《静脉识别技术与研究》

毕业设计（论文）

题目：静脉识别技术研究

学 生 姓 名： 学号： 学 部 （系）： 专 业 年 级： 指 导 教 师： 职称或学位：

2013年05月15日

华中科技大学文华学院毕业设计（论文）

目 录

摘 要 ................................................................................................................ I 关键字 ................................................................................................................ I Abstract ............................................................................................................ II Key words ........................................................................................................ II 1 绪 论 ............................................................................................................. 1 1.1 引言 .......................................................................................................... 1 1.2 国内外研究现状与发展趋势 .................................................................. 1 1.3 研究的目的与意义 .................................................................................. 2 1.4 研究的内容 .............................................................................................. 2 2 静脉识别技术简介 ......................................................................................... 3 2.1 静脉识别技术的优势 ................................................................................ 3 2.2 静脉识别技术的过程 ................................................................................ 3 2.3 静脉识别技术的难点 ................................................................................ 4 3 手指静脉识别系统的结构及工作原理 ........................................................ 6 3.1 手指静脉识别系统的组成 ...................................................................... 6 3.2 手指静脉图像采集系统工作原理 .......................................................... 6 3.3 手指静脉图像识别系统工作原理 .......................................................... 8 4 手指静脉图像采集光学系统设计实例 ...................................................... 15 4.1 红外摄影光学系统的设计参数 ............................................................ 15 4.2 光学系统设计过程 ................................................................................ 15

华中科技大学文华学院毕业设计（论文）

4.3 红外摄影物镜像差的优化 .................................................................... 19 5 结 论 ........................................................................................................... 25 致 谢 ............................................................................................................. 26 参考文献 ......................................................................................................... 27

华中科技大学文华学院毕业设计（论文）

静脉识别技术研究

摘 要

静脉识别技术是当今生物识别领域的新兴课题，其原理是通过红外光源照射手指或手掌，利用静脉血液对红外光的吸收特性取得人体静脉纹理图像，再通过图像处理技术进行预处理和识别。静脉识别技术采取非接触摄像采集方式，获取活体生物信息，具备防盗用、识别精度高和对采集条件要求较低的特点。

手指静脉识别技术是静脉识别领域的重要应用，其原理简单，具体实现工作包括：对手指静脉图像摄取的红外光学系统进行光学设计；设计与静脉识别相匹配的图像预处理及识别算法。

对生物识别技术的研究及发展进行了调研，学习了静脉识别技术的基本理论，对手指静脉识别系统进行了初步的分析与研究，研究了手指静脉识别系统的解决方案：包括图像传感器的选取、采集光学系统的结构以及静脉图像处理及识别技术。完成了一种用于手指静脉识别的光学系统的设计实例，对其像质进行了分析和总结。最后对该技术的发展前景提出了展望。

关键字：静脉识别；近红外；图像采集；摄影物镜

I

华中科技大学文华学院毕业设计（论文）

The Research of Vein Recognition Technology

Abstract

Vein recognition technology is emerging issues in the field of biometric. The principle is irradiated by infrared light source fingers or the palm of your hand. The characteristics of venous blood to absorb infrared light are used to get human vein texture image. To be Preprocessed and recognized through the image processing technology. Vein recognition technology take the non-contact way to collect living information. With characteristics of anti-theft, high recognition accuracy and less demanding to the acquisition conditions.

Finger vein recognition technology is an important application of vein recognition. Its principle is simple. The concrete realization of work include: infrared finger vein image pickup optical system optical design; design and vein recognition match the image pre-processing and recognition algorithms.

I have reached for the biometric technology and its development. And I have learned for the basic theory of vein recognition technology, researched for the preliminary analysis of finger vein recognition system . The finger vein recognition system solutions include: the selection of the image sensor to capture the structure of the optical system and the vein image processing and recognition technology. Completed for finger vein recognition optical system design example, its image quality is analyzed and summarized. Finally, put forward the outlook for the development of this technology.

Key words：Vein Verification; Near infrared ; Image Acquisition; Camera

Lens

II

华中科技大学文华学院毕业设计（论文）

1 绪 论

1.1 引言

身份识别技术目前广泛应用于区域访问控制、PC登录、以及电子商务等广泛领域。由于常规的识别方法如钥匙，密码以及PIN码存在着诸如盗窃、遗失等问题，并且依赖于使用者的记忆，故运用生物识别技术进行的身份识别方法越来越引起广泛的注意。

在生物测定身份识别技术领域，系统的安全与便利是首当其冲的考虑因素。该系统尤其需要很高的精度以及反应时间。生物测定方法包括指纹图形、面部特征、虹膜、声音、手掌几何结构等。然而，由于所用到的这些特征都暴露在身体表面，受外界物质的影响很大，因此以上这些方法都无法保证识别的准确性。此外，这些特征还都存在被伪造的可能[1]。

为了解决上述问题，人们提出了一种利用手指内部静脉分布图形的生物识别技术，这是一种来自人类身体内部的图形特征，不宜被伪造。此外它减少了外界环境的影响程度，即使有轻微的湿气，系统识别也不会受影响。由于每个人手指部的毛细静脉血管分布都独一无二，且在成年阶段，静脉是稳定不变的，因此能够保证绝对的安全性。更重要的是，由于断指血液凝固，血管破裂是不可能获得通过验证的，因此采用这种识别方法可以真正做到活体识别。

综上所述，手指静脉采集系统作为一种新型的生物识别技术，具有误识率低、可靠性高、系统稳定等优点，是目前生物识别技术的一个发展方向。

1.2 国内外研究现状与发展趋势

手指静脉识别技术源于日立公司在医学科技领域对人类大脑功能活动管理的高级研究项目[2]。日立公司，从1997年开始对手指静脉认证技术的研究以来，已经成功研究出使用的成型产品，并已经广泛应用于各个领域，其中包括银行ATM取款机、汽车锁等[2,3]。在日本，大部分的取款机都搭载了手指静脉认证设备。手指静脉认证已经成为事实上的行业标准。

手指静脉认证技术不仅在日本逐渐普及，在新加坡等东南亚地区的市场也取得了良好的业绩[4]。其市场前景被广泛看好，越来越多的研究机构和企业也纷纷加入到手中静脉认证技术的研究队伍中来。2009年12月中旬，日本索尼公司对外发布了一款全球最小最轻的USB接口手指静脉识别装置FVA-U1，它采用名为“mofiria”的手指静脉识别技术，可以安装在笔记本电脑或手机等移动设备上[5]。

手指静脉识别技术在国内起步较晚，目前还没有完全利用自己的技术开发的成熟产品。2007年台湾科技大学硕士黄志雄对手指静脉识别技术进行了研究并发表相关论文

[4]

，他们设计了基于网络摄像头手指静脉采集设备，使用量化方法改进由网络摄像头采

集到的图像质量，最后采用自适应阈值法和改进的模版匹配法进行认证。在图像质量不

1

华中科技大学文华学院毕业设计（论文）

太好的情况下，也达到了比较好的识别率[4]。

1.3 研究的目的与意义

传统的身份识别方式已经满足不了当今信息时代的要求，依靠人体固有的生物特征进行身份识别顺应时代需求，各种生物特征识别技术如依靠指纹、虹膜、视网膜、DNA等生物特征进行身份认证的技术，得到了快速发展[6,7]。但是由于指纹位于手指表皮层，易于被伪造，而且存在因为指纹稀少等原因而导致无法获取指纹的人群；利用虹膜、视网膜的特征进行身份识别的技术，在获取这些生物特征方面，由于通过红外线照射采集图像，存在一些安全隐患，不易让被采集者接受且费用高昂；人体DNA特征的获取同样也存在不易让被采集者接受、不易采集、费用较高等不足之处。

同其它生物识别技术相比较而言，该手指静脉识别技术具备以下几大主要优势： （1）安全性高。因为静脉血管是隐藏在手指内部的，因此极难复制和盗取，与别的利用人体体外特征进行认证的技术相比较，这种方式的安全性更高。同时，静脉认证能感知手指内的血液流动和血压情况，能够在识别的过程同时进行活体检测；

（2）非侵入性和非接触性成像技术对红外线的采用，可以确保使用者的便捷性和清洁性。相对于某些生物识别技术，手指静脉认识技术是非接触式的，在公共场合会比较卫生；

（3）由于手指静脉形状的相对稳定性和捕捉影像清晰性，所以可对低分辨率相机拍摄的图样资料进行小型的简单数据影像技术处理；

（4）准确率高。采样样本在人体内部，故匹配过程中受到外界的干扰非常小。手指轻轻一放，触发高度准确识。根据严格的医学证明和数学统计，FRR(拒真率)为0.01%，FAR(认假率)为0.0001%，FTE(注册失败率)为0%。

由此可知，与其它生物识别技术的比较，手指静脉识别技术在复制与盗取上比脸型、掌型、指纹及虹膜其难度要大得多；在识别准确度与使用便携度上上比脸型、掌型、指纹及虹膜要高得多。尤其是相对于指纹技术来讲，使用更加方便、卫生，更加人性化。指静脉识别则有效的避免传统门禁系统安全隐患上的不足，为环保节能的生物特征识别技术与产品开拓了一条切实保护人身财产安全的新路。

1.4 研究的内容

静脉识别技术主要研究一下几个方面的内容： （1）对静脉识别技术的发展和研究现状进行调研； （2）学习静脉识别技术的基本原理；

（3）研究静脉图像的采集系统，对手指静脉图像采集的结构及特性做出学习研究； （4）研究静脉图像处理以及识别的关键算法；

（5）完成用于手指静脉识别的红外摄影物镜的光学设计实例，包括光学系统结构的选取、结构参数的计算以及像差设计和优化。

2

华中科技大学文华学院毕业设计（论文）

2 静脉识别技术简介

人体手指静脉识别是近年来新兴的一种身份识别方法，是一项新的非接触式生物测定识别技术，是对现有生物测定识别技术的重要补充。随着手指静脉识别等生物测定识别技术的发展和推广，必将把我们的生活带入到一个崭新的天地之中。

2.1 静脉识别技术的优势

人的手指静脉识别技术是根据人体骨骼和肌肉组织的特点，当近红外光谱（Infrared spectroscopy，IR）的入射光波长在 0.72μm-1.10μm 时，照射手指可较好地突显出静脉血管，并由一台 CCD 摄像机拍摄成手指静脉图像来进行个人身份认。因此只要我们有较好的近红外采集设备，完全可以拍摄到满足要求的静脉图像。医学研究以及国际上对手指静脉识别的研究表明，所有人的手指静脉几乎都不一样，即使双胞胎也不一样。绝大多数人的静脉血管图像随着年龄增长不会发生根本性的变化，所以，识别手指静脉在理论上是可行的。因为人的手指拥有比手指更为丰富的静脉血管，可以提取更多的、并且适于身份认证的特征，所以把手指静脉识别作为一种身份认证方式，应用于信息安全等领域具有非常重要的现实意义。

手背静脉识别与其他生物测定识别技术的性能比较，如表2-1所示：

表2-1 手背静脉识别与其他生物测定识别技术的性能比较

区分 安全性 发展时期 复制难度 认证速度 误判识别 误判因素

手指静脉识别 比较安全 1998年 很难 0.5~1秒 0.0001% 无

虹膜识别 比较安全 80年代 难 3~5秒 0.001% 眼疾

指纹识别 安全 70年代 较易 0.2~0.7秒 0.001% 污染、伤痕

智能卡 低水平安全 70年代 容易 0.5秒 0.001% 破损、遗失

从上面表格中可以看出，指纹识别和虹膜识别是使用最早、也是最为成熟的生物测定识别技术．指纹识别和虹膜识别具有认证速度快，识别率高等优点。但随着应用的推广，它们的不足也越来越显现出来。而手指脉识别是近年来新兴的一项非接触式生物测定识别技术，唯一性和稳定性这两个特征一起使得手指静脉成为一种极好的生物特征，从而提供了一种更加准确的生物测定识别方法。

2.2 静脉识别技术的过程

和其他所有生物测定识别技术一样，手指静脉识别包括两个阶段：注册阶段和识别阶段指在注册阶段，用户的手背指静脉图像被采集后，先进行图像的预处理，然后提取特征，最后放到样本库中；在识别阶段，用户的手指静脉图像被采集后，同样先进行预处理和特征提取，然后再与样本库中的模版进行匹配，得到最后的识别结果。如图2-1

3

华中科技大学文华学院毕业设计（论文）

所示：

图2-1 手指静脉识别过程

2.3 静脉识别技术的难点

人体手指静脉识别是模式识别领域的前沿课题，迄今为止，关于这一课题的论文以及成果展示相对于其他生物测定识别的研究数量是较少的。本文对手指静脉识别系统所有涉及到的算法进行了系统地学习和试验性的研究，包括手指静脉图像采集、图像处理、特征提取和目标匹配．总结国内外现有的文献中相关算法的研究状况和优缺点，归纳出以下关于手指静脉识别的几个难点问题：

（1）图像采集设备的研制。手指静脉图像的采集是一个费时、费力、长期积累的过程，建立并维护好采集到的手指静脉图像将对后续的研究工作带来极大的便利，也将为系统测试和评价提供一个通用的、标准的平台。虽然手指静脉特征的唯一性与稳定性得到了大家的公认，但是制作出合乎要求的人体手指静脉图像采集设备是需要相当长时间的反复试验。

（2）手指静脉图像处理．图像处理的主要目的是为人们进行图像分析，手指静脉的图像是由 CCD 摄像头拍摄而得，由于受到各种因素的影响，同一个人在不同的情况下采集的图像有很大差异。因此，图像处理在手指静脉识别整个过程中占据相当重要的地位，同时也是手指静脉识别系统中的难点问题。

（3）手指静脉图像的特征提取。从上面的图像中我们可以看到，人体手指静脉的图像分布是类似“树”状的结构，若要取得精度较高的识别结果，静脉特征的有效提取就尤为重要了。以往文献中，手指静脉特征的提取都是先将图像二值化，然后通过细化算法得到的，这类方法使得部分手指静脉的特征严重损失，尤其是重要的特征点如交叉点等。因此，本文致力于提出一种更有效且静脉信息无损失的特征提取方法。

（4）目标匹配。在现阶段手指静脉识别的所有文献中，大多都是使用逐点像素匹配算法。这种算法运算量大，影响系统运行速度。如果能从多个角度出发，分析手指静脉特征并提出相应的快速匹配方法，再将几种匹配方法融合在一起，则可形成高精度的

4

华中科技大学文华学院毕业设计（论文）

识别系统。

（5）样本库的建立。从以往的文献我们看出，所有的实验样本数量都还不够，样本数量最多也就是500幅图像（50人，每人左右手共采集10幅静脉图）。另外还要考虑各类型的人群，包括老人、儿童、还有体育竞技者等。虽然实验原型系统的技术指标很令人鼓舞，但要达到实用还须扩大实验样本数量。

5

华中科技大学文华学院毕业设计（论文）

3 手指静脉识别系统的结构及工作原理

3.1 手指静脉识别系统的组成

要实现一个有效的生物识别系统，首先必须研究并解决该生物特征的获取这个关键技术问题，这是所有后续处理的基础，其效果直接影响到身份识别的准确性、可靠性以及可推广性。手指静脉识别系统主要由静脉图像采集系统及静脉图像处理系统两大部分组成。静脉图像采集系统主要包括CCD/CMOS摄像机和红外光源，图像处理系统利用计算机实现静脉图像的标注化、有效静脉图像的提取、图像的注册和匹配以及识别结果的输出，同时还负责提供光源的控制信号。系统组成如图3-1所示：

图3-1 手指静脉识别系统的组成

3.2 手指静脉图像采集系统工作原理

手指静脉图像的采集主要是利用人体静脉血液中血红素对特定波长红外光的吸收特性来实现的。有关资料表明，血红蛋白在波长为850nm和760nm处具有两个吸收峰。由于850nm的红外光源在市场上比较充足，故决定采用850nm的LED阵列作为该采集系统的光源。我们将手指放于红外光源与图像传感器之间，使用红外LED阵列从手指背部进行照射，红外光波透射过手指，其中经过静脉的红外光被血红蛋白吸收，最终在图像传感器（CMOS或CCD）面上形成静脉分布的阴影图形。

根据人体骨骼和肌肉组织的特点，当近红外入射光线的波长范围在0.72～1.10um时照射手指，这时手指静脉血管中的血红色素相比于皮下组织可以吸收更多近红外放射线，可以很好地呈现出静脉血管结构，该波长范围属于近红外光线。根据中国国家医用红外检测光源的有关规定，红外光强，处于峰值时波长范围在0.8～1.5um之间。因此，只要有较好的红外采集设备，完全可以拍摄到满足要求的静脉图像。 3.2.1 红外CCD/CMOS摄像机的选取

CCD/CMOS摄像机的选取其实就是选择合适的摄像机，最重要的参数就是对红外

6

华中科技大学文华学院毕业设计（论文）

光的敏感程度。

实验表明，皮下脂肪和手指的姿势会使图像中的静脉变得模糊。但是静脉血管的温度不同于周围的皮肤温度，并且皮肤温度拥有一个温度梯度，这就使得静脉的温度能和皮肤组织的温度区分开来。人体所发射的红外线的波长范围为0.3～1.4um，这取决于皮肤的发射率、皮肤的温度、空气分子、空气湿度和红外摄像头与物体之间的距离。红外线在大气中发射光谱是0.3～0.5um和0.8～1.4um，如图2-3所示，这就意味着波长范围在0.3～0.5um和0.8～1.4um的红外光线的辐射度在大气中有最小的衰减。通过分析，如果摄像头的敏感光谱在上述波长范围内，则采集的图像将几乎不受可见光的影响。

图3-2 大气中红外线的发射光谱

从上面的分析与研究可知，只有选用在近红外区域内感受能力非常敏锐的

CCD/CMOS摄像机，才能获得满足要求的手指静脉图像，同时考虑到近红外光源的因素，

本文将选用敏感光谱为0.8～1.5um的CCD/CMOS摄像机。 3.2.2 光源系统的设计

光源系统是手指静脉识别系统中最关键的部分。一个好的光源系统能够很好地提高所获得静脉图像的质量，包括增大静脉血管与背景的对比度，降低经脉图像的噪声等。

近红外光线可射入人生物体组织的深度大约只有3mm，可获得的生物信息是很有限的，因而，获得的静脉图像在质量上受到一些限制。这个过程与基本的光学系数有关：吸收系数和散射系数。

吸收系数决定光在保持最初的传播路径上失去亮度前能够传播多远，而散射系数决定光在失去最初相位和改变方向能传播多远。

考虑到这些光学因素，光源发射的红外光应比较均衡的照射到手掌上，在获取图像的过程中光源发射的近红外光的强度应保持不变，获得的图像的对比度应足够大，以便降低后续图像预处理算法的复杂性。

（1）照明系统结构

对一系列光源进行比较后发现，用波长范围为800～940nm的大功率近红外LED

7

华中科技大学文华学院毕业设计（论文）

阵列作光源照射手指，所获得的静脉图像质量较好。然而由于光源发射的光并不是均匀的照射在手指上，静脉图像中静脉血管并不能明显的凸显出来。不过，可以通过在光源前面加多层散射片来获得恒定均匀的光。散射片将分散LED阵列发射的光，同时也减少了光的强度。大功率的LED阵列光源因其发射的光强度大而降低了静脉图像的对比度，对实验产生不利影响，因此在光源前加多层散射片是最好的选择。

（2）照明光源阵列的选择

即使运用多层散射片，LED光源不同的排列将会改变发射光强度的分配。不同结构光源的分析与对比如表3-1所示。

表3-1 三种不同阵列结构光源的比较 二维单线或双线阵列光源 矩形阵列光源 优点 简单化的光源，成本低且容易实现 图像的清晰度较好，特别是在其前面多加层散射片之后 环形LED阵列光源 足够精确，即使运用较少的散射片，光强分布均匀 设计与实现比较困难 成本高且光不够均匀 缺点 图像的对比度较低 三种不同结构的光源阵列示意图如图3-3所示。

图3-3 不同结构的LED光源阵列

实验证明，用环形的近红外LED阵列做光源照射手指，CCD摄像机所同步拍摄的静脉图像中的手指静脉可以很好地凸现出来。而用其他结构的阵列做光源，所拍摄的静脉图像不明显。因此，采用环形近红外LED阵列作为光源比较好。

3.3 手指静脉图像识别系统工作原理

手指静脉图像采集之后要经过处理才能被识别，静脉识别包括两个阶段：注册阶段和识别阶段。在注册阶段，用户的手指静脉图像被采集之后，先进行图像预处理，然后提取特征，最后放到样本数据库中；在识别阶段，用户的手指静脉图像被采集后，同样进行预处理和特征提取，然后再与样本库数据库中的摸板进行匹配，得到最后的识别结果，识别流程图如图3-4所示。

8

华中科技大学文华学院毕业设计（论文）

图3-4 手指静脉识别流程图

3.3.1 图像识别过程

原始图像在经过图像预处理后，手指静脉部分的图像作为前景图被分割提取并增强，最终获得其对应的细化二值图像，即获得原始手指静脉图像的静脉骨架图像，图像处理主要包括如下步骤：

（1）灰度化。受到手指静脉采集器的限制，实际采集到的手指静脉图像为24位真彩色图像。由于在数字图像处理中，大部分算法都是对8位灰度图像进行处理的。因此，为了提高后继图像处理过程的效率和性能，首先需要将采集到的24位真彩色手指静脉图像，进行灰度化处理，将图像转换为8位。

（2）图像分割。手指静脉采集器采集到的图像除了真正有意义的手指部分的图像外，还包括了采集器本身的背景部分，这部分图像相对于手指静脉图像来说就是噪声图像。通过图像分割的功能，将有用的手指静脉图像从整幅图像中提取出来，不仅可以减少噪声对图像的干扰，也有利于图像的后继处理和匹配效果的优化。

（3）归一化。为了避免图像处理中，手指静脉图像的尺寸发生变化，方便后继图像处理，需要统一手指静脉图像的尺寸，进行尺寸归一化。由于原始的手指静脉图像灰度分布较为集中，不利于图像后继处理和特征提取，因此安排灰度归一化处理，将提取出来的手指静脉图像的灰度值置于[0，255]的范围内，得到灰度分布较为均匀的手指静脉图像。

（4）图像增强。在采集手指静脉图像时，由于受到外界光线、采集器性能、静脉源等不同条件的响和限制，往往导致采集到的图像质量参差不齐。通过将图像中的静脉纹路增强，减少噪声点，可以提高图像质量，进而提高最终的匹配效果。

（5）二值化与细化。将经过预处理的手指静脉图像按照前景点和背景点，修改图像中每个像素点的灰度值。本文中将前景点的灰度值置为255，将背景点的灰度值置为

9

华中科技大学文华学院毕业设计（论文）

O。二值化图像的纹路往往比较粗，需要将其纹路细化成单像素。根据静脉纹路的走向，在不破坏图像连通性的情况下，将二值图像细化成单像素的纹线。这样做不仅可以大大减少空间消耗，还可以简化后继的处理算法，提高系统性能。

（6）特征提取。通过对手指静脉图像的预处理，可以得到静脉纹路的单像素纹线骨架。仅仅利用单像素纹线，通过模板匹配的方法，不仅匹配算法的匹配效率较低，在模板有变形的情况下，识别率更不理想。因此，为了提高匹配算法的运行速度和识别率，需要对细化后的静脉图像提取纹路的端点、分叉点、拐点等特征点。 （7）匹配。将处理后的图像与原始档案进行对比匹配。 3.3.2 静脉识别核心算法研究

（1）图像灰度化

图像灰度化，顾名思义，就是将彩色图像转换为灰度图像的操作。

由于现有的图像处理算法大部分都是基于8位灰度图像，而在实际炒菜机手指静脉图像时，采集器采集到的图像为24位真彩色图像。所以在该手指静脉识别的最开始，首先进行图像灰度化的处理工作，将采集到的24位真彩色手指静脉图像，利用现有的转化公式，把图像转换为8位灰度图像。

本文运用的是加权平均法来完成24位真彩色图像向8位灰度图像的转换工作，公式为：

C?xR?yG?zB,x?y?z?1 （3-1）

其中R、G、B为三原色，x、y、z为3种基本颜色系数，C为转换后的任意一种颜色[8]。

（2）图像分割

利用图像的特征把图像分割成一系列有意义的目标或区域的过程就称为图像分，其中图像的特征指的是图像中可以作为标志的属性，包括图像的统计特征和图像的视觉特征两类[9]。图像的统计特征是指一些人为定义的特征，包括图像的直方图，频谱等；图像的视觉特征是指人的视觉可直接感受到的自然特征，如区域的亮度、纹理等。

在实际获取手指静脉图像的过程中，利用现有采集器采集到的图像不仅包括手指的图像，还包括采集器本身的背景部分。再利用手指静脉图像进行身份识别时，只有包含静脉的手指部分是有利用价值的，因此，图像分割的目的是将真正具有利用价值的图像提取出来。

由于采集到的图像总体上是水平方向的，而且手指部分与采集器的背景交界处，灰度值变化较大，基于这一特点，该系统采用了边缘检测算法实现图像分割的功能。

根据手指静脉图像本身的特点，本文决定采用Sobel算子。

Sobel算子是一种一阶微分算子[10]。他利用像素临近区域的梯度只来计算图像中每一个像素的梯度，然后根据一定的阈值来取舍，得到图像的边缘，该算法计算梯度的公

10

华中科技大学文华学院毕业设计（论文）

式如下：

M?sqrt(sx?sx?sy?sy)，其中sx与sy使用下面的卷积模版来计算的：

?101?121???? sy??00? （3-2） sx???2020???????101?????1?2?1??经过边缘检测算子处理获得的边界还存在这不连续、非单像素等特点，而要使手指部分的图像完全从背景图像中分割出来，接下来就需要对边缘进行连通和细化处理，既可以得到平滑的单像素图像边缘。根据边缘检测算法得到上下两个边界，即可将手指静脉图像从原始图像中提取出来。

（3）归一化

为了统一手指静脉图像的尺寸，首先要进行图像归一化。采用最邻近插值法[8]对原始图像按比例进行缩放处理。

假设图像X轴方向缩放比率为fx，Y轴方向缩放比率单位fy，原始图像f(x,y)中

[8]

（x1,y1）（x0,y0）的某一点对应到处理后的新图像g(x,y)中的点，其缩放公式为：

x1?fx?x0，y1?fy?y0 （3-3）

灰度归一化处理，同样也是为了方便手指静脉图像的后续处理，提取到更多、更精确的特征点，将灰度分布集中的原始图像，通过归一化的方法，把灰度值重新定位在[0,255]范围内。本文采用的灰度归一化公式如下所示：

p'(i,j)?G1p(i,j)??255 （3-4）

G2?G1（4）图像增强

为了进一步提高手指静脉图像的质量，降低噪声点，增强静脉纹路与手指背景点的对比度，要多图像进行增强。本文采用空间域法，对图像进行增强，即在空间域中对图像直接进行处理。

首先确定手指静脉图像的大小，然后根据图像分割提取出的手指图像，创建并初始化扩充矩阵。扩充矩阵的值由两部分构成，一部分是戴增强图像灰度值，另一部分是根据分块半径扩充的灰度值。利用分块半径迭代扩充矩阵，将其分块内每个像素点的灰度值与扩充矩阵灰度值和特定灰度阈值进行比较，进而判断是前景点还是背景点，并统计分块内前景点个数。最后，将分块内前景点个数超过一定阈值的分块市委手指静脉纹路方向，增强该方向上的所有前景点，直到迭代结束。

（5）图像二值化与细化

原始图像在经过上述预处理后，需要进行二值化处理才能进一步提高图像质量。将

11

华中科技大学文华学院毕业设计（论文）

原始图像的每个像素点划分为前景点和背景点，前景点的灰度值为255，背景点的灰度值为0，即可得到二值图像。本文主要利用Niblack算法对灰度图像进行二值化，将图像中的所有像素点的灰度值置为0或者255[5,11]。

Niblack算法，是一种简单有效的局部动态阈值算法，其基本思想是对图像中的每一个点，在它的r?r邻域内，通过计算邻域内像素点的均值和方差来实现二值化，计算公式为：

T(x,y)?m(x,y)?k?s(x,y) （3-5）

其中，对每一个像素点(x,y)，T（x,y）为该点的阈值，m(x,y)为该点的r?r邻域内像素点的均值，s(x,y)为该点的r?r邻域内像素点的标准方差，k为修正系数[5,11]。假设像素点(i,j)处的灰度值为f(i,j)，则

1m(x,y)?2r21s(x,y)?2?ri?x?rx?rx?ri?x?r??f(i,j) （3-6）

2j?y?r22y?r2y?r2j?y?r2 （3-7） ??f(i,j)?m(x,y)?22经过二值化处理后的手指静脉图像，难免会增加一些噪声，不利于特征提取，除了需要进行平滑、填洞、去毛刺等处理外，还需要进行细化处理，在不破坏图像连通性的前提下，将二值化后的静脉纹路细化成单像素的静脉纹线。该原型系统对二值图像进行细化处理的思想为[12,13]：

设置一个3?3模版区域为：

N1N0N7N2N8N6N3N4 N5可见，N8为该区域中心点。对图像从左向右从上到下迭代每个像素，视为一个迭代周期[13]。在每个迭代周期中，对于每一个像素N8，如果它同时满足一下6个条件，则标记它。在当前迭代周期结束时，则把所有标记的像素点设为背景点。如果某次迭代周期结束时，则把所有标记的像素点设为背景点。某次迭代周期中不存在标记点（即满足6个条件的像素），则算法结束。假设背景值为0，前景值为1.上述的6个条件为[12,13]：

1、N8为1，即N8是前景点；

2、N0、N2、N4、N6不全为背景的；

3、N8的周围8邻域的像素点中，至少有两个前景点；

12

华中科技大学文华学院毕业设计（论文）

4、N8的8连通连接数，即在像素N8的3?3邻域中，和N8连接的图形分量的个数为1个；8个连通连接数计算公式是：

Np??(x2i?1?x2i?1x2x2i?1)，其中x?1?x （3-8）

8ci?145、假设N2已经标记删除，那么N8为0时，N8的8联通连接数为1； 6、假设N0已经标记删除，那么N0为0时，N8的8联通连接数为1。 （6）特征提取

手指静脉图像经过图像预处理之后，得到了单像素宽的静脉纹线，即原始图像的静脉骨架。手指静脉的骨架图像中包含着在匹配过程中发挥重要作用的特征点，主要是交叉点和端点。具体的提取特正点的算法思想为：

该算法中的3?3模板区域为：

P1PgP7P2P0P6P3P4 P5可见，P0为该区域中心点。如果P0是前景点，公式（2-8）的Ntrans表示从P1到P8时，前景点和背景点交替变换的次数。当Ntrans大于等于6时，则认为P0是交叉点，当Ntrans大于等于6时，则认为P0是交叉点，当Ntrans的值等于2时，则认为P0是端点。具体的计算公式为：

Ntrans??pi?1?pi，其中p9?p1 （3-9）

i?1g（7）匹配

在匹配过程中，存在两种主要的匹配错误率，即拒识率FFR和误识率FAR。拒识率，即将原本该匹配成功的静脉图像当成不能匹配的静脉图像的概率；误识率，即将原本不能匹配的静脉图像当成可以匹配成功的静脉图像概率。由于这两种错误率成反比，因此，在借助ROC曲线体现这两种错误率时，这两条曲线会有一个交点，该点是在特定阈值下FRR与FAR等值的点，即等错误率EER。FRR和FAR是评判匹配算法性能的两个重要参数，二者的值越小，说明算法的性能越好。

本文采用图像的不变距特征量进行手指静脉图像识别的算法[14,15]，该算法是计算图像在离散状态下的各阶距，其设计思想是：假设要处理的图像函数为f(x,y)，则该图像的p?q阶普通距的计算公式为：

13

华中科技大学文华学院毕业设计（论文）

mpq???mpnqf(m,n) （3-10）

m?1n?1MN该图像的p?q阶中心距的计算公式为：

upq???(m?x)p(n?y)qf(m,n) （3-11）

m?1n?1MN利用归一化中心距可以得到对图像平移、旋转个比例变换的7个不变距公式，具体可表示为：

M1??20??022M2???20-?02??4?112M3???30-3?12???3?21-?03?22M4???30??12????21??03?2222（3-12）

2M5???30-3?12???30??12???30??12?-?3?21??03???3?21-?03???21??03?3??30??12?-??21??03?2M6???20-?02???30??12?-??21??03??4?11??30??12???21??03?2??M7??3?21??03???30??12???30??12?-3??21??03????30-3?12???21??03?3??30??12?-??21??03?222????2????2

利用以上公式就可以对进行匹配的手指静脉图像计算不变距，进而判断图像是否匹配。

14

华中科技大学文华学院毕业设计（论文）

4 手指静脉图像采集光学系统设计实例

4.1 红外摄影光学系统的设计参数

成像物镜的光学特性决定了系统的使用特性。为此下面重点讨论成像物镜的光学特性，以便在使用中更好地选择物镜。

摄影物镜的光学特性主要由三个参数决定，即焦距f′、相对孔径D/ f′和物方视场2y。 在手指静脉识别系统中设手指的长度为60mm，宽度为44mm，采用1/4英寸的CMOS图像传感器进行采集，该传感器的像元尺寸为5.2μm×5.2μm，像素为600×480，成像区域为6.66mm×5.32mm，系统F数为12。

根据选定的传感器参数及给定的参数，我们可以算出光学系统的放大倍率β、物方线视场大小、焦距f′、分辨率等参数。经初步计算，系统放大倍率β=-0.1127，焦距f′=28.5mm，物方线视场大小为60mm*44mm。

4.2 光学系统设计过程

4.2.1 视场角、F数、工作波长和初始结构数据的设定

（1）本课题选取了5个视场，反应在X-视场或Y-视场上就是x或y与0.3、0.5、0.7、0.85和1.0分别相乘的结果，ZEMAX软件中的视场设置如图4-1所示：

图4-1 物方视场设置

（2）F数为相对孔径的倒数，本系统的F数为12，因为采用单独光源照明，所以系统的相对孔径可以较小，在减小系统孔径像差的同时可以获得较大的景深范围，便于获得清晰的静脉图像。具体的ZEMAX操作如图4-2所示：

图4-2 F数值的设置

15

华中科技大学文华学院毕业设计（论文）

致 谢

毕业设计算是大学期间的最后一份作业，在此过程中，我获益匪浅。在毕业设计的完成过程中，作者得到了包佳祺老师的指导和帮助，在此表示由衷的感谢！

我在此也感谢大学期间每一位站在三尺讲台上为我们授业解惑的老师，是你们将我带入知识的殿堂，让我不断成长、不断进步，让我能够在梦想的道路上走的更远！

大学四年的光阴稍纵即逝，承载着太多美好的回忆。在这里同样也要感谢大学期间那些陪我一起哭过笑过的同学们，这四年我们能走到一起成为同学就是缘分，希望同学在未来的日子里能够勇往直前、一帆风顺！

26

华中科技大学文华学院毕业设计（论文）

参考文献

[1] Naoto Miura, Akio Nagasaka, Takafumi Miyatake .Feature extraction of finger-vein patterns based on repeated line tracking and its application to personal identification .Machine Vision and Applications (2004)， Digital Object Identifier (DOI) 10.1007/s00138-004-0149-2 [2] http://www.hitachi.com.cn/micro/TFG/products/ss/fvas/

[3] 余成波,秦华锋著.生物特征识别技术手指静脉识别技术.清华大学出版社,2009.4.

[4] 刘鹏.基于手指静脉网络特征的认证技术研究[学位论文].北京:北京交通大学硕士学位论文,2009. [5] http://it.chinabyte.com/181/11048681.shtml

[6] Sharath Pankanti, Salil Prabhakar, Anil K. Jain, On the Individuality of Fingerprints. Pattern Analysis and Machine Intelligence, IEEE Transactions on Volume 24, Issue 8,Aug. 2002 Page(s):1010-1025. [7] J.Z.Huang, Y.H.Wang, T.N.Tan and J.L.Cui, A New Iris Segmentation Model, Proc. Of the 17th IAPR International Conference on Pattern Recognition (ICPR), Vol.3,pp.554-557,23-26August2004,Cambridge,UK.

[8] 张志军,孙志辉.基于VC平台的彩色图像的灰度化技术.自动化技术与应用.2005年24卷01期. [9] 何斌,马天予,等.Visual C++数字图像处理.北京:人民邮电出版社,2002. [10] 周心明,兰赛,徐燕.图像处理中几种边缘检测算法的比较.现代电力,2007.

[11] Rigau J.Feixas M.Sbert M. Medical image segmentation based on mutual information maximization. In.Proc of MICCAI 2004 (Saint-Malo). Berlin:Springer-Verlag,2004.135-142. [12] 孙家广,杨常贵.计算机图形学（新版）[M],清华大学出版社,1995 [13] http://wenku.http://m.njliaohua.com//view/78f110dbalaa8114431d93e.html

[14] 杜亚娟,潘泉,张洪才.一种新的不变距特征在图像识别中的应用[J].系统工程与电子技术,1999.21(10):71-74.

[15] Wong Y R.Scene Matching with Invariant Moments. Computer Graphics and Image Processing,1978,8:16-24.

27

本文来源：https://www.bwwdw.com/article/yur7.html