基于局部灰度极小值的指静脉图像分割方法

苑玮琦，高洁睿

(沈阳工业大学 视觉检测技术研究所，辽宁 沈阳 110870)

基于局部灰度极小值的指静脉图像分割方法

苑玮琦，高洁睿

(沈阳工业大学 视觉检测技术研究所，辽宁 沈阳 110870)

为了解决在光照不均匀、对比度低和指节纹干扰等情况下存在的手指静脉纹线分割效果不好的问题，文中提出一种基于局部灰度极小值的指静脉检测方法。根据指静脉纹线的走向选取垂直于指静脉方向的模板，该检测模板由三个子模板组成。由于静脉处较其周围邻域的灰度值较低，当检测模板由上至下逐点检测时，中间子模板的灰度值之和小于其他两个子模板的灰度值之和，该处即为静脉纹线处。该方向的模板不但避免了阈值选择，能够排除对比度低、光照不均匀的影响，而且可以有效抑制指节纹等干扰纹线。实验结果表明，该方法可以有效地解决指节纹干扰、对比度低和光照不均等问题，提取的静脉纹线具有很好的连续性。

手指静脉图像分割；局部灰度极小值；静脉分割；检测模板

1 概 述

手指静脉识别是利用手指的静脉纹理结构的唯一性来实现个人身份验证或识别的一种生物特征识别技术[1]。生物特征，指的是人身体各个部分的生理特征，其中应用到生物特征识别领域的特征包括指静脉、指纹、人脸、掌纹、虹膜等[2]。研究表明，手指静脉识别具备以下优势[3-4]：

(1)高安全性。手指静脉属于内部生理特征，被仿制或者盗用的可能性很小。

(2)静脉结构稳定。与指纹相比，静脉结构不会受皮肤干湿程度的影响[5]。

(3)非接触性。手指静脉图像采集方式是在波长700～1 100 nm范围内的近红外光下实现非接触成像，用户易于接受、方便卫生。

因此，手指静脉识别技术的高安全性和便捷性使其成为生物特征认证领域中前景最好的成员之一，同时受到越来越多的研究团队和企业的青睐[6-8]。

由于实际采集的手指静脉图像存在图像对比度低、噪声较大、光照不均等现象，因此，如何从质量较差的图像中分割出更好的静脉信息是文中研究的关键。通过对现有的静脉图像分割方法的研究，用于静脉图像的分割方法有边缘检测方法和灰度阈值方法。

全局阈值法[9-10]和局部阈值法[11]都是选定一个或者几个阈值，这些阈值是根据经验来确定，这种阈值分割的方法对于光照不均匀、对比度低、噪声严重的图像分割效果不好。相比之下，边缘检测方法具有更好的边缘检测性能和更加精准的定位性能。边缘检测包括step(阶跃)边缘检测和roof(屋顶)边缘检测[12]。文献[13]将阶跃边缘检测方法应用到寻找手体轮廓上，提取的轮廓线效果较好，但由于指静脉纹线有一定的宽度，用step边缘检测提取的静脉将是静脉的边缘轮廓，不能准确定位静脉的位置，因此这种边缘检测方法不适合提取静脉纹线。文献[14]提出一种基于局部灰度极小值的方法来检测边缘，回避了阈值选定的过程，在某一像素点的邻域内搜索灰度极小值。

文中采用局部灰度极小值的方法来检测手指静脉纹线，根据指静脉的走向来选取检测模板的方向，选取的检测模板方向对指节纹等干扰纹线具有很好的抑制作用；检测模板的像素个数由指静脉的宽度来决定，通过理论分析和讨论来确定检测模板的像素个数，在检测模板内通过不等式来判断该点是否为灰度极小值点，与阈值分割方法相比更具有自适应能力。实验证明，文中采用的基于局部灰度极小值的方法可以在低质量的静脉图像中分割出准确、连续性好的静脉纹线。

2 手指静脉的灰度空间分布特征分析

在手指静脉识别系统中，系统的识别性能与提取的静脉纹线质量密切相关。指静脉分割的目的是将指静脉纹线从手体中提取出来，显然，提取的静脉纹线的质量会直接影响整个系统的识别效果。在对指静脉进行分割之前，需要仔细分析手指静脉的灰度空间分布特征，通过分析该特征来选取更为合适的指静脉分割方法。文中实验的手指静脉图像是由沈阳工业大学视觉检测技术研究所自制的手指静脉采集装置所采集，图中静脉纹线的灰度值较低，其中包括掌静脉和指静脉。掌静脉血管总体分布呈网状结构，无规则性，分布较为复杂。指静脉纹路分布则有规律性，其走向近似于水平方向，呈线状分布，与掌静脉相比，更容易被检测出来。从灰度空间分布来看，指静脉纹线的灰度值与其周围邻域像素点的灰度值相比较低，在指静脉纹线的上方邻域和下方邻域像素点灰度值都要比静脉处大，局部灰度分布呈屋脊分布。采集的手指静脉图像中存在着干扰纹线，主要的干扰纹线是灰度值较低的指节纹干扰纹线，其走向与指静脉纹线的走向近似垂直。下文要介绍的指静脉分割方法可以有效地分割出清晰、准确、连续性好的手指静脉纹线，同时对指节纹干扰纹线能起到抑制作用。

3 基于局部灰度极小值的手指静脉图像分割

3.1 针对指静脉图像的局部灰度极小值方法

通过局部灰度极小值方法来检测图像的边缘。其主要思想是，在图像某一方向上标记一条小的直线，如果该条直线上的某一像素点的灰度值为其直线邻域上的最小点，那么该像素点即为边缘点。如图1所示，由于静脉处灰度级较低，所以在灰度级剖面图中边缘处于谷底。

图1 手指静脉灰度级分析图

(1)

那么点I2即为边缘点，否则为非边缘点。

由于在实际中拍摄的图像会受到光照不均匀的影响，会导致图像对比度较低。上述方法的目的是找到某个区域的某一方向上灰度极小值点，无论光照强度如何变化，图像边缘处的灰度值都会比其周围区域的灰度值低，因此该方法可以有效检测出图像的边缘。

对于手指静脉图像来说，手指静脉纹线宽度大概是3～10个像素。由于静脉纹线有一定的宽度，纹线内的灰度值很可能相等，用上述方法很可能检测不到边缘点，因此要对该方法进行改进。由于在采集的手指静脉图像中会存在指节纹等干扰纹线，指节纹的走向为竖直方向，手指静脉的方向近似于水平，因此，为排除指节纹对静脉的干扰，文中选取竖直方向的检测模板对手指静脉图像进行由上至下的扫描。先扫描最后一列像素，然后由右至左依次搜索灰度极小值点，直至将静脉纹线检测出来，这样可以有效地过滤掉指节纹，提取出静脉纹线。用于检测手指静脉的模板由三个子模板组成，如图2所示。其中Sum1、Sum2、Sum3分别表示像素点P11～P1k、P21～P2k、P31～P3k灰度值之和，如果满足式(2)：

Sum1>Sum2

(2)

那么边缘点就是子模板2的中心点。

图2 检测模板

3.2 子模板内像素个数的选取

通过对大量手指静脉纹线宽度进行统计，手指静脉纹线宽度大约在3～10个像素之间，子模板的像素个数k一定是整数，不是偶数就是奇数。如果子模板内含有偶数个像素，那么模板就不存在中心点，在检测边缘过程中会出现偏差。如果子模板像素个数为奇数，就不存在上述问题。

中文通过实验验证，分别给出了在k取3、5、7、9时的手指静脉检测结果，通过实验结果来选择k的取值。当k为3时，整个检测模板内像素的个数为9，当遇到10个像素宽度的静脉纹线时，该检测模板将无法找到灰度极小值点。图3、4、5分别是k为3、5、7时检测出来的手指静脉纹线。当k为9时，整个检测模板内像素的个数为27，这种情况下找到的灰度极小值点不够准确，如图6所示。通过比较图3、4、5和图6，可以看出当k为5时检测出的静脉纹线连续性更好、准确性更好。因此文中选用子模板大小为5个像素点。

4 结束语

由于阈值分割方法很难准确地提取静脉特征，所以文中采用基于局部灰度极小值的方法来提取静脉特征，即使在对比度低的静脉图像中也可以准确地检测出静脉纹线，同时对指节纹等干扰纹线有很好的抑制作用。通过实验分别给出子模板个数取3、5、7、9时的手指静脉纹线检测结果，表明子模板个数取5时最为合理。实验结果表明，利用上述方法提取手指静脉纹线有很好的准确性和连续性。在以后的研究中，会重点研究手指静脉的多模态生物特征融合。

图3 k为3时检测的静脉纹线

图4 k为5时检测的静脉纹线

图5 k为7时检测的静脉纹线

图6 k为9时检测的静脉纹线

[1] 苑玮琦，柯 丽，白 云.生物特征识别技术[M].北京:科学出版社，2009：164-165.

[2]HuangDS,JiaW,ZhangD.Palmprintverificationbasedonprincipallines[J].PatternRecognition,2008,41(4):1316-

A Segmentation Method for Finger Vein Image Based on Local Gray Minimum

YUAN Wei-qi，GAO Jie-rui

(Computer Vision Group,Shenyang University of Technology,Shenyang 110870,China)

Due to the problem of poor effect of finger vein segmentation under the condition of uneven illumination,low contrast and knuckles lines interference,a kind of finger vein detection method based on local gray minimum is put forward.According to the direction of the finger vein lines,a template perpendicular to the direction of finger vein is selected which consists of sub-templates.Because gray value in vein is lower than that of its surrounding,when inspection template makes the point to point detection from top to bottom,the sum of gray value for middle sub-templates is less than that of the other two,which is the vein lines.It not only avoids threshold selection and eliminates the influence of uneven illumination and low contrast,but also restrains knuckles lines interference effectively.The experiment shows that this method can solve the problem of knuckles lines interference,low contrast and uneven illumination and extract finger vein with good continuity.

finger vein image segmentation;local gray minimum;vein segmentation;detection template

2015-11-15

2016-03-09

时间：2016-06-28

国家自然科学基金资助项目(61271365)

苑玮琦(1960-),男,教授,博士,研究方向为视觉检测技术、生物特征识别等；高洁睿(1989-)，女，通讯作者，硕士研究生，研究方向为视觉检测技术。

http://www.cnki.net/kcms/detail/61.1450.TP.20160622.0845.064.html

文献标识码:A 文章编号:1673-629X(2016)07-0109-03

10.3969/j.issn.1673-629X.2016.07.023