手指靜脈識別

1、手指靜脈識別技術手指靜脈識別是一種新生的生物特征識別技術，它利用人體手指內部靜脈的分布特征來進行身份識別，即利用專門的圖像采集裝置獲取靜脈血管圖像，再經過計算機或其他處理器執(zhí)行識別算法提取出靜脈特征，然后通過匹配這些特征來實現(xiàn)身份認證。手指靜脈血管圖像如圖1.2所示。手指靜脈的形狀具有唯一性和穩(wěn)定性，即每個人都手指靜脈都不同，同一個人的手指靜脈也不相同，且健康成人的靜脈形狀不會發(fā)生變化。與其他生物識別技術相比，手指靜脈識別具有以下優(yōu)點：(l)唯一性好：醫(yī)學證明，不同人的手指靜脈完全不同，即使是雙胞胎也不同，并且靜脈形狀在成年后不會變化。(2)安全性高：由于靜脈血管是隱藏在手指內部的，并且需要在

2、專門的紅外采集裝置下才能獲取圖像，因此極難復制和竊取，具有很強的防偽性。(3)準確率高：手指靜脈識別具有非常高的準確率，根據(jù)嚴格的醫(yī)學證明和數(shù)學統(tǒng)計，F(xiàn)雙(拒識率)小于0.01%，F(xiàn)從(誤識率)小于0.001%。(4)簡便易用：使用者對手指靜脈識別的心理抗拒性低，靜脈受生理或環(huán)境因素的影響也低，且屬于身體部分，無需攜帶，不會遺忘。靜脈識別屬于非接觸式識別，使用安全衛(wèi)生。(5)快速識別：由于手指靜脈血管相對穩(wěn)定且容易拍攝，同時采集靜脈圖像的樣本小從而生成的靜脈模板的數(shù)據(jù)量也小，匹配速度快。綜上所述，手指靜脈識別技術具有多種突出優(yōu)點，被業(yè)內認為是目前身份認證中最有發(fā)展前途的生物特征識別技術之一。手

3、指靜脈識別的國內外研究現(xiàn)狀手指靜脈識別技術通過獲取近紅外光照射下的靜脈圖像來進行身份認證，是當前具有高精度、高速度的生物識別技術。手指靜脈識別是利用手指內部特征來實現(xiàn)認證的，具有很高的防偽性，作為第二代生物識別技術備受矚目。20世紀90年代末，日立制作所的研發(fā)人員在一項度量人腦活動的研究中發(fā)現(xiàn)，利用近紅外光觀察血液流動可以作為一種有效的、高度安全的生物識別方法，這就是手指靜脈研究的起源。1997年日立中央研究所便開始對手指靜脈認證技術進行研究，并利用透射光成像方式獲取到了靜脈分布圖。此后靜脈認證技術逐漸成熟并走向市場，到2002年日立公司發(fā)布了第一臺手指靜脈門禁控制系統(tǒng)產品。日立公司在2004

4、年又推出了靜脈新產品用于ATM安全認證的指靜脈認證系統(tǒng)，并在2005年使其商業(yè)化，同年還對外展示了載有“手指靜脈認證設備”的汽車鎖。截至目前，在日本，80%的ATM存取款機都搭載了手指靜脈識別認證設備。手指靜脈認證技術不僅在日本逐漸普及，在其他國家也備受關注。圖1.3顯示的是日立公司推出的手指靜脈門禁系統(tǒng)和計算機安全登錄系統(tǒng)。日立公司在手指靜脈識別系統(tǒng)的研究中，由Miura等人提出了許多具有獨創(chuàng)性的靜脈識別算法，典型的有重復線形跟蹤法、最大曲率算法等，這些算法都已經成功應用于其公司開發(fā)的多種手指靜脈識別系統(tǒng)之中。在國內，雖然目前尚自主開發(fā)的靜脈識別相關產品出現(xiàn)，但已有很多學術機構、研究所和公司

5、單位進行手指靜脈技術的相關研究。在高校，哈爾濱工程大學的王柯俊教授、重慶工學院的余成波教授及吉林大學的馬馴良教授等人對靜脈識別技術的研究做了大量的工作，指導多名博、碩士研究生發(fā)表了很多高水平的學術論文，有的還進行了樣機的研制，并提出了許多創(chuàng)造性的算法。在公司，江蘇東大金智能建筑智能化系統(tǒng)工程有限公司利用CMOS器件設計了較低成本的手指靜脈圖像的采集裝置25，采集到了較高質量的靜脈圖像。與國外靜脈識別產業(yè)蓬勃發(fā)展的勢頭相比，國內的手指靜脈識別技術起步相對較晚，且研究成果主要集中在算法方面，在產品研發(fā)和應用仍面臨許多問題需要解決。手指靜脈識別的系統(tǒng)架構靜脈識別的基本原理手指靜脈是指人體手指內部的靜

6、脈血管，手指靜脈識別就是利用該血管結構的特征來實現(xiàn)身份認證。在可見光下，靜脈是不可見的，只有在特殊的采集裝置下才能獲取。醫(yī)學證明，人體手指靜脈的血管結構在波長為0.7一1.lum的近紅外光的照射下，能夠穿透骨骼和肌肉，而流經靜脈血管的血紅蛋白容易吸收該波段的紅外光而突顯出靜脈結構。通過專門的圖像采集裝置如紅外CCD攝像機即可拍攝到靜脈圖像，然后對靜脈圖像進行分析處理，便可從中得到靜脈特征。研究表明，不同人的靜脈結構是不同的，即使是雙胞胎的各手指靜脈也是不同的，而且成年人的靜脈結構不再變化，即靜脈具有唯一性，這就為靜脈識別提供了科學依據(jù)。圖2.1所示的是兩幅采集到的手指靜脈圖像，指尖在左，圖中的

7、陰影紋路就是靜脈血管結構，利用靜脈的分布特征可以識別不同的人。這就手指靜脈識別的基本原理。靜脈識別的系統(tǒng)流程典型的生物特征識別系統(tǒng)主要包括四個部分:圖像采集、預處理、特征提取和模式識別。其中特征提取和模式識別是最主要的兩個部分，關系到整個識別系統(tǒng)的識別精度，手指靜脈識別系統(tǒng)也不例外。一個基本的手指靜脈識別系統(tǒng)由靜脈采集、質量評估、圖像預處理、特征提取和編碼、模式匹配共5個部分組成。靜脈圖像的預處理一般包括圖像定位、濾波除噪、歸一化等步驟。手指靜脈識別的流程如圖2，2所示。其中，圖像采集模塊是靜脈系統(tǒng)的第一步，負責完成近紅外圖像的獲取，一般通過近紅外 CCD或者CMos器件拍攝。質量評估是一個可

8、選模塊，主要功能是評價當前的靜脈圖像是否合格，例如可排除非法使用異物試圖進入識別系統(tǒng)的情況發(fā)生。圖像預處理是靜脈識別算法的第一步，也是有必要的一個環(huán)節(jié)，它直接影響著后續(xù)的提取效果。特征提取模塊完成對靜脈模式的提取，主要包括對靜脈圖像的分割、二值化、細化等操作，最終提取出靜脈結構特征。模式匹配是靜脈識別算法的最后一步，執(zhí)行輸入靜脈與數(shù)據(jù)中的靜脈特征匹配，計算出匹配度，最終輸出識別結果給相應控制系統(tǒng)，如門禁系統(tǒng)、ATM機、計算機登錄系統(tǒng)等。靜脈識別一般用于多用戶的身份識別，因此要求用戶注冊靜脈并錄入系統(tǒng)，系統(tǒng)組成框圖中的靜脈注冊模塊就是完成這個功能的。手指靜脈的特征提取與匹配靜脈圖像的預處理靜脈圖

9、像的定位拍攝到的手指靜脈圖像可知，在裝置封閉性好的情況下，背景部分呈現(xiàn)黑色，即灰度級級低，而手指區(qū)域(含靜脈)的灰度級別相對較高，兩者有明顯的灰度差別。根據(jù)這種實際情況，本文采用的手指定位步驟如下:STEP1:簡單濾波，濾除圖像噪聲。先使用中值濾波算法，濾除斑點狀噪聲或掃描線噪聲，然后進行簡單平均濾波，使圖像更加清晰、平滑，為后面的圖像二值化做準備。STEP2:利用圖像二值化獲取手指掩膜圖。由于手指區(qū)域和背景區(qū)域的灰度級相差很大，因此采用一般的單閡值二值化就可以將靜脈圖像分為靜脈和背景兩部分，即獲得手指掩膜圖像。STEP3:對原靜脈圖像進行反掩膜處理獲取感興趣區(qū)域(ROI)。即將當前采集的整幅

10、靜脈圖像與前面得到的掩膜圖像相乘，背景部分灰度置為0，手指部分灰度保持不變，就得到了需要的感興趣區(qū)域手指部分圖像。圖4.1(a)為采集到的一幅靜脈圖像，包含背景和靜脈部分，并且背景部分灰度接近0值。如果對整幅圖像進行特征提取，可能在背景部分提取到靜脈，顯然是錯誤的靜脈信息。圖4.1(b)顯示的是經過單閡值分割后得到的二值圖像，其中背景灰度為。，靜脈區(qū)域的灰度為255，這幅二值圖像也被稱為掩膜圖像。在實際圖像數(shù)據(jù)處理過程中，為方便計算，可創(chuàng)建這樣一個掩模矩陣:背景像素灰度為0，靜脈區(qū)域像素灰度為1，這樣可以直接通過矩陣相乘獲得手指部分的圖像數(shù)據(jù)。圖4.1(c)所示是經反掩膜后得到的手指區(qū)域圖。其

11、背景區(qū)域的灰度已全部設置為O，而靜脈區(qū)域的灰度保持原值不變。這樣就避免了在后續(xù)的靜脈脈絡提取中，背景圖像對提取結果帶來的影響。靜脈圖像歸一化在靜脈血管圖像采集時，因系統(tǒng)光強、手指厚度、血液溫度、手指傾斜度等條件不同，在不同時間采集到的圖像在灰度分布上有較大差異，這會給以后的圖像處理和匹配增加難度。因此在采集圖像以后要進行歸一化處理，包括靜脈尺寸歸一化和灰度歸一化。1、尺寸歸一化在靜脈特征匹配階段需要統(tǒng)一大小的靜脈圖像，而同一只手指在不同時刻放置在采集器的位置會有一定偏差，因而采集到的圖像手指部分的圖像大小也不同，會影響后續(xù)的匹配結果。因此，手指靜脈圖像的尺寸歸一化的必要步驟。靜脈識別的尺寸歸一

12、化其作用主要有以下三個方面:(l)相同的靜脈尺寸便于靜脈的提取算法的參數(shù)設置，例如圖像分割閾值等，有利于統(tǒng)一靜脈特征的提取。(2)對于不同手指而言，尺寸大小不同對靜脈的匹配結果無影響，即不會引起誤識;但如果是同一手指，如果尺寸不一樣，采用有關識別算法如模板匹配，易引起拒識，即自己認不出自己的情況。(3)如果實際采集到的圖像過大，進行圖像處理的時間會很長，而歸一化尺寸例如縮小到一定像素大小，在不影響識別結果的前提下，可以進一步縮短算法時間。圖像尺寸歸一化實質上是一種圖像的幾何變換，一般采用從目標圖像反方向影射實現(xiàn)。反向影射就是掃描目標圖像的每個像素，按照給定的變換公式來確定目標像素對應的原像素。

13、用這種方法來計算目標圖像可以保證整個目標圖像沒有空像素，即得到的目標圖像每個像素點上都有相應的灰度值。然而，由于經過變換公式計算出來的原圖像的像素位置可能不是整數(shù)，而是分數(shù)。因此難以選取該分數(shù)位置處的灰度。為此，必須使用灰度插值的方式來彌補圖像縮放帶來的誤差。常用的灰度插值算法有3種:最近臨近插值法、雙線性內插法和曲線插值法。其中雙線性插值法使用較廣泛，保真度比較好，本文歸一化選取了這種方法。實驗中，靜脈原始圖像大小為 768X288像素，經過雙線性內插算法歸一化后的圖像大小為 384X128，且圖像不失真，效果滿意。尺寸歸一化前后的對比圖見圖4.2所示。另外，歸一化操作也可以對靜脈提取后的二

14、值圖像處理，但是考慮到對灰度尺寸歸一化后，由于靜脈樣本變小，提取時間能夠縮減很多，因此這里選取了先尺寸歸一化，再進行后續(xù)的提取等操作?；叶葰w一化由于原始的靜脈圖像灰度級相對集中，即對比度低。為了規(guī)范化靜脈提取，需要對靜脈圖像進行灰度歸一化處理，使其分布均勻。假設原圖像的灰度分布范圍是G1，G2，設定歸一化后的灰度為0，255，則歸一化后的任意一點(i，j)的灰度可表示為:靜脈圖像的增強靜脈圖像的采集過程中難免引入噪聲，如掃描線噪聲、椒鹽噪聲、高斯白噪聲等，這些噪聲直接影響靜脈的提取。靜脈提取是直接基于灰度來實現(xiàn)的，一般要求輸入圖像足夠平滑且又不能過于模糊，因為平滑可以消除算法過程中的閾值計算誤

15、差，而圖像保持清晰、對比度高則有利于區(qū)分出靜脈部分和背景，即實現(xiàn)圖像增強。圖像增強是對圖像進行處理，使其比原始圖像更合適于特定的應用，是一種基本的圖像預處理手段。圖像增強技術不是孤立存在的，而是必須和實際應用結合起來，離開了特定應用的圖像增強技術是沒有意義的。增強的主要目的主要是突出圖像中的有用信息，削弱或去除某些不需要的信息，使結果更符合實際處理的需求。下面介紹幾種常用的圖像增強方法。(l)平滑濾波圖像的平滑濾波也稱均值濾波，是圖像增強處理中最基本的方法之一。它是利用卷積運算對圖像領域內的像素灰度進行平均化，從而達到減少圖像雜點影響的目的。在圖像的產生、傳輸和采集的過程中，往往會受環(huán)境的干擾

16、而引入雜點干擾或者丟失部分信息，致使圖像的質量大大降低。為了消除圖像上離散狀的雜點，平滑濾波就是一種非常有效的圖像增強方法。從頻域的角度上看，平滑濾波實質是低通濾波，即減少或消除圖像中的高頻成分，而不影響低頻分量。圖像的高頻分量是指圖像中灰度起伏較大的部分，例如圖像邊緣部分。而低頻分量對應圖像灰度變化緩慢的部分。經過均值濾波后，圖像變得比較平滑。平滑濾波的過程是遍歷地求取圖像一定領域內的像素灰度均值，然后用該均值作為新圖中該像素位置處的灰度值。其增強實質是將雜點對某點灰度的影響，分散到受污染點的領域各像素中，減小雜點對圖像的影響。理論運算公式可表達如下:將模板算子在原圖像中滑動地遍歷每一個像素

17、點(除邊界外)，模板算子分別與原圖像中的像素灰度值相乘并相加結果，即執(zhí)行卷積運算，最后將結果除以歸一化系數(shù)9，便完成了一次3x3的平滑濾波。濾波效果如圖4.5(b)所示。從圖中可看出，通過均值濾波能夠有效地消除或減少圖像中的分布均勻的噪聲，如密布的雪花點狀物，得到的圖像比較平滑。但過度的均值濾波后，圖像會變得模糊，丟失一些明顯特征，這是簡單均值濾波的缺陷。(2)中值濾波中值濾波是一種非線性的圖像處理方式，它通過對鄰域內像素按灰度排序后的結果決定中心像素的灰度。圖像的中值濾波在少量離散雜點噪聲的消除方面效果顯著。均值平滑屬于線性平滑濾波算法，在消除離散雜點方面，采樣的是將雜點的干擾分攤到整個領域

18、中的各個像素，以減小雜點的影響，然而這樣做的代價就是圖像變得不夠清晰。均值濾波適合消除孤立的雜點，而對于較大雜點或者密集的雜散點的濾除效果并不理想。而中值濾波不去關注孤立點的屬性，而是確定圖像中的每個像素和鄰域內其他像素點的某種關系，來決定中心點的像素值。這個關系就是灰度值的大小分布，顧名思義，中值濾波就是選擇鄰域內的灰度大小排序后的中間值作為鄰域中心點的灰度。在靜脈采集的過程中，偶爾會出現(xiàn)掃描線噪聲。由上述的平滑濾波很難消除此類噪聲，而設計一個一維的中值濾波器就能解決此類問題。以為掃描線噪聲的特點是呈細線條狀，方向固定為垂直或水平的，而且灰度級一般很低，和靜脈部分的灰度級相比很容易區(qū)分開來。

19、因此只需沿著垂直于攝像機的視頻掃描方向，使用一維的中值濾波算法，即可消除此類噪聲。(3)高斯濾波圖像的高斯平滑濾波是平滑線性濾波器的另一種應用，與圖像的均值平滑不同的是，它在領域內像素的灰度進行平均時，賦予了不同位置像素不同的權值。高斯平滑的最大優(yōu)勢是，能夠保留源圖像的總體特征。高斯模板的權值是有高斯分布函數(shù)的形狀來確定的。高斯濾波器對于抑制服從正態(tài)分布的噪聲特別有效。高斯噪聲是一種具有高斯特性的噪聲，通過一般的均值濾波并不能很好地消除。此類噪聲需要相應的高斯平滑濾波才能有效消除，常用的方法是2一D高斯低通濾波器。在數(shù)字圖像處理中，常用零均值的二維高斯函數(shù)作為濾波器，函數(shù)表達式如下:高斯函數(shù)具

20、有幾個特點，首先二維高斯函數(shù)具有旋轉對稱性，即濾波器在各方向的平滑程度是相同的。對于靜脈圖像，其脈絡方向事先是未知的，因此使用高斯平滑不會偏向任何方向。其次，高斯函數(shù)單值的，即高斯濾波器使用領域像素的加權替代中心點的像素值，且其權值隨之偏離中心點位置的距離而遞減。因此，高斯平滑保持了圖像的總體灰度特征而不會使圖像失真。在對靜脈圖像的濾波與增強的過程中，先對尺寸歸一化后的靜脈圖，首先使用中值濾波消除明顯的斑點噪聲和掃描線噪聲;然后使用2一D高斯濾波器濾除呈正態(tài)分布的高斯噪聲;用均值濾波進一步平滑圖像，即采用多級濾波的方式處理。此外，濾波方式的選擇和靜脈提取算法有關系，若提取算法好，濾波處理的效果

21、可以適當降低些要求。幾種靜脈特征的提取算法手指靜脈沒有虹膜那么豐富的紋理特征37，也沒有指紋具有較多的細節(jié)點(端點、交叉點等)特征。在現(xiàn)有的靜脈采集技術下，靜脈的特征主要表現(xiàn)為具有較復雜的拓撲結構，即靜脈紋路。因此靜脈特征的提取主要是對靜脈圖像的分割，提取其紋路結構特征。手指靜脈采集裝置獲取的靜脈圖像包括靜脈紋路和背景組成。靜脈在靜脈圖像中呈現(xiàn)具有一定方向的紋路特征，靜脈圖像的分割就是要提取出靜脈紋路。圖像分割主要有傳統(tǒng)的固定閾值法、動態(tài)閾值（Niblack)法、最大類間法 (OSTU)、模糊閾值法等。而實際上，傳統(tǒng)的閾值分割法并不合適手指靜脈圖像的分割。針對靜脈圖像的特點，研究者相繼提出了很

22、多算法。其中比較典型的算法有哈爾濱工業(yè)大學的王柯俊教授提出的閾值圖像法、重慶工學院余成波教授提出的基于模糊增強的方向谷形算子法、以及日立公司中央實驗室的 Mirua Nato等提出的重復線形跟蹤法、最大曲率法等。閩值分割算法傳統(tǒng)的閡值分割算法主要有單閡值、多閡值、迭代閡值選取法、Niblack方法、最大類間 (OTSU)法等。其中以Niblack方法對靜脈提取的效果比較理想，下面簡要介紹其算法原理。(1) Niblack方法(2) 閾值圖像法閾值圖像法的具體過程為:首先利用一定大小的平滑模板對圖像進行足夠的平滑處理;然后創(chuàng)建一個位圖T(x，y)，設置新創(chuàng)建的位圖的每一個像素點的灰度值初始化為0

23、，用給定大小的均值模板算子在圖像上滑動，計算每個位置處的均值作為對應位置處的位圖灰度閾值，賦給T(x，y)，遍歷圖像每一個點(除靠邊界部分外)得到的T(x，y)即閾值圖像。最后拿原圖像和閾值圖像逐點比較，進行二值化處理如下:仔細分析可知，閡值圖像法實質就是前述的動態(tài)閾值法（Niblack)的特例，即在動態(tài)閾值法中求取均值時，標準差的修正系數(shù)值為O，即不考慮鄰域灰度分布的方差。因此，這種閾值圖像法的分割對靜脈圖像的處理效果仍不理想，它適合質量比較好的靜脈圖像的分割，而實際上手指靜脈的成像質量比手背要差得多。靜脈提取算法手指靜脈圖像的特征靜脈圖像主要包括靜脈部分和背景部分。從上圖可見，靜脈部分表現(xiàn)

24、為紋線性狀，并且具有一定的方向性。靜脈特征的提取就是提取出這些紋線結構。但從視覺上看，上圖中，靜脈部分和背景部分的區(qū)別不是特別明顯，灰度級別相差不大。圖4.12顯示了靜脈圖像的灰度直方圖，即灰度的分布特征。由圖可知，靜脈圖像的灰度直方圖沒有明顯的雙峰或者多峰分布特征，因此采用傳統(tǒng)的閡值分割方法，顯然難以取得理想的效果。靜脈圖像的分割，需要采樣符合靜脈特征的專用算法。雖然手指靜脈紋路的灰度分布比較集中，靜脈與背景的區(qū)別不大，但是相對背景它總是可見的，并且具有管狀線特征，即沿著垂直于靜脈延展方向，其灰度分布具有從亮到暗，再由暗到亮的變化特征。取圖4.12中的靜脈圖像最中間一列即第192列灰度剖線來

25、分析，其灰度具有圖4.13所示的分布特征。上圖中，橫坐標為第384列的像素點位置，縱坐標代表各像素點對應的灰度值。從Matlab圖中可看出，該灰度曲線呈現(xiàn)3個谷形區(qū)域，各谷點位置大概位于第35、58和1巧行。再觀察手指靜脈圖像樣本，最中間一列的確有3條靜脈穿過，可見灰度分布的谷形特征和實際的靜脈分布特征有一定關系?？梢越柚@種特征，來確定靜脈的準確位置。以上分析的僅是沿著靜脈圖像的一個方向的灰度分布，而靜脈紋路的走向是隨機的，但絕大多數(shù)是朝著指尖方向延伸。因此，如果只分析單方向(如垂直于靜脈圖)的靜脈灰度分布，是不足以完整地提取靜脈結構的，原因在于當靜脈呈豎直走向時，90度方向的切線會覆蓋較多

26、靜脈點，因此谷形特征不明顯，不利于靜脈的提取。為此，本文基于四方向的谷形搜索的方法來提取靜脈，即某方向不好確定是否是靜脈點時，再兼顧其他方向的分布情況，只要有任一方向滿足靜脈谷形的特征，就可以認為當前像素點屬于靜脈特征點。四方向谷形搜索的靜脈提取分析了手指靜脈圖像的基本特征后，發(fā)現(xiàn)通過靜脈圖像的灰度剖線的谷形形狀，可以用來提取靜脈特征。針對靜脈紋路方向的隨機性，理論上需要分析所有方向的灰度分來確定靜脈位置。然而事實上，靜脈的延展方向大部分是順著指尖方向的，即分析垂直于手指的灰度剖線最為有效?？紤]到，數(shù)字圖像處理的方便和靜脈方向分布特性，本文僅取了O、45、90、135共四個離散的方向來替代靜脈

27、所有方向。但如果直接截取整幅靜脈圖像對應方向上的切線數(shù)據(jù)進行分析是比較繁瑣的。為此，借鑒指紋識別中常用的方向圖，本文設計一個用于靜脈提取的方向模板，如圖4.14所示。圖中，0，1，3分別代表。、45、90、135度方向。在計算某方向的分布時，設定該方向上的算子全為1，而其他方向上的算子全為O，即僅取該方向上的圖像數(shù)據(jù)運算。“*”號表示模板鄰域中心點。根據(jù)采集到的樣本實際情況，本文取模板大小為9x9像素。模板的大小跟實驗環(huán)境有很大關系，因為模板的大小與靜脈的寬度存在一定關系，即模板越大提取的靜脈越寬。靜脈提取算法原理及步驟基于四方向谷形檢測的手指靜脈提取算法原理為:把靜脈的走向分為四個方向，通過

28、分析各方向曲線的灰度谷形特征，確定中心像素點是否屬于谷形區(qū)內，是則將當前點設為靜脈點，從而獲得該方向上的靜脈紋線分布圖;然后疊加所有方向的搜索結果，即可初步提取出靜脈結構特征。取d方向的靜脈圖像灰度剖面，以像素點(i，j)為中心，分析該點剖面曲線的灰度分布特征。若其周圍的像素點的灰度曲線呈現(xiàn)凹形，即中心點處于谷形區(qū)域，則將該點判別靜脈上的點。實際上灰度凹形的深度和寬度與中心點屬于靜脈的概率有密切的關系，在寬度滿足一定范圍內是，其深度越深則屬于靜脈特征點的可能性就越大。靜脈提取算法的具體步驟如下:靜脈特征圖后處理手指靜脈圖像經過前面的圖像分割后所提取的靜脈特征中存在較多的孤立點和孤立小塊，有時還

29、會出現(xiàn)小空洞。這些區(qū)域屬于噪聲，會影響靜脈的匹配結果。由于使用方向谷形檢索的方法提取到的靜脈，并非完全和真實靜脈的寬度相對應，因此如果直接使用二值化后的靜脈圖作為特征進行匹配，可能會因為提取到靜脈區(qū)域和真實靜脈差異較大而帶來誤差。例如實驗中谷形寬度的閾值和實際輸入的靜脈寬度不同是，就會把非靜脈區(qū)當成靜脈處理或者把原本是靜脈的區(qū)域當成了背景，這種錯誤必然在一定程度上影響匹配的結果。結合靜脈分割中提取的靜脈特點，本文認為有必要對分割的結果進行濾波除去噪聲并進行細化操作，取細化后的靜脈圖作為靜脈特征。這種做法是基于以下三點:(l)在谷形區(qū)域的確定上面，判決條件是對稱的，即中心點兩邊均滿足一定閾值條件

30、。這樣提取時不會偏向無論靜脈的任一邊緣，使用較好的細化方法，細化后得到的單像素靜脈紋線理論是接近真實的靜脈中心的。(2)在實際靜脈的采集中，由于采集環(huán)境的微小變化，人體血液溫度的變化，都會導致同一個人的手指在不同時刻采集到的靜脈，其寬度總會有所差異。然而無論靜脈寬度如何變化，只要靜脈整體結構不會受壓迫變形，則其靜脈中心位置是基本保持不變的。利用準確的不變量作為靜脈的特征，會比大量含噪聲的特征更為準確。(3)細化后的特征數(shù)據(jù)量較少，有利于特征存儲、傳輸和加快匹配過程。1、二值圖像的濾波與去噪灰度圖像常見的噪聲有椒鹽噪聲、高斯噪聲和顆粒噪聲等，在預處理過程中采用了中值濾波、平滑濾波等操作可以削弱這

31、些噪聲的影響，但不能夠完全清除，使得二值化后的圖像中仍然存在噪聲。另一方面，在灰度圖像本身的分割過程中，也會產生噪聲。圖4.16(a)所示的是一幅初步提取到的手指靜脈二值特征圖，其中主要存在三種噪聲:(l)斑點:白色斑點的面積要比于靜脈特征區(qū)域小很多，而且比較分散、孤立;而手指靜脈部分基本是連通的，這個實際相符，因為手指的血管必然是連通著的。另外，靜脈區(qū)域的延展性好，在圖中表現(xiàn)為橫向跨度大，而斑點跨度小。(2)空洞:上圖中在手指的指尖(左端)區(qū)域有黑色空洞，實際上這與實際靜脈分布不相符合，盡管在此例中此區(qū)域的提取結果并不準確。此類空洞在細化時，容易產生一些閉合的環(huán)形結構，即偽特征結構。(3)毛

32、刺:在二值圖像中，那些附著在靜脈邊緣的白色小凸起區(qū)域。這些凸起在細化時易生成毛刺，影響特征匹配。根據(jù)三種噪聲的特點，提出對應的噪聲濾除方法如下:首先，對于斑點噪聲，可通過計算其面積大小，與設定的面積閾值比較，若低于此閾值則判為噪聲，否則仍保留，視為靜脈區(qū)域。因為實際采集到的靜脈圖不一定都是連通的，孤立的并不說明它不屬于靜脈。此類方法叫做面積閾值除噪。連通區(qū)域的面積計算是通過區(qū)域標記來實現(xiàn)的。具體方法如下:(l)設置區(qū)域標記初始值Lable0，從圖像的第一個像素點開始，判斷當前點是否屬于目標(在靜脈二值圖中即白色像素點)，若是則標記該像素點值為Lable0，例如其值從1開始，見圖4.17所示。(

33、2)從第一個標記為Lable0的像素點開始，遍歷整幅圖片，判斷當前點的8鄰域內是否有存在任何一點為目標灰度，若存在則標記其值為Lable0，直至沒有相連的目標點存在。(3)讓標記值Lable加1，繼續(xù)重復步驟(2)直至將所有區(qū)域全部標記完，得到一幅被標記過的連通區(qū)域圖，各區(qū)域的灰度值即是被標記的Lable值，區(qū)域個數(shù)即Lable的終值減初始值。(4)根據(jù)被標記的區(qū)域灰度，統(tǒng)計具有相同Lable值的像素點的個數(shù)，其總數(shù)就是該標記的連通區(qū)域的面積大小。其次，對于靜脈二值圖像中的黑色小空洞，去除方法是:同樣適用區(qū)域標記的方法計算各黑色連通區(qū)域面積大小;然后，將面積小于設定閡值的區(qū)域置成白色，這樣就可

34、以消除空洞，這個過程被稱為填充。最后，為消除靜脈二值圖像中靜脈區(qū)域邊緣的小凸起毛刺，最有效的方法是使用中值濾波。中值濾波是一種非線性的信號處理方法，它的最大的優(yōu)點是不會使圖像變模糊。用它來處理二值圖像時，由于二值圖像中之存在0和255兩中灰度級，因此灰度排序取中值不是0就是255，不會改變靜脈特征圖的灰度級。經過以上三種圖像濾波后，得到的靜脈二值圖像如圖4.16(b)所示。可見，濾波處理后的效果顯著，基本沒有了斑點、黑色空洞和毛刺了。靜脈骨架的提取由前述可知，所提取的手指靜脈特征圖像的靜脈紋路較粗，可能不一定和實際的靜脈寬度相同，直接作為特征圖存儲用于匹配的結果并不準確。因為，在實際中，靜脈紋

35、路的粗細容易受外界因素的影響，是時變的。但是，靜脈延展的方向及其拓撲結構在不受外界壓迫變形的情況下，是保持不變的。因此，本文選擇了細化后的靜脈骨架作為靜脈特征。圖像的細化是指在保持原圖像拓撲結構的情況下，盡可能快地抽取一個單像素寬的骨架的過程。經過二值化的手指靜脈圖，靜脈區(qū)域的白色紋路的中心骨架需要經過細化才能夠提取。靜脈細化的過程就是把靜脈區(qū)域的紋線部分按其寬度對稱地削減，使靜脈紋線成為只剩下寬度為一個像素的線。細化算法有很多，如條件細化算法、模板細化算法等。本文選擇了查表法細化算法。查表法原理:某一黑(白)點，如果它在圖像邊緣，那么它周圍的8點必定表現(xiàn)出一定色彩順序，如圖4.18所示。如果

36、A點周圍表現(xiàn)出如此色彩順序，則A點就是邊緣點，需要去掉以實現(xiàn)細化。然而，周圍8點的色彩順序一共有28=256種，如果每種都要枚舉顯然不太現(xiàn)實。不過，人們已經歸納出了一張表格，用一個char型數(shù)據(jù)來表示一種色彩順序。例如，則對圖示中色彩順序，規(guī)定白色為1，黑色為0，并以8鄰域的左上角為第一點，按順時針旋轉方向，色彩順序依次為白白黑黑黑黑白白，即可編碼為11000011，對應十進制為195。查表法所采用的細化模板表格就是按照這種編碼方法建立起來的44。對圖4.19(a)中的靜脈二值圖像，經過查表法細化后的手指靜脈圖像如圖4.19(b)所示，可見經過細化后的靜脈骨架均為單像素點。但是同時可看出，由于靜脈二值圖像中的靜脈邊緣噪聲導致細化后的骨架有較多“毛刺”，這些毛刺會影響靜脈模式的匹配。因此，需要剔除這些毛刺。毛刺裁剪的方法為:通過從骨架上的每個端點開始沿著非零點搜索