基于CS的高質(zhì)量掌靜脈圖像獲取方法*

陶靜靜， 姚善化， 孫熊偉， 曾新華， 朱澤德

(1.安徽理工大學(xué) 電氣與信息工程學(xué)院，安徽 淮南 232000； 2.中國科學(xué)院合肥技術(shù)創(chuàng)新工程院，安徽 合肥 230000)

0 引 言

隨著信息化科技的發(fā)展，傳統(tǒng)的身份識(shí)別不再滿足人們對信息安全性和保密性的需求，生物特征識(shí)別技術(shù)應(yīng)運(yùn)而生。手掌靜脈識(shí)別利用活體靜脈特征作為驗(yàn)證信息，信息隱藏于手掌皮膚內(nèi)部，具有很好的防盜特性[1]。在掌靜脈識(shí)別中，獲取信息量大、清晰度高的高質(zhì)量靜脈圖像是圖像處理的首要問題[2]。由于每個(gè)人身體組織的差異(如不同人手掌脂肪的厚度、皮膚表面的反光率、蛋白質(zhì)含量等)會(huì)影響近紅外光對皮膚的穿透程度，造成部分手掌條件差的人群拍攝出來的靜脈圖像質(zhì)量差的情況。所以，需要設(shè)計(jì)可實(shí)時(shí)調(diào)節(jié)的光源以針對每個(gè)人都能獲得滿足后續(xù)處理?xiàng)l件的高質(zhì)量靜脈圖像。

在國內(nèi)，華中科技大學(xué)的李強(qiáng)采用了850 nm的近紅外光作為靜脈采集光源；張大鵬教授等人選取了890 nm的近紅外發(fā)光二極管(light-emitting diode,LED)陣列作為靜脈采集光源；文獻(xiàn)[3]對四種單波長及兩兩波長混合共10種光源照射進(jìn)行研究，實(shí)驗(yàn)得出760 nm波長效果最好，但考慮到脂肪對960 nm波長吸收較好，最終選取760 nm和960 nm波長混合近紅外光作為光源[3]；目前對靜脈識(shí)別采集近紅外光的波長選取還沒有統(tǒng)一的標(biāo)準(zhǔn)。然而上述文獻(xiàn)仍存在不足：光源波長單一，當(dāng)用戶數(shù)量龐大時(shí)，采集裝置很難采集到大量高質(zhì)量的掌靜脈圖像；光強(qiáng)自適應(yīng)度差，不能根據(jù)不同個(gè)體的手掌條件自適應(yīng)調(diào)整光強(qiáng)配比。

本文重點(diǎn)研究三種光源組合和光強(qiáng)配比的問題，提出一種多光譜自適應(yīng)手掌靜脈圖像快速采集系統(tǒng)，該系統(tǒng)可以針對數(shù)量巨大的用戶快速采集到大量高質(zhì)量的手掌靜脈圖像，解決手掌靜脈采集近紅外波段選擇的問題，提高光源配比調(diào)節(jié)的效率。

1 采集系統(tǒng)硬件設(shè)計(jì)

本文設(shè)計(jì)的手掌靜脈采集裝置主要由近紅外LED光源組、互補(bǔ)金屬氧化物半導(dǎo)體(complementary metal oxide semiconductor,CMOS)成像模塊組和光源控制電路幾部分構(gòu)成。

1.1 近紅外光源組

多光譜掌靜脈成像的基本思想來源于:不同個(gè)體對近紅外光的吸收不同，將多種波長光組合，根據(jù)不同人群手掌條件及時(shí)調(diào)整光強(qiáng)配比,可以更精準(zhǔn)地采集。人體醫(yī)學(xué)研究顯示:波長760～940 nm的近紅外光對生物組織具有最強(qiáng)的穿透能力，本文選用760,850 nm和940 nm三種近紅外光，每種光分為4個(gè)亮度等級(jí)，共64種光強(qiáng)配比組合。

1.2 攝像機(jī)選型

圖像傳感器是靜脈圖像攝像裝置的重要構(gòu)件之一。電荷耦合器件(charge coupled device,CCD)傳感器成像質(zhì)量高，但功耗高,制造工藝復(fù)雜,價(jià)格昂貴，而CMOS傳感器功耗低,體積小,價(jià)格低廉，且在750～1 000 nm近紅外波段的感光靈敏度比CCD傳感器要高，符合本文要求，因此本文選取CMOS圖像傳感器。

采用OV(OminiVision)公司生產(chǎn)的OV7620CMOS傳感器芯片，專業(yè)用于安全監(jiān)控領(lǐng)域，它體積為1/3 in(1 in=2.54 cm)，分辨率為640×480，傳輸速率高達(dá)30幀，在成像質(zhì)量方面接近CCD傳感器，功耗小，非常適用作手掌靜脈圖像采集的感光芯片。

1.3 濾光片選型

IR700系列濾光片，專業(yè)用于人臉識(shí)別、指紋識(shí)別、紅外傳感等體感互動(dòng)和紅外通信領(lǐng)域，紅外線700 nm以上波段高透過, 可見光(400～700 nm)不通過。本文選擇 IR700系列的750 nm透紅外濾光片，可以保證高于750 nm波長的近90 %以上的近紅外光通過，還可以有效屏蔽紫外線和可見光的干擾[4]。

1.4 光源控制電路

本文采用MAXIM公司生產(chǎn)的恒流驅(qū)動(dòng)芯片MAX7315作為二極管的驅(qū)動(dòng)電路核心。MAX7315擁有8個(gè)GPIO端口，每個(gè)端口可配置為具有最大吸收電流50 mA和額定輸出電壓5.5 V的漏極開路輸出；內(nèi)部集成8位脈寬調(diào)制(pulse width modulation,PWM)電流控制，4位全局輸出控制LED電流粗調(diào)，共14個(gè)亮度級(jí)，每個(gè)輸出具有各自的4位控制，將全局電流細(xì)分16個(gè)等級(jí)。通過控制輸入端PWM的占空比來調(diào)節(jié)通過LED的電流，進(jìn)而控制LED光亮度，實(shí)現(xiàn)了光源子系統(tǒng)亮度調(diào)節(jié)和光譜自動(dòng)轉(zhuǎn)換。PWM還具有的優(yōu)點(diǎn)是使電路中有源器件工作在開關(guān)狀態(tài)，功耗較小，電路效率高。這樣的光源控制電路具有良好的穩(wěn)定性和可控性。

2 圖像質(zhì)量評(píng)價(jià)方法指標(biāo)

采用文獻(xiàn)[5]的根據(jù)均勻度和清晰度兩個(gè)指標(biāo)的綜合分?jǐn)?shù)作為最終的圖像質(zhì)量分?jǐn)?shù)。

2.1 基于均勻度的質(zhì)量評(píng)價(jià)[5]

將感興趣區(qū)域(region of interest,ROI)圖像平均劃分若干小方格，計(jì)算每一小方格的灰度均值，將均值中的最大值和最小值之差作為衡量光照均勻度的標(biāo)準(zhǔn)。分割小方格的尺寸由實(shí)驗(yàn)結(jié)果確定，計(jì)算公式

(1)

式中M[n]為存放各小方格的灰度均值，k為小方格的尺寸，F(xiàn)n(i,j)為第n塊小方格在坐標(biāo)(i,j)處的灰度值。

光照均勻度評(píng)價(jià)分?jǐn)?shù)Qm定義為

(2)

式中Mmax和Mmin為M[n]中的最大值和最小值，M{F}為整個(gè)掌靜脈ROI圖像的灰度均值。

2.2 基于清晰度的質(zhì)量評(píng)價(jià)[5]

輸入待評(píng)價(jià)的掌靜脈ROI圖像F，然后使用高斯低通濾波器處理輸入圖像得到二次模糊圖片H

H=F?G

(3)

式中G為高斯低通濾波器，高斯核額的參數(shù)定為31×31的尺寸，標(biāo)準(zhǔn)差σ= 5.0；?代表卷積運(yùn)算。分別在原圖F和模糊圖H中計(jì)算相鄰像素灰度差異，得到相應(yīng)的鄰域灰度差異矩陣T和T′。定量衡量圖像清晰度的公式為

(4)

綜上指標(biāo)，質(zhì)量分?jǐn)?shù)的公式定義如下

score=w1(1-Qm)+w2Qd

w1+w2=1

(5)

式中w1和w2為對應(yīng)指標(biāo)的權(quán)重值，確定w1=0.23,w2=0.77時(shí)該方法可以給出相當(dāng)可靠的評(píng)價(jià)結(jié)果。

3 基于CS算法的靜脈圖像采集實(shí)現(xiàn)

3.1 CS算法[6,7]的工作流程如下：

1)定義目標(biāo)函數(shù)f(X)=w1(1-Qm)+w2Qd，X=(x1,…,xd)T，隨機(jī)初始化n個(gè)鳥巢位置Xi(i=1,2,3,…,n)，設(shè)置參數(shù)種群規(guī)模N為64,問題維數(shù)為3,最大發(fā)現(xiàn)概率Pa為0.25,最大迭代次數(shù)t為1 000等。

2)計(jì)算所有鳥巢的目標(biāo)函數(shù)值,得出當(dāng)前最優(yōu)函數(shù)值。

3)記錄上一代最優(yōu)函數(shù)值和鳥巢位置，利用Levy飛行式(6)對其他鳥巢進(jìn)行位置更新

(6)

式中α為步長控制量，其值服從正態(tài)分布；⊕表示點(diǎn)對點(diǎn)乘法。L(λ)表示布谷鳥的隨機(jī)搜索路徑，其與時(shí)間t的關(guān)系服從Levy分布

Levy(β):μ=t-λ,1<λ≤3

(7)

4)用新鳥巢的函數(shù)值與上一代最優(yōu)函數(shù)值比較，若較好則保留，結(jié)果得到一組較好的鳥巢位置。

6)找到步驟(5)最優(yōu)的鳥巢位置，判斷算法的終止條件：若迭代次數(shù)t達(dá)到迭代上限或誤差ε達(dá)到精度要求，則停止搜索；反之，返回步驟(2)繼續(xù)尋找最優(yōu)鳥巢位置[8]。

3.2 自適應(yīng)光源采集系統(tǒng)流程

1)令近紅外LED在預(yù)設(shè)值上工作；2)CMOS攝像機(jī)采集靜脈特征圖像，并傳給上位機(jī)，上位機(jī)對原始圖像進(jìn)行處理并給出質(zhì)量評(píng)價(jià)分?jǐn)?shù)；3)利用CS算法搜索符合高質(zhì)量需求的手掌靜脈圖像；4)輸出高質(zhì)量光源配比數(shù)據(jù)，或者調(diào)整光源繼續(xù)搜索直到采集到符合精度的高質(zhì)量的手掌靜脈圖像。

4 實(shí)驗(yàn)仿真

4.1 基于CS算法的光源亮度自適應(yīng)調(diào)整

為研究高質(zhì)量手掌靜脈圖像所適應(yīng)的三種近紅外光強(qiáng)度配比范圍，自建50人的小型手掌靜脈數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn)，數(shù)據(jù)來源為校內(nèi)學(xué)生志愿者，其中男性、女性比例為1∶1。采集步驟如下：

1)首先在760，850 nm和940 nm波長的近紅外光混合照射下，拍攝50名志愿者的靜脈圖像，每位志愿者拍攝64張不同光強(qiáng)配比靜脈圖像準(zhǔn)備對比實(shí)驗(yàn)。

2)利用圖像質(zhì)量評(píng)價(jià)系統(tǒng)給出每張靜脈圖像的一個(gè)質(zhì)量評(píng)價(jià)分?jǐn)?shù)，將單個(gè)志愿者的64個(gè)質(zhì)量評(píng)價(jià)數(shù)據(jù)連成一條曲線，觀察規(guī)律。以下是實(shí)際測試任選2名志愿者的質(zhì)量分?jǐn)?shù)曲線圖如圖1。

圖1 靜脈圖像質(zhì)量分?jǐn)?shù)

其中，“均值”曲線是50名志愿者的64個(gè)圖像質(zhì)量評(píng)價(jià)分?jǐn)?shù)分別對應(yīng)相加取均值得到的質(zhì)量分?jǐn)?shù)。觀察圖可得，不同光強(qiáng)配比之下圖像質(zhì)量的分?jǐn)?shù)總體上呈現(xiàn)出相似的波動(dòng)規(guī)律。

3)利用MATLAB軟件將圖1中“均值”曲線上各點(diǎn)繪制成一個(gè)彩色三維散點(diǎn)圖，如圖2所示：坐標(biāo)軸x，y，z分別代表760，850 nm和940 nm波長的近紅外光線，每種波長的光分為4個(gè)強(qiáng)度，圖中的64個(gè)點(diǎn)代表64張手掌靜脈圖像，從紅色到藍(lán)色分?jǐn)?shù)逐漸降低，分?jǐn)?shù)越低質(zhì)量越好。

圖2 圖像質(zhì)量三維散點(diǎn)

由圖2可觀察出:藍(lán)色點(diǎn)區(qū)域內(nèi)靜脈圖像質(zhì)量較高，對應(yīng)的光強(qiáng)配比好，經(jīng)大量實(shí)驗(yàn)證明：圖片質(zhì)量評(píng)價(jià)分?jǐn)?shù)在0.3以下可以得到清晰的高質(zhì)量掌靜脈圖像。

4.2 自適應(yīng)光源采集實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證模型選擇的正確性，將本文CS算法與典型的窮舉法、隨機(jī)選擇法作對比實(shí)驗(yàn)。

1)窮舉策略:通過調(diào)控紅外光源的光強(qiáng),依次窮舉760，850 nm和940 nm波長近紅外線的4個(gè)等級(jí)光強(qiáng)嘗試。50名志愿者依次嘗試，直到遇到質(zhì)量分?jǐn)?shù)滿足需求停止，記錄光源配比嘗試的次數(shù)。

2)隨機(jī)分配策略:50名志愿者依次嘗試隨機(jī)獲取的光源強(qiáng)度配比，直到遇到質(zhì)量分?jǐn)?shù)滿足需求停止，記錄光源配比嘗試的次數(shù)。

3)CS算法:利用CS算法在Cube圖中質(zhì)量分?jǐn)?shù)0.3以下的藍(lán)色點(diǎn)區(qū)域搜索優(yōu)秀光源配比上的優(yōu)勢，通過不斷地搜索優(yōu)秀光源配置，針對每個(gè)志愿者進(jìn)行光源配比搜索嘗試，直到搜索出優(yōu)秀的光源配比滿足靜脈采集對圖片質(zhì)量的要求則結(jié)束，整個(gè)過程記錄CS算法的搜索次數(shù)。

4)最后，統(tǒng)計(jì)整個(gè)50名志愿者實(shí)驗(yàn)過程中調(diào)節(jié)光源配比嘗試的次數(shù)，統(tǒng)計(jì)如圖3。

圖3 三種方法識(shí)別性能對比

從圖中可以看出:窮舉法性能最差，迭代次數(shù)遠(yuǎn)高于另外兩種算法，性能數(shù)據(jù)依賴性強(qiáng)、穩(wěn)定性較差，不適于實(shí)際使用；隨機(jī)搜索法相對于窮舉法性能略有提升，但是仍存在搜索性能不穩(wěn)定的問題；從圖3可明顯看出:CS算法的搜索能力遠(yuǎn)高于窮舉法和隨機(jī)搜索法，其穩(wěn)定和快速的搜索表現(xiàn)更利于實(shí)際的在線靜脈質(zhì)量檢測需求。

5 結(jié) 論

本文算法有效提高了在線靜脈圖像識(shí)別應(yīng)用中快速篩選高質(zhì)量靜脈圖片的能力，同時(shí)改善了不同用戶對靜脈采集時(shí)光源配比的差異化需求，為后續(xù)基于靜脈圖像的認(rèn)證識(shí)別處理提供了更好的基礎(chǔ)和鋪墊。