劉佳雯，陳勇

（重慶師范大學計算機與信息科學學院，重慶 401331）

關于掌紋圖像基于形態(tài)學的角點檢測的定位分割方法

劉佳雯，陳勇

（重慶師范大學計算機與信息科學學院，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鑒別身份的的技術是利用人體自身的生物特征來識別，是一種可靠而安全的識別技術。目前的身份識別技術主要有人臉、指紋、虹膜、步態(tài)、視網(wǎng)膜、聲音、掌紋、簽名等。

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

掌紋圖像預處理是掌紋識別技術中不可或缺的一部分，直接影響到掌紋識別匹配的效率。掌紋預處理主要是進行掌紋的定位，圖像ROI區(qū)域的提取及歸一化以及圖像的增強，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］，基于內切圓和外切圓的方法［3-8］，基于角點檢測的方法［10-12］，基于形態(tài)學的方法［15］。本文采用的掌紋圖像是香港理工大學的掌紋庫（PolyUPalmprint-Database），根據(jù)掌紋庫的圖像特點，提出了基于形態(tài)學和角點檢測相結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，這些點會直接影響到定位到有效點的檢測。所以提取掌紋圖像的輪廓首先對圖像進行濾波，這樣才會有比較好的效果。圖1是圖像庫中大小為384×284大小像素的圖像。

圖1　原始的掌紋圖像

順序統(tǒng)計濾波是一種非線性濾波，用第n個像素點的值代替該點的像素值，此種濾波不會使圖像的邊緣變的模糊，在濾除噪聲的同時很好地保留了圖像的邊緣。設代表原始圖像，h（i，j）代表順序統(tǒng)計濾波后的圖像，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

膨脹和腐蝕運算是形態(tài)學圖像處理的基礎。膨脹是在二值圖像中“加長”或“變粗”的操作。腐蝕是“收縮”或“細化”二值圖像中的對象。膨脹或腐蝕都是由稱為結構元素的集合控制。

數(shù)學上，膨脹定義為集合運算。A被B膨脹，記為A⊕B，定義為：

其中，?為空集，B為結構元素。A被B膨脹是所有結構元素原點位置組成的集合，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腐蝕是所有結構元素原點位置的集合，其中平移的B與A的背景并不疊加。

IPT函數(shù) strel運用各種形態(tài)和大小構造結構元素，其基本語法為：

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）將返回一個半徑為1的圓盤形結構元素。將二值化的圖像分別進行膨脹和腐蝕，再將膨脹后的結果與腐蝕的結果進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　掌紋圖像的角點檢測

掌紋圖像的輪廓上存在著很多特征點，其中之一就是需要檢測的角點，掌紋圖像的輪廓上的角點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算法的角點檢測方式是一種關于點特征的提取算子［9］，它的原理是將所要處理的窗口向任意方向移動微小的位移（u，v）。為了減少噪聲的影響，對窗口進行高斯平滑，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是要提取角點的圖像，忽略掉高階項寫成如下形式：

式中Ix=?I/?x，Iy=?I/?y，矩陣M的兩個特征向量與矩陣M的主曲率成正比，若兩個值都很大是角點，一大一小是邊緣，兩個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的質量。（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）。最終檢測的角點圖如圖5。

圖5　角點圖

3　掌紋圖像的定位和分割

如圖5中所示中紅色的點是所檢測出來的角點，于此基礎上，利用MATLAB求出掌紋圖像輪廓曲線角點的曲率，將曲率最大的兩個角點作為定位的基準點即圖5中A、B兩個角點，設A、B兩點的坐標分別為（x1，y1）、（x2，y2）由于采集的圖像是手掌位置很有可能會發(fā)生一些變化，則需要旋轉一定的角度到坐標系下，A、B兩點的連線的水平夾角小，旋轉的幅度也不大。故旋轉的角度［13］為：

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

圖6　原掌紋圖像和對應的掌紋ROI

4　實驗結果

實驗中所采用的是PolyU掌紋數(shù)據(jù)庫，利用MATLAB編程，圖像大小384×284，提取的ROI的大小為128×128，200幅圖像組成測試圖像數(shù)據(jù)庫，提取的結果下表所示。

表1　PolyU掌紋數(shù)據(jù)庫中提取ROI的實驗對比結果

5　結語

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

［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別新方法［J］.計算機研究與發(fā)展，2004，41（6）：996-1002.

［5］丁冰玉.掌紋識別技術中的不變性特征研究［D］.北京：北京交通大學，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.改進的基于角點的掌紋線性定位方法［J］.計算機應用與軟件，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)學的掌紋圖像定位方法［J］.遼寧工業(yè)大學學報（自然科學版），2009，27（4）：217-221.

［15］楊震群，魏曉勇等.掌紋樣本采集技術及預處理技術的分析與研究［J］.計算機應用，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）

國家自然科學基金資助項目（No.60703035）、重慶市教委基金資助項目（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，研究方向為模式識別

陳勇（1971-），男，副教授，博士，研究方向為模式識別，信息安全，智能計算，E-mail：cyonghere@163.com

2016-06-02

2016-08-16

為了更好地進行掌紋識別，掌紋圖像的預處理是必不可少的。提取掌紋圖像的感興趣區(qū)域（ROI）是掌紋圖像預處理的一項重要內容。采用基于形態(tài)學的方法，將進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算法進行角點檢測，在檢測出的角點中，求出角點的曲率，將曲率最大的兩個角點作為定位的基準點來建立坐標系提取ROI。根據(jù)實驗結果，該算法取得比較理想的效果。

掌紋圖像；ROI；形態(tài)學；Harris算法；角點檢測

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.