手指靜脈特征提取分析與對比

梁雪慧 趙 菲 程云澤 張瑞杰

（天津理工大學(xué)a.天津市復(fù)雜系統(tǒng)控制理論與應(yīng)用重點(diǎn)實(shí)驗(yàn)室；b.電氣電子工程學(xué)院）

手指靜脈識(shí)別在現(xiàn)代生物識(shí)別領(lǐng)域中具有重要的地位［1］，相比其他生物識(shí)別（如人臉、指紋、虹膜及語音等），手指靜脈識(shí)別具有不易俘獲、識(shí)別數(shù)據(jù)小及安全性高等特點(diǎn)。

靜脈識(shí)別首先要從近紅外圖像中獲得較為完整的靜脈結(jié)構(gòu)， 然后提取靜脈完成身份識(shí)別。因此，從近紅外圖像中獲得較為完整的靜脈線結(jié)構(gòu)成為至關(guān)重要的工作，靜脈提取算法的優(yōu)劣直接關(guān)系到匹配識(shí)別的效果，甚至對整個(gè)靜脈識(shí)別系統(tǒng)的性能產(chǎn)生重大影響。 因此，筆者深入研究了靜脈提取的方法，以提高識(shí)別系統(tǒng)的性能。

現(xiàn)有的靜脈特征提取方法中一類是基于機(jī)器學(xué)習(xí)的方法，另一類是通過研究圖像的靜脈紋路。 基于機(jī)器學(xué)習(xí)的方法其主要思想是從原始灰度圖像中直接提取特征，已有的研究有：通過減少維數(shù)，獲得靜脈圖像主要成分分量特征的主成分分析法（PCA）［2］；利用HOL特征提取獲得靜脈的線性響應(yīng)和方向的基于2DHOL 特征與2D_2FPCA的方法［3］；通過重新定義類間離散度矩陣的雙邊二維線性判別分析（MB2D-LDA）方法［4］；利用流形學(xué)習(xí)的基本思想進(jìn)行降維的正交鄰域保持投影（ONPP）方法［5］；還有一些利用稀疏表達(dá)等方法來對靜脈特征進(jìn)行提取的方法［6］。 研究圖像的靜脈紋路這類方法是將圖像中靜脈紋路分割出來進(jìn)行特征提取，有Gabor濾波器［7］、重復(fù)線性追蹤［8］及最大曲率［9］等方法。 筆者主要是針對第2類的靜脈特征提取方法進(jìn)行研究分析。

1 圖像預(yù)處理

1.1 圖像歸一化

通過采集設(shè)備獲取的原始手指靜脈圖像中由于包含了大量的背景信息，例如平移、旋轉(zhuǎn)、縮放和不均勻照明，這些信息對于圖像的分析完全沒有意義，且會(huì)增加算法的處理時(shí)間，所以首先應(yīng)提取出采集圖像的感興趣區(qū)域（ROI），再進(jìn)行尺度和灰度的歸一化，提供更加準(zhǔn)確的特征區(qū)域給后續(xù)的操作，從而提高靜脈識(shí)別系統(tǒng)的性能。

1.2 圖像增強(qiáng)

成像設(shè)備通常采用近紅外（NIR）透射照明，采集過程中多種光散射占主導(dǎo)地位，因此手指靜脈圖像的質(zhì)量始終很差，因?yàn)樯⑸鋾?huì)大幅降低靜脈和非靜脈區(qū)域之間的對比度，直接對靜脈紋理進(jìn)行提取，會(huì)導(dǎo)致一部分靜脈信息丟失，也可能會(huì)誤識(shí)背景信息，產(chǎn)生偽靜脈，這對之后的匹配和識(shí)別造成巨大的影響，因此在特征提取前要對靜脈圖像進(jìn)行增強(qiáng)處理。

對比度受限自適應(yīng)直方圖均衡化［10］（Contrast Limited Adaptive Histogram Equalization，CLAHE）方法，最初是為醫(yī)學(xué)成像而開發(fā)的，并已被證明可以成功地增強(qiáng)低對比度圖像，例如射野驗(yàn)證片（Portal Film，PF）。 它實(shí)際上是改進(jìn)的插值自適應(yīng)直方圖均衡方法， 其基本思想是對比度限幅，即限制局部直方圖的高度，用以限制過分放大的噪聲和過度增強(qiáng)的局部對比度。 算法步驟如下：

a. 將原始圖像分成互不重疊且大小相等的M×N個(gè)子區(qū)域，并計(jì)算每一個(gè)子區(qū)域的像素個(gè)數(shù)Numi和直方圖Hi（l）。

b. 求子區(qū)域的裁剪極限βi，βi=［1+α（s-1）］·Numi/li。 其中，α為截?cái)嘞禂?shù)，α∈［0，1］；s為裁剪斜率；li為第i個(gè)子區(qū)域的灰度級(jí)數(shù)。

c. 按照特定的步長對Hi（l）進(jìn)行循環(huán)搜索，如果某一個(gè)灰度級(jí)的像素個(gè)數(shù)大于其βi， 則將它裁剪到βi以內(nèi)， 并將剩余的像素個(gè)數(shù)分配給像素個(gè)數(shù)小于βi的灰度級(jí)，遍歷所有灰度級(jí)。

d. 對每個(gè)子區(qū)域?qū)Ρ榷冗M(jìn)行限制后，將其直方圖進(jìn)行均衡化處理。

e. 利用雙線性插值求每個(gè)像素點(diǎn)的灰度值。將每個(gè)子區(qū)域中心位置像素點(diǎn)的灰度值作為參考點(diǎn)。

從圖1可以看出， 處理后的圖像暗色區(qū)域內(nèi)的模糊效果得到很好的增強(qiáng)， 使得圖像更加清晰，對比度更高。

圖1 高低質(zhì)量圖像增強(qiáng)后效果

2 靜脈特征提取

2.1 Gabor濾波器

Gabor濾波器已被廣泛用于模式分析，因?yàn)樗梢杂行У夭东@圖像中具有不同頻率和方向的有用特征。 Gabor濾波器的實(shí)部稱為偶數(shù)對稱Gabor濾波器，通常用于從生物特征圖像中提取特征：

其中，xθ=xcosθ+ysinθ，yθ=-xsinθ+ycosθ，θ表示法線相對于Gabor函數(shù)的平行條紋的方向，λ是正弦因子的波長，ψ是相位偏移，σ是高斯包絡(luò)的標(biāo)準(zhǔn)偏差，γ是空間長寬比。

假設(shè)I（x，y）是輸入圖像，F(xiàn)k（x，y）表示方向索引處對應(yīng)的Gabor濾波圖像之一。 Fk（x，y）可以這樣獲得：

其中，k=1，2，3，…，n；*表示卷積運(yùn)算符。

2.2 重復(fù)線性跟蹤

重復(fù)線性跟蹤的思想是根據(jù)水平和垂直方向上的預(yù)定義概率按照選定的方向跟蹤圖像中的靜脈，并隨機(jī)選擇起始種子，整個(gè)過程重復(fù)執(zhí)行一定次數(shù)。

該方法基于在各個(gè)位置開始的線性跟蹤。 首先識(shí)別出局部暗線，并通過沿線逐像素移動(dòng)來執(zhí)行線性跟蹤。 當(dāng)無法檢測到黑線時(shí)，新的跟蹤操作將從另一個(gè)位置開始。 通過重復(fù)執(zhí)行這樣的局部線性跟蹤操作， 可以跟蹤圖像中的所有暗線。最終，線的位置重疊并且統(tǒng)計(jì)獲得手指靜脈的圖案。

首先確定線性跟蹤的起點(diǎn)和移動(dòng)方向。

線性跟蹤的起點(diǎn)是（xs，ys），即當(dāng)前跟蹤點(diǎn)（xc，yc）的初始值為（xs，ys），這是從手指輪廓內(nèi)像素點(diǎn)的集合Rf中選擇的一對均勻隨機(jī)數(shù)。此后，確定移動(dòng)方向?qū)傩訢lr、Dud。 Dlr和Dud是防止跟蹤點(diǎn)跟隨曲率過大的路徑參數(shù)。 Dlr和Dud分別確定如下：

其中Rnd（n）是0～n之間的隨機(jī)數(shù)。

其次檢測暗線的方向和移動(dòng)跟蹤點(diǎn)：

a. 軌跡位置表Tc的初始化。 跟蹤點(diǎn)移動(dòng)到的位置存儲(chǔ)在軌跡位置表Tc中。

b. 確定當(dāng)前跟蹤點(diǎn)可以移動(dòng)到的像素組Nc，Nc=Tc∩Rf∩Nr（xc，yc），其中Nr（xc，yc）是（xc，yc）的相鄰像素的集合。

c. 檢測當(dāng)前跟蹤點(diǎn)附近的暗線方向，為了確定當(dāng)前跟蹤點(diǎn)（xc，yc）應(yīng)該移動(dòng)到的像素，需要計(jì)算線性評估函數(shù)，該函數(shù)反映了當(dāng)前跟蹤點(diǎn)周圍的橫截面輪廓中的谷底深度。

d. 在軌跡位置表Tc中記錄軌跡并移動(dòng)跟蹤點(diǎn)，當(dāng)前跟蹤點(diǎn)（xc，yc）被添加到軌跡位置表Tc中。之后，如果Vl為正，則將（xc，yc）更新為Vl最大的（xi，yi）。

最后重復(fù)執(zhí)行步驟b～d。

步驟d中的線性評估函數(shù)為：

其中，W是輪廓的寬度，r是（xc，yc）與橫截面之間的距離，θi是線段（xc，yc）-（xc+1，yc）和（xc，yc）-（xi，yi）之間的角度。

2.3 最大曲率法

最大曲率法主要通過搜索靜脈圖像橫截面輪廓的曲率局部最大位置來檢測中心線。

首先，提取具有各種寬度和亮度的靜脈中心線，檢查手指靜脈圖像的橫截面輪廓。 因?yàn)殪o脈比周圍區(qū)域暗，所以靜脈的橫截面輪廓看起來像是凹痕。 這些凹曲線具有較大的曲率，因此可以通過計(jì)算橫截面輪廓中的局部最大曲率來獲得靜脈的中心位置。

假設(shè)F為手指靜脈圖像，F(xiàn)（x，y）為對應(yīng)像素點(diǎn)（x，y）的灰度值，將F（x，y）在位置z處的剖面圖定義為Pf（z），則曲率kz可以表示為：

其次， 為了連接靜脈中心點(diǎn)并消除噪聲，檢查中心點(diǎn)像素右側(cè)的兩個(gè)相鄰像素和左側(cè)的兩個(gè)相鄰像素。 如果（x，y）與兩側(cè)的像素值都較大，則水平繪制一條線；如果（x，y）的值較小且兩側(cè)的像素值較大，在（x，y）處會(huì)產(chǎn)生間隙，因此應(yīng)增加（x，y）的值以連接線路；當(dāng)（x，y）具有較大的值而兩側(cè)的像素具有較小的值時(shí)， 噪聲點(diǎn)位于（x，y），因此應(yīng)減?。▁，y）的值以消除噪聲。以相同的方式對4個(gè)方向均進(jìn)行該操作。

最后，使用閾值對靜脈圖案G（x，y）進(jìn)行二值化。 值小于閾值的像素被標(biāo)記為背景，值大于或等于閾值的像素被標(biāo)記為靜脈區(qū)域。 假設(shè)G（x，y）中值的直方圖在形式上是兩相的，因此確定閾值以使G（x，y）中值的組之間的離散最大。

3 實(shí)驗(yàn)對比

將采用Gabor濾波器、重復(fù)線性跟蹤和最大曲率法3種特征方法提取的靜脈圖像進(jìn)行對比，結(jié)果如圖2所示。

圖2 不同特征提取方法的效果

由圖2可以看出，3種特征方法表現(xiàn)都較為優(yōu)良，其中重復(fù)線性跟蹤法受預(yù)先設(shè)置的參數(shù)和迭代次數(shù)影響較大，在實(shí)驗(yàn)中迭代的次數(shù)為200 000次，仍有部分細(xì)小的靜脈特征被遺漏，且運(yùn)算效率低，不適用于實(shí)時(shí)靜脈識(shí)別系統(tǒng)中。 最大曲率法的靜脈結(jié)構(gòu)得到了增強(qiáng)，但是背景噪聲也被突出顯示了，這可能會(huì)從生成的靜脈結(jié)構(gòu)中產(chǎn)生虛假匹配。 Gabor濾波器提取出來的靜脈較為完整，提取的靜脈結(jié)構(gòu)非常適合原始圖像的血管拓?fù)浣Y(jié)構(gòu)，并且很好地抑制了伴隨的噪聲。

4 結(jié)束語

特征提取是靜脈識(shí)別最重要的一環(huán)，提取出的特征好壞直接影響到識(shí)別效果。 筆者通過對3種不同特征提取方法提取的圖像進(jìn)行對比，結(jié)果表明使用Gabor濾波器進(jìn)行特征提取，提取出的靜脈線具有更高的完整性，但沒有對運(yùn)算效率進(jìn)行研究，今后可以將提高特征提取算法的效率作為一個(gè)新的研究方向。