收稿日期:2010-03-25;修回日期:2010-05-24。

基金项目:国家自然科学基金资助项目(90736018)。

作者简介:张环(1982-),男,江苏灌云人,博士研究生,主要研究方向:模式识别; 胡德文(1963-),男,湖南岳阳人,博士生导师,主要研究方向:模式识别、认知科学。

文章编号:1001-9081(2010)S2-0097-03手掌静脉识别算法张 环,胡德文(国防科学技术大学机电工程与自动化学院,长沙410073)(zhanghuan@nud t .edu .cn )摘 要:对手掌静脉识别算法中的预处理、特征提取和匹配判别进行了研究。

首先利用自主设计的手掌静脉采集设备采集一定规模的手掌静脉图像并相应建立小规模手掌静脉数据库,然后对采集到的手掌静脉图像进行提取感兴趣区域(RO I)、平滑滤波和图像增强等预处理操作,以及进行二值化、滤波去噪和细化修复等操作来提取关键点的特征信息,最后利用成熟的指纹特征点匹配方法进行匹配判别。

通过对实验结果分析表明,该算法的识别率高且性能良好,具有较好的应用前景。

关键词:血管;手掌静脉;感兴趣区域中图分类号:T P391.4 文献标志码:APal m vei n recognition algorith mZ HANG H uan ,HU De -w en(Colle g e of M ec ha t ronic Eng i n ee ring and Au t o m a ti on,Na tional University of D e fense Technol ogy,Changsha H unan 410073,Ch i na )Abstract :T his paper presented so m e researches on preprocessi ng ,patte rn ex tracti on ,m a tch i ng and decisi on of pal m ve i n recognition a l go rith m.F irst ,the pa l m ve i n i m ages w ere coll ec ted by desi gn i ng pal m ve i n capt ure dev ice to buil d a s m all pa l m ve i n database ,then R eg ion o f Inte rest (RO I)extraction ,s moo t h filte ri ng and i m age enhance m ent w ere i m p l em ented to preprocess the co llected i m ages .T he pattern i n f o r m ati on of m i nu tiae was extracted by b i nariza ti on ,no ise eli m ina ti on and th i nn i ng .W it h t he help o f the m ature fi nge rprint a l go rith m,a dec i s i on was m ade by m atch i ng the pa ttern of m i nuti ae .T he exper i m enta l results show that the proposed a l gor it hm ach i eves a h i gh recognition rate ,and i t has a fi ne perfo r m ance andpro m isi ng applicable f uture .K ey words :b l ood vesse ;l pal m ve i n ;R eg ion o f Inte rest (RO I)0 引言人体静脉血管近红外图像识别技术是近些年来新起的一项非接触式生物认证识别技术,它在身份鉴定和身份识别中有着非常广泛的应用背景,体现了自身的独特优越性,是对生物特征识别技术的一个重要补充和扩张。

手掌静脉识别的基本原理是根据人体骨骼和肌肉组织的特点,用波长在720 m ~1100 m 的近红外光照射手掌,手掌静脉血管中的血色素相比于皮下组织可以吸收更多近红外辐射,可以很好地呈现出静脉血管的结构[1-2]。

日本富士通公司已经研制了成熟的手掌静脉识别产品并应用到了银行AT M 、医院和学校人员管理等领域[3]。

手掌静脉识别在我国的研究和应用还处于起步和发展阶段。

借鉴于较为成熟的手背静脉和视网膜预处理算法,本文对手掌静脉预处理算法进行了相应的研究,并且对关键点特征提取和匹配判别进行了分析和实现,最后在已搭建的手掌静脉识别原型样机[4]上进行了算法的实际应用和最终性能评估。

手掌静脉图像是在自主设计的手掌静脉识别原型样机上采集得到的,在图像采集的过程中,由于受到采集时间、光强、手掌倾斜度及手掌薄厚等因素的影响,采集到的手掌静脉图像在灰度分布图上存在一定程度的差异,这些都为手掌静脉的特征提取和匹配判别带来了很大困难。

为了提高后续的特征提取的速度、匹配识别算法的有效性和鲁棒性,去掉不必要的噪声干扰,降低后续工作的复杂度,有必要在特征提取之前对手掌静脉图像进行定位和归一化等一系列的预处理。

手掌静脉图像的预处理是手掌静脉准确识别的必要准备和前提,同时也是手掌静脉识别中的一个重要难点。

与手背静脉图像和手指静脉图像相比,由于手掌皮肤的特殊性,手掌静脉图像的血管可见度较低噪声干扰也很大,静脉血管的提取难度很大,这也是手背静脉识别和手指静脉识别的相关算法和文献资料很多而手掌静脉识别算法相关工作很少的一个重要原因。

医学图像中的视网膜血管纹路提取技术是一项较为成熟的技术,相关的文献较多。

通过对现有的实际手掌静脉图像中的静脉血管纹路进行分析,采用了视网膜识别技术中的自适应局部对比度增强算法。

通过对预处理之后的静脉血管纹路和纹理特征进行分析。

纹理特征提取是直接对整个图像进行子空间降维或者滤波变换等方法提取特征,具有普遍性,但是不能体现手掌静脉图像中血管纹路唯一性的独特识别优势。

而静脉血管的特征点信息丰富并且稳定,完全可以借鉴指纹识别中细化血管纹路、提取关键特征点信息和匹配判别特征点的成熟算法以提高开发的速度和效率。

手掌静脉识别算法的基本流程如图1所示。

1 手掌静脉预处理算法通过对手掌静脉识别原型样机所采集到的实际手掌静脉第30卷增刊22010年12月计算机应用Journal o f Computer A pp licati onsV o.l 30Supp.l 2Dec .2010图像进行分析和研究,本文采取的手掌静脉预处理算法主要包括三个步骤:RO I 提取、平滑滤波和图像增强。

图1 手掌静脉识别算法的基本流程1.1 RO I 提取考虑到手掌静脉与掌纹采集方式相似的特点,手掌静脉RO I 提取可以采用掌纹RO I 提取的方法,RO I 提取的方法有多种[5],常用的两类如下。

1)基于矩形图像块分割的方法。

它的基本思想是在手掌静脉图像中确定两个关键点,通过这两个关键点建立直角坐标系,从中截取特定大小的矩形图像块作为感兴趣区域。

2)基于最大内切圆的方法。

它的基本思想为确定手掌区域的最大内切圆,然后在最大内切圆内部特定位置截取特定大小的矩形图像块作为感兴趣区域。

它要求手掌静脉样本图像中必须包含整个手掌(可以不包含手指)。

本文建立的手掌静脉识别原型样机所采集得到的手掌静脉样本为320 240像素的8b B M P 图像,图像几乎包含了整个手掌,同时考虑到手掌静脉信息要求必须尽量包含更大的血管区域,因此本系统将采用基于最大内切圆的方法提取RO I 。

1.2 平滑滤波采集到的手掌静脉图像含有不同程度的噪声,需要运用高斯低通平滑滤波器对图像进行平滑滤波,滤去一些高频噪声。

高斯平滑滤波器可以通过高斯核函数来生成,其二维空间的分布方程表示为:G (x,y )=12 2e -(x 2+y 2)2 2(1)其中高斯分布的标准方差,根据静脉图像血管的固有特性而经验选取核函数标准方差值为0.625。

在二维空间中,这个公式生成的曲面的等高线是从中心开始呈常态分布的同心圆。

图像处理只需要计算的矩阵就可以保证图像质量,在距离之外的像素对图像影响不大,这些像素的计算也就可以忽略。

根据 值从而计算出高斯分布生成的5 5矩阵为:Gauss =123212711723111711327117212321(2)1.3 图像增强平滑后的手掌静脉图像中的静脉血管比较模糊,不利于后续的图像处理,因此必须对平滑后的手掌静脉图像进行图像增强。

本文采用自适应局部对比度增强算法[6]对手掌静脉图像进行增强,具体算法如下。

取一个M M (M 取49)的邻域窗口区域,中心像素点为(i ,j ),则按式(3)进行对中心像素点灰度增强:f (i ,j )=3)W (f )=[1+exp (<f >W -f W)]-1(4)其中:f m ax 和f m in 为整幅图像的最大和最小灰度值,<f >W 和W 为M M 区域的均值和方差。

预处理的主要步骤如图2所示。

图2 预处理的主要步骤2 特征提取与匹配判别特征提取的基本任务是研究如何从众多特征中求出那些对分类识别最有效的特征,从而实现特征空间维数的压缩。

特征提取算法的好坏很大程度上决定了系统识别率和效率的高低。

首先采用N iblack 算法[7]对增强后的手掌静脉图像进行二值化。

N i b lack 算法是一种简单有效的局部动态阈值算法,在r r 邻域中的计算公式如下:T (x,y )=m (x,y )+[1+k (s (x,y )R-1)](5)m (x,)=1r rx +r 2i=x-r 2y+r 2i=y-r 2f (i ,j )(6)s(x,y )=1r rx +r 2i=x-r 2y +r 2j=y-r 2f 2(i ,j)(7)根据采集的手掌静脉图像的血管具体信息,参数K 选取为5而R 选取为64。

二值化后的图像不够平滑,毛刺较多,且存在较大范围的噪声,因此必须对二值化后的图像进行处理。

本文采用中值平滑滤波去除血管旁边的毛刺,并且根据血管宽度的人为先验信息来采用连通区域法去除孤立的小区域噪声,即认为区域面积小于一定阈值T 的连通区域为噪声,可以直接去除。

最后利用指纹识别技术中非常成熟的细化算法、纹路修复算法、提取关键点特征和匹配关键点方法来实现手掌静脉图像的关键点特征提取和匹配判别[8-10]。