弱約束條件下多特征融合的手背靜脈識(shí)別關(guān)鍵算法研究*

宋星月

（遼寧金融職業(yè)學(xué)院，遼寧 沈陽(yáng) 010122）

1 弱約束條件下的手背靜脈識(shí)別的研究背景

弱約束條件下采集靜脈圖像，就是降低對(duì)靜脈采集過(guò)程中光照、環(huán)境溫度、環(huán)境相對(duì)濕度，手背汗?jié)n、油漬、污漬，采集時(shí)間以及采集過(guò)程中手背的旋轉(zhuǎn)、位移變換等姿勢(shì)的要求，研究低質(zhì)量的靜脈圖像增強(qiáng)和靜脈圖像分割算法，研究穩(wěn)健性更高、更穩(wěn)定的靜脈特征提取和靜脈特征匹配算法[1]。靜脈圖像分割是手背靜脈圖像處理過(guò)程中非常重要的環(huán)節(jié)，靜脈圖像分割的精度會(huì)影響靜脈端點(diǎn)和靜脈交叉點(diǎn)特征的提取，目前常見(jiàn)的靜脈圖像分割方法有：基于閾值的、基于區(qū)域的、基于邊緣檢測(cè)的和基于特定理論的圖像分割方法，以上方法存在對(duì)噪聲敏感、沒(méi)有考慮像素點(diǎn)空間特征、邊緣提取的不連續(xù)性和不封閉性等問(wèn)題[2]。本文針對(duì)在弱約束條件下采集的靜脈圖像，經(jīng)過(guò)圖像的感興趣（Region of Interest，ROI）區(qū)域提取，采用中值濾波除去泊松噪聲、高斯噪聲、乘性噪聲和椒鹽噪聲后，對(duì)圖像尺寸和灰度進(jìn)行歸一化處理，增強(qiáng)對(duì)比度后，采用最大曲率算法進(jìn)行靜脈圖像分割，以獲得有效的靜脈端點(diǎn)、靜脈交叉點(diǎn)信息。然而，僅憑靜脈端點(diǎn)和靜脈交叉點(diǎn)信息作為靜脈特征是不夠的，這是因?yàn)槭苋跫s束條件下的限制，部分靜脈圖像分割出的靜脈端點(diǎn)和靜脈交叉點(diǎn)信息較少，因此，需要對(duì)手背靜脈圖像提取另一種特征點(diǎn)，2006年Herbert Bay[3]提出加速穩(wěn)健特征（Speeded Up Robust Features，SURF）算法，該算法具有局部特征點(diǎn)檢測(cè)與描述的功能，并且運(yùn)算速度較快，用于處理的圖像縮放、圖像平移、圖像旋轉(zhuǎn)以及不同環(huán)境下采集的圖像敏感性較弱的特性。SURF算法基于傳統(tǒng)的尺度不變特征變換（Scale-Invariant Feature Transform，SIFT）算法基礎(chǔ)上發(fā)展而來(lái)，但運(yùn)算速度和運(yùn)算效率卻遠(yuǎn)高于SIFT算法。2019年，王一丁等[4]針對(duì)弱約束條件下的手背靜脈圖像，基于SIFT算法進(jìn)行研究，通過(guò)選取不同尺度因子σ，調(diào)整匹配閾值R，提取靜脈二值圖像內(nèi)分塊區(qū)信息，匹配不同設(shè)備采集到的手背靜脈圖像，取得了一定的研究成果，促進(jìn)在弱約束條件下對(duì)靜脈識(shí)別以及靜脈特征匹配研究的新進(jìn)展。SURF算法基于Hessian矩陣和積分圖像來(lái)構(gòu)建尺度空間和定位特征點(diǎn)，從而提取靜脈特征。本文采用特征層融合策略，將提取的靜脈交叉點(diǎn)和靜脈端點(diǎn)特征與SURF算法的特征向量融合，以此獲得聯(lián)合特征向量作為某個(gè)靜脈的特征點(diǎn)集，采用最近鄰模式匹配算法進(jìn)行靜脈特征匹配，力求獲得在弱約束條件下，手背靜脈識(shí)別的高識(shí)別精度和識(shí)別率。

2 手背靜脈圖像分割

2.1 最大曲率算法

靜脈血液中的血紅蛋白吸收近紅外光后，形成黑色線條，從而呈現(xiàn)靜脈結(jié)構(gòu)。對(duì)靜脈圖像進(jìn)行橫截處理，在笛卡爾坐標(biāo)中，表示出橫截線上的所有像素點(diǎn)的位置和灰度值，從圖像上看，靜脈區(qū)域的灰度值小于非靜脈區(qū)域的灰度值，第138圖1為靜脈界限圖；圖2為灰度分布曲線圖。其中，圖1中的橫線是手背靜脈第25行的橫截線；圖2則是該橫截線的像素點(diǎn)的灰度值。從圖2灰度分布曲線圖可以看出，A、B、C、D、E這5個(gè)點(diǎn)就是第25行的橫截線上的靜脈中心點(diǎn)。圖3為曲率圖。從圖3可以看出，靜脈中心點(diǎn)曲率是最大的，因此，靜脈圖像橫截線灰度分布曲線的局部最大曲率值就是靜脈中心點(diǎn)，用它可以代表手背靜脈。

圖1 靜脈界限圖

圖2 灰度分布曲線圖

圖3 曲率圖

2.2 提取靜脈的最大曲率算法的過(guò)程

1）計(jì)算曲率。曲率的計(jì)算公式為

式中：K為某點(diǎn)的曲率；y′為該點(diǎn)的一階導(dǎo)數(shù)；y″為該點(diǎn)的二階導(dǎo)數(shù)。

對(duì)于手背靜脈圖像，可以使用高斯模板計(jì)算整幅靜脈圖像的曲率，公式為

式中：（x，y）表示模板的坐標(biāo)；σ為標(biāo)準(zhǔn)差。曲率最低點(diǎn)的曲率值最大，就是該靜脈中心點(diǎn)。

2）獲取最大曲率的靜脈圖像的分割圖像。上述方法得到的靜脈中心點(diǎn)，需要排除毛刺和噪聲的干擾，通過(guò)選取適當(dāng)?shù)拈撝?，得到最大曲率算法的靜脈信息圖像。圖4為不同標(biāo)準(zhǔn)差σ下的靜脈圖像的分割圖像。從圖4可以看出，當(dāng)標(biāo)準(zhǔn)差σ取值較小時(shí)，噪聲較多；當(dāng)標(biāo)準(zhǔn)差σ取值較大時(shí)，圖像中包含的噪聲較少，靜脈信息更完整。

圖4 不同標(biāo)準(zhǔn)差σ下的靜脈圖像的分割圖像

2.3 修復(fù)手背靜脈圖像

利用最大曲率算法獲得的靜脈圖像存在靜脈斷續(xù)、靜脈區(qū)域有孔洞、背景區(qū)域有噪聲的問(wèn)題，需要對(duì)手背靜脈圖像的分割圖像進(jìn)行處理，將斷續(xù)的靜脈連接起來(lái)，去除靜脈區(qū)域的孔洞和背景區(qū)域的噪聲，以便有效地提取靜脈端點(diǎn)特征和靜脈交叉點(diǎn)特征。

1）連接靜脈并去除孔洞。利用膨脹運(yùn)算可以將斷續(xù)的靜脈連接起來(lái)，并去除靜脈區(qū)域的孔洞。原理如下：集合A被集合B膨脹，表示為A⊕B，表示空集，表示集合B的反射集合。圖5為靜脈圖像的分割膨脹圖。

圖5 靜脈膨脹圖

2）去除背景區(qū)域的噪聲。經(jīng)過(guò)膨脹處理后，背景區(qū)域的噪聲也被膨脹成大小不一的斑點(diǎn)，圖像噪聲主要分為泊松噪聲、高斯噪聲、乘性噪聲和椒鹽噪聲等多種[5]。可以通過(guò)統(tǒng)計(jì)各個(gè)連通區(qū)域的像素?cái)?shù)，當(dāng)像素?cái)?shù)量較小，小于設(shè)定的某個(gè)閾值時(shí)，這個(gè)連通區(qū)域就可以當(dāng)做圖像背景來(lái)處理，見(jiàn)圖6。從圖6可以看出大部分斑點(diǎn)都被去掉了。

圖6 去除背景噪聲

2.4 靜脈細(xì)化處理以及去除毛刺

經(jīng)過(guò)膨脹處理后的靜脈比較粗，需要對(duì)靜脈細(xì)化處理，提取單像素寬度的靜脈紋路，細(xì)化過(guò)程注意兩點(diǎn)：一是不能改變?cè)袌D像中手背靜脈拓?fù)浣Y(jié)構(gòu)；二是細(xì)化時(shí)盡量為原圖像的靜脈中線位置。本文對(duì)比了常見(jiàn)靜脈細(xì)化處理算法，Hilditch的細(xì)化算法能保持原圖像的靜脈拓?fù)浣Y(jié)構(gòu)，適用于二值圖像，并且處理速度可以接受。經(jīng)過(guò)膨脹處理和靜脈細(xì)化處理后的靜脈圖像存在毛刺，但毛刺本身不是真正的靜脈，去除的方法就是先檢測(cè)出靜脈端點(diǎn)和靜脈交叉點(diǎn)，具體方法見(jiàn)下文，然后再?gòu)哪硞€(gè)端口開(kāi)始，順著靜脈紋路，統(tǒng)計(jì)到某個(gè)靜脈交叉點(diǎn)或靜脈端點(diǎn)之間的像素點(diǎn)數(shù)N，如果N≥T（閾值）就認(rèn)為是一個(gè)靜脈，否則就認(rèn)為是一個(gè)毛刺，將這些像素設(shè)置為背景。靜脈細(xì)化處理見(jiàn)圖7；去除毛刺見(jiàn)圖8。

圖7 靜脈細(xì)化處理

圖8 去除毛刺

3 靜脈特征提取

靜脈特征提取是生物識(shí)別的關(guān)鍵技術(shù)之一。本文主要研究靜脈端點(diǎn)、靜脈交叉點(diǎn)特征提取的方法，但靜脈端點(diǎn)和靜脈交叉點(diǎn)是靜脈的全局特性，并且部分靜脈端點(diǎn)和靜脈交叉點(diǎn)數(shù)量較少，僅適用于粗匹配。為了提取靜脈的局部特征，并豐富特征量，還需融合靜脈的SURF算法的特征，具體提取方法如下。

3.1 靜脈端點(diǎn)提取

靜脈端點(diǎn)提取時(shí)，可以用3×3模板的中心位置表示靜脈端點(diǎn)N，它的像素值為1，該3×3模板見(jiàn)圖9。背景的像素值為0，靜脈的像素值為1，判斷靜脈端點(diǎn)的原理是：從N1點(diǎn)到N8點(diǎn)（包括N）按著從左到右、從上到下的順序依次遍歷，查看相鄰兩點(diǎn)像素值是否變化；遍歷完所有像素點(diǎn)后，如整個(gè)過(guò)程變化2次，則N點(diǎn)即為一個(gè)靜脈端點(diǎn)。圖10就是按上述方法提取到的靜脈端點(diǎn)。

圖9 靜脈端點(diǎn)提取所用的3×3模板

圖10 提取到的靜脈端點(diǎn)

3.2 靜脈交叉點(diǎn)提取

靜脈交叉點(diǎn)提取時(shí)，可以用3×3模板的中心位置表示靜脈交叉點(diǎn)C，它的像素值為1，見(jiàn)圖11。背景的像素值為0，靜脈的像素值為1，判斷靜脈交叉點(diǎn)的原理是：從C1點(diǎn)到C8點(diǎn)（包括C）按著從左到右、從上到下的順序依次遍歷，查看相鄰兩點(diǎn)像素值是否變化；遍歷完所有像素點(diǎn)后，如整個(gè)過(guò)程變化6次或8次，則C點(diǎn)為一個(gè)靜脈交叉點(diǎn)。第140頁(yè)圖12就是按上述方法提取到的靜脈交叉點(diǎn)。

圖11 靜脈交叉點(diǎn)提取所用的3×3模板

圖12 提取到的靜脈交叉點(diǎn)

3.3 靜脈SURF算法的特征點(diǎn)的提取

通過(guò)對(duì)手背靜脈圖像庫(kù)的圖像提取靜脈特征，可以發(fā)現(xiàn)，由于是在弱約束條件下，圖像受到光照、環(huán)境濕度、環(huán)境相對(duì)溫度、手背清潔度、采集時(shí)間、采集時(shí)手背位置姿態(tài)等因素影響，部分圖像經(jīng)過(guò)圖像分割處理后，提取的靜脈端點(diǎn)和靜脈交叉點(diǎn)的特征點(diǎn)數(shù)量較少，而特征點(diǎn)數(shù)量較少的情況下進(jìn)行識(shí)別，勢(shì)必會(huì)造成識(shí)別率的下降，因此，需要補(bǔ)充其他特征點(diǎn)，以提高靜脈識(shí)別率。SURF算法是Herbert Bay等[6]提出的，具有尺度不變性和旋轉(zhuǎn)不變性的特點(diǎn)，并且算法速度較快，SURF算法是基于近似Hessian矩陣來(lái)實(shí)現(xiàn)的。算法步驟如下。

1）積分圖像：像素點(diǎn)X=（x，y）處的積分圖像為

2）近似Hessian矩陣：圖像中某個(gè)像素點(diǎn)X=（x，y），它在尺度σ上的Hessian矩陣為：

式中：Lxx（X，σ）、Lxy（X，σ）、Lyy（X，σ）分別為高斯偏導(dǎo)數(shù)與圖像I在像素點(diǎn)X處的卷積。

3）尺度空間：SURF算法使用積分圖像和盒狀濾波器，將盒狀濾波器依次與原圖像進(jìn)行卷積，再計(jì)算原圖像中每個(gè)像素點(diǎn)的近似Hessian矩陣的行列值，這樣就實(shí)現(xiàn)了對(duì)原圖像的變換。

4）提取特征點(diǎn)：SURF算法通過(guò)非最大抑制的方法尋找局部區(qū)域的極值點(diǎn)，如像素點(diǎn)X的值是最大的或最小的，定義為一個(gè)候選特征點(diǎn)。圖13中紅色小點(diǎn)就是按上述方法對(duì)原圖（圖8）提取的SURF算法的特征點(diǎn)。從圖13可以看出，SURF算法的特征點(diǎn)豐富，可以明顯增加手背靜脈的特征點(diǎn)數(shù)量。

圖13 SURF算法的特征點(diǎn)

4 多特征融合的匹配算法

手背靜脈識(shí)別最后一個(gè)階段就是靜脈匹配，靜脈匹配過(guò)程就是分類器設(shè)計(jì)的過(guò)程，是模式識(shí)別的關(guān)鍵技術(shù)之一。其設(shè)計(jì)理念就是利用之前處理的所有環(huán)節(jié)獲取到的模式特征，用距離變換的方法，設(shè)計(jì)出穩(wěn)定、高識(shí)別率的分類器。本項(xiàng)目采用是最近鄰模式匹配算法，其原理是：如果有C個(gè)模式類別（ωi，i=1，2，…，C），每類有Ni個(gè)樣本xik（i=1，2，…，C；k=1，2，…，Ni）。那么，可得類的判別函數(shù)為

決策規(guī)則為

5 實(shí)驗(yàn)情況

本文實(shí)驗(yàn)庫(kù)中有60個(gè)手背靜脈樣本，均是在弱約束條件下采集的靜脈圖像，采用MATLAB 2016編程語(yǔ)言處理。按著靜脈特征識(shí)別系統(tǒng)流程開(kāi)發(fā)，處理過(guò)程分為4步：靜脈圖像預(yù)處理、靜脈圖像分割、靜脈特征提取、靜脈特征匹配。

首先是靜脈圖像預(yù)處理，包括靜脈圖像轉(zhuǎn)換、ROI區(qū)域提取、圖像去噪、歸一化處理和圖像增強(qiáng)；其次是靜脈圖像分割，包括獲取最大曲率靜脈圖像的分割圖像，去除孔洞和背景噪聲，修復(fù)手背靜脈圖像，靜脈細(xì)化處理并去除毛刺，獲得靜脈二值圖像；再次是靜脈特征提取，包括提取靜脈端點(diǎn)和靜脈交叉點(diǎn)，但由于部分圖像的靜脈端點(diǎn)和靜脈交叉點(diǎn)數(shù)量有限，識(shí)別準(zhǔn)確性不滿足要求，需要進(jìn)一步豐富靜脈特征，SURF算法的特征具有平移不變性、旋轉(zhuǎn)不變性、縮放不變性和光照不變性，適宜弱約束條件下的靜脈匹配識(shí)別，故融合靜脈的SURF算法的特征作為特征量；最后是靜脈特征匹配，包括靜脈特征的比對(duì)和輸出識(shí)別結(jié)果，本文采用最近鄰模式匹配算法進(jìn)行靜脈特征識(shí)別。實(shí)驗(yàn)結(jié)果見(jiàn)第141頁(yè)表1和表2。

表1 1∶1情況下拒絕識(shí)別結(jié)果

表2 1∶n情況下錯(cuò)誤識(shí)別結(jié)果

通過(guò)融合多個(gè)靜脈特征的提取與匹配實(shí)驗(yàn)，可以發(fā)現(xiàn)，識(shí)別率是比較高的。正是由于SURF算法既有提取圖像局部特征的能力，同時(shí)又有不變性的特點(diǎn)，因而在一定程度上降低了圖像采集過(guò)程中受環(huán)境的影響，并降低了圖像采集過(guò)程中手背的平移變化、尺度變化和旋轉(zhuǎn)變化的敏感性。在弱約束條件下，獲得了較高識(shí)別率。