指静脉图像识别技术

     随着信息化时代的不断进步，身份识别已过渡到生物特征识别，目前广泛应用的指纹识别技术在个别场景下仍存在较为突出的弊端。例如，在手指受损或影响到指纹纹路的情况下， 指纹识别度将大大降低，而且通过指纹膜也可以进行指纹认证，所以指纹识别的安全性也急需进一步提升。指静脉识别技术的出现弥补了这一缺陷，由于指静脉技术属于活体识别技术， 指静脉不可复制且属于内部生理特征，不会受到污染等外部环境的影响，所以未来指静脉识别技术将在信息安全中占有一席之地。
    

     医学研究证明了每个人的手指血管纹路都是独一无二的，通过采用手指静脉识别技术，是因为其更容易被采集，而且静脉图像特征相比于动脉更为明显。通过使用近红外线透射手指，静脉血 液中的血红蛋白会吸收近红外线，肌肉和骨骼等部位的图像被弱化，从而形成明显的静脉图像。在静脉成像方面，通常使用CCD和CMOS这两种成像设备感光传感器。CMOS在成像质量上虽然不如 CCD优秀，但由于其较为便宜且集成度较高、功耗低等，而且其光谱敏感范围在近红外线段中比可见光高出5～6倍，更加适合在红外线下采集图像，因此总体上COMS更为合适。近红外线范围一 般选在850nm左右，由于在这个波长左右静脉透射的部分较少，通过增加红外滤光片来尽可能消除可见光的干扰使成像更为明显。由于采集到的图像会带着噪声，并且图像还会受到手指摆放的 位置和姿势等其他因素的影响，所以需要对采集到的图像进行进一步的处理。
    

图像增强

     为减少后期图像分割的困难，通过图像增强来降低由于使用者个体的差异而对图像造成的影响。
    

去噪处理

     可以采用均值滤波的方式进行图像平滑从而减噪。均值滤波主要是邻域平均，针对有噪声的原始图像[假设为f(x,y)]的每个像素点选择一个模板，这个模板由邻近的m个像素组成，求得均值之后再将 均值赋给当前的像素点，即为该像素点最终的像素值。
    

裁剪图像区域

     为避免在采集手指静脉图像时图像背景等冗余数据造成的干扰，需要通过图像阈值化对图像区域进行定位，这适用于图像中目标物体和背景占据不同灰度级范围的情况。通过设置多种阈值对应不同的特征， 可将图像像素点分为若干类。常用的特征包括直接来自原始图像的灰度和彩色特征，以及由原始灰度或彩色值变换得到的特征。将原始图像设为f(x,y),按照定好的准则在f(x,y)中找到特征值T,分别赋予0和 1来标明图像的背景和目标物体，也就是图像二值化。
    

图像分割

     图像分割方法有四种：一是利用图像灰度统计信息的方法，如一维直方图阈值和二维直方图阈值；二是利用图像空间区域信息和光谱信息的图像分割方法，如生长法、多光谱图像分割、纹理分割等；三是边缘检 测方法，该方法利用图像中灰度变化最强烈的区域信息，如Canny算法；四是像素分类法，它是利用图像分类技术进行图像分割的一种方法，如统计分类方法、模糊分类方法和神经网络方法等。
    

指静脉图像识别的应用

     指静脉图像识别技术的出现解决了传统指纹识别技术的弊端，阐明了指静脉系统从采集到特征提取这一系列过程的原理及方式等关键问题。尽管目前指静脉识别技术并未被大众熟知，但市场前景一片光明，一旦得到进 一步完善和推广，未来可应用于各领域，甚至可以引领信息安全的方向。