51基于Android手机的掌纹身份验证系统.docx

5.1 基于Android手机的掌纹身份验证系统前面已经介绍过了掌纹识别的主要应用有两种，一种是用户身份的验证，一种是用户身份的辨识。在手机，平板电脑，或者笔记本电脑上，主要是要求有用户身份验证的功能。也就是在用户需要登录时，添加掌纹的验证过程。通过了掌纹验证的用户，才可以登录系统或者使用系统的特定资源。这种掌纹身份验证的工作系统流程图如图5-1：图5-1 掌纹身份的验证流程5.1.1 Android手机上的图像采集Android手机上采集手掌图像模块的设计流程图如图5-2：图5-2 Android手机上的图像采集流程图拍照模块的实现是一个单独的activity，命名为takepicture。这个activity中需要设置拍摄的参数如照片的成像质量：分辨率72dpi，大小为1024×768等。另外，takepicture与应用的mainactivity之间要跳转和传递参数。当点mainactivity的拍照按钮时，跳转到takepicture，拍摄完图像后，保存在指定的文件夹路径，然后结束activity，回到mainactivity。图5-3(a)是手机上实验系统的主界面,图5-3(b)是采集的手掌图像的界面。 (a)手机上的主界面 (b)拍摄界面图5-3 手机上的掌纹采集5.1.2 Android手机上的掌纹预处理首先，用基于指间谷点检测的算法来进行掌纹的预处理。其中，需要实现手掌区域的肤色检测，分离出手掌后再提取出手掌的轮廓。掌纹预处理模块有手掌的肤色分割，轮廓提取，谷点检测，掌纹ROI提取。肤色分割首先要将拍摄的手掌图像由BGR空间转换为YCrCb空间，然后根据肤色的分量Cr和Cb所在的范围，范围内的置1，范围外的置0。这样的固定取值的肤色分割方法，在固定的光线条件下有很好的分割效果，但是在手机上做试验发现效果不好，原因就是在强光和弱光条件下，肤色的色度分量CrCb会有一定的漂移，导致分割的效果变差。所以本文实际采取的是动态的肤色色度范围。首先将图像中央的区域（要先检测这个区域的色度是否在肤色色度范围内）的色度分布范围找到，然后扫描整幅图像，像素的色度分量在这个范围内的置1，范围外的置0。这样相当于在不同的光照条件下，每次都能动态的找到手掌的颜色分布范围。在肤色分割后，手掌区域基本可以很好的与背景分离，然后经过一些图像形态学操作后，可以得到手掌区域的二值化图像，然后就可以提取出很好的手掌的轮廓图。使用在第2章中介绍的指间谷点检测方法，检测手掌的轮廓线，在得到两个谷点后，就可以根据这两个谷点来，矫正图像和定位分割ROI区域了。Android手机上掌纹预处理的软件设计流程图如图5-4：图5-4预处理的设计流程图根据上述流程图在手机上实现预处理算法，图5-5是手机上进行肤色分割后的轮廓提取的实验结果，：首先使用自适应的肤色检测，检测完后用图像的形态学操作，弥补边缘的缝隙和手掌内的空洞，去除边界的小区域后，得到图5-5(a)。接着可以提取手掌的轮廓了如图5-5(b)。然后对轮廓内的像素漫水填充得到复原手掌区域图5-5(c)。得到手掌轮廓后，在轮廓上找出需要的食指与中指之间的谷点A，无名指与小指之间的谷点B。根据这2个点分离出手掌感兴趣区域，本文所做的方法是根据A、B两点的连线与图像极坐标90度的差值作为矫正的角度，旋转原图像。然后，计算出A、B两点经过旋转后的坐标A1、B1确定提取的方形区域。求得AB的距离L,提取A1点右方一块L×L的区域。最后将这块区域归一化为128×128像素的ROI区域。图5-5(d)是旋转后的手掌图像，然后用上述方法提取出掌纹ROI区域显示在手机上，如图5-5(e)。 (a) 手机上的肤色分割 (b)手机上的轮廓检测 (c)复原的手掌区域 (d)旋转后图像 (e)提取的ROI图5-5 掌纹的预处理结果5.1.3 Android手机上的特征提取然后对这个区域做傅里叶变换，得到ROI图像的实部与虚部图像，计算出幅频响应图像。图5-12为掌纹ROI区域的傅里叶变换在Android手机上的实现过程。 (a)ROI灰度图 (b)傅里叶变换实部 (c)傅里叶变换虚部 (d)幅频响应 (e)归一化幅频响应 (f)原点移动至中央图5-6 掌纹ROI的傅里叶变换图5-6(a)是原始的ROI图像经过灰度化的图像；图5-6(b)是掌纹ROI灰度图傅里叶变换后的实部图像； 图5-6(c)是掌纹ROI灰度图傅里叶变换后的虚部图像；图5-6(d)是由实部和虚部计算出的幅频响应图像； 图5-6(e)是将灰度范围归一化到0-255范围后的幅频响应图像；图5-6(f)是将坐标轴圆心移动到图像中心后的幅频响应。在得到掌纹ROI区域的幅频响应后，提取频谱的特征信息。提取方法就是第三章提到傅里叶频谱的特征提取方法，这里不