关于掌纹图像基于形态学的角点检测的定位分割方法

刘佳雯，陈勇

（重庆师范大学计算机与信息科学学院，重庆 401331）

关于掌纹图像基于形态学的角点检测的定位分割方法

刘佳雯，陈勇

（重庆师范大学计算机与信息科学学院，重庆 401331）

0　引言

由于电子信息化的高速发展程度，一种必不可少的可以自动鉴别身份的的技术是利用人体自身的生物特征来识别，是一种可靠而安全的识别技术。目前的身份识别技术主要有人脸、指纹、虹膜、步态、视网膜、声音、掌纹、签名等。

掌纹识别是近几年提出的一种较新的生物特征识别技术。相对于人脸，其识别能轻易地区分双胞胎；相对于指纹，其拥有大面积丰富的纹理信息，低分辨率的采集设备就能构建高性能的掌纹识别系统；相对于虹膜，采集设备更低廉，采集方式也易让用户接受；对比签名，掌纹更加可靠。因此，掌纹识别广受研究人员所青睐的身份识别技术。

掌纹图像预处理是掌纹识别技术中不可或缺的一部分，直接影响到掌纹识别匹配的效率。掌纹预处理主要是进行掌纹的定位，图像ROI区域的提取及归一化以及图像的增强，用来提高掌纹的匹配率。

目前掌纹的ROI区域的提取方法主要有基于拟合椭圆的方法［1-2］，基于内切圆和外切圆的方法［3-8］，基于角点检测的方法［10-12］，基于形态学的方法［15］。本文采用的掌纹图像是香港理工大学的掌纹库（PolyUPalmprint-Database），根据掌纹库的图像特点，提出了基于形态学和角点检测相结合的图像定位与分割的算法。

1　掌纹图像的轮廓提取

原始图像中含有很多的噪点，这些点会直接影响到定位到有效点的检测。所以提取掌纹图像的轮廓首先对图像进行滤波，这样才会有比较好的效果。图1是图像库中大小为384×284大小像素的图像。

图1　原始的掌纹图像

顺序统计滤波是一种非线性滤波，用第n个像素点的值代替该点的像素值，此种滤波不会使图像的边缘变的模糊，在滤除噪声的同时很好地保留了图像的边缘。设代表原始图像，h（i，j）代表顺序统计滤波后的图像，A为滤波窗口

其中n=200，N=10，M=40。图2是滤波后的图像。

图2　滤波后的掌纹图像

图像二值化也是其中重要的步骤，其中阈值取T= 15，白色表示大于阈值的像素，黑色则表示小于阈值的像素。设bw（x，y）为二值化后的图像，则

通过阈值处理，图3是二值化后的掌纹图像。

图3　二值化的掌纹图像

膨胀和腐蚀运算是形态学图像处理的基础。膨胀是在二值图像中“加长”或“变粗”的操作。腐蚀是“收缩”或“细化”二值图像中的对象。膨胀或腐蚀都是由称为结构元素的集合控制。

数学上，膨胀定义为集合运算。A被B膨胀，记为A⊕B，定义为：

其中，Ø为空集，B为结构元素。A被B膨胀是所有结构元素原点位置组成的集合，其中映射并平移后的B至少与A的某些部分重叠。

腐蚀的数学定义与膨胀相似，A被B腐蚀，记为AΘB，定义为：

A被B腐蚀是所有结构元素原点位置的集合，其中平移的B与A的背景并不叠加。

IPT函数 strel运用各种形态和大小构造结构元素，其基本语法为：

其中，shape是指定希望形状的字符串，而parameters是指定形状信息（如其大小）的一系列参数，本文选取的是strel（'disk'，1）将返回一个半径为1的圆盘形结构元素。将二值化的图像分别进行膨胀和腐蚀，再将膨胀后的结果与腐蚀的结果进行相减得到掌纹图像的轮廓图，如图4所示。

图4　掌纹图像的轮廓

2　掌纹图像的角点检测

掌纹图像的轮廓上存在着很多特征点，其中之一就是需要检测的角点，掌纹图像的轮廓上的角点分布在手指的之间和手指的凹陷处以及手腕和手掌相接的地方。

Harris算法的角点检测方式是一种关于点特征的提取算子［9］，它的原理是将所要处理的窗口向任意方向移动微小的位移（u，v）。为了减少噪声的影响，对窗口进行高斯平滑，选用了如下的高斯窗口：

图像的灰度该变量可定义为：

上式I是要提取角点的图像，忽略掉高阶项写成如下形式：

式中Ix=∂I/∂x，Iy=∂I/∂y，矩阵M的两个特征向量与矩阵M的主曲率成正比，若两个值都很大是角点，一大一小是边缘，两个值都比较小就是在变化缓慢的图像区域。根据这些，用如下公式来判定角点的质量。（k常取0.04-0.06）

上式中detM表示行列式的值，traceM表示矩阵的迹，k=0.05。

本文中对于x方向的图像卷积为Ix=∂I/∂x=I⊗（-1 0 1；-1 0 1；-1 0 1），而y方向的为Iy=∂I/∂y=I⊗（-1 -1-1；0 0 0；1 1 1）。最终检测的角点图如图5。

图5　角点图

3　掌纹图像的定位和分割

如图5中所示中红色的点是所检测出来的角点，于此基础上，利用MATLAB求出掌纹图像轮廓曲线角点的曲率，将曲率最大的两个角点作为定位的基准点即图5中A、B两个角点，设A、B两点的坐标分别为（x1，y1）、（x2，y2）由于采集的图像是手掌位置很有可能会发生一些变化，则需要旋转一定的角度到坐标系下，A、B两点的连线的水平夹角小，旋转的幅度也不大。故旋转的角度［13］为：

如果angle＞0时，顺时针旋转，反之则逆时针旋转。再次利用find函数找到旋转后的角点，两个角点旋转到了一条垂直线上，将旋转后的直线作为坐标系的纵坐标。在图像的中心位置切割大小为128×128的图像。图6位为随机选取了10幅大小为384×284的PolyU库的掌纹图像和提取的大小为128×128的掌纹ROI，分别一一对应如下。

图6　原掌纹图像和对应的掌纹ROI

4　实验结果

实验中所采用的是PolyU掌纹数据库，利用MATLAB编程，图像大小384×284，提取的ROI的大小为128×128，200幅图像组成测试图像数据库，提取的结果下表所示。

表1　PolyU掌纹数据库中提取ROI的实验对比结果

5　结语

结果表明，提出的基于形态学和角点检测的掌纹图像定位方法相对于单一的基于形态学和单一的Harris算法的角点检测的正确率要高，所以说本文的方法能较高准确率地提取掌纹图像的ROI，所提取的ROI结果，相对于手掌的位置具有一定的平移旋转不变性。所以本文的方法具有一定的实用性。

［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，夏胜雄，张大鹏等.基于主线特征的双向匹配的掌纹识别新方法［J］.计算机研究与发展，2004，41（6）：996-1002.

［5］丁冰玉.掌纹识别技术中的不变性特征研究［D］.北京：北京交通大学，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］马章雄，戴青云，黄海涛等.改进的基于角点的掌纹线性定位方法［J］.计算机应用与软件，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］尚丽，苏品刚，淮文军等.一种新的掌纹ROI图像定位方法［J］.激光与红外，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］王艳华，张健等.基于形态学的掌纹图像定位方法［J］.辽宁工业大学学报（自然科学版），2009，27（4）：217-221.

［15］杨震群，魏晓勇等.掌纹样本采集技术及预处理技术的分析与研究［J］.计算机应用，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）

国家自然科学基金资助项目（No.60703035）、重庆市教委基金资助项目（No.KJ070801）

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

刘佳雯（1991-），女，湖南郴州人，硕士研究生，研究方向为模式识别

陈勇（1971-），男，副教授，博士，研究方向为模式识别，信息安全，智能计算，E-mail：cyonghere@163.com

2016-06-02

2016-08-16

为了更好地进行掌纹识别，掌纹图像的预处理是必不可少的。提取掌纹图像的感兴趣区域（ROI）是掌纹图像预处理的一项重要内容。采用基于形态学的方法，将进行膨胀和腐蚀后的图像相减得到的图像作为掌纹图像的轮廓。根据掌纹图像的轮廓利用Harris算法进行角点检测，在检测出的角点中，求出角点的曲率，将曲率最大的两个角点作为定位的基准点来建立坐标系提取ROI。根据实验结果，该算法取得比较理想的效果。

掌纹图像；ROI；形态学；Harris算法；角点检测

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.