高若然，魯慧民，王一凡，李 陽

(長春工業(yè)大學 計算機科學與工程學院，長春 130102)

1 引 言

近年來，人們對身份認證系統(tǒng)的安全性和便利性要求越來越高，認證方式由傳統(tǒng)的鑰匙和IC卡發(fā)展為目前最安全可靠的生物信息識別方式，因此生物信息識別成為熱門研究方向.生物識別常見的方式有指紋識別、人臉識別、虹膜識別、步態(tài)識別、聲紋識別等，但這些方式(稱為第1代生物信息識別技術)均存在一些問題，如表1所示.研究人員繼續(xù)尋找更可靠、穩(wěn)定的生物識別方法，2000年Kono等人[1]提出了一種基于手指靜脈的生物識別方法，有效避免了上述問題，稱為第2代生物信息識別技術.

表1 常見(第1代)生物信息識別方式及其缺點

手指靜脈屬于人體內部的特征，隱藏在人體皮膚表面之下.與第1代相比，指靜脈識別的優(yōu)勢在于：1)活體識別.指靜脈的特征圖像是通過指靜脈中流動的血紅蛋白吸收近紅外光所產生的陰影；2)唯一性.生物學家研究表明，成年后的手指靜脈不會再發(fā)生改變，且獨一無二；3)內部特征.手指靜脈分布在皮膚之下，不會由于皮膚受損等原因而影響識別.因此近年來，指靜脈識別憑借其很好的安全性、高效性、便利性引起了學術界與工業(yè)界的廣泛關注并取得了巨大發(fā)展.

指靜脈識別包括指靜脈圖像采集、預處理、特征提取和匹配認證4個步驟[2].指靜脈圖像采集是識別的第一步也是關鍵一步，但在指靜脈圖像采集時，由于可能出現的手指位置偏移、旋轉以及環(huán)境光照等影響因素，會導致采集的圖像質量較低，而采集圖像質量的好壞將直接影響整個指靜脈識別系統(tǒng)的性能.

目前國內外很多高校和科研機構針對上述問題對指靜脈采集系統(tǒng)的研發(fā)作了一系列創(chuàng)新，并提出了一系列圖像質量評估方法來解決直接用采集系統(tǒng)獲取的指靜脈圖像存在的比如過度曝光、曝光不足，或由于光強度變化導致的邊緣模糊以及來自圖像傳感器的噪聲[3]等問題.

本文首先闡述了指靜脈圖像采集系統(tǒng)的照明方式及光源電路、控制電路的設計，并對光源電路各部分器件的選擇做了分析，其次概述了近年來采集系統(tǒng)的裝置結構與采集方式的改進與創(chuàng)新，然后論述了對捕獲到的指靜脈圖像做質量評估的必要性，并對代表性的圖像質量評估方法進行了評述，最后對指靜脈采集系統(tǒng)與圖像質量評估方法的研究趨勢做了總結與展望.

2 指靜脈圖像的采集

指靜脈圖像的成像原理是：手指靜脈的血液中含有大量的血紅蛋白，血紅蛋白對近紅外光(Near InfraRed，簡稱NIR)具有較高的吸光系數，因此在NIR光源照射下，光線被血紅蛋白吸收呈現出深黑色靜脈紋路，而靜脈周圍組織無血紅蛋白，其吸光系數較低，在NIR光源照射下呈現明亮，所以指靜脈紋路會被NIR敏感的圖像傳感器捕獲而成像[4].

指靜脈圖像采集系統(tǒng)通常由NIR光源、窄帶濾光片、圖像傳感器模組構成.采集系統(tǒng)將NIR作為光源，濾光片用來過濾可見光，僅讓特定波長的近紅外光透過，NIR光源敏感的圖像傳感器用來捕獲靜脈圖像.近些年國內外一些科研機構對傳統(tǒng)的紅外采集方式做了改進，并研發(fā)了基于激光、水紋聲波、熱成像等原理的采集系統(tǒng).

2.1 指靜脈圖像采集系統(tǒng)的照明方式

根據手指與NIR光源、圖像傳感器的相對位置，可以將照明方式分為透射式和反射式，透射式又分為頂部透射式(簡稱頂透式)和側部透射式(簡稱側透式).

當NIR光源位于圖像傳感器的上方，照射透過手指后在圖像傳感器上被捕獲成像，稱之為頂透式，如圖1(a)所示；若光源與圖像傳感器垂直放置，光源從手指兩側透射后在圖像傳感器上被捕獲成像，稱之為側透式，如圖1(b)所示；若光源與圖像傳感器位于同一位置，光源透過手指后在環(huán)境內發(fā)散至圖像傳感器上被捕獲成像，則稱之為反射式，如圖1(c)所示.反射式照明若想獲得高質量的指靜脈圖像，則需要提高近紅外光源的功率，這導致系統(tǒng)功耗較高，因此目前學術界和商業(yè)界更多的是使用透射式來采集指靜脈圖像.頂透式通常要將采集系統(tǒng)設計成一種不透光的封閉式裝置來采集指靜脈圖像，這種類型的優(yōu)點是系統(tǒng)魯棒性好且外部環(huán)境光對圖像的捕獲干擾小，缺點是采集過程中手指被遮擋住.表2列出了國內外部分商用手指靜脈識別產品及其特性，表3為部分科研人員開發(fā)的指靜脈圖像采集系統(tǒng)及其特性.可以看出，商業(yè)界部分廠家為了提高用戶的體驗感受，犧牲了圖像質量，選擇側透式結構設計成開放式裝置；學術界研究者們更多采用頂透式結構設計成封閉式裝置來采集靜脈圖像，也有研究人員為獲取更高質量的圖像，采用側透式加頂透式的照明方式，文獻[5]設計了3個光源陣列，其中兩個光源陣列分別由10個NIR二極管組成，放置于手指兩側用于側透式照明，第3個光源陣列由40個NIR二極管組成，放置于手指上方用于頂透式照明，并設計有切換開關可以切換照明方式，最后得到結論：采用側透式加頂透式的照明方式獲取靜脈圖像可以實現采集系統(tǒng)的最佳性能.

圖1 指靜脈圖像采集系統(tǒng)的照明方式

表2 國內外部分商用手指靜脈識別產品及其特性

表3 部分科研人員研發(fā)的手指靜脈圖像采集系統(tǒng)及其特性

2.2 指靜脈圖像采集系統(tǒng)的光源設計

指靜脈圖像采集系統(tǒng)的光源設計主要包括NIR光源波長、NIR光源器件與NIR光源強度.NIR光源通常選擇波長為700nm～1000nm的近紅外光[6]，但在設計系統(tǒng)時更多研究人員會選擇波長為850nm～950nm的光源，文獻[13]將波長為700nm～1000nm的NIR二極管作為采集指靜脈圖像的光源來進行對比實驗，測試出各個波長對應的指靜脈圖像在相同系統(tǒng)框架里的準確率，得出結論：波長為850nm～950nm的光源成像效果最好，可以實現采集系統(tǒng)的最佳性能.

2.2.1 指靜脈圖像采集系統(tǒng)光源器件的選擇

NIR光源器件主要是NIR發(fā)光二極管和NIR激光.

1)NIR發(fā)光二極管作為采集系統(tǒng)光源

指靜脈采集系統(tǒng)通常選擇NIR發(fā)光二極管陣列作為發(fā)光源，是由于發(fā)光二極管的功耗低，成本低，驅動與控制簡易，但使用NIR發(fā)光二極管陣列作為光源存在兩個問題，首先，NIR發(fā)光二極管光源是發(fā)散型，具有發(fā)散角度，會產生不均勻的光線，照射手指會造成局部過亮，如圖2(a)所示；其次，NIR發(fā)光二極管光源以廣角向外發(fā)射，若未將手指與發(fā)光二極管陣列緊密接觸，部分光線未被手指吸收，會模糊整個圖像，降低了指靜脈的圖像質量，但若將手指直接接觸發(fā)光二極管陣列又會引起衛(wèi)生問題，這對于近年全球的疫情來說尤為重要.

圖2 NIR二極管與NIR激光光照方式示意圖

2)NIR激光作為采集系統(tǒng)光源

采集系統(tǒng)選擇NIR激光器件來設計光源，NIR激光會聚焦光源產生均勻光線照射手指，如圖2(b)所示.

發(fā)光二極管(Light Emitting Diode，簡稱LED)輻射角大，使用時必須將手指靠近光源放置，一旦手指未直接接觸照明設備表面，大部分光會通過手指發(fā)散在手指兩側，導致手指邊緣圖像過亮，使得手指靜脈與周圍組織對比度低，降低了靜脈圖像質量.而NIR激光模塊的輻射角非常窄，在透射式照明設備中顯示出一些優(yōu)勢.Kim等人[7]為代替LED陣列，使用小型近紅外(λ= 830nm)激光(Stoker Yale)作為光源，用激光發(fā)生器透鏡將點激光轉換成線激光.透鏡具有固定的搖攝角度，可以使功率沿激光線均勻分布.在該系統(tǒng)里，線激光幾乎不會在5～10cm的小距離內產生發(fā)散，因此手指與光源陣列無需接觸即可獲得高質量的靜脈圖像，這對于近年全球的疫情來說意義重大.

大型NIR激光發(fā)生設備相比基于LED陣列的常規(guī)系統(tǒng)更昂貴，于是很多學者使用低成本的小型NIR激光二極管.普通的二極管的光強功率低，光源的輻射角度大，而激光型二極管具有更高的磁導率和功率，光聚焦性強.Liu等人[8]在設計基于DSP平臺的實時嵌入式手指靜脈識別系統(tǒng)時使用了NIR激光二極管，與文獻[8]相同，Kaaba等人[10]也采用了基于激光二極管的指靜脈圖像采集系統(tǒng).該系統(tǒng)使用了配有9mm焦距鏡頭和截止波長830nm濾波片的近紅外增強型工業(yè)攝像機，此外為幫助手指定位，使用3D打印技術制作出3個手指支架，可以同時捕獲包含3個手指的靜脈圖像.學術界研發(fā)的指靜脈采集系統(tǒng)及其光源特性如表3所示.

2.2.2 指靜脈圖像采集系統(tǒng)光源強度控制

使用近紅外技術捕獲的指靜脈圖像質量高度依賴光源強度.紅外光源強度分布不均勻，會導致獲取的圖像有局部陰影，使整個系統(tǒng)的性能下降，且不同采集個體的手指厚度不同，對光源強度的需求也就不同，若采用固定的光源強度來設計采集系統(tǒng)則無法解決該問題.文獻[11]在大量的實驗中得出結論：指靜脈圖像與照明設備光源強度之間呈線性關系.文獻[13]通過實驗展示了不同光照強度對指靜脈圖像的影響，指出光源強度控制模塊設計的重要性.調節(jié)光源強度的方法一種是通過多次測試獲得最佳參數，文獻[14]通過多次實驗得到了圖像質量與近紅外光源驅動電流之間是二次拋物線關系，并根據該種關系得到了最佳的近紅外驅動電流參數，但該方法無法做到閉環(huán)控制，會導致系統(tǒng)不穩(wěn)定；另一種調整NIR光源亮度的方式是通過基于反饋的思想控制閉環(huán)環(huán)路，常見的亮度閉環(huán)電路主要有以下幾種方式：

1)根據一些圖像指標來調整電壓或電流控制環(huán)路

根據獲取的指靜脈圖像的像素值、灰度值或圖像成像亮度等指標作為環(huán)路的反饋，調節(jié)控制模塊的電流或電壓大小實現閉環(huán)控制，如圖3(a)所示.文獻[11]設計了簡單的電流控制環(huán)路來調節(jié)每個單獨的LED強度，以保證手指區(qū)域具有均勻的光照強度.在文獻[11]的基礎上，Lu等人[15]提出一種基于峰值(PVM)的自動調整近紅外光源強度的方法.首先捕獲臨時的手指靜脈圖像，然后控制模塊根據像素峰值自動調整光源強度；與文獻[15]根據像素峰值的方式不同，文獻[16]首先設計了可實現每個LED亮度單獨控制的集成控制板，然后根據近紅外光源中心圖像區(qū)域的平均灰度值與設定目標值的誤差，通過迭代不斷自動調節(jié)光源強度，直至獲得最佳圖像對比度和參數；Miura等人[17]則根據圖像的亮暗對比度調節(jié)NIR光源亮度；與以上根據圖像指標來做控制的方法不同，管鳳旭等人[18]對系統(tǒng)內的散射的光源強度做檢測與評估來控制光源反饋回路，以保證采集系統(tǒng)的NIR光源強度保持在一個穩(wěn)定范圍內.但根據圖像指標來做閉環(huán)控制，需要手動輸入基礎參數，若與實際參數有偏差，則會影響獲取圖像質量.

圖3 指靜脈圖像采集系統(tǒng)光源強度控制流程圖

2)根據脈沖寬度調制(Pulse Width Modulation，簡稱PWM)技術設計控制環(huán)路

與上面方式不同，根據PWM技術設計控制環(huán)路可以實現圖像自適應控制，通過正負反饋改變輸入照明設備PWM波的占空比來控制光源強度，PWM波的占空比不斷變化直至穩(wěn)定，從而獲得高質量指靜脈圖像，如圖3(b)所示.根據PWM技術，Lee等人[9]設計了基于FPGA的自適應照明手指靜脈生物信息識別系統(tǒng).該系統(tǒng)使用近紅外二極管陣列電路作為光源，設計降壓電路(BUCK)作為發(fā)光二極管的驅動電路，對獲取的圖像質量做評估后，采用PWM技術以不同的占空比來驅動NIR光源陣列，獲得高質量的指靜脈圖像.

2.3 指靜脈圖像采集系統(tǒng)的創(chuàng)新

近年來，研究人員對指靜脈采集系統(tǒng)作了各種創(chuàng)新性開發(fā)，以解決指靜脈識別所遇到的問題，歸納如下.

1)采集系統(tǒng)為減小裝置體積采用特殊材質的鏡子，該鏡子可以反射可見光，透過紅外光.圖像傳感器的鏡頭焦距以及光源的光線對采集環(huán)境要求高，因此捕獲高質量指靜脈圖像的采集裝置往往體積較大，何振邦等人[19]的采集裝置高24cm，寬16cm，長18cm，Raghavendra等人[12]的裝置高17cm，寬18cm.為解決該問題，研究人員加入一種特殊材質的鏡子，并將其放置于攝像頭前45°處.當近紅外光源照射手指時，可見光透過鏡子無法照射到圖像傳感器上，而近紅外光則被鏡子反射到圖像傳感器上.根據該結構，Lee等人[20]放置呈現一定角度的熱鏡在采集系統(tǒng)中，通過反射可見光，透過紅外光到圖像傳感器上減少裝置高度；Zhan等人[21]使用二色性冷鏡，允許可見光源中的 97%通過，反射紅外或熱源到圖像傳感器上來捕獲圖像.

2)系統(tǒng)用可見光來采集手指的輪廓信息，用紅外光采集手指的靜脈信息，實現對手指靜脈的感興趣區(qū)域(ROI)提取.傳統(tǒng)的指靜脈采集系統(tǒng)采集圖像后，需要對手指靜脈的ROI區(qū)域做提取，這需要復雜的預處理.為解決該問題，Kang等人[22]采用兩個常規(guī)的工業(yè)攝像頭，一個攝像頭用來捕獲手指外形圖像，該圖像通過波長為600nm的發(fā)光二極管產生可見光照射獲得，另一個攝像頭用來捕獲手指靜脈圖像，該圖像通過波長為880nm的近紅外光照射獲得，并且在圖像采集過程中，使用鏡子反射光照的設計結構來降低裝置體積.根據文獻[22]，Kang等人[23]設計了一種非接觸式多光譜手指生物信息識別系統(tǒng)，該系統(tǒng)使用波長為500nm的藍光作為可見光來獲取手指外形，使用波長為850nm NIR光源來獲取手指靜脈.

3)研究手指的縱向旋轉對指靜脈識別系統(tǒng)魯棒性的影響.Bernhard等人[24]設計了一種可捕獲不同角度手指靜脈的采集系統(tǒng)，相機和照明器會繞著放置在旋轉軸上的手指旋轉，旋轉步幅為1°，覆蓋范圍為±90°，并得出結論：識別系統(tǒng)的性能會在手指旋轉超過10°時迅速下降，而更高級的識別系統(tǒng)在處理高達30°的旋轉時才會下降.研究人員為了解決手指旋轉對識別系統(tǒng)的影響，開始構建3D全視圖的指靜脈采集系統(tǒng).Kang等人[25]使用3個拍攝角為120°的攝像頭捕獲手指靜脈的360°全視圖，以一種新穎的3D重建方法來獲得3D手指靜脈特征信息；Zhang等人[26]選擇雙目立體視覺技術設計非接觸式采集系統(tǒng)，并提出了一種使用3D點云匹配來識別靜脈的方法；Zhan等人[21]通過水紋聲波技術獲得3D指靜脈特征信息，系統(tǒng)使用釔鋁石榴石晶體材料的激光做光源，并設計了一個由透明的丙烯酸板制成的水箱，水箱內部有光纖輸入和超聲波轉換器，通過激光與超聲波轉換器獲取3D指靜脈特征信息.采集過程運用區(qū)域掃描的方式，為了掃描整個手指區(qū)域，使用了鑲嵌在平臺上的 20 cm滑動平移臺(McMaster-Carr，6734K2).平移臺上有步進電機以 1mm/s 的速度移動，圖像傳感器在每個激光脈沖之后立即采集數據.

4)其他創(chuàng)新性設計.Kuzu等人[27]設計了一種非接觸的指靜脈采集系統(tǒng)，將低成本的CMOS攝像頭以2×2的矩陣配置排列，最大程度減小圖像采集過程的視差效應，4個相機以不同的曝光時間捕獲視頻格式的手指靜脈；Alexandre等人[28]設計采集系統(tǒng)時加入了一個超聲波距離傳感器，當手指不在傳感器的工作范圍內(12.5-16.5cm)時，系統(tǒng)停止使能NIR光源模塊，實現系統(tǒng)采集開始與結束的控制.Matsuda等人[29]設計了一個自控制的多光源模塊非接觸式采集系統(tǒng)，該系統(tǒng)可以根據手指位置選擇使能光源模塊.

指靜脈采集系統(tǒng)的創(chuàng)新性設計如表4所示.

表4 指靜脈采集系統(tǒng)創(chuàng)新性設計

3 指靜脈圖像質量評估

指靜脈采集系統(tǒng)獲取的指靜脈圖像會存在一些質量問題，例如過度曝光、曝光不足，或由于光強度變化導致的邊緣模糊以及來自捕獲系統(tǒng)的傳感器噪聲[3].通過采集系統(tǒng)獲取到的指靜脈圖像質量直接影響了系統(tǒng)的識別性能，若在采集階段對低質量的圖像通過調節(jié)采集系統(tǒng)的部分參數，如NIR光源強度，攝像頭拍攝位置等，改善圖像質量，則后續(xù)特征提取與匹配的準確度會大大提高.

一般來說，人眼可主觀判斷出圖像的質量，但人眼判斷為高質量的圖像在計算機上有可能無法有效地提取圖像信息，相反，人眼判斷為低質量的圖像，計算機有時可以提取關鍵信息.因此，定義圖像質量的方法不應基于人眼的主觀判斷，而應基于計算機是否能夠獲得關鍵信息.按照手指靜脈特征提取方式的不同，現有的靜脈圖像質量評估主要有以下幾種方法：

1)根據手指靜脈圖像的特征參數融合做質量評估

手指靜脈圖像的特征參數主要有：圖像中手指靜脈與周圍組織的明暗對比度、圖像中手指的空間位置、圖像的手指ROI、捕獲圖像的清晰度、圖像的信息熵等.王科俊等人[30]對指靜脈圖像做分析，獲得圖像特征參數，將這些特征參數的權值累加起來得到手指靜脈圖像的綜合評價分數，根據分數對系統(tǒng)做一些針對性的調整；Ma等人[3]將HSNR(人類視覺系統(tǒng)的信噪比)與文獻[30]獲取的圖像指標結合來評估圖像質量，可與人的主觀評價相吻合，并有效地描述圖像的視覺感受；文獻[14]用指靜脈圖像的平均灰度值來反映圖像的亮度，用指靜脈圖像的灰度方差來反映圖像前景與背景之間的灰度分布差異，提出了基于該兩項值的圖像質量評估方法來計算圖像得分；王一丁等人[31]選擇感興趣區(qū)域的圖像像素寬度、手指指靜脈圖像的亮暗對比度、手指在空間中的位置橫向與縱向的偏轉作為質量評價的參數依據.基于以上參數繪制出參數的變化對系統(tǒng)的準確率影響的曲線，并計算出每個曲線的平均斜率值，以確定每個參數的最優(yōu)權值，將參數的權值與對各質量參數評分進行加權求和，得到靜脈圖像總質量分數；Shaheed等人[32]使用梯度，信息熵和信息容量3個特征通過R-smote決策樹分類器來評估指靜脈圖像，經過圖像質量評估后，用具有色度保留(SSRCP)和高斯濾波器的單比例Retinex來增強圖像.

通過信息的熵來做圖像質量評估就是計算出圖像的熵值來確認靜脈圖像的像素中包含的信息量.Xu等人[33]提出了一種基于圖像二維熵的評估方法，若光線強度適中，滿足采集系統(tǒng)要求，則獲得的圖像信息就會非常豐富，將二維熵的值作為反饋參數可以自適應地控制LED陣列的發(fā)光強度并實現自優(yōu)化控制.

基于手指靜脈圖像的特征參數融合做質量評估的方法可以將圖像質量評估結果作為控制環(huán)路反饋的依據，不斷更新參數，獲得高質量的指靜脈圖像，大大提高了整個識別系統(tǒng)的可靠性與穩(wěn)定性，但該方法需要先分析影響指靜脈圖像的特征參數，然后手動調整參數，而導致圖像質量低的因素很復雜，手動調整出實現系統(tǒng)最佳性能的參數比較困難.

2)對指靜脈圖像分塊后做質量評估

Hsia等人[34]提出了一種分塊評估圖像質量的算法結構.該結構基于混合特征點的策略和多圖像質量評估方法(MQA)，根據相應的圖像質量評估閾值進行MQA驗證，將輸出圖像分類為好與壞；Qin等人[35]對手指靜脈圖像做預處理，將圖像分割成不重疊的圖像塊，然后使用平均Radon變換將每個圖像塊的信息都投影到Radon空間中，然后根據不同圖像塊的Radon空間中的指靜脈紋路的曲率做為每個塊估算局部質量得分，計算和評估出靜脈圖像的整體質量得分；Yang等人[36]提出了一種基于支持向量機(Support Vector Machine，簡稱SVM)的手指靜脈圖像質量評估方法，從輸入圖像中提取出信息熵、圖像灰度差異和梯度，利用帶有標簽(高質量/低質量)的圖像訓練得到模型，對采集的圖像進行質量評估；Peng等人[37]提出了一種基于三角范數的分數融合方法來區(qū)分圖像質量，采用文獻[38]中使用的指標來評估圖像質量，并提出了將支持向量回歸對指靜脈圖像做質量評估.

3)根據靜脈紋路特征做質量評估

手指靜脈圖像的質量高低取決于是否可以提取到清晰的特征紋路，文獻[38-40]分別用不同的方式提取指靜脈特征點來評估圖像質量.Hartung等人[41]基于灰度共生矩陣計算的全局和局部特征的靜脈紋路進行質量度量；Walus等人[42]使用基于距離變換的圖像質量評估方法，該方法可以檢測出圖像的模糊部分，通過改變照射手指的光源強度的方式來驗證該方法的可行性.采集系統(tǒng)需要對捕獲到的模糊指靜脈圖像做預處理，比如圖像增強，圖像除霧等，預處理后若識別系統(tǒng)做特征提取獲得到清晰的手指靜脈特征紋路，該圖像亦可被稱為高質量指靜脈圖像，但該方法需要復雜的預處理.

4)根據神經網絡做質量評估

文獻[43]提出了一種基于級聯優(yōu)化的卷積神經網絡(Convolutional Neural Networks，簡稱CNN)對多特征融合后的圖像信息做質量評估；文獻[44]對指靜脈圖像做二值化預處理，并運用CNN對處理后的圖像做質量評估；Wang等人[45]使用一種傳統(tǒng)的識別算法—競爭Gabor響應的自適應直方圖來識別已采集好的圖像數據集，得到識別準確率，計算出高質量圖像與低質量圖像的數量，如果數據集里的高、低質量指靜脈圖像數量不平衡就會嚴重影響基于監(jiān)督學習訓練的模型的性能，故使用改進的SMOTE算法對數量少的圖像做過采樣處理來解決數據集的不平衡問題，最后使用CNN區(qū)分這些圖像.

為提高圖像質量評估分數的可信度，文獻[19]將指靜脈圖像分割成小塊，利用CNN對小塊圖像做特征提取后評估質量分數，最后將小塊特征融合作為整個圖像的分數；與文獻[19]一樣，Qin等人[46]使用深度神經網絡(Deep Neural Networks，簡稱DNN)對指靜脈數據集作訓練，來預測圖像的質量，為提高DNN模型的魯棒性，將指靜脈圖像分塊成5個互補且相關聯的區(qū)域，并對分塊區(qū)域進行訓練，可得到每一區(qū)域的質量評估分數，然后使用P-SVM模型[47]根據局部的評分情況和公式的計算得到整個指靜脈圖像的質量分數.

改進的CNN框架用于圖像質量評估可以提高系統(tǒng)的魯棒性.Zeng等人[48]提出了一種基于light-CNN的指靜脈圖像質量評估方法，將指靜脈圖像通過傳統(tǒng)的評估方法對其標注，同時將指靜脈圖像切割成圖像塊以擴展訓練集，并將圖像塊輸入到神經網絡里.與傳統(tǒng)指靜脈評估方法相比，基于神經網絡的方法具有非線性擬合性，只需做簡單地預處理，就可處理海量圖片，且識別準確性較高，但缺點也很明顯，在訓練數據時，需要大量的數據來充分訓練模型，而訓練需要的時間開銷高，不利于提供實時參數來微調系統(tǒng)控制環(huán)路，不利于便攜式指靜脈采集系統(tǒng)的開發(fā).

4 總結與展望

本文首先對手指靜脈采集系統(tǒng)的研究現狀進行了綜述，總結了近年來科研人員對指靜脈圖像采集的照明方式以及光源電路、控制電路設計的創(chuàng)新，并對光源電路各部分器件的選擇做了分析，同時闡述了近幾年來在采集系統(tǒng)物理結構與采集方式方面的改進與創(chuàng)新；其次，論述了對捕獲到的指靜脈圖像做質量評估的必要性，并對代表性的圖像質量評估方法進行了評述.未來，指靜脈采集系統(tǒng)與圖像質量評估方法可在以下方面做進一步探索：

1)近年全球疫情的爆發(fā)，將公共衛(wèi)生的安全問題提到前所未有的高度，非接觸式采集系統(tǒng)的研發(fā)尤為重要，因此也提出了更高的要求，新一代的能實現對被采者完全無限制、無約束、無接觸地快速、高效、準確的指靜脈采集系統(tǒng)研發(fā)是今后非常重要且有意義的課題；

2)為解決手指旋轉不變性問題，科研人員利用3D技術構建手指靜脈全視圖，但是3D指靜脈的采集系統(tǒng)需要復雜的硬件結構和控制電路，不利于設計成便攜裝置；而采用聲波水紋采集3D指靜脈需要花費大量時間做手指掃描，因此尋找一種新的方式來采集3D指靜脈信息是未來需要解決的問題；

3)采集系統(tǒng)調節(jié)光源強度的控制回路實現雖然簡單，但卻需要不斷迭代處理，因此在采集速度和圖像亮度均勻性方面有待進一步提升；

4)與傳統(tǒng)指靜脈評估方法相比，基于神經網絡的方法在訓練數據時，需要海量的數據來充分訓練模型，而訓練需要的時間開銷高，不利于便攜式指靜脈采集系統(tǒng)的開發(fā)，因此構建一種低延遲的輕量級神經網絡模型應用在指靜脈圖像質量評估領域上，是采集系統(tǒng)能夠在移動終端、嵌入式設備上實現端到端的突破的至關重要的一步.

5)指靜脈圖像質量評估目前尚無統(tǒng)一標準，這導致不同的科研人員選擇不同的質量評估方式，無法判斷其在不同數據集的有效性，研究在指靜脈圖像質量評估領域的統(tǒng)一評估標準，測試評估標準的可靠性，并驗證現有的指靜脈數據集的圖像質量，是該領域的熱門研究方向.