苑瑋琦，高潔睿

(沈陽工業(yè)大學 視覺檢測技術研究所，遼寧 沈陽 110870)

基于局部灰度極小值的指靜脈圖像分割方法

苑瑋琦，高潔睿

(沈陽工業(yè)大學 視覺檢測技術研究所，遼寧 沈陽 110870)

為了解決在光照不均勻、對比度低和指節(jié)紋干擾等情況下存在的手指靜脈紋線分割效果不好的問題，文中提出一種基于局部灰度極小值的指靜脈檢測方法。根據(jù)指靜脈紋線的走向選取垂直于指靜脈方向的模板，該檢測模板由三個子模板組成。由于靜脈處較其周圍鄰域的灰度值較低，當檢測模板由上至下逐點檢測時，中間子模板的灰度值之和小于其他兩個子模板的灰度值之和，該處即為靜脈紋線處。該方向的模板不但避免了閾值選擇，能夠排除對比度低、光照不均勻的影響，而且可以有效抑制指節(jié)紋等干擾紋線。實驗結(jié)果表明，該方法可以有效地解決指節(jié)紋干擾、對比度低和光照不均等問題，提取的靜脈紋線具有很好的連續(xù)性。

手指靜脈圖像分割；局部灰度極小值；靜脈分割；檢測模板

1 概 述

手指靜脈識別是利用手指的靜脈紋理結(jié)構(gòu)的唯一性來實現(xiàn)個人身份驗證或識別的一種生物特征識別技術[1]。生物特征，指的是人身體各個部分的生理特征，其中應用到生物特征識別領域的特征包括指靜脈、指紋、人臉、掌紋、虹膜等[2]。研究表明，手指靜脈識別具備以下優(yōu)勢[3-4]：

(1)高安全性。手指靜脈屬于內(nèi)部生理特征，被仿制或者盜用的可能性很小。

(2)靜脈結(jié)構(gòu)穩(wěn)定。與指紋相比，靜脈結(jié)構(gòu)不會受皮膚干濕程度的影響[5]。

(3)非接觸性。手指靜脈圖像采集方式是在波長700～1 100 nm范圍內(nèi)的近紅外光下實現(xiàn)非接觸成像，用戶易于接受、方便衛(wèi)生。

因此，手指靜脈識別技術的高安全性和便捷性使其成為生物特征認證領域中前景最好的成員之一，同時受到越來越多的研究團隊和企業(yè)的青睞[6-8]。

由于實際采集的手指靜脈圖像存在圖像對比度低、噪聲較大、光照不均等現(xiàn)象，因此，如何從質(zhì)量較差的圖像中分割出更好的靜脈信息是文中研究的關鍵。通過對現(xiàn)有的靜脈圖像分割方法的研究，用于靜脈圖像的分割方法有邊緣檢測方法和灰度閾值方法。

全局閾值法[9-10]和局部閾值法[11]都是選定一個或者幾個閾值，這些閾值是根據(jù)經(jīng)驗來確定，這種閾值分割的方法對于光照不均勻、對比度低、噪聲嚴重的圖像分割效果不好。相比之下，邊緣檢測方法具有更好的邊緣檢測性能和更加精準的定位性能。邊緣檢測包括step(階躍)邊緣檢測和roof(屋頂)邊緣檢測[12]。文獻[13]將階躍邊緣檢測方法應用到尋找手體輪廓上，提取的輪廓線效果較好，但由于指靜脈紋線有一定的寬度，用step邊緣檢測提取的靜脈將是靜脈的邊緣輪廓，不能準確定位靜脈的位置，因此這種邊緣檢測方法不適合提取靜脈紋線。文獻[14]提出一種基于局部灰度極小值的方法來檢測邊緣，回避了閾值選定的過程，在某一像素點的鄰域內(nèi)搜索灰度極小值。

文中采用局部灰度極小值的方法來檢測手指靜脈紋線，根據(jù)指靜脈的走向來選取檢測模板的方向，選取的檢測模板方向?qū)χ腹?jié)紋等干擾紋線具有很好的抑制作用；檢測模板的像素個數(shù)由指靜脈的寬度來決定，通過理論分析和討論來確定檢測模板的像素個數(shù)，在檢測模板內(nèi)通過不等式來判斷該點是否為灰度極小值點，與閾值分割方法相比更具有自適應能力。實驗證明，文中采用的基于局部灰度極小值的方法可以在低質(zhì)量的靜脈圖像中分割出準確、連續(xù)性好的靜脈紋線。

2 手指靜脈的灰度空間分布特征分析

在手指靜脈識別系統(tǒng)中，系統(tǒng)的識別性能與提取的靜脈紋線質(zhì)量密切相關。指靜脈分割的目的是將指靜脈紋線從手體中提取出來，顯然，提取的靜脈紋線的質(zhì)量會直接影響整個系統(tǒng)的識別效果。在對指靜脈進行分割之前，需要仔細分析手指靜脈的灰度空間分布特征，通過分析該特征來選取更為合適的指靜脈分割方法。文中實驗的手指靜脈圖像是由沈陽工業(yè)大學視覺檢測技術研究所自制的手指靜脈采集裝置所采集，圖中靜脈紋線的灰度值較低，其中包括掌靜脈和指靜脈。掌靜脈血管總體分布呈網(wǎng)狀結(jié)構(gòu)，無規(guī)則性，分布較為復雜。指靜脈紋路分布則有規(guī)律性，其走向近似于水平方向，呈線狀分布，與掌靜脈相比，更容易被檢測出來。從灰度空間分布來看，指靜脈紋線的灰度值與其周圍鄰域像素點的灰度值相比較低，在指靜脈紋線的上方鄰域和下方鄰域像素點灰度值都要比靜脈處大，局部灰度分布呈屋脊分布。采集的手指靜脈圖像中存在著干擾紋線，主要的干擾紋線是灰度值較低的指節(jié)紋干擾紋線，其走向與指靜脈紋線的走向近似垂直。下文要介紹的指靜脈分割方法可以有效地分割出清晰、準確、連續(xù)性好的手指靜脈紋線，同時對指節(jié)紋干擾紋線能起到抑制作用。

3 基于局部灰度極小值的手指靜脈圖像分割

3.1 針對指靜脈圖像的局部灰度極小值方法

通過局部灰度極小值方法來檢測圖像的邊緣。其主要思想是，在圖像某一方向上標記一條小的直線，如果該條直線上的某一像素點的灰度值為其直線鄰域上的最小點，那么該像素點即為邊緣點。如圖1所示，由于靜脈處灰度級較低，所以在灰度級剖面圖中邊緣處于谷底。

圖1 手指靜脈灰度級分析圖

(1)

那么點I2即為邊緣點，否則為非邊緣點。

由于在實際中拍攝的圖像會受到光照不均勻的影響，會導致圖像對比度較低。上述方法的目的是找到某個區(qū)域的某一方向上灰度極小值點，無論光照強度如何變化，圖像邊緣處的灰度值都會比其周圍區(qū)域的灰度值低，因此該方法可以有效檢測出圖像的邊緣。

對于手指靜脈圖像來說，手指靜脈紋線寬度大概是3～10個像素。由于靜脈紋線有一定的寬度，紋線內(nèi)的灰度值很可能相等，用上述方法很可能檢測不到邊緣點，因此要對該方法進行改進。由于在采集的手指靜脈圖像中會存在指節(jié)紋等干擾紋線，指節(jié)紋的走向為豎直方向，手指靜脈的方向近似于水平，因此，為排除指節(jié)紋對靜脈的干擾，文中選取豎直方向的檢測模板對手指靜脈圖像進行由上至下的掃描。先掃描最后一列像素，然后由右至左依次搜索灰度極小值點，直至將靜脈紋線檢測出來，這樣可以有效地過濾掉指節(jié)紋，提取出靜脈紋線。用于檢測手指靜脈的模板由三個子模板組成，如圖2所示。其中Sum1、Sum2、Sum3分別表示像素點P11～P1k、P21～P2k、P31～P3k灰度值之和，如果滿足式(2)：

Sum1>Sum2

(2)

那么邊緣點就是子模板2的中心點。

圖2 檢測模板

3.2 子模板內(nèi)像素個數(shù)的選取

通過對大量手指靜脈紋線寬度進行統(tǒng)計，手指靜脈紋線寬度大約在3～10個像素之間，子模板的像素個數(shù)k一定是整數(shù)，不是偶數(shù)就是奇數(shù)。如果子模板內(nèi)含有偶數(shù)個像素，那么模板就不存在中心點，在檢測邊緣過程中會出現(xiàn)偏差。如果子模板像素個數(shù)為奇數(shù)，就不存在上述問題。

中文通過實驗驗證，分別給出了在k取3、5、7、9時的手指靜脈檢測結(jié)果，通過實驗結(jié)果來選擇k的取值。當k為3時，整個檢測模板內(nèi)像素的個數(shù)為9，當遇到10個像素寬度的靜脈紋線時，該檢測模板將無法找到灰度極小值點。圖3、4、5分別是k為3、5、7時檢測出來的手指靜脈紋線。當k為9時，整個檢測模板內(nèi)像素的個數(shù)為27，這種情況下找到的灰度極小值點不夠準確，如圖6所示。通過比較圖3、4、5和圖6，可以看出當k為5時檢測出的靜脈紋線連續(xù)性更好、準確性更好。因此文中選用子模板大小為5個像素點。

4 結(jié)束語

由于閾值分割方法很難準確地提取靜脈特征，所以文中采用基于局部灰度極小值的方法來提取靜脈特征，即使在對比度低的靜脈圖像中也可以準確地檢測出靜脈紋線，同時對指節(jié)紋等干擾紋線有很好的抑制作用。通過實驗分別給出子模板個數(shù)取3、5、7、9時的手指靜脈紋線檢測結(jié)果，表明子模板個數(shù)取5時最為合理。實驗結(jié)果表明，利用上述方法提取手指靜脈紋線有很好的準確性和連續(xù)性。在以后的研究中，會重點研究手指靜脈的多模態(tài)生物特征融合。

圖3 k為3時檢測的靜脈紋線

圖4 k為5時檢測的靜脈紋線

圖5 k為7時檢測的靜脈紋線

圖6 k為9時檢測的靜脈紋線

[1] 苑瑋琦，柯 麗，白 云.生物特征識別技術[M].北京:科學出版社，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

時間：2016-06-28

國家自然科學基金資助項目(61271365)

苑瑋琦(1960-),男,教授,博士,研究方向為視覺檢測技術、生物特征識別等；高潔睿(1989-)，女，通訊作者，碩士研究生，研究方向為視覺檢測技術。

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

文獻標識碼:A 文章編號:1673-629X(2016)07-0109-03

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