최근, 생체 정보를 이용하여 개인의 신원을 확인하기 위해 근적외선 LED와 CCD 카메라를 이용한 지정맥 인식기술 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.
최근, 생체 정보를 이용하여 개인의 신원을 확인하기 위해 근적외선 LED와 CCD 카메라를 이용한 지정맥 인식기술 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.
Recently, the finger vein recognition based on NIR and CCD sensor camera is investigating the technology to identify a personal using by biometrics. The performance difference of finger vein recognition is generated according to methods that are to separate the vein and background from noises such a...
Recently, the finger vein recognition based on NIR and CCD sensor camera is investigating the technology to identify a personal using by biometrics. The performance difference of finger vein recognition is generated according to methods that are to separate the vein and background from noises such as finger thickness, ambient light, skin temperature, etc. To improve these problems, in this study, we are proposing the methods for rotation, ROI extraction, and enhancement of vein image captured by NIR LED and CCD camera, and were evaluated performances of these methods. In results of the experiment, the accuracy of the proposed method for image rotation and ROI extraction was 99.8%. And the proposed filter bank method in vein enhancement has shown better performance than retinex algorithm. The proposed method for results of these experimentations will provide better recognition rate when applied to the preprocessing of finger vein recognition.
Recently, the finger vein recognition based on NIR and CCD sensor camera is investigating the technology to identify a personal using by biometrics. The performance difference of finger vein recognition is generated according to methods that are to separate the vein and background from noises such as finger thickness, ambient light, skin temperature, etc. To improve these problems, in this study, we are proposing the methods for rotation, ROI extraction, and enhancement of vein image captured by NIR LED and CCD camera, and were evaluated performances of these methods. In results of the experiment, the accuracy of the proposed method for image rotation and ROI extraction was 99.8%. And the proposed filter bank method in vein enhancement has shown better performance than retinex algorithm. The proposed method for results of these experimentations will provide better recognition rate when applied to the preprocessing of finger vein recognition.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
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 필터 뱅크를 이용한 정맥 증강 기법을 제안한다.
그리고 이러한 기법들은 지수함수 사용, 주파수 변환 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.
본 연구에서는 지정맥 인식 성능을 향상시키기 위한 전처리 과정으로 지정맥 회전과 ROI 검출 그리고 필터 뱅크를 이용한 정맥 증강 처리법을 제안하고 그 성능을 평가하였다. 제안된 지정맥 회전과 ROI 검출의 정확도 오차가 0.
제안 방법
ROI(관심영역 영상) 영상 추출은 인식 대상인 정맥 영역을 추출하는 것으로 본 연구에서는 손가락 외각 부분을 제외한 정맥이 집중되어 있는 ROI 영상 추출을 식(5)에서 구한 초기 시작점(Ps1 )과 끝점(Pe1 )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 그림4와 같이 64×128 크기의 정규화된 영상 IF(n,m)을 구하였다.
m)을 추출하도록 하였다. 그리고 원 영상인 IN(n,m)과 차(subtraction)를 구하여 고주파 특성의 영상Idiff (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.
본 연구에서는 제안된 ROI 검출과 정맥 증강법은 영상의 에지특성을 이용한 영상회전과 관심영역 영상추출, 가우시안 마스크와 필터 뱅크를 이용한 정맥 증강 처리를 하는 기법으로 세부 과정은 다음과 같다.
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 G마스크 이용하여 2-차원 컨볼류션(*) 처리를 하여 저역주파수 특성을 갖는 영상 IG(n.m)을 추출하도록 하였다.
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 5와 같이 필터 뱅크와 가우시안 필터를 이용한 정맥 증강 처리법을 제안한다. 제안된 정맥 증강처리 기법은 배경픽셀과 배경이외의 픽셀인 정맥 영역 픽셀을 대비시키는 방법이다.
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 5와 같이 필터 뱅크와 가우시안 필터를 이용한 정맥 증강 처리법을 제안한다. 제안된 정맥 증강처리 기법은 배경픽셀과 배경이외의 픽셀인 정맥 영역 픽셀을 대비시키는 방법이다.
지정맥을 기반한 둔 사용자 인식시스템은 그림 1과 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.
대상 데이터
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 상용된 원 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 6의 (a)에 나타내었다.
이론/모형
그리고 정맥 증강처리의 성능을 비교 분석하기위해 지정맥 영상 및 정맥 영상개선에 사용되는 Retinex 알고리즘[13, 14]과 비교한 결과를 그림 7과 표1에 나타내었다. 여기서 사용된 영상 대비의 성능 분석법은 정맥부분의 픽셀 평균값과 배경영상의 픽셀 평균값 차의 절대 값을 구하여 영상대비를 분석하는 법을 이용하였다.
성능/효과
그림 7과 표 1의 결과로부터 제안된 알고리즘이 Retinex 기법 보다 시각적으로 정맥부분이 두드러지게 대비됨을 알 수 있었으며, 표 1의 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.
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 7과 표1에 나타내었다.
본 연구에서는 지정맥 인식 성능을 향상시키기 위한 전처리 과정으로 지정맥 회전과 ROI 검출 그리고 필터 뱅크를 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 알고리즘보다 정맥 대비 성능이 확연하게 우수한 성능을 보였다. 이들 실험의 결과로부터 제안된 기법을 지정맥 인식을 위한 전처리 기법으로 사용한다면 인식률 향상에 기여할 것으로 사료된다.
후속연구
그림 7과 표 1의 결과로부터 제안된 알고리즘이 Retinex 기법 보다 시각적으로 정맥부분이 두드러지게 대비됨을 알 수 있었으며, 표 1의 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.
121%로 ROI 검출 기법으로 사용가능함을 확인되었으며, 필터뱅크를 이용한 정맥 증강에서는 Retinex 알고리즘보다 정맥 대비 성능이 확연하게 우수한 성능을 보였다. 이들 실험의 결과로부터 제안된 기법을 지정맥 인식을 위한 전처리 기법으로 사용한다면 인식률 향상에 기여할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
지정맥 인식의 가장 중요한 과정은?
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 5와 같이 필터 뱅크와 가우시안 필터를 이용한 정맥 증강 처리법을 제안한다. 제안된 정맥 증강처리 기법은 배경픽셀과 배경이외의 픽셀인 정맥 영역 픽셀을 대비시키는 방법이다.
지정맥 인식의 문제점은?
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.
지정맥 인식의 문제점을 해결하기 위한 연구 및 결과는?
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.
참고문헌 (14)
Jain A, Ross A, Prabhakar S, An Introduction to Biometric Recognition, IEEE Trans. Circuits Syst. Video Technol. Vol. 14, No. 4, 2004.
U. Uludag, S. Pankanti, S. Prabhakar, and A. K. Jain, Biometric cryptosystems: issues and challenges, Proc. of the IEEE, vol. 92, pp. 948-960, 2004.
Lingyu wang, G. Leedham, Gray-Scale Skeletonization of Thermal Vein Patterns Using the Watershed Algorithm in Vein Pattern Biometrics, International Conference Computational Intelligence and ecurity, Vol. 2, pp. 1597-1602, 2006.
Tong Liu, Jianbin Xie, Huanzhang Lu, Wei Yan, Peiqin Li, A Threshold Image Method for Finger-vein Segmentation, Applied Mechanics and Materials Vols. 263-266, pp. 2439-2442, 2013.
Naoto Miura, Akio Nagasaka, Extraction of finger-vein patterns using Maximim Curvature Points in Image Profiles, IAPR Conference on Machine Vision Applications, May 16-18, pp. 347-350, 2005.
Truc, P., Khan, M.A., Lee, Y., Lee, S., Kim, T.: Vessel enhancement filter using directional filter bank. Comput. Vis. and Image Under., Vol. 113, pp. 101-112, 2009.
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.: Finger-vein segmentation based on multi-channel even-symmetric Gabor filter. ICIS, Vol. 4, pp. 500-503, 2009.
Cho S R, Park Y H, Nam G P, Shin K Y, Lee H C, Park K R, Kim S M, Kim H C, Enhancement of Finger-vein Image by Vein Line Tracking and Adaptive Gabor Filtering for Finger vein Recognition, Applied Mechanics and Materials. Vol. 145, pp. 219-223, 2012.
Naoto Miura, Akio Nagasaka, Takafumi Miyatake. Feature extraction of finger-vein patterns based on repeated line tracking and its application to personal identification, Machine Vision and Applications, Vol. 15, No. 5, pp. 194-203, 2004.
M. Khalil-Hani, P.C. Eng, Personal Verification using Finger Vein Biometrics in FPGA-based System-on-Chip, ELECO International Conference on Electrical and Electronics Engineering, 1-4 December, Bursa, TURKEY, pp. 151-156, 2011.
Biomedical Image Group,Local Normalization, Filter to reduce the effect on a non-uniform illumination [Internet]. Available: http://bigwww.epfl.ch/sage/soft/localnormalization/
Rahman, Z.-U.; Jobson, D.J.; Woodell, G.A. Retinex Processing for Automatic Image Enhancement. J. Electron. Imaging, Vol. 13, pp.100-110. 2004.
Hua-Bin Wang, and Liang Tao, 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, pp. 857-860, 23-25 March, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.