自动找点的掌纹图像定位分割方法
一种新的掌纹ROI图像定位方法
一种新的掌纹ROI图像定位方法尚丽;苏品刚;淮文军【摘要】On the basis of analyzing the disadvantages of traditional Harris algorithm,a rapid palmprint preprocessing method based on angle point detection is proposed in this paper. This method utilizes a modified adaptive Harris algorithm to extract contour features existed in the palm's edge and the fingers concavo-convex. The feature mean,calculated by features belong to the same feature matrix,is used as the alternative angle-points to delete those adjacent angle points.Then,three key angle-points existed in the fingers' concavo are located according to the angle change of each angle point in the contour line. Thus,the region of interesting (ROI) is extracted efficiently. In test,the CASIA database is used. Experimental results show that this method can efficiently and quickly locate the ROI of palmprint images,and efficiently enhance the edge and detail of palmprint images simultaneity.%在分析传统Harris算法缺陷的基础上,提出一种基于角点检测的快速掌纹图像预处理方法.该方法利用一种改进的自适应Harris算法提取出手掌边缘和手指凹凸处的轮廓特征点,采用属于同一特征组的特征点均值作为候选角点,剔除了邻近角点,并根据候选角点在轮廓线上角度变化的大小定位手指根部的三个关键角点,从而有效提取出掌纹图像的感兴趣区域(RoI).实验测试图像采用CASIA数据库,实验结果表明,该方法能快速有效地定位出掌纹的ROI区域,且能有效增强掌纹图像的边缘与细节,有利于提高掌纹识别的识别率.【期刊名称】《激光与红外》【年(卷),期】2012(042)007【总页数】6页(P815-820)【关键词】掌纹图像;Harris算法;角点检测;掌纹定位;感兴趣区域(ROI)【作者】尚丽;苏品刚;淮文军【作者单位】苏州市职业大学电子信息工程系,江苏苏州215104;中国科学技术大学信息科学技术学院自动化系,安徽合肥230026;苏州市职业大学电子信息工程系,江苏苏州215104;苏州市职业大学电子信息工程系,江苏苏州215104【正文语种】中文【中图分类】TP391.411 引言掌纹图像预处理包括掌纹图像感兴趣区域(ROI)的定位分割和图像增强两个过程,是关系到掌纹特征识别好坏的重要环节。
基于彩色图像的手部特征点自动识别方法
基于彩色图像的手部特征点自动识别方法董娜【摘要】手部特征点识别是手部尺寸测量的关键问题,本文给出了基于彩色图像的手部特征点自动识别方法.首先,给出了提取手部轮廓的算法,基本原理是利用人体皮肤的色调特征将手部彩色图像二值化并提取手部轮廓,其优点是图像二值化过程在YUV空间进行,不受测量个体肤色差异、光照、遮挡等因素的影响.然后,给出了在手部轮廓线上自动识别全部25个特征点方法,针对特征点的不同特点给出了不同的处理方法,位于指尖以及指缝末端处的特征点,使用了DOS方法进行自动识别,其他特征点则利用统计得到的经验公式进行计算.实验结果说明,本文给出的算法在手部特征点的自动识别率和准确率上都已经能够满足手部尺寸测量的需要,并且具有较强的鲁棒性,已成功应用于未成人和军人等的手部尺寸测量系统中.【期刊名称】《软件》【年(卷),期】2017(038)003【总页数】7页(P97-103)【关键词】手部测量;轮廓提取;特征识别;手部特征点【作者】董娜【作者单位】华北计算技术研究所,北京 100083【正文语种】中文【中图分类】TP391.4手部特征点识别是手部尺寸测量和手部身份认证等的关键问题[1-6]。
本文给出基于彩色图像的手部特征点自动识别方法,该研究以全国未成年人和军人等的“手部尺寸自动测量系统”[1]为背景。
由于特征点主要分布在手部的轮廓线上,手部轮廓的提取是手部测量中非常重要环节,得到手部轮廓线后,提取特征点以及计算测量项都可以在手部边界点集序列的基础上进行的。
本文第一节给出了一种在彩色手部图像中提取手部轮廓的方法。
首先利用肤色信息将手与背景区分出来,生成二值化图像;然后利用中值滤波器消除噪声影响,然后,用边界跟踪方法得到手部边界点集序列,从而得到手部的轮廓点集。
特征点识别是手部测量算法所面对的主要问题,本文第二节在提取手部轮廓线的基础上,给出了在手部轮廓线上自动识别全部25个特征点方法,其中,位于指尖以及指缝末端处的特征点,由于手部轮廓在经过这些位置时方向改变显著,使用了DOS(Difference of Slopes)[7,8]方法得到轮廓点的曲率特征曲线,然后经两次滤波处理以及阈值分割等方法,最终得到了比较准确的特征点位置;剩余的特征点则利用手部各个位置之间的比例关系在轮廓上进行提取。
旋转平移不变的手掌图像ROI 定位方法
旋转平移不变的手掌图像ROI定位方法兰州大学信息科学与工程学院,兰州(730000)Tanghw07@摘要:随着生物认证技术的不断发展,人们越来越重视对掌纹识别技术的研究,而手掌图像感兴趣区域(ROI)的定位是掌纹识别技术的关键环节之一。
本文提出了一种掌纹图像ROI 定位方法,该方法利用数字图像处理中的膨胀、腐蚀、旋转、平移等算法精确定位指尖、各手指之间的谷点、腕点和腕心,进而实现对手掌图像ROI的精确定位。
该方法可以在定位ROI时,自动识别要处理的图像采集于左手还是右手,大大提高了掌纹识别的便利性。
实验结果证明了该方法的有效性。
关键词:掌纹识别感兴趣区域腐蚀中国分类号:TP391.411.引言传统的身份识别方法主要有:钥匙、通行证、密码、口令等,这些身份认证方法容易丢失、遗忘、或被人破解、复制,而生物认证技术很好的克服了上述缺点。
随着人们对身份认证技术的安全性和便利性的要求越来越高,生物认证技术越来越受到众多研究者的关注[1]。
现阶段,指纹、脸型、声音、虹膜、手形等生物特征都被广泛应用于身份验证,这些特征识别相对于传统的识别方法在安全性等方面有了很大的提高,但是在采样和识别上仍然存在诸多局限。
例如在目前比较成熟的指纹识别技术中,由于部分手工劳动者和老年人的指纹不清晰,对他们的指纹采样存在很大的困难[2]。
与这些生物特征相比,掌纹特征具有唯一性,即使是双胞胎的掌纹也不相同[3]。
而且掌纹有着比指纹等更丰富的特征,对采集和处理设备的要求不高,而且采集过程相对简单,因此近年来,基于掌纹的生物识别技术受到了广泛的关注[4],许许多多的研究人员致力于掌纹识别技术的研究。
掌纹信息主要集中在掌心的一个很小的区域内,这个区域通常被称为感兴趣区域(ROI, Region of Interest) [5]。
在基于掌纹的生物识别技术中,ROI的定位是该技术的关键。
本文提出了一种精确定位掌纹图像ROI的方法。
现有的ROI定位方法大多需要辅助设备来固定手掌的位置,采用本研究所提出的方法定位ROI,在采集图像时不需要使用辅助设备。
手掌图像自动诊病关键点定位分割方法
手掌图像自动诊病关键点定位分割方法作者:胡欣楠韩仲志来源:《科技视界》2015年第32期【摘要】为了研究采用手掌图像自动诊病的可行性。
通过利用计算机对手掌图像识别过程进行分析,采用扫描仪扫描的部分手掌图片,基于这些图片进行关键点的定位和分割方法进行了研究,通过适当的预处理方法过的了手掌清晰的边界,提出了一种采用求距离倒数的方法进行关键点的标记,实验证明标记的效果良好。
本文所提出系统设计思想和关键点的标记方法对手掌自动诊病系统的开发具有积极意义。
【关键词】手掌诊病;图像处理;关键点定位;距离导数0 引言生物识别技术(Biometrics)是指计算机利用人体本身所拥有的生物特征来进行自动身份识别的技术,常基于计算机的方法及人体所拥有的生物特征来进行自动疾病诊断及健康评估。
利用计算机进行自动手掌诊病则是一种较新的生物识别方法,近年来,得到国内外研究人员的充分重视,甚至欧美国家也投入到此方面的研究当中[1-2]。
手掌诊病产生于古老的中医学理论,20世纪末,张大鹏教授[3]开辟该研究领域以来发展极为迅速,他在中医理论和全息医学的启发下创新地提出了生物诊断技术概念及研究方向[3]。
哈尔滨工业大学邬向前等[4-5]先后进行了自动舌像诊断、自动脉诊、自动虹膜诊断以及自动手掌诊断等方面的研究,并取得了较大的研究成果。
香港理工大学建立了第一个掌纹库(PolyU palmprint datebase)[6],本文对手掌诊病过程进行了分析,分析了计算机对手掌图像识别的预处理过程,提出了一种手掌关键点的定位方法。
1 图像采集与预处理用扫描仪采集手掌的图像,扫描时按轻轻平放在扫描仪上,为了使扫描背景为黑色,扫描仪盖板完全打开,实验用的扫描仪型号为佳能 CanoScan 8800F,平板式CCD扫描仪,光学分辨:4800dpi*9600dp;最大分辨率:19200dpi,扫描范围:216*297mm;使用的计算机为联想ideaCentre Kx 8160:CPU为Intel 酷睿2四核Q8300 2.5GHz,内存DDRIII4G;闪存1G,硬盘500G;Winows XP操作系统。
一种新的掌纹ROI图像定位方法
中图分 类号 :P 9 . 1 T 3 14 文献标 识码 : A D :0 3 6 / . s .0 15 .0 2 0 .2 OI 1 . 9 9 j i n 10 -0 8 2 1 .7 0 1 s 7
Ne l c to e h d o a m p i w o a i n m t o f p l rntROI i a e m g s
7 结
论
在 自适 应 H rs 法 的基础 上 , ar 算 i 引入 鼠标操 作 、 同一特 征组特 征点 判 断 以及 不变 性 角 点 检测 原 理 , 提 出 了一种新 的掌 纹 图像感兴 趣 区域 ( O ) 取方 R I提
一
种 新 的掌 纹 R I O 图像 定 位 方 法
尚 丽‘ , 品 刚 , .苏 - 淮文 军‘
(. 1 苏州 市职业大学 电子信息工程系 , 江苏 苏州 2 5 0 ;. 1 14 2 中国科学技术大学信息科学技术学院 自动化系 , 安徽 合肥 2 02 ) 30 6
摘
要: 在分 析传 统 Ha s 法缺 陷 的基 础 上 , 出一种基 于角 点检 测 的快速 掌纹 图像 预处 理 r 算 i r 提
1 引 言
的改 变也会 对 校正 结 果 产 生 影 响 , 位 分 割 结 果误 定
差较 大 。基 于 最大 内切 圆 的方 法不 适用 于手 指张开
自动找点的掌纹图像定位分割方法_许爽
一种基于移动平台的掌纹ROI定位算法
一种基于移动平台的掌纹ROI定位算法刘金浩;孙冬梅【摘要】With the advent of the era of mobile information,the demand for the application of algorithm running on mobile platform is becoming more and more urgent.In the past,most palmprint location algorithms are proposed for fixed acquisition equipment,we present a fast location algorithm of Haarp almprint ROI based on mobile platform,which integrated consideration the morphological features and texture features of the valley points between fingers to improve the accuracy of positioning.The results of experiments shows,the algorithm has good localization accuracy and with a faster running speed on mobile devices.%随着移动信息时代已经到来,对于适用于移动平台的掌纹ROI定位算法的需求日益迫切.针对以往大多数掌纹定位算法均针对固定采集设备提出,本文提出了一种基于移动平台的掌纹ROI快速定位算法,该算法综合考量指间谷点附近的形态学特征和纹理特征从而提高定位的准确度.实验结果表明,该算法具有较好的定位精度,并且在移动设备上仍具有较快的运行速度.【期刊名称】《电子设计工程》【年(卷),期】2017(025)021【总页数】4页(P125-128)【关键词】掌纹ROI定位;移动平台;Haar随机森林回归投票;肤色检测【作者】刘金浩;孙冬梅【作者单位】北京交通大学计算机与信息技术学院,北京100044;北京交通大学计算机与信息技术学院,北京100044【正文语种】中文【中图分类】TN911.73随着移动信息时代已经到来,智能手机等移动通信设备已经在日常生活中普及,在移动设备介入人们生活的方方面面的同时,也加大了移动设备被不法分子攻破时所带来的风险。
基于彩色图像的手部特征点自动识别方法
2017年软 件2017, V ol. 38, No. 3作者简介: 董娜,女,(1983-),工程师,主要从事研究方向为计算机图像处理。
基于彩色图像的手部特征点自动识别方法董 娜(华北计算技术研究所,北京 100083)摘 要: 手部特征点识别是手部尺寸测量的关键问题,本文给出了基于彩色图像的手部特征点自动识别方法。
首先,给出了提取手部轮廓的算法,基本原理是利用人体皮肤的色调特征将手部彩色图像二值化并提取手部轮廓,其优点是图像二值化过程在YUV 空间进行,不受测量个体肤色差异、光照、遮挡等因素的影响。
然后,给出了在手部轮廓线上自动识别全部25个特征点方法,针对特征点的不同特点给出了不同的处理方法,位于指尖以及指缝末端处的特征点,使用了DOS 方法进行自动识别,其他特征点则利用统计得到的经验公式进行计算。
实验结果说明,本文给出的算法在手部特征点的自动识别率和准确率上都已经能够满足手部尺寸测量的需要,并且具有较强的鲁棒性,已成功应用于未成人和军人等的手部尺寸测量系统中。
关键词: 手部测量;轮廓提取;特征识别;手部特征点中图分类号: TP391.4 文献标识码: A DOI :10.3969/j.issn.1003-6970.2017.03.020本文著录格式:董娜. 基于彩色图像的手部特征点自动识别方法[J]. 软件,2017,38(3):97-103Automatic Identification of Hand Feature Points on Color ImagesDONG Na(CETC 15 Institute, Beijing 100083, China )【Abstract 】: Hand feature points identification is a key problem of hand size measurement. This paper provides a novel method to automatically identify hand feature points. First, an algorithm of hand contour extraction is pre-sented in this paper, which uses the skin hue to binarize the hand color image and extracts the hand contour in YUV color space. The advantage of this approach is that the image binarization process will not be affected by individual differences of hand color, ill-lumination and partial occlusion of light. Then, this paper provides an approach to automatically identify all 25 hand feature points from the hand contour. This paper gives two types of processing methods to identify different feature points: (1) The feature points located on finger tips and finger webs are identi-fied with the DOS method; (2) other feature points are computed with statistical formulas. The results show that the algorithm provided in this paper could not only meet the requirements of hand size measurement system both in recognition rate and in precision, but also possess strong robustness. It has been applied successfully in the hand size measurement systems of non-adults and soldiers.【Key words 】: Hand measurement; Contour extraction; Feature recognition; Hand feature points0 引言手部特征点识别是手部尺寸测量和手部身份认证等的关键问题[1-6]。
非接触式掌纹识别技术中关键点的定位方法
非接触式掌纹识别技术中关键点的定位方法作者:唐有宝卜巍邬向前王宽全来源:《智能计算机与应用》2011年第03期摘要:在掌纹识别技术中,关键点的定位起到了至关重要的作用。
为了提高用户的接受度,采用了非接触式的掌纹识别技术。
针对关键点定位的准确性影响识别精度,提出基于非接触式掌纹图像的关键点定位方法,其中包括手指张开时和手指并拢时两种情况。
首先通过预处理提取手形的外侧轮廓,然后采用基于角度和方向的跟踪方法来初定位手指指尖点和手指间的凹点所在区域,最后细定位指尖点和手指间的拐点。
实验结果表明,提出的关键点定位方法定位精确且稳定性高。
关键词:中图分类号:TP391.41文献标识码:A文章编号:2095-2163(2011)01-0062-040引言生物特征识别技术是指通过计算机将人体所固有的生理特征或行为特征进行处理,用来进行个人身份识别的技术。
目前常用的生物特征识别技术有:人脸识别[1],虹膜识别[2],指纹识别[3],语言识别[4],掌纹识别[5]等。
这些生物特征都满足下面的条件:(1)普遍性,每个人都具有;(2)唯一性,任何两个人都不一样;(3)稳定性,这种特征长时间内是不变的;(4)可采集性,可以方便采集和定量测量;(5)安全性,该特征不容易被伪造或模仿;(6)可接受性,识别系统被用户所接受的程度。
原则上,生物特征只要满足以上条件就可以用于身份鉴别。
掌纹识别技术是根据人手掌上的有效信息来进行身份识别的技术,其中需要利用关键点定位技术从手掌图像中提取稳定的掌纹信息。
不同采集设备采集到的手掌图像有不同的特点。
目前,大部分掌纹识别系统中的设备是接触式的且有辅助物(如支柱)作为参考,能更方便地定位采集到的掌纹图像的关键点。
但接触式采集设备在使用时会让用户产生被侵犯感,且不同人频繁地接触设备,容易传播细菌和疾病。
因此,接触式掌纹识别系统不容易被用户所接受。
使用非接触式掌纹采集设备可以解决这一问题,但非接触采集方式会给手掌带来一定的自由度,导致关键点定位不准确。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
摘 要: 重点研 究掌 纹 图像 在 产 生旋 转 和平移 情 况 下 的定位 分割 方 法 。 采 集 的掌 纹 图像 做 中值 滤 波后得 到 二值 图像 , 对 跟
踪 二值 图像 边界 , 转换 边界 点重新 建立 只显 示边界 新 图像 , 后分析 手掌 形 态, 离手 指与 手掌 , 最 分 利用去孤 立 点的 自动找 点
30 2 1, o 3, o 计 算 机 工 程 与 设 计 C m u r n i en d ei 12 0 1 V 1 2 N . . 9 o pt E g er g n D s n e n i a g
自动找点的掌纹图像定位分割方法
许 爽 , 索 继 东 , 赵 继 印
(.大连 海 事 大 学 信 息科 学技 术 学 院 ,辽 宁 大连 l6 2 ; 1 10 6 2 .大连 民族 学院 信 息与通 信 工程 学 院 ,辽 宁 大连 16 0 ) 16 0
Ab t a t Th o i o i g a d s g n a i n o amp i t ma ei ic s e e a l wh c v l e o a i n a d ta st n F r t , sr c : ep st n n n e me tt f l r i o p n i g sd s u s d i d t i n , ih i o v sr tt n n i o . isl n o r i y
方 法 提 取 食 指 与 中 指 、 名 指 与 小拇 指 两 处 定 位 点 , 以 此 对 图 像 做 旋 转 校 正 , 立 直 角 坐 标 系 , 定 图像 的 感 兴 趣 区域 。 无 并 建 确
实验 结 果表 明 , 方法 的定位 准确 率 高, 利 于进一 步对 掌纹 图像进行 特征 提取 和特征 匹配。 该 有
a dc odn t s s m ra d a c r igt o io ig p it w i eemie ergo f neet ( OI. T ee p r n a n o r ia y t i cet c odn p s inn on s hc d tr n s ino rs R ) h x ei t l e e s e o t , h h t e i t me
p l rn a eu e d a l r s o v re i a yi g . T e eb u d r f i ay i g a k d a dan w a ei r c e td a mp i tm g s dme in f t n et db n r i i e ic ma e h nt o n a o b n r h y ma ei t c e e i g e r ae , sr n m s wh c h ws n yt eb r e . F n l , t ef g r n amsa es p r t da d t et o i o i g p i t f h d x f g ra d mi d e ih s o l o d r o h i al h n e s d p l r e a a e y i a n h wop st n n on s ei e n e n d l i o t n i i e, i n e n t e f g ra e f u d f g r r g f g ra d l t n e r o n . T u , t e p l rn g s oa e n o r c e a e n t e t o p st n n o n s n n i il i h s h a mp iti ma ei tt d a d c re t db s d o o i o i g p i t r h w i
关键 词 : 纹图像 ;定 位; 分割 ;二值 图像 ;感兴趣 区域 掌 中图法分 类号 : P 9 .1 T31 4 文献标 识码 : A 文 章编号 :0072 (0 10 —120 10 .0 4 2 1) 93 0—4
Pamp it m a ep st n n n e me tt n meh d a e n a t n i gp i t l rn g o i o i g a d s g n a i t o sb s do u o f d n on s i iyn S u n , U J— n d J— i
(.Colg f n omainS in e n e h oo y DainMaimeUnv ri , Dain l 0 6 C ia 1 l eo fr t ce c dT c n lg , e I o a l r i ies y a t t l 1 2 , hn ; a 6
2 olg f n o aina dCo .C l eo fr t mmu iainE gn eig Dai t n lis ies ,Dain l 0 ,Chn ) e I m o n nc t n iern , o l nNai aie v ri a o t Un y t l 1 6 0 a 6 ia