杨伟力 罗达灿，2 杨盛毅 刘超 杨永怀
1.贵州民族大学
2.华南理工大学
近年来，随着机器视觉与图像处理技术的快速发展，生物特征识别在个人身份识别领域的应用越来越广泛，其中主要有指纹识别、人脸识别、虹膜识别、静脉识别等，因而，产业界对该领域的人才需求也持续增长。[1-3]与其他生物特征识别技术相比，静脉识别具有不易被仿制安全性高、属于人体内部信息稳定性强、非接触成像易于接受等优点，有着广阔的应用前景，因此，实现手指静脉特征提取并进行识别，具有重要的应用价值。[3-4]
“数字图像处理创新实践”课程是笔者所在学校智能科学与技术、自动化、测控技术与仪器等专业的一门创新实践类课程，其培养目标是加强学生对图像处理和机器视觉等相关基础知识的理解和认识，注重理论联系实际，培养学生解决实际应用问题的能力，促进学生创新能力的培养。该门课程自开设以来一直采用ZM-VS1200机器视觉教学实验平台进行实验教学，实验内容主要包括图像融合、图像配准、实时多圆检测等实验，虽然在一定程度上能够较好地配合理论教学，帮助学生认识计算机视觉系统，学习基本的图像处理和机器视觉方面的知识[5-6]，但是由于大部分都是验证性实验，综合设计性实验课题也过于陈旧，学生往往无法接触到前沿科技成果，这无疑大大限制了对学生创新实践能力的培养。
因此，笔者结合实际教学要求以及存在的问题，开发了手指静脉识别实验平台。该实验平台以手指静脉采集装置和计算机为硬件基础，以Matlab软件环境为依托进行图像处理算法的开发，可以完成手指静脉识别任务。该实验平台基于科技前沿，具有良好的开放性，能够支持以项目式开展的探索性实验教学。
1.实验平台硬件构成
该实验平台的硬件部分由自主研发的手指静脉采集系统和计算机构成，其中手指静脉采集系统如下页图1所示，上边部分为中央控制系统，下边部分为手指静脉采集装置。该采集装置利用静脉血管内的血红蛋白对波长在700～1100nm的近红外光具有充分吸收的特性原理，采用透射成像技术，在手指腹部下方使用CMOS摄像头模组拍摄到手指静脉图像，采集的图像分辨率为640*480像素[4，7]。中央控制系统CPU选择三星S5PV210 ARM处理器，安装Linux操作系统，通过UART通信方式发送近红外光照指令，同时由USB接口控制近红外图像模块采集指静脉图像，与计算机采用以太网连接TCP协议通信。[7-8]该交互界面主要功能包括系统设置、输入采集者信息、启动及结束采集按钮、显示采集状态等，可以实现近红外光源控制、手指静脉图像数据采集以及存储。手指静脉采集系统未完全封装，方便学生全面地了解其工作原理并进行图像采集操作。
图1 手指静脉采集系统
2.静脉识别算法开发环境
实验平台的计算机为6 4位Windows 7操作系统，装有Matlab软件、图像处理工具箱等。由于Matlab编程语言简单易学且运算能力强大，同时包含支持机器视觉和图像处理算法开发的各种工具箱，因此，学生能够较快地掌握软件的使用，适合于本实验的教学开展。另外，由Matlab软件可以直接读取到所采集的手指静脉图像，通过对静脉图像进行分析，可设计并开发合适的算法完成匹配任务。
1.实验任务
实验以基于生物特征的个人身份识别为应用背景，以项目形式开展探索性实验，由学生分组完成手指静脉识别的任务。实验任务具体如下：学生利用实验平台自行采集各自的手指静脉图像，由Matlab软件读取图像，设计完整的算法并编程实现手指静脉图像预处理、特征提取以及匹配。在实验过程中，项目组成员必须分工合作，学习相关的机器视觉和图像处理知识，编程实现算法并完成匹配任务。
2.手指静脉识别算法开发
在Matlab环境下编程实现完整的手指静脉识别算法程序，实验的主要处理步骤和实现思路如下。
（1）图像采集
在启动自制采集设备后，将手指放入手指卡槽中，即可进行手指静脉图像的采集。图2所示为所采集的一张手指静脉原始图像，其为480*640像素的bmp格式图像。学生每人分别采集左右手食指和中指静脉图像各十张。在进行图像采集时，通过观察采集装置的结构和采集过程，学生将对手指静脉图像的成像原理、特点等有更深入的认识。
图2 手指静脉原始图像
（2）图像预处理
在手指静脉图像采集完成之后，为了保证后续图像特征提取及匹配效果，需要进行图像的预处理。由所采集的多张原始图像可以看出，一方面，由于采集过程中手指自由度较大，导致同一根手指多次采集图像出现了平移、旋转等差异，并且采集的图像通常包括以手指为前景的区域和以采集装置等其他环境为背景的区域，因此需要截取采集图像中手指的感兴趣区域（Region of Interest，ROI）作为输入图像来提高特征提取和匹配的正确率。[8-9]另一方面，采集图像受某些因素的影响可能存在噪声、光照不均甚至模糊等问题，可以采用图像增强的方法来突出图像中的静脉部分信息，以减少无关信息的干扰。[9-10]因此，首先可以对图像进行手指边缘检测；
其次，根据手指边缘拟合手指中线，求出手指旋转角度并进行旋转校正（如下页图3）；
然后，根据已检测的手指边缘确定ROI区域上下边界，根据手指关节位置亮度更大的原理来确定左右边界，获得的手指静脉图像ROI区域如图4所示。
图3 边缘检测与旋转矫正示意图
图4 截取手指静脉ROI区域
（3）图像特征提取
特征提取是手指静脉识别过程中非常重要的环节，其对实验结果即识别性能有着直接的影响。现有的研究中手指静脉特征提取算法主要包括基于纹理的特征提取、基于编码的特征提取和基于细节点的特征提取三大类[2，11]，实验中可以采用最简单常用的二值纹理特征提取方法来进行静脉特征提取。首先对原始图像的ROI区域使用多方向Gabor滤波器进行图像增强，然后由二值化算法将静脉纹理二值化，从而提取得到如图5所示的手指静脉二值纹理特征。
图5 纹理增强与二值化
（4）图像匹配
匹配是进行手指静脉识别的最后一步，而特征提取和图像匹配这两部分是相互关联的，不同的提取特征类型往往有其对应的匹配方法。一般采用某种距离去度量类内样本匹配分数和类间样本匹配分数。[8-11]若两样本特征的距离小于某阈值，则认为是同一类，反之，则不是同一类。通常期望所使用的匹配算法能使样本的同类样本间距离（类内距离）越小越好，类间样本间距离（或类间距离）越大越好，这样才能更好地对样本进行区分。可将已入库图像的ROI区域与待匹配图像的ROI区域均采用二值纹理特征提取方法获得两张纹理前景图像，将两张纹理前景图像的交集（重叠）像素点数与它们并集像素点数之比作为两张图像的相似距离度量。下页图6为实验过程中所得到一样本类内与类间特征的距离分布图，由图可以看出，当两样本相似距离小于0.23时可以认为匹配成功，完成手指静脉识别任务。
图6 样本类内与类间特征的距离分布图
手指静脉识别实验属于探索性实验项目，具有一定的科技前沿性。该实验项目仅仅限定了实验所要实现的任务，而对所采用的具体算法步骤不进行强制要求，实验平台基于Matlab开发环境，具有良好的开放性。因此，教师在探索性实验开展过程中应对学生进行一定的引导，鼓励学生积极探索研究不同的实现方案，在手指静脉识别基本流程的基础上进行创新拓展。[12-13]
对于手指静脉识别算法的开发，在图像预处理部分提取手指边缘轮廓时，可以使用Sobel、Canny等边缘检测算法；
在对静脉图像进行增强处理时，可以使用限制对比度自适应直方图均衡化（CLAHE）、Retinex和灰度归一化等方法。[7-9]在图像特征提取和匹配时，可以采用如局部二进制模式（LBP）特征提取和直方图相似性匹配、SIFT和SURF等局部不变特征提取和匹配方法等。[14-15]除了以上常用的经典算法之外，笔者还鼓励学生结合本项目的特点在经典算法的基础上进行了改进和优化，同时也鼓励学生尝试新的方法如采用神经网络的方法来完成手指静脉图像的匹配任务。对于实验项目应用方面，学生可以对系统的功能进行拓展，如增加开锁的功能、增加相关的语音提醒功能等。
手指静脉识别实验项目符合生物特征识别产业的发展趋势，具有重要应用价值。自主研发的实验平台为学生接触前沿科研创造了条件，学生可以使用熟悉的Matlab软件自主设计并编程实现手指静脉图像预处理、特征提取和匹配算法，完成实验任务。在以项目形式开展的探索性实验过程中，学生根据任务要求在教师的引导下循序渐进，不断研究和探索解决方案，真正参与到实际科研项目的开发过程中。该实验项目融合了机器视觉、图像处理、模式识别等多门课程相关知识，具有一定的学科前沿性和良好的开放性，不仅能够提高学生的主动性和积极性，还能够促进学生创新能力和探索研究能力的提升，实现良好的教学效果，对于工程类课程开展探索性实验具有一定的借鉴意义。
猜你喜欢图像处理特征提取手指手指背侧复合组织块离断再植实用手外科杂志(2022年2期)2022-08-31手指操小聪仔(婴儿版)(2020年12期)2021-01-26基于图像处理的机器人精确抓取的设计与实现制造技术与机床(2018年12期)2018-12-23基于Daubechies(dbN)的飞行器音频特征提取电子制作(2018年19期)2018-11-14机器学习在图像处理中的应用电子制作(2018年18期)2018-11-14Bagging RCSP脑电特征提取算法自动化学报(2017年11期)2017-04-04基于图像处理的定位器坡度计算电气化铁道(2016年4期)2016-04-16笔穿手指少年科学(2015年8期)2015-08-13基于MED和循环域解调的多故障特征提取噪声与振动控制(2015年4期)2015-01-01Photo Shop通道在图像处理中的应用河南科技(2014年1期)2014-02-27