1、 第 II 页 基于Matlab的手背静脉图像特征提取摘 要人体手背静脉识别技术作为一种全新的非接触式生物特征识别技术，与以往传统的指纹以及虹膜识别技术相比表现出了许多明显的优势，近年来得到了广泛的关注。手背静脉识别是通过分析手背上的静脉特征来进行身份识别的。首先对手背静脉图像预处理，得到细化图像，利用分割思想把细化图像分割为多个子图像，然后分别提取平均原点静矩，组合成特征向量，最后再结合最近邻法，用最小欧氏距离的方法来进行匹配，实验结果验证了该方法的有效性和可行性。关键词：静脉识别，原点静距，特征提取，匹配 TheFeatureExtractionof theHandVeinImageBas
2、edonMatlab Author：Cai Hongshan Tutor：Cai ChaofengABSTRACTWith the arrival of information age, information security has become increasingly important. Many occasions need to identify their visitors and biometric identification technology has provided effective solutions to such problems. As a new non
3、-contact Biometric identification technology, hand vein verification technology has many obvious advantages compared with the traditional fingerprint and iris recognition technology and has received attention widely.Human hand vein recognition technology can improve the reliability of identity resol
4、ution in virtue of vein feature on the back of the hand. Based on the research and analysis of the recent biometric identification technology research results, this paper conducts deep research on some of the key technologies of the hand vein recognition technology, especially on feature extraction
5、and feature matching. In the feature extraction stage, this papers algorithm based on thinned vein image takes origin static moment as recognition features. We can get the refining image through the preprocessing of the hand vein image, divide the refining image into multiple sub-images, extract the
6、 average origin static moment into the feature vector, use the smallest Euclidean distance to match it. The experimental result verifies the effectiveness and feasibility of the method.KEY WORDS: VeinVerification ,originstaticmoment ,featureextraction II 第 IV 页 目 录1绪论11.1 生物特征识别技术简介11.2 手背静脉识别技术31.3
7、 手背静脉特征提取与匹配研究现状41.4 论文主要内容与结构62 手背静脉图像的预处理82.1 图像的有效区域提取82.2 图像的归一化92.3 图像的增强102.4 图像的分割112.5 图像的细化122.6 本章小结123 手背静脉图像的特征提取与匹配133.1 基本概念133.2 特征提取算法143.2.1 基于原点静距的思想来源153.2.2 基于原点静距的特征提取153.3 匹配算法16 基于原点静距的识别分类173.3.2 基于原点静距的匹配算法173.4 实验结果与讨论183.5 本章小结214 结论与望展234.1 总结234.2 展望23致谢23参考文献26附 录28 第 3
8、3 页 1 绪论1.1 生物特征识别技术简介随着网络的发展，由于很多领域都要通过的身份识别来保证信息的安全性，这就使身份识别渗透到日常生活的每一个方面，由于交通工具的多样化以及交通设施的不断完善，使人类的活动范围越来越广泛，更加突显了身份识别的难度和重要性。在这种形势下，基于生物特征的身份识别应运而生。从被提出的那一刻开始，生物特征身份识别就受到了前所未有的关注，尤其是在9.11事件以后，世界各国的政府和人民都认识到了生物特征身份识别的重要性，也使生物特征身份识别技术蓬勃发展起来。生物特征身份识别是一种以生物特征为基础，以信息技术为手段，通过模式分类方式确定身份的新技术，也称为生物测定学1。常
9、用的识别身份的特征主要有两类：一种是基于身份标志物所持的标识性物身份认证，如钥匙、身份证、驾驶执照等；另一种是基于身份标示所记忆的私有的身份认证，如用户名和密码等。但两者都存在着各自难以克服的缺陷：标示物丢失或被伪造，标示知识容易遗忘或者记错；更为重要的是，这些传统的身份识别往往无法区分标示物的真正拥有者和取得标示物的冒充者，一旦被他人获得这标示物，冒充者就可以拥有相同的权利。生物特征识别技术所依据的不是传统的标示物或标示知识，而是依靠人体生物特征进行身份认证的一种技术，即通过计算机将人体固有的生理特征或行为特征收集进行处理，来进行个人身份鉴别的技术。生物特征分为基于身体特性和基于行为特征两类
10、。生理特征与生俱来为先天性的、无法复制的；行为特征则是习惯使然，多为后天形成。生物特征识别技术作为一种安全的身份认证技术，已经显现出它广阔的应用前景。生物特征技术是目前最为方便与安全的识别系统，无须记住身份证号或者密码，也不需要带智能卡之类的东西，“钥匙”就是你自己，没有什么能比这更安全和方便。生物特征的身份鉴别技术的研究伴随着这一应用的发展越来越深入，并逐渐系统化。能够用于鉴别身份的生物特征应该具有以下特点2:(1) 广泛性:每个人都应该具有这种特征。(2) 唯一性:每个人拥有的特征应该各不相同。(3) 稳定性:所选择的特征应该不随时间变化而发生变化。(4) 可采集性:所选择的特征应该便于测
11、量。事实上，任何生理上的特征都可以用来进行身份识别，目前，在众多生物特征识别技术中，研究物理特性的主要有DNA、人脸、掌纹、耳纹、指纹、虹膜、手形等;以行为特征为研究对象的主要有声音、笔迹、步态以及气味等。表1-1列出了目前几种主要的生物特征识别技术和他们之间的比较。表1-1 不同生物特征识别性能比较生物特征普遍性唯一性稳定性可采集性识别性能可接受性防伪性人脸高低中高低高低指纹中低高中高中高虹膜高高高中高低低DNA高高高低高低低手形中中中高中中中视网膜高高中低高低高人耳中中高中中高中脸部温谱高高低高中高高指节纹中中高高中高中牙形中中中低低低低皮纹高低低高低高中骨骼中中中低低低中幼儿脚纹中中低低
12、中低低气味高高高中中中低声音中低低中中高中步态中低低高低高中根据国际生物特征识别技术组织市场调研和统计，在众多身份认证技术中，指纹识别技术是技术上相对成熟的生物测定识别技术解决方案。指纹识别己经取得了比较好的成果,并且应用到各种网络信息安全领域。但是，指纹识别发展到现在面临一些不可回避的问题3，因而受到很大限制。人会突然失去可用的指纹，如手指过湿、过干或出现手指暴皮等特征损伤时，实时采集的指纹图像已经改变了原有的特征模式，这样就会大大降低验证通过的成功率，进而识别的效果也会严重影响。而这些特殊情况在日常生活中是经常出现的，这直接影响指纹识别技术在高安全级别场合应用。其次，指纹识别的最大隐忧就是
13、仿伪性差，因为指纹使用的外层特征使得犯罪分子很容易盗取指纹印迹。此外，指纹还存在由于直接接触而产生的卫生问题等。由于上面的种种原因，指纹之外的生物特征识别技术也逐渐的吸引着业内人士进行研究。手背静脉识别是模式识别领域中难度较高的一个新锐研究方向，正吸引着越来越多的研究人员进入该领域，并逐渐成为生物测定识别技术领域中的研究热点之一。它同其他生物测定方法一样，不需随身携带任何证件、记住任何密码，是一种方便、保密而且有效的识别方法。1.2 手背静脉识别技术生物特征识别技术是近段时间以来发展比较快的一种技术4，而人体手背静脉识别技术以其独特的优势越来越得到专家学者的青睐。静脉识别主要是利用静脉血管的结
14、构来进行身份识别。由于静脉纹络包含大量的特征信息，所以可以作为验证的对象。红外光照射在手背上，有静脉的部位吸收红外光反射暗淡，肌肉与骨骼部位反射强烈，从而实现对静脉的造影，故静脉纹络在人体内部很难被伪造。手背静脉识别技术是非接触式，且手背静脉在一定时期内很难改变。基于人体手背静脉的生物测定识别系统在身份认定方面与指纹等其他生物特征相比具有一些独特的优势： (1) 非接触性，静脉位于体表下面，不会对采集面污染；(2) 防伪性强，因为身体内部的血管特征很难伪造或是手术改变的；(3) 易接收性，特征采集比较友好，相对DNA和虹膜容易让人接收；(4) 可以和其它生物识别技术如人脸、指纹等组成多模生物识
15、别系统。由于静脉特征具有这些优点，在许多方面都有很大的应用，这种生物测定识别技术可应用的领域包括5:(1) 部门安全：研究中心，博物馆，政府部门机密文件储藏室，酒店和监狱等。 (2) 会员管理：如俱乐部会员身份确认系统、安全保险箱，运动场等。(3) 预防犯罪：公寓、别墅、建筑场所、工作场所、工厂、居民区的安全监控。(4) 人员考勤：监视和查询公司、工厂、企事业单位人员考勤记录。(5) 出入监控：银行自动柜员机身份确认、机场旅客快速进出门、育婴房的婴儿母亲身份识别、投票表决人员身份确认等。因此，手背静脉识别被认为是模式识别领域中难度较大的新的研究方向，正吸引着计算机、电子工程、模式识别等领域研究
16、人员进入该领域，并且逐渐成为生物特征识别领域的新的研究热点之一，所以对人体手背静脉识别技术的研究具有相当大的实用意义和市场潜力。然则由于静脉识别处于刚刚起步阶段，所以前人研究得较少，本文对手背静脉识别系统所有涉及到的算法进行了系统分析和试验性研究，包括手背静脉图像预处理、特征提取和目标匹配。手背静脉图像识别是通过对两幅静脉图像特征集之间相似性的比较，来判断对应的静脉图像是否来自同一个人的过程。静脉识别主要包括特征提取和特征匹配。特征提取是将图像中最能区别于其它图像的特征提取出来，其有效性和可靠性在很大程度上决定了识别结果是否正确，提取描述性强的特征能够有效提高分类器的识别效率，选取稳定、典型的
17、特征是手背静脉识别系统设计的核心。特征匹配是在提取的特征数据集基础上对待匹配图像进行匹配。对预处理后的图像进行特征提取与匹配，重点是分析和提取出可靠而又高效的特征向量以及特征匹配的算法。1.3 手背静脉特征提取与匹配研究现状在理论方面，日本Keio大学提出了一种“Phase only Correlation”的方法6对手背静脉图像进行特征提取。在特征匹配时，通过计算测试样本与注册样本之间的最小错误率来进行身份确认，在对25人的测试中，FAR为90.01%，FRR为8%。澳大利亚Edith Crown大学的 J. M. Cross 等人将手背静脉图像用传统的图像二值化、静脉血管图像细化、静脉纹线
18、的断点修复等一系列图像处理方法来提取手背静脉特征7。在匹配算法中，用逐点像素比对法进行手背静脉匹配。在对100幅图像(20人，每人采集5幅静脉图)进行测试后，FAR为0%，FRR为7.5%。但细化后的手背静脉图像丢失了很多原始静脉信息。美国的Tennessee大学8的Ahmed M. Badawi首先用5种的中值滤波对手背静脉图像进行预处理，其次用二值化的方法提取手背静脉，最后用逐点像素比对法进行手背静脉匹配。对500幅图像(50人，每人采集10幅静脉图)进行测试后，FAR为0.18%， FRR为2.84%。该研究的实验样本数和实验结果都比以往有很大提高，不过，逐点像素匹配算法存在运算大的问题
19、。新加坡南洋理工大学电子工程系Wang等人，采集整个手掌张开状态时手背静脉图像。在图像处理方面，使用5巧中值滤波器去除手背静脉图像毛刺，之后通过进行图像二值化、血管结构图像细化等一系列图像处理手段，来提取手背静脉特征，然后进行静脉分类9。在对108幅图像(12人，每人采集9幅静脉图)进行测试后，FAR为0%，FRR为0%。该研究的实验样本数比较少，不过实验结果较为理想，且手掌自然张开时可与其他生物特征如手形融合，实现多模态识别，值得推广。目前，国内的研究主要有清华大学精密测试技术及仪器国家重点实验室的文章10，其主要工作是手背血管图像的特征提取以及匹配，利用自行设计的近红外血管图像采集仪获取手
20、背静脉血管的原始图像；对于采集到的图像样本，由于存在光照不均使得图像灰度分布不均的情况，所以要对图像灰度做归一化处理，使其均值和方差在规定范围内；在图像增强与二值化部分，采用分区动态二值化方法实现，再对二值图像滤波去噪、细化、提取细化后的图像特征；匹配算法中，以端点、交叉点为基础进行特征比对；文献给出了65个小范围样本的匹配实验结果，在FRR为4.6%的条下，FAR为0%，FRR偏高。另外是哈尔滨工程大学王科俊等11，提出了一种的手背静脉图像阈值分割方法，分割效果较为理想。华南理工大学吕佩卓等提出-自适应的手背静脉区域定位算法12，为静脉图像预处理中有效区域定位提供珍贵的想。吉林大学基于小波去
21、噪及灰度直方图模板均衡化的手指静脉图像增强算法13中，提出的图像增强算法效果较好。同济大学手背静脉红外图像特征识别算法的究提出了多种静脉识别算法14，包括基于特征点、静脉线走向以及形状、不变矩等。吉林大学人体手背静脉识别算法研究论述了脊波变换在静脉识别中的应用15，改进的有限脊波变换对手背静脉图像进行分解，得到不同分解尺度下的手背静脉的分辨脊波特征；与以往文献中手背静脉特征提取的方法相比，该方法比较完整地保了静脉的原始信息使得信息无损，提高了运行速度并降低了算法的复杂度。在静脉识别成型的产品方面16，研究较多的是手背静脉识别，韩国NEXTERN公司自1998年以来分别研制出了4套手背静脉识别系
22、统的产品PPaBK100、BK200、BK300、BK500，前3套已经陆续投入使用，BK系列产品已经是非常成熟的产品BK300系统利用红外线采集手背静脉血管分布图，采用1:1的识别方式，采集比响应时间为1秒，并脱机独立工作。Fujitsu(富士通)手掌静脉识别17是一种高安全的生物辨识技术，此项创新的技是在极度精密安全的系统下进行识别。本系统对于门禁管理具有高度的安全性，在些需要身份识别的场所、如政府机关、大型企事业单位的资料室、医院等，授权可进入的人员必须通过本装置核对其手掌静脉图形以确认身份之后才能进入。对于用户的日常应用，除家庭的门锁装置外，富士通手掌静脉识别装置Palm Secure
23、属通用型设备，可通过USB、IEEE1394等设备供电，用于笔记本电脑、个人存储设施，以及复印机、一体机等精密办公设备之上，并可通过非接触方式工作，提高了卫生证。目前国内静脉识别技术还处在发展阶段，还没有利用自己技术开发的相关产品，市场上销售的产品大都是从国外引进的技术，所以静脉识别技术的研究具有现实的义。2008年，国内生物识别行业的领先企业深圳市中电视讯有限公司推出了一代生物识别系统Beograd人体手背静脉生物识别产品，该产品相对目前市场上的其他生物识别产品(指纹、虹膜、脸型)有着独特的优点，可广泛应用于军事、监狱、门禁、仓库、考生管理及高档公寓等。1.4 论文主要内容与结构生物特征识别
24、技术是近段时间以来发展比较快的一种技术，而人体手背静脉识别技术以其独特的优势越来越得到专家学者的青睐，然则由于静脉识别处于刚刚起步阶段，所以前人研究得较少，本文对静脉识别的各部分算法进行了学习和研究，论文各章安排如下：第一章：本章首先介绍了生物特征识别的发展概况，提出了本课题的研究内容基于手背静脉图像的特征提取与匹配。分析了手背静脉识别技术的特点，最后介绍了关于手背静脉图像特征提取及匹配的国内外研究现状。第二章：主要介绍了静脉图像预处理过程，包括从图像采集到有效区域的提取，以及以后的图像归一化、增强、分割和细化。本章在图像预处理的各个阶段，研究并学习了针对图像增强，分割以及细化的各种常用算法。
25、第三章：特征提取和匹配方面，这是本文的核心部分。本章首先介绍了特征提取的一些概念，提出了一种新的特征提取方法基于细化后的静脉纹络提取原点静矩作为识别特征的方法，并做了大量的实验来验证这种方法的有效性和可行性。第四章：对全文进行总结，对人体手背静脉识别的研究工作了展望以及有待进一步研究的方向。因此，本课题研究的主要内容是静脉图像的有效区域获取、静脉图像的归一化、图像的增强、图像的分割、图像的细化、静脉特征提取及匹配。手背静脉识别统的总体框架如图1.1所示。图1.1手背静脉识别系统的总体框架图2 手背静脉图像的预处理要达到对手背静脉图像进行身份识别，必须对图像进行有效特征提取与匹配。纵观国内外的特
26、征提取方法，提取特征的方式逐渐由原始的整个图像特征过度为基于细化后的静脉纹络的几何特征提取(端点，交叉点等)，当然每一个特征都有其在各自匹配过程中的优劣，然而基于细化后的图像提取特征更加容易，匹配准确率更高。所以我们先对手背静脉图像预处理，然后在预处理后的细化图像上提取图像的有效特征并匹配，达到身份验证的目的。手背静脉图像预处理过程如下：图2.1 预处理过程2.1 图像的有效区域提取图像处理的第一步是要获取图像，故图像采集在整个图像处理过程中起着至关重要的作用。本文中实验的手背静脉数据库是由Mohamed博士所提供的，数据库中共有250个样本，在这所有的样本中，采集了50个人的每个人不同阶段的
27、5幅图像，这50个人是来自不同年龄阶段的，所以基本上具有了普遍的意义。图像的大小为320240像素，256级灰度图像，格式为BMP格式的图像，如图2.2所示。图2.2 采集的原图当前手背静脉图像获取都采用握拳并手背对准镜头的姿势，由于手背相对于镜头的方向和位置是变动的，且不同人的手大小不一样，手的局部形态特征也不一样，因此不同时刻采集的图像总有一定程度位置和大小的偏差。图像中除了含有手背图像外，还含有很多背景，为了减少无关数据对特征提取和识别的影响，需要采用适合的方法对手背静脉图像进行有效区域定位。手背静脉有效区域定位是指从采集的手背图像中定位出对特征提取有意义的区域，定位的精确很大程度上将直
28、接影响识别结果。对实时性要求较高的静脉识别技术，有效区域的定位分割计算速度要快，本文采用基于质心的有效区域提取算法18，这就是有效区域如图2.3所示。图2.3 图像的有效区域2.2 图像的归一化由于静脉图像的采集时间、光强、各人的手掌厚薄、手掌的倾斜度不同, 在采集的图像上存在着灰度不均的问题。为了将所有采集到的静脉图像的灰度统一到同一灰度范围内, 方便以后的图像处理和匹配, 要对采集的图像进行灰度归一化处理19。对采集的图像进行灰度归一化处理，即使每一幅图像的均值和方差都相等。从物理意义上说，就是让每一幅图像的直流能量和交流能量都相等。本文实验所采取的均值是162，方差是24。归一化处理后的
29、图像如图2.4所示。图2.4 归一化后的图像2.3 图像的增强在手背静脉图像采集过程中，由于静脉采集装置受采集光强以及个人手背薄厚影响，它所采集的图像在灰度上可能就存在差异。通常情况下，所采集到的静脉图像中，静脉血管纹理和手背的灰度差别很小。目前，大多数单一阈值和多阈值分割法都是直接在采集图像上进行分割处理，这样会导致部分可用信息丢失甚至将部分背景信息误判。而图像增强处理是获取有效信息的保证，因此，为便于静脉纹理的分割，对采集的图像进行预处理来增强静脉纹理是非常必要的。常用的图像增强方法有高频加强滤波法和局部直方图均衡法20。从仿真的实验结果可以得到，执行局部直方图均衡后的图像静脉纹理与背景的
30、对比度明显增大，纹理轮廓显示清晰，纹理与背景分界明显，为下一步纹理分割奠定了基础。所以我们采用局部直方图均衡化做图像增强，增强后的图像如图2.5所示。图2.5 增强后的图像2.4 图像的分割 静脉图像分割的目的是使静脉纹络和背景分割开来，针对本课题也就是所谓的二值化处理，即将静脉纹络图像转化为仅有黑白两种色的图像，以方便后期的特征点的提取。然而，二值化面临的最大的难点就是如何确定阈值的大小，这个直接关系到二值化的效果。灰度图像二值化的过程就是选定一个阈值T，当图像中的像素值大于这个值时就设定为255，当小于此值时就设定为0。从这个定义中我们可以看出，如果阈值太大，有些背景也变成目标，如果太小，
31、把目标反而变成背景，所以阈值T是区分对象和背景的关键所在。常用的阈值化分割方法有局部均值阈值法、局部最大类间方差法、基于局部极值的二值化算法、阈值图像法、NiBlack算法21。从实验结果来看，NiBlack算法得到的图像比较不错，而且运算速度快，比较适合实时系统,基本上得到了原有纹络的结果。综合分析，本文采用的是NiBlack算法来进行二值化，二值化后的图像如图2.6所示。图2.6 分割后的图像2.5 图像的细化静脉图像细化的目的是为了得到单像素描述的静脉血管，既保持了原有的纹络特征，又提取了静脉血管的骨架，也使得他的形状和走势给清楚的显示了出来。有利于我们研究静脉纹络结构。目前来说，好多文
32、献的研究表明，从细化后的纹络结构上提取特征还是主要的研究方向，用这些细化后提取的特征值来进行匹配，达到身份认证的目的。因此，细化算法也是静脉图像识别中的重要步骤，他的处理结果真接影响着认证的识别率。细化算法的基本原理就是将二值化后所得到的纹络变成单像素的骨架图像，细化后要保持原有图像的纹络拓扑结构以及原有图像的连续性，从而保持静脉纹络的原有特征。如图2.7所示细化后的图像。图2.7 细化后的图像2.6 本章小结本章按照静脉图像前期预处理的过程，详细的研究了各个过程的算法。首先对采集的图像进行有效区域提取和归一化，并针对采集到的图像质量问题提出了局部直方图均衡的方法来增强图像。为了使静脉纹络和背
33、景区分开来，又对静脉图像进行了图像二值化。最后进行了图像细化，得到了单像素描述的静脉血管，为后面的静脉图像特征提取和匹配奠定了基础。3 手背静脉图像的特征提取与匹配静脉特征提取和匹配阶段是基于手背静脉的识别技术的核心阶段，前面所做的工作都是为特征提取和匹配而做的铺垫，基于手背静脉的身份认证技术是通过比较两幅静脉纹络图像的相似度来识别身份，如果两幅图像的相似度很高，这说明是来自同一个人，否则，则不能通过身份认证。显而易见，静脉识别包括两个重要过程：特征提取和特征匹配。3.1 基本概念图像或波形所能展现给我们的数据量是很大的。例如，一幅心电图波形可能有成千上万个数据，一幅文字图像也有几千个数据，一
34、幅卫星遥感图像的数据量就更大我如何才能有效地区别出它们的类别呢，因此我们就要对原始数据进行一些变换，得到最能区分它们类别的本质特征这就是特征提取和选择过程。特征形成：我们可以计算（例如波形或数字图像）或者使用仪表或传感器测量（例如实物或是某种过程）一组基本特征，这样得到的特征我们称为原始特征，当然我们可以得到很多这样的特征，或者得到的这个特征的数据量也是很大的，例如一幅数字图像。特征提取：我们得到的原始特征有可能是很大的数据量，或者说样本处于一个高维空间，我们可以通过某种数学变换来用低维空间表示，这个过程称之为特征提取。这种特征我们称之为二次特征，它们是原始特征的某种线性组合或者有某种对应关系
35、。特征提取的目的是提取能够容易区分样本的特征，例如指纹识别中的端点，交叉点以及数目等特征。所以特征提取是模式识别过程中非常重要的步骤。它直接影响着识别的结果。特征选择：特征选择是模式识别和图像处理中首先解决的问题，从一组特征中提取最有区别样本能力的特征以达到降低特征的维数的目的，这个过程称为特征选择。特征选择的方法一种是根据专家的经验，另一种是用数学的方法来选择，当然，特征提取和特征选择有时并不是完全不相关的，有时是融合在一起的。特征提取是将图像中最能区别于其它图像的特征提取出来，其有效性和可靠性在很大程度上决定了识别结果是否正确，提取描述性强的特征能够有效提高分类器的识别效率，选取稳定、典型
36、的特征是手背静脉识别系统设计的核心。特征匹配是在提取的特征数据集基础上对待匹配图像进行匹配22。本章将在上一章的基础上，对预处理后的图像进行特征提取与匹配，重点是分析和提取出可靠而又高效的特征向量以及特征匹配的算法。本文采用的基于原点静距的特征提取与匹配，就是利用分割思想把预处理后的图像分割为3232子图像，分别提取平均原点静矩，最后组合成特征向量，最后引用最近邻法分类器，通过比较欧氏距离来进行匹配，既节省的了识别的时间，有效提高了最终的识别率。我们使用Matlab软件来编程实现其特征提取与匹配，其程序流程图如图3.1所示。图3.1 程序流程图3.2 特征提取算法纵观国内外的特征提取方法，提取
37、特征的方式逐渐由原始的整个图像特征过度为基于细化后的静脉纹络的几何特征提取(端点，交叉点等)，当然每一个特征都有其在各自匹配过程中的优劣，本文在研究和学习了国内外的特征提取方法后，在细化图像的基础上，提出用纹络的原点静矩作为静脉特征23。 基于原点静距的思想来源在研究学习了国内处文献中基于细化图像的提取方法时发现，所有的几何特征如端点、交叉点，线段特征等这些特征点，都只是所有的静脉纹络中提取了若干点，而没有利用全部的静脉纹络，本文设想，能否从静脉纹络的全局出发来提取特征，而这些特征囊括了所有的静脉纹络中的点，从而增加所提取特征的代表性。基于这种思想我们提出了提取原点静矩作为静脉特征。而原点静矩
38、的提出也是根据力学的知识而来的。设在平面上有n个质点，这们分别位于点处，质量分别为,由力学的知道我们知道，该质点系分别对y轴和x轴的静矩和为：, (3-1)由此，我们定义质点系到原点的静矩为原点静矩为： (3-2)其中 (3-3)根据以上公式，我们可以定义质点系的平均原点静矩为 (3-4)在本文实际应用中，因为线段由若干质点组成，我们设这些质点都相等且质量为1，则上式的物理意义则表示各质点到原点的平均距离，则平均原点静矩就是各质点到原点的平均距离。我们就是提取这个距离作为特征点进行匹配。 基于原点静距的特征提取本文在图像预处理阶段是首先提取采集图像的有效区域后而进行的，这个有效区域的大小是12
39、8128像素大小，如果我们把整幅细化后的二值化图像进行提取平均原点静矩的话，只能得到一个特征点，这个根据我们的经验就可以知道这有一个特征点要在众多类别中进行分类这是不现实的，因此，我们借用文献在人脸识别中所采用的思想，即对人脸进行分割，分割成同大小的子脸，然后分别对人脸进行特征提取，然后计算待测样本和模式样本之间的距离来进行匹配。根据这种思想，我们也把所得到的有效区域的二值图像进行分割，然后在每一个小区域内分别计算它的平均原点静矩，其具体的步骤为：1）首先，把二值图像分为大小的子图像，如图3.2（a）所示，的大小取值我们将在下面进行计论。2）我们定义每个子图像的左上角为坐标原点，建立二维坐标系
40、如图3.2（b）所示。3）计算这个子图像的平均原点静矩，得到一个距离值，我们把它作为特征向量的一个维，与其它子图像的距离值组成一个多维向量。4）移动坐标原点到下一个子图像，同样是以子图像的左上角的点为坐标原点如图3.2（c）所示，重复上面第3）步，然后得到特征向量的第二维。5）重复第4）步，直到计算完所有的子图像，最后得到一个维的特征向量。 (a) (b) (c)图3.2 算法原理示意图以上步骤就是整个算法的操作方法，最终得到模式样本的特征向量，此方法不用存入内存大量的图像信息，只要存储这个特征向量即可。3.3 匹配算法在研究了国内外已有文献中提及算法的基础上，首先对目前比较流行的基于特征点的
41、算法进行了一些优化。近年来流行的基于特征点的匹配方法只是利用了局部的特征信息，所以信息量比较少，这对于图像的少量平移或者一些噪声的抗干扰能力比较低，所以我们提出了利用所有的静脉纹络来进行特征提取，则这些特征囊括了所有的静脉纹络中的点，从而增加所提取特征的代表性。 基于原点静距的识别分类人体手背静脉识别系统的主要目的是给出输入系统的待识别图像的类别归属，而分类器是这个系统的最后一个阶段，也是影响模式识别的另一重要问题，我们把测试样本中提取的分类特征输入到分类器的分类规则中，通过分类器输出最后的识别结果。分类器实际上是一种判决规则，使按这种规则对被识别对象进行分类所造成的错误识别率最小或引起的损失
42、最小。常用到的分类器有标准距离法，平均距离法，最近邻法，神经网络法等，而这些方法当中最近邻法是比较简单且分类效果不错的一种分类器，也是我们本文中所用到的分类器，所以对最近邻法做一简单的介绍24。假设有c个模式类别，每类有个样本被标明类别。我们可以规定类的判别函数为 (3-5)其中，的脚标i表示类，表示类个样本中的第。按照上式，决策规则可以写为若 (3-6)则决策 这一决策方法称为最近邻法。其直观解释是相当的简单的，就是说对未知样本,我们只要比较与个已知类别样本之间的欧氏距离，并决策与离它最近的样本同类。通俗来讲就是，计算所测试样本特征与所有模式样本特征的欧式距离，求出与测试样本距离最小的那一个
43、模式样本，并把测试样本决策为和模式样本是同类的。 基于原点静距的匹配算法结合以前文献中的静脉匹配算法，以几何特征点为基础对基于细化图像特征点匹配算法进行了一些优化和改进。细化后的图像是用单像素来表示静脉纹络的，它既清楚的呈现出血管的形状和走势，又保留了原有的特征。从细化后的图像中可以提取很多特征值作为识别特征进行比对，如文献中曾提到可对血管纹线的曲率，长短，相对位置等进行匹配，而它实现了以端点和交点坐标的穷举法匹配。而另一种识别算法则提取端点、交点个数以及端点间、交点间的距离，用这些距离作为特征来匹配识别的。但是这种基于特征点的匹配方法只是利用了局部的特征信息，所以信息量比较少，这对于图像的少
44、量平移或者一些噪声的抗干扰能力比较低，所以我们提出了利用所有的静脉纹络来进行特征提取。我们采用基于平均原点静矩特征向量进行匹配，具体的方法是在上一章图像预处理的基础上进行特征提取，特征提取过程按照前面讲述的步骤来进行，最后得到原点静矩的特征向量。本文中实验的手背静脉数据库是Mohamed博士所提供的，数据库中共有250个样本，预处理细化后的图像128128像素大小，我们把每个人的每一幅图像作为模式样本，其余四幅图像作为测试样本，计算出测试样本的平均原点静距，然后在计算模式样本和每一个测试样本的平均原点静矩特征向量之间的欧几里德距离，然后结合最近邻分类规则来进行识别，最后得到模式样本与测试样本之
45、间的识别准确率。3.4 实验结果与讨论 为了验证上面所设计的算法的有效性，以及评价所提算法的识别精度，我们通过实验所得到的正确识别率来评价算法的性能。实验全部是在用本文相同的图像预处理的结果上进行的。实验是利用静脉库中的250个样本，即50个人的每人5幅不同阶段的静脉图像，图像大小为128128像素，256级灰度图像，格式为BMP格式的图像。实验中把每一个人的第一幅图像作为模式样本也叫注册样本，其它四幅图像作为为测试样本也叫待识别样本，算出准确识别率以后在把第二幅图像作为模式样本，其余四幅图像作为测试样本，依次循环。其目的是最终来验证我们所提取的原点静矩的特征提取方法，以及基于匹配来进行识别的结果，是否能达到令我们比较满意的效果。本文所做的几次试验，分别介绍如下：实验一：在做手背静脉图像特征提取的实验中，我们首先对图像进行预处理，在细化后的图像在进行特征提取。那么在图像特征提取的过程中，我们怎样对图像预处理才能使特征提取与匹配的准确率最高呢。我们不妨做实验验证一下，看看哪种方案的准确率最高。首先，我们假定三种方案：第一种：
