血管類圖像分割與識別方法研究.pdf

1、生物特征識別相較于傳統(tǒng)的身份驗(yàn)證具有安全、方便等優(yōu)勢，其研究價值和良好的應(yīng)用價值得到了學(xué)術(shù)界和企業(yè)界的認(rèn)可。血管作為藏匿在人體皮膚下的模態(tài)，具有活體識別、不易被盜用和復(fù)制等特點(diǎn)，是更加安全的一類生物特征。血管類的模態(tài)主要包括以手指靜脈為代表的手部血管和眼部視網(wǎng)膜血管等，本文針對手指靜脈識別和視網(wǎng)膜血管分割、識別中存在的一系列問題進(jìn)行了研究。
　　手指靜脈識別是一種比較新穎的、被業(yè)內(nèi)認(rèn)為是最有前景的身份認(rèn)證技術(shù)之一。相較于其他的生物

2、特征識別方法，手指靜脈識別具有安全性高、方便和用戶友好等優(yōu)勢，得到了越來越多同行的關(guān)注。目前對手指靜脈識別的研究取得了較大的進(jìn)展，但仍有問題需要解決。例如，手指靜脈圖像存在的圖像質(zhì)量和形變問題，會對基于局部特征手指靜脈識別方法的效果產(chǎn)生較大的影響。改進(jìn)現(xiàn)有的特征，以及設(shè)計魯棒的特征提取方法是解決這些問題的重要方向。
　　視網(wǎng)膜眼底圖像主要包括眼底血管和感光細(xì)胞等結(jié)構(gòu)。視網(wǎng)膜眼底血管是人體血液循環(huán)系統(tǒng)唯一可以無創(chuàng)傷觀察的較深層微血管

3、。視網(wǎng)膜眼底圖像可以用于身份驗(yàn)證，此外，視網(wǎng)膜眼底血管的特征對診斷系統(tǒng)疾病和系統(tǒng)性眼病也有重要意義。無論進(jìn)行視網(wǎng)膜識別還是對視網(wǎng)膜血管特征進(jìn)行分析，一般都需要對血管進(jìn)行分割。在視網(wǎng)膜血管分割方面存在大量工作，但在效率和準(zhǔn)確率上很難達(dá)到一個平衡，如何高效、準(zhǔn)確的進(jìn)行血管分割仍是一個挑戰(zhàn)。在利用視網(wǎng)膜進(jìn)行身份驗(yàn)證時，不準(zhǔn)確的血管分割易引入錯誤，如何在避免血管分割的情況下進(jìn)行視網(wǎng)膜識別也是一個重要研究課題。
　　本文針對手指靜脈識別中局

4、部特征的表達(dá)能力差和對形變敏感等問題，以及如何高效、準(zhǔn)確的進(jìn)行視網(wǎng)膜血管分割、如何在避免血管分割的情況下進(jìn)行視網(wǎng)膜識別進(jìn)行了深入的分析和探討，主要工作和貢獻(xiàn)有:
　　1、基于局部特征的識別是手指靜脈識別中一類比較重要的方法。比較常用的局部特征主要有局部二值模式(LBP)、局部導(dǎo)數(shù)模式(LDP)及其變種等?，F(xiàn)存的局部特征主要考慮到了像素鄰域內(nèi)的梯度方向，而忽略了梯度的大小和梯度之間的關(guān)系等，所以特征的表達(dá)能力有限?；诖朔治觯疚脑O(shè)

5、計了一種新的局部特征提取方法，稱為局部方向編碼(LDC)，該方法不僅考慮了局部梯度變化的大小，且進(jìn)一步考慮了多個方向的梯度變化關(guān)系。在包含136個手指的4，080幅圖像上的識別效果表明了所設(shè)計特征的區(qū)分能力。本文方法比目前最優(yōu)的基于局部特征的LLBP方法的等錯誤下降了50％。
　　2、目前的手指靜脈識別技術(shù)在處理形變問題時，往往將其視作是一種影響匹配的噪聲信息，并將工作的重點(diǎn)放在如何對形變信息進(jìn)行恢復(fù)或者怎樣降低形變的影響上，而忽

6、略了形變信息本身的規(guī)律性。經(jīng)分析，在進(jìn)行同源匹配時，雖然兩幅圖像間存在形變，但是由于像素位置關(guān)系的約束，相鄰像素的位移和方向是相似的;而在異源匹配時，相鄰位置的像素由于特征的差異，位移和方向就沒有這種規(guī)律?；诖?，本文提出了基于形變信息的手指靜脈識別方法，利用匹配中形變矩陣的一致性來衡量兩幅圖像的相似度。形變矩陣由基于像素級特征的優(yōu)化匹配算法產(chǎn)生。在公開手指靜脈庫PolyU和SDU-MLA上六折交叉驗(yàn)證的等錯誤率分別為0.0010和0.

7、0049，表明了所設(shè)計特征的區(qū)分能力以及對識別的有效性。
　　3、現(xiàn)有的視網(wǎng)膜分割算法主要分為監(jiān)督方法和非監(jiān)督方法兩類。監(jiān)督方法的分割效果較好，但是需要提取像素級的特征，所以效率較低;而非監(jiān)督方法由于提取的特征較簡單，得到的效果往往不理想。此外，這兩類方法對邊緣像素的區(qū)分性都達(dá)不到理想的效果。本文設(shè)計了一種基于濾波器的非監(jiān)督視網(wǎng)膜血管分割方法，主要思想是增強(qiáng)血管和背景之間的差別，簡化分割過程。首先，設(shè)計兩種不同的濾波器，一種增強(qiáng)圖

8、像的細(xì)節(jié)，另一種對整幅圖像的光照進(jìn)行歸一化，然后對兩種濾波的結(jié)果進(jìn)行加權(quán)得到最終的效果。這樣得到的預(yù)處理圖像只需要一個閾值就可以將血管分割出來。經(jīng)過簡單的微調(diào)和后處理之后，在公開數(shù)據(jù)庫DRIVE和STARE庫上的實(shí)驗(yàn)結(jié)果超過了目前的非監(jiān)督方法，且優(yōu)于大多數(shù)監(jiān)督方法，并有較高的效率。
　　4、SIFT描述子以其強(qiáng)大的區(qū)分能力著稱，且在物體識別和檢測上得到了廣泛應(yīng)用。經(jīng)驗(yàn)證，SIFT描述子在視網(wǎng)膜識別的直接應(yīng)用卻得不到理想的效果，在V

9、ARIA數(shù)據(jù)庫上的等錯誤率為0.0436。本文認(rèn)為找到效果不理想的原因，并提高基于SIFT的視網(wǎng)膜識別的準(zhǔn)確率是一個值得研究的問題。經(jīng)分析發(fā)現(xiàn)，該類圖像往往存在光照不均勻、模糊和局部對比度小等問題，這樣的圖像在進(jìn)行SIFT特征提取時，繼續(xù)進(jìn)行高斯子空間變換，會損失大部分圖像信息，提取的SIFT描述子也會不穩(wěn)定。基于上述分析，本文對視網(wǎng)膜圖像進(jìn)行了去除偏場的增強(qiáng)操作，并進(jìn)一步利用迭代的各向異性擴(kuò)散平滑算法對圖像進(jìn)行去噪。在經(jīng)過預(yù)處理的圖像