红外光指静脉图像采集及其特征提取技术的研究

4 特征提取
原始手指静脉红外图像中包含了静脉模式、 背景图像和设 备噪声。要从图像中得到需要的纯粹静脉模式并描述其特征, 是指静脉识别系统的关键问题。
3 器选择
为了达到理想的成像结果, 图像传感器、 镜头以及光源的 选择非常重要。镜头采用 ICL -IDS - 30, 其将扑捉到的光学图像 投射到 CMOS( UI 1220) 图像传感器上转为电信号, 经过 A/ D 转换后变为数字图像信号, 再送到数字信号处理芯片中加工处 理, 然后通过 USB 接口传输到上位机显示图像, 最终将获取解 析为 752 480 的静脉影像。 光源采用为波长为 850 nm 的红外 LED( L850 -04UP) 。由 于血红蛋白在波长为 850 nm 和 760 nm 处具有两个吸收峰, 因 此 850 nm 波长的近红外光容易被静脉所吸收。实验中, 使用 了 8 个中心波长在 850 nm 的光源, 其波长曲线如图 3 所示。 由于人的手指长短、 粗细等参数均有所不同, 得到的静脉 图像亮度存在差异, 因此光源的亮度应该是动态可调的。采用 脉宽调节方式( PWM) 调节 LED 的亮度。由于操作环境一般 为室内自然光, 为减少可见光的影响, 采用 B+ W093 可见光滤 镜滤除自然光的干扰。通过该光学成像系统获取的静脉图像 如图 4 所示。
4. 1 图像预处理
由于原图像中含有噪声, 在位置灰度剖面曲线上有些孤立 的噪声点, 因此首先需要对图像预处理。采用自适应直方图和 中值滤波相结合的方法对图像进行预处理。设近红外图像是 灰度图像 f (x, y), 预处理流程如图 5 所示。
图 5 图像预处理流程 Fig. 5 Pretreatment process of the image
光电子
第 22 卷 第 9 期 2011 年 9 月
激光
Vo l. 22 No . 9 Sep. 2011
Journal of Optoelectronics Laser
红外光指静脉图像采集及其特征提取技术的研究
江 虹
1, 2*
, 郭树旭
1
( 1. 吉林大学 电子科学与工程学院, 吉林 长春 130012; 2. 长春工业大学 电气与 电子工程学院, 吉林 长 春 130012) 摘要: 提出了一种应用于指静脉光学图像采集系统的新型光路设计, 实现了基于最大曲率方法的指静脉提取, 并对系统的有效性进行了实验验证。结果表明, 采用本文方法的指静脉识别错误匹配率( FA R) 为 1. 67% 。 关键词: 生物识别; 近红外成像; 特征提取 中图分类号: T N391 文献标识码: A 文章编号: 1005 -0086( 2011) 09 - 1431 - 04
1432
中间, 设备相对较大; 优点是能够获得的图像对比度高, 图像更 为清晰。
光电 子
激光
2011 年 第 22 卷
图 1 手指静脉成像的光学方法 Fig. 1 O ptical method for finger vein imaging
结合上述两种光学成像方法的优点, 对手指静脉成像方式 进行改进。如图 2 所示, 采用在手指两侧放置近红外光源的侧 光式光源布局, 通过内散射捕捉静脉图像。这种新方法不仅可 提高成像对比度, 而且能够使采集设备结构更为紧凑。
1 引 言
指静脉识别作为一种新型身份识别技术有着广泛的应用 前景。通常情况下, 静脉采用近红外光成像和远红外光成像。 远红外成像即红热图像, 识别率往往受温度和湿度影响较大; 而近红外成像则可利用特定波段的红外光容易透过多数人体 组织的优点, 因此获取的图像质量更加清晰和可靠。 2000 年, Kono 等人[ 1] 首先提出将指静脉用于个人身份的 鉴定。随后, Miura 等[ 2~ 4] 研发静脉模式提取技术, 开发并推广 指静脉识别产品。相比于国外对整个生物识别系统的研究, 国 内的研究大多偏向于系统中的某方面内容, 如静脉识别算法的 研究[ 5~ 8] 以及基于 CMOS 成像器件的采集装置研究[ 9] 。文献 [ 10] 采用具有位移和旋转不变性的尺度不变特征变换 ( SIFT ) 方法对静脉模式进行特征提取。总体上静脉模式提取算法可 [ 11] [ 12] 以概括为, 基于重复线跟踪的方法 、 基于图像变换的方法 以及匹配滤波的方法。算法各自有其优缺点, 目前还没有统一 的评价的标准。 本文提出了一种指静脉图像采集系统的新型光路, 优化了
光电 子
激光
2011 年 第 22 卷
[ A] . Yamaguchi, Japan, Fifth Symposiu m on Pattern Measure ment[ C] . 2000, 9 - 12. [ 2] Miura N, Nagasaka A, Miyatake T. Extraction of finger vein pat tern s using maximum cu rvature points in image profiles[ J] . IE ICE Trans. Inf. & Syst. 2007, 90( 8 ) : 1185 - 1194. [ 3] Miura N, Nagasaka A, Miyatake T. Automatic feature extraction from non - uniform finger vein image and its application to per sonal identifi cation[ J] . IAPR Work Mach , 2002, 253 - 256. [ 4] Miu ra N, Nagasaka A, Miyatake T. Feature extraction of finger vein pattern s based on repeated line trackin g and its applica tion to person al identification[ J] . Machine Vision and Applica tion s, 2004, 15( 4) : 194 -203. [ 5] W ANG Ke -jun, ZHANG Yan, ZHI Yuan, et al. Hand vein recogn i tion based on multi supplemen tal featu res of multi classifier fu sion decision[ A] . Institute of Electrical and Electronics Eng i neers Computer Society[ C] . 2006, 1790 - 1795. [ 6] DING Yu - hang, ZHUANG Da -yan , W AN G Ke - ju n. A study of hand vein recognition method[ A] . IEEE International confer ence on Mechatronics & Automation [ C] . 2005, 2106 -2110. [ 7] ZHANG Zhong - bo, WU Dan - yang, MA Si liang, et al. Multi scale feature extraction of fin ger vein patterns based on wavelet and local interconn ection structu re neural n etwork[ A] . In ternational Conference on Neural Networks an d Brain Proceedings, ICNNB 05[ C] . 2005, 1081 - 1084. [ 8] WEN Xue - bing, LIANG Xue -zhang, ZHANG Jie - lin . A new algo rithm for enhancing the con trast of finger vein image[ J] . Jour nal of Information and Computation al Science, 2006, 3( 4) : 929 934 . [ 9] HUANG, Jian - yu an , ZhAO Xin -rong, et al. Research on finger vein image capturing meth od and its apparatus based on CMOS imaging device[ J] . Infrared T echnologies, 2009, 31( 1) : 51 -56. 黄建元 , 赵新荣, 张长顺, 等. 基于 CMOS 成像器件的手指静 脉图像采集方法及装置 [ J] . 红外技术 , 2009 , 31( 1) : 51 - 56. [ 10] W ANG Yun - xin, LIU Tie -gen , JIANG Jun -fen g, et al. Hand vein recognition usin g local SIFT feature an alysis[ J] . Optoelectron ics Laser, 2009 , 20( 5) : 681 - 684 . 王云新, 刘铁根 , 江俊峰, 等. 基于局部 SIFT 分析的手背静脉 识别 [ J] . 光电子 激光 , 2009 , 20( 5) : 681 -684. [ 11] Naoto Miura, Akio Nagasaka, T akafumi Miyatake. Feature etraction of finger vein patterns based on iterative line tracking and its application to personal identification[ J] . Systems and Computers in Japan. 2004, 35 ( 7) : 61 -71. [ 12] YAO Chang, CHEN Hou - jin. A novel automated segmentation method for retinal blood vessel network[ J] . Optoelectron ics Laser, 2009, 20( 2) : 274 -278. 姚畅 , 陈后金. 一种新的视网膜血管网络自动分割方法 [ J] . 光电子
中值滤波在排序统计滤波器中应用最为普遍, 它采用像素 邻域区域中灰阶中间值代替像素值。预处理前后指静脉图像 的对比如图 6 所示。可以看到, 经过中值滤波后, 原始图像中 的噪声减少, 图像也较平滑。
第 9 期 江 虹等: 红外光指静脉图像采集及其特征提取技术的研究
1433
类似高斯函数。 实际获取的指静脉图像如 8 所示, 横断截线处有两根静 脉, 分别标记为 A 、 B。两根静脉有着不同的亮度和宽度, A 位 置的灰度值大于 B 位置, A 位置的静脉宽比 B 位置要窄; 手指 两侧的静脉亮度比中间部分高, 从上下两端向中间的静脉亮度 逐渐变暗。由于实际情况是一些离散的点, 为了能够更清楚观 察横截面中各点的灰度值, 图 8 中, 又以连续情况绘出了指静 脉横截面各点灰度值。 假设 F(x, y) 是指静脉采集红外图像, G( S) 是 F(x, y) 在竖 直方向 S 位置剖面, 则 G(S) 为 Gf ( S) = F(x, S) 。剖面曲线上 有一些奇异点, 这些点是由于原图像中含有噪声, 因此对这些 曲线上孤立的噪声点做平滑处理。实际上, 无论指静脉图像的 亮度和宽度大小如何, 曲率最大处一定是可能的静脉模式, 因 此可以就通过计算剖面图的曲率检测静脉模式, 这也是实现指 静脉系统识别的基本原理。实际离散图像 f (x ) 计算曲线 Cf (x) 的定义为
图 7 类高斯分布的指静脉模式 Fig. 7 Gaussian - like distribution of finger vein image
图 8 静脉剖面图示意图 Fig. 8 Profile image
1434
y i- w+ 1 - y i x i- w+ 1 - x i y i - y i+ w- 1 d+ = x i - x i+ w- 1 y - y i+ w/ 2 d = i- w / 2 x i- w / 2 - x i+ w / 2 d2 y/ ds2 = d+ - ddy/ ds = d d+ - dC(S) = { 1 + d2 } 3 / 2 式中, w 取值为 8 时较为合适。约定手指尖向上, 位置灰度剖 面图的方向为垂直截取。数据的处理过程为: 1) 计算垂直于 手指方向的某一位置的位置灰度剖面图的曲率; 2) 检测该位 置静脉模式的中心; 3) 连接重构图像上的点, 并去除噪声点; 4) 充分利用上述方法检测斜方向 30 两个方向上的静脉模式, 然后合并成 3 个方向上的图像, 就可以得到提取的指静脉模 式, 如图 9 所示。 d- =
Study on near infrared finger vein image acquisition and vein pat tern extraction
JIANG Hong 1, 2* , GUO Shu - xu1
( 1. College of Electrical and Electronic Eng ineering , Jilin U niversity, Changchun 130012, China; 2. College of Elec tronic Science and Engineering, Chang chun University of Technology , Changchun 130012, China)
图 6 预处理前后的指静脉图像比对 Fig. 6 Comparison between the source image and the pretreatment image
4. 2 指静脉模式提取
图 7 为指静脉特定横断截线处的亮度分布曲线, 沿指静脉 的横断截线 A- B- C 的灰度图像呈谷状分布, 手指两侧的静 脉亮度比中间的部分亮度高。总体上, 指静脉模式的亮度分布
图 3 近红外光源的波长曲线 Fig. 3 Wavelength curve of the L850 - 040P
图 4 手指静脉红外图像 Fig. 4 Infrared image of finger vein 图 2 融合方式的成像方法 Fig. 2 Fusion method for finger vein imaging
2 成像技术
指静脉图像采集是指静脉识别系统的关键, 图像采集质量 的好坏直接影响系统的识别率。光波长介于 700~ 1 000 nm 间 的近红外波段光照射人体时, 由于容易被不带氧的血红蛋白所 吸收, 因而在影像中形成黑色线条。指静脉识别就是利用特殊 波长的红外光照射, 以静脉脉络作为特征的一种生物识别 技术。 如图 1 所示, 目前常用的图像获取方法有光线反射法和光 线透射法。光线反射法中, 反射光强度的细微差别形成了静脉 图像, 其优势在于光源和传感器可以封装在一起, 设备更紧凑, 并且表面开放, 与用户之间没有障碍; 缺点是从皮肤表面和浅 层强反射光穿透皮肤下会导致图像的对比度变弱, 图像不够清 晰。而光线透射法由于需要将手指要放在光源和图像传感器
Abstract: In recent years, the vein recognit ion has opened up biometric technology s new eras. T he opt ical image quality of finger vein acquisition and the accuracy of vein pattern extract ion are key issues. In this paper, a novel opt ical illuminating/ det ecting method is proposed for t he near infrared finger vein image acquisition system, and a finger vein pattern extraction method based on the maximum curvature mecha nism is realized. T he effectiveness of the whole syst em is experimentally verified. T he experimental re sult s show t hat the FA R is 1. 67% . Key words: biometrics; near - infrared imaging; feature extraction