基于像素點檢測的手指靜脈特征提取算法的研究

陳暄　張軍　游林

摘要：近年來手指靜脈特征技術(shù)已經(jīng)成為了信息安全技術(shù)中的一種新的技術(shù)，該文在分析了靜脈特征分析方法的基礎(chǔ)上，對圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析，然后通過設(shè)定的將這些區(qū)域進(jìn)行區(qū)分，最后通過動態(tài)閾值法分割出手指靜脈特征。仿真實驗證明，該文的算法有效提取手指靜脈特征，與其他算法相比具有較低的誤碼率和較高識別率。

關(guān)鍵詞：手指靜脈；像素點

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）16-3876-03

信息安全一直以來都是人們研究的重點，如何能夠最大限度的保證個人信息是當(dāng)前急需解決的問題，生物特征識別技術(shù)是最近幾年在發(fā)展起來的安全技術(shù)之一，它主要是利用生物特征采集裝置與計算機(jī)技術(shù)，對于人體特有的生理特征進(jìn)行個人身份鑒別，主要基于生理特征生物方面主要包含了指紋，人臉，虹膜，手指靜脈等特征，在目前生物特征識別中，指紋識別體表特征識別，容易存在損害，容易偽造的缺點；人臉識別具有一定的優(yōu)點，但容易受到年齡，易容，易損失等不足，識別精度收到限制，虹膜識別雖然具有的一定優(yōu)越性，但是由于采集設(shè)備造價高，無法適應(yīng)進(jìn)行面向基層推廣。經(jīng)過醫(yī)學(xué)研究證明，人具有唯一的手指靜脈紋路，因此，手指靜脈識別技術(shù)作為一種新的生物特征識別技術(shù)受到越來越多人的重視[1]。

手指靜脈識別是一種新穎的識別技術(shù)，主要是通過隱藏在人體手指腹部的靜脈血管進(jìn)行身份識別。文獻(xiàn)[2]提出了手指靜脈圖像質(zhì)量評價方法.在分析人類視覺系統(tǒng)（HVS）性能的基礎(chǔ)上，將圖像有效區(qū)域、對比度、位置偏移度、模糊度、信息熵作為評價手指靜脈圖像質(zhì)量的參數(shù).并綜合分析這些參數(shù)，加權(quán)獲得靜脈圖像總質(zhì)量評價函數(shù).實驗表明，得到了與主觀評價結(jié)果相一致的客觀評價值。文獻(xiàn)[3]提出一種基于Fisher準(zhǔn)則的手指靜脈融合算法.首先對手指靜脈圖像進(jìn)行特征點提取，分別計算待匹配圖像特征點與注冊圖像特征點的正向平均豪斯道夫距離（FMHD）和反向平均豪斯道夫距離（RMHD），然后基于Fisher準(zhǔn)則確定FMHD和RMHD的融合參數(shù)，將融合得到的豪斯道夫距離作為新的匹配分?jǐn)?shù)；在上述算法的基礎(chǔ)上，將得到的食指、中指和無名指3根手指靜脈的匹配分?jǐn)?shù)進(jìn)行融合，以進(jìn)一步提高手指靜脈的識別率.實驗結(jié)果表明，與通常采用的FMHD相比，采用融合后的豪斯道夫距離的誤識率有明顯降低；而采用三指靜脈融合后，誤識率由單個手指的1.95%降低到0.27%。文獻(xiàn)[4]提出了基于手指指尖點的旋轉(zhuǎn)定位方法，改進(jìn)了基于方向模板和局部動態(tài)閾值分割提取靜脈特征的方法并用改進(jìn)Hausdorff距離（MHD）距離進(jìn)行匹配驗證。實驗結(jié)果表明，同一根手指的圖片可以達(dá)到0.75%的等誤率，正確識別率達(dá)97.25%，對實際手指靜脈身份識別產(chǎn)品的開發(fā)具有一定的現(xiàn)實意義。文獻(xiàn)[5]提出一種直接基于子圖像向量的線性鑒別分析方法，即模塊PCA手指靜脈特征提取算法。上述算法通過對圖像進(jìn)行分塊，利用PCA對分塊得到的子圖進(jìn)行鑒別分析。由于使用子圖像矩陣，能有效地抽取圖像的局部特征，避免使用奇異值分解理論，過程簡便。實驗結(jié)果表明，所提出的方法在識別性能上明顯優(yōu)于傳統(tǒng)PCA算法和小波矩融合PCA方法，識別率得到了有效的提高。文獻(xiàn)[6]提出通過計算手指輪廓線的主方向和末節(jié)關(guān)節(jié)腔位置對手指擺放位置的隨機(jī)變化進(jìn)行校正，并初步定位分割出手指靜脈感興趣區(qū)域。運用迭代優(yōu)化方法實現(xiàn)手指靜脈感興趣區(qū)域分割結(jié)果的精確提取。在小型數(shù)據(jù)集上進(jìn)行實驗的結(jié)果表明：該方法得到的感興趣區(qū)域具有較好的聚類特性。說明該方法能夠有效地從同一手指姿態(tài)變化的多幅靜脈圖像中定位并分割出相似度較高的感興趣區(qū)域。

從實際出發(fā)由于受到了諸多條件的限制。采集到的手指靜脈圖像存在質(zhì)量比較差，特特征無法提取的情況，在一定程度上影響了識別率。該文針對這些問題，該文在分析了靜脈特征分析方法的基礎(chǔ)上，對圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析，然后通過設(shè)定的將這些區(qū)域進(jìn)行區(qū)分，最后通過動態(tài)閾值法分割出手指靜脈特征。仿真實驗證明，該文的算法有效提取手指靜脈特征，與其他算法相比具有較低的誤碼率和較高識別率。

1 手指靜脈算法基本簡介

1.1 Niblack算法

Niblack算法是一種經(jīng)典分割算法，其算法過程如下：

1） 對于圖像[f]中的一個坐標(biāo)為[（x，y）]的像素點。利用式（1）和（2）計算出該像素點在向來區(qū)域內(nèi)的均值和方差。

[m（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f（i，j）] （1）

[s（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2（i，j）] （2）

2） 通過公式（3）來計算出像素點中的坐標(biāo)閾值。

[T（x，y）=m（x，y）+k×s（x，y）] （3）

該算法優(yōu)點是算法結(jié)構(gòu)簡單，容易實現(xiàn)并且運行速度快。缺點是難以處理質(zhì)量相對低的圖像。

1.2 重復(fù)線性追蹤法

該算法主要是采用手指靜脈的形狀以及手指靜脈橫截面呈谷形分布的特點來進(jìn)行追蹤，該算法的思想是：

1）在靜脈圖像中隨機(jī)選取一個追蹤點，記為[Pc]。

2） 以[Pc]為圓心，[r]為半徑畫圓。設(shè)定[P]點是該圓上的一個像素點，計算[P]點的谷形深度[R=f（S）+f（T）-2f（P）]，其中[f（S）]，[f（T）]和[f（P）]分別表示點[S]、[T]和[P]的灰度值。

3） 檢測該圓上的灰度分布曲線。存在呈谷形的分布曲線，則[Pc]屬于靜脈區(qū)域。并選擇橫截面谷形深度值最大的像素點為下一個跟蹤點并回到，然后不檢測[Pc]處的灰度分布曲線。

該算法可以很好的彌補(bǔ)1.1節(jié)中無法從低質(zhì)量的手指靜脈中提取圖像的現(xiàn)象，但缺點如下，所提取的靜脈紋路不夠光滑，算法的運行速度較慢。

2 基于像素點檢測的靜脈特征提取算法

2.1 算法的基本原理

在手指靜脈圖像中，像素點與手指靜脈的位置關(guān)系非常只能更要。當(dāng)手掌的橫截面的半徑取適當(dāng)大小時，就會出現(xiàn)來自多個方向的橫截面分布曲線。因此對于圖像中像素點來說，選擇三個方向以上的橫截面灰度分布曲線呈現(xiàn)出谷型，就認(rèn)定為靜脈像素點，并做下一步的處理。

參考文獻(xiàn)：

[1] 王科俊.手指靜脈圖像質(zhì)量評價[J].系統(tǒng)智能學(xué)報，2011，6（4）：324-327.

[2] 金懷國.基于Fisher準(zhǔn)則的多指靜脈融合[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)，2013.25（2）：183-187.

[3] 湯露.對抗圖像旋轉(zhuǎn)的手指靜脈身份識別新算法的設(shè)計[J].計算機(jī)應(yīng)用，2012，32（11）：3193-3197.

[4] 李柳柏.改進(jìn)的手指靜脈圖像識別算法仿真研究[J].計算機(jī)仿真，2011，28（3）：310-312.

[5] 楊金鋒.手指靜脈圖像感興趣區(qū)域提取方法研究[J].山東大學(xué)學(xué)報（自然科學(xué)版），2012，42（3）：6-11.endprint

摘要：近年來手指靜脈特征技術(shù)已經(jīng)成為了信息安全技術(shù)中的一種新的技術(shù)，該文在分析了靜脈特征分析方法的基礎(chǔ)上，對圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析，然后通過設(shè)定的將這些區(qū)域進(jìn)行區(qū)分，最后通過動態(tài)閾值法分割出手指靜脈特征。仿真實驗證明，該文的算法有效提取手指靜脈特征，與其他算法相比具有較低的誤碼率和較高識別率。

關(guān)鍵詞：手指靜脈；像素點

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）16-3876-03

信息安全一直以來都是人們研究的重點，如何能夠最大限度的保證個人信息是當(dāng)前急需解決的問題，生物特征識別技術(shù)是最近幾年在發(fā)展起來的安全技術(shù)之一，它主要是利用生物特征采集裝置與計算機(jī)技術(shù)，對于人體特有的生理特征進(jìn)行個人身份鑒別，主要基于生理特征生物方面主要包含了指紋，人臉，虹膜，手指靜脈等特征，在目前生物特征識別中，指紋識別體表特征識別，容易存在損害，容易偽造的缺點；人臉識別具有一定的優(yōu)點，但容易受到年齡，易容，易損失等不足，識別精度收到限制，虹膜識別雖然具有的一定優(yōu)越性，但是由于采集設(shè)備造價高，無法適應(yīng)進(jìn)行面向基層推廣。經(jīng)過醫(yī)學(xué)研究證明，人具有唯一的手指靜脈紋路，因此，手指靜脈識別技術(shù)作為一種新的生物特征識別技術(shù)受到越來越多人的重視[1]。

手指靜脈識別是一種新穎的識別技術(shù)，主要是通過隱藏在人體手指腹部的靜脈血管進(jìn)行身份識別。文獻(xiàn)[2]提出了手指靜脈圖像質(zhì)量評價方法.在分析人類視覺系統(tǒng)（HVS）性能的基礎(chǔ)上，將圖像有效區(qū)域、對比度、位置偏移度、模糊度、信息熵作為評價手指靜脈圖像質(zhì)量的參數(shù).并綜合分析這些參數(shù)，加權(quán)獲得靜脈圖像總質(zhì)量評價函數(shù).實驗表明，得到了與主觀評價結(jié)果相一致的客觀評價值。文獻(xiàn)[3]提出一種基于Fisher準(zhǔn)則的手指靜脈融合算法.首先對手指靜脈圖像進(jìn)行特征點提取，分別計算待匹配圖像特征點與注冊圖像特征點的正向平均豪斯道夫距離（FMHD）和反向平均豪斯道夫距離（RMHD），然后基于Fisher準(zhǔn)則確定FMHD和RMHD的融合參數(shù)，將融合得到的豪斯道夫距離作為新的匹配分?jǐn)?shù)；在上述算法的基礎(chǔ)上，將得到的食指、中指和無名指3根手指靜脈的匹配分?jǐn)?shù)進(jìn)行融合，以進(jìn)一步提高手指靜脈的識別率.實驗結(jié)果表明，與通常采用的FMHD相比，采用融合后的豪斯道夫距離的誤識率有明顯降低；而采用三指靜脈融合后，誤識率由單個手指的1.95%降低到0.27%。文獻(xiàn)[4]提出了基于手指指尖點的旋轉(zhuǎn)定位方法，改進(jìn)了基于方向模板和局部動態(tài)閾值分割提取靜脈特征的方法并用改進(jìn)Hausdorff距離（MHD）距離進(jìn)行匹配驗證。實驗結(jié)果表明，同一根手指的圖片可以達(dá)到0.75%的等誤率，正確識別率達(dá)97.25%，對實際手指靜脈身份識別產(chǎn)品的開發(fā)具有一定的現(xiàn)實意義。文獻(xiàn)[5]提出一種直接基于子圖像向量的線性鑒別分析方法，即模塊PCA手指靜脈特征提取算法。上述算法通過對圖像進(jìn)行分塊，利用PCA對分塊得到的子圖進(jìn)行鑒別分析。由于使用子圖像矩陣，能有效地抽取圖像的局部特征，避免使用奇異值分解理論，過程簡便。實驗結(jié)果表明，所提出的方法在識別性能上明顯優(yōu)于傳統(tǒng)PCA算法和小波矩融合PCA方法，識別率得到了有效的提高。文獻(xiàn)[6]提出通過計算手指輪廓線的主方向和末節(jié)關(guān)節(jié)腔位置對手指擺放位置的隨機(jī)變化進(jìn)行校正，并初步定位分割出手指靜脈感興趣區(qū)域。運用迭代優(yōu)化方法實現(xiàn)手指靜脈感興趣區(qū)域分割結(jié)果的精確提取。在小型數(shù)據(jù)集上進(jìn)行實驗的結(jié)果表明：該方法得到的感興趣區(qū)域具有較好的聚類特性。說明該方法能夠有效地從同一手指姿態(tài)變化的多幅靜脈圖像中定位并分割出相似度較高的感興趣區(qū)域。

從實際出發(fā)由于受到了諸多條件的限制。采集到的手指靜脈圖像存在質(zhì)量比較差，特特征無法提取的情況，在一定程度上影響了識別率。該文針對這些問題，該文在分析了靜脈特征分析方法的基礎(chǔ)上，對圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析，然后通過設(shè)定的將這些區(qū)域進(jìn)行區(qū)分，最后通過動態(tài)閾值法分割出手指靜脈特征。仿真實驗證明，該文的算法有效提取手指靜脈特征，與其他算法相比具有較低的誤碼率和較高識別率。

1 手指靜脈算法基本簡介

1.1 Niblack算法

Niblack算法是一種經(jīng)典分割算法，其算法過程如下：

1） 對于圖像[f]中的一個坐標(biāo)為[（x，y）]的像素點。利用式（1）和（2）計算出該像素點在向來區(qū)域內(nèi)的均值和方差。

[m（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f（i，j）] （1）

[s（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2（i，j）] （2）

2） 通過公式（3）來計算出像素點中的坐標(biāo)閾值。

[T（x，y）=m（x，y）+k×s（x，y）] （3）

該算法優(yōu)點是算法結(jié)構(gòu)簡單，容易實現(xiàn)并且運行速度快。缺點是難以處理質(zhì)量相對低的圖像。

1.2 重復(fù)線性追蹤法

該算法主要是采用手指靜脈的形狀以及手指靜脈橫截面呈谷形分布的特點來進(jìn)行追蹤，該算法的思想是：

1）在靜脈圖像中隨機(jī)選取一個追蹤點，記為[Pc]。

2） 以[Pc]為圓心，[r]為半徑畫圓。設(shè)定[P]點是該圓上的一個像素點，計算[P]點的谷形深度[R=f（S）+f（T）-2f（P）]，其中[f（S）]，[f（T）]和[f（P）]分別表示點[S]、[T]和[P]的灰度值。

3） 檢測該圓上的灰度分布曲線。存在呈谷形的分布曲線，則[Pc]屬于靜脈區(qū)域。并選擇橫截面谷形深度值最大的像素點為下一個跟蹤點并回到，然后不檢測[Pc]處的灰度分布曲線。

該算法可以很好的彌補(bǔ)1.1節(jié)中無法從低質(zhì)量的手指靜脈中提取圖像的現(xiàn)象，但缺點如下，所提取的靜脈紋路不夠光滑，算法的運行速度較慢。

2 基于像素點檢測的靜脈特征提取算法

2.1 算法的基本原理

在手指靜脈圖像中，像素點與手指靜脈的位置關(guān)系非常只能更要。當(dāng)手掌的橫截面的半徑取適當(dāng)大小時，就會出現(xiàn)來自多個方向的橫截面分布曲線。因此對于圖像中像素點來說，選擇三個方向以上的橫截面灰度分布曲線呈現(xiàn)出谷型，就認(rèn)定為靜脈像素點，并做下一步的處理。

參考文獻(xiàn)：

[1] 王科俊.手指靜脈圖像質(zhì)量評價[J].系統(tǒng)智能學(xué)報，2011，6（4）：324-327.

[2] 金懷國.基于Fisher準(zhǔn)則的多指靜脈融合[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)，2013.25（2）：183-187.

[3] 湯露.對抗圖像旋轉(zhuǎn)的手指靜脈身份識別新算法的設(shè)計[J].計算機(jī)應(yīng)用，2012，32（11）：3193-3197.

[4] 李柳柏.改進(jìn)的手指靜脈圖像識別算法仿真研究[J].計算機(jī)仿真，2011，28（3）：310-312.

[5] 楊金鋒.手指靜脈圖像感興趣區(qū)域提取方法研究[J].山東大學(xué)學(xué)報（自然科學(xué)版），2012，42（3）：6-11.endprint

摘要：近年來手指靜脈特征技術(shù)已經(jīng)成為了信息安全技術(shù)中的一種新的技術(shù)，該文在分析了靜脈特征分析方法的基礎(chǔ)上，對圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析，然后通過設(shè)定的將這些區(qū)域進(jìn)行區(qū)分，最后通過動態(tài)閾值法分割出手指靜脈特征。仿真實驗證明，該文的算法有效提取手指靜脈特征，與其他算法相比具有較低的誤碼率和較高識別率。

關(guān)鍵詞：手指靜脈；像素點

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）16-3876-03

信息安全一直以來都是人們研究的重點，如何能夠最大限度的保證個人信息是當(dāng)前急需解決的問題，生物特征識別技術(shù)是最近幾年在發(fā)展起來的安全技術(shù)之一，它主要是利用生物特征采集裝置與計算機(jī)技術(shù)，對于人體特有的生理特征進(jìn)行個人身份鑒別，主要基于生理特征生物方面主要包含了指紋，人臉，虹膜，手指靜脈等特征，在目前生物特征識別中，指紋識別體表特征識別，容易存在損害，容易偽造的缺點；人臉識別具有一定的優(yōu)點，但容易受到年齡，易容，易損失等不足，識別精度收到限制，虹膜識別雖然具有的一定優(yōu)越性，但是由于采集設(shè)備造價高，無法適應(yīng)進(jìn)行面向基層推廣。經(jīng)過醫(yī)學(xué)研究證明，人具有唯一的手指靜脈紋路，因此，手指靜脈識別技術(shù)作為一種新的生物特征識別技術(shù)受到越來越多人的重視[1]。

手指靜脈識別是一種新穎的識別技術(shù)，主要是通過隱藏在人體手指腹部的靜脈血管進(jìn)行身份識別。文獻(xiàn)[2]提出了手指靜脈圖像質(zhì)量評價方法.在分析人類視覺系統(tǒng)（HVS）性能的基礎(chǔ)上，將圖像有效區(qū)域、對比度、位置偏移度、模糊度、信息熵作為評價手指靜脈圖像質(zhì)量的參數(shù).并綜合分析這些參數(shù)，加權(quán)獲得靜脈圖像總質(zhì)量評價函數(shù).實驗表明，得到了與主觀評價結(jié)果相一致的客觀評價值。文獻(xiàn)[3]提出一種基于Fisher準(zhǔn)則的手指靜脈融合算法.首先對手指靜脈圖像進(jìn)行特征點提取，分別計算待匹配圖像特征點與注冊圖像特征點的正向平均豪斯道夫距離（FMHD）和反向平均豪斯道夫距離（RMHD），然后基于Fisher準(zhǔn)則確定FMHD和RMHD的融合參數(shù)，將融合得到的豪斯道夫距離作為新的匹配分?jǐn)?shù)；在上述算法的基礎(chǔ)上，將得到的食指、中指和無名指3根手指靜脈的匹配分?jǐn)?shù)進(jìn)行融合，以進(jìn)一步提高手指靜脈的識別率.實驗結(jié)果表明，與通常采用的FMHD相比，采用融合后的豪斯道夫距離的誤識率有明顯降低；而采用三指靜脈融合后，誤識率由單個手指的1.95%降低到0.27%。文獻(xiàn)[4]提出了基于手指指尖點的旋轉(zhuǎn)定位方法，改進(jìn)了基于方向模板和局部動態(tài)閾值分割提取靜脈特征的方法并用改進(jìn)Hausdorff距離（MHD）距離進(jìn)行匹配驗證。實驗結(jié)果表明，同一根手指的圖片可以達(dá)到0.75%的等誤率，正確識別率達(dá)97.25%，對實際手指靜脈身份識別產(chǎn)品的開發(fā)具有一定的現(xiàn)實意義。文獻(xiàn)[5]提出一種直接基于子圖像向量的線性鑒別分析方法，即模塊PCA手指靜脈特征提取算法。上述算法通過對圖像進(jìn)行分塊，利用PCA對分塊得到的子圖進(jìn)行鑒別分析。由于使用子圖像矩陣，能有效地抽取圖像的局部特征，避免使用奇異值分解理論，過程簡便。實驗結(jié)果表明，所提出的方法在識別性能上明顯優(yōu)于傳統(tǒng)PCA算法和小波矩融合PCA方法，識別率得到了有效的提高。文獻(xiàn)[6]提出通過計算手指輪廓線的主方向和末節(jié)關(guān)節(jié)腔位置對手指擺放位置的隨機(jī)變化進(jìn)行校正，并初步定位分割出手指靜脈感興趣區(qū)域。運用迭代優(yōu)化方法實現(xiàn)手指靜脈感興趣區(qū)域分割結(jié)果的精確提取。在小型數(shù)據(jù)集上進(jìn)行實驗的結(jié)果表明：該方法得到的感興趣區(qū)域具有較好的聚類特性。說明該方法能夠有效地從同一手指姿態(tài)變化的多幅靜脈圖像中定位并分割出相似度較高的感興趣區(qū)域。

從實際出發(fā)由于受到了諸多條件的限制。采集到的手指靜脈圖像存在質(zhì)量比較差，特特征無法提取的情況，在一定程度上影響了識別率。該文針對這些問題，該文在分析了靜脈特征分析方法的基礎(chǔ)上，對圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析，然后通過設(shè)定的將這些區(qū)域進(jìn)行區(qū)分，最后通過動態(tài)閾值法分割出手指靜脈特征。仿真實驗證明，該文的算法有效提取手指靜脈特征，與其他算法相比具有較低的誤碼率和較高識別率。

1 手指靜脈算法基本簡介

1.1 Niblack算法

Niblack算法是一種經(jīng)典分割算法，其算法過程如下：

1） 對于圖像[f]中的一個坐標(biāo)為[（x，y）]的像素點。利用式（1）和（2）計算出該像素點在向來區(qū)域內(nèi)的均值和方差。

[m（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f（i，j）] （1）

[s（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2（i，j）] （2）

2） 通過公式（3）來計算出像素點中的坐標(biāo)閾值。

[T（x，y）=m（x，y）+k×s（x，y）] （3）

該算法優(yōu)點是算法結(jié)構(gòu)簡單，容易實現(xiàn)并且運行速度快。缺點是難以處理質(zhì)量相對低的圖像。

1.2 重復(fù)線性追蹤法

該算法主要是采用手指靜脈的形狀以及手指靜脈橫截面呈谷形分布的特點來進(jìn)行追蹤，該算法的思想是：

1）在靜脈圖像中隨機(jī)選取一個追蹤點，記為[Pc]。

2） 以[Pc]為圓心，[r]為半徑畫圓。設(shè)定[P]點是該圓上的一個像素點，計算[P]點的谷形深度[R=f（S）+f（T）-2f（P）]，其中[f（S）]，[f（T）]和[f（P）]分別表示點[S]、[T]和[P]的灰度值。

3） 檢測該圓上的灰度分布曲線。存在呈谷形的分布曲線，則[Pc]屬于靜脈區(qū)域。并選擇橫截面谷形深度值最大的像素點為下一個跟蹤點并回到，然后不檢測[Pc]處的灰度分布曲線。

該算法可以很好的彌補(bǔ)1.1節(jié)中無法從低質(zhì)量的手指靜脈中提取圖像的現(xiàn)象，但缺點如下，所提取的靜脈紋路不夠光滑，算法的運行速度較慢。

2 基于像素點檢測的靜脈特征提取算法

2.1 算法的基本原理

在手指靜脈圖像中，像素點與手指靜脈的位置關(guān)系非常只能更要。當(dāng)手掌的橫截面的半徑取適當(dāng)大小時，就會出現(xiàn)來自多個方向的橫截面分布曲線。因此對于圖像中像素點來說，選擇三個方向以上的橫截面灰度分布曲線呈現(xiàn)出谷型，就認(rèn)定為靜脈像素點，并做下一步的處理。

參考文獻(xiàn)：

[1] 王科俊.手指靜脈圖像質(zhì)量評價[J].系統(tǒng)智能學(xué)報，2011，6（4）：324-327.

[2] 金懷國.基于Fisher準(zhǔn)則的多指靜脈融合[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)，2013.25（2）：183-187.

[3] 湯露.對抗圖像旋轉(zhuǎn)的手指靜脈身份識別新算法的設(shè)計[J].計算機(jī)應(yīng)用，2012，32（11）：3193-3197.

[4] 李柳柏.改進(jìn)的手指靜脈圖像識別算法仿真研究[J].計算機(jī)仿真，2011，28（3）：310-312.

[5] 楊金鋒.手指靜脈圖像感興趣區(qū)域提取方法研究[J].山東大學(xué)學(xué)報（自然科學(xué)版），2012，42（3）：6-11.endprint