[发明专利]掌纹图像中手掌区域的获取方法及装置

说明书

技术领域

本发明涉及数字图像处理和模式识别技术领域，特别涉及一种掌纹图像中手掌区域的获取方法及装置。

背景技术

掌纹图像中手掌分割是指将掌纹图像中的手掌区域从背景中分割出来，它对掌纹识别区域的确定十分关键。目前使用最为广泛的手掌分割技术为利用手掌肤色信息进行分割，具体的方法包括：肤色阈值法，颜色查表法，基于直方图技术的贝叶斯分类法，基于神经网络的肤色预测方法，采用单高斯、混合高斯分布模型的方法等。这些方法主要通过大量样本获得先验肤色知识，建立肤色模型，然后利用该模型确定手掌区域。

现有技术提供了两种具体的掌纹图像中手掌区域的获取方法，其中一种使用机器学习的方法，根据训练样本的肤色信息建立神经网络模型，利用该神经网络模型判别掌纹图像中的像素是否为手掌像素，从而最终确定手掌区域；另一种使用高斯模型对手掌的肤色信息进行建模，然后利用该高斯模型获得手掌区域。

上述两种方法都是基于肤色模型确定手掌区域，这种方法受到光照、图像采集设备、背景变化的影响比较大，很难找到一个通用的肤色模型适合每一幅图像。在外界条件改变时，确定的手掌的区域很容易与背景混淆，而且也会受图像中其他肤色区域的干扰，导致获得的手掌区域不够准确。

发明内容

本发明所要解决的技术问题是针对现有技术的缺陷，提出一种掌纹图像中手掌区域的获取方法及装置，用以更加准确的确定手掌区域。

为了解决上述技术问题，本发明提供了一种掌纹图像中手掌区域的获取方法，包括：

提取步骤，根据肤色模型提取掌纹图像中的候选手掌像素集；

拟合步骤，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集；

选取步骤，分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取手掌区域像素集；

获取步骤，根据手掌区域像素集，确定掌纹图像中的手掌区域。

进一步的，所述拟合步骤具体为：通过期望最大化方法，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集。

进一步的，所述拟合步骤包括：

将候选手掌像素集映射到掌纹图像中，得到二值掌纹图像；

将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据；

针对根据拟合数据和二值图像得到的集合，通过期望最大化方法，拟合出混合高斯模型的参数；

根据混合高斯模型，设定阈值将候选手掌像素集分为两个候选手掌像素子集。

进一步的，所述将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据具体为：将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，选取饱和度通道的图像元素作为拟合数据。

进一步的，在选取步骤中，计算候选手掌像素子集的空间形状特征向量包括：

计算候选手掌像素子集的x方向和y方向的离散度、y方向的直方图投影的局部极大值；

将x方向和y方向的离散度、y方向的直方图投影的局部极大值作为候选手掌像素子集的空间形状特征向量。

进一步的，在选取步骤中，根据空间形状特征向量从两个候选手掌像素子集选取手掌区域像素集包括：

分别计算两个候选手掌像素子集的空间形状特征向量与预先建立的手掌图像空间形状特征向量均值模板的相似度，相似度最高的候选手掌像素子集选为手掌区域像素集；

所述手掌图像空间形状特征向量均值模板是通过计算大量训练样本的手掌区域和非手掌区域的空间形状特征向量，采用K-均值方法对手掌区域和非手掌区域的空间形状特征向量进行分别聚类而得到的。

本发明还提供了一种掌纹图像中手掌区域的获取装置，包括：

提取模块，用于肤色模型提取掌纹图像中的候选手掌像素集；

拟合模块，用于对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集；

选取模块，用于分别计算两个候选手掌像素子集的空间形状特征向量，根据空间形状特征向量从两个候选手掌像素子集中选取手掌区域像素集；

获取模块，用于根据手掌区域像素集，确定掌纹图像中的手掌区域。

进一步的，所述拟合模块具体用于通过期望最大化方法，对候选手掌像素集的颜色分布进行拟合，得到两个候选手掌像素子集。

进一步的，所述拟合模块包括：

二值化单元，用于将候选手掌像素集映射到掌纹图像中，得到二值掌纹图像；

转换单元，用于将掌纹图像由RGB颜色空间模式转换到HSV颜色空间模式，并选取拟合数据；