楊金鋒，劉源山

（中國民航大學(xué)津市智能信號(hào)與圖像處理重點(diǎn)實(shí)驗(yàn)室，天津 300300）

手指靜脈是人的生理特征之一，除具有唯一性、普遍性、穩(wěn)定性和可度量性等基本生物特性外，它還具有天然防偽性和活體性[1]。因此，近幾年來利用人的手指靜脈特征進(jìn)行身份鑒別逐步發(fā)展成為了一個(gè)新的生物識(shí)別研究方向，被普遍認(rèn)為具有廣闊的發(fā)展空間與應(yīng)用前景。

手指靜脈位于皮下，并在可見光下不能清晰可見。這就決定了手指靜脈成像區(qū)別于傳統(tǒng)生物特征成像模式，具有自己特有的方式。醫(yī)學(xué)研究表明，靜脈中的脫氧血紅蛋白對近紅外線有較強(qiáng)的吸收作用[2]，所以當(dāng)前對手指靜脈成像一般利用近紅外發(fā)光二極管（LED）作為透射光源，通過圖像傳感器感應(yīng)手指透射過來的光而獲得手指靜脈陰影圖案。

目前，手指靜脈圖像通常采用以單光譜近紅外LED為光源的透射成像模式。單光譜手指靜脈成像模式具有光源控制電路簡單、易操作、設(shè)備可小型化等優(yōu)點(diǎn)。雖然也可獲得手指靜脈區(qū)域陰影圖案，但受環(huán)境溫度影響，LED的發(fā)光功率存在較大峰值波動(dòng)，易造成手指靜脈圖像內(nèi)容發(fā)生變化，進(jìn)而影響識(shí)別系統(tǒng)性能[3-5]。更為不利的是，單光譜手指靜脈成像模式無法充分利用人體不同生物組織的光學(xué)特性[6-7]，這也會(huì)影響真實(shí)手指靜脈特征信息的分析與提取。因此，對于手指靜脈識(shí)別來說，探索多光譜手指靜脈成像模式具有重要的理論與實(shí)際意義。

多光譜手指靜脈成像的基本思想來源于不同生物組織具有不同的光學(xué)特性。如圖1所示，人體中的脫氧血紅蛋白、血紅蛋白、水分以及脂肪等生物組織在同一近紅外波段下有不同的光吸收特性，并隨著波長變化表現(xiàn)出不同的吸收特性曲線。因此，在多光譜成像模式下，可根據(jù)不同生物組織介質(zhì)具有不同光學(xué)特性的特點(diǎn)獲得內(nèi)容不同的手指生物組織成像信息，不僅可為突出手指靜脈區(qū)域奠定數(shù)據(jù)基礎(chǔ)，而且可進(jìn)一步突出手指的活體特性，提高手指靜脈識(shí)別的防偽性與安全性。

本文從靜脈成像原理以及控制電路角度出發(fā)，選取合適的多波段光源，設(shè)計(jì)滿足要求的光源控制電路，建立了多光譜靜脈采集硬件系統(tǒng)，然后在硬件的基礎(chǔ)上設(shè)計(jì)了成像采集軟件系統(tǒng)。初步完成多光譜手指靜脈成像與采集系統(tǒng)的建立。手指靜脈采集作為手指靜脈識(shí)別技術(shù)的第一步，對后續(xù)圖像處理有直接影響，并最終影響整個(gè)手指靜脈識(shí)別系統(tǒng)的識(shí)別率[6-7]。因此，多光譜手指靜脈采集系統(tǒng)的建立對手指靜脈圖像采集裝置進(jìn)行深入研究具有一定的科學(xué)意義。

1 多光譜手指靜脈成像

醫(yī)學(xué)研究證明，波長在700～900 nm的近紅外光對生物組織具有最強(qiáng)的穿透能力。故本文所采用的手指靜脈成像光源波長也在這個(gè)波長范圍內(nèi)選擇。最終選擇6組不同波段的近紅外光源依次透射手指來采集手指靜脈圖像，從而多個(gè)光譜下的手指靜脈成像。

由圖2（a）所示，本文設(shè)計(jì)的采集裝置按照傳統(tǒng)手指靜脈成像方式，由計(jì)算機(jī)通過串口控制多光譜LED陣列的光源控制電路相連，通過發(fā)送相應(yīng)指令控制發(fā)光陣列向手指依次發(fā)出不同波段并且亮度可調(diào)的主動(dòng)近紅外光，近紅外光透過手指靜脈后再通過手指下方的濾光片在底部的CCD或CMOS攝像頭上成像（本文采用CMOS）。

圖2（b）為本文設(shè)計(jì)的采集裝置內(nèi)部組成結(jié)構(gòu)。部件的安置也是從上到下的關(guān)系。多光譜陣列可以發(fā)出多波段的近紅外光，濾光片可以濾除可見光，光源控制器可以控制發(fā)光陣列依次發(fā)出單波段的近紅外光并且亮度可調(diào)，CCD或CMOS成像模塊可以采集到透過手指靜脈的近紅外血管造影。最后傳送到計(jì)算機(jī)工作站的數(shù)據(jù)庫里。

2 多光譜手指靜脈成像硬件構(gòu)成

本文設(shè)計(jì)的手指靜脈采集硬件系統(tǒng)主要包括多波段φ3（直徑）近紅外發(fā)光二極管、濾光片、CMOS成像模塊組、光源控制電路及采集軟件平臺(tái)。

2.1 近紅外光源

考慮到近紅外LED輸出峰值一般有動(dòng)態(tài)變化，我們將采用正常輸出峰值在735～870 nm之間的小直徑高指向LED作為近紅外光源。高指向LED可以模擬線狀光源，是生物組織光傳輸理論中較為理想的實(shí)際光源。

近紅外光源近紅外LED陣列由三排線陣構(gòu)成，每排包含兩種光譜。分別為760 nm與770 nm、780 nm與810 nm、830 nm與850 nm這三組。這六組光源的波長位于對生物組織具有最強(qiáng)穿透力的近紅外光線波長范圍內(nèi)。而從圖1可以看出，當(dāng)波長大于900 nm時(shí)，水分和脂肪對光的吸收系數(shù)變大，這樣就不利于手指靜脈的成像，所以我們選取的波長最高為850 nm。經(jīng)試驗(yàn)發(fā)現(xiàn)，同一波長的發(fā)光二極管相間隔排列的結(jié)構(gòu)能確保光源照射位置相對不變，利于保證光在生物組織中傳輸狀態(tài)的相對穩(wěn)定性。有效解決多光譜光源的排列難點(diǎn)。近紅外二極管的特性參數(shù)及光源分組原理圖如表1及圖3所示。

表1 近紅外二極管的特性參數(shù)表Tab.1 Characteristics table of infrared LED

表1中Uf、If分別代表發(fā)光二極管的正向壓降與正向一般工作電流，P0為工作時(shí)的功率。Ifmax為最大正向電流，Ur為反向電壓，一般不超過5 V，超過就可能擊穿LED。

由圖3所示，每組光源包含五個(gè)近紅外LED，采用共陰極接法，便于實(shí)現(xiàn)片選控制。

2.2 濾光片

濾光片在采集裝置所起的作用是濾除可見光成分，即波長在700 nm以下的光，以減少對手指靜脈成像產(chǎn)生的噪聲，提高靜脈圖像質(zhì)量。我們選取的是HB720濾光片，特性如圖4及表2所示。

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

從圖3可以看出，選取的型號(hào)為HB720的濾光片可以將波長在750 nm以下，接近90%的可見光濾除，在λ0=800 nm時(shí)性能保持穩(wěn)定，與其他HB型號(hào)濾光片相比，在波長為600 nm到700 nm之間有更好的濾除效果。這樣可以盡量保證通過此濾光片照射在手指上的近紅外光波長都在750 nm以上，因此我們選取此型號(hào)濾光片。

2.3 CMOS成像模塊組

在本裝置中，CMOS成像模塊組我們采用的是ZC0301PLH，ZC0301PLH支持高達(dá)30幀/s的VGA視頻顯示，可通過外置的EEPROM來設(shè)定USB參數(shù)，支持來源于CMOS圖像傳感器的8 bit/10 bit灰度圖像數(shù)據(jù)，支持原始圖像數(shù)據(jù)的輸出以達(dá)到高質(zhì)量的靜態(tài)圖像。

2.4 光源控制電路

多光譜光源控制電路的設(shè)計(jì)要實(shí)現(xiàn)2個(gè)主要目的：①實(shí)現(xiàn)多波段光源發(fā)光的順序控制；②實(shí)現(xiàn)光源發(fā)光強(qiáng)度的量化控制。順序控制的目的是為了獲得不同波段下的手指圖像，量化控制的目的在于設(shè)定光源的發(fā)光強(qiáng)度以適應(yīng)手指尺寸大小變化的實(shí)際情況，避免單一LED光源輻射峰值波動(dòng)。因此，光源控制電路設(shè)計(jì)要圍繞這兩個(gè)主要目的來研究實(shí)現(xiàn)。

本裝置近紅外光源控制電路主要由數(shù)碼管控制芯片 CH452A、USB總線轉(zhuǎn)接芯片 CH341T以及CMOS8位單片機(jī)AT89C52組成?？刂齐娐坊竟ぷ髟硎菃纹瑱C(jī)89C52通過CH341T接受到計(jì)算機(jī)傳來的指令（亮度調(diào)節(jié)指令或燈的點(diǎn)亮熄滅指令）并分析指令，然后將相應(yīng)指令發(fā)送到數(shù)碼管控制芯片CH452A，從而對光源做出相應(yīng)的控制以適應(yīng)采集手指靜脈的需要?？刂齐娐房刂乒庠戳鞒倘鐖D5所示。

由于采集手指靜脈時(shí)，每個(gè)人的手指尺寸大小都不一樣，尤其是部分女性指形較為細(xì)小，部分男性指形較粗大，這就需要控制電路適時(shí)調(diào)節(jié)光源發(fā)光強(qiáng)度以滿足成像需求，從而獲得靜脈血管較為細(xì)小的女性以及指形較粗大的男性手指靜脈圖像。本文通過設(shè)置發(fā)光LED以16個(gè)不同等級(jí)的亮度盡量滿足不同指形，以得到較好的成像效果，如圖6所示。

其中左邊3幅為手指較為粗大的男性手指靜脈圖像，右邊3幅為手指較為細(xì)小的女性手指靜脈圖像。

在多光譜手指靜脈成像時(shí)，需要這6種波段的光源盡可能的發(fā)射出相同發(fā)光功率的近紅外光，這樣就可在統(tǒng)一的條件下得到不同波段的靜脈圖像，能更好地分析不同波段下所得到的靜脈圖像的差別。

引言部分提到由于LED光源工作時(shí)間過長導(dǎo)致LED發(fā)熱而產(chǎn)生輻射波峰波動(dòng)，通過控制電路順序控制，在一種波段下成像采集完后，關(guān)閉此波段的LED并點(diǎn)亮下一個(gè)波段的LED，可以避免LED工作時(shí)間過長。結(jié)合硬件部分發(fā)光二極管表1和表3的參數(shù)，為了解決多光譜成像下LED峰值波動(dòng)較大的問題，控制電路通過CH452A的SEG管腳連接驅(qū)動(dòng)每個(gè)發(fā)光二極管發(fā)光，管腳的最大輸出電流為30 mA，小于這6種波段的發(fā)光二極管最大正向電流Ifmax，同時(shí)每個(gè)發(fā)光二極管上的壓降均小于任一波段二極管的最大正向電壓Vr，這樣每組波段發(fā)光二極管的發(fā)光功率就不會(huì)超過正常工作功耗Po，從而保護(hù)了二極管不會(huì)發(fā)熱燒壞。所以，就可以在每組二極管的最大允許功率范圍內(nèi)通過調(diào)節(jié)CH452A的亮度占空比實(shí)現(xiàn)每組波段發(fā)光二極管能發(fā)出統(tǒng)一的發(fā)光功率。盡可能降低LED的峰值波動(dòng)。

表3 CH452A輸出引腳的參數(shù)Tab.3 Output pin parameters of CH452A

3 多光譜手指靜脈圖像采集

通過介紹以上硬件組成部分，我們在這基礎(chǔ)上根據(jù)控制電路的功能與建立手指靜脈數(shù)據(jù)庫的需要建立了對應(yīng)的手指靜脈采集軟件系統(tǒng)，采集系統(tǒng)軟件平臺(tái)是通過在VC++環(huán)境編寫而成，具有手指靜脈圖像采集、存儲(chǔ)建立數(shù)據(jù)庫、注冊、識(shí)別用戶等基本功能，采集系統(tǒng)軟件平臺(tái)的工作流程如圖7所示。

最后，將硬件系統(tǒng)與軟件平臺(tái)搭建于一體，與計(jì)算機(jī)相連接從而建立多光譜手指靜脈成像采集平臺(tái)，如圖8所示。

在手指靜脈成像過程中，利用成像窗口截取出的手指靜脈區(qū)域往往含有非靜脈區(qū)域部分。為了穩(wěn)定獲取可用作識(shí)別的感興趣區(qū)域（ROI），根據(jù)手指的生理結(jié)構(gòu)，提出了一個(gè)快速的精確的手指靜脈圖像定位與ROI區(qū)域分割方法（見文獻(xiàn)[1]）。定位手指遠(yuǎn)端指關(guān)節(jié)，如圖9（a）中可以看到手指的指關(guān)節(jié)處有許多部分組成，包括組織液、滑膜、軟骨等。關(guān)節(jié)間隙兩側(cè)為軟骨，中間為滑液。由于滑液透光率比周圍組織高，加上軟骨的雙向反射，靜脈圖像上會(huì)存在一個(gè)較亮的帶狀區(qū)域。逐行掃描靜脈圖像像素，取灰度和最大的一行所在位置，如圖9（b）所示。然后以此行中點(diǎn)為基點(diǎn)用一個(gè)高度寬度固定的窗（80×180）（圖 9（b）中綠框）來截取出包含足夠識(shí)別信息的ROI圖像，如圖9（c）所示。利用這一原理來提取手指靜脈圖像的ROI圖像，可以有效地去除背景，并可保留大部分的手指靜脈信息。解決了圖像采集時(shí)獲取靜脈感興趣區(qū)域問題。

4 采集實(shí)驗(yàn)結(jié)果與分析

利用設(shè)計(jì)的多光譜手指靜脈圖像采集裝置進(jìn)行了手指靜脈圖像采集試驗(yàn)，并采集了一定數(shù)目的樣本。如圖10所示，我們從中選取在這6組不同波長下拍得的兩個(gè)人右手中指感興趣區(qū)域圖片進(jìn)行分析。

根據(jù)圖1所示，脫氧血紅蛋白在波長為760 nm范圍對近紅外光有較強(qiáng)的吸收能力，所以從圖10中的（a）、（b）、（c）可以看出靜脈圖像整體比較暗，這是因?yàn)槊撗跹t蛋白吸收近大部分紅外光的原因，而在800～850 nm之間脫氧血紅蛋白的吸收能力降低，使得大部分近紅外光透過手指，所以從圖 10中（d）、（e）、（f）的可以看出靜脈部分比較亮。在波長為760、770、780 nm 下，圖 10 中的（a）、（b）、（c）下部手指遠(yuǎn)端關(guān)節(jié)定位線附近一些細(xì)小血管因?yàn)橹車撗跹t蛋白吸收近紅外光發(fā)暗而被遮擋，但在波長為830 nm的圖10（e）就可以顯示出來，從而提供更多的靜脈圖像信息。圖10中的（g）～（l）同樣適用以上分析。

我們對第一個(gè)人的手指靜脈ROI圖像（圖10（a）～圖10（f））中每兩幅圖像進(jìn)行相關(guān)性分析，計(jì)算出每兩幅圖像的相關(guān)系數(shù)，原理公式如下

式中：Xi、Yi為圖像像素矩陣，、為圖像像素矩陣均值。rXY為相關(guān)系數(shù)。

表4 每兩幅手指靜脈ROI圖像的相關(guān)系數(shù)表Tab.4 Correlation coefficient table of each finger-vein ROI image

從表4中看出不同波段下每兩幅手指靜脈ROI圖像的相關(guān)系數(shù)各不相同。760 nm附近的相關(guān)系數(shù)接近，而波長在810 nm時(shí)，與760 nm下的圖像相比相關(guān)系數(shù)變小，對應(yīng)了視覺差異。

可以看出，多光譜手指靜脈成像可以補(bǔ)充單光譜下只能顯示單一光譜下的靜脈信息的不足，從而提供更多有用的靜脈信息。為后續(xù)分析靜脈信息工作提供了基礎(chǔ)。

5 結(jié)語

本文從活體組織的不同介質(zhì)對不同波長的入射光有不同的散射和吸收性能這一角度出發(fā)，建立了多光譜手指靜脈成像采集系統(tǒng)，能夠從多光譜角度豐富個(gè)人身份有效生物特征；設(shè)計(jì)中利用數(shù)碼管控制芯片的控制電路解決多光譜手指靜脈成像系統(tǒng)所遇到的光源難點(diǎn)；利用實(shí)驗(yàn)室提出的手指定位方法解決了手指靜脈圖像采集時(shí)遇到的定位問題。

同時(shí)，系統(tǒng)也有許多需要改進(jìn)的地方，如成像模塊可以選擇分辨率更高的型號(hào)、光源亮度調(diào)節(jié)范圍可再調(diào)寬等。

多光譜手指靜脈識(shí)別奠定了數(shù)據(jù)基礎(chǔ)和實(shí)驗(yàn)環(huán)境，這對促進(jìn)手指靜脈識(shí)別技術(shù)的發(fā)展具有重要意義。

[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]吳一民，劉浩江，李 昶，等.指掌側(cè)靜脈的解剖學(xué)研究及臨床意義[J].中國臨床解剖學(xué)雜志，2001，19（1）：54-55.

[5]來建成，李振華，王清華，等.生物組織光傳輸?shù)南到y(tǒng)模型及應(yīng)用光子學(xué)報(bào)[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，張 睿，秦華鋒.基于CCD的手指靜脈身份識(shí)別系統(tǒng)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]林喜榮，莊 波，蘇曉生，等.人體手背靜脈血管圖像的特征提取及匹配[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2003，43（2）：164-167.