摘 要： 研究了物距（即手掌與鏡頭之間的移動范圍）與成像清晰度的關系，從而可以根據掌紋識別精度確定在超出景深范圍情況下的手掌與鏡頭之間的可移動范圍。通過三種基于梯度的清晰度與物距實驗結果發現，三種清晰度評價值與物距均成單調單值非線性關系且曲線靠近。以此可以推論，各種梯度清晰度評價函數在與物距的關系表述上沒有明顯差異。
關鍵詞： 圖像處理; 清晰度評價; 拍攝距離; 數學模型
由于掌紋的信息量遠大于指紋，近些年關于掌紋識別的研究成為生物特征識別領域的研究熱點之一。為了獲得高質量掌紋圖像，通常采用定焦接觸方式,這也是目前掌紋圖像獲取的主要方式，如香港理工大學發布的PolyU掌紋圖像庫[1]。考慮到疾病傳播的可能性，一些人對于接觸方式存在一定排斥心理,為此，本文提出對定焦非接觸掌紋圖像進行研究。圖像采集時，只要被采集者的手與采集頭的距離在景深范圍以內，獲得的圖像可認為是清晰圖像。由于每個人對于距離的感覺存在差異，一些人的手可能放在景深以外的位置上，這將導致所拍攝的掌紋圖像模糊，即部分紋理細節丟失，隨著手偏離焦平面的程度加大，掌紋圖像紋理細節信息丟失程度也加大，紋理信息的分辨力降低。由于掌紋的紋理信息豐富，即使存在一定的圖像模糊,也能夠具有較高的分辨力。
如果建立拍攝距離與圖像清晰度的對應關系模型，就可以通過該模型來判斷圖像的清晰度；更進一步地,如果建立圖像清晰度與錯誤識別率之間的對應關系,就可以根據用戶所要求的誤識率來確定系統能夠容許多大清晰程度的掌紋圖像，也就是說，在錯誤識別率要求不是很高的場合,手與攝像機之間的距離將允許有更大的范圍。
本文首先建立了小樣本由清晰到模糊的定焦非接觸式掌紋圖庫；然后在自拍圖庫的基礎上進行掌紋定位；最后在定位的掌紋有效區域上采用基于梯度算子的圖像清晰度評價方法來判定掌紋圖像的清晰程度，建立掌紋拍攝距離與清晰度之間關系的數學模型并給出誤差分析。
1 掌紋圖像采集
掌紋圖像的采集是掌紋識別的第一步，同時也是較困難的問題。本文應用基于USB傳輸口的高精度CCD工業攝像頭進行圖像采集。拍攝掌紋圖像時采用單一的背景，調節好攝像頭的焦距、曝光度和對比度固定不變。根據鏡頭參數計算景深范圍,確定拍攝距離為85 cm到121 cm范圍內。在拍攝距離范圍內每間隔4 cm拍攝一次，這樣可獲得一組由清晰到模糊的10幅手圖像。按照此過程重復拍攝10次，即每類獲得10組圖像。
2 掌紋圖像定位
掌紋識別系統是在截取的掌紋有效區域圖像的基礎上進行特征提取與識別，因此掌紋有效區域部分質量的好壞直接關系到識別系統的后續處理。然而準確的區域定位又是掌紋質量評價的基礎。現有的掌紋定位方法大都基于手掌上的指根點來建立坐標系截取有效區域，本文采用點到直線的距離[2]來確定指根點。
具體步驟如下：首先將原圖像進行二值化，采用輪廓跟蹤的方法提取出手輪廓并將輪廓點的橫縱坐標存入到一個數組中；然后將手輪廓每隔15列進行掃描并把每次掃描到輪廓點的次數進行記錄，當記錄次數為8時停止掃描，根據該列輪廓線上的點確定一條直線；最后在手指內側找輪廓上的到該直線距離最遠的點，該點便為指根點。根據食指與中指之間指根點以及無名指與小指之間指根點建立坐標系，截取掌紋有效區域。具體實現過程如圖1所示。
3 掌紋圖像清晰度評價函數介紹
Wang Zhou[3,4]等人認為,人眼在觀察一幅圖像時,首先提取圖像的結構信息,因為圖像像素之間的信息是相關的,人眼判斷一幅降質圖像質量的好壞,更多地是審視該圖像的結構信息與原圖像的結構信息是否相近。鑒于人眼對圖像邊緣紋理結構信息的極高敏感度,而梯度能較好地反應圖像的邊緣紋理信息,一些基于梯度算子的清晰度評價方法被提了出來，如圖像灰度梯度向量模方和、Roberts梯度、Sobel梯度、拉普拉斯梯度等[5-7]。
對于數字圖像序列的第K幅圖像f(x,y)，其各點灰度梯度、Roberts梯度、Laplacian梯度（八鄰域）幅值計算公式如下：
運用以上三種基于梯度的清晰度評價函數計算掌紋圖像的清晰度評價值。
4 建立拍攝距離與圖像清晰度之間的關系曲線
4.1 圖庫的介紹
根據第一節的介紹進行圖庫的采集，建立自拍圖庫。自拍圖庫大小為30×10×10，即共有30個類，每類10個采集位置，每個位置采集10組圖片。以下實驗均基于自拍圖庫的基礎上進行。
4.2 實驗的建立及模型的分析
圖2所示是在自拍圖庫中任意選擇一類掌紋圖片進行定位后得到的序列圖像，對該類樣本的10組圖片分別用三種不同的基于梯度算子的清晰度評價方法進行實驗。計算三種方法下的掌紋序列圖像清晰度評價值。以拍攝距離為橫坐標，清晰度評價函數值為縱坐標畫出所有樣本在平面所對應的點。
每張圖片經清晰度評價函數計算后得到一個清晰度評價值，每個拍攝位置對應10組圖片，即每個拍攝位置就有10個清晰度評價值。理論上同一位置的不同次拍攝的圖片用同一種清晰度評價函數所計算得到的清晰度評價值應該相同，但實際上由于每次拍攝手擺放的姿勢不同,導致定位有效區域的偏差或拍攝過程的光照、噪聲影響都對評價值產生影響，同一位置的不同次采集的圖片清晰度存在一定的偏差。為了盡量減小以上問題給后續建立清晰度評價函數與拍攝距離關系數學模型所帶來的誤差，求取每個拍攝位置的不同次拍攝圖片所對應清晰度評價值的平均值作為該位置的清晰度評價值，得到三種基于梯度算子的清晰度評價函數與拍攝距離之間的關系曲線模型,如圖3所示。
從圖3可以看出，三種清晰度評價值與物距均成單調單值非線性關系且曲線靠近。以此可以推論，各種梯度清晰度評價函數在與物距的關系表述上沒有明顯差異。
4.3 誤差分析
計算樣本模型中第k個位置圖片的清晰度評價值的最大相對誤差公式如下：
經上述公式計算得到三種清晰度評價函數模型的最大偏差如表1所示。
通過表1可以看出，三種模型的最大偏差都很小，在系統允許的誤差范圍內三種模型均能反映圖像的清晰度。但相比之下，基于Laplacian算子的關系曲線模型的建立稍優于其他兩種方法。
本文在建立了小樣本離焦非接觸式掌紋庫的基礎上，建立了物距與成像清晰度之間的關系數學模型，實驗結果表明各種梯度清晰度評價函數在與物距的關系表述上沒有明顯差異。但研究仍有不足之處，一方面應加大圖庫樣本；另一方面應考慮前景深范圍內采集的圖像，使模型更具廣泛性。
參考文獻
[1] Poly U Palmprint Database[Z].(2003-03-02).http://www4.comppolyu.edu.hk/~biometrics/.
[2] 閆琳,史彥龍.基于手指輪廓的手形驗證算法[J].計算機安全,2009,01(25):74-75.
[3] Wang Zhou, BOVIK A C, SHEIKH H R, et al. Image quality assessment: from error visibility to structural similarity[J].IEEE Trans on Image Processing, 2004,13(4):600-612.
[4] Wang Zhou, BOVIK A C, Lu Ligang. Why is image quality assessment so difficult[C]. Proc of IEEE International Conference of acoustics, Speech, and Signal Processing, 2002:3313-3316.
[5] 曹茂永,孫農亮,郁道銀.基于灰度梯度的數字圖像評價函數[J].光電工程, 2003, 30(4):70-71.
[6] 高贊,姜威,朱孔鳳.基于最大梯度和閾值的自動聚焦算法[J].電子測量與儀器報,2007,10(21):50-51.
[7] 蔣婷,譚躍剛,劉泉. 基于Sobel算子的圖像清晰度評價函數研究[J].計算機與數字工程，2008，8（36）:129-131.