生物識(shí)別技術(shù)是通過計(jì)算機(jī)與光學(xué)、聲學(xué)、生物傳感器和生物統(tǒng)計(jì)學(xué)原理等密切結(jié)合，利用人體固有的生理特性(指紋、人臉、虹膜等)和行為特征(筆跡、聲音、步態(tài)等)進(jìn)行個(gè)人身份的鑒定[1]。人體手指靜脈識(shí)別技術(shù)是根據(jù)人體骨骼和肌肉組織對(duì)紅外光吸收強(qiáng)弱的特點(diǎn)，選擇當(dāng)近紅外光的入射光波長在720 nm~1 100 nm時(shí),照射手指可較好地突顯出靜脈血管，并由一臺(tái)CCD像機(jī)拍攝手指靜脈圖像來進(jìn)行個(gè)人身份認(rèn)證。手指靜脈識(shí)別系統(tǒng)以采集人手內(nèi)部的靜脈血管作為數(shù)據(jù)，具有非接觸式、設(shè)備成本低廉等優(yōu)點(diǎn),并且人的手指擁有比手背更為豐富的靜脈對(duì)象，可以同時(shí)采集多個(gè)手指信息進(jìn)行識(shí)別,以提高識(shí)別率。所以將手指靜脈識(shí)別作為一種身份認(rèn)證方式，應(yīng)用于信息安全等領(lǐng)域具有非常重要的現(xiàn)實(shí)意義。

    在采集手指靜脈圖像的過程中，光照強(qiáng)度和手指厚度的不均勻性，導(dǎo)致采集到的圖像光強(qiáng)度不均勻、對(duì)比度較差，造成手指靜脈血管和背景的界限不明顯,對(duì)靜脈分割和特征識(shí)別等處理有很大的影響。針對(duì)手指靜脈圖像對(duì)比度低、光照不均的問題，采用直方圖均衡化[2-4]方法以及基于頻域的同態(tài)濾波[5]算法都能很好地對(duì)光照不均的問題進(jìn)行處理。但圖像分割一直以來都是圖像處理的難點(diǎn)，沒有通用的算法可以滿足圖像的多樣性變化。目前，已有研究針對(duì)采集質(zhì)量良好的手指靜脈圖像提出一些分割算法，但針對(duì)低對(duì)比度的靜脈圖像如何分割的問題，目前還沒有理想的解決辦法。
    本文基于對(duì)手指靜脈圖像特征的分析，采用自適應(yīng)閾值的同態(tài)濾波算法消除光照不均勻的問題，然后在WELLNER P D提出的快速自適應(yīng)閾值分割[6]的基礎(chǔ)上，提出新的變權(quán)重判別函數(shù)，改進(jìn)處理效果。實(shí)驗(yàn)選取真實(shí)手指靜脈圖像為處理對(duì)象，通過定性和定量分析來比較不同的算法。
1 自適應(yīng)同態(tài)濾波算法
    受光照不均的影響，手指靜脈圖像中間部分亮度偏大、兩邊亮度偏暗，造成靜脈的部分信息丟失。
    自適應(yīng)同態(tài)濾波算法是針對(duì)同態(tài)濾波自身算法的局限性提出的一種智能對(duì)比度增強(qiáng)的算法，其在增強(qiáng)圖像對(duì)比度的同時(shí)，可消除光照不均，保留圖像的細(xì)節(jié),處理結(jié)果如圖1所示。

2 手指靜脈分割
    常用的閾值方法有大津法(Otsu)[7]、局部動(dòng)態(tài)閾值算法(NiBlack)[8]及二維最大熵[9]閾值算法。
    Otsu算法基本思想：選取最佳閾值t,使得不同類間的分離性最好。首先基于直方圖得到各分割特性值的概率，并以閾值變量t將分割特征值分為兩類，然后求出每一類的類內(nèi)方差及類間方差，選取使類間方差最大、類內(nèi)方差最小的t作為最佳閾值。
   
2.1 快速自適應(yīng)閾值分割
    從機(jī)器視覺的角度出發(fā)，人眼在區(qū)別目標(biāo)物和背景時(shí)，是依據(jù)所觀察到的目標(biāo)物及其周圍背景的灰度值差異[10]來區(qū)別的。因此用機(jī)器語言模擬人眼的觀察角度是最直接、最簡單的方法，也是目前大多數(shù)機(jī)器視覺軟件采取的方法?？焖僮赃m應(yīng)閾值分割算法的基本思想是通過對(duì)每個(gè)像素周圍或者掃描順序上其他點(diǎn)的平均值來確定閾值后，再對(duì)像素的像素值進(jìn)行修改(0代表黑色表示圖像的靜脈，255代表白色表示圖像的背景)。從人眼的視覺角度出發(fā)，可以發(fā)現(xiàn)灰度值越是靠近人們所感興趣的目標(biāo)物重要性越高，而偏離分割物的灰度值則相反。因此，可以采取變權(quán)重的方法，使用遞歸調(diào)用來加快處理的效率。
    變權(quán)重方法使得像素點(diǎn)離目標(biāo)物的距離和其重視程度成反比。距離越近，則受權(quán)重的影響越大；距離越遠(yuǎn)，則受權(quán)重的影響成線性減小。變權(quán)重函數(shù)的推導(dǎo)公式如下：
    
　    圖8為細(xì)化后圖像的局部圖，可明顯看出分叉點(diǎn)處有像素的冗余。目前常用的算法是用多個(gè)模版進(jìn)行迭代[12]消除冗余點(diǎn)，但是這個(gè)算法比較耗費(fèi)時(shí)間。本文則采用鏈表，直接對(duì)每一個(gè)像素的四鄰域進(jìn)行處理。算法描述如下：

    本文對(duì)手指靜脈圖像分割算法進(jìn)行了優(yōu)化。該算法的核心是先通過自適應(yīng)同態(tài)濾波算法,把光照不均勻的圖像進(jìn)行增晰，采用快速自適應(yīng)閾值算法提取靜脈信息。實(shí)驗(yàn)結(jié)果表明，選擇本文改進(jìn)后的同態(tài)濾波算法，可以得到較好的圖像增強(qiáng)效果。通過自適應(yīng)閾值分割算法，可以很好地提取靜脈信息，最大限度地消除偽靜脈的影響。通過與其他圖像分割的方法進(jìn)行定性、定量比較證明，本文的圖像分割方法更為實(shí)用。
參考文獻(xiàn)
[1] 余成波, 秦華鋒. 生物特征識(shí)別技術(shù).手指靜脈識(shí)別技術(shù)[M]. 北京:清華大學(xué)出版社, 2009.
[2] 毛本清, 金小梅. 自適應(yīng)直方圖均衡化算法在圖像增強(qiáng)處理的應(yīng)用[J]. 河北北方學(xué)院學(xué)報(bào), 2010,26(5):64-68.
[3] REZA A M. Realization of the contrast limited adaptive  histogram equalization(CLAHE) for real-time image enhan cement[J]. Journal of VLSI Signal Processing, 2004,38(1):35-44.
[4] 溫學(xué)兵, 趙江魏, 梁學(xué)章. 基于小波去噪和直方圖模板均衡化的手指靜脈圖像增強(qiáng)[J]. 吉林大學(xué)學(xué)報(bào), 2008,46(2):291-292.
[5] 陳春寧, 王延杰. 在頻域中利用同態(tài)濾波增強(qiáng)圖像對(duì)比度[J]. 微計(jì)算機(jī)信息, 2007,23(2):264-266.
[6] BRADLEY D. Adaptive thresholding using the integral image[C]. Tech. Rep. EPC-07-110, Euro PARC, 2007.
[7] 陳琪, 熊博蒞. 改進(jìn)的二維Otsu 圖像分割方法及其快速實(shí)現(xiàn)[C]. 電子與信息學(xué)報(bào), 2010，32(5):1100-1104.
[8] Yu Chengbo, Qing Huafeng, Zhang Lian. A research onextracting low quality human finger vein pattern character-istics[J]. The 2nd Internaitional Conference on Bioinformatics and Biomedical Engineering, IEEE, 2008.
[9] 任少卿, 王明泉, 盧麗燕. 基于二維最大熵閾值分割的體繪制技術(shù)研究[J]. 電子器件, 2008,31(3): 923-930.
[10] 康文雄, 鄧飛其. 基于最大鄰域內(nèi)差的靜脈圖像增強(qiáng)和圖像分割[J]. 光學(xué)學(xué)報(bào), 2009,29(7):1830-1837.
[11] 單建華. 種子像素濾波法去除隨機(jī)脈沖噪聲[J]. 中國圖像圖形學(xué)報(bào), 2012,17(1):49-53.
[12] 張晉陽,孫懋珩.手背靜脈圖像骨架特征提取的算法[J].計(jì)算機(jī)應(yīng)用, 2007,1(1):152-154.