許偉偉 章堅武

摘要：針對使用方向谷形檢測方法對手指靜脈圖像進行分割存在的靜脈邊界區(qū)域分割精度低的問題，對結合了Niblack算法的方向谷形檢測分割進行深入研究與探討，并以此為基礎提出基于Canny算法修正的谷形檢測手指靜脈分割算法。首先對手指靜脈的局部梯度變化特征進行分析，得出靜脈邊界點應具備的條件，并以此作為是否為真實邊界點的判據(jù)，同時結合由Canny算法獲取的非極大值抑制圖像對基于方向谷形檢測的分割結果進行邊界點修正。最后通過實驗對比修正前后的分割效果，發(fā)現(xiàn)該算法分割結果在靜脈區(qū)域的連續(xù)性，以及靜脈提取的真實性和準確性上都表現(xiàn)更為優(yōu)秀，證明了其有效性。

關鍵詞：Canny算法；方向谷形；手指靜脈；圖像分割；Niblack算法

DOI：10.11907/rjdk.173146

中圖分類號：TP312

文獻標識碼：A文章編號：1672-7800（2018）007-0087-04

Abstract：Inordertosolvetheproblemoflowaccuracyofveinboundarysegmentationusingdirectionalvalleydetectionmethodforfingerveinimagesegmentation，theauthordeeplystudiedanddiscussedthedirectionalvalleydetectionsegmentationcombinedwithNiblackalgorithm.BasedonCannyalgorithmmodificationdirectionvalleydetectionfingerveinimagesegmentationalgorithmwasproposed.Firstofall，theauthoranalyzedthecharacteristicsoflocalgradientoffingerveinandobtainedtheconditionsthatveinsboundarypointshouldpossess，andusedthemasthecriterionofwhetheritisarealboundarypoint，Combinedwiththenon-maximalvalueobtainedbyCannyalgorithmthevaluesuppressionimageperformsboundarypointcorrectionontheresultofthesegmentationbasedonthedirectionvalleydetection.Atlast，thesegmentationresultsbeforeandafterthecorrectionarecomparedbyexperiments.Thesegmentationresultoftheproposedalgorithmperformsbetterinveracityandaccuracyoftheveinareaandveinsextraction，whichprovesthatitiseffective.

KeyWords：Cannyalgorithm；directionalvalley；fingervein；imagesegmentation；Niblackalgorithm

0引言

由于在使用手指靜脈采集裝置對手指靜脈圖像進行采集的過程中會受到來自各種環(huán)境因素和手指自身因素的影響（如手指表皮厚度分布不均、手指褶皺、手指不正確的壓力、環(huán)境光照變化），所以采集到的手指靜脈圖像質(zhì)量較差，常表現(xiàn)為對比度低、局部光照發(fā)生突變、整體亮度不均勻等[1-2]。對于此類手指靜脈圖像要想獲取效果較好的靜脈特征，需要使用適應此應用場景的圖像增強和圖像分割算法。目前，對于該類低質(zhì)量手指靜脈圖像區(qū)域特征提取的研究較少，通常采用的圖像分割方法有：①基于閾值的分割方法，包括：OTSU閾值分割[3-4]、Niblack閾值分割[5-6]、均值閾值分割[7]、迭代法[8]；②基于靜脈空間谷形結構特征的方法，包括：重復線性追蹤法[9-11]、方向谷形檢測法[12]。其中基于閾值的分割算法存在定位精度低的問題，而基于靜脈谷形特點的重復線性追蹤法存在靜脈紋路不夠光滑且耗時長的問題。其中同樣是基于靜脈谷形特點的方向谷性檢測算法，由于其算法原理簡單，解決了耗時長的問題。由于傳統(tǒng)的方向谷形檢測算法無法滿足檢測低質(zhì)量手指靜脈的分割需求，文獻[12]提出將Niblack算法與方向谷形檢測算法融合進行靜脈分割，可獲得理想的靜脈分割圖像，然而該方法仍沒有解決靜脈邊界點的精確定位問題。

為了解決靜脈區(qū)域邊界點的精確定位問題，本文在文獻[12]基礎上使用邊緣定位準確的Canny算法對分割結果進行靜脈邊界點修正，為使靜脈谷形在低對比度區(qū)域凸顯出來，使用自適應階數(shù)的分數(shù)階微分[13-14]算子對圖像進行有效增強。

1基于局部統(tǒng)計特性的方向谷形分割算法

1.1方向谷形檢測基本原理

通過對手指靜脈圖像的灰度分析可知，靜脈區(qū)域處的灰度較低，背景灰度相對較高，縱切面一般呈現(xiàn)谷形特點，而靜脈則存在于谷形處。如圖1所示，圖像白色橫線處的縱切面呈現(xiàn)出若干谷形，而谷形所在位置正是靜脈所在位置，因此可以將對靜脈區(qū)域的提取轉化成對圖像中谷形區(qū)域的提取。

為了提取出圖1中所示的谷形區(qū)域，文獻[12]設計出如圖2所示8個方向的檢測算子，每個方向上的取值同樣都取為3、0、-1、0、-4、0、-1、0、3。

1.2Niblack算法基本原理

Niblack算法是一種根據(jù)局部統(tǒng)計特性進行動態(tài)閾值獲取的二值化方法，其原理是：根據(jù)單個像素鄰域的均值和標準方差情況獲取當前像素點閾值。像素點（x，y）處的均值m（x，y）和標準方差s（x，y）計算公式如下：

1.3方向谷形檢測分割算法

對于對比度低且光照不均勻的手指靜脈圖像，要想獲取靜脈區(qū)域的有效分割結果，對圖像的增強是必不可少的。本文采用自適應階數(shù)分數(shù)階微分增強算法對圖像進行增強，其增強效果如圖3所示。

方向谷形檢測分割算法步驟如下：

（1）提取谷形區(qū)域。對圖像f（x，y）中的每個像素，使用8個方向算子分別計算出以當前像素為中心、大小為9*9鄰域8個方向上的卷積和，使用最大的卷積和替代當前點的灰度值，得到新的谷形特征矩陣g（x，y）。

（2）以0作為閾值進行粗分割。將步驟（1）中獲取的谷形特征矩陣g（x，y）用0值作為閾值進行閾值運算，大于0的值保留，小于0的值直接置0，此時得到粗分割圖像h（x，y）。

（3）使用步驟（2）的h（x，y）中所有非0元素均值進行二次粗分割。統(tǒng)計h（x，y）中非零元素個數(shù)，使用h（x，y）中非零元素之和除以非零元素個數(shù)，從而獲取非零元素均值，使用該均值作為閾值對圖像h（x，y）進行閾值操作，大于該均值的像素點灰度使用該均值替代，否則不作改變，此時獲得新的分割圖像k（x，y）。

（4）使用模糊增強對步驟（3）中的k（x，y）進行增強，獲取增強后的圖像記為k′（x，y）。

（5）最后使用Niblack算法對步驟（4）中的k′（x，y）進行細分割。

根據(jù)實驗結果分析，該算法基本能夠?qū)⑹种胳o脈的主體區(qū)域分割出來，但是存在一個問題：其提取的靜脈區(qū)域邊界處定位不夠準確，并且隨著Niblack算法中窗口半徑的變動，靜脈區(qū)域邊界處將出現(xiàn)不同程度的展寬現(xiàn)象，甚至出現(xiàn)靜脈斷裂現(xiàn)象。圖4展示了不同窗口半徑下提取得到的靜脈情況。

由圖4所示，不同半徑的窗口選取對分割結果的影響主要表現(xiàn)在靜脈區(qū)域的邊界精確度上，以及在灰度均勻變化區(qū)域處，半徑過小的窗口分割后容易產(chǎn)生偽靜脈。這是因為半徑過小會導致在靜脈較為稀疏的區(qū)域，窗口內(nèi)部全是非靜脈區(qū)域，而此時由于Niblack的閾值機制，必然會有一部分不是靜脈的區(qū)域被認為是靜脈，從而產(chǎn)生偽靜脈。同時，半徑選擇過大會導致分割不夠充分，而半徑大小適中時，連續(xù)性無法得到保障，并且還會漏掉部分靜脈。

2方向谷形檢測修正算法

2.1Canny算法原理

Canny算法是一種常用于圖像邊緣檢測的一階微分算子法的改良版算法[15-16]。其在一階微分算子基礎上添加了非極大值抑制和雙閾值兩個關鍵性操作，其中非極大值抑制能夠在閾值之前去除大量非邊緣梯度，起到了粗閾值功能。高低閾值保證了對圖像單像素的邊緣提取，使定位精度得到提高。正因為其邊緣定位準確，且為單邊響應，使Canny算法成為圖像邊緣檢測方向的經(jīng)典算法。邊緣提取主要包含以下步驟：

（1）選用適合的去噪算法對圖像進行去噪。由于Canny算法是在一階微分算子基礎上提出的，繼承了微分算子對噪聲敏感的特性，所以需要預先對圖像進行有效的去噪處理，這也是對檢測結果影響較大的一個步驟。

（2）使用梯度算子與圖像卷積獲取梯度圖像和梯度方向，通常為了突出中間像素的貢獻，使用3*3的sobel算子。

（3）對步驟（2）中獲取的梯度圖像進行非極大值抑制。對于梯度圖像中的每個像素點，比較其方向上相鄰的兩個像素點是否小于該點值，若當前點值不同，大于其方向上相鄰兩點的值，則判定為非極大值，直接置0，否則保留。

（4）選擇適當?shù)母?、低梯度閾值對步驟（3）中獲取的非極大值抑制圖像進行閾值處理。保留大于高閾值的像素點值，小于低閾值的像素點值則直接去除，介于二者之間的像素點值，判斷該像素點8領域內(nèi)的像素點值是否大于高閾值，若有則保留，否則去除。

2.2修正原理

通過靜脈圖像的縱切面可知，靜脈區(qū)域內(nèi)部與外部灰度變化不大，即梯度不大，梯度值僅在靜脈邊界或者噪點處值相對較大，而噪聲可以通過有效地濾波去除，所以一般只考慮在靜脈邊界處有較大梯度值。所以要想精確地確定靜脈邊界，只需找到梯度大的值所在位置即可。但是，梯度大到什么程度才算是靜脈邊界，這是Canny算法的難點所在，需要對梯度進行高低閾值處理。高低閾值的找尋對于光照不均勻且對比度低的手指靜脈而言并不容易，所以本文并未直接采用Canny算法找尋手指靜脈邊緣特征。但是，Canny算法能夠盡可能多地發(fā)現(xiàn)梯度并且對于初步梯度圖像進行非極大值抑制處理，去除了大量非邊緣梯度，從而為找尋單像素的靜脈邊緣特征提供了可能。對于如何使用Canny算法進行靜脈邊界修正，本文先對靜脈結構進行分析，靜脈區(qū)域示意圖如圖5所示。

如圖5所示，l1和l2分別為靜脈區(qū)域的邊界，lm為靜脈谷形最低處的連線，P為邊界上一點，P1、P2分別是P的相鄰像素點，tp為過P點且與P1和P2連線垂直的線，分別交lm和l2于A、B兩點。若P是靜脈邊界上的點，即邊界點，由靜脈縱切面上的灰度變化特性可知，該點梯度值大于靜脈內(nèi)部與當前點局部范圍內(nèi)靜脈外部的梯度值。因此，可逐個對當前分割結果的邊界點作判斷，若不滿足以上條件，則將當前點去除，以此類推，直到所有邊界點都滿足條件為止。該修正算法流程如圖6所示。

在修正分割圖像邊界過程中，根據(jù)以上分析，確定當前邊界點是否為真實邊界點，關鍵要在梯度圖像中沿著邊界的垂線方向找尋是否存在像素點的梯度大于當前點梯度。若存在比當前點梯度大的像素點，則當前點不是邊界點，反之則是邊界點，目前問題是如何設置當前搜索的結束條件。由于單條靜脈區(qū)域一對邊緣處的梯度都很大，為了防止兩條邊緣互相干擾，將搜索終止位置設置成垂線與靜脈谷形最低處的連線交點處，即圖5中的A點處。同時，考慮在去除偽邊界的過程中，若連續(xù)在一個方向上去除多個偽邊界點，將導致新增的邊界點與靜脈方向出現(xiàn)近似垂直的現(xiàn)象，本文采用的對策是先對所有舊邊界點進行修正，待當前邊界中所有舊邊界點都修正完成后，再進一步考慮新出現(xiàn)的邊界點，以此類推。

3實驗分析

由第一部分對窗口半徑的分析，半徑太小會引入偽靜脈，半徑不夠大時，在對比度低的區(qū)域則無法保證連續(xù)性。通過綜合考慮，使用窗口半徑為60情況下獲取的方向分割圖作為修正對象，這樣既保證了連續(xù)性，又不至于引入偽靜脈，而當前半徑下的靜脈刻畫不精確問題可使用修正算法解決。修正后效果如圖7所示。

如圖7所示，修正后圖像在半徑為60的分割圖像基礎上盡可能多地保留了原圖靜脈區(qū)域，同時對靜脈區(qū)域的邊界進行了有效修正，使修正后的圖像明顯比原分割圖更加細化，對比增強圖像也沒有引入偽靜脈，并且靜脈的連續(xù)性較好，綜合說明該修正算法是有效的。

4結語

本文在基于方向谷形檢測的手指靜脈分割算法基礎上，針對該分割算法在靜脈邊界處分割精度不足的問題，提出基于Canny算法修正的方向谷形手指靜脈分割算法。對靜脈區(qū)域的梯度變化進行深入研究，分析真實邊界點在梯度上應具有的條件，并以此作為依據(jù)判斷當前分割出的邊界點是否為真實邊界點?？紤]到Canny算法具有邊緣定位準確的優(yōu)勢，因此使用Canny算法獲取經(jīng)過非極大值抑制后的梯度圖像，并使用該圖像按照真實邊界點具備的條件對原始方向谷形檢測獲取的分割圖像進行邊界修正，最終獲取修正后的分割圖像。該方法結合了Canny算法邊緣定位準確和方向谷形檢測分割充分考慮靜脈區(qū)域空間結構特征的優(yōu)勢，獲得了靜脈分割充分且邊界刻畫準確的分割圖像。同時對原始分割算法下的窗口大小選取對分割結果的影響進行了詳細研究，為了不丟失靜脈且保證修正后分割結果的靜脈連續(xù)性，采用r=60窗口下的分割結果作為修正對象，實驗結果同時具備了大窗口分割連續(xù)性和小窗口分割充分性的特點，同時克服了小窗口下分割易產(chǎn)生偽靜脈的缺點。

參考文獻：

[1]劉通.面向低質(zhì)量圖像的手指靜脈識別關鍵技術研究[D].長沙：國防科學技術大學，2014.

[2]黃貝寧.復雜實用環(huán)境下手指靜脈身份認證系統(tǒng)中若干難點問題研究[D].北京：北京大學，2012.

[3]謝劍斌，劉通，李沛秦，等.一種基于優(yōu)化區(qū)域OTSU的靜脈圖像分割算法[J].信號處理，2009，25（1）：87-89.

[4]何志勇，孫立寧，陳立國.Otsu準則下分割閾值的快速計算[J].電子學報，2013，41（2）：267-272.

[5]鄭均輝，甘泉.NIBLACK改進算法在手指靜脈識別中的應用研究[J].微型電腦應用，2015，31（5）：36-38.

[6]趙丹丹.手指靜脈圖像的增強和細化算法及其在身份識別中的應用[D].合肥：安徽大學，2015.

[7]孫曉琳.指靜脈圖像模式提取算法研究[D].長春：吉林大學，2012.

[8]鄭憲秋.人體手指靜脈圖像識別算法研究[D].南昌：東華理工大學，2016.

[9]MIURAN，NAGASAKAA，MIYATAKET.Featureextractionoffinger-veinpatternsbasedonrepeatedlinetrackinganditsapplicationtopersonalidentification[J].Systems&ComputersinJapan;，2004，15（4）：194-203.

[10]LIUT，XIEJB，YANW，etal.Analgorithmforfinger-veinsegmentationbasedonmodifiedrepeatedlinetracking[J].ImagingScienceJournal，2013，61（6）：491-502.

[11]BESRAB，MOHAPATRARK.Extractionofsegmentedveinpatternsusingrepeatedlinetrackingalgorithm[C].IEEE，InternationalConferenceonSensing，SignalProcessingandSecurity，2017.

[12]余成波，秦華鋒，睿張.手指靜脈認證系統(tǒng)的靜脈特征提取方法：CN，100514352C[P].2009.

[13]汪成亮，蘭利彬，周尚波.自適應分數(shù)階微分在圖像紋理增強中的應用[J].重慶大學學報：自然科學版，2011，34（2）：32-37.

[14]PUYF，ZHOUJL，YUANX.Fractionaldifferentialmask：afractionaldifferential-basedapproachformultiscaletextureenhancement[J].IEEETransactionsonImageProcessingaPublicationoftheIEEESignalProcessingSociety，2010，19（2）：491.

[15]張桂梅，孫曉旭，陳彬彬，等.結合分數(shù)階微分和Canny算子的邊緣檢測[J].中國圖象圖形學報，2016，21（8）：1028-1038.

[16]LIUK，XIAOK，XIONGH.Animageedgedetectionalgorithmbasedonimprovedcanny[C].InternationalConferenceonMachinery，MaterialsandComputingTechnology.2017.

（責任編輯：黃?。?/p>