一种新型在线掌纹线提取方法

一种新的掌纹ROI图像定位方法尚丽;苏品刚;淮文军【摘要】On the basis of analyzing the disadvantages of traditional Harris algorithm,a rapid palmprint preprocessing method based on angle point detection is proposed in this paper. This method utilizes a modified adaptive Harris algorithm to extract contour features existed in the palm's edge and the fingers concavo-convex. The feature mean,calculated by features belong to the same feature matrix,is used as the alternative angle-points to delete those adjacent angle points.Then,three key angle-points existed in the fingers' concavo are located according to the angle change of each angle point in the contour line. Thus,the region of interesting (ROI) is extracted efficiently. In test,the CASIA database is used. Experimental results show that this method can efficiently and quickly locate the ROI of palmprint images,and efficiently enhance the edge and detail of palmprint images simultaneity.%在分析传统Harris算法缺陷的基础上,提出一种基于角点检测的快速掌纹图像预处理方法.该方法利用一种改进的自适应Harris算法提取出手掌边缘和手指凹凸处的轮廓特征点,采用属于同一特征组的特征点均值作为候选角点,剔除了邻近角点,并根据候选角点在轮廓线上角度变化的大小定位手指根部的三个关键角点,从而有效提取出掌纹图像的感兴趣区域(RoI).实验测试图像采用CASIA数据库,实验结果表明,该方法能快速有效地定位出掌纹的ROI区域,且能有效增强掌纹图像的边缘与细节,有利于提高掌纹识别的识别率.【期刊名称】《激光与红外》【年(卷),期】2012(042)007【总页数】6页(P815-820)【关键词】掌纹图像;Harris算法;角点检测;掌纹定位;感兴趣区域(ROI)【作者】尚丽;苏品刚;淮文军【作者单位】苏州市职业大学电子信息工程系,江苏苏州215104;中国科学技术大学信息科学技术学院自动化系,安徽合肥230026;苏州市职业大学电子信息工程系,江苏苏州215104;苏州市职业大学电子信息工程系,江苏苏州215104【正文语种】中文【中图分类】TP391.411 引言掌纹图像预处理包括掌纹图像感兴趣区域(ROI)的定位分割和图像增强两个过程，是关系到掌纹特征识别好坏的重要环节。

一种掌纹线特征的提取方法
宋炯;林喜荣;包桂秋;申晶
【期刊名称】《计算机工程与应用》
【年(卷),期】2004(040)012
【摘要】文章尝试了一种对掌纹线特征,即屈肌线特征和大的皱纹特征进行提取的方法.该方法先将掌纹图像划分成若干小方块,然后通过计算像素点的方向数确定每个小方块的主方向,进而得到每个小方块的沿主方向的灰度分布曲线,并以此进行区域判别,保留纹线区域,屏蔽非纹线区域.从实验结果可以看出,掌纹的绝大部分线特征得以保留,同时抑制了大部分的噪声.可见这种方法是可行而有效的,为基于掌纹的身份自动鉴别技术的研究积累了有益的经验.
【总页数】3页(P32-33,57)
【作者】宋炯;林喜荣;包桂秋;申晶
【作者单位】清华大学精密仪器与机械学系,北京,100084;清华大学精密仪器与机械学系,北京,100084;清华大学精密仪器与机械学系,北京,100084;清华大学精密仪器与机械学系,北京,100084
【正文语种】中文
【中图分类】TP75
【相关文献】
1.基于模板匹配和形态学的掌纹线特征提取方法 [J], 彭其胜;陈华华
2.一种基于形态小波的在线掌纹的线特征提取方法 [J], 戴青云;余英林
3.一种用于掌纹识别的线特征表示和匹配方法 [J], 邬向前;王宽全;张大鹏
4.一种基于数学形态学和模板匹配的掌纹线特征提取方法 [J], 彭其胜
5.一种改进的掌纹线方向特征提取方法 [J], 滕少华;罗江;费伦科
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模板匹配和形态学的掌纹线特征提取方法
彭其胜;陈华华
【期刊名称】《杭州电子科技大学学报》
【年(卷),期】2013(033)003
【摘要】该文提出了一种有效的掌纹线特征提取方法,将模板匹配与数学形态学相结合,从4个不同的方向提取掌纹线.然后将这4个方向的掌纹线特征进行融合,最后通过形态学闭合、细化等一系列后处理操作得到了完整的掌纹线特征.实验结果表明基于模板匹配和数学形态学的方法不仅提取出了掌纹主线,而且大部分皱褶线也被提取出来了,能够满足大型数据库掌纹识别的要求.
【总页数】4页(P21-24)
【作者】彭其胜;陈华华
【作者单位】杭州电子科技大学通信工程学院,浙江杭州 310018;杭州电子科技大学通信工程学院,浙江杭州 310018
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于形态学滤波和Hough变换的掌纹主线提取方法 [J], 郑艳清;裘正定;吴介
2.一种掌纹线特征的提取方法 [J], 宋炯;林喜荣;包桂秋;申晶
3.一种基于形态小波的在线掌纹的线特征提取方法 [J], 戴青云;余英林
4.一种基于数学形态学和模板匹配的掌纹线特征提取方法 [J], 彭其胜
5.基于形态学滤波和邻域搜索的掌纹主线提取方法 [J], 李海燕;潘培哲;唐一吟;余鹏飞;黄亚群;陈建华
因版权原因，仅展示原文概要，查看原文内容请购买。

掌纹诊病的精细纹路识别与提取方法根据掌纹中特征的表示以及匹配方法, 可大致将掌纹识别方法分为四个类别, 分别是基于结构的方法、基于统计的方法、基于子空间的方法和基于编码的方法. 此外, 我们还列出了一些不属于这些类别的方法.2.1 基于结构的方法基于结构的方法主要是指利用掌纹中主线和皱褶的方向和位置信息实现掌纹识别的方法. 这一类的方法主要由两部分组成: 1) 提取掌纹中的纹线特征; 2) 纹线特征的有效表示和匹配. 线特征的有效表示主要是指便于匹配, 并且占用尽可能少的存储空间. 对于特征的提取, 较多使用的是各种线检测算子以及边缘检测算子; 对于特征的表示, 主要是采用直线段或特征点代替掌纹纹线; 而特征的匹配大多采用特征点之间的欧氏距离或Hausdor® 距离, 以及用于线段匹配的Hausdor® 距离等.2.2 基于统计的方法基于统计的方法是指利用掌纹图像的重心、均值、方差等统计量作为特征的识别方法, 可进一步分为基于局部统计量和全局统计量的方法. 其中基于局部统计量的方法需要将图像分成若干小块, 之后统计每块的均值和方差等统计信息, 最后连接为表示整个掌纹的特征向量; 而基于全局统计量的方法则直接计算整个图像的矩和重心等统计信息作为掌纹的特征. 匹配时, 一般采用矢量比较时常用的相关系数、一阶范数或欧氏距离.2.3 基于子空间的方法子空间方法将掌纹图像看作是高维向量或矩阵,通过投影或变换, 将其转化为低维向量或矩阵, 并在此低维空间下对掌纹表示和匹配. 根据投影或变换的性质, 子空间方法可以分为线性子空间方法和非线性子空间方法. 目前应用较为广泛的是线性子空间方法, 主要包括独立成分分析(Independent component analysis, ICA)、主成分分析(Principal component analysis, PCA)、线性判别分析(Lineardiscriminant analysis, LDA) 等. 与前两类方法不同, 基于子空间的方法大都需要对每个类别的掌纹图像构造训练集, 在该训练集上计算最优的投影向量或矩阵, 并将投影后的向量或矩阵作为该类掌纹的特征. 在识别阶段, 首先对待测掌纹图像作相同投影或变换, 之后采用最近邻或最近特征线(Nearestfeature line, NFL) 分类器分类. 基于子空间的方法已成功地应用于人脸识别, 移植到掌纹识别后也取得了很好的效果.2.4 基于编码的方法基于编码的方法是指先用滤波器对掌纹图像滤波, 之后根据某些规则将滤波后的结果进行编码的方法. 通常特征都按照比特码的形式存储, 对得到的特征码多采用二进制的\与" 或者\异或" 计算相似度. 该类方法主要包括三个核心部分: 滤波器的选择(Gabor, 高斯, 高斯的导数), 编码规则(最大值, 序数关系), 以及匹配方式(点对点, 点对区域).总的来说, 基于结构的方法识别精度低, 特征所需的存储空间大, 而且匹配速度慢; 基于编码的方法识别精度高, 特征小, 而且匹配速度快, 是各类方法中最具有优势的一类;而基于统计的方法和基于子空间的方法的识别精度和识别速度介于两者之间.下面介绍几种识别方法：一、《Latent Palmprint Matching》提出的潜掌纹(Latent palmprint) 识别方法针对部分掌纹与全部掌纹间匹配的特点, 提出了以细节点码(Minutia code)作为局部特征, 先进行局部匹配, 再进行全局匹配的方法.二、《基于非采样Contouriet变换与局部二值模式的掌纹特征提取》提出了一种对掌纹图像的平移、旋转和光照鲁棒的掌纹识别算法，即基于非采样的Contourlet与L即结合的掌纹特征提取算法。

一种基于MFRAT和ICP的掌纹主线提取和配准算法向北海;于肇贤;曲寒冰【期刊名称】《模式识别与人工智能》【年(卷),期】2015(000)003【摘要】为提高受旋转和平移影响的掌纹图像的识别精度，文中采用一种基于方向最近邻域( DNN)搜索的迭代最近点( ICP)图像配准算法，对掌纹主纹线特征图像进行配准，同时在掌纹主纹线特征图像配准过程中采用粗配准和精配准相融合的配准方式。

实验结果表明，该方法具有较高的计算效率和较好的抗旋转平移能力。

%To improve the recognition accuracy of palmprint images with some rotations and translations, the improved iterative closest point( ICP) algorithm based on direction and nearest neighbor( DNN) is pro-posed to make registration for principal-line feature images, and the strategy combining coarse registration and fine registration is taken in the process of principal-lines feature image registration. The experimental results show that the proposed method has high computational efficiency and good ability to resist rotation and translation.【总页数】6页(P260-265)【作者】向北海;于肇贤;曲寒冰【作者单位】北京信息科技大学理学院北京100192;北京信息科技大学理学院北京100192;北京市新技术应用研究所北京100021【正文语种】中文【中图分类】TN92【相关文献】1.基于ICP算法的掌纹图像配准研究 [J], 向北海;彭向南;于肇贤2.一种新型在线掌纹主线的提取方法 [J], 闫琳;侯晓荣3.一种改进的基于PCA的ICP点云配准算法研究 [J], 刘哲;周天;彭东东;冯晨4.基于ICP配准算法的三维激光扫描桥梁变形提取 [J], 黄莉; 张厚禄5.一种基于PCL库的NDT+ICP点云配准的改进算法 [J], 杜姝函;易辉;陈向宁;王得成;徐碧洁;王昊月因版权原因，仅展示原文概要，查看原文内容请购买。

掌纹识别方案引言掌纹识别是一种通过分析人类手掌上的纹路特征来识别个体身份的技术。

相比其他生物特征识别技术如指纹识别和人脸识别，掌纹识别具有更高的准确性和可靠性。

本文将介绍一个基于图像处理和机器学习的掌纹识别方案。

掌纹采集首先，需要采集用户手掌的图像数据。

掌纹图像可以通过智能手机摄像头或专用的掌纹采集设备获取。

掌纹图像应该是高分辨率的，并且手掌的位置和姿态要尽可能保持一致，以确保后续的处理和分析的准确性。

图像处理掌纹图像采集后，需要进行一系列的图像处理步骤，以提取出有用的纹路特征。

下面是一些常用的图像处理技术：图像预处理图像预处理是为了去除图像中的噪声和干扰，以便更好地提取纹路特征。

常用的预处理技术包括图像平滑、灰度化、二值化等。

边缘检测边缘检测是为了找到掌纹图像中的纹路轮廓。

边缘检测技术有很多种，包括Canny边缘检测、Sobel算子等。

特征提取在边缘检测之后，需要从图像中提取出掌纹的特征信息。

一个常用的特征提取方法是Gabor滤波器，它能够提取出纹路的方向和频率信息。

特征匹配与识别经过图像处理步骤后，我们得到了提取出的掌纹特征。

接下来，需要将这些特征与已知的用户掌纹特征进行匹配，以识别用户身份。

这可以通过以下几个步骤来实现：建立特征库特征库是存储已知掌纹特征的数据库。

每个用户的特征将被存储为一个特征向量，包含纹路的方向、频率等信息。

建立特征库时，应考虑到数据库的规模和查询效率。

特征比对当一个新的掌纹图像被采集后，其特征向量将与特征库中的所有特征进行比对。

通常使用欧氏距离或相关系数等度量方法来衡量两个特征向量之间的相似度。

识别结果评估识别结果可以通过计算相似度得分来评估。

如果相似度得分高于某个阈值，则认为识别成功；否则，认为识别失败。

系统优化为了提高掌纹识别系统的准确性和可靠性，可以考虑以下优化措施：多特征融合除了掌纹特征，还可以结合其他生物特征如指纹、人脸等进行识别，以提高识别的准确性。

深度学习算法深度学习在图像处理和模式识别领域取得了巨大的成功。

一种改进的掌纹线方向特征提取方法
滕少华;罗江;费伦科
【期刊名称】《江西师范大学学报（自然科学版）》
【年(卷),期】2018(042)003
【摘要】掌纹识别由于方便易行,近年来已成为鉴定人身份的主要方法之一.经典的基于线方向特征识别掌纹的方法忽略了纹线上其他具有辨别力的方向特征.该文改进了传统基于半方向特征编码的方法,改变其中一个半方向编码特征为另一个具有代表性的方向特征,获得了更多的掌纹曲线特征,从而有效提高掌纹识别效果.实验表明,该方法相比传统的方法具有更高的识别率及准确度.
【总页数】6页(P311-316)
【作者】滕少华;罗江;费伦科
【作者单位】广东工业大学计算机学院,广东广州510006;广东工业大学计算机学院,广东广州510006;广东工业大学计算机学院,广东广州510006
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.手写体汉字识别中的一种新的特征提取方法-弹性网格方向分解特征 [J], 金连文;徐秉铮
2.一种掌纹线特征的提取方法 [J], 宋炯;林喜荣;包桂秋;申晶
3.一种改进的指纹纹线方向场的计算方法 [J], 聂栋栋;马利庄;肖双九
4.一种新的指纹纹线提取方法 [J], 郭博
5.一种基于数学形态学和模板匹配的掌纹线特征提取方法 [J], 彭其胜
因版权原因，仅展示原文概要，查看原文内容请购买。