一种获取指静脉影像增强的方法及设备与流程

本发明涉及生物识别技术领域，特别涉及一种获取指静脉影像增强的方法及设备。

背景技术：

随着生物识别技术的进步，使得以生物科技为主的身份识别系统在市场上需求逐渐增减，其安全监控与特征识别也越来越重要。生物识别是利用人类身上独特的特征来进行识别，如指纹识别、人脸识别、虹膜识别以及掌纹识别等。指纹识别及掌纹是通过接触式输入采集纹理特征，但由于手指或手掌可能出现油脂或脏污，使得纹理特征获取不佳而影响辨识，而且使用时通常会在采集器上留下用户的纹理印痕，这些印痕存在被复制的风险；人脸识别是使用一般可见光摄影机来采集，在影响采集过程中已受到脸部位置与角度、光源不稳以及摄影机解析度的影响；虹膜辨识虽然高准确率，但虹膜特征的采集是利用红外线对用户的虹膜进行扫描，长期下来会产生不适感。而指静脉识别也慢慢兴起，指静脉是一种稳定的特征，其具有唯一性、方便性及不可欺性，与其他识别方法比较起来，指静脉因为藏在表层皮肤底下，因此不会有磨损的问题，同时也不会有被伪造的风险，它除了能够使用低成本的摄影器材来采集特征，而且特征不因时间而改变，即使是双胞胎，他们之间的指静脉纹理也不相同。另外，要取得指静脉的信息需要利用血液中的血红蛋白会吸收红外线的特性，所以指静脉的信息仅能从人类活体中所取得。现有的指静脉识别的方法中，虽然存在使用低成本的网络摄影机作为影响采集设备，其波长介于760-1000nm的近红外线穿过手指之后，红血球会吸收近红外线，而指静脉在影像上呈现阴影的状态，因此使用红外线led作为设备光源，而为了防止周边环境的光源影响，在摄影机镜头前加装了红外线滤镜，然特定的波长的红外光通过，并滤除可见光谱，但其反应时间较长；而也有通过利用近红外线摄影机其研究以固定特征点上操作进而改进识别速度，但其设备的成本也较高；也有的指静脉识别的演算法主要是利用指静脉灰阶值的特性，重复不断地追踪指静脉进而找出静脉纹理，虽然识别效果佳，但却增加其计算时间；也有的指静脉识别通过双立方内插法减少空间解析度进而加快反应时间，但导致采集的静脉纹理信息少，进而影响特征提取效果。

技术实现要素：

为此，需要提供一种获取指静脉影像增强的方法及设备，解决现有指静脉识别的设备识别速度慢及成本高的问题。

为实现上述目的，发明人提供了一种获取指静脉影像增强的方法，包括以下步骤：

影像获取：近红外线通过光学凸透镜集中光线照射在手指上，获得手指上的指静脉影像；

转换处理：通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像处理；

特征提取：通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征。

进一步优化，所述转换处理之后还包括区域定位：

对处理后的指静脉影像通过roi处理定位出指静脉影像的感兴趣区域。

进一步优化，所述特征提取具体包括以下步骤：

确定起始追踪点，将起始追踪点存储至自订空间；

将追踪点从起始追踪点开始根据追踪点移动方向规则移动；

将追踪点存储在自订空间，判断是否移动追踪点；

若是，则追踪点继续根据追踪点移动方向规则移动，并返回至上一步；

若否，则判断是否可以确认新的起始追踪点，若是则返回至确定起始追踪点，重新确认起始追踪点；

若否，从自订空间中获取指静脉纹理特征。

进一步优化，所述特征提取之后还包括辨识训练：

将获取的指静脉纹理特征通过多类别支持向量机配合放射型函数训练得到分类模型。

进一步优化，所述影像获取还包括：获取三张或三张以上的指静脉影像，选取一张指静脉影像作为测试影像；

将剩下的指静脉影像通过转换处理、特征提取及辨识训练得到分类模型；

所述提取特征之后还包括影像比对：

通过测试影像对剩下的指静脉影像的分类模型进行比对，获得识别最快的分类模型。

发明人还提供了另一个技术方案：一种获取指静脉影像增强的设备，包括近红外线发射器、光学凸透镜、红外摄像机及处理器；

所述近红外线发射器用于发射近红外线；

所述光学凸透镜用于将近红外线集中照射在手指上；

红外摄像机用于获取近红外线照射手指后的指静脉影像；

所述处理器用于通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像处理，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征。

进一步优化，所述处理器还用于对处理后的指静脉影像通过roi处理定位出指静脉影像的感兴趣区域。

进一步优化，所述处理器还用于确定起始追踪点，将起始追踪点存储至自订空间；

将追踪点从起始追踪点开始根据追踪点移动方向规则移动；

将追踪点存储在自订空间，判断是否移动追踪点；

若是，则追踪点继续根据追踪点移动方向规则移动，并返回至上一步；

若否，则判断是否可以确认新的起始追踪点，若是则返回至确定起始追踪点，重新确认起始追踪点；

若否，从自订空间中获取指静脉纹理特征。

进一步优化，所述处理器还用于将获取的指静脉纹理特征通过多类别支持向量机配合放射型函数训练得到分类模型。

进一步优化，所述摄像机还用于获取三张或三张以上的指静脉影像；

所述处理器还用于选取一张指静脉影像作为测试影像，根据剩下的指静脉影像得到分类模型，通过测试影像对剩下的指静脉影像的分类模型进行比对，获得识别最快的分类模型。

区别于现有技术，上述技术方案，通过低成本摄像机就可以获取通过近红外线照射手指的指静脉影像，获取指静脉影像后通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行前处理，去除不属于指静脉影像上的杂讯，同时减少空间解析度，并加速反应时间，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征，提高识别效果。

附图说明

图1为具体实施方式所述获取指静脉影像增强的设备的一种结构示意图；

图2a为具体实施方式所述未使用光学凸透镜采集的指静脉影像的示意图；

图2b为具体实施方式所述使用光学凸透镜采集的指静脉影像的示意图；

图3为具体实施方式所述经过对称遮罩矩阵离散小波转换的低低频矩阵系数处理后的指静脉影像的示意图；

图4a为具体实施方式所述指静脉影像的截取位置的示意图；

图4b为具体实施方式所述指静脉影像的截取位置的灰阶值分布的示意图；

图5为具体实施方式所述通过roi处理定位出指静脉影像的感兴趣区域的示意图；

图6为具体实施方式所述静脉纹理特征的示意图；

图7为具体实施方式所述获取指静脉影像增强的方法的一种流程示意图；

图8为具体实施方式所述特征提取的一种流程示意图。

附图标记说明：

110、近红外线发射器，

120、光学凸透镜，

130、红外摄像机，

140、处理器，

150、手指。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

请参阅图1，本实施例所述获取指静脉影像增强的设备，包括近红外线发射器110、光学凸透镜120、红外摄像机130及处理器140；

所述近红外线发射器110用于发射近红外线；其中近红外线采用波长为940nm的近红外线。

所述光学凸透镜120用于将近红外线集中照射在手指150上；

红外摄像机130用于获取近红外线照射手指150后的指静脉影像；

所述处理器140用于通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像处理，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征。

近红外线发射器110发射近红外线照射在手指150的背部，由于手指150内的静脉中的血红蛋白吸收红外线，通过红外摄像机130可以获得手指150的指静脉影像。通过光学凸透镜120将近红外线集中照射手指150背部，经过光学凸透镜120加强光线的亮度及稳定度，进而提升影像对比度，让静脉血管更加明显。如图2a及图2b所示，通过使用光学凸透镜120采集的指静脉影像比未使用光学凸透镜120采集的指静脉影像更加明显。

处理器140采用二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行处理，其利用邻近像素作二维空间回旋积的运算，将低低频带的影响能量保留。如图3所示，经过对称遮罩矩阵离散小波转换的低低频矩阵系数处理后的指静脉影像，低低频带可以去除一些本来不属于指静脉影像上的杂讯，同时可以减少控制解析度并加速反应时间。低低频遮罩矩阵的系数如下所示：

低低频遮罩矩阵与系数如下所示：

在指静脉影像中，由于静脉血管中的血红蛋白吸收红外线，而呈现黑色线条，也就是指静脉的灰阶值低于周边区域。以数位影像的角度来说，指静脉影像中可视的指静脉呈现山谷状，如图4a及4b所示，根据指静脉影像的截取位置的灰阶值分布，指静脉的阴暗程度决定了谷点的深度，处理器140通过侦测谷点的部分可以分析指静脉纹理，获得指静脉纹理特征。

通过低成本摄像机就可以获取通过近红外线照射手指的指静脉影像，获取指静脉影像后通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行前处理，去除不属于指静脉影像上的杂讯，同时减少空间解析度，并加速反应时间，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征，提高识别效果。

如图5所示，在本实施例中，由于设备结构的限制，虽然大多数的手指150放置的位置不会相差太多，但每个人的手指150在采集指静脉影像时，仍可能会出现位移，为了只保留有用的指静脉信息，所述处理器140还用于对处理后的指静脉影像通过roi处理定位出指静脉影像的感兴趣区域。处理器140在通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像处理后，在处理后的指静脉影像中定位出感兴趣的区域，通过roi(regionofinterest,感兴趣区域)处理，使得指静脉影像的计算空间再度降低，进而降低运算量，加快运算速度。

如图6所示，本实施例中，采用侦测谷点的方式来追踪指静脉纹理，通过设立一个追踪点并侦测邻近限速是否有波谷(即指静脉)，假如有，则定义其为追踪点，并持续追踪，之后把追踪结果存储到自订空间里，假如没有则重新设置一个追踪点，最后从自订空间获得指静脉纹理特征。所述处理器140还用于确定起始追踪点，将起始追踪点存储至自订空间；将追踪点从起始追踪点开始根据追踪点移动方向规则移动；将追踪点存储在自订空间，判断是否移动追踪点；若是，则追踪点继续根据追踪点移动方向规则移动，并返回至上一步；若否，则判断是否可以确认新的起始追踪点，若是则返回至确定起始追踪点，重新确认起始追踪点；若否，从自订空间中获取指静脉纹理特征。起始追踪点有均匀乱数决定，确认起始追踪点为(xs，ys)。追踪点移动方向规则dlrdud为了防止追踪点在曲率过大的路径上。追踪点移动方向规则如下：

其中rnd(2)为0～n的均匀乱数。

将起始追踪点存储在自订空间，判断是否移动追踪点；初始化自订空间tc，并确认像素nc：nc＝tc∩rf∩nr(xc，yc)，其确保追踪点在指静脉内，并防止重复设置先前的追踪点，其中nr(xc，yc)为追踪点的相邻像素，如下所示：

其中plr与pud为选择概率，经过测试，其最佳值分别为50％及25％，而n3(d)(x，y)：n3(d)(x，y)＝{(dx+x，dy+y)，(dx-dy+x，dy-dx+y)，(dx+dy+x，dy+dx+y)}。然后根据vl判断是否移动追踪点，其中，vl如下所示：

当vl为正值时，则表示移动追踪点，则追踪点继续根据追踪点移动方向规则移动；

当vl为零或者负值，则表示目前追踪点不在静脉上，即不需要移动追踪点，则返回至确定起始追踪点，重新确认起始追踪点；

直至无法确定新的起始追踪点，从自订空间中获取指静脉纹理特征。通过不断对指静脉进行追踪，最后获取指静脉纹理特征。

通过低成本摄像机就可以获取通过近红外线照射手指150的指静脉影像，获取指静脉影像后通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行前处理，去除不属于指静脉影像上的杂讯，同时减少空间解析度，并加速反应时间，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征，提高识别效果。

在本实施例中，进一步提高指静脉纹理特诊的识别度，所述处理器140还用于将获取的指静脉纹理特征通过多类别支持向量机配合放射型函数训练得到分类模型。支持向量机是透过建模的方式来建立一个最佳分类目标函数，并提出最小化结构风险的概念，以求得最佳分类的超平面，该超平面称之为支持向量。求取超平面的目的在于使不同类别间的资料具有最大的间距与最小的分类误差。然而在现实空间中并非如此容易做分类，当资料为非线性分割时，须沪借助核心函数的帮助，即将资料从inputspace(输入空间)对应到featurespace；处理器140通过将采集的指静脉纹理特征作为训练集的输入资料，采用多类别支持向量机配合放射型函数训练得到分类模型，避免由于出现识别错误的情况发生；多类别支持向量机配合放射型函数如下所示：

其中σ为核心参数。

在本实施例中，为了得到最佳的分类模型，所述摄像机还用于获取三张或三张以上的指静脉影像；所述处理器140还用于选取一张指静脉影像作为测试影像，根据剩下的指静脉影像得到分类模型，通过测试影像对剩下的指静脉影像的分类模型进行比对，获得识别最快的分类模型。处理器140经过训练后，得到分类模型，并开始使用测试指静脉影响进行比对，其中可以对同一手指150获取多张指静脉影像，如取获取三张指静脉影像，其中将两张指静脉影像作为输入资料，采集指静脉纹理特征后，通过多类别支持向量机配合放射型函数训练得到分类模型，然后最后一张指静脉影像作为测试影像，对其他两张指静脉影像获得分类模型进行比对，获得最佳的分类模型，即识别最快的分类模型。藉由参数的调整，来提高识别度，使获得指静脉纹理特征最佳化。

请参阅图7，在另一个实施例中，一种获取指静脉影像增强的方法，应用于上述设备中，包括以下步骤：

影像获取s710：近红外线通过光学凸透镜集中光线照射在手指上，获得手指上的指静脉影像；近红外线照射在手指的背部，由于手指内的静脉中的血红蛋白吸收红外线，可以获得手指的指静脉影像。通过光学凸透镜将近红外线集中照射手指背部，经过光学凸透镜加强光线的亮度及稳定度，进而提升影像对比度，让静脉血管更加明显。如图2a及图2b所示，通过使用光学凸透镜采集的指静脉影像比未使用光学凸透镜采集的指静脉影像更加明显。

转换处理s721：通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像处理；采用二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行处理，其利用邻近像素作二维空间回旋积的运算，将低低频带的影响能量保留。如图3所示，经过对称遮罩矩阵离散小波转换的低低频矩阵系数处理后的指静脉影像，低低频带可以去除一些本来不属于指静脉影像上的杂讯，同时可以减少控制解析度并加速反应时间。低低频遮罩矩阵的系数如下所示：

低低频遮罩矩阵与系数如下所示：

特征提取s730：通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征。在指静脉影像中，由于静脉血管中的血红蛋白吸收红外线，而呈现黑色线条，也就是指静脉的灰阶值低于周边区域。以数位影像的角度来说，指静脉影像中可视的指静脉呈现山谷状，如图4a及4b所示，指静脉的阴暗程度决定了谷点的深度，通过侦测谷点的部分可以分析指静脉纹理，获得指静脉纹理特征。

通过低成本摄像机就可以获取通过近红外线照射手指的指静脉影像，获取指静脉影像后通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行前处理，去除不属于指静脉影像上的杂讯，同时减少空间解析度，并加速反应时间，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征，提高识别效果。

在本实施例中，由于设备结构的限制，虽然大多数的手指放置的位置不会相差太多，但每个人的手指在采集指静脉影像时，仍可能会出现位移，为了只保留有用的指静脉信息，所述转换处理s721之后还包括区域定位722：对处理后的指静脉影像通过roi处理定位出指静脉影像的感兴趣区域。在通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像处理后，在处理后的指静脉影像中定位出感兴趣的区域，通过roi(regionofinterest,感兴趣区域)处理，使得指静脉影像的计算空间再度降低，进而降低运算量，加快运算速度。

请参阅图8，本实施例中，采用侦测谷点的方式来追踪指静脉纹理，通过设立一个追踪点并侦测邻近限速是否有波谷(即指静脉)，假如有，则定义其为追踪点，并持续追踪，之后把追踪结果存储到自订空间里，假如没有则重新设置一个追踪点，最后从自订空间获得指静脉纹理特征。特征提取s730详细步骤如下：

步骤s810：确定起始追踪点，并将起始追踪点存储至自订空间；起始追踪点有均匀乱数决定，确认起始追踪点为(xs，ys)。

步骤s820：将追踪点从起始追踪点开始根据追踪点移动方向规则移动；追踪点移动方向规则dlr，dud为了防止追踪点在曲率过大的路径上。追踪点移动方向规则如下：

其中rnd(2)为0～n的均匀乱数。

步骤s830：将追踪点存储在自订空间，判断是否移动追踪点；初始化自订空间tc，并确认像素nc：nc＝tc∩rf∩nr(xc，yc)，其确保追踪点在指静脉内，并防止重复设置先前的追踪点，其中nr(xc，yc)为追踪点的相邻像素，如下所示：

其中plr与pud为选择概率，经过测试，其最佳值分别为50％及25％，而n3(d)(x，y)：n3(d)(x，y)＝{(dx+x，dy+y)，(dx-dy+x，dy-dx+y)，(dx+dy+x，dy+dx+y)}。然后根据vl判断是否移动追踪点，其中，vl如下所示：

当vl为正值时，则表示移动追踪点，则执行步骤s840：追踪点继续根据追踪点移动方向规则移动，然后返回步骤s830；

当vl为零或者负值，则表示目前追踪点不在静脉上，即不需要移动追踪点，则执行步骤s850：判断是否可以确定新的起始追踪点，若是则返回至步骤s810，重新确认起始追踪点；

若否则执行步骤s860：从自订空间中获取指静脉纹理特征。通过不断对指静脉进行追踪，最后获取指静脉纹理特征。

通过低成本摄像机就可以获取通过近红外线照射手指的指静脉影像，获取指静脉影像后通过二维对称遮罩矩阵离散小波转换的低低频矩阵系数对指静脉影像进行前处理，去除不属于指静脉影像上的杂讯，同时减少空间解析度，并加速反应时间，通过侦测处理后的指静脉影像的谷点获得指静脉纹理特征，提高识别效果。

在本实施例中，进一步提高指静脉纹理特诊的识别度，所述特征提取s730之后还包括辨识训练s740：将获取的指静脉纹理特征通过多类别支持向量机配合放射型函数训练得到分类模型。支持向量机是透过建模的方式来建立一个最佳分类目标函数，并提出最小化结构风险的概念，以求得最佳分类的超平面，该超平面称之为支持向量。求取超平面的目的在于使不同类别间的资料具有最大的间距与最小的分类误差。然而在现实空间中并非如此容易做分类，当资料为非线性分割时，须沪借助核心函数的帮助，即将资料从inputspace(输入空间)对应到featurespace；通过将采集的指静脉纹理特征作为训练集的输入资料，采用多类别支持向量机配合放射型函数训练得到分类模型；多类别支持向量机配合放射型函数如下所示：

其中σ为核心参数。

在本实施例中，为了得到最佳的分类模型，所述影像获取还包括：获取三张或三张以上的指静脉影像，选取一张指静脉影像作为测试影像；将剩下的指静脉影像通过转换处理、特征提取及辨识训练得到分类模型；所述提取特征之后还包括影像比对s750：通过测试影像对剩下的指静脉影像的分类模型进行比对，获得识别最快的分类模型。经过训练后，得到分类模型，并开始使用测试指静脉影响进行比对，其中可以对同一手指获取多张指静脉影像，如取获取三张指静脉影像，其中将两张指静脉影像作为输入资料，采集指静脉纹理特征后，通过多类别支持向量机配合放射型函数训练得到分类模型，然后最后一张指静脉影像作为测试影像，对其他两张指静脉影像获得分类模型进行比对，获得最佳的分类模型，即识别最快的分类模型。藉由参数的调整，来提高识别度，使获得指静脉纹理特征最佳化。

需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。