不同波长近红外人体血管成像技术研究

杨小庆， 王 年， 杨云雷

(安徽大学 电子信息工程学院，安徽 合肥 230601)

0 引 言

人体静脉纹路包含着大量的信息，且每个人的静脉血管结构是不相同的，可以获取丰富的信息。目前为止，手指静脉相关的研究较多[1～5]，而手臂静脉相关的研究相对较少。相较于手指而言，手臂含有的静脉较多且复杂，具有很高的研究价值以及应用前景。二者静脉图像的采集装置不相同，除了光源的设计上会有所区别外，具体使用的光源照射方式上也存在差异。手指的静脉图像采集[6]相对简单，而手臂较厚，可采用反射方式照射和增强光源强度采集其静脉图像[7]。

一般会选取760 nm或940 nm单波段近红外光作为采集静脉血管图像的光源。通过不同波段的近红外光照射，采集的人体血管图像的质量不同。本文采用760,940 nm及其混合光源进行反射照射，并对采集到的血管图像进行限制对比度自适应直方图均衡化 (contrast limited adaptive histogram equalization，CLAHE)和NiBlack算法[8]处理，多组对比实验结果表明:在图像处理之前，不同波长近红外光采集的手臂血管图像无明显区别，经过处理后可以看出，940 nm单色光采集到的图像质量最高，760 nm和940 nm的混合光采集到的效果相比次之，760 nm单色光成像效果不佳。

1 近红外光人体血管图像采集

1.1 不同波长近红外光人体血管成像

根据还原血红蛋白的吸收特性，760 nm近红外光源，比较适合于采集静脉血管图像。但对于人体某些肌肉较厚部位，该波段的穿透性能不好，相对于760 nm的940 nm近红外光对皮肤的穿透深度要大，而且避开了脂肪吸收系数的波峰。为了结合2种光源的特点，采用760，940 nm和两者混合波长光源进行实验。

1.2 近红外光人体血管采集

1.2.1 摄像头选取

实验选取MICRON的MT9V034摄像头，具备极佳的近红外敏感度，在暗光线时性能超过一般的电荷耦合器件(charge coupled device,CCD)传感器，更适合在近红外光线下采集图像。图1为其光谱响应曲线，可以看出：在近红外700～950 nm区间内采集的效果较好。

图1 MT9V034光谱曲线

1.2.2 LED排列

手指和手臂静脉血管的深度不同，要想获取高质量的血管图像，可以设计不同的发光二极管(light-emitting diode,LED)光源，如图2所示。手指静脉的采集通常采用透射光照方式，能够使位于肌肉深处细小的静脉更好的成像；而手臂部位肌肉较厚，近红外光很难穿透，因此，一般采用反射的光照方式。

图2 手指和手臂静脉采集光源分布

实验采用直流稳压源对光源进行供电，通过改变电流的大小调节光源的亮度，使其亮度连续可调，以方便调试。采用的光源分布如图2(b)所示,矩形排布，每颗LED功率大小为0.4 W，电流为100 mA，电路采用串联方式，以保证通过各二极管的电流相同，有相同的亮度，采集的静脉图像均匀清晰。

1.2.3 滤光片选取

通常增加滤光片来消除环境中可见光的干扰。滤光片要与近红外波段相匹配。只采用一种近红外光时，应使用相同波段的带通滤光片。当采用2种或以上的混合光时，应使用长波通滤光片。

1.2.4 血管图像采集

采用反射的照射方式，原因为：手臂较厚，近红外光通常无法进行透射；光源和摄像头分布在同一侧，可大幅简化采集装置。采集装置如图3所示。

图3 静脉图像采集简易装置

2 人体血管图像处理

2.1 对比度增强

图像对比度增强最通常的办法就是直方图均衡化，CLAHE算法通过计算图像的局部直方图，重新分布亮度来改变图像对比度，更适合于改进图像的局部对比度以及获得更多的图像细节。其每个子区域的直方图hL(r)为

hL(r)=αhW(r)+(1-α)hB(r)

(1)

式中hW(r)为窗内归一化直方图;hB(r)为窗外归一化直方图，且0≤α≤1。实验取窗口大小r为8×8,α取0.37。

图4为血管原图像与增强后图像。通过对比可以看出，CLAHE对比度增强后图像的效果较好。

图4 血管原图像和增强后图像

2.2 局部阈值化

由于采集的静脉图像光照分布不均匀，因此，实验选择局部动态阈值分割的方法，即NiBlack算法，核心思想是对于图像中每一个像素如(x,y),设其灰度值为f(x,y),建立一个r×r模板，通过式(2)和式(3)分别计算模板像素的均值m(x,y)和方差s(x,y)，并计算阈值T(x,y)

(3)

T(x,y)=m(x,y)+k×s(x,y)

(4)

式中k为分割阈值的修正系数。实验在选取的感兴趣区域(region of interest，ROI)上进行NiBlack处理，处理效果比较理想。

3 实验结果与分析

1)处理前的手臂图像对比。图5所示为手臂血管处理前图像。

图5 不同近红外波段下手臂血管原图像

可以看出，由于受皮肤表面反射光的影响，采集到的静脉血管图像对比度会比较低，在图像处理之前，各种波长所采集到的静脉图像无明显区别，因此，需要经过相关的图像算法处理才能更深入地分析对比何波段的近红外光在反射照射下手臂血管成像的质量更高。

2)处理后的手臂图像对比

为了进一步深入分析比较不同波长近红外光下所采集到的静脉血管图像质量，又分别对760，940nm及60，940 nm的混合光照射下所采集到的图像进行CLAHE增强和NiBlack算法处理，处理后的效果如图6、图7所示，可以看出，近红外940 nm单色光手臂血管图像经过处理之后，能够清晰地看到静脉血管纹路，成像效果最好，而760nm单色光采集到的静脉图像经过处理之后，其成像的效果较760 nm和940 nm的混合光采集的模糊。

图6 各波段下手臂血管对比度增强后图像

图7 各波段下手臂血管二值化后图像

4 结束语

针对不同波长近红外光下采集的手臂血管图像质量问题，提出了对静脉血管图像进行CLAHE和NiBlack算法处理，实验结果表明：在近红外光反射照射下，选取940 nm单色光或者760 nm和940 nm的混合光做为光源，能够采集到较高质量的人体手臂血管图像。

参考文献:

[1] Jiang H,Cao Q.The finger vein image acquisition method and vein pattern extraction study based on near infrared[J].Circulation Heart Failure,2012,5(5):1-4.

[2] Tan D,Yang J,Shi Y,et al.A hierarchal framework for finger-vein image classification[C]∥IAPR Asian Conference on Pattern Recognition,2013:833-837.

[3] Dai Y,Huang B,Li W,et al.A method for capturing the finger-vein image using nonuniform intensity infrared light[J].Congress on Image & Signal Processing,2008(4):501-505.

[4] Lu Y,Xie S J,Yoon S,et al.An available database for the research of finger vein recognition[J].International Congress on Image & Signal Processing,2013(1):410-415.

[5] Yang L,Yang G,Yin Y,et al.A survey of finger vein recogni-tion[J].Springer International Publishing,2014,8833(8):234-243.

[6] 余成波,余玉洁,方 军,等.基于FPGA手指静脉图像采集系统的研制[J].电子技术应用,2015,41(11):81-84.

[7] 陈 芳.基于近红外成像的手背静脉识别系统研究与实现[D].合肥：安徽大学, 2013.

[8] Zhao S,Wang Y.Extracting hand vein patterns from low-quality images:A new biometric technique using low-cost devices[C]∥The Fourth International Conference on Image and Graphics ,ICIG 2007,2007：667-671.