一种指腹折痕和指静脉图像的处理方法
【技术领域】
[0001] 本发明涉及信息科学中的生物特征识别技术领域，特别涉及一种指腹折痕、指静 脉特征图像的处理方法。
【背景技术】
[0002] 生物特征识别是利用人体独特的生理与行为特征来进行身份鉴别的技术，生物特 征主要分为两大类，一类是基于人的生理特征，包括：指纹、手形、人脸、虹膜、掌纹、静脉、视 网膜、耳廓、DNA等；另一类是基于人的行为特征，主要有：签名（笔迹）、语音、键盘敲击、步 态等。这些多种多样的生物特征识别技术发展程度各不相同，也具有不同的优缺点，没有任 何一种是完美无缺的。为此，近年来，生物识别领域出现了一个新的发展领域一-多模态生 物特征识别技术，它基于信息融合技术，应用取长补短、优势互补的思想，将具有不同优势 特性的单一生物特征进行组合，以获得更高的认证识别率和安全性。
[0003]目前虽然有少量关于指腹折痕和指静脉双模态生物特征图像的提取设备和方法 的文献介绍（CN102117403A)，这些设备和方法在一定程度上提高了生物特征识别系统的稳 定性和识别率，具有较好的抗伪造能力，但大都集中在决策融合层面进行分析、优化，特征 图像提取设备存在需要手动干预、或需要2个摄像机进行采集、或光路结构设计无法屏蔽 可见光造成静脉图像质量低等问题，给实际使用带来困难。
[0004] 本发明通过对多种人体生物特征的优缺点进行分析，采用指腹折痕和指静脉纹理 双模态生物特征进行身份识别。指腹折痕识别技术的优点在于：特征明显，易于辨识，具有 良好的抗干扰能力，算法相对简单，匹配速度快；缺点是特征信息不丰富，特异性不够显著， 特征的防伪性不足，安全级别不够高；而指静脉识别技术具有利用的是活体的内部生理特 征，不会磨损，较难伪造，具有很高安全性，具有较好的特异性与唯一性，可以提供很好的区 分度等优点，两种生物特征优势互补，且都基于手部特征，是一种比较好的多模态生物特征 组合。本发明针对指腹折痕和指静脉生物特征的特点，采用半开放结构，优化光路设计，用 单摄像机获取指腹折痕图像和指静脉纹理图像，简化了图像配准过程。同时利用特征明显 的指腹折痕图像计算手指姿态校正参数，并依此对指静脉纹理图像进行校正，为特征提取 和识别过程提供了更高质量的图像，能有效地提高生物特征识别的准确率。
【发明内容】
[0005] 本发明的目的在于提供一种指腹折痕和指静脉图像的处理方法，采用双模态生物 特征，丰富了生物特征的数量，并通过评估简单明显的指腹折痕图像，获取手指姿态参数， 进而对指静脉图像进行校正，减少由于单一生物特征信息量少和手指姿态变化等原因引起 的错误辨识，有效地提高身份识别的准确率。
[0006] 为实现上述目的，本发明提供的指腹折痕和指静脉图像的处理方法为：通过合理 设计图像采集设备的结构，用同一台摄像机分别获取手指的指腹折痕和指静脉纹理图像； 采用canny算子提取手指的边缘，获取手指轮廓；采用最小二乘法拟合轮廓中点，获取手指 的方向，建立手指的基准坐标系；采用单向最大曲率算法获取指腹折痕的特征图像；以第 一关节和第二关节的纹线之间的区域，为指静脉的感兴趣区（ROI);依据指腹折痕的纹线 特征估算手指的姿态参数，并用该参数对指静脉图像进行校正，消除因手指姿态变化对特 征图像的影响。
[0007] 所述合理设计图像采集设备的结构，是将图像采集设备分为上下两部分：上部为 半开放的弧形顶盖，顶盖的中央沿手指方向为6个850nm波长的近红外光LED阵列；手指定 位槽左右两边倾斜挡板位于摄像机中心与弧形顶盖两边的连线内部，这样能有效地遮蔽可 见光对红外静脉图像的影响；下部为处理器单元、摄像机（具有红外成像功能）和两组蓝光 LED。通过处理器单元控制近红外光LED阵列、两组蓝光LED和摄像机进行相关操作。点亮 两组蓝光LED，获取指腹折痕特征图像；然后关闭蓝光LED，点亮近红外光LED阵列，获取指 静脉纹理特征图像。采用同一台摄像机在极短时间间隔（小于30ms)分别获取指腹折痕和 指静脉纹理图像，由于采集指腹折痕图像和指静脉纹理图像时间间隔很短，可以认为在拍 摄两幅图像时手指姿态固定不变，简化了两幅图像的配准过程。
[0008] 所述采用canny算子提取手指的边缘，获取手指轮廓，是基于指腹折痕特征明显、 易于辨识、稳定性高等特点，对指腹折痕灰度图像进行处理，具体步骤为：
[0009] 1)采用高斯滤波器对指腹折痕灰度图像进行低通滤波。高斯滤波器记为G(x，y)， 滤波模板可以通过如下公式获得：
[0011] 其中D(x，y)是距离中心原点的距离，本发明采用5*5大小的模板，S取0.5。设 指腹折痕原始的灰度图像为f (x，y)，滤波后的图像为fjx，y)，则：
[0012] f: (x,y)=f(x,y)*G(x,y)
[0013] 其中表示卷积计算，在指腹折痕图像进行滤波去噪后，就可以进行手指边缘的 提取。
[0014] 2)采用2x2邻域一介偏导数的有限差分计算平滑后的图像fi(X，y)的梯度幅值 M(x，y)及梯度方向H(x，y):
[0017] 其中，dG/dx和dG/dy是Gauss滤波器分别沿X，y方向进行偏导数的结果。
[0018] 3)对梯度幅值进行非极大值抑制。仅仅得到全局的梯度并不足以确定边缘，因此 为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。先将梯度的方向角：e (x，y) 的范围划分为四个扇区，那么对于源图像中的某个像素点（x，y)，其梯度方向所属扇区编号 由下式给出：
[0019] e(x,y)=Sect( 0 (x,y))e(x,y)=0, 1, 2, 3
[0020] 在幅值图像M(x，y)上操作每一个点时，先取其3x3的邻域点集合，再以此点（x， y)为中心的邻域中，每个邻域点必在某个扇区内。由上式计算出中心点（x，y)梯度方向所 在扇区的编号，找到对应编号扇区中的两个邻域点的梯度幅值，将这两个梯度幅值与中心 点（X，y)的梯度幅值相比较。如果中心像素点的梯度幅值没有这两个梯度幅值大，则认为 点（x, y)为非边缘点，M(x, y)赋值0,否则点（x, y)为候选边缘点，M(x, y)的值不变。经 过非极大值抑制后的图像为：
[0021] N(x, y)=NMS(M(x, y), e (x, y))
[0022] 4)用双阀值算法检测和连接边缘。双阈值算法对非极大值抑制图像作用两个阈 值^和T 2，且21^^ T 2，从而可以得到两个阈值边缘图像N1 (x, y)和N2(x, y)。由于 N2(x，y)使用高阈值得到，因而含有很少的假边缘，但有间断（不闭合）情况。双阈值法要 在N2 (x, y)中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在N1 (x, y)的8邻点位置 寻找可以连接到轮廓上的边缘，这样，算法不断地在Nl(x，y)中收集边缘，直到将N2(x，y) 连接起来为止。
[0023] 在使用canny算子进行边缘提取后，再去除背景中的边缘噪声，可以得到完整的 手指轮廓。
[0024] 所述采用最小二乘法拟合轮廓中点，获取手指的方向，建立手指的基准坐标系是 以所采集的原始指腹折痕灰度图像的左下角为原点0,水平方向为X轴（近似平行于手指指 尖方向），垂直方向为Y轴，根据上面获取的手指轮廓，沿X轴方向计算在手指轮廓Y方向的 中点，然后采用最小二乘法拟合所有的中点，获取基准线，作为校正后手指的方向X'，记X' 轴与X轴的夹角为a，过X'与灰度图像左右两边界的交点的中点且垂直于X'的方向为Y'， 建立手指图像基准坐标系I'。则经过图像的旋转变换，获取基准坐标系I'中的灰度图像为 F (x'，y'），其坐标变换可采用如下公式：
[0026] 其中，c，d为基准坐标系的坐标原点I'在原始图像中的坐标。
[0027] 所述采用单向最大曲率算法获取指腹折痕的特征图像，是由于指腹折痕的纹络具 有很强的方向性，在手指图像基准坐标系I'中，沿X'方向对指腹折痕原始的灰度图像采用 单向最大曲率算法，分别获取指腹折痕的第一、第二关节的折痕纹络，具体方法为：
[0028] 设基准坐标系中指腹折痕的灰度图像为F(x'，y'），Fy .(X'）为灰度图像中第y' 行沿x'方向上各像素的灰度值。图像中各点处灰度曲线的曲率为Cy, (x'）：
[0030] 每一行中，局部曲率为正的最大值的点可能为折痕纹路上的点。根据指腹折痕的 连通性规则，分别根据各点（x'，y'）处的曲率值检查周围相邻的8个像素点的曲率值，剔 除噪声点，依据阀值分割算法，对图像进行二值化，获取指腹折痕的纹络曲线。
[0031] 所述以第一关节和第二关节的纹线之间的区域，为指静脉的感兴趣区（R0I)，是分 别过指腹折痕纹络曲线上最左边和最右边（x'坐标最小和最大）的点，做垂直于X '轴的直 线，两条直线之间的区域定为手指图像的感兴趣区。
[0032] 所述依据指腹折痕的纹线特征估算手指的姿态参数，是将获取的指腹折痕纹络特 征与模板库中的指腹折痕特征进行匹配，根据配准差异，估算出手指的姿态，进而计算出手 指姿态的校正参数。
[0033] 1)计算采集图像