留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

手指静脉红外图像血管网络修复新方法

贾桂敏,  李振娟,  杨金锋,  李乾司茂

downloadPDF
文章导航 > 红外与激光工程  > 2019 >  48(4): 426003-0426003(7)
贾桂敏, 李振娟, 杨金锋, 李乾司茂. 手指静脉红外图像血管网络修复新方法[J]. 红外与激光工程, 2019, 48(4): 426003-0426003(7). doi: 10.3788/IRLA201948.0426003
引用本文: 贾桂敏, 李振娟, 杨金锋, 李乾司茂. 手指静脉红外图像血管网络修复新方法[J]. 红外与激光工程, 2019, 48(4): 426003-0426003(7). doi: 10.3788/IRLA201948.0426003
shu
Jia Guimin, Li Zhenjuan, Yang Jinfeng, Liqian Simao. Novel vascular network restoration method for finger-vein IR images[J]. Infrared and Laser Engineering, 2019, 48(4): 426003-0426003(7). doi: 10.3788/IRLA201948.0426003
Citation: Jia Guimin, Li Zhenjuan, Yang Jinfeng, Liqian Simao. Novel vascular network restoration method for finger-vein IR images[J]. Infrared and Laser Engineering, 2019, 48(4): 426003-0426003(7). doi: 10.3788/IRLA201948.0426003
shu

手指静脉红外图像血管网络修复新方法

doi: 10.3788/IRLA201948.0426003
  • 1.

    中国民航大学 天津市智能信号与图像处理重点实验室,天津 300300

基金项目: 

国家自然科学基金（61502498，61806208）;中央高校基本科研业务费（3122017001）

详细信息
    作者简介:

    贾桂敏(1982-),女,讲师,博士,主要从事光电探测与成像、模式识别等方面的研究。Email:gmjia_cauc@163.com

  • 中图分类号: TP391.4

Novel vascular network restoration method for finger-vein IR images

  • 1.

    Tianjin Key Laboratory for Advanced Signal Processing,Civil Aviation University of China,Tianjin 300300,China

  • 摘要: 由于手指静脉位于皮下，手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题，首次提出一种指静脉红外图像血管网络修复方法。首先，利用多尺度Gabor滤波对手指静脉图像进行增强，减少图像整体退化性模糊；然后，对指静脉图像进行二值化并提取血管骨架网，以便对血管网络缺损位置进行判断；再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点，根据最小路径原则实现手指静脉图像血管骨架网络修复；最后，将Gabor增强方向图作为约束条件，复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明：该方法可以实现手指静脉图像局部血管网络残缺修复，得到更加完整、稳定的血管网络结构，利用修复后的图像可以进一步提高手指静脉识别精度。
    Abstract: For the finger-vein is under the skin, there are many inherent disadvantages for its imaging, such as biological tissues in the finger, anatomical structure, and the imaging character of skin. A novel method was proposed to solve the problem of vascular network coloboma in finger-vein IR images. Firstly, the finger-vein images were enhanced by multi-scale Gabor filter to reduce the overall image blurring. Then, the vascular skeleton network was extracted based on binarized images so as to locate the coloboma position accurately. Thirdly, the end point and the bifurcation point were extracted from the vascular skeleton network as the original point of restoration. The coloboma of the vascular skeleton network was reconstructed according to minimal path principle. Finally, the diameter of vascular network was recovered by using the Gabor directional image as a constraint. The experimental results show that this method can be used to restore local lost of vascular network and a more complete and more stable vascular network. The recognition accuracy of finger-vein images can be further improved by using the reconstructed image.
  • [1] Kumar A, Zhou Y. Human identification using finger images[J]. IEEE Trans Image Process, 2012, 21(4):2228-2244.
    [2] Jia Guimin, Li Shuyi, Yang Jinfeng, et al. Novel invariant feature encoding method for finger-vein IR images[J]. Infrared and Laser Engineering, 2018, 47(9):0926006. (in Chinese)
    [3] Yang J, Zhang X. Feature-level fusion of fingerprint and finger-vein for personal identification[J]. Pattern Recogn Lett, 2012, 33(5):623-628.
    [4] Yang G, Xi X, Yin Y. Finger vein recognition based on a personalized best bit map[J]. Sensors, 2012, 12(12):1738-1757.
    [5] Liu F, Yang G, Yin Y, et al. Singular value decomposition based minutiae matching method for finger vein recognition[J]. Neurocomputing, 2014, 145(5):75-89.
    [6] Kono M, Ueki H, Umemura S. Near-infrared finger vein patterns for personal identification[J]. Appl Opt, 2002, 41(35):7429-36.
    [7] Lee E C, Park K R. Image restoration of skin scattering and optical blurring for finger vein recognition[J]. Optics Lasers in Engineering, 2011, 49(7):816-828.
    [8] Yang J, Yang J. Multi-channel gabor filter design for finger-vein image enhancement[C]//2009 Fifth International Conference on Image and Graphics, 2009:87-91.
    [9] Joshi V S. Analysis of retinal vessel networks using quantitative descriptors of vascular morphology[D]. USA:University of Iowa, 2012:48-59.
    [10] Al-Diri B, Hunter A, Steel D, et al. Joining retinal vessel segments[C]//IEEE International Conference on Bioinformatics Bioengineering, 2008:1-6.
    [11] Caliva F, Hunter A, Chudzik P, et al. A fluid-dynamic based approach to reconnect the retinal vessels in fundus photography[C]//International Conference of the IEEE Engineering in Medicine Biology Society, 2017:360-364.
    [12] Yang J, Shi Y. Finger-vein ROI localization and vein ridge enhancement[J]. Pattern Recogn Lett, 2012, 33(12):1569-1579.
    [13] Yang J, Shi Y. Finger-vein network enhancement and segmentation[J]. Pattern Anal Appl, 2014, 17(4):783-797.
    [14] Mei C, Xiao X, Liu G, et al. Feature extraction of finger-vein image based on morphologic algorithm[C]//2009 Sixth International Conference on Fuzzy Systems Knowledge Discovery, 2009:407-411.
    [15] Yu J, Li Y. Improving Hilditch thinning algorithms for text image[C]//2009 International Conference on E-Learning, E-Business, 2009:76-79.
    [16] Peng Jinjin. Multimodal finger feature recognition based on traditional granulation[D]. Tianjin:Civil Aviation University of China, 2015. (in Chinese)
    [17] Wen Mengna. Research on finger-vein image segmentation and recognition based on CNN[D]. Tianjin:Civil Aviation University of China, 2018. (in Chinese)
  • [1] 张骏, 朱标, 沈玉真, 张鹏.  基于引导滤波的多分支注意力残差红外图像去噪网络 . 红外与激光工程, 2022, 51(11): 20220060-1-20220060-11. doi: 10.3788/IRLA20220060
    [2] 李东亮, 卢贝.  基于深度神经网络的光纤传感识别算法 . 红外与激光工程, 2022, 51(9): 20210971-1-20210971-6. doi: 10.3788/IRLA20210971
    [3] 王文君, 徐娜.  一种面向光纤网络路径优化的机器学习改进算法 . 红外与激光工程, 2021, 50(10): 20210185-1-20210185-6. doi: 10.3788/IRLA20210185
    [4] 朱祯悦, 吕淑静, 吕岳.  基于图匹配网络的小样本违禁物品分割算法 . 红外与激光工程, 2021, 50(11): 20210075-1-20210075-9. doi: 10.3788/IRLA20210075
    [5] 徐云飞, 张笃周, 王立, 华宝成.  非合作目标局部特征识别轻量化特征融合网络设计 . 红外与激光工程, 2020, 49(7): 20200170-1-20200170-7. doi: 10.3788/IRLA20200170
    [6] 张旭, 于明鑫, 祝连庆, 何彦霖, 孙广开.  基于全光衍射深度神经网络的矿物拉曼光谱识别方法 . 红外与激光工程, 2020, 49(10): 20200221-1-20200221-8. doi: 10.3788/IRLA20200221
    [7] 薛珊, 张振, 吕琼莹, 曹国华, 毛逸维.  基于卷积神经网络的反无人机系统图像识别方法 . 红外与激光工程, 2020, 49(7): 20200154-1-20200154-8. doi: 10.3788/IRLA20200154
    [8] 刘松林, 胡俊, 张丽, 巩丹超.  基于证据网络的场景可识别性分析 . 红外与激光工程, 2020, 49(S2): 20200187-20200187. doi: 10.3788/IRLA20200187
    [9] 裴晓敏, 范慧杰, 唐延东.  多通道时空融合网络双人交互行为识别 . 红外与激光工程, 2020, 49(5): 20190552-20190552-6. doi: 10.3788/IRLA20190552
    [10] 张钟毓, 刘云鹏, 王思奎, 刘天赐, 林智远.  基于DRFP网络的无人机对地车辆目标识别算法 . 红外与激光工程, 2019, 48(S2): 125-133. doi: 10.3788/IRLA201948.S226001
    [11] 刘天赐, 史泽林, 刘云鹏, 张英迪.  基于Grassmann流形几何深度网络的图像集识别方法 . 红外与激光工程, 2018, 47(7): 703002-0703002(7). doi: 10.3788/IRLA201847.0703002
    [12] 裴晓敏, 范慧杰, 唐延东.  时空特征融合深度学习网络人体行为识别方法 . 红外与激光工程, 2018, 47(2): 203007-0203007(6). doi: 10.3788/IRLA201847.0203007
    [13] 杜恩宇, 张宁, 李艳荻.  基于Gabor滤波器的车道线快速检测方法 . 红外与激光工程, 2018, 47(8): 817008-0817008(8). doi: 10.3788/IRLA201847.0817008
    [14] 贾桂敏, 李树一, 杨金锋, 夏冬.  指静脉红外图像特征不变性编码新方法 . 红外与激光工程, 2018, 47(9): 926006-0926006(7). doi: 10.3788/IRLA201847.0926006
    [15] 蒋均, 陆彬, 田遥岭, 郝海龙, 张健, 邓贤进.  170 GHz和340 GHz CSMRs滤波器选频网络研究 . 红外与激光工程, 2017, 46(11): 1125001-1125001(6). doi: 10.3788/IRLA201746.1125001
    [16] 刘志青, 李鹏程, 郭海涛, 张保明, 丁磊, 赵传, 张旭光.  融合强阈值三角网与总体最小二乘曲面拟合滤波 . 红外与激光工程, 2016, 45(4): 406003-0406003(8). doi: 10.3788/IRLA201645.0406003
    [17] 杨光, 丁林林, 王向明, 王华明, 钦兰云.  扫描路径对激光修复钛合金残余应力与变形的影响 . 红外与激光工程, 2015, 44(10): 2926-2932.
    [18] 崔法毅.  色度马氏距离图与灰度图特征自适应融合的彩色人脸识别 . 红外与激光工程, 2015, 44(4): 1382-1389.
    [19] 倪维平, 严卫东, 吴俊政, 张晗, 芦颖, 郑刚.  应用图像方向和宽度谱检测机场跑道 . 红外与激光工程, 2014, 43(11): 3655-3662.
    [20] 刘洪志, 陈宇, 霍富荣, 郑丽芹.  改良型MACH滤波器算法的形变目标识别 . 红外与激光工程, 2014, 43(11): 3788-3793.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  565
  • HTML全文浏览量:  111
  • PDF下载量:  46
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-12-10
  • 修回日期:  2019-01-17
  • 刊出日期:  2019-04-25

手指静脉红外图像血管网络修复新方法

doi: 10.3788/IRLA201948.0426003
  • 1. 中国民航大学 天津市智能信号与图像处理重点实验室,天津 300300
    • 作者简介:

    贾桂敏(1982-),女,讲师,博士,主要从事光电探测与成像、模式识别等方面的研究。Email:gmjia_cauc@163.com

  • 收稿日期: 2018-12-10
  • 修回日期: 2019-01-17
  • 刊出日期: 2019-04-25
基金项目:

国家自然科学基金（61502498，61806208）;中央高校基本科研业务费（3122017001）

  • 中图分类号: TP391.4

摘要: 由于手指静脉位于皮下，手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题，首次提出一种指静脉红外图像血管网络修复方法。首先，利用多尺度Gabor滤波对手指静脉图像进行增强，减少图像整体退化性模糊；然后，对指静脉图像进行二值化并提取血管骨架网，以便对血管网络缺损位置进行判断；再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点，根据最小路径原则实现手指静脉图像血管骨架网络修复；最后，将Gabor增强方向图作为约束条件，复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明：该方法可以实现手指静脉图像局部血管网络残缺修复，得到更加完整、稳定的血管网络结构，利用修复后的图像可以进一步提高手指静脉识别精度。

English Abstract

    全文HTML

参考文献 (17)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计