基于ARM的手指静脉识别系统

4 手指静脉识别算法

手指静脉识别算法是本系统软件的核心部分，目前该算法在计算机上已达到较高水平。但将其移植到嵌入式系统时，由于受嵌入式处理器硬件性能的限制，达不到预期的效果。因此，本文采用了一种适合于嵌入式系统的手指静脉识别算法。

4.1 图像预处理

（1）格式转换与灰度归一化。本文中通过图像采集装置采集的手指静脉图像是24 bit JPG格式的真彩图像，采用Imaging技术[3]循环解码将其转化为24 bit BMP格式的图像。

通过改变各个分量(R，G，B)的权重，把三个点合成一个点就可以将24 bit BMP图像转换成256色的灰度图像。本设计采用加权平均值法可以得到较合理的灰度图像，即：

（4）滤波与去噪。在经过前面图像分割后的特征图像中存在许多孤立点、块状噪声以及一些细小空洞。为了便于以后处理，必须填充这些细小空洞和除去噪声。首先采用中值滤波法，消除图像中的高斯噪声和脉冲干扰信号，接着进行面积去噪，以消去孤立的噪声。

（5）纹路细化。经过一系列处理后的图像静脉纹路很粗，所以采用改进的条件细化算法进行处理，即在条件细化后的静脉图像上，加入模板算法去掉分叉点处冗余的像素。目的是通过连续剥离图像最外层元素直到获得单像素的连通线，去掉冗余信息，且保留纹路的拓扑连接关系，以利于后续的特征提取。

其中，Np为点集P中元素的个数。

5 实验结果

把在PC机开发的应用软件移植到ARM11板，上电开启操作系统运行该软件，开始采集和测试手指静脉图像的效果图如图7所示。

本软件把图像采集、预处理等一系列过程合成到一起进行操作，实现一键完成，使其更加接近产品化。录入用户图像信息时，图像处理达到了每次约0.5 s的速度，令人满意。实验测试中，采集50个手指的静脉图像，每个手指采集4次，一共采集了200幅静脉图像，构成手指静脉数据库。根据本文的方法，来验证算法的匹配识别效果。测试1:1匹配识别，将每个手指的1个样本分别与其他3个样本进行比对完成识别，每次识别过程达到约0.4 s的速度，得到的结果如表1所示，达到了预期的效果。

本文构建了一种基于ARM技术的嵌入式手指静脉识别系统。设计的硬件平台稳定性好、集成度高；采用的WinCE 6.0界面友好、画面清晰；开发的识别应用软件可以开机启动，便于操作，使本识别系统具有很好的人机交互特性。同时针对嵌入式系统采用一套合适的手指静脉识别算法。实验表明，该手指静脉识别系统可以实现快速图像处理和识别，与基于PC机的识别系统相比，具有体积小、重量轻、易于移动与操作、易于集成等优点。