掌纹感兴趣区域定位与选择方法综述
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。
一种新的掌纹图像感兴趣区域提取算法
一种新的掌纹图像感兴趣区域提取算法
张磊;冯贵玉;胡德文
【期刊名称】《计算机工程与应用》
【年(卷),期】2007(043)008
【摘要】重点研究具有一定自由度在线掌纹图像的感兴趣区域提取算法.首先结合掌纹图像的特点采用全局阈值二值化掌纹图像,然后利用形态学算子平滑掌纹轮廓,提取轮廓线Freeman链码并对链码进行角度变换,最后通过考察轮廓线上各点附近轮廓线的角度变化来提取掌纹图像感兴趣所需要的定位点,从而提取感兴趣区域.感兴趣区域的提取为特征提取和特征匹配打下了基础.最后,在两个公开的掌纹数据库,通过实验证明了这种算法的有效性.
【总页数】4页(P40-42,61)
【作者】张磊;冯贵玉;胡德文
【作者单位】国防科技大学,机电工程与自动化学院,长沙,410073;国防科技大学,机电工程与自动化学院,长沙,410073;国防科技大学,机电工程与自动化学院,长
沙,410073
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种新的掌纹特征提取算法 [J], 吴介;裘正定;李强
2.一种新的掌纹ROI图像定位方法 [J], 尚丽;苏品刚;淮文军
3.一种掌纹图像感兴趣区域的提取方法 [J], 郭鑫;姜威
4.一种新的图像感兴趣区域的提取方法 [J], 曹红兵;陈蕴
5.一种新的掌纹轮廓特征点提取算法 [J], 李艳;吴贵芳;戴高乐;李继杰
因版权原因，仅展示原文概要，查看原文内容请购买。
自动找点的掌纹图像定位分割方法
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
掌纹图解多图解释[专家指导]
![掌纹图解多图解释[专家指导]](https://img.taocdn.com/s3/m/161a486a770bf78a652954ca.png)
专业资料
25
智慧线的粗细
智慧线深刻清晰，是灵活的思想家，智慧线越深 刻清晰，思路越清，理解力佳，心智敏捷，事实联 想逻辑性强，做决定较为理性，不会盲目行事。
智慧线微弱不明显，心如蝴蝶，无法专心。知 识面较贫乏，有不切实际、幻想、做白日梦的心理 倾向。办事举棋不定、难下决定，情绪化较重。如 果感情线比智慧深刻清晰，表示情感胜过理智，看 待事情常常会较情绪化而非逻辑思维。
专业资料
26
专业资料
27
智慧线的长短
智慧线长短适中(末端在无名指和小指缝中为适中， 超过为长，不及为短)，粗壮、深刻者，智力极高，判 断力强，记忆力强，聪明能干，精力过人。心脏整体 功能正常。6
智慧线的长是喜欢问问题的人， 表示爱好、兴趣广泛，知识面较宽， 喜好变化，喜欢在自己的领域转换 角色。
向月丘，表示有强烈的肉欲刺激追求，
必须理性控制。
月丘
专业资料
16
6、生命线线纹细弱或断断续续，提示精 力不足，缺少活力，体弱或患有慢性病。
7、生命线呈绳索状的人，提示：不出众、 胆怯、胆小怕事，心理紧张；
专业资料
17
8、生命线呈链琐状仅左手出 现，提示体弱，或患有慢性病， 禀赋不足；
上段出现表示少年，下段出 现表示老年，链琐状纹与正常 纹的交替出现可反映机体的变 化和时段。
生活。
如果线纹细皱浅淡，弧度小（金星
丘小，松弛），体弱多病，不堪劳碌，要
注意调理。
专业资料
9
生命线与智慧线起点
生命线与智慧线起点重合过长，
表示有过强的依赖天性，容易
受家庭和及家世背景的影响。 做事谨慎，缺乏自信的特质。
生命线与智慧线起点分开，
分开距离较大，大于0.5厘米者，
掌纹识别算法综述
第36卷第3期自动化学报Vol.36,No.3 2010年3月ACTA AUTOMATICA SINICA March,2010掌纹识别算法综述岳峰1左旺孟1张大鹏2摘要掌纹识别作为一种新兴的生物识别技术,近年来得到了广泛的关注与研究.与其他生物特征相比,掌纹有许多独特的优势,包括识别率高、采集设备价格低廉、用户可接受性好等.这些优势使得掌纹识别成为一种有着广泛应用前景的生物识别方法.本文首先介绍了掌纹的特点、掌纹的采集设备和预处理方法,之后详细介绍了近几年来提出的各种掌纹识别方法.根据特征提取以及匹配方法的不同,本文将掌纹识别方法分为基于结构的、基于子空间的、基于编码的和基于统计的四类方法.在回顾和比较了各种算法的特点之后,对未来的掌纹识别方法的发展方向作了展望.关键词生物识别,掌纹识别,低分辨率掌纹图像,特征提取,特征匹配DOI10.3724/SP.J.1004.2010.00353Survey of Palmprint Recognition AlgorithmsYUE Feng1ZUO Wang-Meng1ZHANG Da-Peng2Abstract As an emerging biometric technology,palmprint recognition has recently received considerable research interest.Because of its low-price capture device,fast execution speed,and high verification accuracy,palmprint recognition is very competitive in biometric research and is expected to have a wide range of security applications.This paperfirst introduces the characteristics of the palmprint,the acquisition and the preprocessing method for palmprint image,and then presents a survey of the palmprint recognition algorithms.According to different feature extraction and matching approaches,we roughly group these algorithms into four categories:structure based,statistics based,subspace based and coding based methods.After surveying and comparing these algorithms in each category,we conclude this paper with a discussion of future trends.Key words Biometrics,palmprint recognition,low-resolution palmprint image,feature extraction,feature matching随着社会和经济的不断发展,人们对身份鉴别的准确性、安全性与实用性提出了越来越高的要求.传统的身份鉴别方法,如钥匙、密码以及智能卡等,存在容易丢失、遗忘、被复制及盗用的隐患.而通过辨识人的生理和行为特征进行身份认证的生物识别技术(Biometrics)为身份鉴别提供了一个方便可靠的解决方案.生物识别技术是指根据人的生理特征(如语音、指纹、掌纹、面部特征、虹膜等)或行为特征(如步态、签名、击键特征等)进行身份鉴别的技术.生物识别技术以人的生物特征为基础,以信息处理技术为手段,具有安全性、有效性和易用性等特点,因此受到人们越来越多的重视.收稿日期2009-04-10录用日期2009-10-23Manuscript received April10,2009;accepted October23,2009国家高技术研究发展计划(863计划)(2006AA01Z308),国家自然科学基金(60872099,60902099)资助Supported by National High Technology Research and De-velopment Program of China(863Program)(2006AA01Z308) and National Natural Science Foundation of China(60872099, 60902099)1.哈尔滨工业大学计算机学院生物信息技术研究中心哈尔滨1500012.香港理工大学计算学系生物识别技术研究中心香港1.Biocomputing Research Center,School of Computer Sci-ence and Technology,Harbin Institute of Technology,Harbin 1500012.Biometrics Research Center,Department of Com-puting,Hong Kong Polytechnic University,Hong Kong掌纹识别是近些年来新兴的一种生物识别技术.与其他用于识别的生物特征相比,掌纹具有很多独特的优势.相比于指纹,掌纹拥有更大的面积以及更为丰富的纹理信息,只需要较低分辨率的采集设备就可以构建高性能的掌纹识别系统;相比于人脸识别,掌纹识别能轻易地区分双胞胎;相比于虹膜,掌纹采集设备的价格更为低廉,采集方式也更容易让用户接受;相比于签名,掌纹更加稳定可靠.因此,掌纹识别是一种有着广泛应用前景的生物识别方法,近年来得到了研究人员的广泛关注.掌纹中包含丰富的特征,如主线、皱褶、三角点和细节点等,如图1所示.在高分辨率(≥400dpi)的掌纹图像中可以提取到上述的全部特征;而对于低分辨率(≤100dpi)的掌纹图像,只能提取到主线和皱褶特征(统称为线特征),如图2所示.由于在低分辨率的掌纹图像上的识别精度对于一般的民用和商用已经足够,而且相对于高分辨率图像,获取和处理低分辨率掌纹图像可以节省大量时间和成本,因此本文主要讨论针对低分辨率掌纹图像的识别方法.本文的结构安排如下:第1节讨论了掌纹图像的采集和预处理,以及公开的掌纹图像数据库和评价指标;第2节对各种掌纹识别算法作了分类,并对每类算法进行详细的阐述和比较;第3节讨论了当前354自动化学报36卷掌纹识别存在的问题和未来的发展方向;最后在第4节对本文进行了总结.图1掌纹中包含的各种特征Fig.1Various kinds of features inpalmprint图2低分辨率掌纹图像中的主线和皱褶特征Fig.2Principal lines and wrinkles in low-resolutionpalmprint image1掌纹图像的采集和预处理1.1掌纹图像的采集早期的掌纹采集方法是将手掌涂上墨水或油墨,之后将手掌印在纸上,最后用扫描仪将带有掌纹图像的纸扫描成数字图像[1−2].这种采集方法速度慢,只能用于脱机掌纹识别.而且,由于手掌的生理结构,手掌中心部分的掌纹信息经常是缺失或模糊的,采集到的图像质量差,如图3所示.Wong等设计了一种用于联机掌纹识别的采集设备[3],这种设备可以直接采集到数字化的掌纹图像,如图4所示.这种采集设备的分辨率为75dpi,可以获得掌纹中清晰的主线和皱褶信息.近来,PAPILLON等公司推出了联机采集高分辨率掌纹图像的设备[4−6],相比于早期的采用扫描方式的设备在采集速度上有很大提高.图3用墨水和扫描仪采集到的掌纹图像Fig.3Palmprint image captured by ink andscanner图4Wong等设计的联机掌纹采集设备采集到的掌纹图像Fig.4Palmprint image collected by Wong sonline capture device1.2掌纹图像预处理掌纹图像的预处理主要包括去噪、关键点定位、平移及旋转校正等.早期的掌纹识别方法提取掌纹中的纹线端点和感兴趣点作为特征,在匹配阶段采用自适应的方法匹配,对于预处理的要求不是很严格.随着掌纹识别技术的发展,对匹配的速度和精度要求越来越高,因此要求在预处理阶段完成掌纹图像的平移及旋转校正.对于掌纹的定位,大多数预处理算法都利用了食指与中指的缝隙以及无名指与小指的缝隙[7−10].在此基础上,Poon等[8]提出了一种划分掌纹中心区域的方法,如图5(a)所示.他们将掌纹的中心区域划分为多个椭圆形半环,每个椭圆形半环再分为多个小块,对每个小块分别提取特征.这样划分的优点是可以减小旋转产生的影响.3期岳峰等:掌纹识别算法综述355由于Wong 等设计的采集设备已带有用于定位的圆柱,并且要求采集者的手指张开,这就极大地方便了掌纹图像的预处理.Zhang 等针对此采集设备提出的预处理方法[7]可以在很大程度上克服手掌的平移及旋转带来的影响,已成为一种广泛使用的预处理方法[7,10−16],如图5(b)所示.Hennings 等[10]在此基础上又加入了形态学操作,以改善预处理方法的鲁棒性.Liambas 等在文献[17]中提出了针对方向上任意放置的掌纹图像的预处理方法,该方法通过在手掌区域中放置互不重叠的最大内切圆来定位手掌中心区域,同时可以获得手掌的方向,对噪声以及断指、并指等情况具有更好的鲁棒性.一幅典型的手掌图像的处理结果如图5(c)所示.1.3掌纹图像公开数据库掌纹识别技术提出后,国内外很多大学和科研机构都陆续开展了这方面的研究.为了推动掌纹识别技术的发展,使各种掌纹识别方法有一个统一的比较平台,香港理工大学、香港科技大学和中国科学院自动化研究所分别发布了公开的掌纹图像数据库,如表1所示.香港理工大学的掌纹数据库是利用文献[3]中的采集设备采集得到的,版本1中包括来自50人、100只手掌的600个掌纹图像样本.所有图像分两次采集得到,每次对每只手掌采集3幅图像.版本2中包括193人、386只手掌的7752幅图像.所有图像分两次采集得到,每次对每只手掌采集约10幅图像.在两次采集过程中,研究人员更换了设备的光源并对其照明系统进行了改造,因此部分掌纹在不同阶段采集的图像会有较为明显的亮度差异.香港科技大学的数据库通过数码相机采集得到,没有使用类似于文献[3]中设备上用于手掌定位的装置,采集时也不是在封闭的环境中,因此与香港理工大学的数据库相比,掌纹图像间存在较大的平移和旋转,且受光照影响更大.中国科学院自动化研究所设计了一种掌纹采集设备,并用该设备构建了包括301人、5239个图像样本的掌纹图像库,所有图像都是通过一次采集得到.由于该设备并没有用于定位的圆柱,因此采集时手掌的位置更加灵活,同一手掌的图像间差异也较大.在这些数据库公开发布之后,掌纹识别算法在这些数据库上的性能已成为衡量该算法的一个重要指标.在第2节的算法分析中也列出了近来提出的掌纹识别算法在这些公开数据库上的性能参数.1.4评价指标掌纹识别方法的评价指标与其他生物识别方法相类似,主要包括正确接受率(Genuine accep-tance rate,GAR),错误拒绝率(False rejection rate,FRR),错误接受率(False acceptance rate,FAR),等误率(Equal error rate,EER),判别指数(Discriminating index,d )等.此外,还包括提取的(a)文献[8]提出的方法(a)The method proposed in [8](b)文献[7]提出的方法(b)The method proposed in [7](c)文献[17]提出的方法(c)The method proposed in [17]图5掌纹图像预处理方法示意图Fig.5The schematic diagrams of palmprintpreprocessing methods356自动化学报36卷表1公开发布的掌纹图像数据库Table1Public palmprint image databases数据库名称人数掌纹图像数图像大小Hong Kong PolyU(v1)100600384×284 Hong Kong PolyU(v2)[18]1937752384×284 Hong Kong UST(v1)[19]27054001280×960 CASIA(v1)[20]3015239640×480特征维数、特征大小、特征提取及匹配所需的时间等.本文在第2节的算法分析中列出了某些具有代表性的掌纹识别算法的性能参数.值得注意的是,有些实验结果是在不同的掌纹数据库上得到的,彼此间并不具有可比性.2掌纹特征提取和匹配高分辨率的掌纹图像大都用于脱机掌纹识别,主要应用于刑侦、司法等领域.与指纹识别类似,对于高分辨率的掌纹图像主要利用乳突纹和细节点进行识别.特征提取阶段通常包括方向场估计、图像增强、二值化、细化和细节点提取等[21].在此基础上,文献[22]利用统计信息和结构信息给出一些规则,用于去除伪细节点.匹配时采用的是点集间的匹配,每对细节点间的匹配通常要考虑细节点的位置、方向以及类型等信息.最近提出的潜掌纹(Latent palmprint)识别方法[23]针对部分掌纹与全部掌纹间匹配的特点,提出了以细节点码(Minutia code)作为局部特征,先进行局部匹配,再进行全局匹配的方法.对于低分辨率的掌纹图像,主要是利用主线和皱褶信息实现掌纹识别.根据掌纹中特征的表示以及匹配方法,可大致将掌纹识别方法分为四个类别[24],分别是基于结构的方法、基于统计的方法、基于子空间的方法和基于编码的方法.此外,我们还列出了一些不属于这些类别的方法.2.1基于结构的方法基于结构的方法主要是指利用掌纹中主线和皱褶的方向和位置信息实现掌纹识别的方法.这一类的方法主要由两部分组成:1)提取掌纹中的纹线特征;2)纹线特征的有效表示和匹配.线特征的有效表示主要是指便于匹配,并且占用尽可能少的存储空间.对于特征的提取,较多使用的是各种线检测算子以及边缘检测算子;对于特征的表示,主要是采用直线段或特征点代替掌纹纹线;而特征的匹配大多采用特征点之间的欧氏距离或Hausdorff距离,以及用于线段匹配的Hausdorff距离等.Shu等[25−26]提出了一种掌纹线特征的提取和匹配方法.该方法首先使用12个线检测算子检测各个方向下的掌纹纹线,并用直线段近似表示,之后通过后处理滤除较短的线段,合并重合的线段,得到代表该掌纹中纹线的全部直线段.最后提取出直线段的端点、截距和倾角等作为该掌纹的特征.对于直线段间的匹配,采用的是端点的欧氏距离以及截距和倾角的差别,对于小于指定阈值的则认为直线段匹配成功.两个掌纹的匹配度定义为匹配的直线段数目与直线段总数之比.该方法利用了掌纹纹线具有一定长度的特点,对噪声不敏感.匹配时考虑了纹线的长度和方向信息,大大减少了仅依赖纹线端点造成的误匹配.Wu等[27−28]提出了一种利用高斯函数的导数提取掌纹主线特征的方法.该方法采用四个不同的检测算子,分别检测四个不同方向的纹线,最后合并各个方向的检测结果.为了克服非线性形变及旋转带来的影响,文献[28]在匹配前对表示纹线的二值图像进行旋转和形态学膨胀,之后再与其他掌纹匹配.文献[29]中首先通过二值化获得掌纹的线特征,之后提取掌纹中最大内切圆内部的若干条跨度最长的纹线,匹配时采用的是类似Hausdorff距离的双向匹配方法.Li等[30−31]提出首先利用通用的边缘算子检测出掌纹中的纹线,之后用改进的线段Hausdorff距离匹配.由于Hausdorff距离本身就具有对小的形变不敏感的特性,因此以上两种方法都具有较好的鲁棒性.注意到掌纹纹线(尤其是主线)并不是单像素宽的,而经典的边缘检测算子只能检测到单像素宽的边缘(称为单边响应,Unique edge response),Liu等[32]提出了一种宽线检测算子.该方法利用圆形模板中与圆心灰度相似的区域的面积来判断圆心点是否属于纹线,指出对于背景区域,该面积达到最大值,因此将最大值的一半作为阈值滤除背景,从而得到纹线.得到的掌纹纹线表示成一个二值矩阵,采用异或操作匹配.由于该方法不仅考虑了纹线的位置,还考虑了纹线的宽度,因此识别精度更高.与采用直线段表示掌纹纹线的方法不同,本类方法采用构成纹线的所有的点来表示掌纹,匹配时采用的是点集间的匹配.这类方法最大的优点是避免了用直线段近似掌纹纹线,缺点是匹配时仅考虑了纹线的位置信息,而丢弃了纹线的方向信息,因此识别精度不高.另一类的方法是利用特征点来表示掌纹纹线,从而用特征点间的匹配代替纹线间的匹配.Duta 等[33]首先通过二值化平滑后的掌纹图像来提取掌纹纹线,之后通过形态学操作提取代表纹线的特征点,最后用类似于指纹识别中的特征点匹配方法对特征点进行位置与方向上的比较.You等在文献[2]中提出了一种类似的方法.该方法首先用Prewitt 算子提取掌纹纹线,之后用Plessey算子[34]提取代3期岳峰等:掌纹识别算法综述357表点,最后采用Hausdorff距离实现掌纹间的匹配.由于特征点的数目较多,与基于线特征的掌纹识别方法相比,这一类方法保存特征需要更大的空间,匹配时速度也较慢.在文献[35]中,Wu等提出了一种不同的方法,充分利用梯度图的方向和幅值信息提取掌纹的纹线特征.在该方法中,首先计算掌纹图像梯度图的方向和幅值,之后对掌纹模糊分块,分别提取每块的方向和幅值特征,并连接为表示整个掌纹的特征矢量.匹配时采用向量间的相关系数.这种方法由于利用了统计量作为特征,因此对质量差的掌纹图像具有更好的鲁棒性,识别精度较高.基于结构的方法是早期的用于掌纹识别的方法.总的来说,大部分基于结构的方法都是借鉴或移植自指纹识别中的方法,简单直观.但是这类方法用直线段或特征点近似地表示掌纹纹线,丢失了大量信息,因此识别率不高.此外,这类方法的识别性能在很大程度上依赖于边缘检测算子或宽线检测算子.掌纹中一些比较细小模糊的线包含大量的判别信息,但却无法被检测算子检测到.大量的直线段和特征点也使匹配过程非常耗时.表2对各种基于结构的方法作了比较.2.2基于统计的方法基于统计的方法是指利用掌纹图像的重心、均值、方差等统计量作为特征的识别方法,可进一步分为基于局部统计量和全局统计量的方法.其中基于局部统计量的方法需要将图像分成若干小块,之后统计每块的均值和方差等统计信息,最后连接为表示整个掌纹的特征向量;而基于全局统计量的方法则直接计算整个图像的矩和重心等统计信息作为掌纹的特征.匹配时,一般采用矢量比较时常用的相关系数、一阶范数或欧氏距离.对于基于局部统计量的方法,在提取统计特征之前,通常需要对图像做变换,例如傅里叶变换、小波变换等.Li等[36−37]首先用傅里叶变换提取掌纹图像的频域信息,之后分块并计算每块的幅值和相位的和作为特征.Zhang等[38]利用过完备小波变换的平移不变性和掌纹纹线方向的上下文相关性,计算小波分解后每块的四类统计特征.根据这四类特征可将掌纹分为若干个类别,识别时仅在待测掌纹所属的类别内搜索即可.文献[39−42]提出利用小波变换,之后分块并提取每块的均值和方差作为特征.各种方法的分块策略略有不同,例如文献[37]将图像分为半径相等的同心圆,文献[42]将小波分解后的各子图分为数量相同的小块,而文献[41]则将小波分解后的各子图分为大小相同的小块.当只进行一级小波分解时,后两种分块的策略是相同的.与基于结构的方法不同的是,本类方法考虑了掌纹图像的频域(傅里叶变换)和多尺度(小波变换)特征,而不是原始图像中纹线的位置、方向等特征,能够有效地减小类内差别,提升识别性能.但是在该类方法中,分块的大小以及分块的策略对最终的识别结果有很大影响,而最优的分块方法通常需要实验确定.基于全局统计量的方法主要是指利用图像不变矩的识别方法.文献[43−44]分别利用Hu和Zernike矩提取掌纹特征,而Li等在文献[45−46]中提出了一种利用平移不变的Zernike矩提取掌纹特征的方法.根据所采用的不变矩具有的平移或旋转不变的特性,该类方法对于掌纹图像也具有相应的特性,可以有效地处理预处理带来的图像平移和旋转.该类方法的缺点是特征维数太小,丢失了大量的判别信息,因此识别率不高.基于统计的方法将掌纹图像看作是纹理图像,并利用分析纹理图像的一些方法来分析掌纹图像.与基于结构的方法相比,傅里叶变换的方法可以提取掌纹的频域特征,小波变换的多分辨率特性更加适表2基于结构的方法的比较Table2Comparison of structure-based methods算法名称特征表示平均特征大小匹配方法数据库识别率(%)等误率(%)线特征[26]端点表示340线匹配60幅图像93.3的直线段点特征[33]特征点的约1800特征点匹配30幅图像94.3位置及方向宽线检测算子[32]表示纹线2056逻辑异或PolyU(v1) 1.0的二值数据线特征向量[35]矢量200相关系数3200幅图像(1920幅97.5 1.0训练,1280幅测试)多特征[2]纹理能量大于2048能量差异和200幅图像95和感兴趣点Hausdorff距离358自动化学报36卷合主线和皱褶不同粗细的特点,而基于全局统计量的方法对图像平移和旋转更加鲁棒.总的来说,基于统计的方法比基于结构的方法有更高的准确率,统计的本质也使得该类方法对噪声不敏感.此外,由于原始掌纹图像被有效地表示为若干个统计量,因此特征所占的空间很小,匹配速度也很快.表3列出了几种基于统计的方法的性能比较.2.3基于子空间的方法子空间方法将掌纹图像看作是高维向量或矩阵,通过投影或变换,将其转化为低维向量或矩阵,并在此低维空间下对掌纹表示和匹配.根据投影或变换的性质,子空间方法可以分为线性子空间方法和非线性子空间方法.目前应用较为广泛的是线性子空间方法,主要包括独立成分分析(Independent component analysis,ICA)、主成分分析(Principal component analysis,PCA)、线性判别分析(Linear discriminant analysis,LDA)等.与前两类方法不同,基于子空间的方法大都需要对每个类别的掌纹图像构造训练集,在该训练集上计算最优的投影向量或矩阵,并将投影后的向量或矩阵作为该类掌纹的特征.在识别阶段,首先对待测掌纹图像作相同投影或变换,之后采用最近邻或最近特征线(Nearest feature line,NFL)分类器分类.基于子空间的方法已成功地应用于人脸识别,移植到掌纹识别后也取得了很好的效果.Lu等[47]提出了利用PCA进行降维的Eigen-Palm方法,该方法首先将掌纹图像连接为高维向量,并计算该向量的散度矩阵的特征值和特征向量,之后保留若干较大的特征值对应的特征向量构成投影矩阵.由于PCA主要考虑的是掌纹的表示(Representation),而不是掌纹的判别(Discrimi-nance),Wu等[48−49]又提出了在PCA的基础上再进行LDA降维的FisherPalm方法.LDA方法同时考虑类内散度和类间散度,并通过最大化类间散度同时最小化类内散度(即Fisher准则)计算最优的投影矩阵.此外,文献[50]提出融合PCA和LDA 特征,文献[51]提出利用核线性判别分析(Kernel Fisher discriminant analysis,KFDA)方法,都取得了比单独使用PCA或LDA更好的效果.由于小样本(Small sample size,SSS)问题, PCA易于对训练集产生过拟合(Overfitting).作为一维PCA的推广,Yang等[52]提出了2DPCA并应用于人脸识别.在2DPCA中,图像被看作是由若干个行向量组成,并在此行向量上进行PCA降维,这就有效地解决了小样本问题.相比于PCA,该方法具有更好的泛化能力,但缺点是特征维数较高.在此基础上,Wang等[53]将2DPCA和LDA结合的方法应用于掌纹识别.在文献[54]中,Lu等指出,先对掌纹图像做小波分解,再应用2DPCA,可以得到比直接应用2DPCA更高的识别率.BDPCA(Bi-directional PCA)由Zuo等提出,并应用于人脸和掌纹识别[11,55].BDPCA可以看作是2DPCA的一种推广,通过分别计算行投影矩阵与列投影矩阵,将掌纹图像最终变换为一个矩阵,作为该掌纹的特征.对于该特征矩阵,Zuo等采用集成矩阵距离(Assembled matrix distance,AMD)的度量方式计算相似度.相对于PCA,BDPCA具有更好的泛化能力,可以减轻训练时带来的过拟合.该方法还省去了PCA中的图像连接过程,因此特征提取的效率更高.此外,BDPCA提取的特征维数要远小于2DPCA,因此保存特征所需的存储空间更小,匹配速度更快.在BDPCA的基础上,文献[56]使用BDPCA和LDA相结合的方法,文献[57]提出先用BDPCA提取特征再用一维PCA降维的方法,都得到了比单独使用BDPCA更好的结果.在文献[58]中,接标等将ICA方法应用于掌纹识别.在文献[59]中,Lu等先将掌纹图像做小波分解,之后应用ICA方法提取特征,实验表明优于直接使用ICA的方法.基于子空间的方法具有坚固的理论基础,并且已广泛地应用于人脸识别中.相对于基于结构的方法,具有识别率高、特征小等优点,较之基于统计的方法也有更高的识别率.尤其是在Zuo等提出BD-PCA之后,特征提取阶段的计算量也大大减少,使得该类方法的优势更加明显.但是该类方法通常对每个类别都需要多个训练样本,且训练样本的选取对识别结果影响较大.表4列出了几种主要的基于子表3基于统计的方法的比较Table3Comparison of statistics-based methods算法名称特征维数匹配方法数据库识别率等误率(%)傅里叶变换[37]8+8一阶范数和相关系数3000幅图像95.48%小波变换[38]27加权的一阶范数200幅图像98%Hu矩[43]7欧氏距离378幅图像FAR=0.038%,GAR=98.1%Zernike[44]11欧氏距离300幅图像6.44一阶范数 5.56。
看懂手相手掌线，解读人生从这里开始！
看懂手相手掌线，解读人生从这里开始！现在许多人都把看手相当做是一种占卜或者解读人生的方法。
想看手相，得先从手掌的主线看起，即心线、智慧线、生命线和命运线，然后再看婚姻线、财富线等其它比较重要的线，最后看逃避线等次要的线。
只要找到每条线，弄清楚每条线代表什么意思，就能看懂掌纹。
（壹）解读主线1、选择先看哪只手看手相有阴阳手之说。
你的惯用手是阳手，而非惯用手就是阴手。
•阴手反映的是一个人的内在品质，这是看手相的基础。
•阳手反映的是内因和外因导致的变化。
•如果两只手的掌纹有很大的区别，说明这个人很努力地提升自己。
2、认识四条主线四条主线分别是心线（感情线）、智慧线、生命线和命运线（并不是每个人都有命运线）。
•手掌上第一条横线就是心线，它从心理和生理两个方面来反映你内心的状态。
•智慧线横穿你的手掌正中，它反映的是你的心智和大脑。
••生命线从虎口开始，环绕你的大拇指。
和字面意思不同，生命线反映的不是你生命的长短，而是力量、活力和生命力等方面。
•命运线从掌根出发，直穿手掌正中（并不是每个人都有这条线）。
它和一个人的事业、成功、职业道路等联系在一起。
3、心线心线可以从左往右也可以从右往左读，具体依习惯而定。
据说它能反映一个人的情绪稳定度、浪漫程度和心脏健康。
详细的解读方法如下：•如果心线从食指下端开始，说明这个人对爱情很挑剔；•如果从中指下端开始，说明这个人面对爱情很自私；•如果从掌中心起始，那说明这个人很容易坠入爱河；•没有心线的话，说明这个人很理智，不会受情感控制；•心线很模糊说明这个人很高冷，对感情漠不关心；•心线又短又直，说明这个人不是特别关心爱情；•很长的曲线则表示这个人很擅长抒发自己的感情；•波浪线则表示这个人的情史很多，没有一段真挚的感情；•如果心线是一条直线，而且和智慧线平行，表示这个人很擅长控制自己的感情；•心线和生命线相接，说明这个人的心很容易受伤；•断断续续的心线，或是有很多交错的小纹路，都暗示着情感创伤；•链条状（即线上出现小圆圈）的心线代表抑郁。
阅读掌纹的小技巧
阅读掌纹的小技巧
1．分清掌纹是否连在一起，连在一起的话，是不是有连接点，尽管分清这些比较困难。
如果实在分不清，就不要把你的断说得太绝对。
2．于他未来的金钱方面，不要直接说出否定的话，可以说：“看样子，你
会中彩票哦。
”尽量说得委婉些。
如果手是方形的或是铲形的，手指长得粗而有力，那么这个人是有成为富翁可能的。
3．看看大拇指下面的纹路是否分明，如果纹路很多的话，则有着艺方面的天赋。
试着把大拇指放到无名指的指跟部位，如果大拇指超出了指跟的那条线，而且心脏线长而分明，则代表这个人很有魅力。
4．手生命线，智能线，命运线，以及心脏线看得很清楚，而且呈m形的话，这样的人福分很强。
5．在下结论的时候，多看看对方，从他的姿势、表情、外貌等吸取讯息，获得情报，可以大大提高你的正确度。
6．如果看出来有关于疾病，和爱人分离之类的讯息，不要直接说出来，容易让别人产生心理暗示，应该尽量避免。
7．用一些可以带来好反应的话来开始。
比如说：“哦，你还有没发挥到才能哦。
”这样的话经常能引起别人的兴趣，好的开始是成功的一半。
如果他问你看到了什么有这样的结论，你就可以说：“啊，是你的掌纹告诉我的。
”
8．看掌纹的时候，最重要的事是要让给你看的人感到高兴。
这样才有继续的动力，避免谈到一些沉重的话题，或是不愉快的东西。
掌纹感兴趣区域定位与选择方法综述
2011，47（14）Computer Engineering and Applications计算机工程与应用1引言作为模式识别及其相关工程领域的前沿课题，我国在《国家中长期科学和技术发展规划纲要（2006-2020）》中，将生物特征识别列为重点技术和优先主题。
掌纹识别是一种新颖的生物特征识别方法，具备很多独特优势[1]，主要应用于公司和商业等部门的身份鉴别和验证系统中。
在掌纹识别问题中，预处理必不可少，而作为预处理过程中的关键步骤，掌纹ROI的定位选择方法一直是该领域中的热点问题，在理论研究和工程应用方面具有指导意义。
本文选择有代表性的文献对这一问题进行了整理，希望能够给后续研究人员提供启发和参考。
2掌纹ROI定位选择基本概念及步骤掌纹ROI的定位选择指对不同的掌纹图像进行一系列调整和关键点定位，然后选择分割出中心有效区域来提取特征，继而进行特征匹配完成识别等。
这个中心区域，通常也称为感兴趣区域（Region Of Interest，ROI），对于相同手掌的掌纹图像，ROI所处位置应该相同。
ROI定位选择目的在于将不同掌纹的特征区域进行归一化，方便后续处理，因而非常重要。
掌纹ROI定位选择主要包括以下几个主要步骤：（1）对手掌图像二值化；（2）提取手掌边缘轮廓；（3）利用相关算法定位关键点，建立坐标系；（4）选择分割出合适的ROI。
其中（1）（2）两步在所有定位选择方法中基本相同，本文主要针对文献中涉及的（3）（4）两步进行归纳和分析，需要说明的是：由于（3）（4）两步骤关系密切，故本文并未将二者进行严格区分，而是结合起来进行探讨。
3掌纹ROI定位选择方法分类针对各种方法特点，进行详细分类如下。
掌纹感兴趣区域定位与选择方法综述林森1，2，苑玮琦1LIN Sen1，2，YUAN Weiqi11.沈阳工业大学视觉检测技术研究所，沈阳1108702.辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛125105puter Vision Group，Shenyang University of Technology，Shenyang110870，China2.School of Electronic and Information Engineering，Liaoning Technical University，Huludao，Liaoning125105，ChinaLIN Sen，YUAN Weiqi.Survey on orientation and selection methods for palmprint Region of puter Engi-neering and Applications，2011，47（14）：21-24.Abstract：As a leading subject of biometrics technology，palmprint recognition has only been investigated for about ten years. The orientation and selection for the Region Of Interest（ROI）are very important tasks in palmprint recognition process，and the issues have been wildly studied.Since the obtained ROI is used in the following feature extraction and matching，its quality has a significant influence on the indicators such as recognition rate.An overview is provided for the researchers to catch up with the lately research progress in this region.The basic concepts and steps of orientation and selection are listed.Different methods are categorized and then described and analyzed respectively.Based on the analysis of the advantages and disadvan-tages of each method，suggestions for the future development of palmprint ROI orientation and selection methods are provided. Key words：pattern recognition；palmprint；region of interest摘要：作为生物特征识别领域的前沿课题，掌纹识别仅有十余年的研究历史。
掌纹图像感兴趣区域的提取及仿真分析
掌纹图像感兴趣区域的提取及仿真分析作者：周作梅赵红梅来源：《电脑知识与技术》2015年第07期摘要：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）07-0222-031 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。
一种掌纹图像感兴趣区域的提取方法
Ｋｅ ｒ ｓ ｉｍｅｒ ｓ ｐ ｌ ｒ ｔｒｃ ｇ ｉｏ ｒｇｏ ｆｉｔｒｓ（ Ｉ ；ｏ ｒ ｉａｅ ｓ ｓｅ ｙ ｗｏ ｄ ：ｂｏ ｔ ｃ ；ａｍｐ ｉ ｅ ｏ ｎｔ ｎ；ｅ ｉｎ ｏ ｎｅｅｔ ＲＯ ）ｃ ｏｄｎ ｔ ｙｔｍ ｉ ｎ ｉ
摘
要 ： 纹 识 别是 生物 特 征 识 别 中的 一 种 ， 于其 分 辨 率 要 求低 、 备 成 本 低 、 户 易接 受等 优 点 受到 众 多研 究 者 的 关 注 。 从 一 掌 由 设 用
ｃ ｅ ｐ ｄ ｖｃ ｓ ａ ｄ ｅ ｓｌ ｃ ｅ ｔｄ ｂ ｈ ｕ ｅｓ ｈ ｅ ｓ ｐ ｈ ｔ ｆ ｄｎ ｅ ｉｎ ｏ ｎｅｅ ｔ ｇ ＲＯＩ ａ ｄ ｓｇ ｎｉｇ ｆｏ ｔｅ ｈ ａ ｅ ｉｅ ｎ ａｉ ａ ｃ ｐｅ ｙ ｔｅ ｓｒ． ｅ ｋ ｙ ｔ ｔａ ｎ ｉｇ ａ ｒｇｏ ｆｉｔｒ ｓ ｎ （ ｙ Ｔ ｅ ｉ ｉ ） ｎ ｅ ｍｅ ｔ ｒｍ ｈ ｎ
ｐｉａｉｎ ． ０ ０。６ １ ： ５ － ５ ． ｌ ｔｏ ｓ ２ １ ４ （ ５） １ ３ １ ５ ｃ
Ａｂ ｔａ ｔ Ｐ ｌ ｒ ｔ ｒ ｃ ｇ ｉ ｏ ， ｉｄ ｏ ｉ ｍｅ ｒ ｓ ｒ ｃ ｎ ｌ ｅ ｅ ｖ ｓ ｓ ｒ ｃ ： ａｍｐ ｉ ｅ ｏ ｎ ｔ ｎ ａ ｋ ｎ ｆ ｂ ｏ ｔ ｃ ，ｅ ｅ ｔ ｒ ｃ ｉ ｅ ｍａ ｙ ｒ ｓ ａ ｃ ｅ ｓ ａｔ ｎ ｉｎ ｂ ｃ ｕ ｅ ｏ ｔ Ｏ ｅ ｏｕ ｉｎ， ｎ ｉ ｉ ｙ ｎ ｅ ｅ ｒ ｈ ｒ ’ ｔｅ ｔ ｅ ａ ｓ ｆ ｉ ｌＷ ｒ ｓ ｌ ｔ ｏ ｓ ｏ
ｒ ｇ ａ ｄ ｌ ｔ ｎ ｅ ｓ ａ ｄ ｔ ｅ ｃ ｎ ｒ ｆｔ ｅ ｐ ｌ Ｆ ｎ ｌ ， ｘ ｄ ２ ｘ１ ８ ｓ ｂ ｍａ ｅ ｉ ｅ ｔ ｃｅ ｓ ＲＯＩ ｍｐ ｒｄ ｗｉ ｔ ｅ ｔ － ｉ ｎ ｉ ｌ ｆ ｇ ｒ ， ｎ ｈ ｅ ｔｅ ｏ ｈ ａｍ． ｉ ａｌ ａ ｆ ｅ １ ８ ２ ｕ ｉ ｇ ｓ ｘｒ ｔ ｄ ａ ｎ ｔ ｅｉ ｙ ｉ ａ ． Ｃｏ ａｅ ｔ ｏｈ ｒ ｍｅ ｈ ｈ ｏ ｓ ｗｈ ｃ ｏ ｒｌ ｔ ｅ ｐ ｐ ｒ ｒ ｓ ｎ ｅ ｔ ｅ ｅ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｄ ｍｏ ｓｒ ｔ ｈ ｆ ｃｉ ｅ ｅ ｓ ａ ｄ ａ ｃ ｒ ｃ ｆ ｔ ｅ ｐ ｏ ｏ ｅ ｔｏ ． ｄ ｉ ｈ ｃ ｒｅａｉ ａ ｅ ｓ ｐ ｅ ｅ ｔｄ， ｘ ｅ ｉ ｖ ｈ ｍｅ ｔｌ ｒ ｓ ｌ ｅ ｎ ｔａｅ ｔ ｅ ｅｆ ｔ ｎ ｓ ｎ ｃ ｕ ａ ｙ ｏ ｈ ｒ ｐ ｓ ｄ ｍｅｈ ｄ ｓ ｅ ｖ
掌纹医学-区位
腰腿在大鱼际底部靠拇指指侧的下1/2区。
明堂（中宫）--心血管循环系统（消化区）
除去八卦之外的掌心区域，在感情线与生命线之间，以智慧线为分界，可分为脑区（上）、心区（下），中医的心脑功能。中宫区可反映胃肠功能状态，中宫深陷四周掌丘拱起中掌褶纹清晰，色红润无杂纹表示胃肠功能好。中宫纹理散乱常因忧郁至失眠；中宫潮红多见植物性神经功能失调，或慢性消耗性疾病；中宫苍白，冰凉提示心气不足，脾胃阳虚多见循环系统衰弱，消化不良，内分泌功能低下；中宫青提示胃病发作。
（亦反映肺脏呼吸系统，气管方面疾病。支气管-环指与小拇指的指缝下方竖直向下至感情线区域，心包支气管下方与感情线交叉处为心包，表示精神神志方面疾病。）
兑位(中医五行属阳金）-呼吸系统
在小鱼际上半部近掌侧反映大小肠的功能。应光洁隆起，纹理清晰，色润高度与艮位平。多线平行的干扰线十字纹，米字纹，方格纹提示肠道吸收排泄功能异常，还会因肠道异常引起全身不适如头痛，头昏，腹涨，腹痛等，手术引起肠粘连。兑位可出现方格纹框住米字纹提示腹部手术引起肠粘连。若出现岛形纹就要考虑肠道肿瘤了。
一区兴奋另一区会抑制。一区增大另一区会缩小。利用这一现象可判别疾病的治疗效果。例如糖尿病的血糖长期没有得到有效控制，交感神经区就会持续缓慢扩大，反之亦然。在癌症晚期副交感神经区就会扩大交感神经区缩小。
自我测试（副）交感神经兴奋度的方法;掌面朝下，上肢轻松随意左右伸展，四指向拇指倾斜为交感神经，四指向小指倾斜为副交感神经。笔直为正常。交感神经手指紧张并拢，副交感神经的人四指会众人分开。
手上的几大主线和丘陵ቤተ መጻሕፍቲ ባይዱ布
八大丘：
(1)金星丘 指‘拇指根部’隆起、环绕大拇指的部位，代表健康与活力。
掌纹感兴趣区域定位与选择方法综述
掌纹感兴趣区域定位与选择方法综述林森;苑玮琦【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)014【摘要】As a leading subject of biometrics technology,palmprint recognition has only been investigated for about ten years. The orientation and selection for the Region Of Interest(ROI) are very important tasks in palmprint recognition process,and the issues have been wildly studied. Since the obtained ROI is used in the following feature extraction and matching,its quality has a significant influence on the indicators such as recognition rate.An overview is provided for the researchers to catch up with the lately research progress in this region. The basic concepts and steps of orientation and selection are listed. Different methods are categorized and then described and analyzed respectively. Based on the analysis of the advantages and disadvantages of each method,suggestions for the future development of palmprint ROI orientation and selection methods are provided.%作为生物特征识别领域的前沿课题,掌纹识别仅有十余年的研究历史.感兴趣区域(ROI)定位与选择是掌纹识别中的重要任务和热点问题,通过该步骤得到的ROI将用于后续的特征提取和匹配,其质量对识别率等指标影响很大.为了使研究者了解此问题的研究进展,对目前的掌纹ROI定位选择方法进行了综述.给出了定位选择的基本概念和步骤,并对各种不同方法进行了归类阐述和分析,在讨论了各自优缺点的基础上,提出掌纹ROI定位与选择方法发展方向的建议.【总页数】4页(P21-24)【作者】林森;苑玮琦【作者单位】沈阳工业大学视觉检测技术研究所,沈阳110870;辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105;沈阳工业大学视觉检测技术研究所,沈阳110870【正文语种】中文【中图分类】TP391【相关文献】1.法庭科学应用光谱成像技术感兴趣区域选择方法的研究 [J], 黄威;王桂强;许小京;俞涛;杨智诚2.掌纹图像感兴趣区域的提取及仿真分析 [J], 周作梅;赵红梅3.一种掌纹图像感兴趣区域的提取方法 [J], 郭鑫;姜威4.一种新的掌纹图像感兴趣区域提取算法 [J], 张磊;冯贵玉;胡德文5.全手掌纹5类主线特征选择方法研究 [J], 苑玮琦;谷宗辉因版权原因，仅展示原文概要，查看原文内容请购买。
【观相识人】什么叫掌纹8区？它有什么不为人知的秘密
【观相识人】什么叫掌纹8区？它有什么不为人知的秘密1、心区方位在中指和无名指下方，反映心功用状况。
掌纹表现●假设皮肤表面凹陷、挺拔，没有乱纹，色泽粉红，标明心脏功用出色，元气充沛。
●假设心区有混乱的掌纹，提示心脏的功用遭到损害，会出现心悸、血压坚定等症状。
●假设心区出现“米”字纹，预示易患心肌缺血、心绞痛，特别当此区的“米”字纹和才智线尾端、生命线尾端的“米”字纹相照应时，提示有中风的风险。
该怎样颐养享乐味食物。
心在五味中属苦，偏苦的食物如苦瓜、莲子、芹菜、芥兰能颐养心脏，特别是在合适养心的夏日更可以多吃一些，有利于清心火、养心气。
2、内分泌区方位在小鱼际下方与腕横纹的上方，从这个部位能看出内分泌体系的状况。
掌纹表现●假设这个区域光滑饱满，没有杂纹，皮肤有弹性，指压后没有陷落，血色矫捷康复，说明内分泌功用出色。
●假设看上去色泽较暗、充足光泽，有不规则的、暗哑的赤色，则标明脾肾两虚、气血缺乏，也就是中医所说的内分泌失调景象。
●假设才智线过长，深化内分泌区，这个部位的杂纹、皱褶比拟多，提示神经健康。
该怎样颐养多吃补肾健脾、益气养血的食物。
如胡萝卜柿饼瘦肉汤，以上三种材料加水炖1小时左右，调味后即可，接连喝1周以上，就会有分明恶化。
一同要养成出色的作息习气，不熬夜，不要长工夫在有压力的环境下作业日子，远离不良心情。
3、生殖区方位在腕横纹中心上方，这个区域标明泌尿和生殖体系功用的强弱。
掌纹表现●假设这个外地洼陷过于严峻，有异常的斑驳，并且乱纹比拟多，标明生殖体系功用低下。
男性多有阳痿、早泄、前列腺炎，女人多易患不孕、月经不调、子宫肌瘤及妇科炎症。
●假设此区中心有岛纹、“米”字纹、三角样纹，说明易患妇科疾病，应该定时做B超检查。
该怎样颐养西医以爲妇科炎症大多是体内有干冷，惹起气血凝滞构成的，因此可以多饮用玫瑰花茶、姜枣茶等，这些茶饮有清热利湿、活血滋阴的效果，每天喝一杯，可以有用改良症状。
一同饮食要偏油腻，每晚用温水清洁私密部位。
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唐有宝;卜巍;邬向前;王宽全【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.【期刊名称】《智能计算机与应用》【年(卷),期】2011(001)003【总页数】4页(P62-65)【关键词】非接触;手指并拢;手指张开;关键点定位;掌纹识别【作者】唐有宝;卜巍;邬向前;王宽全【作者单位】哈尔滨工业大学计算机科学与技术学院,哈尔滨150001;哈尔滨工业大学计算机科学与技术学院,哈尔滨150001;哈尔滨工业大学媒体技术与艺术系,哈尔滨150001;哈尔滨工业大学计算机科学与技术学院,哈尔滨150001;哈尔滨工业大学计算机科学与技术学院,哈尔滨150001【正文语种】中文【中图分类】TP391.410 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。
- 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)。
3.4 基于曲率及小波变换的定位选择
Han[11-12]利用手指根部的角点定位掌纹，建立坐标系，计算 手掌轮廓上各点曲率，并使用小波对曲率图作变换，小波图像 中的极小值点即对应着手掌轮廓中曲率变化最大的点，也就 是指根点和指尖点。Han 使用这些点作为掌纹图像定位的基 准点来选择 ROI。值得一提的是，文献[12]中设计了一个可同 时采集手形和掌纹的装置，利用预定义的边界点集构成三手 指的中线，食指和无名指中线用来定位坐标系统的方向，中指 中线用来定义具体位置。但显然该方法要求采集全掌图像。
P3
P2
P4
图 1 圆盘算法
图 2 文献[6]方法
3.3 基于切线、斜率和相关拟合算法的定位选择
Zhang[6]等在提取掌纹图像的轮廓线后，计算食指和中指
间的缝隙与无名指和小指间缝隙下边界的公切线，并将公切
点作为定位基准点建立坐标系，截取固定大小矩形作为 ROI。
Wu[7]等进一步使用了基于直线拟合的定位选择方法，在提取
3.2 基于圆盘算法的定位选择
该方法 通 [4] 过考察以轮廓为中心的圆盘内目标及背景所 占面积大小来提取轮廓点。在采集的手掌图像上，戴青云[5]使 用圆盘法寻找指间谷点，并把这些点作为定位的基准点。圆 盘法运算量相对较小且容易实现，但对于佩戴饰品、指甲过长 等手指边缘信息不规则等情况，容易出现定位错误。
3.1 基于方向投影的定位选择
方向投影算法可检测沿特定方向的线段。束为 等 [2] 最早 使用该方法跟踪生命线和感情线，然后找到它们各自与手掌 边缘的交点，建立坐标系对准掌纹。李文新[3]先用直线拟合小 手指下方的手掌边缘作为 Y 轴，再用方向投影法找到感情线与 该边缘的交点作为原点建立坐标系，实现掌纹定位。方向投影 法一般仅适用于对比度较大的墨迹掌纹图像，应用范围有限。
继而进行特征匹配完成识别等。这个中心区域，通常也称为 感兴趣区域（Region Of Interest，ROI），对于相同手掌的掌纹 图像，ROI 所处位置应该相同。ROI 定位选择目的在于将不同 掌纹的特征区域进行归一化，方便后续处理，因而非常重要。
掌纹 ROI 定位选择主要包括以下几个主要步骤：（1）对手 掌图像二值化；（2）提取手掌边缘轮廓；（3）利用相关算法定位 关键点，建立坐标系；（4）选择分割出合适的 ROI。其中（1）（2） 两步在所有定位选择方法中基本相同，本文主要针对文献中 涉及的（3）（4）两步进行归纳和分析，需要说明的是：由于（3） （4）两步骤关系密切，故本文并未将二者进行严格区分，而是 结合起来进行探讨。
部直至相切来定位指根点。此法避开了手指边缘信息，对手
指 张 开 、闭 合 、戴 饰 品 、骨 节 变 形 等 情 况 的 掌 纹 都 能 进 行 定
位。郭鑫[10]也提出另外一种 ROI 提取方法，使用食指和中指、
无名指和小指之间的指缝确定一个斜率，再计算手掌中心，建
L1 L2
L3 L4
图3
P1 BL1 BL2
P2
文献[7]方法
A B
图 4 文献[9]方法
P5
Pd
Pb
Pa Pc
Pc
P1
图 5 文献[11]方法
图 6 文献[14]方法
3.5 基于椭圆及相关拟合算法的定位选择
Kumar[13]拟合出一个最优椭圆将手掌区域包围，把椭圆的 中心作为 ROI 定位选择的中心点，按椭圆的长轴方向校正手 掌后提取 ROI。这种方法可以自动校正手掌方向，但要求采集 全手掌，且五指应完全张开，否则影响定位精度。Poon[14]将掌 纹的中心区域划分为多个椭圆形半环，每个椭圆形半环再分 为多个小块作为 ROI 分别提取特征，其优点是可以减小旋转 产生的影响。但此方法计算量明显偏大。
k=1
k=1
Mi
Mi
å å yik - ki ´ yik
bi = k = 1
k=1
Mi
式中，{(xikyik)}kM=i 1（i=1，2，3，4）分别是食指、中指、无名指和小
指边缘上点的坐标，Mi 是对应手指边缘上点的个数。然后计
算直线 L1 和 L2，直线 L3 与 L4 形成角的角平分线 BL1 和 BL2，将
Abstract：As a leading subject of biometrics technology，palmprint recognition has only been investigated for about ten years. The orientation and selection for the Region Of Interes（t ROI） are very important tasks in palmprint recognition process，and the issues have been wildly studied.Since the obtained ROI is used in the following feature extraction and matching，its quality has a significant influence on the indicators such as recognition rate.An overview is provided for the researchers to catch up with the lately research progress in this region.The basic concepts and steps of orientation and selection are listed.Different methods are categorized and then described and analyzed respectively.Based on the analysis of the advantages and disadvantages of each method，suggestions for the future development of palmprint ROI orientation and selection methods are provided. Key words：pattern recognition；palmprint；region of interest
1 引言
作为模式识别及其相关工程领域的前沿课题，我国在《国 家中长期科学和技术发展规划纲要（2006-2020）》中，将生物特 征识别列为重点技术和优先主题。掌纹识别是一种新颖的生 物特征识别方法，具备很多独特优势[1]，主要应用于公司和商 业等部门的身份鉴别和验证系统中。
在掌纹识别问题中，预处理必不可少，而作为预处理过程 中的关键步骤，掌纹 ROI 的定位选择方法一直是该领域中的 热点问题，在理论研究和工程应用方面具有指导意义。本文 选择有代表性的文献对这一问题进行了整理，希望能够给后 续研究人员提供启发和参考。
摘 要：作为生物特征识别领域的前沿课题，掌纹识别仅有十余年的研究历史。感兴趣区域（ROI）定位与选择是掌纹识别中的重 要任务和热点问题，通过该步骤得到的 ROI 将用于后续的特征提取和匹配，其质量对识别率等指标影响很大。为了使研究者了 解此问题的研究进展，对目前的掌纹 ROI 定位选择方法进行了综述。给出了定位选择的基本概念和步骤，并对各种不同方法进 行了归类阐述和分析，在讨论了各自优缺点的基础上，提出掌纹 ROI 定位与选择方法发展方向的建议。 关键词：模式识别；掌纹；感兴趣区域 DOI：10.3778/j.issn.1002-8331.2011.14.007 文章编号：1002-8331（2011）14-0021-04 文献标识码：A 中图分类号：TP391
作者简介：林森（1980—），男，博士生，主要研究领域为机器视觉检测与图像识别；苑玮琦（1960—），男，博士（后），教授，博士生导师。E-mail： lin_sen6@
收稿日期：2011-02-11；修回日期：2011-03-25
22
2011，47（14）
Computer Engineering and Applications 计算机工程与应用
BL1和 BL2与手指之间的手掌边缘交点作为基准点（P1，P2）。值
得一提的是，Zhang 和 Wu 提出的这种提取 ROI 的思路得到了
广泛认同，很多文献都采用了类似的方法[8]。
上述方法要求被采集者五指完全张开，当出现手指并拢
时，会出现边缘断裂的现象，导致定位不准。针对此问题，范
永刚[9]进行了改进，提出在手掌内部利用线段不断逼近手指根
2 掌纹 ROI 定位选择基本概念及步骤
掌纹 ROI 的定位选择指对不同的掌纹图像进行一系列调 整和关键点定位，然后选择分割出中心有效区域来提取特征，来自3 掌纹 ROI 定位选择方法分类
针对各种方法特点，进行详细分类如下。
基金项目：国家自然科学基金（the National Natural Science Foundation of China under Grant No.60972123）；高等学校博士学科点专项科研基 金（No.20092102110002）；沈阳市科技计划项目（No.F10-213-1-00）。
掌纹轮廓线后，用四条直线（L1，L2，L3，L4）拟合食指、中指、无名
指和小指的边缘，方法为：
Li:y = ki x + bi
Mi
Mi
Mi
å å å xik ´ yik - Mi ´ (xik ´ yik)
ki = k = 1