專利名稱：手指靜脈認(rèn)證系統(tǒng)的靜脈特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于人體生物認(rèn)證領(lǐng)域中的生物特征提取部分，具體涉及手指靜脈圖像靜脈 特征的提取。
背景技術(shù)：
在現(xiàn)代社會(huì)中，隨著計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)的高速發(fā)展，信息安全顯示出前所未有的重 要性。身份鑒定是保證系統(tǒng)安全的必要前提，在金融、國(guó)家安全、司法、電子商務(wù)、電 子政務(wù)等應(yīng)用領(lǐng)域，都需要準(zhǔn)確的身份鑒定。如某人是否有權(quán)進(jìn)入安全區(qū)域(安全系統(tǒng))， 是否有權(quán)進(jìn)行特定交易，是否是本國(guó)居民，為了安全在公司計(jì)算機(jī)網(wǎng)絡(luò)和因特網(wǎng)上單獨(dú) 設(shè)置口令或密鑰進(jìn)行保護(hù)等。當(dāng)前，用于個(gè)人身份鑒別主要依靠ID卡(如身份證、工 作證、智能卡、計(jì)算機(jī)標(biāo)志卡和儲(chǔ)蓄卡等)和密碼等手段，然而這些手段存在攜帶不便、 容易遺失，或者由于使用過(guò)多或不當(dāng)而損壞、不可讀和密碼易被破解等諸多問(wèn)題。因此， 目前廣泛使用的依靠證件、個(gè)人識(shí)別號(hào)碼(Personal identification number, PIN) 、 口令 等傳統(tǒng)方法來(lái)確認(rèn)個(gè)人身份的技術(shù)面臨著嚴(yán)峻的挑戰(zhàn)，并顯得越來(lái)越不適應(yīng)現(xiàn)代科技發(fā) 展和社會(huì)進(jìn)步的需要。人們希望有一種更加方便可靠的辦法來(lái)進(jìn)行身份鑒定。生物特征識(shí)別技術(shù)給這一切 帶來(lái)可能。人們可能會(huì)遺忘或丟失他們的卡片或忘記密碼，但是人們卻不可能遺忘或者 丟失自己的生物特征如人臉、指紋、虹膜、掌紋、靜脈等。在眾多識(shí)別方案中，指紋識(shí) 別是目前最方便、可靠、非侵害和技術(shù)上相對(duì)成熟的生物識(shí)別技術(shù)。然而指紋識(shí)別還有 其自身的不足某些人或群體指紋特征很少，達(dá)不到建檔要求；部分使用者由于指紋磨 損而無(wú)法使用指紋認(rèn)證；每次使用指紋時(shí)會(huì)在指紋采集器上留下用戶的指紋印痕，這些 指紋痕跡存在被復(fù)制利用的可能?；谑种胳o脈的身份認(rèn)證有其獨(dú)特的優(yōu)勢(shì)，有效地解 決了傳統(tǒng)的生物特征識(shí)別技術(shù)所面臨的諸多難題，主要表現(xiàn)在速度高、精度高、安全 等級(jí)高、活體識(shí)別、內(nèi)部特征、非接觸式?？梢?，眾多的生物特征中手指靜脈是較為理想的一種用于身份認(rèn)證的生物特征。同 時(shí)，基于手指靜脈識(shí)別技術(shù)的個(gè)人身份識(shí)別系統(tǒng)是具有高精度、高速度的世界上最尖端 的認(rèn)證技術(shù)。在各種生物認(rèn)證技術(shù)中，因其是利用外部看不到的生物內(nèi)部特征進(jìn)行認(rèn)證 的技術(shù)，所以作為具有高防偽性的第二代生物認(rèn)證技術(shù)備受關(guān)注。
手指靜脈識(shí)別的基礎(chǔ)和關(guān)鍵是手指靜脈圖像特征提取，靜脈特征能否準(zhǔn)確提取直接 關(guān)系到整個(gè)系統(tǒng)的識(shí)別精度。然而，目前現(xiàn)有的手指靜脈特征提取方法較少，且對(duì)一些 低質(zhì)量的靜脈圖像特征提取不夠準(zhǔn)確。發(fā)明內(nèi)容本發(fā)明的目的在于針對(duì)現(xiàn)有特征技術(shù)存在的不足，提出一種手指靜脈認(rèn)證系統(tǒng)的靜 脈圖像中靜脈的特征提取方法，屬于手指靜脈認(rèn)證系統(tǒng)的核心模塊，旨在能夠準(zhǔn)確的提 取圖像中感興趣的靜脈特征，減少提取錯(cuò)誤特征和漏掉真實(shí)特征，同時(shí)可以提高整個(gè)系 統(tǒng)的識(shí)別精度和提高圖像處理速度。本發(fā)明采取的技術(shù)方案是-一種手指靜脈認(rèn)證系統(tǒng)的圖像靜脈特征提取方法是手指靜脈認(rèn)證系統(tǒng)的關(guān)鍵部分， 提取方法的好壞直接影響整個(gè)系統(tǒng)的識(shí)別精度。通過(guò)分析手指靜脈圖像可知，其中靜脈 特征處于圖像上暗的區(qū)域，而背景相對(duì)較亮，然后結(jié)合數(shù)字圖像的知識(shí)，得到靜脈特征 就是在圖像中處于谷形的區(qū)域，如圖3所示。因此，提取靜脈特征就轉(zhuǎn)化為檢測(cè)圖像中 的谷形區(qū)域。為此，設(shè)計(jì)了一種算子來(lái)檢測(cè)該區(qū)域。由于手指靜脈圖像谷形區(qū)域(靜脈 紋路)都有比較清晰的方向場(chǎng)，方向場(chǎng)估計(jì)的準(zhǔn)確性直接決定了圖像增強(qiáng)和分割算法的 效果。為估計(jì)方向場(chǎng)，把靜脈的走向分為8個(gè)方向，如圖2所示，！、1,2，…，8分別代表這8個(gè)方向的位置。然后設(shè)計(jì)一種算子來(lái)檢測(cè)該谷形區(qū)域，即利用8個(gè)方向上的模板算 子對(duì)應(yīng)元素(如圖3所示)對(duì)該點(diǎn)的鄰域內(nèi)的灰度值分別做乘積，然后對(duì)積累加求和(模 板的大小與鄰域的大小相同)。最后把8個(gè)方向上最大的累加和作為該點(diǎn)像素的灰度值， 得到一個(gè)含有靜脈特征的圖像。但是該圖像中的存在有偽靜脈特征和噪聲。接下來(lái)利用 閾值劃分出最可能沒有靜脈的特征區(qū)域(背景區(qū)域)、既含有噪聲和偽靜脈特征的區(qū)域 (模糊區(qū)域)、最可能只有靜脈特征的區(qū)域(目標(biāo)區(qū)域)三個(gè)區(qū)域。然后分別對(duì)每個(gè)區(qū) 域做處理，即去掉對(duì)最可能沒有靜脈的特征區(qū)域、保留最可能只有靜脈特征的區(qū)域、細(xì) 分割既含有噪聲和偽靜脈特征的區(qū)域。由于既含有噪聲和偽靜脈特征的區(qū)域?qū)儆谀：齾^(qū) 域，對(duì)該部分割的分割也是整個(gè)靜脈特征提取的關(guān)鍵。對(duì)這部分的處理，首先要對(duì)模糊 部分進(jìn)行清晰化，這樣能降低該部分的噪聲和剔除偽靜脈且有利于閾值分割。然后進(jìn)行 閾值分割，但不能利用單一的閾值來(lái)分割圖像，這樣將會(huì)產(chǎn)生去掉噪聲和偽靜脈特征的 同時(shí)丟失一些靜脈特征信息。解決的辦法是采用多閾值分割方法。 對(duì)每個(gè)區(qū)域的處理具體方法如下 (1)去掉最可能沒有靜脈的特征區(qū)域，即去掉明顯為非靜脈特征的象素點(diǎn)。首先，
由于經(jīng)過(guò)作乘積，然后對(duì)積累加求和使谷形區(qū)域的像素灰度值大于0，平坦的區(qū)域?yàn)閛， 而成凸形的區(qū)域小于o。那么，大于零的灰度值對(duì)應(yīng)的像素點(diǎn)一定為靜脈特征，其值不變，而小于等于零的點(diǎn)為非靜脈特征。取閾值為零，進(jìn)行第一次分割。(2) 保留最可能只有靜脈特征的區(qū)域，即保留明顯為靜脈特征的像素點(diǎn)。經(jīng)過(guò)第 一步處理以后，圖像中的特征大部分為靜脈特征，但也存在偽靜脈特征和噪聲。通過(guò)取 合適的閾值就可以把明顯的靜脈特征保留。大于該閾值的灰度值置為閾值，小于閾值的灰度值不變。(3) 模糊部分清晰化。由于經(jīng)過(guò)前兩步的處理后，偽靜脈特征和噪聲主要存在于 該模糊部分中，因此在分割之前，首先必需降低模糊部分的模糊度，即使模糊部分清晰 化。這樣可以進(jìn)一步降低噪聲和剔除偽靜脈，且有利于下一步準(zhǔn)確分割。其做法是對(duì) 單層模糊增強(qiáng)算法進(jìn)行改進(jìn)，提出了一種區(qū)域模糊增強(qiáng)算法，(1)對(duì)原圖像按公式(Gmy(w，")表示像素(附，")處的灰度值，l表示最大灰度級(jí)， 尺一l表示表示變換到模糊平面中點(diǎn)(m，w)處的值。)進(jìn)行模糊特征提取，得到圖像的模糊特征 平面；(2)在模糊特征平面上，對(duì)模糊特征按增強(qiáng)公式<formula>formula see original document page 7</formula>("'^表示經(jīng)過(guò)增強(qiáng)后模糊特征平面上
(m, n)處的值，7;"表示窗口內(nèi)所有元素的均值，^表示增強(qiáng)參數(shù)，)進(jìn)行對(duì)比度增強(qiáng)變 換，得到增強(qiáng)后的模糊特征平面，即用(2p+l)x(2p+l)窗口 (大小可以選擇)依次遍歷 模糊特征平面中的點(diǎn)，計(jì)算該點(diǎn)(2p+l)x(2p+l)窗口內(nèi)的均值作為中心點(diǎn)的閾值，如果中心點(diǎn)的灰度值大于該閾值，則利用增強(qiáng)公式將其值增大，反之，則將其值減小，從而 降低模糊度，達(dá)到增強(qiáng)的目的；(3)對(duì)新的模糊特征平面按變換公式 <formula>formula see original document page 7</formula>(M細(xì)表示經(jīng)過(guò)增強(qiáng)后模糊特征平面上(附,")處的值，Gray(m,n)得到增強(qiáng)后的灰度值)進(jìn)行逆變換，得出相應(yīng)的增強(qiáng)后的輸出圖像。(4)對(duì)模糊部分的閾值分割。這是整個(gè)靜脈特征提取得關(guān)鍵部分，采用區(qū)域 NiBlack,即灰度圖像的閾值選取方法，在每個(gè)點(diǎn)一定大小的鄰域內(nèi)利用NiBlack方法
計(jì)算該點(diǎn)的閾值，使圖像中每個(gè)點(diǎn)都有一個(gè)閾值，然后分別利用每個(gè)閾值進(jìn)行分割，最 終得到靜脈特征。本發(fā)明可以準(zhǔn)確的提取手指靜脈的特征，特別對(duì)于一些低質(zhì)量手指靜脈圖像的特征 提取非常有效。同時(shí)可以提高整個(gè)系統(tǒng)的識(shí)別精度和提高圖像處理速度。


圖l.本發(fā)明的流程示意圖。 圖2. 8個(gè)靜脈脊線方向示意圖。 圖3. 8個(gè)靜脈脊線方向示意圖。其中圖3a是截面部分的灰度坐標(biāo)圖；圖3b是橫截面在指靜脈圖像中的位置示意圖；圖4是各方向的算子；其中圖4a是0。(水平)方向算子；圖41)是157.5°方向算子；圖4c是135^方向算子；圖4d是 112.5°方向算子；圖4e是卯a(chǎn)方向算子；圖4煶67.5°方向算子；圖4g是450方向算子；圖4h 是22.5^方向算子
具體實(shí)施例方式
一般的手指靜脈圖像都有比較清晰的方向場(chǎng)，方向場(chǎng)估計(jì)的準(zhǔn)確性直接決定了圖像 增強(qiáng)和分割算法的效果。為估計(jì)方向場(chǎng)，把靜脈的走向分為8個(gè)方向，如圖2所示。結(jié)合圖l，手指靜脈圖像特征提取方法如下
Stepl:提取谷形區(qū)域
對(duì)于手指圖像的每一個(gè)像素，為了確定在該像素處脊線的方向，在以該像素為中心的9x9窗口內(nèi)，分別計(jì)算與之對(duì)應(yīng)8個(gè)方向上算子(如圖4所示)的乘積累加和 Fgray(!') (!' = 1，2，...， 8)。然后得到這8個(gè)方向上的最大累加和Gmax。G max=Max (Fgr炒(/) ) (1)i然后用最大值Gmax作為該點(diǎn)的灰度值。w) = G max ; (2)式中OW(W，")表示像素(W，")處的灰度值。 St印2:閾值分割Step 2.1:進(jìn)行第一次閾值分割lo 否則
Step 2.2:進(jìn)行第二次閾值分割<formula>formula see original document page 9</formula>(4)iGray(m,") 否則式中G附ea"表示圖像中非零元素的平均值；sw/n(Gra力和M/;w分別表示圖像中非零元素的和與個(gè)數(shù)。St印23:模糊增強(qiáng)經(jīng)過(guò)前兩次分割后，這時(shí)圖像中灰度值范圍為
，該區(qū)域的值存在偽靜脈 特征的可能性非常大，屬于模糊區(qū)域，可以用模糊算子增強(qiáng)。其算法如下-(1) 計(jì)算隸屬度，即"柳=G(Gray (附,w) ) = ~~~ (5)A — 1(2) 計(jì)算(2p+l)x(2p+l)窗口內(nèi)所有元素的均值7;"(3) 在(2P+"x(2P+i)窗口內(nèi)計(jì)算調(diào)整后的像素灰度隸屬度"/mz及其灰度值Gra^O，w)'，其數(shù)學(xué)表達(dá)式為、2r Z T/WWl-" y (6)腳(4) 0<^(附，")'=(夂一1)"卿 (7)其中，《-l表示最大灰度級(jí) Step 2.4:進(jìn)行第3次閾值分割采用(2p+l)x(2p+l)窗口在原圖像上滑動(dòng)，該窗口中心像素點(diǎn)灰度值為G y(w，")'，則該窗口內(nèi)所有像素值構(gòu)成如下集合S(i ， JHGray(m+k， n+l)'|k， l;p...，l， 0, l..',p} 求出該窗口中所有像素的平均值A(chǔ)verage(S(m,n))和方差cr(m，n)，計(jì)算公式如下<formula>formula see original document page 9</formula>(8)<formula>formula see original document page 10</formula>利用方差和均值得到分割閾值7X附，")") = Average(S(m, n))+or x cr(m ， n)這樣圖像中每個(gè)像素點(diǎn)都有一個(gè)閾值。然后分別利用每個(gè)閾值進(jìn)行二值化為<formula>formula see original document page 10</formula>否則得到最終只含靜脈特征的圖像Gm
權(quán)利要求
1、一種手指靜脈認(rèn)證系統(tǒng)的靜脈特征提取方法，其特征在于它包括以下步驟(1)檢測(cè)手指靜脈圖像的谷形區(qū)域?qū)τ谑种胳o脈圖像的每一個(gè)像素，在以該像素為中心的9×9窗口內(nèi)，把靜脈的走向分為8個(gè)方向，然后根據(jù)8個(gè)方向設(shè)計(jì)8個(gè)谷形檢測(cè)算子；利用8個(gè)方向的谷形檢測(cè)算子分別對(duì)每個(gè)像素點(diǎn)9×9的鄰域內(nèi)的點(diǎn)相乘，然后對(duì)積累加求和，最后將最大的累加和作為該點(diǎn)像素的灰度值，得到一個(gè)圖像，其中大于零的值處于谷形區(qū)域，小于等于零的值處于非谷形區(qū)域；(2)閾值分割將得到的圖像劃分為三個(gè)區(qū)域，即最可能沒有靜脈的特征區(qū)域、含有噪聲和偽靜脈特征的區(qū)域即模糊區(qū)域以及最可能只有靜脈特征的區(qū)域；然后利用閾值劃分出這三個(gè)區(qū)域，最后分別對(duì)每個(gè)區(qū)域做處理，具體步驟如下第一步，去掉對(duì)最可能沒有靜脈的特征區(qū)域，即去掉明顯為非靜脈特征的像素點(diǎn)；首先，取閾值為零，進(jìn)行第一次分割，即大于等于零的灰度值保持不變，小于零的灰度值置為零；第二步，保留最可能只有靜脈特征的區(qū)域，即保留明顯為靜脈特征的像素點(diǎn)；取圖像中所有非零像素點(diǎn)灰度值的平均值作為分割閾值，進(jìn)行第二次分割，即令其大于閾值的像素點(diǎn)的灰度值等于閾值，小于閾值的灰度值保持不變；第三步，模糊部分清晰化經(jīng)過(guò)前兩次分割后，這時(shí)圖像中灰度值范圍為
，該區(qū)域的值存在偽靜脈特征的可能性非常大，屬于模糊區(qū)域，用區(qū)域模糊增強(qiáng)算法進(jìn)行增強(qiáng)；第四步，對(duì)模糊部分的閾值分割采用區(qū)域NiBlack，即灰度圖像的閾值選取方法，在每個(gè)點(diǎn)一定大小的鄰域內(nèi)利用NiBlack方法計(jì)算該點(diǎn)的閾值，使圖像中每個(gè)點(diǎn)都有一個(gè)閾值，然后分別利用每個(gè)閾值進(jìn)行分割，最終得到靜脈特征。
全文摘要
本發(fā)明涉及一種手指靜脈認(rèn)證系統(tǒng)的圖像靜脈特征提取方法，它首先提取手指靜脈圖像的谷形區(qū)域，對(duì)于手指靜脈圖像的每一個(gè)像素，在以該像素為中心的9×9窗口內(nèi)，把靜脈的走向分為8個(gè)方向，然后根據(jù)8個(gè)方向設(shè)計(jì)8個(gè)谷形檢測(cè)算子，分別對(duì)每個(gè)像素點(diǎn)9×9的鄰域內(nèi)的點(diǎn)相乘，然后對(duì)積累加求和，最后將最大的累加和作為該點(diǎn)像素的灰度值，得到一個(gè)圖像；但是該圖像中的特征存在偽靜脈特征和噪聲，接下來(lái)對(duì)該矩陣進(jìn)行閾值分割，最后得到提取靜脈特征。本發(fā)明在能夠準(zhǔn)確的提取圖像中感興趣的靜脈特征，減少提取錯(cuò)誤特征和漏掉真實(shí)特征，同時(shí)可以提高整個(gè)系統(tǒng)的識(shí)別精度和提高圖像處理速度。
文檔編號(hào)G06K9/00GK101162504SQ20071009305
公開日2008年4月16日 申請(qǐng)日期2007年11月27日 優(yōu)先權(quán)日2007年11月27日
發(fā)明者余成波, 睿 張, 秦華鋒 申請(qǐng)人:重慶工學(xué)院