Advanced
ROI Extraction and Enhancement for Finger Vein Recognition
ROI Extraction and Enhancement for Finger Vein Recognition
Journal of the Korea Institute of Information and Communication Engineering. 2015. Apr, 19(4): 948-953
Copyright © 2015, The Korean Institute of Information and Commucation Engineering
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/li-censes/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
  • Received : March 08, 2015
  • Accepted : April 06, 2015
  • Published : April 30, 2015
Download
PDF
e-PUB
PubReader
PPT
Export by style
Share
Article
Author
Metrics
Cited by
TagCloud
About the Authors
주원 이
Department of Medical Engineering, Andong Science College, Andong 654-321, Korea
병로 이
Department of Electronics Engineering, Gyeongnam National University of Science and Technology, Jinju 660-758, Korea
voyager@gntech.ac.kr

Abstract
최근, 생체 정보를 이용하여 개인의 신원을 확인하기 위해 근적외선 LED와 CCD 카메라를 이용한 지정맥 인식 기술 연구되고 있다. 지정맥 인식은 손가락의 두께, 주변 광, 체온카메라 등의 잡음으로부터 정맥과 배경 이미지를 분리하는 방법에 따라 성능의 차이가 발생한다. 이러한 문제점을 개선하기 위해 본 연구에서는 NIR LED와 CCD 카메라로 촬영된 지정맥 영상으로부터 지정맥 회전, ROI 검출, 필터뱅크를 이용한 정맥 증강 기법을 제안하고 실험을 통하여 그 성능을 평가하였다. 이 실험의 결과에서 제안된 지정맥 회전과 ROI 검출의 정확도가 99.8%를 보였다. 그리고 필터뱅크를 이용한 정맥 증강처리에서는 제안된 방법이Retinex 알고리즘 보다 우수한 대비 성능을 보였다. 이 실험의 결과로부터 제안된 방법을 정맥인식의 전처리 과정에 적용한다면, 보다 나은 인식률을 제공할 것으로 사료된다.
Keywords
Ⅰ. 서 론
생체 인식 기술은 생체 정보를 이용하여 개인의 신원을 확인하거나 식별하는 기술로서 지문, 얼굴, 홍채, 정맥 등을 이용하여 개인을 식별하여 왔다 [1 , 2] . 특히, 지정맥 인식은 손가락에 적외선 광을 조광하여 손가락에 있는 정맥을 영상으로 획득한 다음, 특징 추출과 특징 인식처리 과정을 거쳐 개인을 인증하는 방법으로 손가락 오물로 인한 오인식이나 사용자의 거부감이 작아 최근에 상용화를 위한 여러 연구가 진행되고 있지만 손가락의 두께에 따른 적외선 빛의 투과도, 카메라의 센서 잡음으로 부터 정맥과 배경 이미지를 정확하게 분리하는 방법에 따라 그 인식 성능은 차이가 발생한다. 이러한 문제점을 해결하기위해 워터쉐드(watershed)알고리즘 [3] , 국부 적응역치 기법 [4] , 정맥 프로파일법 [5] 등이 개발되고 있으나 사용자의 측정 자세와 외부 빛, 혈관의 복잡도 등에 따라 인식률이 감소하는 현상을 보이고 있다. 그리고 방향필터 뱅크 [6] 와 가보 필터법 [7 - 9] 의 연구에서는 영상의 정맥, 배경 분리에 효과적이나, 전처리로부터 제거 되지 않은 영상 잡음으로 인하여 영상 골격화후에 상당히 부정확한 결과를 나타났으며, Miura 의 연구 [10] 에서는 영상의 히스토그램의 곡률을 이용하여 정맥, 배경을 분리하기 때문에 복잡한 정맥이 있는 경우에는 정맥을 효과적으로 구분 지을 수 없는 단점이 있다. 그리고 이러한 기법들은 지수함수 사용, 주파수변환 등을 사용하기 때문에 지정맥 단말기인 임베디드 시스템을 구현함에 있어 많은 처리 속도가 요구되어 많은 인식 시간이 소요된다 [11] . 따라서 이러한 문제점을 개선하여 인식률 향상에 기인하고자 본 연구에서는 필터뱅크를 이용한 정맥 증강 처리 기법을 제안하고 실험을 통하여 그 성능을 제시 하였다.
Ⅱ. 지정맥 인식 시스템
지정맥을 기반한 둔 사용자 인식시스템은 그림 1 과 같이 적외선 LED 광원을 손가락에 투광하여 투광된 광을 CCD 카메라 센서로 지정맥 영상을 획득하고, 획득된 영상에서 손가락의 비틀림을 보정하기 위해 회전처리를 한다. 그리고 지정맥이 있는 부분의 영상 영역을 추출한 다음 정맥강조 처리를 하고 정맥 특징 점을 추출하여 데이터베이스 저장하며, 사전 저장된 특징 점과 현재 영상의 특징 점을 비교하여 사용자를 인식하는 구조이다.
PPT Slide
Lager Image
지정맥 인식시스템의 구조 Fig. 1 Structure of finger vein recognition system
이 인식 처리과정에 있어 가장 중요한 단계는 정맥 추출과 특징추출이다. 특히 지정맥 영상은 적외선 투광에 의하여 획득된 영상으로 사용자의 손가락 두께에 따라 영상대비가 낮아 전처리 단계의 성능에 따라 정맥 추출의 성능 차이가 크게 발생하고 이로부터 인식률이 크게 변화된다. 이러한 문제점을 해결하기 위해 여러 연구에서는 워터쉐드(watershed)알고리즘, 가보필터, 정맥 프로파일법 등의 다양한 방법이 시도되었지만 [4 ~ 11] , 현재까지도 몇몇의 부정확한 결과를 초래하고 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기위해 필터뱅크를 이용한 정맥 증강 기법을 제안한다.
Ⅲ. 제안된 ROI 검출과 정맥 증강법
본 연구에서는 제안된 ROI 검출과 정맥 증강법은 영상의 에지특성을 이용한 영상회전과 관심영역 영상추출, 가우시안 마스크와 필터 뱅크를 이용한 정맥 증강처리를 하는 기법으로 세부 과정은 다음과 같다.
- 3.1. 지정맥 영상회전
지정맥 영상촬영에 있어 그림 2 와 같이 사용자의 자세에 따라 지정맥 영상 ( Fi )이 기울어져 있어 정맥 혈관 특징점의 위치변화가 발생하며, 이에 따라 인식성능이 저하된다. 이러한 문제점을 해결하기위해 본 연구에서는 식(1)과 같이 소벨(Sobel) 수평 마스크 Sm 을 기반하여 N × M 크기의 지정맥 영상과 2차원 컨볼류션(*) (식 (2))하여 그림 3 의 손가락 에지( Ef )를 구하고 K - 크기만큼 X 축 방향으로 식(3)~(4)와 같이 누적 처리하여 손가락 영역 분포( 그림 3 )를 얻어 식(5)의 Fs,e ( n ) > 0 이상점을 검출하여 손가락 폭의 시작점과 끝점의 위치인 Ps 1 , Pe 1 , Ps 2 , Pe 2 를 구하였다.
PPT Slide
Lager Image
손가락의 자세 및 위치 Fig. 2 Postures and positions of finger
PPT Slide
Lager Image
에지영상과 K영역의 픽셀 값들의 누적 분포 Fig. 3 edge image and distribution of the accumulated value in K-area
이 좌표들을 토대로 식(6)과 같이 X-방향으로 손가락의 기울어진 점 d ( m )을 중심점으로 가정하여 영상을 천이시켜 회전처리를 하였다.
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
- 3.2. ROI 추출
ROI(관심영역 영상) 영상 추출은 인식 대상인 정맥영역을 추출하는 것으로 본 연구에서는 손가락 외각부분을 제외한 정맥이 집중되어 있는 ROI 영상 추출을 식(5)에서 구한 초기 시작점( Ps 1 )과 끝점( Pe 1 )을 이용하여 회전된 지정맥 영상 Fr ( n,m )에서 식 (7)과 같이 ROI 영상 IR ( r,c )을 추출하고 식(8)과 식(9)를 이용하여 그림4 와 같이 64×128 크기의 정규화된 영상 IF ( n,m )을 구하였다.
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
ROI 영상추출과 Resizing Fig. 4 Extraction of ROI image, and image resizing
그리고 영상크기 변화로 인한 블로킹 잡음을 제거하기 위해 식(10)의 평균 필터 마스크를 사용하여 필터링을 하였다.
PPT Slide
Lager Image
- 3.3. 정맥 증강 처리
지정맥 인식에 있어 가장 중요한 부분은 정맥과 배경을 정확히 분리해 내는 과정이며, 본 연구에서는 의료영상에서의 정맥 증강 처리의 성능이 우수한 특성을 보이는 지역 정규화 기법 [12] 을 개선하여 지정맥 영상에서의 정맥 증강을 위해 그림 5 와 같이 필터 뱅크와 가우시안 필터를 이용한 정맥 증강 처리법을 제안한다. 제안된 정맥 증강처리 기법은 배경픽셀과 배경이외의 픽셀인 정맥 영역 픽셀을 대비시키는 방법이다.
PPT Slide
Lager Image
제안된 정맥 증강법 Fig. 5 Proposed method to enhance vein
이 처리과정은 먼저 식(10)으로부터 출력된 영상 IN ( n,m )을 1/2로 다운-샘플링(식(11))을 함과 동시에 2배로 업-샘플링(식(12))을 하고 7×7 사이즈의 가우시안 필터 G 마스크 이용하여 2-차원 컨볼류션(*) 처리를 하여 저역주파수 특성을 갖는 영상 IG ( n,m )을 추출하도록 하였다. 그리고 원 영상인 IN ( n,m )과 차(subtraction)를 구하여 고주파 특성의 영상 Idiff ( n,m )을 얻었으며, 식(14)와 같이 자승처리와 가우시안 필터링, 근(root) 처리를 하여 추정된 배경영상 IS ( n,m )을 얻도록 하였으며 고주파특성의 영상 Idiff ( n,m )에 추정된 배경영상 IS ( n,m ) 나누어 배경 이외의 픽셀인 정맥 픽셀들을 증강시켰다.
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
PPT Slide
Lager Image
Ⅳ. 실험 및 결과
본 연구에서 제안한 지정맥 관심영역 추출과 필터뱅크를 이용한 정맥증강의 성능을 검증하기위해 성인 남녀(나이: 20~50) 30명을 대상으로 왼손과 오른손 중지 손가락의 지정맥 영상 60개 획득하였다. 여기서 상용된원 영상획득 장치는 850[nm] 적외선 LED와 CCD 센서, 시리얼 통신부로 구성된 지정맥 획득장치인 (주)나르기술의 NAR-MD-101을 사용하였고, 측정된 지정맥 영상 영역은 손가락 끝과 첫째 마디 간의 중간 지점에서부터 두 번째 마디 이전까지 영역이며, 측정된 원 영상 예를 그림 6 의 (a)에 나타내었다. 그리고 획득된 지정맥 원 영상을 토대로 영상회전과 ROI 검출, 정맥 증강 처리하였으며, 그 결과를 그림 6 (b)와 (c)에 나타내었다.
PPT Slide
Lager Image
이미지 회전, 관심영역 추출, 정맥증강처리의 결과 (a) 원 영상 (b) 회전처리된 영상 (c) 증강처리된 결과 영상 Fig. 6 Results of proposed method for image rotation, ROI extraction and image enhancement processing: (a) Original image (b) Rotated image (c) Enhanced ROI image
그림 6 (b)와 10(c)는 제안된 기법의 영상처리 결과 중의 하나의 예로 보여준 것으로 그림 6 (b)는 그림 6 (a)의 원 영상을 토대로 제안된 기법으로 영상의 기울기를 측정하고 회전 처리한 결과이며, 그림 6 (c)는 제안된 ROI 처리과정과 정맥 증강법의 결과를 나타낸 것이다. 이 결과에서 지정맥 회전처리를 통한 ROI 검출 성능을 분석하기 위해 60개 지정맥 영상의 손가락 시작점과 끝점의 위치를 구한 값(120개)과 제안된 ROI 처리에서 검출된 시작점과 끝점의 좌표 값(120개)의 평균 차이를 구하였으며, 그 결과 0.121%의 오차율이 나타나 ROI 영역 추출에 적용가능하다는 것을 알 수 있었다. 그리고 정맥 증강처리의 성능을 비교 분석하기위해 지정맥 영상 및 정맥 영상개선에 사용되는 Retinex 알고리즘 [13 , 14] 과 비교한 결과를 그림 7 표 1 에 나타내었다. 여기서 사용된 영상 대비의 성능 분석법은 정맥부분의 픽셀평균값과 배경영상의 픽셀 평균값 차의 절대 값을 구하여 영상대비를 분석하는 법을 이용하였다.
PPT Slide
Lager Image
Retinex 기법과 제안된 기법의 정맥 증강 성능비교 (a) 원영상 (b) Retinex 영상 (c)제안된 기법의 영상 Fig. 7 A performance compare of Retinex method and proposed method(Filter bank) for vein enhancement (a) Original Image (b) Retinex (c) Proposed method
정맥 증강처리의 대비도Table. 1 Contrast rate of finger vein enhancement
PPT Slide
Lager Image
정맥 증강처리의 대비도 Table. 1 Contrast rate of finger vein enhancement
그림 7 표 1 의 결과로부터 제안된 알고리즘이 Retinex 기법 보다 시각적으로 정맥부분이 두드러지게 대비됨을 알 수 있었으며, 표 1 의 결과에서도 정맥 대비 성능이 높게 나타남을 알 수 있었다. 이 결과로부터 지정맥 영상의 전처리 기법으로 사용될 경우, 역치를 이용한 정맥추출, 정맥 분기점 추출을 위한 스켈레톤(skeleton) 처리 등의 성능향상에 도움이 될 것으로 사료된다.
Ⅴ. 결 론
본 연구에서는 지정맥 인식 성능을 향상시키기 위한 전처리 과정으로 지정맥 회전과 ROI 검출 그리고 필터뱅크를 이용한 정맥 증강 처리법을 제안하고 그 성능을 평가하였다. 제안된 지정맥 회전과 ROI 검출의 정확도 오차가 0.121%로 ROI 검출 기법으로 사용가능함을 확인되었으며, 필터뱅크를 이용한 정맥 증강에서는 Retinex 알고리즘 보다 정맥 대비 성능이 확연하게 우수한 성능을 보였다. 이들 실험의 결과로부터 제안된 기법을 지정맥 인식을 위한 전처리 기법으로 사용한다면 인식률 향상에 기여할 것으로 사료된다.
Acknowledgements
본 연구는 2014년도 경남과학기술대학교의 연구 지원으로 이루진 연구임.
BIO
이주원(Ju-Won Lee)
2008년~현재 :안동과학대학 의료공학과 부교수
※관심분야 : 유비쿼터스 헬스케어, 의용전자, 인공지능, HCI, 영상처리,
이병로(Byeong-Ro Lee)
현재: 경남과학기술대학교 전자공학과 교수
※관심분야: 신호처리, 전자응용.
References
Jain A , Ross A , Prabhakar S 2004 An Introduction to Biometric Recognition IEEE Trans. Circuits Syst. Video Technol. 14 (4)
Uludag U. , Pankanti S. , Prabhakar S. , Jain A. K. 2004 Biometric cryptosystems: issues and challenges Proc. of the IEEE 92 948 - 960    DOI : 10.1109/JPROC.2004.827372
wang Lingyu , Leedham G. 2006 Gray-Scale Skeletonization of Thermal Vein Patterns Using the Watershed Algorithm in Vein Pattern Biometrics International Conference Computational Intelligence and ecurity 2 1597 - 1602
Liu Tong , Xie Jianbin , Lu Huanzhang , Yan Wei , Li Peiqin 2013 A Threshold Image Method for Finger-vein Segmentation Applied Mechanics and Materials 263-266 2439 - 2442    DOI : 10.4028/www.scientific.net/AMM.263-266.2439
Miura Naoto , Nagasaka Akio Extraction of finger-vein patterns using Maximim Curvature Points in Image Profiles IAPR Conference on Machine Vision Applications May 16-18, 2005 347 - 350
Truc P. , Khan M.A. , Lee Y. , Lee S. , Kim T. 2009 Vessel enhancement filter using directional filter bank. Comput. Vis. and Image Under. 113 101 - 112    DOI : 10.1016/j.cviu.2008.07.009
Zhang J , Yang J Finger vein Image Enhancement Based on Combination of Gray‐level Grouping and Circular Gabor Filter Proceedings of the International Conference on Information Engineering and Computer Science 2009
Yang J.F. , Yang J.L. , Shi Y.H. 2009 Finger-vein segmentation based on multi-channel even-symmetric Gabor filter. ICIS 4 500 - 503
Cho S R , Park Y H , Nam G P , Shin K Y , Lee H C , Park K R , Kim S M , Kim H C 2012 Enhancement of Finger vein Image by Vein Line Tracking and Adaptive Gabor Filtering for Finger vein Recognition Applied Mechanics and Materials 145 219 - 223    DOI : 10.4028/www.scientific.net/AMM.145.219
Miura Naoto , Nagasaka Akio , Miyatake Takafumi 2004 Feature extraction of finger-vein patterns based on repeated line tracking and its application to personal identification Machine Vision and Applications 15 (5) 194 - 203    DOI : 10.1007/s00138-004-0149-2
Khalil-Hani M. , Eng P.C. Personal Verification using Finger Vein Biometrics in FPGA-based System-on-Chip ELECO International Conference on Electrical and Electronics Engineering Bursa, TURKEY 1-4 December, 2011 151 - 156
Biomedical Image Group Local Normalization, Filter to reduce the effect on a non-uniform illumination [Internet]. Available:
Rahman Z.-U. , Jobson D.J. , Woodell G.A. 2004 Retinex Processing for Automatic Image Enhancement. J. Electron.Imaging 13 100 - 110    DOI : 10.1117/1.1636183
Wang Hua-Bin , Tao Liang Novel Algorithm for Enhancement of Hand Vein Images based on Adaptive Filtering and Retinex Method Proceedings of the IEEE International Conference on Information Science and Technology (ICIST) Wuhan, Hubei, China 23-25 March, 2012. 857 - 860