CN102214297B - 用于特征提取的静脉图像质量检测方法 - Google Patents

Abstract

本发明涉及一种用于特征提取的静脉图像质量检测方法，包括四个处理阶段：手指静脉图像预处理、手指静脉图像区域划分、手指静脉图像一级质量判决和手指静脉图像二级质量判决。手指静脉图像预处理阶段首先采用固定阈值法定位目标位置，并裁剪目标区域；然后对目标进行尺寸归一化处理。手指静脉图像区域划分阶段沿手指静脉走向将手指静脉图像划分为多个区域，以利于后续显著性特征的提取。手指静脉图像一级质量判决阶段首先提取手指静脉图像的区域列平均梯度特征；然后用其判断手指静脉图像质量是否合格，对于一级判决不合格的手指静脉图像，进入手指静脉图像二级质量判决流程。手指静脉图像二级质量判决阶段首先提取手指静脉图像的纹理细节指数；然后用其判断手指静脉图像质量是否合格，对于质量不合格的手指静脉图像，提醒用户更换其它手指进行注册。本发明可以快速有效地检测手指静脉图像的质量，用于在用户注册时自动选择有效手指，能够遏制低质量静脉图像对手指静脉识别系统性能的不利影响。

Description

用于特征提取的静脉图像质量检测方法

技术领域

本发明属于图像处理、计算机视觉、生物特征识别技术领域，特别涉及用于特征提取的静脉图像质量检测方法。

背景技术

手指静脉识别是新一代生物特征识别技术，其主要优势在于静脉藏匿于身体内部，不易窃取和复制，且只有活体才有静脉，相对于指纹等传统身份鉴别技术其安全性能更高，在安全门禁、信用卡验证、医学鉴定、罪犯识别与档案管理等方面具有巨大的应用前景。

手指静脉图像获取依据近红外线穿过手指时部分射线被血色素吸收的机理实现，在这一过程中，由于手指厚薄、静脉粗细差异明显，且成像时静脉脉络受肌肉、骨骼及其它噪声的干扰大，导致手指静脉图像清晰度低、不均匀。而质量太差的静脉图像不易提取特征，严重影响后续特征识别的性能。因此，在特征提取之前需要对静脉图像进行质量评价，以剔除质量太差不适合特征识别的静脉图像，保证后续特征识别的可靠性。

尽管目前图像质量检测的方法较多，如参考图像法、梯度法、纹理法以及针对手指静脉的特征(静脉长度、分叉数)判决方法，但是，现有方法都不能快速有效地检测手指静脉图像质量，要么误检率高(梯度法、纹理法)，要么需要参考图像(参考图像法)、要么速度慢(纹理法、特征判决方法)。为此，本发明针对手指静脉识别系统的具体需求，提出了基于区域列平均梯度和纹理细节指数的两级质量检测方法，快速有效地检测手指静脉图像质量。

发明内容

本发明要解决的技术问题在于，针对现有手指静脉低质量图像严重影响后续特征识别性能的现象，提出一种新的手指静脉图像质量快速检测方法，拒绝不适合特征识别的手指注册。

本发明解决其技术问题所采用的技术方案是：首先将手指静脉图像进行分区；然后计算区域列平均梯度特征；依据该特征进行手指静脉图像一级质量判决，对于不满足一级质量判决条件的手指静脉图像，求取手指静脉图像的纹理细节指数，依据该特征进行二级质量判决，对于不满足二级质量判决条件的手指静脉图像，不允许其注册，提示用户更换其它手指进行注册。

本发明所提出的手指静脉图像质量快速检测方法，包括四个处理阶段：手指静脉图像预处理、手指静脉图像区域划分、手指静脉图像一级质量判决、手指静脉图像二级质量判决。手指静脉图像预处理阶段首先采用固定阈值法定位目标位置，并裁剪目标区域，然后对目标进行尺寸归一化处理；手指静脉图像区域划分阶段沿手指静脉走向将手指静脉图像划分为多个区域，以利于后续显著性特征的提取；手指静脉图像一级质量判决阶段首先提取手指静脉图像的区域列平均梯度特征，然后用其判断手指静脉图像质量是否合格。对于一级质量判决不合格的手指静脉图像，进入手指静脉图像二级质量判决流程；手指静脉图像二级质量判决阶段首先提取手指静脉图像的纹理细节指数，然后用其判断手指静脉图像质量是否合格，对于质量不合格的手指静脉图像，提醒用户更换其它手指进行注册。

实施本发明的手指静脉图像质量快速检测方法，具有以下有益效果：快速检测手指静脉图像质量，用于在用户注册时自动选择有效手指，有效遏制低质量静脉图像对手指静脉识别系统性能的不利影响。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例原始的手指静脉图像；

图3为本发明实施例归一化后的手指静脉图像；

图4为本发明实施例的手指静脉图像分区示意图；

图5为本发明实施例的手指静脉图像灰度轮廓单元；

图6为本发明实施例的不同等级的手指静脉图像。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。

图1给出了本实施例的流程图，详细描述如下：

(1)手指静脉图像预处理

手指静脉图像预处理阶段包括以下步骤：

Step1：目标定位与裁剪。如图2所示，手指静脉图像中背景与手指在灰度分布上差异很大，可以采用固定阈值法(阈值设为80)分割手指图像，计算手指目标的平均宽度W₁和中心坐标(x，y)，以(x，y)为中心对称裁剪W₁×H₁的图像，得到手指静脉图像，其中H₁为原始图像高度，这里H₁＝576。

Step2：目标尺寸归一化。将W1调整到固定宽度W(单位：像素)，这里，W＝360；按同样比例调整H1，然后以(x，y)为中心对称裁剪W×H的图像，得到的归一化图像，如图3所示。其中，H为设定的图像高度(单位：像素)，这里，H＝96。

(2)手指静脉图像区域划分

在手指静脉识别系统的实际应用中，人们关注的主要是静脉图像中脉络的丰富性及其分布情况。如图4所示，典型的脉络主要沿水平方向分布，并且脉络的分布并不均匀，有的区域(如图4中的区域1，2，3)的列方向甚至几乎不存在脉络，而有些区域(如图4中的区域4，5，6，7，8，9)则存在比较丰富的脉络。由此可见，求全局特征不能很好地衡量手指静脉图像的脉络丰富性和显著性。为此，需要对图像进行分区，这里采用等间距区域划分，分区如图4所示，分区数N的取值由后续特征提取的效果决定，经实验统计，取N＝9。

(3)手指静脉图像一级质量判决

对于一幅灰度图像，某一方向上的灰度级变化率越大，对应的梯度值就越大。平均梯度值是指所有像素X方向和Y方向梯度值的平均值，用于反映整幅图像的灰度平均变化率，用公式描述为：

$\stackrel{\‾}{G}=\frac{1}{(W-1)\·(H-1)}\underset{i=0}{\overset{H-2}{\mathrm{\Σ}}}\underset{j=0}{\overset{W-2}{\mathrm{\Σ}}}\sqrt{\{{[f(i,j+1)-f(i,j)]}^2+{[f(i+1,j)-f(i,j)]}^2/2}$

其中，f(i，j)表示像素点(i，j)的灰度值。

针对手指静脉图像的特点，我们提出一种基于区域的列平均梯度特征(记为Grad)。首先将手指静脉图像等分为N个区域，分别计算各个区域的列平均梯度GR，第k个区域的列平均梯度GR_k为：

${\mathrm{GR}}_k=\frac{1}{(W/N-1)\·(H-1)}\underset{i=0}{\overset{H-2}{\mathrm{\Σ}}}\underset{j=\frac{W}{H}(k-1)}{\overset{\frac{W}{N}\·k-2}{\mathrm{\Σ}}}|f(i+1,j)-f(i,j)|$

然后求取整幅图像的区域列平均梯度特征Grad：

$\mathrm{Grad}=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{GR}}_k$

得到区域列平均梯度特征Grad后，即可进行一级质量判决。设判决阈值为T₁，如果Grad＞T₁，则图像质量判为A级，进入手指静脉注册过程；否则，进入二级质量判决过程。这里，经实验统计，取T₁＝12.192。

(4)手指静脉图像二级质量判决

对于不满足一级质量判决条件的手指静脉图像，提取手指静脉图像的纹理细节指数，进行二级质量判决。

纹理细节指数用于反映图像中由像素灰度值所形成的灰度轮廓，以及由其轮廓间距和峰谷所形成的几何形状特征，其抗干扰能力强于梯度特征，但运算效率低于梯度特征，因此将其用于二级质量判决，用于减少一级判决引起的误判现象。图5所示为静脉图像第j列像素中的一个图像灰度轮廓单元，其中M为静脉图像某列像素的平均灰度值，H_p为轮廓峰高，H_v为轮廓谷深，H_c轮廓高度，W_c为轮廓宽度，轮廓单元与中线M的交点为过中线点P(如图5中的点A、B、C均为过中线点)，该列中所有的轮廓单元数记为PR_j。

本发明所用的纹理细节指数特征包括轮廓高度均值H_cmean、轮廓最大高度均值H_cmax以及列方向平均轮廓数PR_mean。轮廓高度均值与轮廓最大高度均值用于反映图像列方向的灰度落差，可以表征手指静脉脉络的显著性；列方向平均轮廓数是本发明提出的一个特征参数，用于反映图像列方向的灰度起伏，可以表征手指静脉脉络的丰富性。用公式表示为：

$H_{\mathrm{cmean}}=\frac{1}{W}\underset{j=1}{\overset{W}{\mathrm{\Σ}}}\left[\frac{1}{{\mathrm{PR}}_j}\underset{k=1}{\overset{{\mathrm{PR}}_j}{\mathrm{\Σ}}}{H}_{\mathrm{ck}}\right]$

$H_{c\max }=\frac{1}{W}\underset{j=1}{\overset{W}{\mathrm{\Σ}}}\max \left(H_{\mathrm{cj}}\right)$

${\mathrm{PR}}_{\mathrm{mean}}=\frac{1}{W}\underset{j=1}{\overset{W}{\mathrm{\Σ}}}{\mathrm{PR}}_j$

其中，H_ck表示第j列像素中的第k个灰度轮廓单元，max(H_cj)表示第j列像素中的最大轮廓高度均值。

对上述三个纹理细节指数参数，通过加权求和得到融合后的纹理细节指数特征，称之为纹理细节指数F：

F＝w₁·H_cmean+w₂·H_cmax+w₃·PR_mean

权值依据三个参数所占的比重设置，这里w₁＝0.336，w₂＝0.105，w₃＝0.559。

得到纹理细节指数F后，即可进行二级质量判决。设判决阈值为T₂，如果F＞T₂，则图像质量判为B级，进入手指静脉注册过程；否则，拒绝该手指注册，提醒用户更换手指。这里，经实验统计，取T₂＝0.564。

本发明采用基于区域列平均梯度和纹理细节指数的两级质量检测方法，对1200幅手指静脉图像(主观评价A级图像840幅，B级图像248幅，C级图像112幅，图6为三级图像的部分示例)进行质量检测，测试结果如下：A、B两级图像之间误判率为3.75％，A、B两级与C级图像之间误判率为0.17％，说明该方法可以有效检测不适合注册的C级图像，相对于单独采用区域列平均梯度的质量检测方法大幅降低了误检率。就运算效率而言，在PC平台(CPU：3.3GHz，Memory：1G，Operating system：Windows XP，Software：Visual C++6.0)测试，采用区域列平均梯度方法平均耗时14ms，采用纹理细节指数方法平均耗时为620ms，采用本发明方法平均耗时60ms，说明本发明所提出的质量检测方法速度快，不会对手指静脉识别系统的注册时间要求造成影响。综上所述，本方法可以快速有效地检测手指静脉图像质量。

Claims (2)

1.用于特征提取的静脉图像质量检测方法，其特征在于，首先将手指静脉图像进行分区，然后计算区域列平均梯度特征，依据该特征进行一级质量判决，对于不满足一级判决条件的静脉图像，求取图像的纹理细节指数，依据该指数进行二级质量判决，对于不满足判决条件的手指静脉图像，不允许其注册，提示用户更换其它手指进行注册；

具体包括以下步骤：

Step1：手指静脉图像预处理，包括目标定位与裁剪、目标尺寸归一化，目的是得到手指静脉感兴趣区域图像，具体为：

采用固定阈值法，阈值设为80，分割手指图像，计算手指目标的平均宽度W ₁和中心坐标(x, y)，以(x, y)为中心对称裁剪W ₁×H ₁的图像，得到手指静脉图像，其中H ₁为原始图像高度，将W ₁调整到固定宽度W，这里，W=360；按同样比例调整H ₁，然后以(x, y)为中心对称裁剪W×H的图像，得到归一化图像，H为设定的图像高度，宽度和高度的单位为像素；

Step2：手指静脉图像区域划分，沿手指静脉走向将手指静脉图像划分为多个区域，目的是利于后续显著性特征的提取，手指静脉图像区域划分采用等间距区域划分；

Step3：手指静脉图像一级质量判决，提取手指静脉图像的区域列平均梯度特征，用其判断手指静脉图像质量是否合格，具体为：

针对手指静脉图像的特点，我们提出一种基于区域的列平均梯度特征，记为Grad，首先将手指静脉图像等分为N个区域，分别计算各个区域的列平均梯度GR，第k个区域的列平均梯度GR _k 为：

其中，f(i, j)表示像素点(i, j)的灰度值；

然后求取整幅图像的区域列平均梯度特征Grad：

得到区域列平均梯度特征Grad后，即可进行一级质量判决，设判决阈值为T₁，如果Grad> T₁，则图像质量判为A级，进入手指静脉注册过程；否则，进入二级质量判决过程；

Step4：手指静脉图像二级质量判决，对于不满足一级判决条件的手指静脉图像，提取手指静脉图像的纹理细节指数，用其判断手指静脉图像质量是否合格，对于质量不合格的手指静脉图像，提醒用户更换其它手指进行注册，具体为：

纹理细节指数参数包括轮廓高度均值H _cmean 、轮廓最大高度均值H _cmax 以及列方向平均轮廓数PR _mean ，轮廓高度均值与轮廓最大高度均值用于反映图像列方向的灰度落差，可以表征手指静脉脉络的显著性；列方向平均轮廓数是一个特征参数，用于反映图像列方向的灰度起伏，可以表征手指静脉脉络的丰富性，用公式表示为：

其中，PR _j 为第j列中所有的轮廓单元数，H_ck表示第j列像素中的第k个灰度轮廓单元，max(H_cj)表示第j列像素中的最大轮廓高度均值，

对上述三个纹理细节指数参数，通过加权求和得到融合后的纹理细节指数特征，称之为纹理细节指数F：

权值w₁、w₂以及w₃依据三个参数所占的比重设置。

2.根据权利要求1所述的用于特征提取的静脉图像质量检测方法，其特征在于，进行手指静脉图像二级质量判决：设判决阈值为T₂，如果纹理细节指数F >T₂，其中

，w₁=0.336，w₂=0.105，w₃=0.559，则图像质量判为B级，进入手指静脉注册过程；否则，拒绝该手指注册，提醒用户更换其它手指。

Images