非接触握拳式手背静脉样本ROI区域自适应提取方法.pdf

(19)中华人民共和国国家知识产权局*CN102194111A*(12)发明专利申请(10)申请公布号CN102194111A(43)申请公布日2011.09.21(21)申请号201110167331.0(22)申请日2011.06.21(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室(72)发明人王科俊熊新炎杜同春刘静宇冯伟兴(51)Int.Cl.G06K9/00(2006.01)权利要求书3页说明书12页附图5页(54)发明名称非接触握拳式手背静脉样本ROI区域自适应提取方法(57)摘要本发明的目的在于提供非接触握拳式手背静脉样本ROI区域自适应提取方法，包括以下步骤：采用阈值分割将手部目标图像从原始静脉样本中分离出来；利用手背轮廓用四边形近似的特点求取有效轮廓点集及距离基准线，基于有效轮廓点到距离基准线的距离值分布形态获得有效轮廓关键点，并判断所获得的关键点是否符合要求，如符合要求则进行下一步骤；如不符合要求，则需进一步采用关键点修正构建方法获得最后的关键点；基于得到的关键点从手背目标图像中提取出最大稳定区域，即为ROI区域。本发明利用近似四边形和关键点来求取ROI，能够准确地提取手背静脉样本的ROI，并且具有很强的抗旋转性。CN10294ACCNN110219411102194118A权利要求书1/3页1.非接触握拳式手背静脉样本ROI区域自适应提取方法，其特征是：(1)采用阈值分割将手部目标图像从原始静脉样本中分离出来；(2)首先利用手背轮廓用四边形近似的特点求取有效轮廓点集及距离基准线，然后基于有效轮廓点到距离基准线的距离值分布形态获得有效轮廓关键点，并判断所获得的关键点是否符合要求，如符合要求则进行下一步骤；如不符合要求，则需进一步采用关键点修正构建方法获得最后的关键点；(3)基于步骤(2)得到的关键点从手背目标图像中提取出最大稳定区域，即为ROI区域。2.根据权利要求1所述的非接触握拳式手背静脉样本ROI区域自适应提取方法，其特征是：所述的阈值T的计算公式如下：m表示样本图像中非零像素点灰度平均值。3.根据权利要求2所述的非接触握拳式手背静脉样本ROI区域自适应提取方法，其特征是：所述的求取有效轮廓关键点过程是：采用局部均值法对原始距离分布曲线进行平滑处理，以得到平滑距离曲线s(i)，i＝0，2，·，N-1，i表示有效轮廓点序列号，N为有效轮廓线所包含的总点数，局部平滑直径为不小于N/24的最小整数；采用阈值曲线对平滑距离曲线进行分割，平滑距离分布曲线与阈值曲线存在八个交点为第一类特征点；利用第一类特征点构建第二类特征点和第三类特征点的方法得到其他七个特征点，即总共可得到十五个特征点为关键点。4.根据权利要求3所述的非接触握拳式手背静脉样本ROI区域自适应提取方法，其特征是：所述的阈值曲线的数学表达式如下：s(i)表示平滑距离分布函数，r表示阈值半径，t(i)表示阈值函数。5.根据权利要求4所述的非接触握拳式手背静脉样本ROI区域自适应提取方法，其特征是：所述的构建第二类特征点的数学表达如下：(i＝1…8)表示八个第一类特征点，分别表示四个第二类特征点；所述的构建第三类特征点的数学表达如下：(i＝1…8)，表示八个第一类特征点，分别表示三个第三类特征点。6.根据权利要求5所述的非接触握拳式手背静脉样本ROI区域自适应提取方法，其特征是：所述的求取有效轮廓点集及距离基准线Ld的过程如下：(1)二直化目标图像：采用固定阈值T＝0对目标图像进行二值分割，获得二值图像2CCNN110219411102194118A权利要求书2/3页B(i，j)，其中i，j分别表示图像的横纵坐标值；(2)提取轮廓：采用二值图像轮廓提取算法，从B(i，j)中提取出目标外轮廓曲线C(i，j)；(3)轮廓四边形拟合：采用经典Douglas-Peucker轮廓多边形拟合算法，对轮廓C(i，j)进行拟合，取拟合精度阈值为50个像素点，则可以获得一个拟合四边形，为该四边形上边L3的长度，将L3向下平移l/8个像素单位，得到基准线Ld；距离基准线与手背轮廓线的交点，Ld以上的部分轮廓线即为有效轮廓，其所包含的轮廓点构成有效轮廓点集。7.根据权利要求6所述的非接触握拳式手背静脉样本ROI区域自适应提取方法，其特征是：所述关键点修正构建方法为：用PDL、PDR分别表示线段Ld与轮廓线的左、右两个交点，手背外部轮廓近似四变形的上边与轮廓线的左右两个交点分别用P3L、P3R表示，用表示PDL和P3L的中心点，用表示PDR和P3R的中心点，则由和确定的直线会与轮廓线有左右两个交点，就是所要求的左右两个第一类特征点认为其他六个第一类特征点将由确定的线段分成了七等份，则确定其他六个第一类特征点位