多光谱手指静脉成像与采集系统设计

杨金锋，刘源山

（中国民航大学津市智能信号与图像处理重点实验室，天津 300300）

手指静脉是人的生理特征之一，除具有唯一性、普遍性、稳定性和可度量性等基本生物特性外，它还具有天然防伪性和活体性[1]。因此，近几年来利用人的手指静脉特征进行身份鉴别逐步发展成为了一个新的生物识别研究方向，被普遍认为具有广阔的发展空间与应用前景。

手指静脉位于皮下，并在可见光下不能清晰可见。这就决定了手指静脉成像区别于传统生物特征成像模式，具有自己特有的方式。医学研究表明，静脉中的脱氧血红蛋白对近红外线有较强的吸收作用[2]，所以当前对手指静脉成像一般利用近红外发光二极管（LED）作为透射光源，通过图像传感器感应手指透射过来的光而获得手指静脉阴影图案。

目前，手指静脉图像通常采用以单光谱近红外LED为光源的透射成像模式。单光谱手指静脉成像模式具有光源控制电路简单、易操作、设备可小型化等优点。虽然也可获得手指静脉区域阴影图案，但受环境温度影响，LED的发光功率存在较大峰值波动，易造成手指静脉图像内容发生变化，进而影响识别系统性能[3-5]。更为不利的是，单光谱手指静脉成像模式无法充分利用人体不同生物组织的光学特性[6-7]，这也会影响真实手指静脉特征信息的分析与提取。因此，对于手指静脉识别来说，探索多光谱手指静脉成像模式具有重要的理论与实际意义。

多光谱手指静脉成像的基本思想来源于不同生物组织具有不同的光学特性。如图1所示，人体中的脱氧血红蛋白、血红蛋白、水分以及脂肪等生物组织在同一近红外波段下有不同的光吸收特性，并随着波长变化表现出不同的吸收特性曲线。因此，在多光谱成像模式下，可根据不同生物组织介质具有不同光学特性的特点获得内容不同的手指生物组织成像信息，不仅可为突出手指静脉区域奠定数据基础，而且可进一步突出手指的活体特性，提高手指静脉识别的防伪性与安全性。

本文从静脉成像原理以及控制电路角度出发，选取合适的多波段光源，设计满足要求的光源控制电路，建立了多光谱静脉采集硬件系统，然后在硬件的基础上设计了成像采集软件系统。初步完成多光谱手指静脉成像与采集系统的建立。手指静脉采集作为手指静脉识别技术的第一步，对后续图像处理有直接影响，并最终影响整个手指静脉识别系统的识别率[6-7]。因此，多光谱手指静脉采集系统的建立对手指静脉图像采集装置进行深入研究具有一定的科学意义。

1 多光谱手指静脉成像

医学研究证明，波长在700～900 nm的近红外光对生物组织具有最强的穿透能力。故本文所采用的手指静脉成像光源波长也在这个波长范围内选择。最终选择6组不同波段的近红外光源依次透射手指来采集手指静脉图像，从而多个光谱下的手指静脉成像。

由图2（a）所示，本文设计的采集装置按照传统手指静脉成像方式，由计算机通过串口控制多光谱LED阵列的光源控制电路相连，通过发送相应指令控制发光阵列向手指依次发出不同波段并且亮度可调的主动近红外光，近红外光透过手指静脉后再通过手指下方的滤光片在底部的CCD或CMOS摄像头上成像（本文采用CMOS）。

图2（b）为本文设计的采集装置内部组成结构。部件的安置也是从上到下的关系。多光谱阵列可以发出多波段的近红外光，滤光片可以滤除可见光，光源控制器可以控制发光阵列依次发出单波段的近红外光并且亮度可调，CCD或CMOS成像模块可以采集到透过手指静脉的近红外血管造影。最后传送到计算机工作站的数据库里。

2 多光谱手指静脉成像硬件构成

本文设计的手指静脉采集硬件系统主要包括多波段φ3（直径）近红外发光二极管、滤光片、CMOS成像模块组、光源控制电路及采集软件平台。

2.1 近红外光源

考虑到近红外LED输出峰值一般有动态变化，我们将采用正常输出峰值在735～870 nm之间的小直径高指向LED作为近红外光源。高指向LED可以模拟线状光源，是生物组织光传输理论中较为理想的实际光源。

近红外光源近红外LED阵列由三排线阵构成，每排包含两种光谱。分别为760 nm与770 nm、780 nm与810 nm、830 nm与850 nm这三组。这六组光源的波长位于对生物组织具有最强穿透力的近红外光线波长范围内。而从图1可以看出，当波长大于900 nm时，水分和脂肪对光的吸收系数变大，这样就不利于手指静脉的成像，所以我们选取的波长最高为850 nm。经试验发现，同一波长的发光二极管相间隔排列的结构能确保光源照射位置相对不变，利于保证光在生物组织中传输状态的相对稳定性。有效解决多光谱光源的排列难点。近红外二极管的特性参数及光源分组原理图如表1及图3所示。

表1 近红外二极管的特性参数表Tab.1 Characteristics table of infrared LED

表1中Uf、If分别代表发光二极管的正向压降与正向一般工作电流，P0为工作时的功率。Ifmax为最大正向电流，Ur为反向电压，一般不超过5 V，超过就可能击穿LED。

由图3所示，每组光源包含五个近红外LED，采用共阴极接法，便于实现片选控制。

2.2 滤光片

滤光片在采集装置所起的作用是滤除可见光成分，即波长在700 nm以下的光，以减少对手指静脉成像产生的噪声，提高静脉图像质量。我们选取的是HB720滤光片，特性如图4及表2所示。

表2 滤光片特性表Tab.2 Characteristics table of filter

从图3可以看出，选取的型号为HB720的滤光片可以将波长在750 nm以下，接近90%的可见光滤除，在λ0=800 nm时性能保持稳定，与其他HB型号滤光片相比，在波长为600 nm到700 nm之间有更好的滤除效果。这样可以尽量保证通过此滤光片照射在手指上的近红外光波长都在750 nm以上，因此我们选取此型号滤光片。

2.3 CMOS成像模块组

在本装置中，CMOS成像模块组我们采用的是ZC0301PLH，ZC0301PLH支持高达30帧/s的VGA视频显示，可通过外置的EEPROM来设定USB参数，支持来源于CMOS图像传感器的8 bit/10 bit灰度图像数据，支持原始图像数据的输出以达到高质量的静态图像。

2.4 光源控制电路

多光谱光源控制电路的设计要实现2个主要目的：①实现多波段光源发光的顺序控制；②实现光源发光强度的量化控制。顺序控制的目的是为了获得不同波段下的手指图像，量化控制的目的在于设定光源的发光强度以适应手指尺寸大小变化的实际情况，避免单一LED光源辐射峰值波动。因此，光源控制电路设计要围绕这两个主要目的来研究实现。

本装置近红外光源控制电路主要由数码管控制芯片 CH452A、USB总线转接芯片 CH341T以及CMOS8位单片机AT89C52组成。控制电路基本工作原理是单片机89C52通过CH341T接受到计算机传来的指令（亮度调节指令或灯的点亮熄灭指令）并分析指令，然后将相应指令发送到数码管控制芯片CH452A，从而对光源做出相应的控制以适应采集手指静脉的需要。控制电路控制光源流程如图5所示。

由于采集手指静脉时，每个人的手指尺寸大小都不一样，尤其是部分女性指形较为细小，部分男性指形较粗大，这就需要控制电路适时调节光源发光强度以满足成像需求，从而获得静脉血管较为细小的女性以及指形较粗大的男性手指静脉图像。本文通过设置发光LED以16个不同等级的亮度尽量满足不同指形，以得到较好的成像效果，如图6所示。

其中左边3幅为手指较为粗大的男性手指静脉图像，右边3幅为手指较为细小的女性手指静脉图像。

在多光谱手指静脉成像时，需要这6种波段的光源尽可能的发射出相同发光功率的近红外光，这样就可在统一的条件下得到不同波段的静脉图像，能更好地分析不同波段下所得到的静脉图像的差别。

引言部分提到由于LED光源工作时间过长导致LED发热而产生辐射波峰波动，通过控制电路顺序控制，在一种波段下成像采集完后，关闭此波段的LED并点亮下一个波段的LED，可以避免LED工作时间过长。结合硬件部分发光二极管表1和表3的参数，为了解决多光谱成像下LED峰值波动较大的问题，控制电路通过CH452A的SEG管脚连接驱动每个发光二极管发光，管脚的最大输出电流为30 mA，小于这6种波段的发光二极管最大正向电流Ifmax，同时每个发光二极管上的压降均小于任一波段二极管的最大正向电压Vr，这样每组波段发光二极管的发光功率就不会超过正常工作功耗Po，从而保护了二极管不会发热烧坏。所以，就可以在每组二极管的最大允许功率范围内通过调节CH452A的亮度占空比实现每组波段发光二极管能发出统一的发光功率。尽可能降低LED的峰值波动。

表3 CH452A输出引脚的参数Tab.3 Output pin parameters of CH452A

3 多光谱手指静脉图像采集

通过介绍以上硬件组成部分，我们在这基础上根据控制电路的功能与建立手指静脉数据库的需要建立了对应的手指静脉采集软件系统，采集系统软件平台是通过在VC++环境编写而成，具有手指静脉图像采集、存储建立数据库、注册、识别用户等基本功能，采集系统软件平台的工作流程如图7所示。

最后，将硬件系统与软件平台搭建于一体，与计算机相连接从而建立多光谱手指静脉成像采集平台，如图8所示。

在手指静脉成像过程中，利用成像窗口截取出的手指静脉区域往往含有非静脉区域部分。为了稳定获取可用作识别的感兴趣区域（ROI），根据手指的生理结构，提出了一个快速的精确的手指静脉图像定位与ROI区域分割方法（见文献[1]）。定位手指远端指关节，如图9（a）中可以看到手指的指关节处有许多部分组成，包括组织液、滑膜、软骨等。关节间隙两侧为软骨，中间为滑液。由于滑液透光率比周围组织高，加上软骨的双向反射，静脉图像上会存在一个较亮的带状区域。逐行扫描静脉图像像素，取灰度和最大的一行所在位置，如图9（b）所示。然后以此行中点为基点用一个高度宽度固定的窗（80×180）（图 9（b）中绿框）来截取出包含足够识别信息的ROI图像，如图9（c）所示。利用这一原理来提取手指静脉图像的ROI图像，可以有效地去除背景，并可保留大部分的手指静脉信息。解决了图像采集时获取静脉感兴趣区域问题。

4 采集实验结果与分析

利用设计的多光谱手指静脉图像采集装置进行了手指静脉图像采集试验，并采集了一定数目的样本。如图10所示，我们从中选取在这6组不同波长下拍得的两个人右手中指感兴趣区域图片进行分析。

根据图1所示，脱氧血红蛋白在波长为760 nm范围对近红外光有较强的吸收能力，所以从图10中的（a）、（b）、（c）可以看出静脉图像整体比较暗，这是因为脱氧血红蛋白吸收近大部分红外光的原因，而在800～850 nm之间脱氧血红蛋白的吸收能力降低，使得大部分近红外光透过手指，所以从图 10中（d）、（e）、（f）的可以看出静脉部分比较亮。在波长为760、770、780 nm 下，图 10 中的（a）、（b）、（c）下部手指远端关节定位线附近一些细小血管因为周围脱氧血红蛋白吸收近红外光发暗而被遮挡，但在波长为830 nm的图10（e）就可以显示出来，从而提供更多的静脉图像信息。图10中的（g）～（l）同样适用以上分析。

我们对第一个人的手指静脉ROI图像（图10（a）～图10（f））中每两幅图像进行相关性分析，计算出每两幅图像的相关系数，原理公式如下

式中：Xi、Yi为图像像素矩阵，、为图像像素矩阵均值。rXY为相关系数。

表4 每两幅手指静脉ROI图像的相关系数表Tab.4 Correlation coefficient table of each finger-vein ROI image

从表4中看出不同波段下每两幅手指静脉ROI图像的相关系数各不相同。760 nm附近的相关系数接近，而波长在810 nm时，与760 nm下的图像相比相关系数变小，对应了视觉差异。

可以看出，多光谱手指静脉成像可以补充单光谱下只能显示单一光谱下的静脉信息的不足，从而提供更多有用的静脉信息。为后续分析静脉信息工作提供了基础。

5 结语

本文从活体组织的不同介质对不同波长的入射光有不同的散射和吸收性能这一角度出发，建立了多光谱手指静脉成像采集系统，能够从多光谱角度丰富个人身份有效生物特征；设计中利用数码管控制芯片的控制电路解决多光谱手指静脉成像系统所遇到的光源难点；利用实验室提出的手指定位方法解决了手指静脉图像采集时遇到的定位问题。

同时，系统也有许多需要改进的地方，如成像模块可以选择分辨率更高的型号、光源亮度调节范围可再调宽等。

多光谱手指静脉识别奠定了数据基础和实验环境，这对促进手指静脉识别技术的发展具有重要意义。

[1]YANG JINFENG，SHI YIHUA，YANG JINLI，et al.A Novel Fingervein Recognition Method with Feature Combination[C]//Int′l Conf.on Image Processing，2009：2709-2712.

[2]YANG JINFENG，SHI YIHUA，YANG JINLI.Finger-vein Recognition Based on a Bank of Gabor Filters[C]//Asian Conference on Computer Vision，2009：374-383.

[3]MIURA N，NAGASAKA A.Feature extraction of finger-vein pattern based on repeated line tracking and its application to personal identification[J].Machine Vision and Applications，2004，15（4）：194-203.

[4]吴一民，刘浩江，李 昶，等.指掌侧静脉的解剖学研究及临床意义[J].中国临床解剖学杂志，2001，19（1）：54-55.

[5]来建成，李振华，王清华，等.生物组织光传输的系统模型及应用光子学报[J].2007，36（7）：1312-1317.

[6]JAIN A K，A ROSS.Multibiometric systems[J].Communication of the ACM，2004，47（1）：34-40.

[7]HALL P，QIU P.Nonparametric estimation of a point-spread function in multivariate problems[J].The Annals of Statistics，2007，35（4）：1512-1534.

[8]WEBER J R，CUCCIA D J，DURKIN A J，et al.Noncontact imaging of absorption and scattering in layered tissue using spatially modulated structured light[J].Journal of Applied Physics，2009，105（10）：102028-102028-9.

[9]余成波，张 睿，秦华锋.基于CCD的手指静脉身份识别系统的研制[J].Semiconductor Optoelectronics，2008，29（3）：438-439.

[10]LEE E C，Park K R.Restoration method of skin scattering blurred vein image for finger vein recognition[J].Electronics Letters，2009，45（21）：1074-1076.

[11]林喜荣，庄 波，苏晓生，等.人体手背静脉血管图像的特征提取及匹配[J].清华大学学报（自然科学版），2003，43（2）：164-167.