基于局部灰度極小值的指靜脈圖像分割方法

苑瑋琦，高潔睿

(沈陽(yáng)工業(yè)大學(xué) 視覺(jué)檢測(cè)技術(shù)研究所，遼寧 沈陽(yáng) 110870)

基于局部灰度極小值的指靜脈圖像分割方法

苑瑋琦，高潔睿

(沈陽(yáng)工業(yè)大學(xué) 視覺(jué)檢測(cè)技術(shù)研究所，遼寧 沈陽(yáng) 110870)

為了解決在光照不均勻、對(duì)比度低和指節(jié)紋干擾等情況下存在的手指靜脈紋線分割效果不好的問(wèn)題，文中提出一種基于局部灰度極小值的指靜脈檢測(cè)方法。根據(jù)指靜脈紋線的走向選取垂直于指靜脈方向的模板，該檢測(cè)模板由三個(gè)子模板組成。由于靜脈處較其周圍鄰域的灰度值較低，當(dāng)檢測(cè)模板由上至下逐點(diǎn)檢測(cè)時(shí)，中間子模板的灰度值之和小于其他兩個(gè)子模板的灰度值之和，該處即為靜脈紋線處。該方向的模板不但避免了閾值選擇，能夠排除對(duì)比度低、光照不均勻的影響，而且可以有效抑制指節(jié)紋等干擾紋線。實(shí)驗(yàn)結(jié)果表明，該方法可以有效地解決指節(jié)紋干擾、對(duì)比度低和光照不均等問(wèn)題，提取的靜脈紋線具有很好的連續(xù)性。

手指靜脈圖像分割；局部灰度極小值；靜脈分割；檢測(cè)模板

1 概 述

手指靜脈識(shí)別是利用手指的靜脈紋理結(jié)構(gòu)的唯一性來(lái)實(shí)現(xiàn)個(gè)人身份驗(yàn)證或識(shí)別的一種生物特征識(shí)別技術(shù)[1]。生物特征，指的是人身體各個(gè)部分的生理特征，其中應(yīng)用到生物特征識(shí)別領(lǐng)域的特征包括指靜脈、指紋、人臉、掌紋、虹膜等[2]。研究表明，手指靜脈識(shí)別具備以下優(yōu)勢(shì)[3-4]：

(1)高安全性。手指靜脈屬于內(nèi)部生理特征，被仿制或者盜用的可能性很小。

(2)靜脈結(jié)構(gòu)穩(wěn)定。與指紋相比，靜脈結(jié)構(gòu)不會(huì)受皮膚干濕程度的影響[5]。

(3)非接觸性。手指靜脈圖像采集方式是在波長(zhǎng)700～1 100 nm范圍內(nèi)的近紅外光下實(shí)現(xiàn)非接觸成像，用戶易于接受、方便衛(wèi)生。

因此，手指靜脈識(shí)別技術(shù)的高安全性和便捷性使其成為生物特征認(rèn)證領(lǐng)域中前景最好的成員之一，同時(shí)受到越來(lái)越多的研究團(tuán)隊(duì)和企業(yè)的青睞[6-8]。

由于實(shí)際采集的手指靜脈圖像存在圖像對(duì)比度低、噪聲較大、光照不均等現(xiàn)象，因此，如何從質(zhì)量較差的圖像中分割出更好的靜脈信息是文中研究的關(guān)鍵。通過(guò)對(duì)現(xiàn)有的靜脈圖像分割方法的研究，用于靜脈圖像的分割方法有邊緣檢測(cè)方法和灰度閾值方法。

全局閾值法[9-10]和局部閾值法[11]都是選定一個(gè)或者幾個(gè)閾值，這些閾值是根據(jù)經(jīng)驗(yàn)來(lái)確定，這種閾值分割的方法對(duì)于光照不均勻、對(duì)比度低、噪聲嚴(yán)重的圖像分割效果不好。相比之下，邊緣檢測(cè)方法具有更好的邊緣檢測(cè)性能和更加精準(zhǔn)的定位性能。邊緣檢測(cè)包括step(階躍)邊緣檢測(cè)和roof(屋頂)邊緣檢測(cè)[12]。文獻(xiàn)[13]將階躍邊緣檢測(cè)方法應(yīng)用到尋找手體輪廓上，提取的輪廓線效果較好，但由于指靜脈紋線有一定的寬度，用step邊緣檢測(cè)提取的靜脈將是靜脈的邊緣輪廓，不能準(zhǔn)確定位靜脈的位置，因此這種邊緣檢測(cè)方法不適合提取靜脈紋線。文獻(xiàn)[14]提出一種基于局部灰度極小值的方法來(lái)檢測(cè)邊緣，回避了閾值選定的過(guò)程，在某一像素點(diǎn)的鄰域內(nèi)搜索灰度極小值。

文中采用局部灰度極小值的方法來(lái)檢測(cè)手指靜脈紋線，根據(jù)指靜脈的走向來(lái)選取檢測(cè)模板的方向，選取的檢測(cè)模板方向?qū)χ腹?jié)紋等干擾紋線具有很好的抑制作用；檢測(cè)模板的像素個(gè)數(shù)由指靜脈的寬度來(lái)決定，通過(guò)理論分析和討論來(lái)確定檢測(cè)模板的像素個(gè)數(shù)，在檢測(cè)模板內(nèi)通過(guò)不等式來(lái)判斷該點(diǎn)是否為灰度極小值點(diǎn)，與閾值分割方法相比更具有自適應(yīng)能力。實(shí)驗(yàn)證明，文中采用的基于局部灰度極小值的方法可以在低質(zhì)量的靜脈圖像中分割出準(zhǔn)確、連續(xù)性好的靜脈紋線。

2 手指靜脈的灰度空間分布特征分析

在手指靜脈識(shí)別系統(tǒng)中，系統(tǒng)的識(shí)別性能與提取的靜脈紋線質(zhì)量密切相關(guān)。指靜脈分割的目的是將指靜脈紋線從手體中提取出來(lái)，顯然，提取的靜脈紋線的質(zhì)量會(huì)直接影響整個(gè)系統(tǒng)的識(shí)別效果。在對(duì)指靜脈進(jìn)行分割之前，需要仔細(xì)分析手指靜脈的灰度空間分布特征，通過(guò)分析該特征來(lái)選取更為合適的指靜脈分割方法。文中實(shí)驗(yàn)的手指靜脈圖像是由沈陽(yáng)工業(yè)大學(xué)視覺(jué)檢測(cè)技術(shù)研究所自制的手指靜脈采集裝置所采集，圖中靜脈紋線的灰度值較低，其中包括掌靜脈和指靜脈。掌靜脈血管總體分布呈網(wǎng)狀結(jié)構(gòu)，無(wú)規(guī)則性，分布較為復(fù)雜。指靜脈紋路分布則有規(guī)律性，其走向近似于水平方向，呈線狀分布，與掌靜脈相比，更容易被檢測(cè)出來(lái)。從灰度空間分布來(lái)看，指靜脈紋線的灰度值與其周圍鄰域像素點(diǎn)的灰度值相比較低，在指靜脈紋線的上方鄰域和下方鄰域像素點(diǎn)灰度值都要比靜脈處大，局部灰度分布呈屋脊分布。采集的手指靜脈圖像中存在著干擾紋線，主要的干擾紋線是灰度值較低的指節(jié)紋干擾紋線，其走向與指靜脈紋線的走向近似垂直。下文要介紹的指靜脈分割方法可以有效地分割出清晰、準(zhǔn)確、連續(xù)性好的手指靜脈紋線，同時(shí)對(duì)指節(jié)紋干擾紋線能起到抑制作用。

3 基于局部灰度極小值的手指靜脈圖像分割

3.1 針對(duì)指靜脈圖像的局部灰度極小值方法

通過(guò)局部灰度極小值方法來(lái)檢測(cè)圖像的邊緣。其主要思想是，在圖像某一方向上標(biāo)記一條小的直線，如果該條直線上的某一像素點(diǎn)的灰度值為其直線鄰域上的最小點(diǎn)，那么該像素點(diǎn)即為邊緣點(diǎn)。如圖1所示，由于靜脈處灰度級(jí)較低，所以在灰度級(jí)剖面圖中邊緣處于谷底。

圖1 手指靜脈灰度級(jí)分析圖

(1)

那么點(diǎn)I2即為邊緣點(diǎn)，否則為非邊緣點(diǎn)。

由于在實(shí)際中拍攝的圖像會(huì)受到光照不均勻的影響，會(huì)導(dǎo)致圖像對(duì)比度較低。上述方法的目的是找到某個(gè)區(qū)域的某一方向上灰度極小值點(diǎn)，無(wú)論光照強(qiáng)度如何變化，圖像邊緣處的灰度值都會(huì)比其周圍區(qū)域的灰度值低，因此該方法可以有效檢測(cè)出圖像的邊緣。

對(duì)于手指靜脈圖像來(lái)說(shuō)，手指靜脈紋線寬度大概是3～10個(gè)像素。由于靜脈紋線有一定的寬度，紋線內(nèi)的灰度值很可能相等，用上述方法很可能檢測(cè)不到邊緣點(diǎn)，因此要對(duì)該方法進(jìn)行改進(jìn)。由于在采集的手指靜脈圖像中會(huì)存在指節(jié)紋等干擾紋線，指節(jié)紋的走向?yàn)樨Q直方向，手指靜脈的方向近似于水平，因此，為排除指節(jié)紋對(duì)靜脈的干擾，文中選取豎直方向的檢測(cè)模板對(duì)手指靜脈圖像進(jìn)行由上至下的掃描。先掃描最后一列像素，然后由右至左依次搜索灰度極小值點(diǎn)，直至將靜脈紋線檢測(cè)出來(lái)，這樣可以有效地過(guò)濾掉指節(jié)紋，提取出靜脈紋線。用于檢測(cè)手指靜脈的模板由三個(gè)子模板組成，如圖2所示。其中Sum1、Sum2、Sum3分別表示像素點(diǎn)P11～P1k、P21～P2k、P31～P3k灰度值之和，如果滿足式(2)：

Sum1>Sum2

(2)

那么邊緣點(diǎn)就是子模板2的中心點(diǎn)。

圖2 檢測(cè)模板

3.2 子模板內(nèi)像素個(gè)數(shù)的選取

通過(guò)對(duì)大量手指靜脈紋線寬度進(jìn)行統(tǒng)計(jì)，手指靜脈紋線寬度大約在3～10個(gè)像素之間，子模板的像素個(gè)數(shù)k一定是整數(shù)，不是偶數(shù)就是奇數(shù)。如果子模板內(nèi)含有偶數(shù)個(gè)像素，那么模板就不存在中心點(diǎn)，在檢測(cè)邊緣過(guò)程中會(huì)出現(xiàn)偏差。如果子模板像素個(gè)數(shù)為奇數(shù)，就不存在上述問(wèn)題。

中文通過(guò)實(shí)驗(yàn)驗(yàn)證，分別給出了在k取3、5、7、9時(shí)的手指靜脈檢測(cè)結(jié)果，通過(guò)實(shí)驗(yàn)結(jié)果來(lái)選擇k的取值。當(dāng)k為3時(shí)，整個(gè)檢測(cè)模板內(nèi)像素的個(gè)數(shù)為9，當(dāng)遇到10個(gè)像素寬度的靜脈紋線時(shí)，該檢測(cè)模板將無(wú)法找到灰度極小值點(diǎn)。圖3、4、5分別是k為3、5、7時(shí)檢測(cè)出來(lái)的手指靜脈紋線。當(dāng)k為9時(shí)，整個(gè)檢測(cè)模板內(nèi)像素的個(gè)數(shù)為27，這種情況下找到的灰度極小值點(diǎn)不夠準(zhǔn)確，如圖6所示。通過(guò)比較圖3、4、5和圖6，可以看出當(dāng)k為5時(shí)檢測(cè)出的靜脈紋線連續(xù)性更好、準(zhǔn)確性更好。因此文中選用子模板大小為5個(gè)像素點(diǎn)。

4 結(jié)束語(yǔ)

由于閾值分割方法很難準(zhǔn)確地提取靜脈特征，所以文中采用基于局部灰度極小值的方法來(lái)提取靜脈特征，即使在對(duì)比度低的靜脈圖像中也可以準(zhǔn)確地檢測(cè)出靜脈紋線，同時(shí)對(duì)指節(jié)紋等干擾紋線有很好的抑制作用。通過(guò)實(shí)驗(yàn)分別給出子模板個(gè)數(shù)取3、5、7、9時(shí)的手指靜脈紋線檢測(cè)結(jié)果，表明子模板個(gè)數(shù)取5時(shí)最為合理。實(shí)驗(yàn)結(jié)果表明，利用上述方法提取手指靜脈紋線有很好的準(zhǔn)確性和連續(xù)性。在以后的研究中，會(huì)重點(diǎn)研究手指靜脈的多模態(tài)生物特征融合。

圖3 k為3時(shí)檢測(cè)的靜脈紋線

圖4 k為5時(shí)檢測(cè)的靜脈紋線

圖5 k為7時(shí)檢測(cè)的靜脈紋線

圖6 k為9時(shí)檢測(cè)的靜脈紋線

[1] 苑瑋琦，柯 麗，白 云.生物特征識(shí)別技術(shù)[M].北京:科學(xué)出版社，2009：164-165.

[2]HuangDS,JiaW,ZhangD.Palmprintverificationbasedonprincipallines[J].PatternRecognition,2008,41(4):1316-

A Segmentation Method for Finger Vein Image Based on Local Gray Minimum

YUAN Wei-qi，GAO Jie-rui

(Computer Vision Group,Shenyang University of Technology,Shenyang 110870,China)

Due to the problem of poor effect of finger vein segmentation under the condition of uneven illumination,low contrast and knuckles lines interference,a kind of finger vein detection method based on local gray minimum is put forward.According to the direction of the finger vein lines,a template perpendicular to the direction of finger vein is selected which consists of sub-templates.Because gray value in vein is lower than that of its surrounding,when inspection template makes the point to point detection from top to bottom,the sum of gray value for middle sub-templates is less than that of the other two,which is the vein lines.It not only avoids threshold selection and eliminates the influence of uneven illumination and low contrast,but also restrains knuckles lines interference effectively.The experiment shows that this method can solve the problem of knuckles lines interference,low contrast and uneven illumination and extract finger vein with good continuity.

finger vein image segmentation;local gray minimum;vein segmentation;detection template

2015-11-15

2016-03-09

時(shí)間：2016-06-28

國(guó)家自然科學(xué)基金資助項(xiàng)目(61271365)

苑瑋琦(1960-),男,教授,博士,研究方向?yàn)橐曈X(jué)檢測(cè)技術(shù)、生物特征識(shí)別等；高潔睿(1989-)，女，通訊作者，碩士研究生，研究方向?yàn)橐曈X(jué)檢測(cè)技術(shù)。

http://www.cnki.net/kcms/detail/61.1450.TP.20160622.0845.064.html

文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1673-629X(2016)07-0109-03

10.3969/j.issn.1673-629X.2016.07.023