1917_基于Matlab的手背靜脈圖像預(yù)處理（亂碼）

1917_基于Matlab的手背靜脈圖像預(yù)處理（亂碼）,基于,matlab,手背,靜脈,圖像,圖象,預(yù)處理,亂碼 畢業(yè)論文文獻(xiàn)綜述院 （ 系 ） 名 稱 工 學(xué) 院 機(jī) 械 系專 業(yè) 名 稱 機(jī) 械 設(shè) 計(jì) 制 造 及 其 自 動(dòng) 化學(xué) 生 姓 名 李 明 指 導(dǎo) 教 師 蔡 超 峰 2012 年 03 月 10 日黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 1 頁基于 Matlab 的手背靜脈圖像預(yù)處理摘要：人體手背靜脈識(shí)別技術(shù)作為一種全新的非接觸式生物特征識(shí)別技術(shù)，與以往傳統(tǒng)的指紋以及虹膜識(shí)別技術(shù)相比表現(xiàn)出了許多明顯的優(yōu)勢(shì)。本文首先，對(duì)采集到的圖像進(jìn)行有效區(qū)域提取，然后針對(duì)光強(qiáng)和手背薄厚對(duì)采集圖像質(zhì)量的影響，采用高頻加強(qiáng)濾波和直方圖均衡的方法來進(jìn)行增強(qiáng)處理，實(shí)驗(yàn)結(jié)果展示了增強(qiáng)的效果，并引用模糊指數(shù)的概念來定量的分析了增強(qiáng)的效果，最后，分析和評(píng)價(jià)了常用閾值分割算法和細(xì)化算法在靜脈圖像中的實(shí)驗(yàn)效果。關(guān)鍵詞：手背靜脈識(shí)別；提??；增強(qiáng)；分割；細(xì)化前言近年來，國(guó)內(nèi)外的媒體經(jīng)常會(huì)有這樣的報(bào)道：客戶在銀行的存款不翼而飛;電腦中的重要文件被復(fù)制;汽車中央門鎖被盜而導(dǎo)致車內(nèi)重要財(cái)物失竊……,這些情況都給人們的生活帶來了巨大的麻煩和損失，這一切的發(fā)生最終都與身份識(shí)別有著密不可分的關(guān)系。特別是在一些安全部門和高級(jí)別會(huì)議，對(duì)于身份識(shí)別的要求更高。傳統(tǒng)的身份鑒定方法大致分為兩類，一是基于密碼的機(jī)制，如口令、個(gè)人密碼等;二是基于物件機(jī)制，如鑰匙、證件、卡等。但是兩者均存在一定的弊端，使其難以保證身份確認(rèn)的唯一性和可靠性，因此人們期待著使用更為安全方便的身份識(shí)別技術(shù)來保障我們的生活，生物識(shí)別技術(shù)應(yīng)運(yùn)而生。根據(jù)國(guó)際生物特征識(shí)別技術(shù)組織市場(chǎng)調(diào)研和統(tǒng)計(jì)，在眾多身份認(rèn)證技術(shù)中，指紋識(shí)別技術(shù)是技術(shù)上相對(duì)成熟的生物測(cè)定識(shí)別技術(shù)解決方案。指紋識(shí)別己經(jīng)取得了比較好的成果,并且應(yīng)用到各種網(wǎng)絡(luò)信息安全領(lǐng)域。但是，指紋識(shí)別發(fā)展到現(xiàn)在面臨一個(gè)不可回避的問題，因而受到很大限制。人會(huì)突然失去可用的指紋，如手指過濕、過干或出現(xiàn)手指暴皮等特征損傷時(shí)，實(shí)時(shí)采集的指紋圖像已經(jīng)改變了原有的特征模式，這樣就會(huì)大大降低驗(yàn)證通過的成功率，進(jìn)而識(shí)別的效果也會(huì)嚴(yán)重影響。而這些特殊情況在黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 2 頁日常生活中是經(jīng)常出現(xiàn)的，這直接影響指紋識(shí)別技術(shù)在高安全級(jí)別場(chǎng)合應(yīng)用。其次，指紋識(shí)別的最大隱憂就是仿偽性差，因?yàn)橹讣y使用的外層特征使得犯罪分子很容易盜取指紋印跡。此外，指紋還存在由于直接接觸而產(chǎn)生的衛(wèi)生問題等。由于上面的種種原因，指紋之外的生物特征識(shí)別技術(shù)也逐漸的吸引著業(yè)內(nèi)人士進(jìn)行研究。手背靜脈識(shí)別和掌紋識(shí)別是近年來發(fā)展起來的較新穎生物特征識(shí)別技術(shù)，且研究表明，這兩種技術(shù)也可獲得比較高的識(shí)別率，完全可以作為指紋和虹膜的替代技術(shù)，然則掌紋識(shí)別技術(shù)有一個(gè)影響其推廣的致命缺點(diǎn)就是采集設(shè)備體積大，且它也存在指紋所涉及到的上述問題。而手背靜脈識(shí)別技術(shù)是非接觸式，且手背靜脈在一定時(shí)期內(nèi)很難改變?；谌梭w手背靜脈的生物測(cè)定識(shí)別系統(tǒng)在身份認(rèn)定方面與指紋等其他生物特征相比具有一些獨(dú)特的優(yōu)勢(shì)：一是非接觸性,靜脈位于體表下面，不會(huì)對(duì)采集表面污染;二是防偽性強(qiáng)，因?yàn)樯眢w內(nèi)部的血管特征很難偽造或是手術(shù)改變;三是易接收性，特征采集比較友好，相對(duì) DNA 和虹膜容易讓人接收。四是可以和其它生物識(shí)別技術(shù)如人臉、指紋等組成多模生物識(shí)別系統(tǒng)。因此，手背靜脈識(shí)別被認(rèn)為是模式識(shí)別領(lǐng)域中難度較大的新的研究方向，正吸引著計(jì)算機(jī)視覺、電子工程、模式識(shí)別等領(lǐng)域研究人員進(jìn)入該領(lǐng)域，并且逐漸成為生物特征識(shí)別領(lǐng)域的新的研究熱點(diǎn)之一，所以對(duì)人體手背靜脈識(shí)別技術(shù)的研究具有相當(dāng)大的實(shí)用意義和市場(chǎng)潛力。1 靜脈圖像的采集原理人體手背靜脈在可見光下是不容易被采集的，然而，由醫(yī)學(xué)領(lǐng)域和生物領(lǐng)域的研究人員發(fā)現(xiàn)，在兩種情況下可以得到比較理想的靜脈紋理，并且已經(jīng)證明每個(gè)人的靜脈紋絡(luò)是不相同的。一種情況是根據(jù)靜脈血管與其周圍的組織在溫度上存在差異，可以利用這一特點(diǎn)采用遠(yuǎn)紅外自動(dòng)溫度記錄儀來采集圖像。第二種情況是根據(jù)靜脈血管與其周圍的組織吸收紅外光比較多這一特征,利用 CCD 攝像機(jī)來采集圖像，目前來講，大多數(shù)采集都是基于這種原理。黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 3 頁1.1 基于熱輻射的圖像采集 生物醫(yī)學(xué)研究表明，所有的熱物體都會(huì)發(fā)射出紅外輻射光，人體作為具有生命活動(dòng)動(dòng)物當(dāng)然也會(huì)發(fā)射這種紅外線，由波爾茲曼定律以及普朗克能量分布定律可以得到，人體本身輻射的波長(zhǎng)大約在 3～14μm，經(jīng)過空氣后紅外頻譜穿過率削減為 3～5μm 和8～14μm 的范圍。所以利用 3～5μm 或者 8～14μm 熱感光攝像機(jī)成像就可以采集到手背熱量分布不均而表現(xiàn)的圖像。1.2 基于近紅外的圖像采集研究表明，照射的紅外光能夠進(jìn)入生物組織大約 3mm 處，當(dāng)近紅外光譜（Infrared spectroscopy, IR）的入射光波波長(zhǎng)在 700nm 至 1400nm 照射手背時(shí)，由于靜脈血管比周圍組織吸收較多的紅外光，所以能夠突顯出靜脈紋絡(luò)，那么就可以用一個(gè) CCD 攝像頭外裝配一個(gè)紅外濾鏡來采集到靜脈圖像。通過這種廉價(jià)的采集原理，完全可以采集到符合要求的靜脈圖像。2 靜脈圖像有效區(qū)提取采集到的靜脈圖像庫中的圖像為 256 級(jí)灰度，其分辨率大小為 320*240，如圖 2-3所示，顯然，圖像中除了含有手背圖像外，還含有很多背景，為了減少背景對(duì)靜脈紋絡(luò)的影響，我們特提取含有手背靜脈紋絡(luò)的有效區(qū)域。本文采用基于質(zhì)心的有效區(qū)提取算法 [11]，算法描述如下：1）對(duì)原圖像進(jìn)行閾值分割，它的作用是將圖像分為對(duì)比鮮明的兩部分，即目標(biāo)和背景，結(jié)合靜脈圖像，就是把整個(gè)手背區(qū)和背景分割開來，而閾值的大小是根據(jù)經(jīng)驗(yàn)設(shè)值的，本文中設(shè)定為 50。2）計(jì)算分割后的圖像的手背的質(zhì)心，其質(zhì)心 的計(jì)算公式為:)(,jigZ(2-1)???MiNjMiNjI ffg00,),(2-2)??ijijJ iff00 ),(),((2-3)?????Ajijif),(1),(黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 4 頁其中，A 為圖像 中屬于手背靜脈輪廓中的區(qū)域。f3）經(jīng)過計(jì)算我們得到了質(zhì)心，然后定義以質(zhì)心為基點(diǎn)在靜脈區(qū)域內(nèi)截取大小為128*128 像素的區(qū)域。3.靜脈圖像預(yù)處理3.1 靜脈圖像增強(qiáng)在手背靜脈圖像采集過程中，由于靜脈采集裝置受采集光強(qiáng)以及個(gè)人手背薄厚影響，它所采集的圖像在灰度上可能就存在差異。通常情況下，所采集到的靜脈圖像中，靜脈血管紋理和手背的灰度差別很小 [12]。目前，大多數(shù)單一閾值 [13]和多閾值分割法 [14]都是直接在采集圖像上進(jìn)行二值化處理，這樣會(huì)導(dǎo)致部分可用信息丟失甚至將部分背景信息誤判。而圖像增強(qiáng)處理是獲取有效信息的保證，因此，為便于靜脈紋理的分割，對(duì)采集的圖像進(jìn)行預(yù)處理來增強(qiáng)靜脈紋理是非常必要的。預(yù)處理的方法有：中值濾波法、高頻加強(qiáng)濾波法、直方圖均衡法等。3.2 靜脈圖像分割靜脈圖像分割的目的是使靜脈紋絡(luò)和背景分割開來，針對(duì)本課題也就是所謂的二值化處理，即將靜脈紋絡(luò)圖像轉(zhuǎn)化為僅有黑白兩種色的圖像，以方便后期的特征點(diǎn)的提取。然而，二值化面臨的最大的難點(diǎn)就是如何確定閾值的大小，這個(gè)直接關(guān)系到二值化的效果?；叶葓D像二值化的過程就是選定一個(gè)閾值 T，當(dāng)圖像中的像素值大于這個(gè)值時(shí)就設(shè)定為 255，當(dāng)小于此值時(shí)就設(shè)定為 0。從這個(gè)定義中我們可以看出，如果閾值太大，有些背景也變成目標(biāo)，如果太小，把目標(biāo)反而變成背景，所以閾值 T 是區(qū)分對(duì)象和背景的關(guān)鍵所在。設(shè)待二值化的圖像為 ，二值化后的圖像為 ，則),(yxf ),(yxg二值化的數(shù)學(xué)表達(dá)可以寫為：(3.2-1)??????Tyxf，yxf),(01),(3.2.1 常用的閾值分割方法常用的閾值分割方法有：（1）局部均值閾值法黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 5 頁（2）局部最大類間方差法（3）基于局部極值的二值化算法（4）閾值圖像法（5）Ni Black 算法3.2.2 閾值分割的實(shí)驗(yàn)結(jié)果在 MATLAB 中實(shí)現(xiàn)了前面介紹的各種二值化算法，對(duì)一幅采集到的原始手背靜脈圖像，經(jīng)過高頻加強(qiáng)濾波和直方圖均衡后，再進(jìn)行二值化處理。3.3 靜脈圖像細(xì)化靜脈圖像細(xì)化的目的是為了得到單像素描述的靜脈血管，既保持了原有的紋絡(luò)特征，又提取了靜脈血管的骨架，也使得他的形狀和走勢(shì)給清楚的顯示了出來。有利于我們研究靜脈紋絡(luò)結(jié)構(gòu)。目前來說，好多文獻(xiàn)的研究表明，從細(xì)化后的紋絡(luò)結(jié)構(gòu)上提取特征還是主要的研究方向，例如，我們可以提取端點(diǎn)相對(duì)位置，端點(diǎn)個(gè)數(shù)，端點(diǎn)的中心距，紋線的長(zhǎng)短，相對(duì)位置等等特征值，用這些細(xì)化后提取的特征值來進(jìn)行匹配，達(dá)到身份認(rèn)證的目的。因此，細(xì)化算法也是靜脈圖像識(shí)別中的重要步驟，他的處理結(jié)果真接影響著認(rèn)證的識(shí)別率。細(xì)化算法的基本原理就是將二值化后所得到的紋絡(luò)變成單像素的骨架圖像[32]，細(xì)化后要保持原有圖像的紋絡(luò)拓?fù)浣Y(jié)構(gòu)以及原有圖像的連續(xù)性，從而保持靜脈紋絡(luò)的原有特征。細(xì)化通用原理如下：定義 8 近鄰窗口如圖 3.31 所示：當(dāng) P 等于 1 時(shí)，是白色即目標(biāo)像素，相反則為背景像素。待識(shí)別的像素 P 與近鄰的 8 個(gè)像素相連通，我們是保留該點(diǎn)還是刪除該點(diǎn)就根據(jù) P 點(diǎn)的聯(lián)接數(shù)和 P 點(diǎn)的性質(zhì)來決定。連接數(shù) N 的計(jì)算如式 3.3-1P4 P3 P2P5 P P1P6 P7 P8圖 3.3.1 P 點(diǎn)的 8 鄰域窗口,當(dāng) 時(shí)，設(shè) (3.3-1)????811)(iiiN9?i 1??i計(jì)算出 P 點(diǎn)的聯(lián)接數(shù)值，我們可以確定 P 點(diǎn)的性質(zhì)，下面給出各種連接所確定的P 點(diǎn)性質(zhì)。黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 6 頁從圖中我們可以根據(jù) P 點(diǎn)的性質(zhì)分析出哪些點(diǎn)可以刪掉，那些點(diǎn)應(yīng)該保留，顯而易見，內(nèi)點(diǎn)、端點(diǎn)，因?yàn)檫@些點(diǎn)是骨架的結(jié)構(gòu)，孤立點(diǎn)也應(yīng)該保留，因?yàn)榭赡苓@些點(diǎn)決定了一些重要性質(zhì);分支點(diǎn)、交叉點(diǎn)、連通點(diǎn)也要保留，因?yàn)閯h除這些點(diǎn)就破壞了紋絡(luò)的連通性，使紋絡(luò)出現(xiàn)斷裂;輪廓點(diǎn)和拐點(diǎn)可以刪除。這就是細(xì)化的基本方法，目前為止，好多方法都是以此為基礎(chǔ)來進(jìn)行細(xì)化。另外細(xì)化算法應(yīng)該滿足一些基本要求:(1)收斂性:迭代必須是收斂的;(2)連接性:保證靜脈紋絡(luò)不中斷;(3)拓?fù)湫?不引起骨架的逐步吞食;(4)保持性:使用靜脈紋絡(luò)的細(xì)節(jié)特征完好;(5)細(xì)化性:靜脈紋絡(luò)為單像素;(6)中軸性:細(xì)化的單像素紋絡(luò)最大程度接近中心線;(7)快速性:方法實(shí)現(xiàn)起來要簡(jiǎn)單、高效。N=0 內(nèi)點(diǎn) N=0 孤立點(diǎn) N=1 端點(diǎn)1 1 11 1 11 1 10 0 00 1 00 0 01 0 00 1 00 0 0N=1 輪廓點(diǎn) N=2 連接點(diǎn) N=2 拐點(diǎn)0 0 11 1 11 1 10 0 01 1 10 0 00 1 01 1 00 0 0N=3 內(nèi)點(diǎn) N=3 分支點(diǎn) N=4 交叉點(diǎn)0 1 01 1 11 1 11 0 10 1 00 0 11 0 10 1 01 0 1圖 3.3.2 P 點(diǎn)性質(zhì)與值關(guān)系黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 7 頁3.3.1 常用的細(xì)化方法常用的細(xì)化方法有：Hilditch 細(xì)化算法、Rosenfeld 細(xì)化算法、Rosenfeld 細(xì)化算法、Rosenfeld 細(xì)化算法3.3.2 細(xì)化的實(shí)驗(yàn)結(jié)果由于 Rosenfeld 細(xì)化方法細(xì)化后的圖像比較好，很清晰并正確的反映了靜脈血管的走勢(shì)和形狀，細(xì)化的細(xì)管比較平滑流暢，一定程度上消除了一些毛刺，處理速度也比較快，所以本文就選用了此種方法來細(xì)化圖像。3.4 細(xì)化后的修飾靜脈圖像經(jīng)過細(xì)化步驟后取的了比較清晰的形狀和走勢(shì)，然而任何算法不都是完美的，在細(xì)化的過程，由于閾值圖像中靜脈骨架不是很均勻，這就導(dǎo)致細(xì)化后出現(xiàn)毛刺象，而這些毛刺與骨架相連形成交叉點(diǎn)，這會(huì)對(duì)提取交叉點(diǎn)和端點(diǎn)特征造成錯(cuò)誤，從而影響匹配。因此除去這些毛刺是非常必要的。4 小結(jié)本章按照靜脈圖像前期預(yù)處理的過程，詳細(xì)的研究了各個(gè)過程的算法，首先對(duì)采集的圖像進(jìn)行有效區(qū)域提取，并針對(duì)采集到的圖像質(zhì)量問題提出了高頻加強(qiáng)濾波和直方圖均衡的方法來增強(qiáng)圖像，為后面的分割奠定了基礎(chǔ)，在分割和細(xì)化階段詳細(xì)的研究了各種二值化算法和細(xì)化算法，并給出了實(shí)驗(yàn)效果和分析。黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 8 頁參 考 文 獻(xiàn)[1] 林喜榮.人體手背血管圖像的特征提取及匹配[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版）,2003,43(2): 164- 167.[2] 王科俊,丁宇航,王大振.基于靜脈識(shí)別的身份認(rèn)證方法研究.科技導(dǎo)報(bào),2005,23(1):35- 37.[3] 韓笑. 人體手背靜脈識(shí)別算法研究[D]. 吉林：吉林大學(xué)， 2006.[4] 呂佩卓,賴聲禮.人體手背靜脈血管圖像增強(qiáng)與特征匹配[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2007,28(15):3623-3625.[5] 阮秋奇,數(shù)字圖像處理學(xué).2001,北京:電子工業(yè)出版社 .[6] 沈庭芝, 方子文.數(shù)字圖像處理及模式識(shí)別.1998,北京:北京理工大學(xué)出版社.報(bào).[7] 岡薩雷斯.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2005,9.[8] 章毓晉 ,圖像工程（上冊(cè)）：圖象處理和分析.1999,北京: 清華大學(xué)出版社. [9] 劉 軒,劉佳賓.基于對(duì)比度受限自適應(yīng)直方圖均衡的乳腺圖像增強(qiáng)[J] 計(jì)算機(jī)工程與用,2008,44(10):173- 175.[10] 舒金龍, 于振紅,朱振福.一種改進(jìn)的紅外圖像模糊增強(qiáng)方法[J].系統(tǒng)工程與電子技術(shù),2005,27(6):957- 959.[11] Jain AK Ross A, Prabhakar S. An introduction to biometric recognition[J].IEEE Transactions on Circuits and Systems for Video Technology,Special Issue on Image and Video based Biometrics,2004,14(1):4-20.[12] Sang-Kyun Im,Hyung-Man Park,Young-Woo,Sang-Chan Han,Soo-Won Kim,Chul-Hee Kang.An Biometric Identification System by Extracting Hand Vein Patterns.Journal of the Korean Physical Society,2001,38(3):268-272.[13] Toshiyuki Tanaka, Naohiko Kubo. Biometric authentication by hand vein patterns.SICE Annual Conference,2004 : 2671—2675.黃 河 科 技 學(xué) 院 畢 業(yè) 論 文 （ 文 獻(xiàn) 綜 述 ） 第 9 頁