一種結合自適應高斯膚色檢測和區域生長的手部圖像分割方法
【專利摘要】本發明公開了一種結合自適應高斯膚色檢測和區域生長的手部圖像分割方法，其方法為：由屏幕上呈“工字形”的三條標志線輔助用戶擺放手掌，將圖像轉換至YCbCr空間，只保留Cb和Cr兩個分量。選取手掌內部一個膚色子區域，按照每個像素兩個分量到此子區域兩個分量均值的歐氏距離從小到大排序，取前N個像素再次統計兩個分量的均值和協方差矩陣，估計高斯膚色模型參數。將膚色檢測結果作為種子區域，進行區域生長，完整分割手部區域。高斯膚色模型參數的自適應性抵抗了類膚色背景、光線變化的干擾，提高了分割精度。區域生長抵御了背景中與手部不連通的類膚色區域的干擾，并克服了單一固定閾值分割對手部不同區域膚色漸變的失效性。
【專利說明】
一種結合自適應高斯膚色檢測和區域生長的手部圖像分割 方法
技術領域
[0001] 本發明涉及手部圖像分割方法，結合自適應高斯膚色檢測和區域生長，實現準確 的手部圖像分割，保證了后續步驟足以準確提取掌紋特征用于識別或認證。
【背景技術】
[0002] 生物特征以其穩定性、唯一性、不易丟失等特點在身份認證領域獲得了越來越廣 泛的應用。掌紋因包含豐富的鑒別特征、認證精度理想、采集成本低、用戶接受度高等優勢 成為近年來研究的熱點。
[0003] 然而移動終端等設備非接觸式拍攝自然場景中的掌紋圖像預處理卻受到諸多干 擾，如背景、光照等因素的影響，給手部圖像分割帶來了巨大的技術挑戰。而準確的手部圖 像分割是后續特征提取并進行識別或認證的關鍵。
[0004] 膚色模型是一種在彩色空間內有效處理膚色信息而建立的模型，常用YCbCr空間 高斯膚色模型。相對灰度信息來說，膚色具有對光照、姿態變化不敏感等優點，被廣泛應用 于人臉識別、掌紋識別等領域。然而當背景過于復雜或光線變化較大時，固定參數的高斯膚 色模型的魯棒性弱，這也是限制高斯膚色模型廣泛應用的瓶頸。
[0005] 區域生長法以一組"種子"開始，將與種子具有相同或相似性質(如灰度、顏色或紋 理）的鄰域像素合并到每個種子區域進行生長。該方法能夠有效進行自然場景下彩色圖像 的分割。
[0006] 本方案由自適應高斯膚色檢測和區域生長串聯執行，即在高斯膚色檢測的結果上 進行區域生長。高斯膚色模型參數估計的自適應性有效抵御了類似膚色和光照變化的影 響。區域生長法對不同圖像自適應調整生長閾值，克服了背景中與手部不連通類似膚色區 域的干擾，還避免了單一閾值對大量圖像使用時的失效性以及對手部不同區域膚色漸變的 失效性。
【發明內容】
[0007] 針對上述問題，本發明的目的在于提供一種結合自適應高斯膚色檢測和區域生長 的手部圖像分割方法，該方法中高斯膚色模型的參數自適應估計；區域生長判斷的距離門 限閾值自適應選取，從而實現完整而準確的手部圖像分割。
[0008] 為實現上述目的，本發明采取技術方案的方法步驟如下。
[0009] (1)顏色空間轉換及平滑:將圖像從RGB空間轉換到YCbCr空間，實現圖像亮度和 色度的分離;對圖像低通濾波使之平滑，減少手部分割的缺失和背景干擾區域的混入； (2) "訓練子區域"選取:在選取膚色訓練區域時，為避免背景的混入，采用"工字形"的 三條標志線輔助限定手掌擺放位置，三條標志線包括成像屏幕顯示的上下兩條"水平標志 線"，其到屏幕上、下邊界距離分別為圖像高度的1〇%，"豎直標志線"位于成像屏幕中央處， 與上下水平標志線垂直;采集圖像時，要求用戶五指張開，手掌表面與采集鏡頭平行，指尖 朝上，豎直標志線保證在中指區域內，中指指尖位于上方水平標志線和屏幕上方邊界之間， 手腕底部位于下方水平標志線和圖像下邊界之間； 定義坐標原點位于左上角，向右為JT軸正方向，向下為7軸正方向；規定圖像高度為"， 寬度為，圖像總像素個數為#=" X/f，則訓練子區域Z軸范圍在[0.45/f，0.55/f ]，7軸 范圍在[0.6"，0.7"]，大小為F =0.01#，從而有效避免選取到手掌以外區域； (3) 高斯膚色檢測:高斯膚色似然度的計算公式為：
(1) 此處像素的特征定義為C 6和C r兩個分量，即x= (C /7，C r)，m為C 6和C r兩個分量的 均值向量，C為協方差矩陣； 計算訓練子區域，個像素C 6和C r的平均值6? / 和Cr Λ，組成均值向量Crf); 考慮到膚色可能受到光線等影響，訓練區域的均值有可能會偏離實際膚色值，因此計算圖 像上每個像素的特征到m淑歐氏距離：
(2) 二維向量[C^i )，Cr (i )]為圖像第i個像素的特征;為使膚色模型更加魯棒，將p (i )按從小到大的順序排列，取排序后前#個距離對應的像素;通過手部幾何結構分析和 實驗驗證，當# =# /4時分割效果較優;計算#個像素C 和C r的均值CKr s，以及均值 向量和協方差矩陣Cs，通過公式（1)計算像素屬于膚色的概率，得到膚色似然圖，設定閾 值，閾值分割結果為G; (4) 區域生長:將G作為區域生長的初始區域，通過尋找滿足預先定義條件的像素加入 到種子區域，實現區域生長，完成手部區域的完整分割。
[0010] 本發明所述手部圖像分割方法由自適應高斯膚色檢測和區域生長串聯執行，即在 高斯膚色檢測的結果上進行區域生長。高斯膚色模型參數估計的自適應性有效抵御了類似 膚色和光照變化的影響。區域生長法對不同圖像自適應調整生長閾值，克服了與手部不連 通類似膚色區域的干擾，還避免了單一閾值對所有圖像使用的失效性以及對手部不同區域 膚色漸變的失效性。因此，該方法更有效地抵御了光照、手部不同區域膚色漸變、類膚色背 景等干擾，分割精度優于單一方法。
[0011] 本發明所述訓練子區域選取時通過"工字形"定位法輔助手掌擺放位置，根據手部 比例結構及幾何分析，保證了訓練子區域選取范圍位于手掌內部。
[0012] 本發明所述高斯膚色模型參數由該圖像自身的部分像素估計得出，通過分析手掌 位置以及手部比例結構，對手部區域面積進行估算，確定了參數估計的膚色像素個數的優 化數值，即由#/4個膚色像素估計高斯膚色模型參數。
[0013] 本發明所述高斯膚色檢測時，設定似然度閾值為Γ ^0.7，實驗表明，該閾值能有效 避免將背景誤分為手部區域。
[0014] 本發明所述區域生長時，每個種子點的特征作為參考值，判斷其周圍鄰域點特征 與參考值的歐氏距離，若距離小于門限閾值rr，即將該鄰域像素加入至種子區域。計算每個 種子點生長出的全部鄰域點的特征的均值，此均值設定為以該鄰域點作為種子進行再次生 長的參考值，直至所有鄰域中沒有滿足條件的像素再被加入到種子區域，則停止生長。
[0015] 本發明所述區域生長時，設定判斷生長的距離門限閾值由公式(3)計算，其中C r為訓練子區域中像素的C 量。
[0016] Γ.5X [max(C b )-min(C /7)+max(C r)-min(C r)] (3) 由于結合了兩種技術方案，本發明具有以下優勢： (1)傳統方法使用固定的高斯膚色模型參數，難以保證對大量掌紋圖像適用的通用性 和有效性。本發明自適應估計高斯膚色模型參數，有效抵御了類似膚色和光照變化的干擾。
[0017] (2)區域生長法對不同圖像自適應調整生長判斷門限閾值，克服了與手部不連通 干擾區域的影響，還避免了單一閾值對手部不同區域膚色漸變的失效性。
【附圖說明】
[0018] 圖1本發明工作流程圖。
[0019] 圖2本發明手部結構比例圖。
[0020] 圖3本發明"工字形"定位標志線及膚色訓練子區域位置示意圖。
[0021] 圖4本發明手部面積粗略分析圖。
[0022]圖5#=#/8的分割效果。
[0023] 圖6#=#/4的分割效果。
[0024]圖7#=#/2的分割效果。
【具體實施方式】
[0025]下面結合附圖和實施例對本發明方案"結合自適應高斯膚色檢測和區域生長的手 部圖像分割方法"進行詳細描述，具體方法步驟如下。
[0026]本發明米用圖1所不流程圖。
[0027] (1)顏色空間轉換及平滑濾波 將圖像平滑濾波，減少手部分割的缺失區域。從RGB顏色空間轉換至IjYCbCr空間。RGB色 彩空間中R、G、B三個分量不僅代表顏色，還包含了亮度信息。YCbCr具有與人類視覺感知過 程相類似的構成原理，并且膚色在YCbCr空間中聚類性較強。其中Y代表亮度，Cb表示藍色色 度分量，Cr表示紅色色度分量，實現了亮度與色度的分離。
[0028] (2)統計訓練子區域的特征均值m / (a)訓練子區域定位 本發明采用呈"工字形"的三條標志線輔助手掌擺放位置，三條標志線包括成像屏幕顯 示的上下兩條"水平標志線"，其到屏幕上、下邊界距離分別為成像高度的10%，"豎直標志 線"位于成像屏幕中央處，與上下水平標志垂直。采集圖像時，要求用戶五指張開，手掌表面 與采集鏡頭平行，指尖朝上，豎直標志線保證在中指區域內，中指指尖位于上方水平標志線 和屏幕上方邊界之間，手腕底部位于下方水平標志線和圖像下邊界之間。
[0029]手部結構比例圖如圖2所示，定義手心面為正面，手背面為反面。正面中指與手掌 的長度比例約為3:4,中指長度與手掌寬度的比例約為1:1;反面中指與手掌的長度比例約 為 1:1〇
[0030]在"工字形"輔助定位采集中，根據手部結構比例可知，中指指根到圖像上邊界距 離最大的情況為：中指指尖與上方水平標志線相切，手腕底部與圖像下邊界重合。定義坐標 原點位于左上角，向右為軸正方向，向下為7軸正方向。圖像高度為"，寬度為r，總像素 個數#=/f X//。此時中指指尖到手腕底部的距離為0.9//，中指指根點到圖像上邊界的距離 為力=0.1"+3/7X0.9" =0.486"，即中指指根點到圖像上邊界的距離不超過圖像高度的 49%。因此膚色訓練子區域選取Z軸范圍在[0.45/f，0.55；f ]，7軸范圍在[0.6"，0.7仞， 大小為F =0.01#，可以有效避免訓練子區域選取到手部以外的背景區域，如圖3所示。
[0031] (b)計算訓練子區域/7個像素的特征均值C/?/·和Cr/·，則mf = (CT7f，Cr/·)。
[0032] (3)高斯膚色模型參數估計 訓練子區域面積較小，因此由訓練子區域得到的參數魯棒性較弱。為此對其做出以下 改進。
[0033] (a)由公式(2)計算圖像上所有像素的特征到均值向量m/的歐氏距離P (i )，并 按從小到大順序排列。
[0034] (b)取前#個距離對應的像素并計算均值Cfc、Crs，ms=( Cfc，Crs)以及協方差矩陣 C〇
[0035] 圖4顯示了符合"工字形"定位標準時，手部面積最小值粗略估算示意圖。Parti表 示手指部分的面積，Part2表示手掌部分的面積。結合圖2中正面中指長度與掌寬之比為1: 1，大拇指面積可用于填補近似正方形Parti中膚色缺損的區域，因此手指面積可近似為邊 長(3/7X0.8")的正方形的面積，即（3/7X0.8" )21&竹2表示手掌部分的面積，同樣由圖 2可知正面手掌的長度與寬度之比為4:3，因此Part2可近似為面積為(4/7 X 0.8" ) X (3/7 X0.8 ")的長方形。整個手部面積約為Parti和Part2之和，即0.27" 2。手部面積與整幅 圖像面積之比為5。
[0036] δ=〇.27Η 2 / M = Q .21Η 2/ Η XW =0.27ΧΗ /W (4) 一般情況下移動終端(多指智能手機)/// r多1，所以整個手部面積一般占圖像總面 積的27%以上。#過小時，只選取了手部內部較小區域，樣本不足，難以獲得準確的訓練效 果;#過大時，可能引入背景中的非膚色像素，引起參數估計偏差。因此，#取值在0.27#左 右為宜。經實驗驗證，#=#/4時分割效果較好。圖5至圖7對比了一副圖像樣本在#不同取 值時的分割結果。
[0037] (4)由步驟(3)得到的均值向量!1^和協方差矩陣C代入公式（1)計算高斯膚色似然 度，經固定閾值分割得到高斯膚色分割結果G。實驗表明Γ^Ο.7時可以有效避免將背景 誤分為手部。
[0038] (5)區域生長:將步驟(4)中高斯膚色分割結果G作為區域生長的初始種子區域，由 公式(3)計算設定門限閾值fr，每個種子點的特征作為參考值，判斷其周圍鄰域點特征與參 考值的歐氏距離，若距離小于門限閾值fr，即將該鄰域像素加入至種子區域;計算每個種子 點生長出的全部鄰域點的特征的均值，此均值設定為以該鄰域點作為種子進行再次生長的 參考值，直至所有鄰域中沒有滿足條件的像素再被加入到種子區域，則停止生長。
[0039] (6)形態學操作"空洞填充"，得到最終完整的分割結果。
【主權項】
1. 結合自適應高斯膚色檢測和區域生長的手部圖像分割方法，其特征在于方法步驟如 下： (1) 顏色空間轉換及平滑:將圖像從RGB空間轉換到Y饑Cr空間，實現圖像亮度和色度 的分離;對圖像低通濾波使之平滑，減少手部分割的缺失和背景干擾區域的混入； (2) "訓練子區躁'選取:在選取膚色訓練區域時，為避免背景的混入，采用"工字形"的 Ξ條標志線輔助限定手掌擺放位置，Ξ條標志線包括成像屏幕顯示的上下兩條"水平標志 線"，其到屏幕上、下邊界距離分別為圖像高度的10%，"豎直標志線"位于成像屏幕中央處， 與上下水平標志線垂直;采集圖像時，要求用戶五指張開，手掌表面與采集鏡頭平行，指尖 朝上，豎直標志線保證在中指區域內，中指指尖位于上方水平標志線和屏幕上方邊界之間， 手腕底部位于下方水平標志線和圖像下邊界之間； 定義坐標原點位于左上角，向右為^軸正方向，向下為7軸正方向；規定圖像高度為J?^， 寬度為r，圖像總像素個數為#= W xr，則訓練子區域X軸范圍在[0.45/f，0.55/f ]，7軸 范圍在[0.6/?^，0.7/Π ，大小為=0.01#，從而有效避免選取到手掌W外區域； (3) 高斯膚色檢測:高斯膚色似然度的計算公式為：此處像素的特征定義為C 6和C r兩個分量，即(C6，Cr)，m為C 6和C r兩個分量的 均值向量，C為協方差矩陣； 計算訓練子區域個像素 C6和Cr的平均值和Crf，組成均值向量(C6f， Crf);考慮到膚色可能受到光線等影響，訓練區域的均值有可能會偏離實際膚色值，因此 計貸閣像h毎個像素的據佈到mf的歐氏距離：二維向量[C6(i)，C^i)]為圖像第i個像素的特征;為使膚色模型更加魯棒，將0(i) 按從小到大的順序排列，取排序后前W個距離對應的像素;通過手部幾何結構分析和實驗 驗證，當W =似/4時分割效果較優;計算W個像素 C的日C r的均值C&S、Crs，W及均值向量 ms和協方差矩陣Cs，通過公式(1)計算像素屬于膚色的概率，得到膚色似然圖，設定闊值，闊 值分割結果為G; (4) 區域生長:將G作為區域生長的初始區域，通過尋找滿足預先定義條件的像素加入 到種子區域，實現區域生長，完成手部區域的完整分割。2. 根據權利要求1所述的結合自適應高斯膚色檢測和區域生長的手部圖像分割方法， 其特征在于:所述手部圖像分割方法由自適應高斯膚色檢測和區域生長串聯執行，即在高 斯膚色檢測的結果上進行區域生長。3. 根據權利要求1所述的結合自適應高斯膚色檢測和區域生長的手部圖像分割方法， 其特征在于:所述訓練子區域選取時通過"工字形"定位法輔助手掌擺放位置，根據手部比 例結構及幾何分析，保證了訓練子區域選取范圍位于手掌內部。4. 根據權利要求1所述的結合自適應高斯膚色檢測和區域生長的手部圖像分割方法， 其特征在于:所述高斯膚色模型參數由該圖像自身的部分像素估計得出，通過分析手掌位 置W及手部比例結構，對手部區域面積進行估算，確定了參數估計的膚色像素個數的優化 數值，即由# /4個膚色像素估計高斯膚色模型參數。5. 根據權利要求1所述的結合自適應高斯膚色檢測和區域生長的手部圖像分割方法， 其特征在于:所述高斯膚色檢測時，設定膚色似然度闊值為Γ^Ο.7,實驗表明，該闊值能有 效避免將背景誤分為手部區域。6. 根據權利要求1所述的結合自適應高斯膚色檢測和區域生長的手部圖像分割方法， 其特征在于:所述區域生長時，每個種子點的特征作為參考值，判斷其周圍鄰域點特征與參 考值的歐氏距離，若距離小于口限闊值fr，即將該鄰域像素加入至種子區域;計算每個種子 點生長出的全部鄰域點的特征的均值，此均值設定為W該鄰域點作為種子進行再次生長的 參考值，直至所有鄰域中沒有滿足條件的像素再被加入到種子區域，則停止生長。7. 根據權利要求1所述的結合自適應高斯膚色檢測和區域生長的手部圖像分割方法， 其特征在于:所述區域生長時，設定判斷生長的距離口限闊值由公式(3)計算， Γ_τ=0.5Χ [max(C 的-min(C 的+max(C r)-min(C r)] (3) 其中、Cr為訓練子區域中像素的、Cr分量。
【文檔編號】G06K9/00GK106097354SQ201610426104
【公開日】2016年11月9日
【申請日】2016年6月16日
【發明人】冷璐, 張毛情, 黎明
【申請人】南昌航空大學