基于近紅外圖象的靜脈識別算法研究new

1、基于近紅外圖像的靜脈識別算法研究秦斌12，謝寶3，杜戈果4，5，曹廣忠23（1.深圳大學信息中心，深圳518060；2.深圳傳感技術重點實驗室，深圳518060；3.深圳大學機電與控制工程學院，深圳518060；4.深圳大學激光重點實驗室，深圳518060；5.深圳大學電子科學與技術學院，深圳518060）摘要：傳統(tǒng)的靜脈識別系統(tǒng)由五個步驟組成：近紅外靜脈圖像采集，圖像增強，靜脈圖像分割，骨架化和模板匹配。在靜脈圖像分割和骨架化的過程當

2、中，大量有用的信息（比如靜脈的粗細）丟失，并引入了噪聲，增加了后期識別過程的復雜度，降低了識別率.本文通過實驗和分析比較，提出一種基于靜脈圖像不變矩和相關函數(shù)在決策層通過概率統(tǒng)計融合的識別方法，在采用實驗室CEC手背靜脈識別儀硬件采集圖像的條件下，該算法實際EER（EqualErrRate）達到了3%，實驗結果表明該算法在識別速度及識別率上滿足一般應用要求。從性價比的角度來看，該算法和傳統(tǒng)算法相比有了明顯的提高，特別適合低成本嵌入式系統(tǒng)

3、中使用.關鍵詞：近紅外圖像；靜脈識別；不變矩；相關函數(shù)；權重融合；中圖分類號：TP391；TP751文獻標識碼：A生物識別技術是利用人體生理特征或行為特征進行身份認證的一種新興技術，主要包括指紋識別、虹膜識別、掌紋識別、聲音識別等.作為一種新的生物識別技術，靜脈識別所采用的生物數(shù)據(jù)是人的靜脈血管信息，它具備很強的普遍性和唯一性，并且在使用的過程中為非接觸式采集，可以在公共場合使用，而不用擔心衛(wèi)生問題.另外人的靜脈隱藏在皮膚表層，很難偽造

4、或通過手術改變.[1]人手靜脈識別技術的原理：參考人體骨骼、肌肉組織的特點[2]當入射光波長在0.72~1.10μm時可較好地穿透骨骼和肌肉人體血液里富含血紅蛋白，血紅蛋白對紅外光的吸收要遠大于周圍的肌肉和骨骼，靜脈血管的紅外成像區(qū)域較周邊組織影像亮度暗，因此凸現(xiàn)出靜脈結構[34]，通過適當?shù)募t外光照射人手特定部位，紅外攝像機便可獲取清晰的靜脈圖像用于識別個體.人手靜脈識別技術是根據(jù)人體骨骼、肌肉組織的特點[2]當入射光波長在0.72~

5、1.10μm時可較好地穿透骨骼和肌肉凸現(xiàn)出靜脈結構[34]由紅外攝像機獲取靜脈圖像來識別個體.人體血液里含有血紅蛋白，血紅蛋白的血紅素對紅外光的吸收要遠大于周圍的肌肉和骨骼，在紅外攝像機里成像暗的區(qū)域就是我們的靜脈.入射光波長在805nm時，氧合血紅蛋白和脫氧血紅蛋白的光譜吸收因子相同[5]，理論上成像最為穩(wěn)定，由于市面上850nm的紅外LED比較容易獲得，價格相對便宜，在應用中多使用850nm的LED來做補償光源.傳統(tǒng)的靜脈識別算法是

6、通過對靜脈圖像進行歸一化（包括尺度和灰度），二值化（圖像分割），再細化（骨架化），然后通過特征點或模板進行匹配，但在圖像的二值化及細化的過程當中，很多有用的靜脈細節(jié)信息就被忽略了（如靜脈的粗細和深淺），并且會引入一些新的噪聲，這樣就會給識別帶來一定的人為誤差.基于此，有關靜脈識別的新算法近年來不斷出現(xiàn)[613]，本文針對嵌入式應用提出一種基于圖像相關函數(shù)和不變矩在決策層通過概率統(tǒng)計融合的識別方法，在識別率和實時性方面都滿足了實際應用的需

7、求.傳統(tǒng)的靜脈識別算法是通過對靜脈圖像進行歸一化（包括尺度和灰度），二值化（圖像分割），再細化（骨架化），然后通過特征點或模板進行匹配，但在圖像的二值化及細化的過程當中，很多有用的靜脈細節(jié)信息就被忽略了比如說靜脈的粗細和深淺，并且會引入一些新的噪聲，這樣就會給識別帶來一定的人為誤差.基于此，有關靜脈識別的新算法近年來不斷出現(xiàn)[613]，本文針對嵌入式應用提出一種基于圖像相關函數(shù)和不變矩相融合的識別方法，在識別率和實時性方面都滿足了實際應

8、用的需求.圖2灰度歸一化的靜脈圖Fig.2Graynmalizedveinimage2圖像特征提取21相關函數(shù)計算圖像可以看成是個二維的非平穩(wěn)的隨機信號，利用隨機信號的相關性，對兩幅圖像進行相關處理，并根據(jù)閾值進行判定，這種方法比較簡單，計算的速度很快.將一幅圖像看成一個隨機過程X（t）則在工程上稱=(3))21(ttR??)2()1(tXtXE?為相關函數(shù)[15].其中和表示在圖像矩陣中的灰度值，可以利用相關函數(shù)的方法來判定兩幅靜脈圖

9、像是否)1(tX)2(tX是同一個人.相關函數(shù)是求兩幅圖像相互重疊部分的大小，本實驗中使用的靜脈圖像是隨機采集的，均為成年人未指定年齡和性別有123名不同的實驗者做了多次的采集.分別對這123名不同實驗者的靜脈樣本利用公式(3)來做相關函數(shù)的計算.得出的相關函數(shù)值分布如表1所示.表1相關函數(shù)值分布Table1Relevantfunctionvaluedistribution相關函數(shù)[00.1)[0.10.2)[0.20.3)[0.30.