出版社， 2001：55-195.

[5] 陈传波， 金先级. 数字图像处理[M]. 北京： 机械工业出版社， 2004：215-230.