基于幾何特征的掌紋區(qū)域分割算法

摘 要:針對(duì)現(xiàn)有掌紋分割算法中存在丟失部分有效信息的問(wèn)題，提出了一種新的五點(diǎn)掌紋分割算法。首先，用基于仿射變換快速方法找到手掌的最大內(nèi)切圓;然后，又用坐標(biāo)變換和角度標(biāo)定的方法找到手掌上的五個(gè)特征點(diǎn);最后，通過(guò)對(duì)這五個(gè)特征點(diǎn)的處理實(shí)現(xiàn)手掌圖像的分割定位。仿真結(jié)果表明，該算法準(zhǔn)確、有效，且所得掌紋有效面積明顯大于其他分割方法。

關(guān)鍵詞:掌紋分割; 五點(diǎn)分割法; 角度標(biāo)定; 仿射變換; 掌紋識(shí)別; 最大內(nèi)切圓

中圖分類號(hào):TP391文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1001-3695(2010)06-2370-03

doi:10.3969/j.issn.10013695.2010.06.107

Palmprint segmentation algorithm based on geometric features

LI Ziliang1， TIAN Qichuan1， ZHU Yanchun2， LI Linsheng1

(1. School of Electronics Information Engineering， Taiyuan University of Science Technology， Taiyuan 030024， China; 2. School of Materials， Northwestern Polytechnical University， Xi’an 710072， China)

Abstract:This paper proposed a novel fivepoint segmentation algorithm， considering the problem which had lost some effective information in existing palmprint segmentation algorithms. At first， the maximum inscribed circle should be found in palm by a fast method based on affine transformation. And then the five feature points would be gotten by the methods of coordinate transformation and angular calibration. At last palmprint segmentation could be realized by processing the five points. The results show that the algorithm is accurate and effective. And the effective area of palmprint is obviously bigger than those in other methods.

Key words:palmprint segmentation; fivepoint segmentation; angular calibration; affine transformation; palmprint recognition; maximum inscribed circle

0 引言

隨著科技的發(fā)展，生物特征識(shí)別作為當(dāng)代社會(huì)不可或缺的身份鑒定和識(shí)別方法被廣泛應(yīng)用于重要的安檢部門與考勤系統(tǒng)。用于生物特征識(shí)別的特征都應(yīng)滿足以下基本條件:普遍性、惟一性、不變性、可接受性、可采集性。目前被廣泛應(yīng)用于身份識(shí)別的生物特征主要有指紋、虹膜、人臉、手形、掌紋、耳廓、簽名和步態(tài)等。

掌紋特征是近年來(lái)才開(kāi)始使用的一種新的生物特征，它相對(duì)于其他生物特征，有其獨(dú)特的優(yōu)勢(shì):易于被用戶接受;具有豐富并且穩(wěn)定的信息來(lái)精確識(shí)別個(gè)體;識(shí)別系統(tǒng)的硬件標(biāo)準(zhǔn)化程度比人臉識(shí)別、語(yǔ)音識(shí)別等方法高;對(duì)圖像分辨率要求不高，識(shí)別速度快，能夠達(dá)到實(shí)時(shí)識(shí)別的需要;圖像采集設(shè)備廉價(jià)，易于向社會(huì)推廣。因此，對(duì)掌紋識(shí)別算法進(jìn)行研究具有很強(qiáng)的理論意義和較高的實(shí)用價(jià)值。

要精確地識(shí)別掌紋，首先要能精確分割掌紋，掌紋的分割方法一般可分為基于正方形(或矩形)的分割方法[1~13]和基于內(nèi)切圓的分割方法[14，15]兩類。其中，Han等人[1]提出基于小波分解的方法尋找手指的指尖和各手指間的連接點(diǎn)，然后利用這些點(diǎn)定位、截取手掌中心的感興趣區(qū)域(ROI)。顯然，這種方法僅適用于包含整只手(完整的手指和手掌)，對(duì)含有部分手指的情況不適用;Li和Zhang等人[4~11]提出利用采集裝置所設(shè)置的固定栓來(lái)對(duì)掌紋圖像進(jìn)行定位的方法，同樣在其中取一個(gè)固定大小的矩形來(lái)截取ROI。由于這個(gè)矩形尺寸是根據(jù)成年人的手掌大小的統(tǒng)計(jì)平均值確定的，無(wú)法適用于兒童用戶，這無(wú)形中將限制兒童群體的使用;文獻(xiàn)[2，3]分別提出了使用邊緣跟蹤方法和角點(diǎn)檢測(cè)方法確定手指與手指之間的連接點(diǎn)，然后利用這些點(diǎn)對(duì)掌紋圖像進(jìn)行定位，并截取一個(gè)固定大小的ROI區(qū)域作為分割結(jié)果。該方法也是只能取得掌紋的部分圖像信息。

基于內(nèi)切圓的分割方法只有以下兩種:Zhang[14]提出的直接在二值圖像上搜索手掌的最大內(nèi)切圓的方法，該方法直接在手掌區(qū)域內(nèi)搜索與手掌兩側(cè)邊緣相切的一個(gè)最大內(nèi)切圓，雖然這種方法不受手掌擺放位置和手指張開(kāi)程度的影響，與基于正方形的分割方法相比，具有較好的魯棒性，但是由于它不對(duì)手掌圖像進(jìn)行校準(zhǔn)，不利于后續(xù)的特征提取和匹配工作;李文新等人[15]提出的一種基于內(nèi)切圓的分割方法，該方法在搜索到一個(gè)最大內(nèi)切圓后，即用中指與食指間隙點(diǎn)與內(nèi)切圓的圓心連線來(lái)表征手掌的偏轉(zhuǎn)角度，雖然它解決了基于內(nèi)切圓的分割方法的方向校準(zhǔn)問(wèn)題，但這兩種方法耗時(shí)都長(zhǎng)，不能用于實(shí)時(shí)系統(tǒng)。

無(wú)論是基于正方形(或矩形)的分割方法還是基于內(nèi)切圓的分割方法，所取得的都是有效掌紋的部分面積，它們丟失了不少可用于掌紋識(shí)別的有效信息，且最大內(nèi)切圓的尋找速度慢，本文提出了一種新的基于快速最大內(nèi)切圓的尋找方法和極坐標(biāo)的掌紋分割算法，該算法既提高了處理速度，又?jǐn)U大了有效掌紋的面積。

1 掌紋最大內(nèi)切圓的提取

1.1 掌紋圖像的采集及要求

本文選用的掌紋圖像是采用普通的數(shù)碼相機(jī)及圖像采集架采集得到的。五點(diǎn)定位法要取得手掌上五個(gè)特征點(diǎn)，在取特征點(diǎn)時(shí)需要包含有部分或全部的手指，因此對(duì)圖像的要求是:圖像中應(yīng)包含整個(gè)手掌，并且還要包含五指的部分或者全部，采集得到的圖像如圖1(a)所示。

1.2 掌紋最大內(nèi)切圓的快速提取

為了尋找手掌上的五個(gè)特征點(diǎn)，首先要找到手掌的最大內(nèi)切圓。由于普通的最大內(nèi)切圓尋找方法速度慢、耗時(shí)長(zhǎng)，本文采用了基于仿射變換的快速尋找辦法，具體步驟如下:

a)本文選用640×480的彩色圖像RGBim，將RGBim轉(zhuǎn)換為灰度圖像GREYim，再根據(jù)式(1)將其轉(zhuǎn)換為二值圖像BWim，其中，TH為二值化閾值。BWim由0和1組成，0部分表示背景，1部分表示手掌及手指部分，仿真結(jié)果如圖1(b)所示。

BWim(i，j)=1 GREYim(i，j)≥TH0 GREYim(i，j)

b)若直接在二值圖像BWim上尋找手掌的最大內(nèi)切圓，計(jì)算像素點(diǎn)數(shù)多，耗時(shí)長(zhǎng)，不利于實(shí)時(shí)系統(tǒng)的建立，因此利用式(2)將二值圖像BWim用幾何變換中的仿射變換[16]進(jìn)行縮小。

[x y 1]=[ω z 1]T(2)

其中:ω、z為BWim圖像的像素點(diǎn)坐標(biāo);x、y為縮小后的圖像坐標(biāo);T=sx000sy0001，取sx=sy=1/4，即將二值圖像BWim轉(zhuǎn)換成了160×120的二值圖像MINBWim。

c)為進(jìn)一步加快最大內(nèi)切圓的尋找速度，可依據(jù)經(jīng)驗(yàn)值確定圓心和半徑的范圍，這樣可減少大量的計(jì)算時(shí)間，提高定位速度。

d)根據(jù)步驟c)中確定的經(jīng)驗(yàn)值，對(duì)二值圖像MINBWim進(jìn)行操作;若遇到MINBWim上的第一個(gè)1點(diǎn)(i，j)時(shí)，用式(3)畫(huà)圓，其中(i，j)是圓心，(x，y)是圓周上的點(diǎn)，文中起始半徑radius=20。

(x-i)2+(y-j)2=radius2(3)

e)畫(huà)圓時(shí)如果遇到圓周上的所有點(diǎn)(x，y)的像素值全是1時(shí)，說(shuō)明該圓面在手掌內(nèi)部，更新半徑，即radius=radius+1，轉(zhuǎn)向步驟f);如果圓周上的點(diǎn)(x，y)的像素值有為0的，轉(zhuǎn)向步驟g)。

f)然后仍以(i，j)為圓心，再以更新后的半徑畫(huà)圓，轉(zhuǎn)向步驟e)。

g)畫(huà)圓時(shí)如果遇到圓周上為0的點(diǎn)時(shí)，更新圓心坐標(biāo)，即以(i，j+1)為圓心，以所記錄的radius為半徑畫(huà)圓，轉(zhuǎn)向步驟e)，若j已經(jīng)達(dá)到設(shè)定最大下標(biāo)，則更新i=i+1，即以(i+1，j)為圓心，以所記錄的radius為半徑畫(huà)圓，轉(zhuǎn)向步驟e)。

h)計(jì)算的最后結(jié)果會(huì)得到二值手掌圖像MINBWim上的最大內(nèi)切圓的圓心(hcenter，zcenter)和半徑lrad，也即找到仿射變換后的手掌的最大內(nèi)切圓，仿真結(jié)果如圖1(c)所示。

i)將所求得的圓心和半徑按仿射變換的比例進(jìn)行擴(kuò)大，得圓心為(mhcenter，mzcenter)，半徑為mlrad。

j)此時(shí)得到的圓心和半徑只是近似值，而原始圖像的最大內(nèi)切圓的圓心就在(mhcenter，mzcenter)一個(gè)鄰域內(nèi)，取該鄰域?yàn)?mhcenter-15，mhcenter+15)、(mzcenter-15，mzcenter+15)，設(shè)起始半徑為qmlrad=lrad-10，再用類似前文的方法尋找到精確的最大內(nèi)切圓心(Ahcenter，Azcenter)和半徑Alrad，將位置信息返回到灰度圖像GREYim上，得仿真結(jié)果如圖1(d)所示。

由圖1的仿真結(jié)果可知，僅用最大圓定位有兩個(gè)缺點(diǎn):a)由于手的擺放位置不同，雖然對(duì)同一人手掌圖像能定位相同的圖像信息，但很難進(jìn)行方向校準(zhǔn)，不能準(zhǔn)確定位;b)僅用最大圓部分作為識(shí)別對(duì)象，很顯然丟失了部分的手掌特征信息。本文將對(duì)圖像進(jìn)行方向校準(zhǔn)和提取最大內(nèi)切圓丟失的部分信息。

2 手掌中五個(gè)特征點(diǎn)的確定

由于多數(shù)人的手掌紋形狀是長(zhǎng)形的，單獨(dú)用一個(gè)最大內(nèi)切圓會(huì)丟失部分有效掌紋信息，本文采用五點(diǎn)法對(duì)掌紋圖像進(jìn)行分割定位。該算法的首要問(wèn)題就是找到這五個(gè)特征點(diǎn)，即手指與手指之間的三個(gè)連接點(diǎn)和內(nèi)切圓與手掌邊緣的兩個(gè)切點(diǎn)。

2.1 手指與手指之間的三個(gè)連接點(diǎn)的提取

該部分主要提取除了大拇指以外的四個(gè)手指之間的三個(gè)連接點(diǎn)，具體提取步驟如下:

a)對(duì)整幅二值圖像BWim進(jìn)行角度標(biāo)定，即以最大內(nèi)切圓圓心(Ahcenter， Azcenter)為中心，以圓心右側(cè)的水平線為零度線，逆時(shí)針?lè)较蜻M(jìn)行標(biāo)定每個(gè)像素點(diǎn)所在位置的度數(shù)。

b)在二值圖像BWim中以最大內(nèi)切圓圓心(Ahcenter， Azcenter)為圓心，以半徑Orad=Alrad+1畫(huà)圓k1，其中圓心不變，半徑依次更新Orad=Orad+1，為了減少計(jì)算量，根據(jù)圖像的特點(diǎn)同樣可取經(jīng)驗(yàn)值，即取Orad的最大值為MOrad=Alrad+120，取所畫(huà)圓周上[60 300]度之間的部分，這樣得到一系列圓弧k1…k120，所組成圖形如圖2(a)所示。

c)把步驟b)中尋找到的k1…k120部分看做直角坐標(biāo)，其在圖像中的行和列記為(x，y)，通過(guò)式(4)和(5)將該部分圖像轉(zhuǎn)換到極坐標(biāo)區(qū)域，此時(shí)行和列記為(r，θ)，也即通過(guò)計(jì)算把相應(yīng)的直角坐標(biāo)系中的灰度值賦給極坐標(biāo)系，公式可表示為g(r，θ)=f(x，y)，得到極坐標(biāo)圖像POim，結(jié)果如圖2(b)所示。

r=x2+y2(4)

θ=arctan(y/x)(5)

d)在轉(zhuǎn)換坐標(biāo)點(diǎn)同時(shí)記錄圖像POim上每一點(diǎn)對(duì)應(yīng)的直角坐標(biāo)，橫坐標(biāo)放在數(shù)組X，縱坐標(biāo)放在數(shù)組Y。

e)為了尋找這三個(gè)特征點(diǎn)，本文建立了六個(gè)模板，具體參數(shù)如圖3所示。

f)用步驟e)中模板在圖像POim中進(jìn)行形態(tài)學(xué)中的擊中擊不中變換，只要六個(gè)模板中之一能擊中圖像中的某一部分便認(rèn)為擊中，擊中結(jié)果如圖2(b)中的“*”部分所示;然后從X和Y中取出相應(yīng)的直角坐標(biāo)并保存。

g)將步驟f)中保存的坐標(biāo)返回到圖像BWim中，即可找到手指與手指之間的三個(gè)連接點(diǎn)，仿真結(jié)果如圖2(c)所示。其中A、B、C為手指與手指之間的連接點(diǎn)，O為最大內(nèi)切圓圓心。

2.2 最大內(nèi)切圓與手掌邊緣的兩個(gè)切點(diǎn)的提取

該部分主要提取手掌的最大內(nèi)切圓與手掌的兩個(gè)切點(diǎn)，具體提取步驟如下:

a)由于圖像的有效區(qū)域可能距圖像邊緣較近，為了避免旋轉(zhuǎn)時(shí)丟失有效的掌紋信息，首先把掌紋圖像進(jìn)行平移，使得最大內(nèi)切圓圓心與整幅圖像的中心重合;然后再計(jì)算出圖2(c)中點(diǎn)A與點(diǎn)O連線的斜率，得斜率對(duì)應(yīng)角度AOde，并以角度AOde為參照進(jìn)行旋轉(zhuǎn)，使手掌圖像GREYim旋轉(zhuǎn)到合適位置，即得旋轉(zhuǎn)后圖像Rotim，結(jié)果如圖4(a)所示。旋轉(zhuǎn)也采用幾何變換中的仿射變換，如式(2)。其中:T=cos(θ)sim(θ)0-sin(θ)cos(θ)0001，θ是旋轉(zhuǎn)度數(shù)。

b)對(duì)圖像Rotim進(jìn)行角度標(biāo)定，即以圖像中心右側(cè)的水平線為零度線，逆時(shí)針?lè)较蜻M(jìn)行標(biāo)定每個(gè)像素點(diǎn)所在位置的度數(shù)。

c)取圖像Rotim的二值圖像Rotbwim，以Rotbwim的中心為圓心，以Alrad+1為半徑畫(huà)圓，取二值圖像中滿足該圓的部分，并利用式(4)和(5)將該圓轉(zhuǎn)換到極坐標(biāo)中，此時(shí)得到一條直線，該直線上黑色部分便是直角坐標(biāo)中的最大內(nèi)切圓與手掌邊緣的切點(diǎn)位置，在變換過(guò)程中同時(shí)記錄極坐標(biāo)圖像中每點(diǎn)對(duì)應(yīng)的直角坐標(biāo)。

d)將步驟c)中檢測(cè)到極坐標(biāo)中切點(diǎn)返回到直角坐標(biāo)圖像中，即找到了最大內(nèi)切圓與手掌的邊緣切點(diǎn);根據(jù)切點(diǎn)的位置，不難找到順小指向下的切點(diǎn)D和大拇指與食指之間的切點(diǎn)E，仿真結(jié)果如圖4(a)所示。

e)根據(jù)步驟a)中的角度標(biāo)定結(jié)果，確定D和E點(diǎn)兩個(gè)切點(diǎn)的度數(shù)Dde和Ede。

3 掌紋圖像的分割定位

至此，手掌上的五個(gè)特征點(diǎn)都已找到，其中包括三個(gè)連接點(diǎn)和兩個(gè)切點(diǎn)，通過(guò)對(duì)這五個(gè)特征點(diǎn)的處理來(lái)分割出掌紋的有效區(qū)域，具體分割步驟如下:

a)去掉圖像Rotim各像素點(diǎn)度數(shù)中小于Dde和Ede大于的手掌部分，仿真結(jié)果如圖4(b)所示。b)分別計(jì)算圖2(c)中最大內(nèi)切圓圓心(Ahcenter，Azcenter)與三個(gè)連接點(diǎn)A、B、C之間的距離，找到最小距離mdis;以圖像的中心為圓心，以最小距離mdis為半徑畫(huà)圓，保留圓內(nèi)的手掌區(qū)域，去掉外部區(qū)域，即得結(jié)果如圖4(c)所示。

c)圖4(c)中含有無(wú)效信息較多，因此利用二值化方法將無(wú)效的黑色區(qū)域去掉，即得最終的分割結(jié)果如圖4(d)所示。

為了進(jìn)一步驗(yàn)證該算法的有效性和適應(yīng)性，本文從中國(guó)科學(xué)院提供的掌紋數(shù)據(jù)庫(kù)中選取了符合條件的121人的左手掌圖像，每人5幅，共605幅圖像，進(jìn)行了分割定位實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果令人滿意，無(wú)論是有旋轉(zhuǎn)角度的手掌，還是大小不一的手掌，都能做到將手掌的有效信息區(qū)域最大限度地分割出來(lái)。其中部分圖像的分割定位結(jié)果如圖5所示。

4 結(jié)束語(yǔ)

本文提出了一種基于五個(gè)特征點(diǎn)的掌紋分割方法。該方法根據(jù)手掌的特點(diǎn)，利用仿射變換的方法，快速地找到了手掌的最大內(nèi)切圓的圓心和半徑，而后又用了幾何變換及坐標(biāo)變換的方法找到了健全手掌上公有的五個(gè)特征點(diǎn);接著又用其中的某些特征點(diǎn)，對(duì)圖像進(jìn)行了方向校正;最后利用這些特征點(diǎn)信息對(duì)掌紋圖像進(jìn)行了分割，從而提取出了掌紋的有效圖像信息。由仿真結(jié)果可知，該算法對(duì)于掌紋區(qū)域的分割效果較好，且提取出的圖像部分明顯大于其他分割定位算法，從而可以獲取更多用于識(shí)別的有效信息。本文還對(duì)中國(guó)科學(xué)院提供的掌紋數(shù)據(jù)庫(kù)中的121個(gè)人的掌紋圖像進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該算法分割效果較好，具有普遍的適應(yīng)性，同時(shí)也克服了旋轉(zhuǎn)帶來(lái)的定位不準(zhǔn)確的缺點(diǎn)，且所得有效區(qū)域中包含了掌紋在低分辨率下所有能用于識(shí)別的掌紋信息，這些信息結(jié)合合適的特征提取和匹配識(shí)別算法，能進(jìn)一步提高掌紋識(shí)別的精度。

參考文獻(xiàn):

[1]HAN C， CHEN H， LIN C， et al. Personal authentication using palmprint features[J].Pattern Recognition，2003，36(2): 371-381.

[2]LI Wenxin. Authenticating personal identities using palmprint recognition [D].Hong Kong:The Hong Kong Polytech University， 2004.

[3]苑瑋琦，黃靜，桑海峰. 小波分解與PCA方法的掌紋特征提取方法[J].計(jì)算機(jī)應(yīng)用研究，2008，25(12):3671-3673.

[4]LI Wenxin， ZHANG D， XU Zhuoqun. Palmprint identification by Fourier transform[J]. International Journal of Pattern Recogniton and Artificial Intelligence，2002，16(4):417-432.

[5]ZHANG D， KONG Waikin， YOU J， et al. Online palmprint identification[J]. IEEE Trans on Pattern Analysis and Machine Intelligence，2003，25(9):1041-1050.

[6]ZHANG D， LU Guangming， LI Wei， et al. Palmprint recognition using 3D information[J]. IEEE Trans on Systems，2009，39(5): 505-519.

[7]SATOSHI I， KOICHI I， TAKAFUMI A. A practical palmprint recognition algorithm using phase information[C]//Proc of the 19th International Conference on Pattern Recognition. 2008:1-4.

[8]YUE Feng， ZUO Wangmeng， ZHANG D. Orientation selection using modified FCM for competitive codebased palmprint recognition[J]. Pattern Recognition，2009，42(3):2841-2849.

[9]GUO Zhenhua， ZHANG D， ZHANG Lei. Palmprint verification using binary orientation cooccurrence vector[J]. Pattern Recognition Letters，2009，30(5):1219-1227.

[10]ZUO Wanmeng， ZHANG Hongzhi， ZHANG D. Postprocessed LDA for face and palmprint recognition[J]. Signal Processing， 2009.

[11]SHANG PengJian， LI Tong. Multifractal characteristics of palmprint and its extracted algorithm[J].Applied Mathematical Modeling，2009，33(3):4378-4387.

[12]CHEN Jiansheng， MOON Y， WONG M. Palmprint authentication using a symbolic representation of images[J]. Image and Vision Computing，2009，28(3):343-351.

[13]WANG Yanxia， RUAN Qiuqi， PAN Xin. An improved squarebased palmprint segmentation method[C]//Proc of ISPACS. 2007: 316-319.

[14]ZHANG D. Palmprint authentication[M].Boaton: Kluwer Academic Publishers， 2004:78-79.

[15]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(shí)別新方法[J].計(jì)算機(jī)研究與發(fā)展， 2004，41(6):996-1002.

[16]RAFAEL C G， RICHARD E W， STEVEN L E. Digital image processing using MATLAB[M].[S.l.]:Publishing House of Electronics Industry， 2007.