掌脉血管提取前期尝试成功！

虽然日本富士通公司已经做出了商业化的高识别率掌脉识别产品，但是由于公司机密等因素，掌脉图像预处理的相关文献数量极其少，掌脉识别在国内还处于起步阶段。为此，我们借鉴手指静脉血管提取和视网膜血管提取的相关算法对掌脉图像血管提取进行了前期尝试，样本掌脉图像由香港理工大学张大鹏教授的生物特征识别课题组提供。

利用手指静脉血管跟踪方法进行掌脉图像的血管提取，该算法中两个重要参数为向右遍历搜索的步长step和预测静脉血管宽度的半值wid，改变这两个参数得到掌脉图像的血管提取效果图，如图6.5所示。

图6.5　静脉血管纹路跟踪方法效果图

由图6.5可知，参数选择step= 3，wid= 8时效果要稍微好一些，预测血管宽度值过低会将很多细小的噪声误认为血管，而预测血管宽度过高则会丢失一部分静脉血管，且血管纹路断裂现象非常严重。总体而言，该静脉血管跟踪方法通过预测血管宽度和血管像素灰度差来跟踪血管脉络，原理比较简单，但是对原始掌脉图像质量要求非常高，不能处理血管断裂的情况，且对噪声非常敏感。

借鉴较为成熟的视网膜血管纹路增强提取算法，对掌脉图像进行了相应的血管纹路增强和提取处理，得到的效果如图6.6所示。(www.xing528.com)

图6.6　应用视网膜血管纹路增强提取算法的效果图

由图6.6可见，视网膜血管纹路增强提取算法能够较好保持原有的掌脉血管纹路，且能将原始图像中不清晰的血管连接处进行加强，但是依然存在较大的噪声干扰，即产生较多的虚假静脉纹路，这些虚假静脉纹路利用预期掌脉血管长度、宽度、面积等先验知识很难去除。

在这一步骤，主要是根据对设备所采集到的掌脉图像进行实际分析，借鉴较为成熟的视网膜血管增强提取和指纹预处理匹配判别等算法，总结出适合的掌纹图像预处理、特征提取和匹配识别方法。