一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法
【技术领域】
[0001] 本发明涉及生物特征识别领域，具体为一种使用单个镜头同时采集手掌静脉图像 和掌纹图像的装置，本发明还涉及一种低对比度掌静脉和掌纹图像的增强和分割方法。
[0002] 背景 当前，比较成熟和最具有应用前景的几种生物特征识别技术包括指纹识别、虹膜识别、 脸像识别、语音识别、掌型识别、签名识别等。但是上述生物特征识别技术都有一些共同的 缺陷：第一，受环境影响较大；第二，理论上可以被复制和盗用。
[0003] 手部静脉识别技术是最近几年提出的一种新的生物特征识别技术，具有唯一性、 稳定性、不可伪造性、非接触式等优点。手部静脉识别技术包括手掌静脉，手指静脉和手背 静脉识别三种形式。其中手掌静脉识别技术的优点包括两点：第一，掌静脉相对于指静脉而 言，其血管较粗且位于表皮下，因此容易捕获到掌静脉图像；第二，掌静脉相对于手背静脉 结构而言，其几何结构较复杂，能够提高识别的准确性。但是，掌静脉结构仅仅是由几条较 粗的静脉血管构成，无法满足高安全领域的应用要求。人的掌纹结构可以作为一种生物特 征用于身份识别，如果融合掌静脉和掌纹的特征，无疑能够提高识别的准确性。
[0004] 发明公开号为CN101833647B的专利："掌纹图像的获取设备及掌纹图像处理方 法"，公开了一种采集掌纹图像的装置及识别方法，但是掌纹结构比较简单，仅仅依靠掌纹 结构进行身份识别存在一定的安全隐患。
[0005] 发明公开号为CN101196987B的专利："在线掌纹、手掌静脉图像身份识别方法及 其专用采集仪"。公开了一种能够采集掌纹和掌静脉的装置，但是其采集过程为交替打开可 见光LED和近红外LED，从而分别获取掌纹和掌静脉图像。由于拍摄的交替性，该方法无法 同时捕获到区域完全一致的掌纹和掌静脉图像；由于光源切换时摄像机成像的过程需要一 定的时间，导致了识别总时间增加；另外，近红外手掌静脉图像对比度较低，该方法并未研 究有效的图像增强方法。
【发明内容】
[0006] 为了克服现有技术中存在的问题，本发明的目的是提供一种能够同时采集手掌静 脉和掌纹图像的装置，并采用上述装置获得手掌静脉和掌纹图像进行增强和分割方法。
[0007] 为了实现上述目的，本发明采用以下技术方案：一种单镜头下同时采集手掌静脉 和掌纹图像的装置，所述装置包括： 壳体，四面封闭，前部开孔用于安装镜头； 镜头，穿过壳体，能够同时透过可见光线以及近红外光线，用于对手掌图像进行采集； 光源组，环绕镜头，光线射向镜头正前方，用于对手掌进行照明和补光； 环状均光材料，设置在光源组正前方，大小能够完全遮挡住光源组，用于形成均匀光 线； CCD传感器组，设置在壳体内，用于采集透过镜头的图像； 镜片组，设置在壳体内，用于将透过镜头的图像传送给CCD传感器组； 控制存储用PC，连接CCD传感器组，用于将接收到的手掌静脉和掌纹图像进行增强和 分割处理，并进行储存。
[0008] 所述光源组包括近红外LED光源组和可见白光LED光源组，所述近红外LED光源 组为8个850nm近红外LED灯，可见白光LED光源组为8个可见白光LED灯。
[0009] 所述(XD传感器组包括可见光C⑶传感器和近红外C⑶传感器；所述可见光(XD 传感器设置在镜头的正后方，且二者的中心轴在一条直线上，用于采集可见白光LED光源 组发射的光线经手掌反射后，透过镜头的可见光掌纹图像；所述近红外CCD传感器，设置在 壳体内的上部，其正面朝向和水平面夹角为225度，用于采集近红外LED光源组发射的光线 经手掌反射后，透过镜头的近红外手掌静脉图像。
[0010] 所述镜片组包括两个半透半反镜片，第一半透半反镜片设置在镜头和可见光CCD 传感器中间，第一半透半反镜片和水平面的夹角为67. 5度，用于传递透过镜头的可见光 线，同时反射透过镜头的近红外光线至第二半透半反镜片，第二半透半反镜片反射近红外 光线至近红外C⑶传感器。
[0011] 所述装置还包括手掌放置支架和中指固定卡槽，所述手掌放置支架为设置在壳体 前部、镜头外部，用于限定手掌和镜头之间的距离，中指固定卡槽设置在手掌放置支架上， 用于保持采集手掌静脉和掌纹图像的一致性。
[0012] -种同时采集手掌静脉和掌纹图像的方法，包括以下步骤： (1) 将手掌放置在镜头前15cm，通过可见光CCD传感器和近红外CCD传感器获得手掌 静脉和掌纹图像； (2) 对采集到的手掌静脉和掌纹图像进行分割； (3) 基于Retinex迭代滤波对手掌静脉和掌纹图像进行增强； (4) 对增强后的手掌静脉和掌纹图像进行二值化分割； (5) 对二值化后的图像中的手掌静脉和掌纹结构进行真实性判断，去除噪声和虚假结 构。
[0013] 所述步骤2采用删除所采集图像四周各50个像素。
[0014] 所述步骤3包括以下步骤： (1) 用3*3的均值滤波器对分割后的手掌静脉和掌纹图像进行平滑滤波去噪处理，采 用下才.
其中ic(x，y)是感兴趣区域分割后的手掌静脉和掌纹图像，i(x，y)是平滑滤波去噪后 的图像； (2) 采用改进的Retinex算法对手掌静脉和掌纹图像进行增强： A、 采用下式计算图像每个像素点邻域像素的变化程度d(x，y): d(X，y)= 11 (X，y+1)-I(X，y-1) |+11 (x+1，y)-I(x-1，y) 其中I(x，y)是摄像机拍摄的图像，d(x，y)是每个像素点的左右像素差值以及上下像 素插值的绝对值的和； B、 采用下式计算动态滤波窗函数： w(x,y) = (1+0. 5d2(x,y)) 1 C、 使用动态滤波窗函数w(x,y)对图像I(x,y)的每个元素进行迭代滤波20次，计算环 境光分量L(x,y):
Lt+1 (X，y) =max(L' t+1 (x,y),Lt (x,y)) 其中：Ln(x,y) =
I(x,y) 兵甲Ux，y)是原阳揃入图傢，Ux，y)是求得的环境光分量。上述过程为迭代过程，初 始L。(X，y) =I(X，y)，N(X，y)是滤波窗w(X，y)的3*3邻域的累加和； D、 采用Retinex算法，计算增强后的图像R(x，y)，并归一化到[0，1]; R(x，y) =logl(x,y)-logL(x,y) R〇 (X，y) =(R(X，y)-min(R)) /(max(R)-min(R)) Rc(x，y)为均衡和增强后的手掌静脉和掌纹图像； (3)对手掌静脉和掌纹图像进行对比度拉伸处理： A、R0(x，y)=0 如果R0(x，y)〈0.6 R〇(x，y)=2*R0(x，y)-l如果R0(x，y)彡 0.6 B、 使用灰度余弦变换对图像进行灰度拉伸处理，得到& (X，y)，计算公式如下： Ri(χ,y) =l-cos(0. 5* 31 *R〇 (x,y)) C、 使用3*3的高斯平滑滤波器对Rjx，y)进行滤波去噪处理。
[0015] 所述步骤4中使用全局二值化的方法对手掌纹和手掌静脉图像进行分割，手掌纹 的最优分割阈值为〇. 45,手掌静脉图片的最优分割阈值为0. 55。
[0016] 所述步骤5包括以下步骤： (1) 利用形态学操作对分割后的图片进行处理，首先进行形态学膨胀消除小孔洞，同时 连接小的间隙，再利用形态学腐蚀恢复原始掌静脉和掌纹的宽度； (2) 去除二值化图像中小的黑斑点噪声； (3) 去除虚假掌静脉和掌纹结构。
[0017] 本发明的有益效果是：（1)本发明使用一个镜头同时采集掌静脉和掌纹图片，保 障了掌静脉图片和掌纹图片的区域一致性；（2)使用半透半反镜片，对同一个镜头下不同 波长的光线进行分离，再利用近红外CCD传感器和可见光CCD传感器分别采集到掌静脉和 掌纹的图片，保障了掌静脉和掌纹图片的清晰度；（3)本发明的掌静脉和掌纹图像增强和 分割算法能够克服手掌区域的灰度值不均现象，准确的区分出掌静脉，掌纹以及皮肤区域， 且该方法的计算复杂度较小，在corei7-3770, 3. 4GHz，4G内存的计算机上，对160*120大 小的掌静脉和掌纹图片的处理时间的平均值约〇.ls，符合实时计算的要求。
【附图说明】
[0018] 图1是实施例掌静脉和掌纹图像采集装置的剖面图。
[0019] 图2是实施例掌静脉和掌纹图像采集装置的外部结构图。
[0020] 图3是实施例掌静脉和掌纹图像采集，增强和分割流程图。
[0021] 图4是实施例掌静脉（a)和掌纹（b)图片感兴趣区域分割结果图。
[0022] 图5是实施例掌静脉（a)和掌纹（b)图片增强效果