基于近紅外圖象的靜脈識別算法研究new

1、基于近紅外圖像的靜脈識別算法研究秦斌12，謝寶3，杜戈果4，5，曹廣忠23（1.深圳大學(xué)信息中心，深圳518060；2.深圳傳感技術(shù)重點(diǎn)實(shí)驗(yàn)室，深圳518060；3.深圳大學(xué)機(jī)電與控制工程學(xué)院，深圳518060；4.深圳大學(xué)激光重點(diǎn)實(shí)驗(yàn)室，深圳518060；5.深圳大學(xué)電子科學(xué)與技術(shù)學(xué)院，深圳518060）摘要：傳統(tǒng)的靜脈識別系統(tǒng)由五個(gè)步驟組成：近紅外靜脈圖像采集，圖像增強(qiáng)，靜脈圖像分割，骨架化和模板匹配。在靜脈圖像分割和骨架化的過程當(dāng)

2、中，大量有用的信息（比如靜脈的粗細(xì)）丟失，并引入了噪聲，增加了后期識別過程的復(fù)雜度，降低了識別率.本文通過實(shí)驗(yàn)和分析比較，提出一種基于靜脈圖像不變矩和相關(guān)函數(shù)在決策層通過概率統(tǒng)計(jì)融合的識別方法，在采用實(shí)驗(yàn)室CEC手背靜脈識別儀硬件采集圖像的條件下，該算法實(shí)際EER（EqualErrRate）達(dá)到了3%，實(shí)驗(yàn)結(jié)果表明該算法在識別速度及識別率上滿足一般應(yīng)用要求。從性價(jià)比的角度來看，該算法和傳統(tǒng)算法相比有了明顯的提高，特別適合低成本嵌入式系統(tǒng)

3、中使用.關(guān)鍵詞：近紅外圖像；靜脈識別；不變矩；相關(guān)函數(shù)；權(quán)重融合；中圖分類號：TP391；TP751文獻(xiàn)標(biāo)識碼：A生物識別技術(shù)是利用人體生理特征或行為特征進(jìn)行身份認(rèn)證的一種新興技術(shù)，主要包括指紋識別、虹膜識別、掌紋識別、聲音識別等.作為一種新的生物識別技術(shù)，靜脈識別所采用的生物數(shù)據(jù)是人的靜脈血管信息，它具備很強(qiáng)的普遍性和唯一性，并且在使用的過程中為非接觸式采集，可以在公共場合使用，而不用擔(dān)心衛(wèi)生問題.另外人的靜脈隱藏在皮膚表層，很難偽造

4、或通過手術(shù)改變.[1]人手靜脈識別技術(shù)的原理：參考人體骨骼、肌肉組織的特點(diǎn)[2]當(dāng)入射光波長在0.72~1.10μm時(shí)可較好地穿透骨骼和肌肉人體血液里富含血紅蛋白，血紅蛋白對紅外光的吸收要遠(yuǎn)大于周圍的肌肉和骨骼，靜脈血管的紅外成像區(qū)域較周邊組織影像亮度暗，因此凸現(xiàn)出靜脈結(jié)構(gòu)[34]，通過適當(dāng)?shù)募t外光照射人手特定部位，紅外攝像機(jī)便可獲取清晰的靜脈圖像用于識別個(gè)體.人手靜脈識別技術(shù)是根據(jù)人體骨骼、肌肉組織的特點(diǎn)[2]當(dāng)入射光波長在0.72~

5、1.10μm時(shí)可較好地穿透骨骼和肌肉凸現(xiàn)出靜脈結(jié)構(gòu)[34]由紅外攝像機(jī)獲取靜脈圖像來識別個(gè)體.人體血液里含有血紅蛋白，血紅蛋白的血紅素對紅外光的吸收要遠(yuǎn)大于周圍的肌肉和骨骼，在紅外攝像機(jī)里成像暗的區(qū)域就是我們的靜脈.入射光波長在805nm時(shí)，氧合血紅蛋白和脫氧血紅蛋白的光譜吸收因子相同[5]，理論上成像最為穩(wěn)定，由于市面上850nm的紅外LED比較容易獲得，價(jià)格相對便宜，在應(yīng)用中多使用850nm的LED來做補(bǔ)償光源.傳統(tǒng)的靜脈識別算法是

6、通過對靜脈圖像進(jìn)行歸一化（包括尺度和灰度），二值化（圖像分割），再細(xì)化（骨架化），然后通過特征點(diǎn)或模板進(jìn)行匹配，但在圖像的二值化及細(xì)化的過程當(dāng)中，很多有用的靜脈細(xì)節(jié)信息就被忽略了（如靜脈的粗細(xì)和深淺），并且會引入一些新的噪聲，這樣就會給識別帶來一定的人為誤差.基于此，有關(guān)靜脈識別的新算法近年來不斷出現(xiàn)[613]，本文針對嵌入式應(yīng)用提出一種基于圖像相關(guān)函數(shù)和不變矩在決策層通過概率統(tǒng)計(jì)融合的識別方法，在識別率和實(shí)時(shí)性方面都滿足了實(shí)際應(yīng)用的需

7、求.傳統(tǒng)的靜脈識別算法是通過對靜脈圖像進(jìn)行歸一化（包括尺度和灰度），二值化（圖像分割），再細(xì)化（骨架化），然后通過特征點(diǎn)或模板進(jìn)行匹配，但在圖像的二值化及細(xì)化的過程當(dāng)中，很多有用的靜脈細(xì)節(jié)信息就被忽略了比如說靜脈的粗細(xì)和深淺，并且會引入一些新的噪聲，這樣就會給識別帶來一定的人為誤差.基于此，有關(guān)靜脈識別的新算法近年來不斷出現(xiàn)[613]，本文針對嵌入式應(yīng)用提出一種基于圖像相關(guān)函數(shù)和不變矩相融合的識別方法，在識別率和實(shí)時(shí)性方面都滿足了實(shí)際應(yīng)

8、用的需求.圖2灰度歸一化的靜脈圖Fig.2Graynmalizedveinimage2圖像特征提取21相關(guān)函數(shù)計(jì)算圖像可以看成是個(gè)二維的非平穩(wěn)的隨機(jī)信號，利用隨機(jī)信號的相關(guān)性，對兩幅圖像進(jìn)行相關(guān)處理，并根據(jù)閾值進(jìn)行判定，這種方法比較簡單，計(jì)算的速度很快.將一幅圖像看成一個(gè)隨機(jī)過程X（t）則在工程上稱=(3))21(ttR??)2()1(tXtXE?為相關(guān)函數(shù)[15].其中和表示在圖像矩陣中的灰度值，可以利用相關(guān)函數(shù)的方法來判定兩幅靜脈圖

9、像是否)1(tX)2(tX是同一個(gè)人.相關(guān)函數(shù)是求兩幅圖像相互重疊部分的大小，本實(shí)驗(yàn)中使用的靜脈圖像是隨機(jī)采集的，均為成年人未指定年齡和性別有123名不同的實(shí)驗(yàn)者做了多次的采集.分別對這123名不同實(shí)驗(yàn)者的靜脈樣本利用公式(3)來做相關(guān)函數(shù)的計(jì)算.得出的相關(guān)函數(shù)值分布如表1所示.表1相關(guān)函數(shù)值分布Table1Relevantfunctionvaluedistribution相關(guān)函數(shù)[00.1)[0.10.2)[0.20.3)[0.30.