静脉识别技术及其原理分析(三)

　　主要是利用静脉血管的结构来进行身份识别。由于静脉纹络包含大量的特征信息，可以作为验证的对象。手掌静脉识别的原理也是利用静脉血管与肌肉、骨骸之间对特定波长红外光不同的吸收特性来进行静脉血管造影。与手掌静脉识别的原理相同。由于手掌较厚，红外光通常无法进行透射，因而只能采用反射造影法。红外光照射在手背上，有静脉的部位吸收红外光反射暗淡，肌肉与骨路部位反射强烈，从而实现对静脉的造影。静脉纹络在人体内部很难被伪造，静脉识别是一种新兴的红外生物识别技术 ,它是根据静脉血液中脱氧血色素吸收近红外线或人体辐射远红外线的特性 ,用相应波长范围的红外相机摄取手背 (或指背、 指腹、 手掌、 手腕 )的静脉分布图 ,通过归一化、 去噪等预处理后进行滤波增强与静脉纹路分割、 细化修复 ,然后提取其特征 ,再与预先注册到数据库或储存在 I C卡上的特征数据进行匹配以确定个人身份。由于每个人的静脉分布图具备类似于指纹的唯一性且 成年后持久不变的特点 ,所以它能够唯一确定一个人的身份.此外 ,它具有其他生物特征识别技术所不具备 的优点 ,因而具有广泛的应用前景 ,得到广大学者的关注。

　　七、 特点

　　活体识别

　　用手背静脉进行身份认证时，获取的是手背静脉的图像特征，是手背活体时才存在的特征。在该系统中，非活体的手背是得不到静脉图像特征的，因而无法识别，从而也就无法造假。

　　内部特征

　　用手背静脉进行身份认证时，获取的是手背内部的静脉图像特征，而不是手背表面的图像特征。因此，不存在任何由于手背表面的损伤、磨损、干燥或太湿等带来的识别障碍。

　　非接触式

非接触性掌静脉活体识别仪
 

　　用手背静脉进行身份认证，获取手背静脉图像时，手背无须与设备接触，轻轻一放，即可完成识别。这种方式没有手接触设备时的不卫生的问题以及手指表面特征可能被复制所带来的安全问题，井避免了被当作审查对象的心理不适，同时也不会因脏物污染后无法识别。手掌静脉方式由于静脉位于手掌内部，气温等外部因素的影响程度可以忽略不计，几乎适用于所有用户。用户接受度好。除了无需与扫描器表面发生直接接触以外，这种非侵入性的扫描过程既简单又自然，减轻了用户由于担心卫生程度或使用麻烦而可能存在的抗拒心理。

　　安全等级高

　　因为有了前面的活体识别、内部特征和非接触式3个方面的特征，确保了使用者的手背静脉特征很难被伪造。所以手背静脉识别系统安全等级高，特别适合于安全要求高的场所使用。韩国首尔大学电子工程系有一篇关于手背静脉识别算法的文献E3，’介绍了传统的静脉识别算法以及如何用昂贵的DSP处理器处理浮点运算和提高实时性要求，缩短识别时间，文献中描述的静脉识别算法主要包括3大部分：静脉图像的获取;静脉图像预处理和静脉识别。图像预处理部分主要由高斯低通滤波、高斯高通滤波、阂值处理、双线性滤波以及改进的中值滤波等组成。通过对5000个样本进行实验，识别率达到94.88%。

　　八、 算法研究

　　优点

　　(1)属于内牛理特征，不会磨损，较难伪造，具有很高安全性。

　　(2)血管特征通常更明显，容易辨识，抗干扰性好。

　　(3)可实现非接触式测量，卫生性好，易于为用户接受。

　　(4)不易受手表面伤痕或油污的影响。

　　缺点

　　(1)手背静脉仍可能随着年龄和生理的变化而发生变化，永久性尚未得到证实

　　(2)虽然可能性较小，但仍然存在无法成功注册登记的可能。

　　(3)由于采集方式受自身特点的限制，产品难以小型化。

　　(4)采集设备有特殊要求，设计相对复杂，制造成本高。

　　九、 步骤

　　静脉分割

　　考虑到每个人的手背区域尺寸大小不一 ,而且同一个人在不同时刻采集的静脉图像中手背区域尺寸大小也可能不一 ,为了提高识别的准确性 ,需要将每个人的手背区域通过缩放进行尺寸归一化.此外 ,由于采集时间、 红外光强、 手背脂肪厚度等的不同 ,手背静脉图在灰度分布上存在较大差异 ,这会影响后续的处理 ,因此必须进行灰度归一化处理 ,即将所有图像转换成同一均值和方差的标准图像。

　　平滑细化

　　由于静脉分割后其边缘并不光滑,直接对其细化将产生许多毛刺,必须对其进行平滑处理。

　　根据形态学操作的特点,本文首先对分割结果进行形态学开操作,断开狭窄的间断和消除细长的毛刺,接着用面积阈值法去除那些被断开的斑点和斑块,然后使用闭操作以连接断开的静脉,并进一步采用中值滤波来平滑静脉边缘.

　　经实验分析得知,中值滤波器的模板越大、滤波次数越多,骨架失真越大,反之越小。

　　静脉细化

　　普通的条件细化算法能保持原图的区域连通性,但并不总是能得到单像素宽的细化曲线,这就给以端点、交叉点和毛刺长度为依据的毛刺修剪带来很大麻烦,因为不容易确定非单像素宽的细化线的交叉点.为此,本文采用 Wang Kejun等改进的条件细化算法进行细化,得到静脉骨架。

　　毛刺修剪

　　,细化后得到的静脉骨架仍有少许毛刺,这不利于特征的提取,本文采用前期提出的一种毛刺修剪算法来消除这些短的毛刺，得到基本没有毛刺的结果静脉骨架.

　　特征提取

　　Hu于 1961年首先提出了基于直角坐标系的原点矩、 中心矩等几何矩的概念,之后又运用归一化中心矩组合定义了 7个不变矩.和其他类型的矩相比,这 7个不变矩对于平移、 旋转和比例缩放都具有较好的不变性,因此适合于作为识别分类的特征.但这 7个不变矩的变化范围很大,直接作为特征用于识别效果不是很好,必须加以修正,本文利用取对数的方法进行数据压缩,同时考虑到不变矩有可能出现负值,因此,本文实际采用的不变矩为下式

　　M′ i = lg|Mi | , 　i = 1, 2, 3, …, 7 . (3)

　　然后将 M′ 1～M′ 7作为静脉骨架的不变矩特征,并应用下式构造矩特征向量

　　M = (M′ 1 ,M′ 2 ,M′ 3 ,M′ 4 ,M′ 5 ,M′ 6 ,M′ 7 )      (4)

　　以 007号手背静脉图像 (007 hv 1 . bmp～007 hv 5 . bmp)为例,其静脉骨架的矩特征向量如表1所示：

　　表1 修正后的静脉不变矩特征向量