郭秀梅,王成義

山東農(nóng)業(yè)大學(xué) 信息科學(xué)與工程學(xué)院,山東 泰安 271018

生物識別技術(shù)是利用人的唯一性、可測量性和穩(wěn)定性的生理特征或行為特征進行身份鑒別的技術(shù)。靜脈血管除了常見生物特征所具有的普遍性、唯一性、可采集性和穩(wěn)定性外，還具有自身的優(yōu)勢：相比指紋、掌紋識別，靜脈血管位于手掌皮膚底下，單憑肉眼無法看到，因此難偽造或是手術(shù)改變；相比DNA、虹膜識別，手掌靜脈采用非接觸式采集裝置，采集過程十分友好，使用手掌也較為自然，用戶容易接受。這些特點使得靜脈識別技術(shù)近年來成為國內(nèi)外研究者的研究熱點之一。

現(xiàn)有的靜脈識別算法大致分為基于幾何特征和基于子空間兩類[1]。基于子空間的方法是將高維特征投影到維數(shù)較低的子空間，在低維空間進行識別地方法，主要的方法有：利用主成分分析（Principal component analysis，PCA）[2]、線性判別分析（linear discriminant analysis，LDA）[3]、fisher線性判別分析（Fisher linear discriminant，F(xiàn)LD）[4]、LPP(Locality preserving projection)[5]和LDP方法(Local derivative pattern)[6]?；趲缀翁卣鞯姆椒ㄊ侵饕鶕?jù)靜脈的幾何特征如曲線分布形狀等，提取時域或變換域的特征，典型的方法有：基于gabor變換的掌靜脈特征提取方法[7]和提取靜脈的紋理特征方法[8-11]。

靜脈血管的分布具有相對穩(wěn)定性，并且結(jié)構(gòu)上具有自相似性，具有很好地分形特征。分形理論是20世紀數(shù)學(xué)科學(xué)的最有價值的發(fā)現(xiàn)之一，它將圖像建模問題轉(zhuǎn)化為簡單的幾何問題，為描述圖像的幾何特性提供了新的途徑和方法。自然界中物理表面的粗糙程度不同，反映在分形理論中則表現(xiàn)為具有不同的分形維數(shù)。因此物體如果具有很好地自相似性，并且具有很好的紋理特征，就可以用分形維數(shù)表征。盒維是分形維數(shù)中最為直觀的一種，在各個研究領(lǐng)域具有廣泛的應(yīng)用。因此本文將分形思想引入到手掌靜脈識別中，首先驗證手掌靜脈具有分形特性，提出了基于盒維的手掌靜脈識別算法，實驗表明盒維可以很好的提取手掌靜脈紋理特征，取得比較理想的識別效果。

1 基于盒維的手掌靜脈特征提取

1.1 盒維

盒維的經(jīng)驗估計和數(shù)學(xué)計算相對簡單易懂，是分形維數(shù)中比較直觀的一種，因此盒維廣泛的應(yīng)用于圖像處理等各個領(lǐng)域。

設(shè)F是Rn上的任意非空的有界子集，Nδ(F)是直徑最大為δ，則F的上、下盒維數(shù)分別定義為：

當上下盒維數(shù)值相等時，這個共同的值即為F的盒維數(shù)，記為

實際計算時，該方法非常困難。在計算圖像的盒維時，一般采用采用Sarkar和Chaudhuri提出的差分盒維(Differential Box Counting)[13]近似估計。該方法將圖像理解為三維空間的曲面（x，y為三維空間的橫縱坐標，灰度值看成z坐標），把該曲面用大小為s×s×s的盒子進行分割成網(wǎng)格。對于每個網(wǎng)格中的像素，最大的灰度值用GMAX表示，最小的灰度值GMIN用表示，則該網(wǎng)格所需要覆蓋的盒子數(shù)為：

所有網(wǎng)格所需盒子數(shù)之和，即為靜脈圖形的盒子數(shù)：

盒維為：

針對不同的r，我們可以獲得不同的Dr，然后使用最小二乘法計算圖像的盒維。

1.2 提取

手部靜脈血管部分屬于皮下組織，如果用可見光照射時，不能獲取清晰的靜脈血管的紋路圖像，經(jīng)驗證，血液中的血紅蛋白可以吸收波長為760 nm和850 nm的近紅外光，這是血紅蛋白所特有的性質(zhì)，人體其他組織沒有這樣的特性。要想采集靜脈血管的分布圖，光源一般采用波長為0.72～1.10 μm范圍的光照射手掌。近紅外光可以透過人體骨骼和肌肉，只有血液中的血紅蛋白可以吸收該范圍波段的光，在CCD或CMOS傳感器采集的圖像中呈現(xiàn)陰影，該陰影的形狀即為靜脈血管的分布。香港理工大學(xué)多光譜掌紋數(shù)據(jù)庫，包括四種波長的圖像，其中近紅外圖像采用的是880 nm波長的近紅外光，可以很好的采集到手掌靜脈圖像，采用文獻[14]中的分割辦法，可以得到靜脈圖像的有效區(qū)域部分，大小為128*128。圖1給出了四個手掌的手背靜脈圖像的有效區(qū)域部分。

圖1 數(shù)據(jù)庫中4個不同手掌的靜脈有效區(qū)域的樣本圖像Fig.1 The ROI images of four different palm veins from database

在手掌靜脈盒維特征提取時，為了更好的反應(yīng)手掌靜脈的局部特征，可以用網(wǎng)格對圖像進行劃分成若干子區(qū)域，設(shè)靜脈有效區(qū)域的大小為128*128，用I(x,y)表示，網(wǎng)格的大小設(shè)為S×S。在該網(wǎng)格的劃分下，靜脈圖像可以劃分為m*m（m=128/S）個子區(qū)域。對每個子區(qū)域計算出對應(yīng)的盒維。如果每個網(wǎng)格的大小為4*4，則每個手掌有效區(qū)域得到的盒維為：32*32。圖1中手掌靜脈對應(yīng)的盒維特征分別如圖2所示。

圖2 靜脈圖像有效區(qū)域的盒維特征Fig.2 Characteristics of box dimension in effective regions of the vein images

從圖2可以看出，四個靜脈樣本所得到的盒維特征各不相同，由此可以得出靜脈圖像具有很好的分形維特性。

1.3 分類器

設(shè)靜脈盒維特征用BD表示，如果兩個盒維特征來自同一個手掌，定義為正確匹配，否則為錯誤匹配。訓(xùn)練樣本的盒維特征用BDd1表示，待測樣本的盒維特征用BDd2表示，本文采用的分類器是相關(guān)分類器，其計算公式為：

靜脈類內(nèi)和類間盒維特征的相關(guān)性分布情況如圖3所示，從圖中我們可以看出，類內(nèi)和類間的盒維特征相關(guān)性都出現(xiàn)了峰值，類內(nèi)為0.7左右，類間為0.196左右。兩者相差較大，具有明顯的差異性。利用相關(guān)分類器可以很好地區(qū)分類內(nèi)靜脈盒維特征和類間靜脈盒維特征。

2 結(jié)果與分析

香港理工大學(xué)多光譜掌紋數(shù)據(jù)庫[15]，該掌紋庫里共有來自250個志愿者，其中195人為男性，年齡分布20～60之間，分兩次采集多光譜掌紋圖像，平均間隔時間為9 d。每次采集每個志愿者的左右手，每只手采集6幅圖像，共6000幅掌紋圖像。該系統(tǒng)裝置可以同時采集四個光譜的圖像，波長為660 nm的紅色，波長為525 nm的綠色，波長為470 nm的藍色和波長為880 nm的近紅外光。其中880 nm的近紅外光可以很好的采集到手掌靜脈紋路圖像，因此近紅外光采集的圖像也就是掌紋靜脈圖像。本文提出的算法就是在多光譜掌紋數(shù)據(jù)庫近紅外光采集的圖像上進行的實驗。我們使用每個靜脈第一次采集的圖像作為訓(xùn)練樣本，第二次采集的樣本作為測試樣本。實驗驗證了網(wǎng)格大小對識別率的影響，并且與常用算法進行了比較。

盒維特征的大小受網(wǎng)格大小的影響，不同大小的盒維特征對識別率又有影響，為了驗證該結(jié)論，本實驗對靜脈圖像采,4種大小的網(wǎng)格進行劃分，網(wǎng)格大小分別為4*4,8*8,16*16和32*32，對應(yīng)的靜脈圖像被劃分成32*32,16*16,8*8和4*4個子圖像。這4中劃分情況下的特征提取時間、匹配時間和識別結(jié)果見表1。從表中可以看出，網(wǎng)格越大，盒維的特征維數(shù)越低，提取時間就越短，但等錯誤率卻越大。雖然靜脈識別速度也非常重要，但是正確的識別率是識別系統(tǒng)最重要的因素。因此本文選擇了耗時最長，但等錯誤率最低的4*4的網(wǎng)格劃分。

表1 不同網(wǎng)格特征提取時間、匹配時間和識別結(jié)果比較Table 1 Comparison of extraction time,matching time and recognition results from different grid sizes

表2給出了幾種典型的手掌靜脈識別算法的對比結(jié)果，從該表中可以看出，本文的具有更好的識別效果。

表2 與常見算法的比較Table 2 Comparison between the proposed algorithm and popular algorithm

圖3 靜脈盒維特征類內(nèi)和類間相關(guān)性分布圖Fig.3 Statistical distribution of box

圖4 本文算法的FRR和FAR曲線分布圖Fig.4 FRR and FAR curve distribution of the proposed algorithm

圖4 給出了di盒me維ns識ion別 no的rm錯al誤ize拒d c絕orr率ela(FtioRnR)和錯誤接受率(FAR)。從圖中可以看出，系統(tǒng)的等錯誤率為0.7%，此時閾值為0.425。

3 結(jié)論

手掌靜脈識別是生物特征識別技術(shù)非常熱門的方向，而分形理論也是近年來圖像處理中比較熱門的研究方向，本文首次將兩者有效的結(jié)合起來，提出了基于盒維的手掌靜脈識別算法，獲得的等錯誤率最低。

[1]Zhou YB,Kumar A.Human identification using palm vein images[J].IEEE Transactions on Information Forensics and Security,2011,6(4):1259-1274

[2]Liu J,Xue D,Cui J,et al.Palm-dorsa vein recognition based on kernel principal component analysis and locality preserving projection methods[J].Journal of Northeastern University,2012,33(5):613-617

[3]LeeYP.Palmveinrecognitionbasedonamodified(2D)(2)LDA[J].SignalImage&VideoProcessing,2015,9(1):229-242

[4]Liu J,Zhang Y.Palm-dorsa vein recognition based on two-dimensional Fisher linear discriminant[J].Journal of Computer Applications,2010,30(3):550-552

[5]Liu J,Xue DY,Cui JJ.Palm-dorsa vein recognition based on locality preserving projection[J].Journal of Information and Computational Science,2011,8(6):3911-3919

[6]Mirmohamadsadeghi L,Drygajlo A.Palm vein recognition with local binary patterns and local derivative patterns[C].2011 International Joint Conference on Biometrics,2011:1-6

[7]Ma X,Jing X,Huang H,et al.Palm vein recognition scheme based on an adaptive Gabor filter[J].Iet Biometrics,2017,6(5):325-333

[8]Han D,Guo ZH,Zhang D.Multispectral palmprint recognition using wavelet-based image fusion[J].International conference on signal processing,2008,12(4):2074-2077

[9]Lee JC.Anovel biometric system based on palm vein image[J].Pattern Recognition Letters,2012,33(12):1520-1528

[10]HanWY,LeeJC.PalmveinrecognitionusingadaptiveGaborfilters[J].ExpertSystemwithApplications,2012,39(18):13225-13234

[11]Zhang DP,Guo ZH,Lu GM.Online joint palmprint and palm vein verification[J].Expert Systems with Applications,2011,38(3):2621-2631

[12]苑瑋琦,李 威.基于特征參量空間的掌脈識別方法研究[J].儀器儀表學(xué)報,2013,34(4):853-859

[13]Sarkar N,Chaudhuri BB.An Efficient Approach to Estimate Fractal Dimension of Textural Images[J].Pattern Recognition,1992,25(9):1035-1041

[14]KongWK,ZhangD,LiW.Palmprintfeatureextractionusing2-DGaborfilters[J].PatternRecognition,2003,36(10):2339-2347

[15]PolyU palmprint database[Online],available:http://www.comp.polyu.edu.hk/biometrics/,October 20,2009