陳華宣
摘 要
如今社會已然是信息化時代,每個人的信息安全顯得尤為重要。于是生物特征識別技術也就應運而生了,生物特征識別技術最為常見的當屬指紋識別了,但當下指紋識別漸漸不能滿足人們的需求了。雖然指紋識別較為廣泛應用,但有著安全性不大好,識別率不高,指紋易受損,可偽造等缺陷,對于一些需要安全性高的特殊場合來說不足以勝任。而近幾年異軍突起的指靜脈識別技術不僅繼承了傳統指紋識別的使用方便,大眾接受性高,快捷等優勢,還彌補了可偽造,易受損等缺陷,大幅提升了信息的安全性。
【關鍵詞】信息安全 生物特征識別 指靜脈識別技術
1 引言
在信息化時代這個大背景之下,有些信息問題和弊端是較為突出和必須解決的?,F在的身份識別慢慢由外物識別過渡為生物特征識別,就目前來說相對成熟和應用廣泛的生物識別技術當屬指紋識別了,但仍有著無法彌補的弊端,比如當指頭受損或者有污漬等影響指紋紋路的情況下,指紋識別的識別率將會大幅降低,而且雖然無法破解和篡改機器內部的指紋記錄,但現在有方法制作指紋膜,制作好的指紋膜可以進行指紋識別認證,所以指紋識別安全性并不能長久得到保障。而指靜脈識別是根據靜脈里血紅蛋白反射的近紅外線形成的靜脈像來識別的,屬于活體識別技術,由于靜脈屬于內部生理特征,所以不會受到表皮、污染、溫濕度等外部環境的影響,而且靜脈像也是無法復制的,所以指靜脈識別可以避免上述情況的發生。
2 指靜脈識別原理和處理技術
2.1 指靜脈特征成像原理
醫學研究表明,我們每個人的手指血管紋路都是世界上獨一無二的。之所以采用手指靜脈這一部分是因為相比于動脈來說靜脈更加接近人體皮膚表皮,更容易采集。另外靜脈相比動脈來說曲線和分支更多,采集到的靜脈圖像特征也就越明顯。通過使用近紅外線透照射手指時,靜脈血液中的血紅蛋白會吸收掉近紅外線,肌肉和骨骼等部位被弱化,從而形成了明顯的圖像。
2.2 圖像的采集
在靜脈成像這方面,目前市場上的成像設備感光傳感器多數分為兩種:CCD和CMOS。其中CMOS較為便宜,并且集成度較高,功耗也低,雖然在成像的質量上沒有CCD優秀,但是CMOS的光譜敏感范圍在近紅外線段中比可見光的高出5到6倍,更加適合在紅外光線下采集圖像,所以總體來說COMS更為合適。
近紅外線范圍一般選在850nm左右,在這個波長左右靜脈透射的部分較少,成像明顯,另外還需要增加紅外濾光片來盡可能消除來自可見光的干擾。
2.3 圖像的處理
采集到的圖像會帶著噪聲,并且圖像還會受到手指擺放的位置和姿勢等其他因素的影響,所以需要對采集到的圖像做進一步的處理。
其中有幾項處理方法較為重要的:
2.3.1 圖像增強
由于使用者個體的差異,不同的人手指的厚度也不盡相同。原始圖像還會受到椒鹽噪聲的影響,這就給后面圖像的分割造成了困難,所以在圖像分割之前需要對圖像進行增強處理。
2.3.2 去噪處理
需要對獲取到的圖像進行減噪,可以采用均值濾波的方式對圖像進行圖像平滑。均值濾波主要是鄰域平均,針對有噪聲的原始圖像(假設為f(x,y))的每個像素點選擇一個模板,這個模板是由鄰近的m個像素組成,求得均值之后再將均值賦給當前的像素點,即為該像素點最終的像素值。公式如下:
∑f(x,y)
2.3.3 圖像區域裁剪
采集到手指靜脈圖像的同時也會不可避免地包含了圖像背景等冗余的數據,為了避免冗余數據的干擾,就需要我們進行圖像區域的定位,最為常用的提取目標物體的方法為圖像閾值化,適用于圖像中目標物體和背景占據不同灰度級范圍的情況。通過設置多種閾值對應不同的特征,由此可將圖像像素點分為了若干類。常用的特征包括了直接來自原始圖像的灰度和彩色特征以及由原始灰度或彩色值變換得到的特征。將原始圖像設為f(x,y),按照定好的準則在f(x,y)中找到特征值T,分別賦予0和1來標明圖像的背景和目的物體,也就是圖像二值化。
2.3.4 圖像分割
根據圖像分割方法的不同,可以大致分為四種:
(1)利用圖像灰度統計信息的方法,比如一維直方圖閾值和二維直方圖閾值;
(2)利用圖像空間區域信息和光譜信息的圖像分割方法,比如生長法、多光譜圖像分割、紋理分割等;
(3)邊緣檢測方法,利用了圖像中灰度變化最強烈的區域信息信息,比如Canny算法;
(4)像素分類法,是利用圖像分類技術進行圖像分割的一種方法,比如統計分類方法、模糊分類方法和神經網絡方法等。
2.4 指靜脈特征點提取
采集圖像通過處理便可以得到進一步的靜脈圖像,不同靜脈圖像的區別在于靜脈的拓撲結構以及細節點。而細節點的提取一般有以下幾種:
2.4.1 端點
當指靜脈在手指內部一定深度或近紅外線透射不夠深的時候就會出現。
2.4.2 分叉點
由一個單一的靜脈段分裂為兩段靜脈段時出現。
2.4.3 雙分叉點
當兩個分叉點靠得比較近的時候就會出現。
根據上述三種細節點進行特征提取的方法如下:
2.4.4 提取端點
以端點為中心提取一塊范圍N*N(N的值視情況而定),然后刪除該范圍中沒有與端點相連接的點。計算特征與范圍邊界的連接數,如果數目為一個細節點就將該細節點作為端點并保存該點與水平線的角度,否則不成立。
2.4.5 提取分叉點
以一個分叉點為中心提取一塊范圍N*N(N的值視情況而定),接著刪除在該范圍內不與該分叉點相連接的點,計算特征和該范圍的連接數,當連接數目是4個的時候,就認為該分叉點是雙分叉點,同時并保存分支之間的角度,否則不成立。
3 總結
針對傳統指紋識別所凸顯的弊端提出了指靜脈識別的優勢以及光明的前景,闡明了指靜脈系統從采集到特征提取這一系列過程的原理以及方式等關鍵問題。雖然目前指靜脈識別并沒有像指紋識別那么為大眾所熟知,但目前指靜脈市場正處于臨界狀態,一旦得到進一步的完善和推廣,相信在不久的將來會普及到各類領域之中,甚至將會引領信息安全的方向。就像十幾年前人們紛紛丟掉腰間的呼叫機換成手機一樣,指靜脈識別將會大放異彩!
(通訊作者:劉晉勝)
參考文獻
[1]葛彥平.手指靜脈識別技術研究[D].哈爾濱:哈爾濱工程大學(碩士學位論文),2003.
[2]袁智.基于匹配融合的指紋與指靜脈雙模態生物識別技術的研究[D].南京:南京郵電大學(碩士學位論文),2005.
作者單位
廣東石油化工學院 廣東省茂名市 525000