基于像素点检测的手指静脉特征提取算法的研究

陈暄　张军　游林

摘要：近年来手指静脉特征技术已经成为了信息安全技术中的一种新的技术，该文在分析了静脉特征分析方法的基础上，对图像中属于静脉的区域进行横截面的深度和曲率的分析，然后通过设定的将这些区域进行区分，最后通过动态阈值法分割出手指静脉特征。仿真实验证明，该文的算法有效提取手指静脉特征，与其他算法相比具有较低的误码率和较高识别率。

关键词：手指静脉；像素点

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）16-3876-03

信息安全一直以来都是人们研究的重点，如何能够最大限度的保证个人信息是当前急需解决的问题，生物特征识别技术是最近几年在发展起来的安全技术之一，它主要是利用生物特征采集装置与计算机技术，对于人体特有的生理特征进行个人身份鉴别，主要基于生理特征生物方面主要包含了指纹，人脸，虹膜，手指静脉等特征，在目前生物特征识别中，指纹识别体表特征识别，容易存在损害，容易伪造的缺点；人脸识别具有一定的优点，但容易受到年龄，易容，易损失等不足，识别精度收到限制，虹膜识别虽然具有的一定优越性，但是由于采集设备造价高，无法适应进行面向基层推广。经过医学研究证明，人具有唯一的手指静脉纹路，因此，手指静脉识别技术作为一种新的生物特征识别技术受到越来越多人的重视[1]。

手指静脉识别是一种新颖的识别技术，主要是通过隐藏在人体手指腹部的静脉血管进行身份识别。文献[2]提出了手指静脉图像质量评价方法.在分析人类视觉系统（HVS）性能的基础上，将图像有效区域、对比度、位置偏移度、模糊度、信息熵作为评价手指静脉图像质量的参数.并综合分析这些参数，加权获得静脉图像总质量评价函数.实验表明，得到了与主观评价结果相一致的客观评价值。文献[3]提出一种基于Fisher准则的手指静脉融合算法.首先对手指静脉图像进行特征点提取，分别计算待匹配图像特征点与注册图像特征点的正向平均豪斯道夫距离（FMHD）和反向平均豪斯道夫距离（RMHD），然后基于Fisher准则确定FMHD和RMHD的融合参数，将融合得到的豪斯道夫距离作为新的匹配分数；在上述算法的基础上，将得到的食指、中指和无名指3根手指静脉的匹配分数进行融合，以进一步提高手指静脉的识别率.实验结果表明，与通常采用的FMHD相比，采用融合后的豪斯道夫距离的误识率有明显降低；而采用三指静脉融合后，误识率由单个手指的1.95%降低到0.27%。文献[4]提出了基于手指指尖点的旋转定位方法，改进了基于方向模板和局部动态阈值分割提取静脉特征的方法并用改进Hausdorff距离（MHD）距离进行匹配验证。实验结果表明，同一根手指的图片可以达到0.75%的等误率，正确识别率达97.25%，对实际手指静脉身份识别产品的开发具有一定的现实意义。文献[5]提出一种直接基于子图像向量的线性鉴别分析方法，即模块PCA手指静脉特征提取算法。上述算法通过对图像进行分块，利用PCA对分块得到的子图进行鉴别分析。由于使用子图像矩阵，能有效地抽取图像的局部特征，避免使用奇异值分解理论，过程简便。实验结果表明，所提出的方法在识别性能上明显优于传统PCA算法和小波矩融合PCA方法，识别率得到了有效的提高。文献[6]提出通过计算手指轮廓线的主方向和末节关节腔位置对手指摆放位置的随机变化进行校正，并初步定位分割出手指静脉感兴趣区域。运用迭代优化方法实现手指静脉感兴趣区域分割结果的精确提取。在小型数据集上进行实验的结果表明：该方法得到的感兴趣区域具有较好的聚类特性。说明该方法能够有效地从同一手指姿态变化的多幅静脉图像中定位并分割出相似度较高的感兴趣区域。

从实际出发由于受到了诸多条件的限制。采集到的手指静脉图像存在质量比较差，特特征无法提取的情况，在一定程度上影响了识别率。该文针对这些问题，该文在分析了静脉特征分析方法的基础上，对图像中属于静脉的区域进行横截面的深度和曲率的分析，然后通过设定的将这些区域进行区分，最后通过动态阈值法分割出手指静脉特征。仿真实验证明，该文的算法有效提取手指静脉特征，与其他算法相比具有较低的误码率和较高识别率。

1 手指静脉算法基本简介

1.1 Niblack算法

Niblack算法是一种经典分割算法，其算法过程如下：

1） 对于图像[f]中的一个坐标为[（x，y）]的像素点。利用式（1）和（2）计算出该像素点在向来区域内的均值和方差。

[m（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f（i，j）] （1）

[s（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2（i，j）] （2）

2） 通过公式（3）来计算出像素点中的坐标阈值。

[T（x，y）=m（x，y）+k×s（x，y）] （3）

该算法优点是算法结构简单，容易实现并且运行速度快。缺点是难以处理质量相对低的图像。

1.2 重复线性追踪法

该算法主要是采用手指静脉的形状以及手指静脉横截面呈谷形分布的特点来进行追踪，该算法的思想是：

1）在静脉图像中随机选取一个追踪点，记为[Pc]。

2） 以[Pc]为圆心，[r]为半径画圆。设定[P]点是该圆上的一个像素点，计算[P]点的谷形深度[R=f（S）+f（T）-2f（P）]，其中[f（S）]，[f（T）]和[f（P）]分别表示点[S]、[T]和[P]的灰度值。

3） 检测该圆上的灰度分布曲线。存在呈谷形的分布曲线，则[Pc]属于静脉区域。并选择横截面谷形深度值最大的像素点为下一个跟踪点并回到，然后不检测[Pc]处的灰度分布曲线。

该算法可以很好的弥补1.1节中无法从低质量的手指静脉中提取图像的现象，但缺点如下，所提取的静脉纹路不够光滑，算法的运行速度较慢。

2 基于像素点检测的静脉特征提取算法

2.1 算法的基本原理

在手指静脉图像中，像素点与手指静脉的位置关系非常只能更要。当手掌的横截面的半径取适当大小时，就会出现来自多个方向的横截面分布曲线。因此对于图像中像素点来说，选择三个方向以上的横截面灰度分布曲线呈现出谷型，就认定为静脉像素点，并做下一步的处理。

参考文献：

[1] 王科俊.手指静脉图像质量评价[J].系统智能学报，2011，6（4）：324-327.

[2] 金怀国.基于Fisher准则的多指静脉融合[J].计算机辅助设计与图形学学，2013.25（2）：183-187.

[3] 汤露.对抗图像旋转的手指静脉身份识别新算法的设计[J].计算机应用，2012，32（11）：3193-3197.

[4] 李柳柏.改进的手指静脉图像识别算法仿真研究[J].计算机仿真，2011，28（3）：310-312.

[5] 杨金锋.手指静脉图像感兴趣区域提取方法研究[J].山东大学学报（自然科学版），2012，42（3）：6-11.endprint

摘要：近年来手指静脉特征技术已经成为了信息安全技术中的一种新的技术，该文在分析了静脉特征分析方法的基础上，对图像中属于静脉的区域进行横截面的深度和曲率的分析，然后通过设定的将这些区域进行区分，最后通过动态阈值法分割出手指静脉特征。仿真实验证明，该文的算法有效提取手指静脉特征，与其他算法相比具有较低的误码率和较高识别率。

关键词：手指静脉；像素点

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）16-3876-03

信息安全一直以来都是人们研究的重点，如何能够最大限度的保证个人信息是当前急需解决的问题，生物特征识别技术是最近几年在发展起来的安全技术之一，它主要是利用生物特征采集装置与计算机技术，对于人体特有的生理特征进行个人身份鉴别，主要基于生理特征生物方面主要包含了指纹，人脸，虹膜，手指静脉等特征，在目前生物特征识别中，指纹识别体表特征识别，容易存在损害，容易伪造的缺点；人脸识别具有一定的优点，但容易受到年龄，易容，易损失等不足，识别精度收到限制，虹膜识别虽然具有的一定优越性，但是由于采集设备造价高，无法适应进行面向基层推广。经过医学研究证明，人具有唯一的手指静脉纹路，因此，手指静脉识别技术作为一种新的生物特征识别技术受到越来越多人的重视[1]。

手指静脉识别是一种新颖的识别技术，主要是通过隐藏在人体手指腹部的静脉血管进行身份识别。文献[2]提出了手指静脉图像质量评价方法.在分析人类视觉系统（HVS）性能的基础上，将图像有效区域、对比度、位置偏移度、模糊度、信息熵作为评价手指静脉图像质量的参数.并综合分析这些参数，加权获得静脉图像总质量评价函数.实验表明，得到了与主观评价结果相一致的客观评价值。文献[3]提出一种基于Fisher准则的手指静脉融合算法.首先对手指静脉图像进行特征点提取，分别计算待匹配图像特征点与注册图像特征点的正向平均豪斯道夫距离（FMHD）和反向平均豪斯道夫距离（RMHD），然后基于Fisher准则确定FMHD和RMHD的融合参数，将融合得到的豪斯道夫距离作为新的匹配分数；在上述算法的基础上，将得到的食指、中指和无名指3根手指静脉的匹配分数进行融合，以进一步提高手指静脉的识别率.实验结果表明，与通常采用的FMHD相比，采用融合后的豪斯道夫距离的误识率有明显降低；而采用三指静脉融合后，误识率由单个手指的1.95%降低到0.27%。文献[4]提出了基于手指指尖点的旋转定位方法，改进了基于方向模板和局部动态阈值分割提取静脉特征的方法并用改进Hausdorff距离（MHD）距离进行匹配验证。实验结果表明，同一根手指的图片可以达到0.75%的等误率，正确识别率达97.25%，对实际手指静脉身份识别产品的开发具有一定的现实意义。文献[5]提出一种直接基于子图像向量的线性鉴别分析方法，即模块PCA手指静脉特征提取算法。上述算法通过对图像进行分块，利用PCA对分块得到的子图进行鉴别分析。由于使用子图像矩阵，能有效地抽取图像的局部特征，避免使用奇异值分解理论，过程简便。实验结果表明，所提出的方法在识别性能上明显优于传统PCA算法和小波矩融合PCA方法，识别率得到了有效的提高。文献[6]提出通过计算手指轮廓线的主方向和末节关节腔位置对手指摆放位置的随机变化进行校正，并初步定位分割出手指静脉感兴趣区域。运用迭代优化方法实现手指静脉感兴趣区域分割结果的精确提取。在小型数据集上进行实验的结果表明：该方法得到的感兴趣区域具有较好的聚类特性。说明该方法能够有效地从同一手指姿态变化的多幅静脉图像中定位并分割出相似度较高的感兴趣区域。

从实际出发由于受到了诸多条件的限制。采集到的手指静脉图像存在质量比较差，特特征无法提取的情况，在一定程度上影响了识别率。该文针对这些问题，该文在分析了静脉特征分析方法的基础上，对图像中属于静脉的区域进行横截面的深度和曲率的分析，然后通过设定的将这些区域进行区分，最后通过动态阈值法分割出手指静脉特征。仿真实验证明，该文的算法有效提取手指静脉特征，与其他算法相比具有较低的误码率和较高识别率。

1 手指静脉算法基本简介

1.1 Niblack算法

Niblack算法是一种经典分割算法，其算法过程如下：

1） 对于图像[f]中的一个坐标为[（x，y）]的像素点。利用式（1）和（2）计算出该像素点在向来区域内的均值和方差。

[m（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f（i，j）] （1）

[s（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2（i，j）] （2）

2） 通过公式（3）来计算出像素点中的坐标阈值。

[T（x，y）=m（x，y）+k×s（x，y）] （3）

该算法优点是算法结构简单，容易实现并且运行速度快。缺点是难以处理质量相对低的图像。

1.2 重复线性追踪法

该算法主要是采用手指静脉的形状以及手指静脉横截面呈谷形分布的特点来进行追踪，该算法的思想是：

1）在静脉图像中随机选取一个追踪点，记为[Pc]。

2） 以[Pc]为圆心，[r]为半径画圆。设定[P]点是该圆上的一个像素点，计算[P]点的谷形深度[R=f（S）+f（T）-2f（P）]，其中[f（S）]，[f（T）]和[f（P）]分别表示点[S]、[T]和[P]的灰度值。

3） 检测该圆上的灰度分布曲线。存在呈谷形的分布曲线，则[Pc]属于静脉区域。并选择横截面谷形深度值最大的像素点为下一个跟踪点并回到，然后不检测[Pc]处的灰度分布曲线。

该算法可以很好的弥补1.1节中无法从低质量的手指静脉中提取图像的现象，但缺点如下，所提取的静脉纹路不够光滑，算法的运行速度较慢。

2 基于像素点检测的静脉特征提取算法

2.1 算法的基本原理

在手指静脉图像中，像素点与手指静脉的位置关系非常只能更要。当手掌的横截面的半径取适当大小时，就会出现来自多个方向的横截面分布曲线。因此对于图像中像素点来说，选择三个方向以上的横截面灰度分布曲线呈现出谷型，就认定为静脉像素点，并做下一步的处理。

参考文献：

[1] 王科俊.手指静脉图像质量评价[J].系统智能学报，2011，6（4）：324-327.

[2] 金怀国.基于Fisher准则的多指静脉融合[J].计算机辅助设计与图形学学，2013.25（2）：183-187.

[3] 汤露.对抗图像旋转的手指静脉身份识别新算法的设计[J].计算机应用，2012，32（11）：3193-3197.

[4] 李柳柏.改进的手指静脉图像识别算法仿真研究[J].计算机仿真，2011，28（3）：310-312.

[5] 杨金锋.手指静脉图像感兴趣区域提取方法研究[J].山东大学学报（自然科学版），2012，42（3）：6-11.endprint

摘要：近年来手指静脉特征技术已经成为了信息安全技术中的一种新的技术，该文在分析了静脉特征分析方法的基础上，对图像中属于静脉的区域进行横截面的深度和曲率的分析，然后通过设定的将这些区域进行区分，最后通过动态阈值法分割出手指静脉特征。仿真实验证明，该文的算法有效提取手指静脉特征，与其他算法相比具有较低的误码率和较高识别率。

关键词：手指静脉；像素点

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）16-3876-03

信息安全一直以来都是人们研究的重点，如何能够最大限度的保证个人信息是当前急需解决的问题，生物特征识别技术是最近几年在发展起来的安全技术之一，它主要是利用生物特征采集装置与计算机技术，对于人体特有的生理特征进行个人身份鉴别，主要基于生理特征生物方面主要包含了指纹，人脸，虹膜，手指静脉等特征，在目前生物特征识别中，指纹识别体表特征识别，容易存在损害，容易伪造的缺点；人脸识别具有一定的优点，但容易受到年龄，易容，易损失等不足，识别精度收到限制，虹膜识别虽然具有的一定优越性，但是由于采集设备造价高，无法适应进行面向基层推广。经过医学研究证明，人具有唯一的手指静脉纹路，因此，手指静脉识别技术作为一种新的生物特征识别技术受到越来越多人的重视[1]。

手指静脉识别是一种新颖的识别技术，主要是通过隐藏在人体手指腹部的静脉血管进行身份识别。文献[2]提出了手指静脉图像质量评价方法.在分析人类视觉系统（HVS）性能的基础上，将图像有效区域、对比度、位置偏移度、模糊度、信息熵作为评价手指静脉图像质量的参数.并综合分析这些参数，加权获得静脉图像总质量评价函数.实验表明，得到了与主观评价结果相一致的客观评价值。文献[3]提出一种基于Fisher准则的手指静脉融合算法.首先对手指静脉图像进行特征点提取，分别计算待匹配图像特征点与注册图像特征点的正向平均豪斯道夫距离（FMHD）和反向平均豪斯道夫距离（RMHD），然后基于Fisher准则确定FMHD和RMHD的融合参数，将融合得到的豪斯道夫距离作为新的匹配分数；在上述算法的基础上，将得到的食指、中指和无名指3根手指静脉的匹配分数进行融合，以进一步提高手指静脉的识别率.实验结果表明，与通常采用的FMHD相比，采用融合后的豪斯道夫距离的误识率有明显降低；而采用三指静脉融合后，误识率由单个手指的1.95%降低到0.27%。文献[4]提出了基于手指指尖点的旋转定位方法，改进了基于方向模板和局部动态阈值分割提取静脉特征的方法并用改进Hausdorff距离（MHD）距离进行匹配验证。实验结果表明，同一根手指的图片可以达到0.75%的等误率，正确识别率达97.25%，对实际手指静脉身份识别产品的开发具有一定的现实意义。文献[5]提出一种直接基于子图像向量的线性鉴别分析方法，即模块PCA手指静脉特征提取算法。上述算法通过对图像进行分块，利用PCA对分块得到的子图进行鉴别分析。由于使用子图像矩阵，能有效地抽取图像的局部特征，避免使用奇异值分解理论，过程简便。实验结果表明，所提出的方法在识别性能上明显优于传统PCA算法和小波矩融合PCA方法，识别率得到了有效的提高。文献[6]提出通过计算手指轮廓线的主方向和末节关节腔位置对手指摆放位置的随机变化进行校正，并初步定位分割出手指静脉感兴趣区域。运用迭代优化方法实现手指静脉感兴趣区域分割结果的精确提取。在小型数据集上进行实验的结果表明：该方法得到的感兴趣区域具有较好的聚类特性。说明该方法能够有效地从同一手指姿态变化的多幅静脉图像中定位并分割出相似度较高的感兴趣区域。

从实际出发由于受到了诸多条件的限制。采集到的手指静脉图像存在质量比较差，特特征无法提取的情况，在一定程度上影响了识别率。该文针对这些问题，该文在分析了静脉特征分析方法的基础上，对图像中属于静脉的区域进行横截面的深度和曲率的分析，然后通过设定的将这些区域进行区分，最后通过动态阈值法分割出手指静脉特征。仿真实验证明，该文的算法有效提取手指静脉特征，与其他算法相比具有较低的误码率和较高识别率。

1 手指静脉算法基本简介

1.1 Niblack算法

Niblack算法是一种经典分割算法，其算法过程如下：

1） 对于图像[f]中的一个坐标为[（x，y）]的像素点。利用式（1）和（2）计算出该像素点在向来区域内的均值和方差。

[m（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f（i，j）] （1）

[s（x，y）=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2（i，j）] （2）

2） 通过公式（3）来计算出像素点中的坐标阈值。

[T（x，y）=m（x，y）+k×s（x，y）] （3）

该算法优点是算法结构简单，容易实现并且运行速度快。缺点是难以处理质量相对低的图像。

1.2 重复线性追踪法

该算法主要是采用手指静脉的形状以及手指静脉横截面呈谷形分布的特点来进行追踪，该算法的思想是：

1）在静脉图像中随机选取一个追踪点，记为[Pc]。

2） 以[Pc]为圆心，[r]为半径画圆。设定[P]点是该圆上的一个像素点，计算[P]点的谷形深度[R=f（S）+f（T）-2f（P）]，其中[f（S）]，[f（T）]和[f（P）]分别表示点[S]、[T]和[P]的灰度值。

3） 检测该圆上的灰度分布曲线。存在呈谷形的分布曲线，则[Pc]属于静脉区域。并选择横截面谷形深度值最大的像素点为下一个跟踪点并回到，然后不检测[Pc]处的灰度分布曲线。

该算法可以很好的弥补1.1节中无法从低质量的手指静脉中提取图像的现象，但缺点如下，所提取的静脉纹路不够光滑，算法的运行速度较慢。

2 基于像素点检测的静脉特征提取算法

2.1 算法的基本原理

在手指静脉图像中，像素点与手指静脉的位置关系非常只能更要。当手掌的横截面的半径取适当大小时，就会出现来自多个方向的横截面分布曲线。因此对于图像中像素点来说，选择三个方向以上的横截面灰度分布曲线呈现出谷型，就认定为静脉像素点，并做下一步的处理。

参考文献：

[1] 王科俊.手指静脉图像质量评价[J].系统智能学报，2011，6（4）：324-327.

[2] 金怀国.基于Fisher准则的多指静脉融合[J].计算机辅助设计与图形学学，2013.25（2）：183-187.

[3] 汤露.对抗图像旋转的手指静脉身份识别新算法的设计[J].计算机应用，2012，32（11）：3193-3197.

[4] 李柳柏.改进的手指静脉图像识别算法仿真研究[J].计算机仿真，2011，28（3）：310-312.

[5] 杨金锋.手指静脉图像感兴趣区域提取方法研究[J].山东大学学报（自然科学版），2012，42（3）：6-11.endprint