传统中医通过观察人们手掌不同位置出现的纹理、颜色和形状等特征来判断身体健康状况,诊断身体疾病,而中医诊病往往需要积累多年的经验,若能通过掌纹识别技术实现身体健康状况的自动判断,对人们及早诊治疾病,避免病情恶化具有重要意义。随着近10年生物识别技术的快速发展,掌纹识别技术作为生物识别家族的重要成员,已得到国际上的认可,并取得了丰硕的研究成果。然而应用现有的掌纹识别技术来判断身体健康状况仍然存在很多困难,如:(a)现有方法提取的掌纹主线浅且易断续,不利于后续处理;(b)现有方法极少可用于提取一些异常纹路;(c)手掌颜色能够反映整个身体健康状况,现有方法不能识别手掌上的颜色斑点等。本文针对这些困难,从表征身体健康状况这一背景出发,展开掌部精细纹路和颜色的提取方法研究,主要工作包括以下五个方面:(1)针对掌纹主线浅易断续,不利于后续处理等问题,本文提出了一种修复掌纹主线的新方法,即先基于图像的能量按照高斯函数膨胀,然后计算子图像和非亮点的概率分布,最后图像的像素按指数函数回归。对比传统解决纹线断续问题采用膨胀、细化的方法,本方法能够解决误连接和远距离不能连接的问题,从而更好的解决了远距离断续主线无法修复和主线误修复的问题。(2)现有方法极少提取掌纹中反映身体健康状况的精细纹路,本文提出了一种使用多光谱技术与NSCT变换相结合的掌纹纹路提取方法。由于NSCT变换不仅具有平移不变性,而且进行掌纹纹理分解时,NSCT变换有多尺度和各向异性的特点,有利于进行后续的掌纹图像融合。因此我们采用NSCT变换对各个光谱下的掌纹图像进行分解,并根据掌纹纹路特征对分解后的子图进行融合,最后用形态学方法细化并提取掌纹的精细纹路。实验结果证实,该方法提取的精细纹路丰富而且清晰。(3)针对已有算法提取“十”字纹和“米”字纹时,识别率不高的现象,本文应用霍夫变换的累加器投票原理对掌纹中的“十”字纹和“米”字纹进行提取。我们先用自己开发的多光谱掌纹平台采集掌纹,构建“十”字纹、“米”字纹数据库,然后使用新高斯预处理模型对图像进行处理,最后用霍夫变换提取“十”字纹和“米”字纹。实验结果表明我们所提方法能有效地提升识别率,为进一步进行掌部表征所对应的身体健康状况研究奠定了基础。(4)由于手掌颜色能够反映整个身体健康状况,如何准确而快速的识别手掌上的颜色斑点,是表征身体健康状况的关键。本文提出了一种H-S-Gray斑点提取算法,该算法在不改变图像对比度和尽可能减少颜色失真的情况下,通过颜色空间的拉伸、量化等预处理操作,使处理后的图像有利于颜色斑点的识别。(5)为了实际验证基于身体健康状况表征的掌部颜色及纹路提取算法的有效性,本文研制了一个多光谱掌纹采集平台。针对单一光谱下的掌纹图像信息量小且具有局限性从而造成识别精度低等问题,研制的多光谱掌纹采集平台能够采集六个光谱下的局部掌纹图像,得到手掌各个层次的信息,从而给识别带来更高的准确率。既可以实时观察掌纹图像,又可以选择性的采集并存储掌纹图像信息。综上所述,本文对身体健康状况的掌部精细纹路及颜色提取算法进行深入研究,为真正实现自动表征身体健康状况提供理论支持。