《内侧指横纹图像的采集及预处理》由会员分享，可在线阅读，更多相关《内侧指横纹图像的采集及预处理（57页珍藏版）》请在金锄头文库上搜索。
1、 密 级： 学校代码：10075 分 类 号： 学 号：20101384 工程硕士学位论文工程硕士学位论文 内侧指横纹图像的采集及预处理 学位申请人： 邵 闯 指 导 教 师： 刘 明 副教授 学 位 类 别： 工程硕士 学 科 专 业： 电子与通信工程 授 予 单 位： 河北大学 答 辩 日 期： 二一二年六月 Classified Index： CODE： 10075 U.D.C： NO： 20101384 A Dissertation for the Degree of Master Inner- Knuckle- Print Acquisition and Preprocessing
2、Candidate: Shao Chuang Supervisor: Associate Prof. Liu Ming Academic Degree Applied for: Master of Engineering Specialty : Elec. j=1,2,N)为原始图像中的每一点灰度值，阈值为T，则阈值化后的二值图像用B(i, j)表 示，用以下公式表示： TjiIif TjiIif jiB ),(0 ),(1 ),( (9) 从图 3- 4（b）所示 Otsu 二值化图像可以看出，利用 Otsu 方法二值化后的效果并不 理想，直接影响手指分割的准确性，本文利用另外一种方法对 G
3、abor 滤波后的图像进行 二值化： 第 3 章 指横纹图像预处理 27 else TjiLif jiL ，0 ),(1 ),( 1 (10) 其中 L(i,j)表示二值化后的图像，L1(i,j)表示 Gabor 滤波后的图像，阈值用 T 表示。 假定手指间的线特征所包含的点在整幅图像上所占的比例为一个定值， 用 N 表示 L1(i,j)上的所有像素点，NT是一个近似于 N的整数，由于灰度图像 L1(i,j)为一个二维 数组，为了得到手指间的线特征，使 L1(i,j)转换为一个向量 V，由大到小排列，则阈值 T 的取值为： )( T NVT = (11) 为了便于提取出手指图像，对二值化后的图
4、像取反，图 3- 5(b)所示。 0200400600 0 10 20 30 40 50 60 70 80 90 100 y h (a) (b) (c) 图 3- 5 (a) 截取的手指子图像；(b) 二值化后的图像；(c) 水平方向投影 对转化后的二值图像 L(i,j)在水平方向投影，其直方图如 3- 5(c)所示，直方图的三个 峰值对应手指的边界，h 轴表示水平方向的投影能量和，y 轴表示 L(i,j)垂直方向上的长 度。由 y 轴可以看出，手指边界所占的长度小，而边界间的长度大。用 x 表示边界的长 度，设定一个大于 x 的变量 d。假定 h(y)的最小值为 hs，对极大值点的坐标定位可
5、以通 河北大学工程硕士学位论文 28 过以下几个步骤完成： Step1. 从 y 轴左边开始搜索，找到 h(y)对应最小值坐标 y1； Step2. 在区间min0,y1- d,y1+d上，令 h(y)=hs； Step3. 找到 h(y)取极大值时对应的 y 轴坐标 y2; Step4. 在区间min0,y2- d,y2+d上，令 h(y)=hs； Step5. 找到 h(y)取极大值时对应的 y 轴坐标 y3。 重新排列 y1y3的坐标，对原始图像进行分割。截取的中指图像和无名指图像如图 3- 6，图 3- 7 所示。 图 3- 6 分割出的中指图像 图 3- 7 分割出的无名指图像 3.
6、2 指横纹图像定位 在图像的采集和处理过程中， 由于手指微小的变形及旋转、 平移变换和噪声的影响， 难以快速而准确的进行指横纹定位。指横纹定位的不准确最终会造成指横纹的识别错 误。为了解决这个问题，本文提出了一种鲁棒的指横纹线检测方法，这种方法主要通过 多尺度的边缘检测算子和增大滤波器窗口使指横纹图像变粗， 从而降低指横纹因手指变 形、平移、旋转及噪声带来的影响，提高指横纹定位的准确性。 3.2.1 基于二阶差分的屋脊型边缘检测 指横纹和掌纹有很多的共同特征。首先，二者都是屋脊边缘；其次，掌纹和指横纹 的线特征都有可能出现微小旋转和平移。因此，掌纹线特征提取和匹配方法为指横纹识 别提供了依据。
7、首先介绍一下 Wu34提出的一种典型的掌纹识别。 第 3 章 指横纹图像预处理 29 用),(yxI表示一幅掌纹图像。由于掌纹线的曲率较小，沿着线方向对图像进行平滑 滤波，有利于提高该方向上的连接性和平滑性。因此用一个方差为 s 的一维高斯函数 )(xG s 沿待检测线的水平方向对图像进行平滑： )(),(),( 0 xGyxIyxI s = (12) 其中“*” 代表卷积符号。 对图像),(yxI在垂直方向上求一阶偏导，可以用一个方差为 d 的一维高斯函数 )(xG s 与平滑后的图像作卷积得到，即 T yGyxIyx y I d )(),(),( 0 = T yGxGyxI ds )()(
8、*),( = )()(*),( T yGxGyxI ds = ),(*),( 1 0 yxHyxI= (13) 其中， “T”表示转置， T yGxGyxH ds )()(),( 1 0 = (14) 对图像在垂直方向上的二阶偏导可以通过在垂直方向上的二维高斯函数与平滑后 图像的卷积得到，即 T yGyxIyx y I d )(),(),( 0 2 2 = )()(*),( T yGxGyxI ds = T yGxGyxI ds )()(*),( = (15) 令 T yGxGyxH ds )()(),( 2 0 =， 得到 ),(*)(),( 2 0 2 2 yxHxIyx y I = (1
9、6) 水平方向线可以通过图像一阶偏导在垂直方向上的过零点得到， 其强度则由图像二 河北大学工程硕士学位论文 30 阶偏导中对应点的值来反映，即 = else 0, 0)( if),( ),( 1 0 1 02 0 x,yLyxL yxL. (18) 设定阈值使水平方向纹线转化为二值图像 0 L 。 检测角度方向的掌纹可以通过以下三步完成，首先，将),( 1 0 yxH和),( 2 0 yxH旋转 0 ，分别得到),( 1 yxH和),( 2 yxH。其次，用),( 1 yxH和),( 2 yxH分别代替公式(13)- (18) 中的),( 1 0 yxH和),( 2 0 yxH来处理图像。对处
10、理过的图像二值化得到 角度方向上的纹线 图像。最后，把各个方向掌纹线用下式融合在一起34： ),(),(yxLyxL = (19) 其中“”代表逻辑“或”运算，通过形态学处理后得到最终的掌纹线图像。 3.2.2 指横纹线检测 如图 3- 6 所示，在手指图像中，大部分比较明显的纹线是位于手指关节处呈垂直分 布的“屋脊边缘”即指横纹。因此，指横纹线检测算法是基于水平方向的一阶和二阶偏 导。为了得到粗线并且去除噪声，对指横纹图像求多阶偏导并对结果求积分，另外，增 大滤波器窗口对图像进行平滑滤波。 用I 表示一个离散的指横纹灰度图像，用一个大小为ml的均值滤波器h对 I 进行 平滑处理，得到 hII
11、* 1 = (20) 第 3 章 指横纹图像预处理 31 指横纹纹线呈垂直分布，增加滤波器在垂直方向的窗口可以有效的去除噪声。 对于图像 1 I 中的每个像素点),(ji， 计算多分辨率下的偏导。 设r是一个很小的整数， 计算像素点),-(jri和),(jri +在水平方向上的一阶偏导，即： ),(),(),()( 11 1 jriIjiIjri x I r = (21) ),(),(),()( 11 1 jiIjriIjri x I r +=+ (22) 定义),-( x ),( 1 2 jri I jiI r r =, ),(),( 1 3 jri x I jiI r r + =。 用均值
12、滤波器h对其进行平滑处理，得到： hII rr = 24 (23) hII rr = 35 (24) 对像素点),(ji的二阶偏导可以通过下式得出： ),(),(),( 45 2 1 2 jiIjiIji x I rr r = (25) 在掌纹线检测中34,垂直方向的纹线可以通过求一阶偏导数的过零点对应二阶偏导 数的数值得出，即： = else 0 0 if),( ),( 54 2 1 2 1 , (i,j) I(i,j)Iji x I yxL rr r r (26) 为了减少在线检测中出现的误差，对指横纹图像 r L1用均值滤波器h进行平滑滤波， 得到 hLL rr = 12 (27) 设定
13、 r 的取值范围为1,R(R 是一个参数，将在本文后面给出)，得到一系列图 像RrL,.2 , 1, r 2 =。对这些图像进行卷积运算，这样能够增加从手指图像中检测出的 纹线宽度，即 河北大学工程硕士学位论文 32 RrjiLjiL r , 2 , 1| ),(max),( 23 L= (28) 设定阈值使图像 3 L 转化为二值图像 L，即： = else , 0 if , 1 ),( 3 T(i,j)L jiL (29) 其中T 是一个给定的经验阈值，为了得到具有鲁棒性的指横纹线特征图像，假 定线特征上点的个数是一个定值 ，用 N 表示手指图像上总的点个数， T N 是一个 接近于TN
14、的整数，使),( 3 jiL转换成一个向量 V，将向量 V 中的值呈递减排列， 则阈值T的值可以通过下式确定： )( T NTV= (30) 3.2.3 指横纹图像的定位 本文定义手指第二关节处为指横纹感兴趣区域（Region Of Interest, ROI）,根据手指 的物理结构指横纹大约位于距手指远端 2/54/5 之间33，如图 3- 8 所示（黑色矩形框内 区域） 。因此，没有必要对提取出的整个手指进行分割。 图 3- 8 手指分割图 对图 3- 8 黑色矩形框内区域进行截取， 利用 3.21 节中的方法对截取的手指转化为二 值图像 B(x,y)，对图像在水平方向上 Radon 投影，并对投影曲线进行均值滤波，确定曲 线的基准点。 (a) (b) 第 3 章 指横纹图像预处理 33 0100200300400 0 50 100 150 x vf 0100200300400 0 10 20 30 x gf (c) (d) (a) 指横纹感兴趣区域（ROI）的预分割；(b) 二值化；(c) 垂直方向上的投影；(d) 均值滤
