基于梯度方向模板的在线掌纹有效区域快速分割方法

摘要

本发明公开了一种基于梯度方向模板的在线掌纹有效区域快速分割方法。主要解决现有的在线掌纹分割技术时间复杂度高、实时性差的问题。其实现步骤是：(1)输入训练图像，求得校正梯度方向图像，截取上谷点子图和下谷点子图，将所有上谷点子图相加，得到上模板，将所有下谷点子图相加，得到下模板；(2)输入待测图像，求得校正梯度方向图像，分别利用上模板和下模板对校正梯度方向图像进行模板操作，分别取响应最大点作为上谷点和下谷点；(3)以上谷点和下谷点为参照点完成掌纹分割。本发明利用手掌轮廓点梯度方向信息，实现了快速准确的在线掌纹有效区域快速分割，可用于移动设备中的身份验证。

主权项

一种基于梯度方向模板的在线掌纹有效区域快速分割方法，包括如下步骤：(1)输入大小为M×L的掌纹图像I(x,y)，其中(x,y)表示掌纹图像的像素点坐标，M表示掌纹图像的长度，L表示掌纹图像的宽度；(2)对掌纹图像I(x,y)进行阈值分割，得到掌纹二值化图像I_B(x,y)，对掌纹二值化图像I_B(x,y)进行腐蚀操作，得到腐蚀后的掌纹图像I_E(x,y)，进而得到手掌轮廓图像Edg(x,y)：Edg(x,y)＝I_B(x,y)‑I_E(x,y)；(3)利用手掌轮廓图像Edg(x,y)，计算方向图像D(x,y)和方向角图像θ(x,y)；(4)计算掌纹图像I(x,y)的手掌方向θ_p：(4a)对方向角图像θ(x,y)像素值的分布进行统计，求得θ(x,y)中分布最多的像素值θ_max；(4b)利用θ(x,y)中分布最多的像素值θ_max，计算手掌方向θ_p：θ_p＝θ_max‑90°；(5)对掌纹图像I(x,y)进行方向校正，得到掌纹校正图像I′(x,y)和梯度校正图像D′(x,y)：(5a)对掌纹图像I(x,y)以‑θ_p为旋转角度进行逆时针旋转，得到掌纹校正图像I′(x,y)；(5b)将掌纹校正图像I′(x,y)作为输入图像，重复步骤(1)到步骤(3)，得到的方向图像记作梯度校正图像D′(x,y)；(6)构造上模板Up(x,y)和下模板Down(x,y)：(6a)选取255幅训练掌纹图像I_i(x,y)，i＝1,2,...,255，将该I_i(x,y)作为输入图像，重复步骤(1)到步骤(5)，在步骤(5)中得到I_i(x,y)的梯度校正图像D′_i(x,y)和I_i(x,y)的掌纹校正图像I′_i(x,y)；(6b)手动标记并记录I′_i(x,y)中上谷点v_u的位置和下谷点v_d的位置，将上谷点v_u在I′_i(x,y)中的位置记为(ux_i,uy_i)，下谷点v_d在I′_i(x,y)中的位置记为(dx_i,dy_i)；(6c)在梯度校正图像D′_i(x,y)中，以I′_i(x,y)中上谷点v_u的位置(ux_i,uy_i)为中心截取大小为W×W的上谷点方向子图Up_i(x,y)，以I′_i(x,y)中下谷点v_d的位置(dx_i,dy_i)为中心截取大小为W×W的下谷点方向子图Down_i(x,y)，W表示Up_i(x,y)和Down_i(x,y)的边长；(6d)分别利用上谷点方向子图Up_i(x,y)和下谷点方向子图Down_i(x,y)，得到上模板Up(x,y)和下模板Down(x,y)：$\mathrm{Up}(x,y)=\underset{i=1}{\overset{255}{\Sigma }}{\mathrm{Up}}_i(x,y),$$\mathrm{Down}(x,y)=\underset{i=1}{\overset{255}{\Sigma }}{\mathrm{Down}}_i(x,y);$(7)输入待测掌纹图像G(x,y)，利用上模板Up(x,y)和下模板Down(x,y)，计算G(x,y)中的上谷点v_u和下谷点v_d的位置：(7a)把待测掌纹图像G(x,y)作为输入图像，重复执行步骤(1)到步骤(5)，得到待测掌纹方向校正图像G′(x,y)和待测掌纹梯度校正图像D′_g(x,y)；(7b)用上模板Up(x,y)和下模板Down(x,y)分别与待测掌纹梯度校正图像D′_g(x,y)进行如下计算，得到上模板响应图像R_up(x,y)和下模板响应图像R_down(x,y)：$R_{\mathrm{up}}(x,y)=\frac{1}{W^2}\underset{m=-W/2}{\overset{W/2}{\Sigma }}\underset{n=-W/2}{\overset{W/2}{\Sigma }}{D}_g^{\prime }(x-m,y-n)·\mathrm{Up}(m+W/2,n+W/2),$$R_{\mathrm{down}}(x,y)=\frac{1}{W^2}\underset{m=-W/2}{\overset{W/2}{\Sigma }}\underset{n=-W/2}{\overset{W/2}{\Sigma }}{D}_g^{\prime }(x-m,y-n)·\mathrm{Down}(m+W/2,n+W/2),$其中，·表示两个向量的内积，m和n分别表示相对模板中心的横向偏移量和纵向偏移量；(7c)找出上模板响应图像R_up(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中的上谷点v_u的位置；找出下模板响应图像R_down(x,y)中的最大值，将该最大值所对应的点作为待测掌纹方向校正图像G′(x,y)中的下谷点v_d的位置；(8)以待测掌纹方向校正图像G′(x,y)中上谷点v_u的位置和下谷点v_d的位置为参照点，分割出掌纹有效区域图像R(x,y)。