您的位置: turnitin查重官网> 工程 >> 电气工程 >> 注册电气工程师 >简述手背近红外手背静脉图像采集体系和设计

简述手背近红外手背静脉图像采集体系和设计

收藏本文 2024-02-08 点赞:34528 浏览:157918 作者:网友投稿原创标记本站原创

摘要:手背静脉识别是新颖的身份认证技术,与指纹识别相比,具有活体识别、内部特征、非接触式等优点。基于近红外技术的手背图像采集设备具有制作成本低的优势,是实际应用中首选的技术。文章研究了基于近红外技术的手背静脉图像采集系统及制作,实验结果表明,在850的近红外光波下,可以采集到高对比度的手背静脉图像。对手背静脉身份识别系统制作具有参考价值。
关键词:生物识别技术 手背静脉识别 图像采集 近红外技术 CCD传感器
1007-9416(2013)06-0076-03
1 引言
手背静脉识别是近年来新兴的生物特征识别技术。手背静脉由于具有丰富的静脉分布,可用特征多,在人体静脉识别中显示出优势,具有非常广阔的应用前景。与其他人体生物特征一样,手背静脉具有普遍性、唯一性、稳定性、可采集性、可接受性、防欺诈性等特性,而且具有活体识别、内部特征、非接触式等优点,很难伪造或手术改变,与指纹识别技术相比,安全性更高。静脉图像的采集途径分为近红外和远红外两种技术。近红外图像,是通过主动发射波长为700-900的红外光波,由带有红外滤镜的CCD(Charged Couple Device)摄像头拍摄而得[3]。该波长可以较好地穿透骨骼和肌肉,静脉里的血液比周围组织吸收更多的红外光,血管流经处颜色较深,从而呈现出静脉结构。基于近红外技术的手背静脉识别,具有设备成本低的优势,更利于实际应用的推广,成为研究的热点[4-6]。文章研究了近红外技术手背静脉图像采集系统及制作。采用光学摄像镜头、SONY的ICX089CCD图像传感器、NEC的PD16510CCD图像传感器驱动芯片、Philips的数码摄像信号处理器芯片SAA8116(包括微控制器和USB接口)、TDA8787A/D接口构成图像采集硬件系统。利用Directshow开发图像采集软件。硬件系统与计算机之间采用USB作为通信接口。实验结果表明,系统能采集到清晰的手背静脉图像,尤其在850近红外光波条件下,取得更加满意的实验结果。系统的研制对手背静脉身份识别仪器的研制具有一定的参考价值。

2 图像采集系统设计

2.1 近红外成像

主要由摄像镜头、CCD传感器、驱动电路、信号处理电路、电子接口电路、光学机械接口等组成。
摄像镜头:具有4层玻璃镜片,层数越多,失真校正越好。装有红外滤镜,能允许红外光通过,从而能更好地采集红外图像。
CCD传感器:系统的核心器件,在驱动脉冲的作用下,实现光电荷的转换、存储、转移及输出等功能[7]。系统采用SONY的ICX089 CCD图像传感器芯片。芯片由硅材料制成,对近红外光波比较敏感,在黑暗环境中也能采集到清晰的、低噪声的图片。
2.2 图像采集软件

3 实验结果

将近红外成像硬件部分通过USB口与PC机连接,在PC上运行图像采集软件,可以对手背静脉图像进行采集。图像像素大小:640480。下面比较在正常光照下以及不同波长近红外光照射下所采集到的图像。
由于人体组织对红外光波具有反射性,可以通过调整近红外LED的发射功率增强图像的对比度。当红外光的波长增加时,静脉外的其他组织反射性也随着增强,采集到的手背图像静脉网络跟其他组织的对比度也降低,这样反而难以得到清晰的静脉网络图像。如图4所示,当入射光波为850时得到的图像静脉网络比光波为940时采集到的结果更为清晰。因此,采用850波长的红外光源采集到的静脉网络对比度更高。
4 结语
手背静脉识别是新颖的身份识别技术,采用活体内部特征,比指纹识别安全性更高,是一项值得推广的技术。研制低成本、高质量的静脉图像采集系统是该技术得以广泛应用的关键所在。文章采用ICX089 CCD图像传感器、PD16510 CCD图像传感器驱动芯片、数码摄像信号处理器芯片SAA8116(包括微控制器和USB接口)、TDA8787A/D接口开发设计图像采集硬件。在不同波长红外光照射下进行实验,结果表明,系统能采集到清晰的手背静脉图像,尤其在850近红外光波条件下,取得更加满意的实验结果。系统具有成本低,效果好的优势,对手背静脉身份识别仪器的研制具有一定的参考价值。
参考文献
A. K. Jain, R. Bolle, S. Pankanti. Biometrics: Personal Identification in Networked Society[J]. Boston:Kluwer Academic Publishers, 1999.
Wang Lingyu, Leedham G. Near- and Far- Infrared Imaging for Vein Pattern Biometrics[J]. Proceedings of IEEE International Conference on Video and Signal Based Surveillance (SS'06). 2006.
 

摘自:学术论文模板www.udooo.com

 [3]林喜荣,庄波,苏晓生 等.人体手背静脉血管图像的特征提取及匹配[J].清华大学学报(自然科学版),2003,43(2):164-167.
[4]Wang Huabin, Tao Liang. Novel algorithm for enhancement of hand vein images based on adaptive filtering and retinex method[J]. International Conference on Information Science and Technology (ICIST'12), 2012 : 857 - 860.
[5]Kumar A., Hanmandlu M., Madasu V.K., Lovell B.C. Biometric Authentication Based on Infrared Thermal Hand Vein Patterns[J].Digital Image Computing:Techniques and Applications(DICTA), 2009:331-338.
[6]Liukui Chen, Hong Zheng, Li Li, etc. Near-Infrared Dorsal Hand Vein Image Segmentation by Local Thresholding Using Grayscale Morphology.The 1st International Conference on Bioinformatics and Biomedical Engineering(ICBBE'07), 2007: 868-871.
[7]王忠立,贾云得.基于CCD与CMOS的图像传感技术[J].光学技术.2003(3):1-2.
[8]陆其明.DirectShow开发指南[M].北京:清华大学出版社,2003:12-34.
[9]陈宁,刘宏刚,张向东 等.基于DirectShow技术的视频采集方案的实现[J].电子科技,2007(2):66-69.

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号