手背靜脈圖像增強(qiáng)和分割方法

胡學(xué)友

摘要：近紅外攝像機(jī)采集到的手背靜脈圖像對比度較低且靜脈結(jié)構(gòu)簡單，為了有效提取手背靜脈結(jié)構(gòu)特征，首先分割出包含主要靜脈結(jié)構(gòu)信息的區(qū)域，并進(jìn)行灰度歸一化；然后利用動態(tài)全局閾值法對靜脈結(jié)構(gòu)進(jìn)行粗分割；最后根據(jù)靜脈的幾何結(jié)構(gòu)特征，去除虛假靜脈，獲得真實(shí)的手背靜脈圖像；實(shí)驗(yàn)結(jié)果證明了算法的有效性。

關(guān)鍵詞： 手背靜脈識別； 特征提?。?小波分解； 生物特征識別

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）21-5080-03

靜脈識別主要靠靜脈血管的結(jié)構(gòu)特征進(jìn)行身份識別，人體靜脈紋路包含著大量的信息，可以獲取豐富的驗(yàn)證信息，且每個(gè)人的靜脈結(jié)構(gòu)都具有唯一性；人的手部靜脈血管位于人體表皮之下，具有不可復(fù)制的特點(diǎn)，并且靜脈結(jié)構(gòu)特征隨著年齡的增長也不會有很大的變化；另外，如果血液停止流動，近紅外圖像采集設(shè)備將無法捕獲到靜脈圖像。由此可知，人體手背靜脈識別具有可靠性、唯一性、安全性、穩(wěn)定性，以及活體識別性等優(yōu)點(diǎn)，且靜脈識別對圖像采集的設(shè)備要求不是很高，成本低廉。因此，近些年來手背靜脈識別成為生物特征識別領(lǐng)域的研究熱點(diǎn)[1][2]。

由于近紅外攝像機(jī)采集到的手背靜脈圖像的對比度不高且灰度值不均衡，所以靜脈圖像的增強(qiáng)處理方法是研究的重點(diǎn)。文獻(xiàn)[3][4]中首先對靜脈圖像進(jìn)行二值化分割，然后以端點(diǎn)、交叉點(diǎn)為基礎(chǔ)進(jìn)行特征提取和識別，文獻(xiàn)[5]通過提取手背圖像局部SURF特征進(jìn)行兩幅圖片的匹配；文獻(xiàn)[6]通過提取靜脈圖像經(jīng)輪廓波（Contourlet）變換后不同尺度下的子帶能量為全局特征，文獻(xiàn)[7]用中值濾波對整個(gè)手背靜脈圖像進(jìn)行預(yù)處理，然后用逐點(diǎn)象素比對法進(jìn)行手背靜脈匹配。以上算法都取得了一定的效果，但是也存在一些不足，該文主要對手背靜脈圖像進(jìn)行增強(qiáng)和分割處理，為下一步的特征提取和識別處理奠定研究基礎(chǔ)。

1 手背靜脈圖像預(yù)處理

1.1 手背靜脈圖像采集

近紅外手背靜脈圖像捕獲的原理是：人體靜脈血液中含有的血紅蛋白成分具有吸收波長為700-1100nm區(qū)間近紅外光線的特性。而此區(qū)間的近紅外光線能夠輕易的穿透3mm深度的人體肌肉或骨骼。因此，利用特定波長的近紅外發(fā)射器均勻照射手背區(qū)域，再用近紅外攝像機(jī)采集手背區(qū)域的反射光線，即可采集到手背靜脈圖像[8]。作者所在項(xiàng)目組根據(jù)此原理研制了近紅外手背靜脈圖像采集裝置[9]。經(jīng)過對比實(shí)驗(yàn)，近紅外發(fā)射光源采用波長為850nm的LED組，近紅外攝像機(jī)選擇普通的COMS黑白攝像機(jī)。拍攝手背靜脈圖像樣本如圖1。

1.2 感興趣區(qū)域分割

由于采集到的圖像包含手背邊緣及背景，會對識別結(jié)果造成一定影響，因此需要切割出感興趣區(qū)域（只含手背皮膚和血管的區(qū)域），以便后期的處理及識別。該文提出一種動態(tài)確定感興趣區(qū)域的方法，該方法能夠有效解決小范圍手背平移的影響。

通過以上步驟，把采集的320×240大小的原始圖像，截取為包含重要靜脈信息的220×140大小的圖像。如圖2（d）。切割后得到的圖像不僅去除了背景及邊緣的信息，而且保留了重要的靜脈信息。為了便于后續(xù)處理，進(jìn)一步利用仿射變換把220*140的圖像縮放為160*120大小。

1.3 手背靜脈灰度歸一化

1.4 手背靜脈增強(qiáng)和分割

此時(shí)的手背靜脈圖像的對比度較低，所以在進(jìn)行特征提取之前需要進(jìn)行增強(qiáng)處理。該文作者所在項(xiàng)目組在論文[11]中，提出了一種基于自適應(yīng)濾波的Retinex靜脈增強(qiáng)算法，在增強(qiáng)靜脈結(jié)構(gòu)的同時(shí)，對圖像灰度值進(jìn)行了均衡處理。增強(qiáng)后圖像如圖4（b），可知，經(jīng)過以上處理后手背靜脈部分得到了明顯的增強(qiáng)。特征提取的關(guān)鍵是提取出有效地靜脈結(jié)構(gòu)信息，而圖4（b）中存在大面積的手背皮膚區(qū)域，且皮膚區(qū)域噪聲較大，因此需要對增強(qiáng)后的圖像進(jìn)行分割，提取出有效的靜脈結(jié)構(gòu)。

其中，k是分割閾值的修正系數(shù)，這里k=1.1。分割效果如圖4（c）。此時(shí)，分割后的圖像包含很多虛假的靜脈，這些虛假的靜脈和真實(shí)靜脈在象素面積和幾何比例等方面存在著一定的差異，這為去除虛假靜脈信息提供了條件。該文采用以下方法去除二值化后的圖像中的虛假靜脈信息：

首先對圖像進(jìn)行形態(tài)學(xué)運(yùn)算：遍歷圖像，如果某象素的3×3鄰域內(nèi)灰度值為0的像素個(gè)數(shù)小于5，則將這個(gè)像素設(shè)置為0，否則設(shè)置為255。此步驟能夠有效的去除圖像中小的黑點(diǎn)，處理效果如圖4（d）。接下來標(biāo)記圖像中的所有黑塊，計(jì)算黑塊的像素個(gè)數(shù)，以及黑塊的外接矩形的長和寬：

1）如果黑塊象素個(gè)數(shù)小于150，則刪除此黑塊；

2）如果黑塊象素個(gè)數(shù)在150到600之間，且該黑塊的外接矩形的長寬比小于5，則刪除此黑塊（一般是橫向紋路的虛假黑塊）；

3）將象素個(gè)數(shù)大于600的黑塊保留。

經(jīng)過處理后，靜脈圖像的虛假靜脈結(jié)構(gòu)基本被去除，且保留了的真實(shí)的靜脈結(jié)構(gòu)，如圖4（e）。

此時(shí)，雖然很好的提取了靜脈的主干結(jié)構(gòu)信息，去除了手背皮膚部分的干擾，但只保留了靜脈的幾何結(jié)構(gòu)，而對靜脈的其它細(xì)節(jié)信息（比如靜脈的粗細(xì)及灰度值）沒有得到很好的保留。基于以上的原因，該文提出了一種保留灰度信息的手背靜脈分割方法：

掃描靜脈圖像I（圖4（e））和自適應(yīng)平滑濾波后的圖像I1（圖4（b）），若I（x，y）=255，則I1（x，y）=255，否則I1不變，經(jīng)此過程后得到的預(yù)處理圖像如圖4（f）所示。

2 結(jié)束語

為了有效提取手背靜脈圖像的特征，該文研究了低對比度靜脈圖像增強(qiáng)和分割方法，首先分析了靜脈圖片采集裝置的設(shè)計(jì)原理，然后分割出感興趣結(jié)構(gòu)區(qū)域并進(jìn)行灰度歸一化處理，最后結(jié)合靜脈幾何結(jié)構(gòu)特征分割出了包含真實(shí)靜脈結(jié)構(gòu)的圖像。

參考文獻(xiàn)：

[1] 王璐，張文濤.人體手掌靜脈圖像采集系統(tǒng)研究[J].激光與紅外，2013，43（4）：404-408.

[2] Kumar A， Prathyusha K V. Personal authentication using hand vein triangulation and knuckle shape [J]. IEEE Transactions on Image Processing， 2009， 18（9）： 2127-2136.

[3] 林喜榮，莊波，蘇曉生.人體手背靜脈血管圖像的特征提取及匹配[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版， 2003， 43（2）：164-167.

[4] 王科俊，丁宇航，王大振.基于靜脈識別的身份認(rèn)證方法研究[J].科技導(dǎo)報(bào)， 2005，23（1）：35-37.

[5] 李秀艷，劉鐵根.基于SURF算子的快速手背靜脈識別[J].儀器儀表學(xué)報(bào)，2011，32（4）： 831-836.

[6] 賈旭，薛定宇.基于Contourlet子帶能量特征多HMM融合的靜脈識別[J].電子與信息學(xué)報(bào)，2011，33（8）：1877-1882.

[7] Badawi A M. Hand vein biometric verification prototype： a testing performance and patterns similarity[C]. 2006 International Conference on Image Processing， Computer Vision， and Pattern Recognition. USA， 2006：3-9.

[8] 吳微，苑瑋琦，林森. 手掌靜脈識別典型波長選擇[J].光學(xué)學(xué)報(bào)，2012，32（12）：121.

[9] 朱叢虎， 王華彬， 陶亮. 低對比度手背靜脈圖像的增強(qiáng)和分割[J]. 計(jì)算機(jī)技術(shù)與發(fā)展， 2011， 21（5）：52-59.

[10] 包桂秋，林喜榮等. 基于人體生物特征的身份鑒別技術(shù)發(fā)展概況[J]. 清華大學(xué)學(xué)報(bào)， 2001， 41（4/5）：72-76.

[11] Wang H B， Tao L. “Novel algorithm for enhancement of hand vein images based on adaptive filtering and retinex method，”Proceedings of 2012 IEEE International Conference on Information Science and Technology， Wuhan， Hubei， China， 2012： 23-25.