專利名稱：掌紋圖像中手掌區(qū)域的獲取方法及裝置的制作方法
技術領域：
本發(fā)明涉及數字圖像處理和模式識別技術領域，特別涉及一種掌紋圖像中手掌區(qū)域的獲取方法及裝置。
背景技術：
掌紋圖像中手掌分割是指將掌紋圖像中的手掌區(qū)域從背景中分割出來，它對掌紋識別區(qū)域的確定十分關鍵。目前使用最為廣泛的手掌分割技術為利用手掌膚色信息進行分割，具體的方法包括膚色閾值法，顏色查表法，基于直方圖技術的貝葉斯分類法，基于神經網絡的膚色預測方法，采用單高斯、混合高斯分布模型的方法等。這些方法主要通過大量樣本獲得先驗膚色知識，建立膚色模型，然后利用該模型確定手掌區(qū)域?，F有技術提供了兩種具體的掌紋圖像中手掌區(qū)域的獲取方法，其中一種使用機器學習的方法，根據訓練樣本的膚色信息建立神經網絡模型，利用該神經網絡模型判別掌紋圖像中的像素是否為手掌像素，從而最終確定手掌區(qū)域；另一種使用高斯模型對手掌的膚色信息進行建模，然后利用該高斯模型獲得手掌區(qū)域。上述兩種方法都是基于膚色模型確定手掌區(qū)域，這種方法受到光照、圖像采集設備、背景變化的影響比較大，很難找到一個通用的膚色模型適合每一幅圖像。在外界條件改變時，確定的手掌的區(qū)域很容易與背景混淆，而且也會受圖像中其他膚色區(qū)域的干擾，導致獲得的手掌區(qū)域不夠準確。

發(fā)明內容
本發(fā)明所要解決的技術問題是針對現有技術的缺陷，提出一種掌紋圖像中手掌區(qū)域的獲取方法及裝置，用以更加準確的確定手掌區(qū)域。為了解決上述技術問題，本發(fā)明提供了一種掌紋圖像中手掌區(qū)域的獲取方法，包括提取步驟，根據膚色模型提取掌紋圖像中的候選手掌像素集；擬合步驟，對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集；選取步驟，分別計算兩個候選手掌像素子集的空間形狀特征向量，根據空間形狀特征向量從兩個候選手掌像素子集中選取手掌區(qū)域像素集；獲取步驟，根據手掌區(qū)域像素集，確定掌紋圖像中的手掌區(qū)域。進一步的，所述擬合步驟具體為通過期望最大化方法，對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集。進一步的，所述擬合步驟包括將候選手掌像素集映射到掌紋圖像中，得到二值掌紋圖像；將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，并選取擬合數據；針對根據擬合數據和二值圖像得到的集合，通過期望最大化方法，擬合出混合高斯模型的參數；根據混合高斯模型，設定閾值將候選手掌像素集分為兩個候選手掌像素子集。進一步的，所述將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，并選取擬合數據具體為將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，選取飽和度通道的圖像元素作為擬合數據。進一步的，在選取步驟中，計算候選手掌像素子集的空間形狀特征向量包括計算候選手掌像素子集的χ方向和y方向的離散度、y方向的直方圖投影的局部極大值；將χ方向和y方向的離散度、y方向的直方圖投影的局部極大值作為候選手掌像素子集的空間形狀特征向量。進一步的，在選取步驟中，根據空間形狀特征向量從兩個候選手掌像素子集選取手掌區(qū)域像素集包括分別計算兩個候選手掌像素子集的空間形狀特征向量與預先建立的手掌圖像空間形狀特征向量均值模板的相似度，相似度最高的候選手掌像素子集選為手掌區(qū)域像素集；所述手掌圖像空間形狀特征向量均值模板是通過計算大量訓練樣本的手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量，采用K-均值方法對手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量進行分別聚類而得到的。本發(fā)明還提供了一種掌紋圖像中手掌區(qū)域的獲取裝置，包括提取模塊，用于膚色模型提取掌紋圖像中的候選手掌像素集；擬合模塊，用于對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集；選取模塊，用于分別計算兩個候選手掌像素子集的空間形狀特征向量，根據空間形狀特征向量從兩個候選手掌像素子集中選取手掌區(qū)域像素集；獲取模塊，用于根據手掌區(qū)域像素集，確定掌紋圖像中的手掌區(qū)域。進一步的，所述擬合模塊具體用于通過期望最大化方法，對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集。進一步的，所述擬合模塊包括二值化單元，用于將候選手掌像素集映射到掌紋圖像中，得到二值掌紋圖像；轉換單元，用于將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，并選取擬合數據；擬合單元，用于針對根據擬合數據和二值圖像得到的集合，通過期望最大化方法， 擬合出混合高斯模型的參數；劃分單元，用于根據混合高斯模型，設定閾值將候選手掌像素集分為兩個候選手掌像素子集。進一步的，所述轉換單元具體用于將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，選取色度或飽和度通道的圖像元素作為擬合數據。進一步的，所述選取模塊包括第一計算單元，用于計算候選手掌像素子集的χ方向和y方向的離散度、y方向的直方圖投影的局部極大值；向量獲取單元，用于將χ方向和y方向的離散度、y方向的直方圖投影的局部極大值作為候選手掌像素子集的空間形狀特征向量。進一步的，所述選取模塊包括第二計算單元，用于分別計算兩個候選手掌像素子集的空間形狀特征向量與預先建立的手掌圖像空間形狀特征向量均值模板的相似度；所述手掌圖像空間形狀特征向量均值模板是通過計算大量訓練樣本的手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量，采用 K-均值方法對手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量進行分別聚類而得到的；選取單元，用于將相似度最高的候選手掌像素子集選為手掌區(qū)域像素集。本發(fā)明提供的掌紋圖像中手掌區(qū)域的獲取方法及裝置，不僅利用了手掌區(qū)域的膚色信息，還利用了手掌的形狀和空間分布信息，能夠有效地將其他非手掌膚色區(qū)域分割掉， 從而獲得更加準確的手掌區(qū)域。


圖1為本發(fā)明提供的掌紋圖像中手掌區(qū)域的獲取方法一實施例的流程圖；圖2A為采集得到的掌紋圖像；圖2B為采用現有技術提供的方法得到的手掌區(qū)域圖像；圖2C為采用本發(fā)明提供的方法得到的手掌區(qū)域圖像；圖3為本發(fā)明提供的掌紋圖像中手掌區(qū)域的獲取裝置實施例的結構示意圖。
具體實施例方式本發(fā)明提供的掌紋圖像中手掌區(qū)域的獲取方法的核心思想包括四個步驟，分別為提取步驟、擬合步驟、選取步驟和獲取步驟，具體地說，首先，提取步驟為根據訓練得到的膚色模型對掌紋圖像進行處理，提取掌紋圖像中的候選手掌像素集A，該步驟通過大量訓練樣本獲得先驗膚色知識，建立膚色模型，利用該膚色模型能夠保證掌紋圖像中96%以上的手掌像素被檢測出來；擬合步驟為對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集；選取步驟為分別計算兩個候選手掌像素子集的空間形狀特征向量，根據空間形狀特征向量從兩個候選手掌像素子集中選取得到手掌區(qū)域像素集，該步驟是對候選手掌像素集中的像素進行篩選，去除其中的非手掌區(qū)域像素；獲取步驟為根據手掌區(qū)域像素集， 確定掌紋圖像中的手掌區(qū)域。本發(fā)明不僅利用了手掌區(qū)域的膚色信息，還利用了手掌的形狀和空間分布信息，可以更加準確的確定手掌區(qū)域。下面結合附圖及優(yōu)選實施方式對本發(fā)明技術方案進行詳細說明。圖1為本發(fā)明提供的掌紋圖像中手掌區(qū)域的獲取方法一實施例的流程圖，本實施例具體包括以下步驟步驟101、根據訓練得到的膚色模型對掌紋圖像進行處理，得到候選手掌像素集， 本步驟為提取步驟。首先，通過大量的手掌像素樣本訓練一個膚色模型，該膚色模型可以為混合高斯模型。本實施例中，訓練了具有16個高斯核的手掌膚色模型，如式(1)和式(2)所示，其中通過訓練樣本獲得了參數《，μ , δ的值。
權利要求
1.一種掌紋圖像中手掌區(qū)域的獲取方法，其特征在于，包括 提取步驟，根據膚色模型提取掌紋圖像中的候選手掌像素集；擬合步驟，對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集； 選取步驟，分別計算兩個候選手掌像素子集的空間形狀特征向量，根據空間形狀特征向量從兩個候選手掌像素子集中選取手掌區(qū)域像素集；獲取步驟，根據手掌區(qū)域像素集，確定掌紋圖像中的手掌區(qū)域。
2.根據權利要求1所述的方法，其特征在于，所述擬合步驟具體為通過期望最大化方法，對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集。
3.根據權利要求2所述的方法，其特征在于，所述擬合步驟包括 將候選手掌像素集映射到掌紋圖像中，得到二值掌紋圖像；將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，并選取擬合數據； 針對根據擬合數據和二值圖像得到的集合，通過期望最大化方法，擬合出混合高斯模型的參數；根據混合高斯模型，設定閾值將候選手掌像素集分為兩個候選手掌像素子集。
4.根據權利要求3所述的方法，其特征在于，所述將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，并選取擬合數據具體為將掌紋圖像由RGB顏色空間模式轉換到HSV 顏色空間模式，選取飽和度通道的圖像元素作為擬合數據。
5.根據權利要求1所述的方法，其特征在于，在選取步驟中，計算候選手掌像素子集的空間形狀特征向量包括計算候選手掌像素子集的χ方向和y方向的離散度、y方向的直方圖投影的局部極大值；將χ方向和ι方向的離散度、y方向的直方圖投影的局部極大值作為候選手掌像素子集的空間形狀特征向量。
6.根據權利要求1所述的方法，其特征在于，在選取步驟中，根據空間形狀特征向量從兩個候選手掌像素子集選取手掌區(qū)域像素集包括分別計算兩個候選手掌像素子集的空間形狀特征向量與預先建立的手掌圖像空間形狀特征向量均值模板的相似度，將相似度最高的候選手掌像素子集選為手掌區(qū)域像素集；所述手掌圖像空間形狀特征向量均值模板是通過計算大量訓練樣本的手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量，采用K-均值方法對手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量進行分別聚類而得到的。
7.一種掌紋圖像中手掌區(qū)域的獲取裝置，其特征在于，包括 提取模塊，用于膚色模型提取掌紋圖像中的候選手掌像素集；擬合模塊，用于對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集；選取模塊，用于分別計算兩個候選手掌像素子集的空間形狀特征向量，根據空間形狀特征向量從兩個候選手掌像素子集中選取手掌區(qū)域像素集；獲取模塊，用于根據手掌區(qū)域像素集，確定掌紋圖像中的手掌區(qū)域。
8.根據權利要求7所述的裝置，其特征在于，所述擬合模塊具體用于通過期望最大化方法，對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集。
9.根據權利要求8所述的裝置，其特征在于，所述擬合模塊包括二值化單元，用于將候選手掌像素集映射到掌紋圖像中，得到二值掌紋圖像；轉換單元，用于將掌紋圖像由RGB顏色空間模式轉換到HSV顏色空間模式，并選取擬合數據；擬合單元，用于針對根據擬合數據和二值圖像得到的集合，通過期望最大化方法，擬合出混合高斯模型的參數；劃分單元，用于根據混合高斯模型，設定閾值將候選手掌像素集分為兩個候選手掌像素子集。
10.根據權利要求9所述的裝置，其特征在于，所述轉換單元具體用于將掌紋圖像由 RGB顏色空間模式轉換到HSV顏色空間模式，選取飽和度通道的圖像元素作為擬合數據。
11.根據權利要求7所述的裝置，其特征在于，所述選取模塊包括第一計算單元，用于計算候選手掌像素子集的X方向和y方向的離散度、y方向的直方圖投影的局部極大值；向量獲取單元，用于將χ方向和y方向的離散度、y方向的直方圖投影的局部極大值作為候選手掌像素子集的空間形狀特征向量。
12.根據權利要求7所述的裝置，其特征在于，所述選取模塊包括第二計算單元，用于分別計算兩個候選手掌像素子集的空間形狀特征向量與預先建立的手掌圖像空間形狀特征向量均值模板的相似度；所述手掌圖像空間形狀特征向量均值模板是通過計算大量訓練樣本的手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量，采用K-均值方法對手掌區(qū)域和非手掌區(qū)域的空間形狀特征向量進行分別聚類而得到的；選取單元，用于將相似度最高的候選手掌像素子集選為手掌區(qū)域像素集。
全文摘要
本發(fā)明公開了一種掌紋圖像中手掌區(qū)域的獲取方法及裝置，屬于數字圖像處理和模式識別技術領域。其中方法包括提取步驟，根據膚色模型提取掌紋圖像中的候選手掌像素集；擬合步驟，對候選手掌像素集的顏色分布進行擬合，得到兩個候選手掌像素子集；選取步驟，分別計算兩個候選手掌像素子集的空間形狀特征向量，根據空間形狀特征向量從兩個候選手掌像素子集中選取手掌區(qū)域像素集；獲取步驟，根據手掌區(qū)域像素集，確定掌紋圖像中的手掌區(qū)域。本發(fā)明提供的掌紋圖像中手掌區(qū)域的獲取方法及裝置，不僅利用了手掌區(qū)域的膚色信息，還利用了手掌的形狀和空間分布信息，能夠有效地將其他非手掌膚色區(qū)域分割掉，從而獲得更加準確的手掌區(qū)域。
文檔編號G06K9/54GK102184404SQ20111011157
公開日2011年9月14日 申請日期2011年4月29日 優(yōu)先權日2011年4月29日
發(fā)明者馮毅, 劉昌平, 黃磊 申請人:漢王科技股份有限公司