多光譜手指靜脈采集系統的優化設計

楊金鋒，呂恩春

（中國民航大學天津市智能信號與圖像處理重點實驗室，天津 300300）

手指靜脈識別憑借其特有的優越性在生物識別領域倍受關注。然而單光譜手指靜脈成像模式已經無法充分利用人體不同對象生物組織的光學特性[1-2]，這也會影響真實手指靜脈特征信息的分析與提取。因此，對于手指靜脈識別來說，探索多光譜手指靜脈成像模式具有重要的理論與實際意義[3-6]。本實驗室較早地提出了多光譜手指靜脈成像理論并對其展開深入研究。已經初步設計出多光譜手指靜脈成像與采集系統[7]，為多光譜手指靜脈識別奠定了數據基礎和實驗環境。這對促進手指靜脈識別技術的發展具有重要意義。然而該系統尚欠完善，存在3個問題：①該系統LED光源控制電路較為復雜，且經常出現控制失敗等故障；②系統的光源光路結構問題始終沒有解決，光線不能均勻聚集在手指上方，致使靜脈成像質量有較大變化；③該系統在采集的時候，LED的點亮和亮度調節還要單獨用串口通信助手來完成，每次都要手動編寫命令發送命令，這樣造成采集步驟比較繁瑣，無法實現對多光譜圖像的自動采集。因此本文從這3個問題出發，設計出較為簡單有效的光源控制電路，對光源結構形式進行了重新設計，并設計了新的采集裝置外殼，在新硬件的基礎上將光源亮度調節的串口通信過程嵌入采集軟件系統，建立了新的較為完善的多光譜手指靜脈采集系統。通過較為詳細的比較試驗，驗證本文設計的有效性。

1 多光譜手指靜脈成像系統

本文設計的手指靜脈成像系統主要包括光源控制電路的優化和采集裝置外殼的優化設計。

1.1 光源控制電路的優化設計

多光譜光源控制電路的設計要實現兩個主要目的：①實現多波段光源發光的順序控制；②實現光源發光強度的量化控制。順序控制的目的是為了獲得不同波段下的手指圖像，量化控制的目的在于設定光源的發光強度以適應手指尺寸大小變化的實際情況，避免單一LED光源輻射峰值波動。因此，光源控制電路設計要圍繞這兩個主要目的來研究實現。

在文獻[7]中，光源控制電路主要是由單片機控制數碼管驅動芯片CH452A驅動LED陣列，單片機用的是PLCC封裝的AT89C52，該芯片現已經停產。重要的是C52燒寫程序時需把芯片從線路板上摳下來放到編程器上之后再放回去，極不方便。另外用CH452A驅動LED陣列控制程序比較復雜。

針對以上問題，設計優化策略是電路盡量簡單，電路板體積盡量小。故重新設計光源控制電路：

1）用DIP封裝的單片機AT89S52代替AT89C52，其好處是S52可在線編程,非常方便，并且還便宜。

2）本文設計放棄使用數碼管控制芯片CH452A驅動，采用單片機直接控制驅動LED陣列，這樣使得電路更為簡單實用。

優化后本電路的實現原理如圖1所示，LED發光強度的控制由數字電位器芯片限流實現，計算機對多光譜LED發光順序和數字電位器開關量的控制通過USB總線轉接芯片CH341T實現R485通信，譯碼器的作用是點亮共陽極的LED陣列。圖2是完成的電路板。

1.2 光路結構的優化設計

手指成像效果依賴于光在手指組織介質中的傳播狀態，影響光傳播狀態的外界因素則是入射光的結構模式和照射模式。因此光源結構和光路形式設計是滿足系統成像條件的一個基本研究內容。

醫學研究已證明[8]，波長在700～900 nm的近紅外光對生物組織具有最強的穿透能力。因此設計中的手指靜脈成像光譜也選擇了這個范圍?？紤]到近紅外LED輸出峰值一般有動態變化，采用正常輸出峰值在735～870 nm之間的LED作為近紅外光源。本設計中近紅外光源LED陣列由三排線陣構成，每排包含兩種光譜，分別為760 nm與780 nm、770 nm與830 nm、810 nm與850 nm這3組，每排2個光譜間隔排列。

LED光源雖有指向性，但指向性并不高，不能集中穿透手指，即有較多余光發散到空間反射回來影響成像質量。如圖3所示，如果3排LED陣列平行排列在平面上，那么3排LED光線是平行照在手指的不同位置上，而不是集中打在手指正上方，由圖3（a）模式可知只有中間那排燈照在手指的正上方，旁邊2排會打在手指邊緣，這樣采集出的圖像會出現局部偏亮的情況，如圖4（a）所示的就是原裝置采集出的圖像。

針對光照不集中的問題，本文的設計策略是將3排LED陣列排列在凹面上，如圖3（b）所示，圖3（b）的原理是，假設 3 個 LED 的發光角分別為 θ1、θ2、θ3（其中θ1≈θ2≈θ3），距離為 △d。若使 3 個 LED 發出的光能聚集在中間LED下方的中心位置上，根據三角形和圓的有關知識，它們應該位于半徑為h（其中h為LED的指向距離）的圓周上。先將右側LED的位置在中點處向下傾斜 θ角，計算得 θ=（θ2+ θ3）/2 ≈ θ2，左側同理。這樣如果把手指放在圖中的中心位置上，光就可集中打在手指上。本文就是基于這樣一個原理來設計的。

最后給出本文設計的采集裝置基本構造，如圖4所示。圖中給出了原裝置的光路結構圖、新裝置的外殼以及內部光路結構示意圖，原裝置的光源光路結構是平行排列在平面上，缺點上文已陳述，現重點介紹本文設計的外殼內部構造，如圖4（b）所示，根據外殼圖4（c）可以看出這是個縱切面，上面3個LED代表排列在凹面上的三排LED陣列，手指就放在距離中間排LED為Δh的位置上，在光源的下方，為了能夠保證光線更好的聚集照射，用兩片對稱的隔光片將光擋住，中間留出一條縫隙，這條縫隙的大小設計成了可調方式，這樣保證了光從這個縫隙中集中射出。從圖4（b）中可以看到，還使用了濾光片和偏振片，濾光片的作用是濾除700 nm以下的雜光。

偏振片對入射光具有遮蔽和透過的功能，可使縱向光或橫向光一種透過，一種遮蔽。一般成對使用，自然光通過偏振片后成為線偏振光，線偏振光的振動方向與偏振片的偏振化方向一致，在這里偏振片起著起偏器的作用，故稱為起偏片；偏振光通過偏振片后在轉動偏振片的過程中，透射光強度發生變化，在這里偏振片起著檢偏器的作用，稱為檢偏片。這里用它是為了抑制光的散射。

另外，由圖4（c）看到，在裝置的最低端有兩個旋鈕，可以微調鏡頭位置，達到理想位置之后再將其固定，這樣做的目的是使鏡頭調節更加方便、準確。

2 多光譜手指靜脈采集系統完善

采集系統軟件平臺是在VC++環境下編寫而成，具有手指靜脈圖像采集、存儲建立數據庫、注冊、識別用戶等基本功能（本文現在只關注采集部分）。

原有采集系統的工作方式如圖5所示。

1）打開采集界面，并初始化；

2）打開串口調試界面，發送指令點亮760 nm的LED（如果亮度不好，需再發送指令調節）；

3）轉到采集界面輸入用戶信息，進行采集。

上面所述的是單個光譜的采集過程，6個波段都要重復采集需求響應的過程，因此重復的工作太多，采集效率相當低。針對這樣的問題，本文給出的解決策略是，將串口調試助手完成的過程用C++編寫成一個小的LED光源控制界面，然后嵌入到采集界面里，并且完成6個波段自動順序采集。采集過程如圖6所示，將點亮LED和亮度調節的過程轉化成一個個單選按鈕來完成，這樣如果想點亮LED和亮度調節時，只需點擊相應單選按鈕即可，比較方便。

綜上，經過優化后的采集界面單獨就可完成整個軟件功能?？梢酝瓿蓡蝹€波段手動采集。另外設置6個波段間隔一定時間點亮，就可完成自動采集了。

3 結果與分析

上面已對控制電路、裝置外殼、采集系統界面給出優化設計。這里給出設計好的整個采集系統如圖7所示，其中LED點亮和亮度調節就是由上述的串口通信完成的，當手指放入采集裝置中，采集界面中的橙色框就開始對手指輪廓進行跟蹤，在手指放置恰當的時候會顯示一個綠框（綠框為感興趣區域[9-10]），此時點擊圖像采集按鈕便可對6個波段的圖像進行手動或自動采集了。

最后運用經過本文改進的多光譜手指靜脈采集系統手指靜脈圖像采集實驗，采集了一定數目的樣本，抽選了一個手指的6個波段，跟原有裝置的同一手指采集結果進行比較，如圖8所示。

通過比較可以看出，原來的圖像兩側一亮一暗的問題得到了解決，光路結構也得到了有效的改善，而且現在采集的圖像質量也比原來的好許多。另外在采集的過程中，本系統的使用更加的方便快捷，采集效率得到了顯著提高。因此可以認為本文的設計已顯成效，達到了預期的目標。

4 結語

本文的主要目的就是設計出較為完善的多光譜手指靜脈采集系統，然后采集出質量較高的靜脈圖像，因此本文內容主要可以分為兩大塊：①對多光譜手指靜脈成像系統進行了優化改進，首先重新設計了光源控制電路，改進了光源光路結構，設計出了新的采集裝置，建立采集系統的硬件平臺；②在硬件的基礎上搭建了軟件平臺。

本文的設計成果為手指靜脈識別奠定了堅實的數據基礎，為后續的手指靜脈處理減輕了困難。當然本設計并非完美，也有不太理想之處，如采集系統的硬件設計LED亮度控制部分：亮度等級雖有8個等級，但等級變化不是很明顯，并且未能根據需要自動改變亮度，這方面還有待于進一步改進。

[1]JAIN A K，ROSS A.Multibiometric systems[J].Communication of the ACM，2004，47（1）：34-40.

[2] HALL P，QIU P.Nonparametric estimation of a point-spread function in multivariate problems[J].The Annals of Statistics，2007，35（4）：1512-1534.

[3]BOYCE C，ROSS A，MONACO M，et al.Multispectral Iris Analysis：A Preliminary Study[C]//Int′l Conf on Computer Vision and Pattern Recognition Workshop，2006：51-59.

[4]ROWE R K，NIXON K A，CORCORAN S P.Multispectral Fingerprint Biometrics[C]//IEEE Workshop on Systems，Man and Cybernetics Information Assurance，2005：14-20.

[5] CHANG H，KOSCHAN A，ABIDI B，et al.Physics-based Fusion of Multispectral Data for Improved Face Recognition[C]//Int′l Conf on Patt Recog，2006：1083-1086.

[6] HAO Y，SUN Z，TAN T，et al.Multi-spectral Palm Image Fusion for Accurate Contact-free Palmprint Recognition[C]//Int′l Conf of Image Processing，2008：281-284.

[7]楊金鋒，劉源山.多光譜手指靜脈成像與采集系統設計[J].中國民航大學學報，2012，30（2）：24-29.

[8]李 慧，戴汝為.在體生物光學成像技術的研究進展[J].自動化學報，2008，34（12）：1449-1457.

[9] 楊金鋒，張海金.手指靜脈圖像感興趣區域提取方法研究[J].山東大學學報，2012，42（3）：6-12.

[10]YANG JINFENG，SHI YIHUA，YANG JINLI，et al.A Novel Fingervein Recognition Method with Feature Combination[C]//Int′l Conf on Image Processing，2009：2709-2712.