本發(fā)明屬于生物識(shí)別技術(shù)領(lǐng)域，更為具體地講，涉及一種基于掌靜脈圖像的預(yù)處理方法。

背景技術(shù)：

人體的手掌靜脈(簡稱“掌靜脈”)，是一種穩(wěn)定且唯一的生物特征靜脈信息隱藏在表皮下，結(jié)構(gòu)復(fù)雜很難被復(fù)制；斷落的手掌或尸體因血液停止流動(dòng)將不能通過認(rèn)證。所以，掌靜脈識(shí)別是一種“活體識(shí)別”。掌靜脈圖像不能在可見光下拍攝，卻可以在近紅外光下拍攝，這也增加了掌靜脈識(shí)別的安全性。手掌靜脈識(shí)別的高安全性使其成為近年生物特征識(shí)別研究的新熱點(diǎn)。

掌靜脈識(shí)別系統(tǒng)由圖像采集、預(yù)處理、特征提取和特征匹配4部分組成。采集到的掌靜脈圖像包括手指、腕部和背景區(qū)域，在預(yù)處理階段從圖像中選擇分割出一塊有效區(qū)域用來提取特征，進(jìn)而特征匹配。這塊有效區(qū)域，通常稱為感興趣區(qū)域(roi)。roi的選擇必須帶有清晰而豐富的掌靜脈特征信息，且在進(jìn)行特征提取和匹配之前必須進(jìn)行預(yù)處理，其質(zhì)量直接關(guān)系到后續(xù)的特征提取和匹配的準(zhǔn)確率，對(duì)識(shí)別性能影響很大。

掌靜脈圖像的預(yù)處理主要由有效roi區(qū)域提取、圖像歸一化、圖像增強(qiáng)、圖像去噪這四部分組成。目前掌靜脈的roi區(qū)域提取大多數(shù)沿用了如下方法。通過提取掌脈圖像的輪廓線，計(jì)算食指和中指間的縫隙與無名指和小指間縫隙下邊界的公切線，并將公切點(diǎn)作為定位基準(zhǔn)點(diǎn)(keypoint)建立坐標(biāo)系，截取固定大小矩形作為roi。具體參見文獻(xiàn)[1]:zhangd,kongwk,youj,etal.onlinepalmprintidentification.ieeetransactionsonpatternanalysisandmachineintelligence,2003,25(9):1041-1050.但該方法要求測試者手掌放置位置相對(duì)高度固定，否則會(huì)導(dǎo)致同一測試者roi區(qū)域截取不同。而對(duì)于掌靜脈圖像增強(qiáng)，目前大多數(shù)算法都是進(jìn)行全局圖像增強(qiáng)，然后進(jìn)行圖像濾噪等。而由于采集設(shè)備以及光線亮度影響，直接全局增強(qiáng)可能會(huì)導(dǎo)致外界噪聲過度增強(qiáng)，且沒有考慮到局部信息。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于掌靜脈圖像的預(yù)處理方法，在提取掌靜脈roi區(qū)域時(shí)，減少因位置偏移、高度細(xì)微差別導(dǎo)致的誤差，運(yùn)用局部增強(qiáng)方法，增強(qiáng)局部信息，提高roi圖像的質(zhì)量，進(jìn)而減少外界噪聲被過度增強(qiáng)造成的影響，便于后續(xù)的特征提取和特征匹配。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明一種基于掌靜脈圖像的預(yù)處理方法，其特征在于，包括以下步驟：

(1)、通過掌靜脈圖像，提取掌靜脈圖像的roi區(qū)域

(1.1)、先將掌靜脈圖像轉(zhuǎn)換成灰度圖，再進(jìn)行二值化處理，得到二值化圖像；

(1.2)、利用canny算法提取二值化圖像的輪廓作為掌靜脈圖像輪廓；

(1.3)、結(jié)合掌靜脈圖像輪廓，根據(jù)根查找法找出食指與中指間的指根點(diǎn)p1，以及無名指與小指之間的指根點(diǎn)p2；

(1.4)、將指根點(diǎn)p1和指根點(diǎn)p2做直線連接，得到線段l，再標(biāo)記出線段l的中點(diǎn)坐標(biāo)p(x0，y0)，以中點(diǎn)p為中心，根據(jù)p1，p2的坐標(biāo)做仿射變換旋轉(zhuǎn)，旋轉(zhuǎn)角度為θ，使得p1，p2兩點(diǎn)的縱坐標(biāo)或橫坐標(biāo)相等；

(1.5)、以中點(diǎn)p為基準(zhǔn)點(diǎn)，做線段l的垂線g，再以中點(diǎn)p為起點(diǎn)，沿垂直線g向掌心方向延伸長度d，并標(biāo)記為端點(diǎn)p0，以p0為中心點(diǎn)，提取大小為m*n的roi區(qū)域，并對(duì)該roi區(qū)域進(jìn)行尺度歸一化處理，得到大小為m0*n0的標(biāo)準(zhǔn)roi區(qū)域，命名為roi圖像；

(2)、對(duì)roi圖像進(jìn)行預(yù)處理

(2.1)、對(duì)roi圖像進(jìn)行分塊處理：將roi圖像劃分成k1*k2個(gè)小塊，每個(gè)小塊的大小為(m0/k1)*(n0/k2)，其中，k1,k2為常數(shù)，且k1能被m0，k2能被n0整除；

(2.2)、對(duì)每一小塊roi圖像進(jìn)行自適應(yīng)直方圖均衡化處理，獲取每一塊的像素值映射關(guān)系矩陣；

(2.3)、根據(jù)像素值映射關(guān)系矩陣，對(duì)roi圖像進(jìn)行插值平滑處理，得到預(yù)處理后的roi圖像。

其中，所述的根查找法查找指根點(diǎn)的方法為：

以手掌指向左為例，先找出掌靜脈圖像輪廓點(diǎn)，再根據(jù)掌靜脈圖像輪廓點(diǎn)按照如下公式找出指根的所有待校正指根點(diǎn)；

point[k].x＞＝point[k-n].x&&point[k].x＞＝point[k+n].x

其中，k為當(dāng)前輪廓點(diǎn)的標(biāo)號(hào)，point[k]為當(dāng)前輪廓點(diǎn)的x軸坐標(biāo)，point[k-n]、point[k+n]為當(dāng)前輪廓點(diǎn)的前、后第n個(gè)輪廓點(diǎn)的x軸坐標(biāo)；

對(duì)待校正指根點(diǎn)進(jìn)行歸類：若相鄰兩個(gè)待校正指根點(diǎn)的y軸坐標(biāo)差小于閾值s，則兩個(gè)待校正指根點(diǎn)屬于同一指根，否則屬于不同指根；

最后對(duì)歸屬于同一指根的所有待校正指根點(diǎn)坐標(biāo)取平均值，得到該指根的指根點(diǎn)坐標(biāo)。

進(jìn)一步的，所述的旋轉(zhuǎn)角度θ的計(jì)算方法為：

其中，p1的坐標(biāo)為(x1，y1),p2的坐標(biāo)為(x2，y2)，pi為圓周率，取3.14；

當(dāng)旋轉(zhuǎn)角度θ為正值，表示圍繞中點(diǎn)p做逆時(shí)針旋轉(zhuǎn)；當(dāng)旋轉(zhuǎn)角度θ為負(fù)值，表示圍繞中點(diǎn)p做順時(shí)針旋轉(zhuǎn)。

再進(jìn)一步的，所述的對(duì)roi區(qū)域進(jìn)行尺度歸一化處理的方法為：

設(shè)p1的實(shí)際坐標(biāo)為(x1，y1),p2的實(shí)際坐標(biāo)為(x2，y2)，p1，p2兩點(diǎn)間的標(biāo)準(zhǔn)長度為l0，延伸標(biāo)準(zhǔn)長度為d0，提取的標(biāo)準(zhǔn)roi區(qū)域大小為m0*n0；

中點(diǎn)p的坐標(biāo)為(x0＝(x1+x2)/2，y0＝(y1+y2)/2)，線段l的長度為提取的roi區(qū)域的大小偏差比例為：r＝l1/l0，實(shí)際延伸長度的偏差比例為d＝d0*r，進(jìn)而得到提取的roi區(qū)域的實(shí)際大小為(m＝m0*r)*(n＝n0*r)。

更進(jìn)一步的，所述的獲取每一塊roi圖像的像素值映射關(guān)系矩陣的方法為：

1)、對(duì)第j塊roi圖像進(jìn)行直方圖統(tǒng)計(jì)，得到直方圖統(tǒng)計(jì)統(tǒng)計(jì)表；

2)、根據(jù)直方圖統(tǒng)計(jì)表，從像素值0正序開始，找出首個(gè)像素個(gè)數(shù)不為零的像素值，記為min，以及從像素值255倒序開始，找出首個(gè)像素個(gè)數(shù)不為零的像素值，記為max；

再對(duì)max和min進(jìn)行校正：

其中，ndelta＝(max-min)*0.5*ncontrast，ncontrast為自調(diào)參數(shù)；

3)、根據(jù)直方圖統(tǒng)計(jì)表，從像素值0正序開始，找出首個(gè)像素個(gè)數(shù)不大于閾值t的像素值，記為mint，以及從像素值255倒序開始，找出首個(gè)像素個(gè)數(shù)不大于閾值t的像素值，記為maxt；其中，閾值t通過如下關(guān)系確定，

t＝m0*n0*nlimit

其中，m0，n0為標(biāo)準(zhǔn)roi區(qū)域的大小，nlimit為自調(diào)參數(shù)；

4)、根據(jù)步驟2)和3)得到對(duì)應(yīng)的像素映射關(guān)系矩陣ttj[i]；

其中，i表示范圍為0～255的灰度值，j表示塊的編號(hào)，范圍為1～k1*k2。

本發(fā)明的發(fā)明目的是這樣實(shí)現(xiàn)的：

本發(fā)明一種基于掌靜脈圖像的預(yù)處理方法，通過提取掌靜脈圖像的roi區(qū)域并對(duì)該roi區(qū)域進(jìn)行處理，得到局部特征明顯，且便于特征提取和特征匹配的掌靜脈圖像；具體講，本發(fā)明優(yōu)化了roi區(qū)域提取算法，減少了因采集時(shí)手掌放置位置不同、高度不同導(dǎo)致的roi區(qū)域提取的偏差，盡可能保證了在同一采集條件下同一個(gè)人roi區(qū)域提取的一致性；其次，利用自適應(yīng)直方圖均衡法處理roi區(qū)域，增強(qiáng)了整體的局部特征和對(duì)比度；最后進(jìn)行插值處理，得到最終局部增強(qiáng)的、平滑的roi圖像，進(jìn)而提升掌靜脈識(shí)別的整體效果。

附圖說明

圖1是一種基于掌靜脈圖像的預(yù)處理方法流程圖；

圖2是掌靜脈圖像的roi提取示意圖；

圖3是分塊roi插值方法示意圖；

圖4是本發(fā)明增強(qiáng)方法和經(jīng)典的全局直方圖均衡化增強(qiáng)方法的效果對(duì)比圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計(jì)的詳細(xì)描述也許會(huì)淡化本發(fā)明的主要內(nèi)容時(shí)，這些描述在這里將被忽略。

實(shí)施例

圖1是一種基于掌靜脈圖像的預(yù)處理方法流程圖。

掌靜脈圖像必須包含除大拇指和食指間指根點(diǎn)之外的其余3個(gè)指根點(diǎn)，否則無法識(shí)別出足夠的指根點(diǎn)，會(huì)導(dǎo)致roi區(qū)域提取失敗。其次，在掌靜脈圖像中，手掌指可以指向四個(gè)方向(上、下、左、右)，但在同一roi區(qū)域提取方法中必須要求手掌指向同一方向，以便后續(xù)手掌共用，如圖2所示，在本實(shí)施例中選取手掌指向左。

下面結(jié)合圖1所示，對(duì)本發(fā)明一種基于掌靜脈圖像的預(yù)處理方法進(jìn)行詳細(xì)說明，具體包括以下步驟：

s1、通過掌靜脈圖像，提取掌靜脈圖像的roi區(qū)域

s1.1、先將掌靜脈圖像轉(zhuǎn)換成灰度圖，再進(jìn)行二值化處理，得到二值化圖像；

根據(jù)實(shí)際需要，將掌靜脈圖像轉(zhuǎn)成256色的灰度圖，再運(yùn)用固定閾值法對(duì)灰度圖進(jìn)行二值化處理，得到只有灰白兩色的二值化圖像g(x,y)。

其中，二值化處理的具體方法為：

定義一個(gè)閾值t，按照如下公式進(jìn)行二值化處理：

在本實(shí)施例中，將閾值t設(shè)置為30，這樣可以得到一個(gè)大小為640*480的二值化圖像；

s1.2、利用canny算法提取二值化圖像的輪廓作為掌靜脈圖像輪廓；

s1.3、結(jié)合掌靜脈圖像輪廓，先找出掌靜脈圖像輪廓點(diǎn)，再根據(jù)根查找法找出食指與中指間的指根點(diǎn)p1，以及無名指與小指之間的指根點(diǎn)p2；

具體講，先按照如下公式找出所有指根的所有待校正指根點(diǎn)；

point[k].x＞＝point[k-n].x&&point[k].x＞＝point[k+n].x

其中，k為當(dāng)前輪廓點(diǎn)的標(biāo)號(hào)，point[k]為當(dāng)前輪廓點(diǎn)的x軸坐標(biāo)，point[k-n]、point[k+n]為當(dāng)前輪廓點(diǎn)的前、后第n個(gè)輪廓點(diǎn)的x軸坐標(biāo)；在本實(shí)施例中，n取5；

再對(duì)待校正指根點(diǎn)進(jìn)行歸類：若相鄰兩個(gè)待校正指根點(diǎn)的y軸坐標(biāo)差小于閾值s＝50，則兩個(gè)待校正指根點(diǎn)屬于同一指根，否則屬于不同指根；

由于該方法判斷出來的一個(gè)指根可能不止一個(gè)指根點(diǎn)，因此需要對(duì)同一指根的指根點(diǎn)取平均位置，即對(duì)歸屬于同一指根的所有待校正指根點(diǎn)坐標(biāo)取平均值，得到該指根的指根點(diǎn)坐標(biāo)；

s1.4、將指根點(diǎn)p1和指根點(diǎn)p2做直線連接，得到線段l，再標(biāo)記出線段l的中點(diǎn)坐標(biāo)p(x0，y0)，以中點(diǎn)p為中心，根據(jù)p1，p2的坐標(biāo)做仿射變換旋轉(zhuǎn)，旋轉(zhuǎn)角度為θ，使得p1，p2兩點(diǎn)的縱坐標(biāo)或橫坐標(biāo)相等；

在本實(shí)施例中，取p1的坐標(biāo)為(132，40),p2的坐標(biāo)為(96，320)，計(jì)算出中心坐標(biāo)p為(114，180)；再將上述點(diǎn)的坐標(biāo)值代入如下公式，

角度θ大小為7.18度，數(shù)值為正，因此做逆時(shí)針旋轉(zhuǎn)；

s1.5、以中點(diǎn)p為基準(zhǔn)點(diǎn)，做線段l的垂線g，再以中點(diǎn)p為起點(diǎn)，沿垂直線g向掌心方向延伸長度d，并標(biāo)記為端點(diǎn)p0，以p0為中心點(diǎn)，提取大小為m*n的roi區(qū)域，并對(duì)該roi區(qū)域進(jìn)行尺度歸一化處理，得到大小為m0*n0的標(biāo)準(zhǔn)roi區(qū)域，命名為roi圖像；

如圖2所示，在本實(shí)施例中，規(guī)定標(biāo)準(zhǔn)長度l0＝200，延伸標(biāo)準(zhǔn)長度d0＝100，提取的標(biāo)準(zhǔn)roi區(qū)域大小為128*128；

那么將p1，p2，p的實(shí)際坐標(biāo)代入到如下公式：

中點(diǎn)p的坐標(biāo)：(x0＝(x1+x2)/2，y0＝(y1+y2)/2)；

線段l的長度：

提取的roi區(qū)域的大小偏差比例為：r＝l1/l0；

實(shí)際延伸長度的偏差比例為：d＝d0*r；

提取的roi區(qū)域的實(shí)際大小為：(m＝m0*r)*(n＝n0*r)；

可以分別計(jì)算出實(shí)際長度l1＝283，偏差比例r＝1.415，實(shí)際延伸長度為d＝141，實(shí)際提取的roi區(qū)域大小181*181；

最后將實(shí)際提取的roi區(qū)域大小歸一化為128*128的標(biāo)準(zhǔn)大小，得到標(biāo)準(zhǔn)roi區(qū)域，命名為roi圖像。

s2、對(duì)roi圖像進(jìn)行預(yù)處理

s2.1、對(duì)roi圖像進(jìn)行分塊處理：將roi圖像劃分成k1*k2個(gè)小塊，每個(gè)小塊的大小為(m0/k1)*(n0/k2)，其中，k1,k2為常數(shù)，且k1能被m0，k2能被n0整除；

在實(shí)施例中，取k1＝k2＝8，m0*n0＝128*128，那么可以得到64個(gè)小塊，且每個(gè)小塊的大小為16*16；

s2.2、對(duì)每一小塊roi圖像進(jìn)行自適應(yīng)直方圖均衡化處理，獲取每一塊的像素值映射關(guān)系矩陣；

下面以第1塊roi圖像為例進(jìn)行詳細(xì)說明，具體為：

1)、對(duì)第1塊roi圖像進(jìn)行直方圖統(tǒng)計(jì)，得到一個(gè)1*256的直方圖統(tǒng)計(jì)表，即roi圖像中0～255每個(gè)像素值的個(gè)數(shù)；

2)、根據(jù)直方圖統(tǒng)計(jì)表，從像素值0正序開始，找出首個(gè)像素個(gè)數(shù)不為零的像素值，記為min，以及從像素值255倒序開始，找出首個(gè)像素個(gè)數(shù)不為零的像素值，記為max；

再對(duì)max和min進(jìn)行校正：

其中，ndelta＝(max-min)*0.5*ncontrast，ncontrast為自調(diào)參數(shù)，具體可以根據(jù)實(shí)際效果設(shè)置大小；

在本實(shí)施例中，校正前的max和min分別為198,147；ncontrast值為1.0，校正后的max和min分別為223,122；

3)、根據(jù)直方圖統(tǒng)計(jì)表，從像素值0正序開始，找出首個(gè)像素個(gè)數(shù)不大于閾值t的像素值，記為mint，以及從像素值255倒序開始，找出首個(gè)像素個(gè)數(shù)不大于閾值t的像素值，記為maxt；其中，閾值t通過如下關(guān)系確定，

t＝m0*n0*nlimit

其中，m0，n0為標(biāo)準(zhǔn)roi區(qū)域的大小，nlimit為自調(diào)參數(shù)，具體可以根據(jù)實(shí)際效果設(shè)置大??；

在實(shí)施例中，nlimit設(shè)置為0.01，進(jìn)而得到maxt和mint分別為195,154；

4)、根據(jù)步驟2)和3)得到第1塊roi圖像對(duì)應(yīng)的像素映射關(guān)系矩陣tt1[i]；

其中，i表示范圍為0～255的灰度值；

同理，可以得到64塊1*256的像素映射關(guān)系矩陣；

s2.3、根據(jù)各塊的像素值映射關(guān)系矩陣，對(duì)roi圖像進(jìn)行插值平滑處理，得到預(yù)處理后的roi圖像；

在本實(shí)施例中，如圖3所示，以四個(gè)頂角塊的中心點(diǎn)為分割點(diǎn)，圖3中的灰色區(qū)域?yàn)榻屈c(diǎn)區(qū)域，白色區(qū)域?yàn)檫吘墔^(qū)域，黑色區(qū)域?yàn)橹行膮^(qū)域；

其中，對(duì)roi圖像的角點(diǎn)區(qū)域直接使用原像素值；

對(duì)roi圖像的邊緣區(qū)域使用線性插值；

以點(diǎn)s0為例，將roi圖像作為校正圖像，進(jìn)行線性插值的方法為：

s0¹＝(1-x0)*ga(s0⁰)+x0*gb(s0⁰)

其中，s0⁰是點(diǎn)s0在校正圖中對(duì)應(yīng)位置的像素值，s0¹是經(jīng)插值處理后點(diǎn)s0處的像素值，a、b兩點(diǎn)為點(diǎn)s0最近的兩個(gè)塊的中心點(diǎn)，設(shè)a、b兩點(diǎn)間x軸坐標(biāo)相對(duì)距離為1，ga(s0⁰)、gb(s0⁰)為s0⁰在a、b所在塊的映射關(guān)系矩陣中對(duì)應(yīng)的映射像素值，x0是點(diǎn)s0到點(diǎn)a的x軸坐標(biāo)的相對(duì)距離，且小于1；

同理，其他邊緣區(qū)域的線性插值方法相同；

對(duì)roi圖像的中心區(qū)域使用雙線性插值；

以點(diǎn)s為例，將roi圖像作為校正圖像，進(jìn)行雙線性插值的方法為：

s¹＝(1-x)*(1-y)*ga(s⁰)+x*(1-y)*gb(s⁰)+(1-x)*y*gd(s⁰)+x*y*gc(s⁰)

其中，s⁰是點(diǎn)s在校正圖中對(duì)應(yīng)位置的像素值，s¹是經(jīng)插值處理后點(diǎn)s處的像素值，a、b、c、d四點(diǎn)為點(diǎn)s最近的四個(gè)塊的中心點(diǎn)，設(shè)a、b兩點(diǎn)間x軸坐標(biāo)相對(duì)距離為1，a、d兩點(diǎn)間y軸坐標(biāo)相對(duì)距離為1，ga(s⁰)、gb(s⁰)、gc(s⁰)、gd(s⁰)分別為s⁰在a、b、c、d所在塊的映射關(guān)系矩陣中對(duì)應(yīng)的映射像素值，x是點(diǎn)s到點(diǎn)a的x軸坐標(biāo)的相對(duì)距離，且x小于1，y是點(diǎn)s到點(diǎn)a的y軸坐標(biāo)的相對(duì)距離，且y小于1；

同理，其他中心區(qū)域的雙線性插值方法相同。

通過插值，最終得到邊界線消除，較為平滑的roi圖像，最后對(duì)圖像進(jìn)行中值濾波，平滑周邊的效果，使圖像更為平滑化，得到增強(qiáng)后的roi圖像。

增強(qiáng)效果如圖4所示，其中，圖4(a)為掌靜脈roi原圖，圖4(b)為全局直方圖均衡化算法的增強(qiáng)圖像，圖4(c)為本發(fā)明增強(qiáng)后的圖像，可以發(fā)現(xiàn)圖4(b)中，圖像左上角、右下角過暗，右上角又過亮，圖像明顯增強(qiáng)過度。而在圖4(c)中，圖像整體掌靜脈輪廓明顯，無過暗過亮現(xiàn)象。綜上，本發(fā)明方法能有效減少了掌靜脈圖像增強(qiáng)過度的現(xiàn)象，有著較好的增強(qiáng)效果。

盡管上面對(duì)本發(fā)明說明性的具體實(shí)施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實(shí)施方式的范圍，對(duì)本技術(shù)領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。