基于NIBLACK改进算法的静脉识别特点提取.docVIP

基于NIBLACK改进算法的静脉识别特征提取-电气论文 基于NIBLACK改进算法的静脉识别特征提取 郑均辉，喻恒 （平顶山学院计算机科学与技术学院，河南平顶山467000） 摘要：静脉识别是一种新兴的生物特征识别技术，为了满足静脉识别中的特征提取需求，对手背静脉提取方法进行了研究。首先采用CLAHE算法对手背静脉图像进行增强处理，然后针对传统NIBALCK二值化算法的不足，提出一种局部静态阈值与NIBLACK相结合的改进算法。实验证明，该方法能有效消除传统方法中噪声过多、纹络断裂的现象，克服光强因素对图像提取的影响，保持完整清晰的静脉纹络结构，从而满足后续识别工作的需要。 关键词 ：静脉识别；NIBLACK改进算法；特征提取；噪声消除 中图分类号：TN911.73-34；TP391.14 文献标识码：A 文章编号：1004-373X（2015）12-0074-03 收稿日期：2014-12-21 基金项目：河南省科技攻关基金资助项目（132002210443） 生物特征识别技术作为物联网架构中感知层的重要组成部分，随着物联网概念的提出和快速发展，也得到了更广泛的应用。指纹识别、声音识别、虹膜识别等生物特征技术都已发展的比较成熟，而静脉识别作为一种新兴的生物特征识别技术，逐步凸显出新的优势。本文提出一种基于局部直方图均衡和NIBLACK分割的方法对静脉图像进行提取，实验证明可以得到轮廓清晰的静脉结构图。 1 静脉识别 静脉识别的基本原理是，普通人的手背静脉具有不随年龄变化的惟一性，当近红外光线入射光波长在0.72~1.10 μm 时，可以较好地穿透骨骼和肌肉，凸显手背血管的结构[1]，从而进行有效的特征识别。手背静脉识别系统是通过对静脉的图像采集，然后提取出整个静脉的结构，再由一系列识别算法，达到对人的身份识别。在对图像的采集过程中，由于采用的是红外CCD摄像机，光强对图像影响较大，光照过强会使静脉偏亮而模糊，光照偏弱又会导致静脉和背景混淆，整体偏暗。同时每个人手背静脉的粗细，表面皮肤厚度不同，以及手背本身具有的弧度会使图像光照不均匀，都会对采集的静脉轮廓清晰度产生影响，因此需要对图像进行处理，提取比较清晰完整的手背静脉结构图，为下一步的准确识别创造条件。 2 基于CLAHE 的静脉图像增强 由于静脉隐藏在皮肤表层以下，静脉图像的对比度往往不高，直接提取静脉纹路进行二值化，将会导致丢失部分可用静脉信息或者误将背景作为静脉结构，对后续识别影响很大[2]，因此需要对图像进行增强处理。图像增强的方法，一般分为空间域增强和频域增强，其中空间域增强法中的直方图均衡（HE）一直是简单实用的工具。直方图均衡简单有效，包括全局法和自适应法（AdaptiveHE，自适应直方图均衡化）。在实际的应用中，有些图像对比度比较低，全局法效果不佳。为了解决这一实际问题，Pizer等提出了局部直方图均衡化的方法（Local AdaptiveHE，LAHE）对图像的灰度增强[3-4]。但是该方法只考虑每一个局部窗口内像素，而窗口外的像素往往被忽略，为了进一步解决这种现象，Crom artie等又提出了对比度受限的局部直方图均衡法[5]（Contrast-limited Adaptive Histogram Equalization，CLAHE） 。CLAHE结合了自适应直方图均衡和对比度受限2种方法，从整幅图像的视觉效果出发，既考虑了窗口内像素直方图又考虑了窗口外的像素，使图像增强效果适应性更好，效果也更突出。该方法表达式为： hij (r) = αhW (r) + (1-α)hB (r) （1） 式中：hW (r) 是窗口的归一化直方图；hB (r) 是窗口外的归一化直方图；0 ≤α≤1 。设SW 和SB 分别代表区域W和区域B 的面积，如果α = SW (SW + SB ) ，则hW (r) = h(r) ，表示局部直方图与全局直方图相等；如果α SW (SW + SB ) ，则局部直方图单独进行均衡化，从而强调局部信息。因此可以通过调节α 大小调节局部直方图来模拟周围环境对相关区域的影响。 CLAHE算法具体步骤如下： （1）将图像分块。将目标图像分为不重叠的子区域，每个区域大小相等，都含有L 个像素，根据实际确定L 大小，L 越大增强效果越好，但同时丢失细节也相应增多。 （2）直方图的计算和均衡。根据式（1）计算窗口区域的直方图，hij (r) 表示子区域的直方图，k 代表灰度级。然后对子区域进行均衡化处理，处理后的子图用Cij (k) 表示。