低对比度手指静脉图像的分割
手指静脉图像鲁棒边缘检测算法
Ｒｏｂｕｓｔｅｄｇｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｆｉｎｇｅｒｖｅｉｎｉｍａｇｅｓ
ＷａｎｇＭｉｎｇｗｅｎ１，ＴａｎｇＤｏｎｇｍｉｎｇ２，ＹｕＹａｏｃｈｅｎｇ１，ＹａｎｇＨａｏ１
（１．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓ，ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１１７５６，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ ＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００４１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｉｎｇｅｒｖｅｉｎｒｅｃｏｇｎｉｔｉｏｎｉｓａｎｅｗｇｅｎｅｒａｔｉｏｎｂｉｏｍｅｔｒｉｃｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙａｎｄｈａｓｗｉｄｅｐｏｔｅｎｔｉａｌａｐｐｌｉｃａｔｉｏｎｓ．Ｉｎ ｏｒｄｅｒｔｏｌｏｃａｔｅｔｈｅｆｉｎｇｅｒｖｅｉｎｒｅｇｉｏｎｆｏｒｒｅｃｏｇｎｉｔｉｏｎ，ｏｎｅｉｍｐｏｒｔａｎｔｗｏｒｋｉｓｔｏｄｅｔｅｃｔｔｈｅｅｄｇｅｓｏｆｔｈｅｆｉｎｇｅｒｔｏｓｅｇｍｅｎｔｔｈｅｆｉｎｇｅｒ ｓｈａｐｅ．Ｂｅｃａｕｓｅｔｈｅｅｘｉｓｔｉｎｇｆｉｎｇｅｒｅｄｇｅｄｅｔｅｃｔａｌｇｏｒｉｔｈｍｓｄｉｄｎｏｔｗｏｒｋｗｅｌｌｆｏｒｌｏｗｑｕａｌｉｔｙｆｉｎｇｅｒｖｅｉｎｉｍａｇｅｓ，ｔｈｉｓｐａｐｅｒｐｒｏ ｐｏｓｅｄａｎｏｖｅｌａｌｇｏｒｉｔｈｍ．Ｉｔｃｏｎｓｉｓｔｅｄｏｆｔｈｒｅｅｍａｉｎｓｔｅｐｓ：ｆｉｒｓｔｌｙ，ｔｈｅａｌｇｏｒｉｔｈｍｓｅａｒｃｈｅｄａｎｉｎｎｅｒｌｉｎｅｏｆｔｈｅｆｉｎｇｅｒａｎｄｉｔｄｉｖｉｄｅｄ ｔｈｅｆｉｎｇｅｒｖｅｉｎｉｍａｇｅｂｙｕｐｐｅｒｐａｒｔａｎｄｌｏｗｅｒｐａｒｔ．Ｔｈｅｎ，ｔｈｅａｌｇｏｒｉｔｈｍｄｅｔｅｃｔｅｄｔｈｅｕｐｐｅｒｅｄｇｅａｎｄｌｏｗｅｒｅｄｇｅｏｆｔｈｅｆｉｎｇｅｒｂｙ ｕｔｉｌｉｚｉｎｇｔｗｏｈｏｒｉｚｏｎｔａｌｅｄｇｅｄｅｔｅｃｔｉｏｎｔｅｍｐｌａｔｅｓｉｎｕｐｐｅｒｐａｒｔａｎｄｌｏｗｅｒｐａｒｔｒｅｓｐｅｃｔｉｖｅｌｙ．Ｆｉｎａｌｌｙ，ｔｈｅａｌｇｏｒｉｔｈｍ ｄｅｔｅｃｔｅｄｔｈｅ ｗｒｏｎｇｓｅｃｔｉｏｎｓｏｆｔｈｅｅｄｇｅｓａｎｄｆｉｘｅｄｔｈｅｍｂｙａｓｅｒｉｅｓｏｆｔｅｃｈｎｏｌｏｇｉｅｓｓｕｃｈａｓｉｎｔｅｒｐｏｌａｔｉｏｎ，ｆｉｔ，ａｎｄｓｏｏｎ．Ｉｔｐｅｒｆｏｒｍｅｄａｓｅｒｉｅｓ ｏｆｆｉｎｇｅｒｖｅｉｎｉｍａｇｅｓｉｎｔｈｉｓｅｘｐｅｒｉｍｅｎｔｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓａｃｃｕｒａｔｅａｎｄｒｏｂｕｓｔ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ｆｉｎｇｅｒｖｅｉｎｒｅｃｏｇｎｉｔｉｏｎ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；ｒｏｂｕｓｔ
手指静脉图像特征提取算法的研究_余成波
图 像 ｆ 大 小 为 Ｍ×Ｎ， （ｆ ｘ， ｙ） 表 示 图 像 中（ ｘ， ｙ） 位 置 的 灰 度 值， （ｆ ｉ， ｊ） 表示当前点在图像中的位置， Ｓ（ ｉ， ｊ） 表示（ ２ｐ＋１） ×（ ２ｐ＋１） 窗口内所有像素值构成的集合， 窗口中心像素点灰度值为 （ｆ ｉ， ｊ） 。 Ｈ 表示对图像进行对称延拓后的图象， 大小为（ Ｍ＋２ｐ） ×（ Ｎ＋２ｐ） 。 Ｗ 是表示与原始图像相同大小的存储矩阵。ｘ 轴的正方向为向 右 ， ｙ 轴 的 正 方 向 为 向 上 。０°、４５°、９０°、１３５°方 向 分 别 表 示 与 ｘ 轴的正方向的夹角。
具体步骤如下： 步骤 １ 延拓图像边界并确定起始点。 步骤 ２ 确定窗口的大小并在原始图像上移动窗口。 步骤 ３ 确定个方向及窗口中心像素是否在对应方向上的 凹形区间中， 同时更新存储矩阵 Ｗ 中的值。 步骤 ４ 从存储矩阵 Ｗ 得到手指静脉的模式特征。 每个步骤的具体细节如下： 步骤 １ 延拓图像边界并确定的起始点。 首先对图像 ｆ 的边界沿各个方向进行对称延拓得到 Ｈ， 延 拓宽度为 ｐ。图像 ｆ 起始点 （ｆ １， １） 在图像 Ｈ 对应于 Ｈ（ ｐ＋１， ｐ＋１） 。 步骤 ２ 确定窗口的大小并在沿拓后的图像上移动窗口。 步骤 ２．１ 对存储矩阵 Ｗ 进行初始化。 由于检 验 出 来 的 静 脉 特 征 信 息 将 存 储 在 矩 阵 Ｗ， 令 它 初 值为一个全零矩阵。 步骤 ２．２ 确定窗口的大小以及窗口内所有像素值构的集合。 窗口 ｐ 的大小对以提取静脉的粗细有一定影响， 窗口越大 提取静脉越粗， 反之则越细。以像素点（ ｉ， ｊ） 为中心的窗口内所 有像素值构成集合如下： Ｓ（ ｉ， ｊ） ＝｛Ｈ（ ｉ＋ｋ， ｊ＋ｌ） ｜ｋ， ｌ＝－ ｐ， …， １， ０， １， …， ｐ｝ 步 骤 ３ 确 定 各 个 方 向（ 不 同 的 方 向 ， 可 得 到 不 同 的 特 征） 及 窗 口 中 心 像 素 是 否 在 对 应 方 向 上 的 凹 形 区 间 中 。在 各 个 方 向 上 确 定 窗 口 中 心 像 素 是 否 处 于 凹 形 区 间 中 。其 每 个 方 向 具 体 算 法描述如下： 步骤 ３．１ 确定窗 口 中 心 像 素 是 否 在 ０°（ 水 平） 方 向 上 的 凹 形区间中。其具体算法步骤如下： 步 骤 ３．１．１ 窗 口 中 心 像 素 Ｈ（ ｉ， ｊ） ， 其 中（ ｐ＋１≤ｉ≤Ｍ＋ｐ， ｐ＋ １≤ｊ≤Ｎ＋ｐ） 。 步骤 ３．１．２ ｉ 从 ｐ＋１ 到 Ｍ＋ｐ， ｊ 从 ｐ＋１ 到 Ｎ＋ｐ， 执行以下操作 ｛ 执行以下操作： ｛如果 Ｈ（ ｉ， ｊ） ＜Ｈ（ ｉ， ｊ－ ｌ） 且 Ｈ（ ｉ， ｊ） ＜Ｈ（ ｉ， ｊ＋ｋ）（ 其中 ｋ， ｌ＝１， ２， …， ｐ） 更新存储矩阵的值
指纹图像分割方法分析
指纹图像分割方法研究摘要指纹分割作为指纹识别的预处理环节，不仅能提高指纹特征提取精度，而且能减少指纹预处理时间，对提高整个识别系统性能有着重大意义。
本文在对常用指纹分割方法进行分类分析和探讨的基础上，对指纹图像分割理论和技术进行了深入研究，并对现有分割算法进行了改进。
本文主要工作包括：（1）对指纹图像分割方法做了比较全面的分析综述。
从指纹特征提取角度出发，将指纹图像分割方法分为基于特征融合判决分割方法与基于多级分割思想分割方法两类，并对这两类算法进行了详细分析。
（2）针对特征融合判决分割方法，把最小平方误差准则用于基于线性分类的指纹图像分割算法，该算法对低质量指纹图像分割效果较好；将指纹图像纹理特征引入灰度方差求解过程，提出一种基于纹理特征的指纹图像自适应分割算法。
通过实验对新算法分割效果及噪声抑制能力进行了验证。
（3）针对多级指纹分割方法，研究了结合多种方法的高效指纹图像逐级分割算法，采用一种鲁棒性更好的求点方向图方法，计算前景块中各像素方向；采用自动确定部分阈值的分级分割方法，改善算法中仅凭经验设定多个阈值的缺点。
实验结果表明，新算法分割精确率较高。
关键词：指纹，指纹分割，特征融合，多级分割Research on methods of fingerprint imagesegmentationAuthor:Xu Huali S upervisor：Fan YongshengABSTRACTAs an important step of fingerprint image preprocessing, fingerprint segmentation which has a great significance in the system performance can not only improve the accuracy of the feature extraction, but also reduce the time of fingerprint preprocessing. This paper mainly investigates the theory and methods of fingerprint image segmentation, and some of the segmentation methods are classified and discussed. The main works include:（1）A comprehensive review of the fingerprint image segmentation methods is given. Basing on extracting fingerprint features, we first classify the methods of fingerprint image segmentation into two classes, which are the feature fusion segmentation method and multi-level segmentation method. And then, we introduce the two methods in detail.（2）In the aspect of the feature fusion based fingerprint segmentation method, we investigate the Minimum Square Error rule based fingerprint segmentation algorithm and a adaptive texture feature based fingerprint segmentation algorithm. First, we investigate the linear classifier based fingerprint segmentation algorithm, which uses a combination of three variance, mean and ridge orientation features of fingerprint image, and presents the improved algorithm of using the Minimum Square Error rule. The experimental results demonstrate the effectiveness of the improved algorithm, especially in low quality images. Second, we investigate the traditional variance based fingerprint segmentation algorithm, and present a adaptive texture feature based fingerprint segmentation algorithm which combine texture feature and variance. The experimental results demonstrate the effect of the proposed segmentation algorithm is better than the variance based fingerprint segmentation, and it also has stronger resistance to noise.（3）In the aspect of the multi-level based fingerprint segmentation method, weinvestigate the multi-level segmentation algorithm of fingerprint image. First, to improve the method of calculating the orientation image, the paper uses a better robust method. Second, we present an improved algorithm of setting the thresholds automatically for the disadvantage of setting some thresholds based on experience. The experimental results demonstrate the high accuracy rate of the improved algorithm.KEY WORDS: fingerprint, fingerprint segmentation, feature fusion, multi-level segmentaion目录第一章绪论 (1)1.1研究背景 (1)1.1.1生物特征识别技术概述 (1)1.1.2主要生物特征识别技术 (2)1.2指纹识别技术简介 (6)1.2.1指纹识别研究内容 (6)1.2.2国内外发展状况和面临的挑战 (10)1.3研究内容与结构 (12)第二章指纹图像分割方法综述 (14)2.1图像分割方法 (14)2.2指纹图像分割方法 (17)2.2.1基于特征融合判决的指纹图像分割方法 (19)2.2.2基于多级分割思想的指纹图像分割方法 (21)2.3本章小结 (22)第三章基于特征融合判决分割方法研究 (23)3.1有监督分割方法 (23)3.1.1分割特征选择 (23)3.1.2分类器选择 (26)3.1.3实验结果及分析 (28)3.2无监督分割方法 (29)3.2.1基于灰度方差的指纹图像分割 (30)3.2.2基于纹理特征的自适应指纹图像分割 (31)3.2.3实验结果及分析 (33)3.3本章小结 (36)第四章基于多级分割思想分割方法研究 (37)4.1结合多种方法的指纹图像逐级分割方法 (37)4.1.1第一级指纹图像分割 (37)4.1.2第二级指纹图像分割 (39)i4.1.3第三级指纹图像分割 (42)4.2自动确定部分阈值的指纹图像分级分割方法 (42)4.3实验结果及分析 (44)4.4本章小结 (45)第五章结论与展望 (46)5.1结论 (46)5.2展望 (47)参考文献 (48)攻读硕士期间发表的论文及所取得的研究成果致谢ii中北大学学位论文第一章绪论随着信息技术的发展，传统的身份识别技术已经逐渐被新型的基于生物特征的识别技术所替代。
指静脉认证解决方案(3篇)
第1篇随着科技的不断发展，生物识别技术在信息安全领域的应用越来越广泛。
指静脉认证作为一种新兴的生物识别技术，因其高安全性、高准确性、易用性等特点，受到了越来越多的关注。
本文将详细介绍指静脉认证解决方案，包括技术原理、系统架构、实施步骤及优势分析。
一、技术原理指静脉认证技术基于人体指静脉的独特性和唯一性。
人的指静脉是一种存在于手指内部的一种复杂图案，由毛细血管网、静脉血管和静脉分支组成。
每个人的指静脉图案都是独一无二的，具有极高的识别率和安全性。
指静脉认证技术主要分为以下几个步骤：1. 图像采集：通过指静脉采集设备获取手指的静脉图像。
2. 图像预处理：对采集到的图像进行滤波、去噪、增强等预处理操作，提高图像质量。
3. 特征提取：从预处理后的图像中提取指静脉特征，如血管密度、血管宽度、血管长度等。
4. 特征匹配：将提取的特征与数据库中的模板进行匹配，判断身份。
5. 结果输出：根据匹配结果输出认证结果，如通过或拒绝。
二、系统架构指静脉认证系统主要包括以下几个部分：1. 硬件设备：指静脉采集设备、计算机、摄像头等。
2. 软件系统：指静脉采集软件、特征提取软件、匹配软件、数据库管理系统等。
3. 通信模块：负责设备间的数据传输，如网络通信、串口通信等。
4. 安全模块：保证系统数据的安全，如数据加密、访问控制等。
系统架构如下：```+------------------+ +------------------+ +------------------+| 指静脉采集设备 | --> | 指静脉采集软件 | --> | 特征提取软件 |+------------------+ +------------------+ +------------------+^ | || | || | |+------------------+ +------------------+ +------------------+| 计算机系统 | --> | 匹配软件 | --> | 数据库管理系统 |+------------------+ +------------------+ +------------------+^ | || | || | |+------------------+ +------------------+ +------------------+| 通信模块 | --> | 安全模块 | --> | 认证结果输出 |+------------------+ +------------------+ +------------------+```三、实施步骤1. 需求分析：根据实际应用场景，确定指静脉认证系统的功能、性能、安全性等要求。
一种新的手背静脉分割方法
一种新的手背静脉分割方法
鲁周迅;张彬彬
【期刊名称】《微电子学与计算机》
【年(卷),期】2014(0)8
【摘要】手背静脉显示仪是近年来刚刚兴起的医疗设备,但由于采集到的手背静脉图像质量对比度很低,迄今为止,此设备对静脉血管的提取仍不是很精确.针对此问题,提出了一种新的静脉提取方法,运用改进的直方图均衡化算法,结合NiBlack分割方法对图像进行静脉提取.通过仿真,与限制对比度自适应直方图均衡化算法(CLAHE)比较,分割效果上取得了一定的提高.
【总页数】4页(P25-28)
【关键词】手背静脉显示仪;新的静脉提取方法;静脉提取;NiBlack分割方法
【作者】鲁周迅;张彬彬
【作者单位】南京工业大学电子与信息工程学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.手背静脉图像增强和分割方法 [J], 胡学友
2.一种人手背静脉特征识别方法 [J], 严娇娇;种兰祥;李婷
3.一种基于双PCA的动态空间手背静脉图像合成方法 [J], 王一丁;姜楠;李克峰
4.一种新的手背静脉穿刺法及其临床应用 [J], 孙淑红
5.一种下颌按压手背静脉穿刺点的方法 [J], 龚飞央
因版权原因，仅展示原文概要，查看原文内容请购买。
手背静脉图像容量与可分性研究
手背静脉图像容量与可分性研究
近年来，随着生物识别技术的发展，手背静脉识别作为一种非接触式的生物特征识别方法，逐渐受到了广泛关注。
手背静脉是指手背表皮下的静脉网络，在每个人的手背上呈现出独特的纹理和分布规律。
研究人员发现，手背静脉图像中的容量和可分性对于识别算法的准确性和稳定性具有重要影响。
首先，手背静脉图像中的容量是指静脉网络的密集程度和分布范围。
通过对不同个体手背静脉图像的分析发现，容量的大小与个体的血管结构有关。
容量较大的手背静脉图像往往具有更多的血管分支和交叉点，纹理更为复杂。
而容量较小的手背静脉图像则相对简单。
因此，容量较大的手背静脉图像在生物识别中更容易被识别，而容量较小的手背静脉图像则容易引起识别错误。
其次，手背静脉图像中的可分性是指不同个体之间静脉纹理的差异程度。
研究人员通过对大量手背静脉图像的比对发现，不同个体之间的可分性较高。
这是因为每个人的手背静脉纹理都是独特的，没有两个人的手背静脉图像完全相同。
因此，利用手背静脉图像进行生物识别可以实现较高的识别准确率。
然而，不同个体之间的可分性也存在一定的局限性。
例如，亲属之间的手背静脉图像可能存在一定的相似性，这就需要考虑在识别算法中引入更多的特征参数，提高识别的可靠性和准确性。
综上所述，手背静脉图像的容量和可分性对于生物识别的准确性和可靠性具有重要影响。
未来的研究可以进一步探索手背静脉图像的特征提取方法，优化识别算法，提高手背静脉识别的准确性和稳定性。
同时，还需要考虑隐私保护和数据安全等问题，确保手背静脉识别技术的可持续发展。
手背静脉图像分割及细化算法研究
设定的邻域大小 当邻域大小设定为 ５ １ ｘ ５ １ 时． Ｎ ｉ Ｂ Ｉ ａ ｃ ｋ
法 的 分 割 效 果 较 好 。阈值 图像 法 次 之 。这 是 由 于 Ｎ ｉ Ｂ １ ａ ｃ ｋ法 实 质 上 可 以 看 做 是 阈 值 图像 法 的 推 广
２ 图像 分 割 与 细 化
针对手背静脉 图像 中静脉纹路与背景灰度级 比较
提取手背静脉 图像 中的细节特征 点 必 须首先得 到以 单像素宽度描述的静脉纹路 然而 ， 手背静脉图像往往
对 比度不高 ．静脉血管 和背景之间的分界不 明显 。因 此． 需要对采集 到的静 脉图像进行预处理 。 从 而得 到以
Ｚ ｈ ａ ｎ ｇ ＆ Ｓ ｕ ｅ ｎ算法和 Ｏ Ｐ Ｔ Ａ算法对分割后 的二值 图像进
行细化以获取静脉纹 路。实验结果表 明 ： （ １ ） 从分割效果来 看 ． 经Ｏ Ｓ Ｔ Ｕ算法分割 后得到 的 图像 中存在严重 的快效应 ．因此不适 合于手背静脉 图 像 的分割 阈值 图像法和 Ｎ ｉ Ｂ ｌ ａ ｃ ｋ 法 的分割结果依赖 于
关键词 ：
手背静脉识别 ；图像分割 ；图像 细化
基金项 目：
２ ０ １ １ 年河南省科技计划项 目（ Ｎ ｏ ． １ １ ２ １ ０ ２ ２ １ ０ １ ８ ９ ） 、 郑 州轻工业 学院博 士科研基金项 目（ Ｎ ｏ ． ２ ０ １ １ Ｂ Ｓ Ｊ Ｊ ０ ０ ７ ）
０ 引 言
手背静 脉识别是生 物特 征识别 技术 中的一种 ． 它
是 指 在 特 定 波 长 近 红 外 光 源 的照 射 下 ． 利用 由 Ｃ Ｃ Ｄ摄
１ 图像 有 效 区域 提 取 、 归 一化 、 增 强 及 去 噪
本 文基 于 Ｍ ０ ｈ ａ ｍｅ ｄ Ｓ ｈ ａ ｈ ｉ ｎ博 士提 供 的手 背静脉 图像数据库对相关 的图像处理算法进行研究闭 。 数据库 中的手背静脉 图像分辨率为 ３ ２ ０ ｘ ２ ４ ０ ． 具有 ２ ５ ６个灰度
改进的快速C-V模型指静脉图像分割算法
改进的快速C-V模型指静脉图像分割算法
郭树旭;李枭;朱麒;张明阳
【期刊名称】《吉林大学学报（信息科学版）》
【年(卷),期】2014(000)003
【摘要】为快速准确地进行指静脉图像的分割，在经典C-V模型的基础上，增加了距离惩罚项和边缘检测函数，并使图像演化不基于内部区面积。
改进后的算法保留了C-V模型全局优化的特性，同时有效避免了重新初始化过程，并对图像边缘更加敏感，使改进后的算法适合对指静脉图像的分割。
仿真实验结果表明，改进后的C-V模型能较好地处理指静脉图像边界模糊和灰度分割不均的问题，同时还可提升分割效率。
【总页数】5页(P288-292)
【作者】郭树旭;李枭;朱麒;张明阳
【作者单位】吉林大学电子科学与工程学院，长春130012;吉林大学电子科学与工程学院，长春130012;吉林大学电子科学与工程学院，长春130012;吉林大学电子科学与工程学院，长春130012
【正文语种】中文
【中图分类】TN919
【相关文献】
1.基于改进C-V模型的图像分割算法 [J], 杨艳丹;韩雪松;韩应征;庞冬冬;杜军慧
2.基于C-V模型的改进快速水平集图像分割法 [J], 徐东;彭真明
3.基于改进C-V模型的图像分割算法 [J], 蔡园园;徐磊
4.改进的C-V水平集模型图像分割算法 [J], 徐玲凌;肖进胜;易本顺;娄利军
5.基于C-V模型的医学图像血管钙化分割算法 [J], 史健松;嵇晓强;曲凯歌;李世维;张晓枫;王晓刚
因版权原因，仅展示原文概要，查看原文内容请购买。
手指静脉图像感兴趣区域提取研究综述
School of Computer Science and Engineering, Changchun University of Technology, Changchun 130102, China
作者简介：王一凡（1998—），男，硕士研究生，CCF 会员，主要研究方向为图像处理、模式识别；鲁慧民（1972—），通信作者，女，博 士后，教授，博士生导师，CCF 会员，主要研究方向为智能数据处理，E-mail：luhuimin@；高若然（1995—）， 男，硕士研究生，CCF 会员，主要研究方向为模式识别、嵌入式；李阳（1979—），女，博士后，教授，博士生导师，CCF 会 员，主要研究方向为图像处理。
Abstract：In recent years, the global epidemic promotes the further development of Biometrics. As the second generation of biometric technology, finger vein recognition has been applied in various fields due to its high safety and other advantages. As an important part of the finger vein recognition system, the Region of Interes（t ROI）extraction is the guarantee of the recognition system performance and the adaptability to different application scenarios. Firstly, finger vein recognition products for commercial use and finger vein acquisition equipment for scientific research are introduced. Secondly, public datasets are collated and analyzed. Moreover, focusing on the main work of ROI extraction in the preprocessing of finger vein images, each step of extraction is discussed, and the representative methods are deeply searched and analyzed. Thirdly, finger vein feature extraction and matching are introduced. Finally, the development and application of ROI extraction in the future are summarized and prospected. Key words：biometric identification; finger vein recognition; Region of Interes（t ROI）; finger vein sensor; finger vein image dataset
基于数字图像处理的手部静脉识别技术
基于数字图像处理的手部静脉识别技术随着现代科技的不断发展，人们对于安全控制的要求也越来越高。
而手部静脉识别技术则因其高度安全性和便捷性而成为了一种越来越流行的生物识别技术。
本文将从数字图像处理的角度探讨该技术的基本原理和实现方法。
一、手部静脉识别技术的原理手部静脉识别技术是指通过对手部静脉图像进行处理和比对来识别一个人的身份。
所谓手部静脉图像，指的是通过红外线相机对手掌或手背进行拍摄，获取到的反映血液循环系统中血液流动状态的图像。
手部静脉识别技术的原理基于以下两个假设：1.每个人的手部静脉纹路是独一无二的2.静脉血液在红外线下会吸收部分光线，因此手部静脉图像不同于普通的彩色图像基于以上假设，利用数字图像处理对手部静脉图像进行处理和比对，可以实现高度安全的身份验证。
二、手部静脉识别技术的实现方法手部静脉识别技术实现的一般步骤包括：图像采集、预处理、特征提取和匹配比对等过程。
下面将逐一介绍各个步骤的具体内容。
1.图像采集首先需要通过红外线相机对被验证者的手掌或手背进行拍摄，获取到手部静脉图像。
在拍摄时，考虑到用户的便捷性和使用场景，采用无接触的拍摄方式比较合适。
目前市面上主流的商用手部静脉识别设备，采用的都是以红外线相机为核心的无接触式图像采集器。
2.预处理获取到手部静脉图像后，需要进行一定的预处理。
主要包括去噪、增强等步骤。
由于手部静脉图像的亮度、对比度、清晰度等因素会对识别效果产生影响，因此必须先对图像进行预处理。
3.特征提取特征提取是手部静脉识别技术最核心的环节。
由于手部静脉图像是一张灰度图像，因此需要选取适合的特征提取方法来从中提取有意义的纹路信息。
常用的特征提取方法包括Gabor滤波器、方向梯度直方图（HOG）、局部二值模式（LBP）等。
4.匹配比对最后一步是将提取出的特征与存储在数据库中的模板进行比对，以判断身份是否一致。
匹配比对的方法主要包括相似度匹配、欧氏距离匹配等。
根据比对结果，系统将判定身份是否一致，从而决定是否允许用户进行后续操作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
低对比度手指静脉图像的分割
摘 要：为了克服目前分割算法中低对比度手指静脉图像分割不精确的问题，采用局部动态
阈值算法，依据静脉图像中灰度值在空间信息的相关性，设计了新的变权重判定函数，解决
分割后产生的伪静脉问题。同时针对一般细化算法在静脉交叉点产生的冗余问题，提出了新
的判断准则，有效地解决了像素冗余问题。实验表明，这些方法能有效地分割低对比度手指
静脉图像。关键词：手指静脉；图像分割；同态滤波；局部动态阈值；变权重
生物识别技术是通过计算机与光学、声学、生物传感器和生物统计学原理等密切结合，
利用人体固有的生理特性(指纹、人脸、虹膜等)和行为特征(笔迹、声音、步态等)进行个人
身份的鉴定[1]。人体手指静脉识别技术是根据人体骨骼和肌肉组织对红外光吸收强弱的特点，
选择当近红外光的入射光波长在720 nm~1 100 nm时,照射手指可较好地突显出静脉血管，并
由一台CCD像机拍摄手指静脉图像来进行个人身份认证。手指静脉识别系统以采集人手内部
的静脉血管作为数据，具有非接触式、设备成本低廉等优点,并且人的手指拥有比手背更为丰
富的静脉对象，可以同时采集多个手指信息进行识别,以提高识别率。所以将手指静脉识别作
为一种身份认证方式，应用于信息安全等领域具有非常重要的现实意义。 在采集手指静
脉图像的过程中，光照强度和手指厚度的不均匀性，导致采集到的图像光强度不均匀、对比
度较差，造成手指静脉血管和背景的界限不明显,对静脉分割和特征识别等处理有很大的影响。
针对手指静脉图像对比度低、光照不均的问题，采用直方图均衡化[2-4]方法以及基于频域的
同态滤波[5]算法都能很好地对光照不均的问题进行处理。但图像分割一直以来都是图像处理
的难点，没有通用的算法可以满足图像的多样性变化。目前，已有研究针对采集质量良好的
手指静脉图像提出一些分割算法，但针对低对比度的静脉图像如何分割的问题，目前还没有
理想的解决办法。 本文基于对手指静脉图像特征的分析，采用自适应阈值的同态滤波算
法消除光照不均匀的问题，然后在WELLNER P D提出的快速自适应阈值分割[6]的基础上，提
出新的变权重判别函数，改进处理效果。实验选取真实手指静脉图像为处理对象，通过定性
和定量分析来比较不同的算法。1 自适应同态滤波算法 受光照不均的影响，手指静脉图
像中间部分亮度偏大、两边亮度偏暗，造成静脉的部分信息丢失。 自适应同态滤波算法
是针对同态滤波自身算法的局限性提出的一种智能对比度增强的算法，其在增强图像对比度
的同时，可消除光照不均，保留图像的细节,处理结果。
2 手指静脉分割 常用的阈值方法有大津法(Otsu)[7]、局部动态阈值算法(NiBlack)[8]
及二维最大熵[9]阈值算法。 Otsu算法基本思想：选取最佳阈值t,使得不同类间的分离
性最好。首先基于直方图得到各分割特性值的概率，并以阈值变量t将分割特征值分为两类，
然后求出每一类的类内方差及类间方差，选取使类间方差最大、类内方差最小的t作为最佳
阈值。 2.1 快速自适应阈值分割 从机器视觉的角度出发，人眼在区别目标物和背景
时，是依据所观察到的目标物及其周围背景的灰度值差异[10]来区别的。因此用机器语言模
拟人眼的观察角度是最直接、最简单的方法，也是目前大多数机器视觉软件采取的方法。快
速自适应阈值分割算法的基本思想是通过对每个像素周围或者扫描顺序上其他点的平均值来
确定阈值后，再对像素的像素值进行修改(0代表黑色表示图像的静脉，255代表白色表示图
像的背景)。从人眼的视觉角度出发，可以发现灰度值越是靠近人们所感兴趣的目标物重要性
越高，而偏离分割物的灰度值则相反。因此，可以采取变权重的方法，使用递归调用来加快
处理的效率。 变权重方法使得像素点离目标物的距离和其重视程度成反比。距离越近，
则受权重的影响越大；距离越远，则受权重的影响成线性减小。变权重函数的推导公式如下：
图8为细化后图像的局部图，可明显看出分叉点处有像素的冗余。目前常用的算法是用多个
模版进行迭代[12]消除冗余点，但是这个算法比较耗费时间。本文则采用链表，直接对每一
个像素的四邻域进行处理。算法描述如下：
本文对手指静脉图像分割算法进行了优化。该算法的核心是先通过自适应同态滤波算法,
把光照不均匀的图像进行增晰，采用快速自适应阈值算法提取静脉信息。实验结果表明，选
择本文改进后的同态滤波算法，可以得到较好的图像增强效果。通过自适应阈值分割算法，
可以很好地提取静脉信息，最大限度地消除伪静脉的影响。通过与其他图像分割的方法进行
定性、定量比较证明，本文的图像分割方法更为实用。