1917_基于Matlab的手背靜脈圖像預處理（亂碼）,基于,matlab,手背,靜脈,圖像,圖象,預處理,亂碼 畢業(yè)論文文獻綜述院 （ 系 ） 名 稱 工 學 院 機 械 系專 業(yè) 名 稱 機 械 設 計 制 造 及 其 自 動 化學 生 姓 名 李 明 指 導 教 師 蔡 超 峰 2012 年 03 月 10 日黃 河 科 技 學 院 畢 業(yè) 論 文 （ 文 獻 綜 述 ） 第 1 頁基于 Matlab 的手背靜脈圖像預處理摘要：人體手背靜脈識別技術作為一種全新的非接觸式生物特征識別技術，與以往傳統(tǒng)的指紋以及虹膜識別技術相比表現(xiàn)出了許多明顯的優(yōu)勢。本文首先，對采集到的圖像進行有效區(qū)域提取，然后針對光強和手背薄厚對采集圖像質(zhì)量的影響，采用高頻加強濾波和直方圖均衡的方法來進行增強處理，實驗結果展示了增強的效果，并引用模糊指數(shù)的概念來定量的分析了增強的效果，最后，分析和評價了常用閾值分割算法和細化算法在靜脈圖像中的實驗效果。關鍵詞：手背靜脈識別；提??；增強；分割；細化前言近年來，國內(nèi)外的媒體經(jīng)常會有這樣的報道：客戶在銀行的存款不翼而飛;電腦中的重要文件被復制;汽車中央門鎖被盜而導致車內(nèi)重要財物失竊……,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)生最終都與身份識別有著密不可分的關系。特別是在一些安全部門和高級別會議，對于身份識別的要求更高。傳統(tǒng)的身份鑒定方法大致分為兩類，一是基于密碼的機制，如口令、個人密碼等;二是基于物件機制，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別技術來保障我們的生活，生物識別技術應運而生。根據(jù)國際生物特征識別技術組織市場調(diào)研和統(tǒng)計，在眾多身份認證技術中，指紋識別技術是技術上相對成熟的生物測定識別技術解決方案。指紋識別己經(jīng)取得了比較好的成果,并且應用到各種網(wǎng)絡信息安全領域。但是，指紋識別發(fā)展到現(xiàn)在面臨一個不可回避的問題，因而受到很大限制。人會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，實時采集的指紋圖像已經(jīng)改變了原有的特征模式，這樣就會大大降低驗證通過的成功率，進而識別的效果也會嚴重影響。而這些特殊情況在黃 河 科 技 學 院 畢 業(yè) 論 文 （ 文 獻 綜 述 ） 第 2 頁日常生活中是經(jīng)常出現(xiàn)的，這直接影響指紋識別技術在高安全級別場合應用。其次，指紋識別的最大隱憂就是仿偽性差，因為指紋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別技術也逐漸的吸引著業(yè)內(nèi)人士進行研究。手背靜脈識別和掌紋識別是近年來發(fā)展起來的較新穎生物特征識別技術，且研究表明，這兩種技術也可獲得比較高的識別率，完全可以作為指紋和虹膜的替代技術，然則掌紋識別技術有一個影響其推廣的致命缺點就是采集設備體積大，且它也存在指紋所涉及到的上述問題。而手背靜脈識別技術是非接觸式，且手背靜脈在一定時期內(nèi)很難改變?；谌梭w手背靜脈的生物測定識別系統(tǒng)在身份認定方面與指紋等其他生物特征相比具有一些獨特的優(yōu)勢：一是非接觸性,靜脈位于體表下面，不會對采集表面污染;二是防偽性強，因為身體內(nèi)部的血管特征很難偽造或是手術改變;三是易接收性，特征采集比較友好，相對 DNA 和虹膜容易讓人接收。四是可以和其它生物識別技術如人臉、指紋等組成多模生物識別系統(tǒng)。因此，手背靜脈識別被認為是模式識別領域中難度較大的新的研究方向，正吸引著計算機視覺、電子工程、模式識別等領域研究人員進入該領域，并且逐漸成為生物特征識別領域的新的研究熱點之一，所以對人體手背靜脈識別技術的研究具有相當大的實用意義和市場潛力。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)學領域和生物領域的研究人員發(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)證明每個人的靜脈紋絡是不相同的。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，可以利用這一特點采用遠紅外自動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 院 畢 業(yè) 論 文 （ 文 獻 綜 述 ） 第 3 頁1.1 基于熱輻射的圖像采集 生物醫(yī)學研究表明，所有的熱物體都會發(fā)射出紅外輻射光，人體作為具有生命活動動物當然也會發(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入生物組織大約 3mm 處，當近紅外光譜（Infrared spectroscopy, IR）的入射光波波長在 700nm 至 1400nm 照射手背時，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，那么就可以用一個 CCD 攝像頭外裝配一個紅外濾鏡來采集到靜脈圖像。通過這種廉價的采集原理，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，為了減少背景對靜脈紋絡的影響，我們特提取含有手背靜脈紋絡的有效區(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）對原圖像進行閾值分割，它的作用是將圖像分為對比鮮明的兩部分，即目標和背景，結合靜脈圖像，就是把整個手背區(qū)和背景分割開來，而閾值的大小是根據(jù)經(jīng)驗設值的，本文中設定為 50。2）計算分割后的圖像的手背的質(zhì)心，其質(zhì)心 的計算公式為:)(,jigZ(2-1)???MiNjMiNjI ffg00,),(2-2)??ijijJ iff00 ),(),((2-3)?????Ajijif),(1),(黃 河 科 技 學 院 畢 業(yè) 論 文 （ 文 獻 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)過計算我們得到了質(zhì)心，然后定義以質(zhì)心為基點在靜脈區(qū)域內(nèi)截取大小為128*128 像素的區(qū)域。3.靜脈圖像預處理3.1 靜脈圖像增強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以及個人手背薄厚影響，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行二值化處理，這樣會導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，對采集的圖像進行預處理來增強靜脈紋理是非常必要的。預處理的方法有：中值濾波法、高頻加強濾波法、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和背景分割開來，針對本課題也就是所謂的二值化處理，即將靜脈紋絡圖像轉化為僅有黑白兩種色的圖像，以方便后期的特征點的提取。然而，二值化面臨的最大的難點就是如何確定閾值的大小，這個直接關系到二值化的效果。灰度圖像二值化的過程就是選定一個閾值 T，當圖像中的像素值大于這個值時就設定為 255，當小于此值時就設定為 0。從這個定義中我們可以看出，如果閾值太大，有些背景也變成目標，如果太小，把目標反而變成背景，所以閾值 T 是區(qū)分對象和背景的關鍵所在。設待二值化的圖像為 ，二值化后的圖像為 ，則),(yxf ),(yxg二值化的數(shù)學表達可以寫為：(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 院 畢 業(yè) 論 文 （ 文 獻 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 閾值分割的實驗結果在 MATLAB 中實現(xiàn)了前面介紹的各種二值化算法，對一幅采集到的原始手背靜脈圖像，經(jīng)過高頻加強濾波和直方圖均衡后，再進行二值化處理。3.3 靜脈圖像細化靜脈圖像細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特征，又提取了靜脈血管的骨架，也使得他的形狀和走勢給清楚的顯示了出來。有利于我們研究靜脈紋絡結構。目前來說，好多文獻的研究表明，從細化后的紋絡結構上提取特征還是主要的研究方向，例如，我們可以提取端點相對位置，端點個數(shù)，端點的中心距，紋線的長短，相對位置等等特征值，用這些細化后提取的特征值來進行匹配，達到身份認證的目的。因此，細化算法也是靜脈圖像識別中的重要步驟，他的處理結果真接影響著認證的識別率。細化算法的基本原理就是將二值化后所得到的紋絡變成單像素的骨架圖像[32]，細化后要保持原有圖像的紋絡拓撲結構以及原有圖像的連續(xù)性，從而保持靜脈紋絡的原有特征。細化通用原理如下：定義 8 近鄰窗口如圖 3.31 所示：當 P 等于 1 時，是白色即目標像素，相反則為背景像素。待識別的像素 P 與近鄰的 8 個像素相連通，我們是保留該點還是刪除該點就根據(jù) P 點的聯(lián)接數(shù)和 P 點的性質(zhì)來決定。連接數(shù) N 的計算如式 3.3-1P4 P3 P2P5 P P1P6 P7 P8圖 3.3.1 P 點的 8 鄰域窗口,當 時，設 (3.3-1)????811)(iiiN9?i 1??i計算出 P 點的聯(lián)接數(shù)值，我們可以確定 P 點的性質(zhì)，下面給出各種連接所確定的P 點性質(zhì)。黃 河 科 技 學 院 畢 業(yè) 論 文 （ 文 獻 綜 述 ） 第 6 頁從圖中我們可以根據(jù) P 點的性質(zhì)分析出哪些點可以刪掉，那些點應該保留，顯而易見，內(nèi)點、端點，因為這些點是骨架的結構，孤立點也應該保留，因為可能這些點決定了一些重要性質(zhì);分支點、交叉點、連通點也要保留，因為刪除這些點就破壞了紋絡的連通性，使紋絡出現(xiàn)斷裂;輪廓點和拐點可以刪除。這就是細化的基本方法，目前為止，好多方法都是以此為基礎來進行細化。另外細化算法應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:保證靜脈紋絡不中斷;(3)拓撲性:不引起骨架的逐步吞食;(4)保持性:使用靜脈紋絡的細節(jié)特征完好;(5)細化性:靜脈紋絡為單像素;(6)中軸性:細化的單像素紋絡最大程度接近中心線;(7)快速性:方法實現(xiàn)起來要簡單、高效。N=0 內(nèi)點 N=0 孤立點 N=1 端點1 1 11 1 11 1 10 0 00 1 00 0 01 0 00 1 00 0 0N=1 輪廓點 N=2 連接點 N=2 拐點0 0 11 1 11 1 10 0 01 1 10 0 00 1 01 1 00 0 0N=3 內(nèi)點 N=3 分支點 N=4 交叉點0 1 01 1 11 1 11 0 10 1 00 0 11 0 10 1 01 0 1圖 3.3.2 P 點性質(zhì)與值關系黃 河 科 技 學 院 畢 業(yè) 論 文 （ 文 獻 綜 述 ） 第 7 頁3.3.1 常用的細化方法常用的細化方法有：Hilditch 細化算法、Rosenfeld 細化算法、Rosenfeld 細化算法、Rosenfeld 細化算法3.3.2 細化的實驗結果由于 Rosenfeld 細化方法細化后的圖像比較好，很清晰并正確的反映了靜脈血管的走勢和形狀，細化的細管比較平滑流暢，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化圖像。3.4 細化后的修飾靜脈圖像經(jīng)過細化步驟后取的了比較清晰的形狀和走勢，然而任何算法不都是完美的，在細化的過程，由于閾值圖像中靜脈骨架不是很均勻，這就導致細化后出現(xiàn)毛刺象，而這些毛刺與骨架相連形成交叉點，這會對提取交叉點和端點特征造成錯誤，從而影響匹配。因此除去這些毛刺是非常必要的。4 小結本章按照靜脈圖像前期預處理的過程，詳細的研究了各個過程的算法，首先對采集的圖像進行有效區(qū)域提取，并針對采集到的圖像質(zhì)量問題提出了高頻加強濾波和直方圖均衡的方法來增強圖像，為后面的分割奠定了基礎，在分割和細化階段詳細的研究了各種二值化算法和細化算法，并給出了實驗效果和分析。黃 河 科 技 學 院 畢 業(yè) 論 文 （ 文 獻 綜 述 ） 第 8 頁參 考 文 獻[1] 林喜榮.人體手背血管圖像的特征提取及匹配[J].清華大學學報（自然科學版）,2003,43(2): 164- 167.[2] 王科俊,丁宇航,王大振.基于靜脈識別的身份認證方法研究.科技導報,2005,23(1):35- 37.[3] 韓笑. 人體手背靜脈識別算法研究[D]. 吉林：吉林大學， 2006.[4] 呂佩卓,賴聲禮.人體手背靜脈血管圖像增強與特征匹配[J]. 計算機工程與設計,2007,28(15):3623-3625.[5] 阮秋奇,數(shù)字圖像處理學.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別.1998,北京:北京理工大學出版社.報.[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）：圖象處理和分析.1999,北京: 清華大學出版社. [9] 劉 軒,劉佳賓.基于對比度受限自適應直方圖均衡的乳腺圖像增強[J] 計算機工程與用,2008,44(10):173- 175.[10] 舒金龍, 于振紅,朱振福.一種改進的紅外圖像模糊增強方法[J].系統(tǒng)工程與電子技術,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 院 畢 業(yè) 論 文 （ 文 獻 綜 述 ） 第 9 頁