眼底血管图像的特征提取和匹配

第３７卷第６期　Ｖｌ０ｌ＿３７　ＮＯ．６　河北工业大学学报　２００８年１２月　Ｄｅｃｅｍｂｅｒ　２００８　Ｊ０ＵＲＮＡＬ　ＯＦ　ＨＥＢＥＩ　ＵＮＩＶＥＲＳＩＴＹ　０Ｆ　ＴＥＣＨＮ０Ｌ０ＧＹ　文章编号：ｌ００８—２３７３（２００８）Ｏ６一ｏ０Ｏ６一Ｏ５　眼底血管图像的特征提取和匹配　杜鑫，陈家国　（兰州交通大学光电技术与智能控制教育部重点实验室，　肃兰州７３ｏ０７０）　摘要针对传统的指纹识别中存在的缺点，本文初步研究眼底血管的特征提取与识别．利用眼底血管照相机提取　眼底血管原始图像，对其二值化、滤波以及增强处理，进而进行特征提取与匹配的算法研究．通过在ＭＡＴＬＡＢ　仿真实验，拒真率和认假率均达到实验要求．利用眼底血管图像进行个人身份识别是完全可行的，并有良好的应　用前景．　关键词生物识别；眼底血管；模式识别　ＴＰ３９　文献标识码Ａ　中图分类号Ｆｅａｔｕｒｅ　ＤｅｔｅｃｔｉＯｎ　ａｎｄ　Ｍａｔｃｈｉｎｇ　ｏｆ　Ｅｙｅｇｒｏｕｎｄ　Ｖ＿ｅｉｎ’ｓ　Ｉｍａｇｅ　ＤＵ　Ｘｉｎ，ＣＨＥＮ　Ｊｉａ—ｇｕ０　（Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆｏｐｔｏ—Ｅｌｅｃ仃０ｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｉｎｔｅｌ１ｉｇｅｎｔ　ＣｏｎｔｒｏＩ　ｏｆＭｉｎｉｓ时ｏｆＥｄｕｃａｔｉｏｎ，　Ｌａｎｚｈｏｕ　Ｊｉａｏｔｏｎｇ　ｕｎｉＶｅｒｓ　Ｌａｎｚｈｏｕ　７３ＯＯ７０．Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ　Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｒｅｓｏｌｖｅ　ｍｅ　ｄｅｆｅｃｔｓ　ｏｆ　ｔｈｅ　ｎｇｅＩｐｒｉｎｔ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｔｈｅ　ｐａｐｅｒ　ｄＯ　ａ　ｐｉｌＯｔ　ｓｔｕｄｙ　ｉｎ　ｔｈｅ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｆ　ｅｙｅｇｍｕｎｄ　ｖｅｉｎ．Ｗｅ　ｐｉｃｋｅｄ　ｕｐ　ｔｈｅ　ｉｍａｇｅｓ　ｏｆ　ｅｙｅｇｍｕｎｄ　ｖｅｉｎ，ｗｈｉｃｈ　ｔｈｅｎ　ｗｅｒｅ　ｎｏｍｌａｌｉｚｅｄ，ｆｉｌｔｒａｔｅｄ　ａｎｄ　ｅｎｈｒｄｎｃｅｄ　ｔｏ　Ｇａｎｓｕ　ｂｅ　ｅｘｔｒａｃｔｅｄ　ａｎｄ　ｍａｔｃｈｅｄ．Ｂｙ　ｔｈｅ　ｅｍｕｌａｔｉｏｎａｌ　ｅｘｐｅｒｉｍｅｎｔ　ｉｎ　ＭＡＴＬＡＢ，ｔｈｅ　ｔｍｔｈ　ｒｅｊｅｃｔｉｏｎ　ｒａｔｅ　ａｎｄ　ｔｈｅ　ｆａｌｓｅ　ａｃｃｅｐｔａｎｃｅ　ｒａｔｅ　ａｒｒｉｖｅｄ　ａｔ　ｔｈｅ　ｒｅｑｕｉｒｅｍｅｎｔ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈ０ｗ　ｍａｔ　ｉｔ　ｉｓ　ｆｅａｓｉｂｌｅ　ｔｏ　ｉｄｅｎｔｉ　ｔｈｅ　ｈｕｍａｎ　ｉｄｅｎｔｉｔｙ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｅｙｅｇｒｏｕｎｄ　ｖｅｉｎ’ｓ　ｉｍａｇｅｓ．　Ｋｅｙ　ｗ０ｒｄｓ　ｂｉｏｍｅｔｒｉｃｓ；　ｅｙｅｇｒｏｕｎｄ　Ｖｅｉｎ；　ｐａｔｔｅｍ　ｒｅｃｏｇｎｉｔｉｏｎ　Ｏ　引言　随着对个人物品、内部网络、建筑物通道、Ｉｎｔｅｍｅｔ乃至电子商务的安全性的要求日趋严格，对于　身份认证技术的需求也变得越来越紧迫，生物识别技术即是安全和便捷的身份识别方法．它的一些主要　识别方法有：指纹识别，掌纹识别，面部识别，签名识别，声音识别等等“　．　指纹识别作为目前应用最广、最方便、技术上最成熟的生物识别手段，也有其自身的缺点　．　１）某些人或某些群体的指纹因为指纹特征很少，达不到建档要求．　２）自动指纹识别系统的犯罪指纹数据库在全球司法实践中的广泛应用使得人们对其怀有戒心．　３）每一次使用指纹时都会在指纹采集器上留下用户的指纹印痕，而这些指纹痕迹存在着被用来复　制指纹的可能性．正因如此，需要有其它生物识别技术解决方案辅助指纹识别或者单独进行身份识别．　这里介绍一种生物特征识别方法：眼底血管识别．　１眼底血管识别过程　首先通过眼底照相机采集眼底血管图像，如图ｌ所示，然后通过一系列算法提取到眼底血管的特征　值，将特征值与该人其它身份特征一同存入数据库．应用时，将眼底照相机提取到的特征值与数据库中　收稿日期：２００８－０９—１６　基金项目：国家“８６３”项目（２００７ＡＡ１１ｚ１１）　作者简介：杜鑫（１９８３一），男（满族），硕士生　第６期　杜鑫，等：眼底血管图像的特征提取和匹配　所有眼底血管特征值进行匹配，验证该人身份．　该鉴别系统的优点为：　１）具有很强唯一性，绝大多数人的眼底血管图像随着年龄　增长不会有大的变化；　２）易于采集；　３）由于是身体内部的血管特征，很难伪造或是手术改变；　４）相比ＤＮＡ、虹膜识别，采集过程十分友好．　２图像处理的算法研究　图１眼底图像采集设备　眼底血管图像识别过程如图２．　Ｆｉｇ．　１　Ｔｈｅ　ｅｑｕｉｐｍｅｎｔ　ｆｂｒ　ｃｏｌ１ｅｃｔｉｎｇ　ｔｈｅ　ｅｙｅｇｒｏｕｎｄ　ｖｅｉｎ　匿　图２眼底血管图像识别过程　—叵　叵　＿＿［　恒一囱　Ｆｉｇ．２　Ｔｈｅ　ｐｒ０ｃｅｓｓ　ｏｆＩｃ＿ｃｏｇｎｉｚｊｎｇ　ｔｈｅ　ｅｙｅｇＩｌ０ｕｎｄ　ｖｅｊｎ。ｓ　ｉｍａｇｅ　２．１图像归一化　为了在不同光线情况下采集的灰度图相差过大，会给接下来的图像处理和匹配增加难度，所以在采　集图像以后要进行归一化处理．利用彩色图像中对亮度信息归一化处理后、提取出来的相对稳定的色度　信息，来检测和确定目标，并进行定位和跟踪．采用亮度信息增强微小差别物体问的对比度，以突出细　节，达到刻画细节的目的　．所以本文将彩色图像中的红、蓝两色过滤，提取图像的绿色面板作为预处　理样本．　２．２图像增强及二值化　这里采用拉普拉斯算法对图像进行增强处理．一个二元图像函数．，　，　）的拉普拉斯变换定义为　ｚ厂：　＋　（１）　为了适合数字图像处理，要表示成离散形式．通过临域处理有多种方法定义离散变量，但无论怎样　定义，都要符合式（１）表示的二阶微分处理的性质．考虑到两个变量，因此在　方向上的二阶偏微分　定义如下　＝　＋１，　）＋　—ｌ，　）一２　，　）　（２）　在　方向上的二阶偏微分为　＋１）州　＿１）一２　式（１）中的二维拉普拉斯变换可由式（２）和式（３）相加得出　厂＝厂（　，　＋１）＋－厂（　，　一１）＋厂（　＋１，　）＋厂（　一１，　）一４ｌ厂（　，　）　（４）　（３）　河北工业大学学报　第３７卷　由于拉普拉斯是一种微分算子，它的应用强调图像中灰度的突变及降低灰度慢变化的区域．这将产　生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图像．将原始图像和拉普拉斯图像叠加在一起　的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息Ｈ　．　如果使用的定义具有负的中心系数，那么，就必须将原始图像减去经拉普拉斯变换后的图像，从而　得到锐化的结果．所以，我们使用拉普拉斯变换对图像增强的基本方法可表示为下式　ｇ　Ｌ　，　，　、　Ｊ　１厂（　，　）＋　．厂（　，　）　ｆ厂（　，　）一　厂（　，　）　（５）　经过处理后的图像如图３ｂ），原始图像和经过灰度增强后的图像有很大的差异，图３ｃ）、图３ｄ）是原　始图像和经过灰度增强后图像灰度值的直方图表示．　轴表示灰度级别，ｙ轴表示各像素点在该灰度级　别的概率）．　ａ）原始图像　０．２５　ｂ）图像增强后的图像　Ｏ．２Ｏ　Ｏ．１５　ａ一　＼　盎｛Ｌ　Ｏ．１０　埒　肇　０．Ｏ５　．・ｌＩ●－－－－一　５０　ｌＯ０　１５Ｏ　２Ｏ０　２５０　Ｏ　一５Ｏ　Ｏ　像素／Ｐｉｘ　ｃ）原图像直方图　图３　图像增强及直方图表示　Ｆｉｇ．３　Ｔｈｅ　ｅｎｈａｎｃｅｄ　ｉｍａｇｅ　ａｎｄ　ｆｉｇｕｒｅｄ　ｂｙ　ｔｈｅ　ｈｉｓｔ０　ａｍ　像素／Ｐｉｘ　ｄ）图像增强后的直方图　２．３眼底血管图像的滤波　数字图像中往往存在各种类型的噪声．产生噪声的途径可以有几种，与生成图像的方法有关，不可　避免．有多种不同的方法来删除和减少图像中的噪声．不同的方法对于不同类型的噪声具有更好的效　果．可用的方法包括：　・线性滤波；　第６期　・杜鑫，等：眼底血管图像的特征提取和匹配　９　中值滤波；　自适应滤波．　・图４ａ）为中值滤波后的图像．　２．４图像的骨架提取　用骨架描述图像的方法最早是有Ｂ１ｕｍ提出的．他使用了中轴的概念，至今虽然已经有许多针对不　同问题的方法，但是实质都离不开中轴的思想．　ｆ６）　（　）＝Ｕ　（　）　＝０　（７）　（　）＝Ｕ｛（　尼　）一［（　尼　）・　］　七＝Ｏ　的重构：　ｆ８）　（　）＝Ｕ（　（　）０尼　）　七＝０　寻找集合．　）的骨架，等式（８）表示　可以由它的骨架子集进行重构．　是迭代步骤的次数．超过　七次迭代，集合　将被腐蚀为空集．符号　）表示对　用　的第七次迭代，进行连续腐蚀　．骨　架提取并取反后的图像如图４ｂ）．　ａ）中值滤波后的图像　图４滤波和骨架提取　ｂ）骨架提取并取反后的图像　Ｆｉｇ．４　Ｔｈｅ　ｒｅｓｕｌｌ　ａｆｔｃｒ　ｆｉｌｔｅｒｅｄ　ａｎｄ　ｐｉｃｋｅｄ　ｕｐ　ｔｈｅ　ｆｈｍｅｗＯｒｋ　３骨架提取后图像的特征提取和匹配　３．１特征提取　角点检测经常被用于作为特征提取的第一步，是特征提取的基础．运用ｈａ　ｓ算法，通过角点检测　找出血管形状特征图像中的交点作为细节特征点，然后来进行对比匹配识别，算法的步骤为：　１）利用水平、竖直差分算子对图象每个像素进行滤波以求得　，　，进而求得　中４个值．　：　＝厶　＝　（１０）　（１１）　１０　河北工业大学学报　第３７卷　２）对　的４个元素进行高斯平滑滤波，得到新的　．离散二维零均值高斯函数为　Ｇ　＝ｅｘｐ（一　）　（１２）　３）接下来利用　计算对应每个像素的角点量ｃ　．　：兰！笠二！—］　　生　■一　（１３）　和ｃ　是某邻域内的局部极大值”这两　４）最后，在矩阵ｃ　中，同时满足“ｃ　大于一阈值　个条件的点被认为是角点．　３．２眼底血管图像的模式匹配　在指纹识别中的指纹的特征点分为全局特征和（如奇异点、中心点）和局部特征（指纹细节点）　．　在考虑局部特征的情况下，英国的Ｅ．Ｒ．Ｈｅ　认为，在比对时只要１３个特征点重合，就可以确认是同　一个指纹．正是参考指纹识别的这个方法，针对眼底血管形状生物特征的识别，就是采取提取眼底血管　图像中细节特征点的方法来进行匹配比对的，同时认为只要特征点有一定的数目重合，且匹配率超过一　定范围，就可认为它们是匹配的，是来源于同一个眼睛．当然对于不同的应用情况，要求匹配的特征点　的个数会有所不同．　４实验结果与展望　首先按照固定的格式建立眼底血管图像样本数据库，每人个眼底血管在不同时间取５幅图像，共取　７×５＝３５幅图像作为小规模样本库，然后进行匹配．先进行自匹配，即每个眼底血管的５幅图像相互　匹配，用来判别图像的拒真率．匹配结果由表ｌ表示．　表ｌ拒真率实验结果　Ｔａｂ．１　Ｔｈｅ　ｐｒｏｂａｂ．ｎｔｙ　０ｆ　ｒｅａｌ　ｒｅｊｅｃｔ　认假率由表２表示：　表２认假率实验结果　Ｉ’ａｂ．２　Ｔｈｅ　ｐｒＯｂａｂｉｌｉｔｙ　０ｆ　ｆａｌｓｅ　ａｃｃｅｐｔａｎｃｅ　从实验结果上看，该实验的各项指标均达标，实验结果令人满意，但要应用还需要增大样本数量．　实验证明，眼底血管图像因人而异，所以，用眼底血管图像来验证个人身份在技术上是可行的．虽然本　实验的样本数量偏少和存在算法的效率问题，但是由于眼底血管不易伪造等优势，眼底血管识别还是一　项很有发展的生物识别技术．　参考文献：　［Ｉ］包桂秋，林喜荣，周云龙．基于人体生物特征的身份鉴别技术发展慨况…．清华大学学报，２００１，４１（４／５）：７２—７６　［２］林喜荣，庄波．人体手背血管图像的特征提取及匹配［ＪＪ．清华大学学报，２【）（】３，４３（２）：ｌ６４—１６７．　【３］姚鸿勋，刘明宝．基于彩色图像的色系坐标变换的面部定位与跟踪法『Ｊ］．计　饥学报，２０００，２３（２）：１５８—１６５．　［４］ＲａｆａｅｌｃＧｏｎｚａｌｅｚ，ＲｉｃｈａｒｄＥｗｏｏｄｓ．数字图像处理［Ｍ］．阮秋琦，阮字智，译．北京：电子工业　版社，２【Ｊ（】２．　［５］王业琳，宁新宝，尹义龙．一种新的指纹匹配方法［ＪＪ．中国图像图形学报，２００３，８（２）：２Ｏ３—２Ｏ８．