陈华宣
摘 要
如今社会已然是信息化时代,每个人的信息安全显得尤为重要。于是生物特征识别技术也就应运而生了,生物特征识别技术最为常见的当属指纹识别了,但当下指纹识别渐渐不能满足人们的需求了。虽然指纹识别较为广泛应用,但有着安全性不大好,识别率不高,指纹易受损,可伪造等缺陷,对于一些需要安全性高的特殊场合来说不足以胜任。而近几年异军突起的指静脉识别技术不仅继承了传统指纹识别的使用方便,大众接受性高,快捷等优势,还弥补了可伪造,易受损等缺陷,大幅提升了信息的安全性。
【关键词】信息安全 生物特征识别 指静脉识别技术
1 引言
在信息化时代这个大背景之下,有些信息问题和弊端是较为突出和必须解决的。现在的身份识别慢慢由外物识别过渡为生物特征识别,就目前来说相对成熟和应用广泛的生物识别技术当属指纹识别了,但仍有着无法弥补的弊端,比如当指头受损或者有污渍等影响指纹纹路的情况下,指纹识别的识别率将会大幅降低,而且虽然无法破解和篡改机器内部的指纹记录,但现在有方法制作指纹膜,制作好的指纹膜可以进行指纹识别认证,所以指纹识别安全性并不能长久得到保障。而指静脉识别是根据静脉里血红蛋白反射的近红外线形成的静脉像来识别的,属于活体识别技术,由于静脉属于内部生理特征,所以不会受到表皮、污染、温湿度等外部环境的影响,而且静脉像也是无法复制的,所以指静脉识别可以避免上述情况的发生。
2 指静脉识别原理和处理技术
2.1 指静脉特征成像原理
医学研究表明,我们每个人的手指血管纹路都是世界上独一无二的。之所以采用手指静脉这一部分是因为相比于动脉来说静脉更加接近人体皮肤表皮,更容易采集。另外静脉相比动脉来说曲线和分支更多,采集到的静脉图像特征也就越明显。通过使用近红外线透照射手指时,静脉血液中的血红蛋白会吸收掉近红外线,肌肉和骨骼等部位被弱化,从而形成了明显的图像。
2.2 图像的采集
在静脉成像这方面,目前市场上的成像设备感光传感器多数分为两种:CCD和CMOS。其中CMOS较为便宜,并且集成度较高,功耗也低,虽然在成像的质量上没有CCD优秀,但是CMOS的光谱敏感范围在近红外线段中比可见光的高出5到6倍,更加适合在红外光线下采集图像,所以总体来说COMS更为合适。
近红外线范围一般选在850nm左右,在这个波长左右静脉透射的部分较少,成像明显,另外还需要增加红外滤光片来尽可能消除来自可见光的干扰。
2.3 图像的处理
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做进一步的处理。
其中有几项处理方法较为重要的:
2.3.1 图像增强
由于使用者个体的差异,不同的人手指的厚度也不尽相同。原始图像还会受到椒盐噪声的影响,这就给后面图像的分割造成了困难,所以在图像分割之前需要对图像进行增强处理。
2.3.2 去噪处理
需要对获取到的图像进行减噪,可以采用均值滤波的方式对图像进行图像平滑。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,这个模板是由邻近的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。公式如下:
∑f(x,y)
2.3.3 图像区域裁剪
采集到手指静脉图像的同时也会不可避免地包含了图像背景等冗余的数据,为了避免冗余数据的干扰,就需要我们进行图像区域的定位,最为常用的提取目标物体的方法为图像阈值化,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,由此可将图像像素点分为了若干类。常用的特征包括了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的物体,也就是图像二值化。
2.3.4 图像分割
根据图像分割方法的不同,可以大致分为四种:
(1)利用图像灰度统计信息的方法,比如一维直方图阈值和二维直方图阈值;
(2)利用图像空间区域信息和光谱信息的图像分割方法,比如生长法、多光谱图像分割、纹理分割等;
(3)边缘检测方法,利用了图像中灰度变化最强烈的区域信息信息,比如Canny算法;
(4)像素分类法,是利用图像分类技术进行图像分割的一种方法,比如统计分类方法、模糊分类方法和神经网络方法等。
2.4 指静脉特征点提取
采集图像通过处理便可以得到进一步的静脉图像,不同静脉图像的区别在于静脉的拓扑结构以及细节点。而细节点的提取一般有以下几种:
2.4.1 端点
当指静脉在手指内部一定深度或近红外线透射不够深的时候就会出现。
2.4.2 分叉点
由一个单一的静脉段分裂为两段静脉段时出现。
2.4.3 双分叉点
当两个分叉点靠得比较近的时候就会出现。
根据上述三种细节点进行特征提取的方法如下:
2.4.4 提取端点
以端点为中心提取一块范围N*N(N的值视情况而定),然后删除该范围中没有与端点相连接的点。计算特征与范围边界的连接数,如果数目为一个细节点就将该细节点作为端点并保存该点与水平线的角度,否则不成立。
2.4.5 提取分叉点
以一个分叉点为中心提取一块范围N*N(N的值视情况而定),接着删除在该范围内不与该分叉点相连接的点,计算特征和该范围的连接数,当连接数目是4个的时候,就认为该分叉点是双分叉点,同时并保存分支之间的角度,否则不成立。
3 总结
针对传统指纹识别所凸显的弊端提出了指静脉识别的优势以及光明的前景,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以及方式等关键问题。虽然目前指静脉识别并没有像指纹识别那么为大众所熟知,但目前指静脉市场正处于临界状态,一旦得到进一步的完善和推广,相信在不久的将来会普及到各类领域之中,甚至将会引领信息安全的方向。就像十几年前人们纷纷丢掉腰间的呼叫机换成手机一样,指静脉识别将会大放异彩!
(通讯作者:刘晋胜)
参考文献
[1]葛彦平.手指静脉识别技术研究[D].哈尔滨:哈尔滨工程大学(硕士学位论文),2003.
[2]袁智.基于匹配融合的指纹与指静脉双模态生物识别技术的研究[D].南京:南京邮电大学(硕士学位论文),2005.
作者单位
广东石油化工学院 广东省茂名市 525000