论文部分内容阅读
近年来,基于掌纹特征的生物识别技术得到国内外研究人员的高度重视。由于基于掌纹特征的生物识别技术和掌纹诊病技术均是对手部特征进行分析,因此可以借鉴相关的生物识别技术来对掌纹诊病自动化进行研究。在掌纹诊病中,最重要的病理特征之一是掌纹线在手掌的不同区域所形成不同形状的病理纹。这些病理纹只有在固定的区域出现才有病理意义,因此准确地对全手掌图像进行区域划分及定位分割是实现手掌病理纹提取的关键前提。本文针对基于掌纹诊病的手掌图像预处理、感兴趣区域提取及定位分割进行了深入的研究,取得了一定的成果。现将本文主要工作及创新归纳如下:1、对于提取手掌轮廓部分,在8邻域分析方法的基础上,提出了基于4个模板的手掌二值化图像轮廓提取方法。实验证明该方法不仅简单、快速、有效,而且适合所有图像二值化后的轮廓提取。2、由于在采集手掌图像时不限制手掌的摆放位置和手指的张开程度,因此增加了掌纹图像定位及感兴趣区域提取的难度。针对现有掌纹图像定位及分割算法存在的问题,本文提出了利用手掌与手腕的连接点来建立直角坐标系定位的方法。该方法不仅可以快速的完成坐标系的建立,而且可把手腕部分去除,为后续处理工作扫清了障碍。3、对于手掌感兴趣区域的提取,本文提出了一种基于平行切割线与手掌轮廓交点的角点检测方法。该方法不仅能够快速提取出五指张开时的指尖点和指根点,能解决其他常用方法对于手指并拢时无法完成角点检测这一问题,从而利用这些角点来完成手指部分的去除,成功提取出掌纹诊病要求的全手掌图像信息。实验结果表明,本文所提出的方法可以有效地解决基于掌纹诊病手掌图像的定位及感兴趣区域提取的问题。4、在分析了手掌医学八卦图的特点和划分标准后定义了一些关键点与相关线,并利用这些点和线在全手掌图像上绘制手掌医学八卦图;然后对手掌八卦图的九大连通区域进行标记;最后通过质心坐标来定位连通区域的位置并将其分割。实验证明本文所提出的方法具有很好的精准性和鲁棒性。