基于NIBLACK改進(jìn)算法的靜脈識(shí)別特征提取

鄭均輝++喻恒

摘 要： 靜脈識(shí)別是一種新興的生物特征識(shí)別技術(shù)，為了滿足靜脈識(shí)別中的特征提取需求，對(duì)手背靜脈提取方法進(jìn)行了研究。首先采用CLAHE算法對(duì)手背靜脈圖像進(jìn)行增強(qiáng)處理，然后針對(duì)傳統(tǒng)NIBALCK二值化算法的不足，提出一種局部靜態(tài)閾值與NIBLACK相結(jié)合的改進(jìn)算法。實(shí)驗(yàn)證明，該方法能有效消除傳統(tǒng)方法中噪聲過多、紋絡(luò)斷裂的現(xiàn)象，克服光強(qiáng)因素對(duì)圖像提取的影響，保持完整清晰的靜脈紋絡(luò)結(jié)構(gòu)，從而滿足后續(xù)識(shí)別工作的需要。

關(guān)鍵詞： 靜脈識(shí)別； NIBLACK改進(jìn)算法； 特征提??； 噪聲消除

中圖分類號(hào)： TN911.73?34； TP391.14 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）12?0074?03

生物特征識(shí)別技術(shù)作為物聯(lián)網(wǎng)架構(gòu)中感知層的重要組成部分，隨著物聯(lián)網(wǎng)概念的提出和快速發(fā)展，也得到了更廣泛的應(yīng)用。指紋識(shí)別、聲音識(shí)別、虹膜識(shí)別等生物特征技術(shù)都已發(fā)展的比較成熟，而靜脈識(shí)別作為一種新興的生物特征識(shí)別技術(shù)，逐步凸顯出新的優(yōu)勢(shì)。本文提出一種基于局部直方圖均衡和NIBLACK分割的方法對(duì)靜脈圖像進(jìn)行提取，實(shí)驗(yàn)證明可以得到輪廓清晰的靜脈結(jié)構(gòu)圖。

1 靜脈識(shí)別

靜脈識(shí)別的基本原理是，普通人的手背靜脈具有不隨年齡變化的惟一性，當(dāng)近紅外光線入射光波長在0.72～1.10 μm時(shí)，可以較好地穿透骨骼和肌肉，凸顯手背血管的結(jié)構(gòu)[1]，從而進(jìn)行有效的特征識(shí)別。手背靜脈識(shí)別系統(tǒng)是通過對(duì)靜脈的圖像采集，然后提取出整個(gè)靜脈的結(jié)構(gòu)，再由一系列識(shí)別算法，達(dá)到對(duì)人的身份識(shí)別。在對(duì)圖像的采集過程中，由于采用的是紅外CCD攝像機(jī)，光強(qiáng)對(duì)圖像影響較大，光照過強(qiáng)會(huì)使靜脈偏亮而模糊，光照偏弱又會(huì)導(dǎo)致靜脈和背景混淆，整體偏暗。同時(shí)每個(gè)人手背靜脈的粗細(xì)，表面皮膚厚度不同，以及手背本身具有的弧度會(huì)使圖像光照不均勻，都會(huì)對(duì)采集的靜脈輪廓清晰度產(chǎn)生影響，因此需要對(duì)圖像進(jìn)行處理，提取比較清晰完整的手背靜脈結(jié)構(gòu)圖，為下一步的準(zhǔn)確識(shí)別創(chuàng)造條件。

2 基于CLAHE的靜脈圖像增強(qiáng)

由于靜脈隱藏在皮膚表層以下，靜脈圖像的對(duì)比度往往不高，直接提取靜脈紋路進(jìn)行二值化，將會(huì)導(dǎo)致丟失部分可用靜脈信息或者誤將背景作為靜脈結(jié)構(gòu)，對(duì)后續(xù)識(shí)別影響很大[2]，因此需要對(duì)圖像進(jìn)行增強(qiáng)處理。圖像增強(qiáng)的方法，一般分為空間域增強(qiáng)和頻域增強(qiáng)，其中空間域增強(qiáng)法中的直方圖均衡（HE）一直是簡(jiǎn)單實(shí)用的工具。直方圖均衡簡(jiǎn)單有效，包括全局法和自適應(yīng)法（AdaptiveHE，自適應(yīng)直方圖均衡化）。在實(shí)際的應(yīng)用中，有些圖像對(duì)比度比較低，全局法效果不佳。為了解決這一實(shí)際問題，Pizer等提出了局部直方圖均衡化的方法（Local AdaptiveHE，LAHE）對(duì)圖像的灰度增強(qiáng)[3?4]。但是該方法只考慮每一個(gè)局部窗口內(nèi)像素，而窗口外的像素往往被忽略，為了進(jìn)一步解決這種現(xiàn)象，Crom artie等又提出了對(duì)比度受限的局部直方圖均衡法[5]（Contrast?limited Adaptive Histogram Equalization，CLAHE）。CLAHE結(jié)合了自適應(yīng)直方圖均衡和對(duì)比度受限2種方法，從整幅圖像的視覺效果出發(fā)，既考慮了窗口內(nèi)像素直方圖又考慮了窗口外的像素，使圖像增強(qiáng)效果適應(yīng)性更好，效果也更突出。該方法表達(dá)式為：

[hij（r）=αhW（r）+1-αhBr] （1）

式中：[hW（r）]是窗口的歸一化直方圖；[hBr]是窗口外的歸一化直方圖；[0≤α≤1]。設(shè)[SW]和[SB]分別代表區(qū)域W和區(qū)域B的面積，如果[α=SW（SW+SB）]，則[hW（r）=h（r）]，表示局部直方圖與全局直方圖相等；如果[α>SW（SW+SB）]，則局部直方圖單獨(dú)進(jìn)行均衡化，從而強(qiáng)調(diào)局部信息。因此可以通過調(diào)節(jié)[α]大小調(diào)節(jié)局部直方圖來模擬周圍環(huán)境對(duì)相關(guān)區(qū)域的影響。

CLAHE算法具體步驟如下：

（1） 將圖像分塊。將目標(biāo)圖像分為不重疊的子區(qū)域，每個(gè)區(qū)域大小相等，都含有[L]個(gè)像素，根據(jù)實(shí)際確定[L]大小，[L]越大增強(qiáng)效果越好，但同時(shí)丟失細(xì)節(jié)也相應(yīng)增多。

（2） 直方圖的計(jì)算和均衡。根據(jù)式（1）計(jì)算窗口區(qū)域的直方圖，[hij（r）]表示子區(qū)域的直方圖，[k]代表灰度級(jí)。然后對(duì)子區(qū)域進(jìn)行均衡化處理，處理后的子圖用[Cij（k）]表示。

（3） 像素灰度值重構(gòu)。將[Cij（k）]中心像素點(diǎn)的灰度值作為參考點(diǎn)，采用雙線性插值技術(shù)計(jì)算輸出圖像中各點(diǎn)的灰度值

（4） 遍歷目標(biāo)圖像。移動(dòng)窗口至下一個(gè)子區(qū)域，重復(fù)上述步驟。

3 NIBLACK改進(jìn)算法的靜脈圖像分割

圖像增強(qiáng)后，靜脈圖像的紋理和特征就比較清晰，這時(shí)還要對(duì)圖像進(jìn)行分割才能提取出整個(gè)靜脈的結(jié)構(gòu)紋理圖。圖像的分割提取主要利用閾值進(jìn)行二值化分割，找到合適的閾值是圖像分割的關(guān)鍵。而NIBLACK法由于其動(dòng)態(tài)局部閾值的處理方法[6]，對(duì)圖像分割有較好的效果，本文根據(jù)手背靜脈特殊的圖像采集原理以及靜脈圖像的特點(diǎn)，采用改進(jìn)的分塊靜態(tài)閾值和NIBLACK相結(jié)合的方法。

3.1 常規(guī)NIBLACK算法

在實(shí)際應(yīng)用中，由于目標(biāo)和背景對(duì)比度在同一圖像中變化比較大，同時(shí)因?yàn)楣庹?、噪聲以及背景灰度梯度值突變等，為了更好地分割圖像，必須在不同的圖像區(qū)域自適應(yīng)的確定閾值，NIBLACK法[7]就是一種常用的局部動(dòng)態(tài)閾值法。算法確定中心坐標(biāo)[（x，y）]以及周圍鄰域[r×r]范圍，設(shè)[g（x，y）]為中心坐標(biāo)的灰度值，其二值化后的結(jié)果為[b（x，y）]，具體可描述為：

3.2 改進(jìn)的NIBLACK算法

常規(guī)的NIBLACK算法雖然可以動(dòng)態(tài)地確定每個(gè)區(qū)域的閾值，但是也有其自身的不足：由于要利用[r×r]模板遍歷圖像，導(dǎo)致邊界區(qū)域[（r-1）2]的像素范圍內(nèi)無法求取閾值；同時(shí)當(dāng)進(jìn)行圖像遍歷時(shí)，如果[r×r]范圍內(nèi)都是背景，經(jīng)NIBLACK計(jì)算后必有一部分被確定為目標(biāo)，產(chǎn)生偽噪聲[8]。針對(duì)此缺點(diǎn)，本文提出一種局部靜態(tài)閾值與NIBLACK相結(jié)合的方法對(duì)圖像二值化。其算法思想是對(duì)圖像的邊緣區(qū)域和純背景區(qū)域采用靜態(tài)閾值進(jìn)行分割，對(duì)于其他區(qū)域采用NIBLACK算法進(jìn)行二值化。具體實(shí)現(xiàn)如下：

（1） 對(duì)靜脈圖像進(jìn)行分塊，根據(jù)采集圖像的像素大小以及模板r的值，本文將圖像分為6塊，每塊均包含了一部分邊緣圖像，利用Ostu算法計(jì)算每塊圖像的靜態(tài)閾值[Tn]（n=1，2，…，6）。

（2） 判別像素范圍，凡邊緣范圍即小于[（r-1）2]范圍的像素根據(jù)所在區(qū)域的靜態(tài)子閾值[Tn]進(jìn)行二值化。

（3） 對(duì)于非邊緣區(qū)域的分塊圖像，按NIBLACK法計(jì)算閾值[t（x，y）]，將子靜態(tài)閾值[Tn]與[t（x，y）]進(jìn)行加權(quán)得到新閾值[D（x，y）]：

[D（x，y）=（1-β）t（x，y）+β×Tn] （6）

式中[β]為加權(quán)系數(shù)，根據(jù)實(shí)驗(yàn)測(cè)試，本文取[β]為0.5可以達(dá)到最好的效果。

（4） 利用得到的閾值[D（x，y）]對(duì)子圖像進(jìn)行二值化，移動(dòng)到下一子圖像，重復(fù)上述步驟直到完成對(duì)整幅圖像的二值化。

經(jīng)過改進(jìn)算法處理的二值圖像可以得到比較清晰的靜脈紋絡(luò)，但是仍然存在少量的噪聲，利用形態(tài)學(xué)的黑top?hat運(yùn)算[9]，即經(jīng)過閉運(yùn)算的圖像減去源圖像，可以有效清除噪聲，也可提取圖像的暗特征，使靜脈邊緣紋絡(luò)更加清晰。

4 實(shí)驗(yàn)分析

本文采用Mohamed Shahin博士提供的手背靜脈圖像數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn)分析。為了消除靜脈庫原圖像靜脈周圍背景對(duì)圖像增強(qiáng)的影響，首先對(duì)靜脈圖像進(jìn)行ROI（Region of Interest）處理，提取出靜脈區(qū)域圖像，如圖1（b）所示。

圖1（c）采用全局靜態(tài)直方圖均衡法，可以看出因局部光強(qiáng)不同，靜脈圖像增強(qiáng)效果不均勻，這會(huì)使后期的二值化處理丟失大量信息。圖1（d）采用CLAHE算法增強(qiáng)后，靜脈圖像灰度對(duì)比均勻，紋理和特征清晰，有利于在圖像分割時(shí)保留大量的細(xì)節(jié)特征。如圖2對(duì)比發(fā)現(xiàn)，直接對(duì)靜脈圖像進(jìn)行傳統(tǒng)的NIBLACK二值化會(huì)出現(xiàn)大量的噪聲點(diǎn)和脈絡(luò)斷紋，同時(shí)丟失很多細(xì)節(jié)特征，如圖2（b）所示。直接對(duì)圖像進(jìn)行直方圖均衡增強(qiáng)，也會(huì)因光強(qiáng)不均丟失靜脈部分結(jié)構(gòu)特征，如圖2（c）所示，圖像右下方因局部光照過強(qiáng)使得增強(qiáng)后的圖像在二值化后丟失一部分靜脈紋絡(luò)結(jié)構(gòu)。本文采用基于CLAHE的圖像增強(qiáng)算法和改進(jìn)的NIBLACK二值化的方法，如圖2（d）所示，得到的靜脈結(jié)構(gòu)紋理清晰，細(xì)節(jié)特征完整，脈絡(luò)連續(xù)。改變傳統(tǒng)的增強(qiáng)算法二值化后引起的偽噪聲、斷紋以及靜脈圖像特征丟失現(xiàn)象，消除傳統(tǒng)方法的缺陷，有利于后續(xù)對(duì)于靜脈的識(shí)別工作，提高整個(gè)靜脈識(shí)別系統(tǒng)的準(zhǔn)確率。

5 結(jié) 語

在手背靜脈提取過程中全局直方圖均衡是比較常用的圖像增強(qiáng)算法，但對(duì)于手背靜脈圖像光照不均勻的情況處理效果不好，傳統(tǒng)的NIBLACK二值化算法也存在著容易產(chǎn)生噪聲塊，結(jié)構(gòu)斷紋和無法確定圖像邊緣二值化閾值的缺陷。針對(duì)這種情況，本文提出利用CLAHE增強(qiáng)圖像，并采用局部靜態(tài)閾值與NIBLACK相結(jié)合的改進(jìn)算法對(duì)圖像進(jìn)行二值化。實(shí)驗(yàn)證明，本文算法提取的靜脈圖像脈絡(luò)清晰，保留了因光照不均而易丟失的特征細(xì)節(jié)，消除了噪聲塊和脈絡(luò)斷紋的現(xiàn)象，因此本文算法是一套有效的靜脈提取算法，對(duì)提高系統(tǒng)的識(shí)別率和正確率提供了可靠保證。

參考文獻(xiàn)

[1] 林喜榮，莊波，蘇曉生，等.人體手背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.

[2] 楊有，李波.CLAHE和細(xì)節(jié)放大相結(jié)合的檔案圖像增強(qiáng)方法[J].中國圖象圖形學(xué)報(bào)，2011，16（4）：522?527.

[3] 朱其剛，朱自強(qiáng).基于自適應(yīng)領(lǐng)域灰度直方圖均衡的超聲窺鏡圖像增強(qiáng)[J].山東科技大學(xué)學(xué)報(bào)，2004，23（3）：120?123.

[4] 王龍，汪天富，鄭昌瓊.基于灰度直方圖均衡的超聲醫(yī)學(xué)圖像增強(qiáng)方法[J].四川大學(xué)學(xué)報(bào)，2012，34（1）：105?108.

[5] CROM A R， PIZER S M. Structure sensitive adaptive contrast enhancement methods and their evaluation [J]. Image and Vision Computer， 1993 （11）： 385?391.

[6] 鄭偉，康朝紅.基于梯度的低對(duì)比度X 線圖像分割方法[J].通信技術(shù)，2009，42（1）：292?294.

[7] NIBLACK W. An introduction to image processing [J]. Applied Computing， 1986， 15（4）： 219?229.

[8] 王科俊，丁宇航，莊大燕，等.手背靜脈圖像閾值分割[J].自動(dòng)化技術(shù)與應(yīng)用，2011，24（8）：19?21.

[9] 趙建軍，熊馨，張磊，等.基于CLAHE和TOPHAT變換的手背靜脈圖像增強(qiáng)算法[J].激光與紅外，2009，39（2）：220?222.