一种手指静脉特征提取方法
【专利摘要】本发明公开了一种手指静脉特征提取方法，能够提高静脉特征提取的稳定性，以及获得较多的特征，从而有助于提高静脉识别准确度。该方案在红外光源的照射下，红外摄像机采集手指静脉图像。通过调整红外光源和红外摄像机的参数，获得亮度满足要求的手指静脉图像。采用确定好的光源和摄像机参数采集多幅待处理图像，并转化为静脉纹路的二值化图像；联合多幅静脉纹路的二值化图像查找静脉存在点，形成合成静脉图像；最后从合成静脉图像中提取手指静脉的图像特征。
【专利说明】一种手指静脉特征提取方法
【技术领域】
[0001]本发明涉及一种手指静脉特征提取方法，属于生物特征识别【技术领域】。
【背景技术】
[0002]手指静脉识别技术是一种新型的生物特征识别技术，由于使用者的手指静脉特征很难被伪造，所以安全等级高，特别适合于安全要求高的场所使用。
[0003]手指静脉识别的过程是，红外光源产生红外光照射在采集者的手指上，经滤光片滤光和反光镜反射后由红外摄像机采集。从采集图像中提取静脉特征，继而进行特征匹配，从而实现了手指静脉识别。
[0004]手指静脉识别的其中一个关键步骤就是静脉特征提取。静脉特征提取的准确性由采集图像的质量和特征提取方案决定。由于不同人的手指血管粗细、血流速度、肌肉分布和骨骼密度等不同，相同亮度的红外光对于有些人来说可以采集质量较高的静脉图像，对于有些人来说无法采集满足识别需要的静脉图像，因此需要根据采集图像的具体情况进行光亮调节，从而采用根据不同人的特点采取不同亮度的红外光强，得到高质量的静脉图像。但是目前还没有较好的光亮调节方案。
[0005]由于红外光调节和红外摄像头图像采集之间存在一定时间延迟，采集的单张静脉图像可能存在局部静脉特征不明显或丢失的现象。而且，由于采集条件和被采集人的不同时期，采集的静脉图像会有一定的差别，且静脉相对整个图像占的比例较少，单独采用一张静脉图像进行静脉特征提取，可能存在特征不稳定或特征较少的情况，从而影响静脉特征识别的准确性。
【发明内容】
[0006]有鉴于此，本发明提供了一种手指静脉特征提取方法，能够提高静脉特征提取的稳定性，以及获得较多的特征，从而有助于提高静脉识别准确度。
[0007]为了解决上述技术问题，本发明是这样实现的:
[0008]步骤1、在红外光源的照射下，红外摄像机采集手指静脉图像；
[0009]步骤2、通过调整红外光源的亮度和红外摄像机的曝光时间，获得亮度满足要求的手指静脉图像；
[0010]步骤3、采用步骤2确定的参数采集η幅待处理图像，将η幅待处理图像转化为静脉纹路的二值化图像，得到相同大小的记为F1?Fn ;
[0011]步骤4、以j表示静脉纹路的二值化图像中的第j个像素点，当某一幅静脉纹路的二值化图像中第j个像素点的值等于0，则将第j个像素点对应的累积值L加1，针对F1?Fn统计每个像素对应的累积值Ij，如果大于或等于设定统计值门限，则将此像素点设为静脉存在点，将生成的合成静脉图像中的该像素点置为黑色，从而得到整个合成静脉图像；
[0012]步骤5、从所述合成静脉图像中提取手指静脉的图像特征。
[0013]优选地,所述步骤2具体为:[0014]步骤21、在手指静脉图像的背景区和手指区分别提取子区域，获得所提取所有子区域的亮度；通过调整红外光源的亮度和红外摄像机的曝光时间，令各子区域亮度均满足设定的亮度要求。
[0015]在步骤21之后进一步包括步骤22?24:
[0016]步骤22、采用边缘提取算法提取手指静脉图像的手指边缘，将手指边缘以外的背景区域置为白色，得到手指边缘图像；在手指边缘图像中获取手指边缘内侧图像的质心，以经过质心且平行于X轴的一条直线为中心线，在所述手指边缘图像中以中心线为起始向两侧取设定宽度的区域作为手静脉图像的处理图像A ;其中，以手指延伸方向为X轴方向，手指延伸方向的垂直方向为Y方向；
[0017]步骤23、对所述处理图像A进行基于均值和方差的图像分割，得到二值图B ;从二值图B的上、中、下部分别提取一个质量判断区，每个质量判断区X方向的长度与二值图B在X方向上的长度相同，每个质量判断区Y方向的长度为二值图B Y方向上长度的一半；针对每个质量判断区，计算值为O的像素数目与总像素数的比值；判断比值是否满足如下两个条件中的任意一个，如果是，则进入步骤3，否则，将当前所采集的手指静脉图像作为待处理图像，进入步骤24;
[0018]条件1、有两个或三个比值大于比值上限thresholdl,说明图像过暗；
[0019]条件2、三个比值均小于比值下限threshold2,说明图像过亮；
[0020]步骤24、当图像过暗时，通过增强光源亮度和/或增长曝光时间，来提高图像亮度；当图像过亮时，通过减弱光源亮度和/或减小曝光时间，来减小图像亮度；采用调整后的参数采集图像，重新执行步骤22。
[0021]优选地，步骤2中，所述在手指静脉图像的背景区和手指区分别提取子区域的具体步骤为:在手指区域的中部提取一个子区域1，在靠近指尖的背景区域，提取一个子区域2，在靠近指根的背景区域提取一个子区域3。
[0022]优选地，步骤3中，所述待处理图像转化为静脉纹路的二值化图像的具体步骤为:
[0023]步骤31、采用中值滤波器和高斯滤波器对待处理图像进行滤波；
[0024]步骤32、采用8方向低通滤波器对步骤31处理后的图像进行滤波，得到8副图像；比较得到的8副图像每个对应位置的相关值，取最大值作为此位置相关值，经归一化至[O, 255]，得到相关处理后的静脉图像C ；
[0025]步骤33、设置分割阈值分割静脉图像C，得到二值化的静脉图像D ；
[0026]步骤34、采用形态学算法填充图像的空洞和去除图像静脉边缘毛刺，得到图像E ；
[0027]步骤35、采用面积阈值法去除图像E中的背景小块噪声后，采用图像形态学细化算法得到细化后静脉图像F，即所述静脉纹路的二值化图像。
[0028]优选地，所述步骤5在提取手指静脉的图像特征之前，进一步采用图像形态学细化算法对合成静脉图像进行细化，得到细化后的合成静脉图像；从该细化后的合成静脉图像中提取手指静脉的图像特征。
[0029]优选地，所述步骤5中，提取手指静脉的图像特征的步骤具体为:统计待特征提取图像中O值像素的比例，各个脉络交叉点、端点和静脉组成的环的个数，各条静脉纹路组成的夹角大小，各个静脉纹路交叉点和端点之间的距离，并且计算待特征提取图像七阶不变矩的大小，上述统计和计算得到的参数共同组成手指静脉的图像特征。[0030]优选地，所述步骤5进一步包括:将得到的一组图像特征进行归一化处理，将特征首尾连接组成一个特征链；在形成的特征链中设定的位置插入m个随机数，形成最终的静脉特征链。
[0031]有益效果:
[0032]( I)本发明采取连续采集的多张图像复合特征提取的方法，能够提高采集特征的稳定性，以及获得较多的特征，从而有助于提高静脉识别准确度。
[0033](2)本发明采用自动调光技术可以根据不同人的特点采取不同亮度的红外光强，得到高质量的静脉图像，从而有助于提高静脉提取的准确度。
[0034](3)在融合后的静脉特征中，增加随机数，增加静脉特征的复杂度和增强真实信息的被破解和盗取的难度。
【专利附图】
【附图说明】
[0035]图1为本发明流程图。
[0036]图2为子区域的选取示意图。
[0037]图3为质量判断区的示意图。
【具体实施方式】
[0038]下面结合附图并举实施例，对本发明进行详细描述。
[0039]本发明提供了一种手指静脉特征提取方法。在红外光源的照射下，红外摄像机采集手指静脉图像。通过调整红外光源和红外摄像机的参数，获得亮度满足要求的手指静脉图像。采用确定好的光源和摄像机参数采集多幅待处理图像，并转化为静脉纹路的二值化图像；联合多幅静脉纹路的二值化图像查找静脉存在点，形成合成静脉图像；最后从合成静脉图像中提取手指静脉的图像特征。
[0040]可见，本发明采取连续采集的多张图像复合特征提取的方法，能够提高采集特征的稳定性，以及获得较多的特征，从而有助于提高静脉识别准确度。同时，采用自动调光技术可以根据不同人的特点采取不同亮度的红外光强，得到高质量的静脉图像，从而有助于提高静脉提取的准确度。
[0041]下面结合附图并举实施例，对上述各部分技术进行详细描述。
[0042]图1所示为本发明手指静脉特征提取过程的流程图，其包括如下步骤:
[0043]步骤1、在红外光源的照射下，红外摄像机采集手指静脉图像。
[0044]手指静脉特征提取开始时，特定波段的红外光源首先根据预设的初始亮度提供红外光。该初始亮度是根据经验和预先试验统计得到的最常用亮度值。红外光照射在采集者的手指上，经滤光片滤光和反光镜反射后由红外摄像机采集一幅手指静脉图像。红外摄像机也是采用初始的参数进行图像采集。
[0045]步骤2、通过调整红外光源的亮度和红外摄像机的曝光时间，获得亮度满足要求的手指静脉图像。
[0046]本实施例给出了一种两次调整红外光源和红外摄像机参数的自适应调整方案。其实现过程为步骤21?24。
[0047]步骤21、在手指静脉图像的背景区和手指区分别提取子区域，获得所提取所有子区域的亮度；通过调整红外光源的亮度和红外摄像机的曝光时间，令各子区域亮度均满足设定的亮度要求。然后，进入步骤22。
[0048]本步骤选择手指区和背景区共同进行亮度判断，这样可以保证进入后续处理的图像整体亮度达到要求，提高采集图像的质量。手指区和背景区是可以预先得知的，手指区就是图像的中间区域，背景区就是图像边区，主要是手指区所有两边和前边的图像边区。
[0049]本实施例中，优选地，如图2所示，在手指区域的中部提取一个区域1，在靠近指尖的背景区域，提取一个区域2，在靠近指根的背景区域提取一个区域3，分别对三个区域求取像素均值，该均值代表亮度，像素均值大，表示亮度大；如果三个均值均在设定的亮度范围内，则认为当前使用的设备参数满足要求。进入步骤3 ;否则，调整光源或曝光时间；如果亮度大，则需要变暗，可以通过缩短曝光时间和/或增加光源亮度实现。
[0050]调整时，可以采用步进调整法，首先判断调整范围，如果即将被调整到的参数值没有超出调整范围，则实施实际的调整动作，并采用新参数进行照明和图像采集，然后再进行本步骤21的判断；如果超出调整范围，则不实施实际的调整动作，以当前参数及其采集的图像进入步骤22。如果没有超过，再实施实际的调整动作；然后重新采集图像和进行本步骤103的判断。
[0051]步骤22、采用边缘提取算法提取手指静脉图像的手指边缘，将手指边缘以外的背景区域置为白色，从而去除手指边缘外部的背景区域，以减少后续分割的干扰，得到手指边缘图像；在手指边缘图像中获取手指边缘内侧图像的质心。设手指延伸方向为X轴方向、其垂直方向为Y方向，以经过质心点且平行于X轴的一条直线为中心线，在所述手指边缘图像中以中心线为起始向两侧取设定宽度的区域作为手静脉图像的处理图像A。设定宽度的选取原则为将手指的绝大部分包括进图像A中，例如，对于Y方向长度为120像素的图像，可以选取中心线上下45个像素。本步骤提取处理图像A的方式可以减少步骤23处理的数据范围，一方面提高处理速度，另一方面排除不必要的背景，提高处理结果的准确性。
[0052]步骤23、对处理图像A进行基于均值和方差的图像分割，得到二值图B。具体为，计算图像A中每个像素点i周围5*5区域(可以根据需求调节区域大小)内图像的均值和方差，由均值和方差组成分割阈值T (分割阈值T取均值和方差的加权，此区域内像素点i的像素值大于T则设为255 (白)、否则设为O (黑)，得到二值化手指静脉图像B。
[0053]接着，从二值图B的上、中、下部分别提取一个质量判断区，每个质量判断区X方向的长度与二值图B在X方向上的长度相同，每个质量判断区Y方向的长度为二值图B Y方向上长度的一半，如图3所示。针对每个质量判断区，计算值为O的像素数目与总像素数的比值bi (i=l, 2，3);判断比值bi是否满足如下两个条件中的任意一个，如果是，则进入步骤3;如果不满足任何一个条件，则说明符合要求，则将当前照明亮度作为当前采集者所需光源亮度，将当前所采集的手指静脉图像作为待处理图像，进入步骤24 ；
[0054]条件1、有两个或三个比值大于比值上限thresholdl，说明图像过暗；根据实际测试统计计算thresholdl值大小,一般大于0.3,在光亮比较适当的情况下,采集能较好识别出指脉。
[0055]条件2、三个比值均小于比值下限threShold2，说明图像过亮；根据实际测试统计计算值大小，一般小于0.1。
[0056]步骤24、当图像过暗时，通过增强光源亮度和/或增长曝光时间，来提高图像亮度；当图像过亮时，通过减弱光源亮度和/或减小曝光时间，来减小图像亮度。采用调整后的参数采集图像，重新执行步骤22。
[0057]本步骤24中，也可以采用步进调整法。根据设定的调整步进，先计算调整后的亮度或时间，判断其是否超出其调整范围，如果没有超出，则实施调整动作，采用调整后的设备参数采集图像，然后转入步骤22。如果超出，则认为整个调整过程中没有得到满足要求的图像，而当前采集的图像为整个调整过程中最接近最优图像质量的一幅，将其对应的照明亮度和曝光时间，作为当前采集者所需参数，并将以此参数采集的手指静脉图像作为待处理图像，而后执行步骤3。
[0058]步骤3、采用步骤2确定的参数采集η幅待处理图像，将η幅待处理图像转化为静脉纹路的二值化图像，得到相同大小的记为F1?Fn。
[0059]本步骤具体包括:
[0060]步骤31、采用中值滤波器去除图像的椒盐噪声，采用高斯滤波器去除图像的高斯
噪声；
[0061]步骤32、进行静脉分割:由于静脉图像中血管区域像素值亮度相对于其周围的肌肉组织亮度低，类似于漏斗状，与设定的低通滤波器相似度较大，可以得到较大的相关值；因此采用8方向低通滤波器对步骤31处理后的图像进行滤波，得到8副滤波图像；滤波图像中每个像素位置具有一个相关值，比较得到的8副滤波图像每个对应位置的相关值，取最大值作为此位置相关值，经归一化至[0，255]，得到相关处理后的静脉图像C。静脉图像C有效的突出了静脉图像中静脉的分布，为图像二值化分割提供了样板。
[0062]步骤33、设置分割阈值T2分割静脉图像C，得到二值化的静脉图像D ；
[0063]步骤34、采用形态学算法填充图像的空洞和去除图像静脉边缘毛刺，得到图像E ；
[0064]步骤35、采用面积阈值法去除图像E中的背景小块噪声后，采用图像形态学细化算法得到细化后静脉图像F，即所述静脉纹路的二值化图像。
[0065]步骤4、联合多幅静脉纹路的二值化图像查找静脉存在点，形成合成静脉图像。
[0066]本步骤中，以j表示二值化图像中的第j个像素点，当某一幅二值化图像中第j个像素点的值等于0(黑像素)，则将累积值Ij加I。针对F1?Fn统计每个像素对应的累积值Ij,累积值Ij表达了 η幅图像中像素位置j处的黑像素个数。统计完成后，如果Ij大于或等于统计值门限，本实施例中选取0.6n，则将此像素点j设为静脉存在点(像素值为0)，将合成静脉图像中的该像素点j位置上的像素值置为0，遍历整个图像得到整个合成静脉图像G。
[0067]合成静脉图像中静脉纹路可能非单像素宽，这样会对比较和识别带来困难，而将其转换为单像素可以降低比较难度，而且在特征提取时，容易提取分叉点等特征。因此需要采用图像形态学细化算法再次对合成静脉图像进行细化，得到细化后的合成静脉图像G。
[0068]步骤5、从合成静脉图像G中提取手指静脉的图像特征。
[0069]本步骤中，首先，统计待特征提取图像中O值像素的比例，各个脉络交叉点、端点和静脉组成的环的个数，各条静脉纹路组成的夹角大小，各个静脉纹路交叉点和端点之间的距离，并且计算待特征提取图像七阶不变矩的大小，上述统计和计算得到的参数共同组成手指静脉的图像特征。
[0070]然后，得到的一组手指静脉的图像特征进行归一化处理，将特征首尾连接组成一个特征链；在形成的特征链中设定的位置插入m个随机数，形成最终的静脉特征链。加入随机数可以增加破译难度。
[0071]最后，加S存储合成的静脉特征链。
[0072]至此，完成了 一个采集者的手指静脉特征提取流程。
[0073]综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种手指静脉特征提取方法，其特征在于，包括: 步骤1、在红外光源的照射下，红外摄像机采集手指静脉图像； 步骤2、通过调整红外光源的亮度和红外摄像机的曝光时间，获得亮度满足要求的手指静脉图像； 步骤3、采用步骤2确定的参数采集η幅待处理图像，将η幅待处理图像转化为静脉纹路的二值化图像，得到相同大小的记为F1~Fn ; 步骤4、以j表示静脉纹路的二值化图像中的第j个像素点，当某一幅静脉纹路的二值化图像中第j个像素点的值等于O，则将第j个像素点对应的累积值Ij加I，针对F1~Fj充计每个像素对应的累积值I」，如果大于或等于设定统计值门限，则将此像素点设为静脉存在点，将生成的合成静脉图像中的该像素点置为黑色，从而得到整个合成静脉图像； 步骤5、从所述合成静脉图像中提取手指静脉的图像特征。
2.如权利要求1所述的方法，其特征在于，所述步骤2具体为: 步骤21、在手指静脉图像的背景区和手指区分别提取子区域，获得所提取所有子区域的亮度；通过调整红外光源的亮度和红外摄像机的曝光时间，令各子区域亮度均满足设定的亮度要求。
3.如权利要求2所述的方法，其特征在于，所述步骤2中，在步骤21之后进一步包括步骤22~24: 步骤22、采用边缘提取算法提取手指静脉图像的手指边缘，将手指边缘以外的背景区域置为白色，得到手指边 缘图像；在手指边缘图像中获取手指边缘内侧图像的质心，以经过质心且平行于X轴的一条直线为中心线，在所述手指边缘图像中以中心线为起始向两侧取设定宽度的区域作为手静脉图像的处理图像A ;其中，以手指延伸方向为X轴方向，手指延伸方向的垂直方向为Y方向； 步骤23、对所述处理图像A进行基于均值和方差的图像分割，得到二值图B ;从二值图B的上、中、下部分别提取一个质量判断区，每个质量判断区X方向的长度与二值图B在X方向上的长度相同，每个质量判断区Y方向的长度为二值图B Y方向上长度的一半；针对每个质量判断区，计算值为O的像素数目与总像素数的比值；判断比值是否满足如下两个条件中的任意一个，如果是，则进入步骤3，否则，将当前所采集的手指静脉图像作为待处理图像，进入步骤24; 条件1、有两个或三个比值大于比值上限thresholdl，说明图像过暗； 条件2、三个比值均小于比值下限threshold2，说明图像过亮； 步骤24、当图像过暗时，通过增强光源亮度和/或增长曝光时间，来提高图像亮度；当图像过亮时，通过减弱光源亮度和/或减小曝光时间，来减小图像亮度；采用调整后的参数采集图像，重新执行步骤22。
4.如权利要求2或3所述的方法，其特征在于，步骤2中，所述在手指静脉图像的背景区和手指区分别提取子区域的具体步骤为: 在手指区域的中部提取一个子区域1，在靠近指尖的背景区域，提取一个子区域2，在靠近指根的背景区域提取一个子区域3。
5.如权利要求1所述的方法，其特征在于，步骤3中，所述待处理图像转化为静脉纹路的二值化图像的具体步骤为:步骤31、采用中值滤波器和高斯滤波器对待处理图像进行滤波； 步骤32、采用8方向低通滤波器对步骤31处理后的图像进行滤波，得到8副图像；比较得到的8副图像每个对应位置的相关值，取最大值作为此位置相关值，经归一化至[O, 255]，得到相关处理后的静脉图像C ； 步骤33、设置分割阈值分割静脉图像C，得到二值化的静脉图像D ； 步骤34、采用形态学算法填充图像的空洞和去除图像静脉边缘毛刺，得到图像E ； 步骤35、采用面积阈值法去除图像E中的背景小块噪声后，采用图像形态学细化算法得到细化后静脉图像F，即所述静脉纹路的二值化图像。
6.如权利要求1所述的方法，其特征在于，步骤4中，所述设定统计值门限为0.6η。
7.如权利要求1所述的方法，其特征在于，所述步骤5在提取手指静脉的图像特征之前，进一步采用图像形态学细化算法对合成静脉图像进行细化，得到细化后的合成静脉图像；从该细化后的合成静脉图像中提取手指静脉的图像特征。
8.如权利要求1或7所述的方法，其特征在于，所述步骤5中，提取手指静脉的图像特征的步骤具体为: 统计待特征提取图像中O值像素的比例，各个脉络交叉点、端点和静脉组成的环的个数，各条静脉纹路组成的夹角大小，各个静脉纹路交叉点和端点之间的距离，并且计算待特征提取图像七阶不变矩的大小，上述统计和计算得到的参数共同组成手指静脉的图像特征。
9.如权利要求8所述的方法，其特征在于，所述步骤5进一步包括:将得到的一组图像特征进行归一化处理，将`特征首尾连接组成一个特征链；在形成的特征链中设定的位置插入m个随机数，形成最终的静脉特征链。
10.如权利要求9所述的方法，其特征在于，该方法进一步包括:加密存储合成的所述静脉特征链。
【文档编号】G06K9/60GK103886321SQ201410066438
【公开日】2014年6月25日 申请日期:2014年2月26日 优先权日:2014年2月26日
【发明者】郭庆昌, 胡国兵, 汤露 申请人:中国船舶重工集团公司第七一〇研究所