[发明专利]一种确定手掌图像中心区域的方法

说明书

本发明提供一种确定手掌图像中心区域的方法，包括采用自然光‑近红外光组合光源手掌图像与自然光光源手掌图像的差值图像进行阈值化处理，结合得到的角点采用聚类法获得五根手指之间的四个指根凹点，再对四个指根凹点进行定位，根据定位结果得到手掌区域中心线和中心点，最终根据指根凹点和手掌区域中心点对手掌图像中心区域进行确定。本发明的确定方法得到的矩形中心区域是通过手掌大小自适应计算出来的，具有较强的自适应性和鲁棒性，确定结果准确率高。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种确定手掌图像中心区域的方法。

背景技术

手掌图像中心区域的确定是掌纹和掌静脉图像识别的首要步骤，其决定了后续掌纹和掌静脉特征的具体数值，对识别准确率有重要影响。现有的手掌定位算法大多采用Harris角点来提取手指关键点，进而根据经验值选取手掌中心区域，其存在鲁棒性较差、受光照影响较大的问题，定位鲁棒性和准确率有待改进和提高。

以下现有技术文献与本发明相关：

[1]陈典典等，基于Harris角点检测和聚类算法的手掌图像ROI提取方法.光学仪器，2018，40卷5期：27-34.

[2]匡智奇等，手掌角点检测及掌纹区域确定的新方法.计算机与现代化，2012，总第205期2012年第9期：123-126.

[3]尚丽等，一种新的掌纹ROI图像定位方法.激光与红外，2012，42卷7期：815-820.

[4]Koichi Ito et al.“Palm Region Extraction for Contactless PalmprintRecognition”,International Conference on Biometrics，2015：334-340.

[5]Amira Oueslati et al，“An Efficient Palm Vein Region of InterestExtraction Method”,International Conference on Advanced Technologies forSignal and Image Processing,2020:IVP-54.

文献[1]中提出的ROI提取方法采用Harris方法检测角点，会产生冗余的角点，导致手指凹点的检测鲁棒性较差，并且没有采用到近红外传感器生成的图像，手掌图像阈值化需要人工设定阈值，二值化手掌区域效果较差。

文献[2]中提出利用手指间凹点计算三角形外接圆的方式求取手掌中心区域，缺点是手指凹点的检测精度对后续圆形手掌区域的影响较大，并且文中采用的是Harris方法检测手指凹点，结果受光照和手掌姿态影响严重。

文献[3]中手掌中心的方形区域高度和宽度都是手动设定的，对于不同的手掌中心区域一致性较差。

文献[4]中采用固定方向差分的方式计算手指间关键点，其没有采用到近红外传感器，所以得到的手掌二值化区域效果较差，并且该方法对手掌朝向敏感。

文献[5]中提出的手掌区域确定方法需要选取控制点分三种情况来确定手指间凹点，复杂度较高，并且手掌中心方形区域的宽度和高度需要人工选取，存在改进空间。

综上所述，现有技术中的手掌中心区域确定方法的鲁棒性和准确率均待提高。

发明内容

为了克服现有技术的不足，本发明提出了一种新的手掌中心区域确定方法。

一种确定手掌图像中心区域的方法，包括以下步骤：

(1)对分别采集的自然光光源、自然光-近红外光组合光源下的手掌图像作差，后预处理，得二值化手掌图像；