ДОКЛАДЫ АКАДЕМИИ НАУК
ВЫСШЕЙ ШКОЛЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

Строение кровеносных сосудов относится к перспективным биометрическим признакам, используемым для идентификации и аутентификации личности с высокой надежностью. Методы, основанные на анализе инфракрасных изображений кровеносных сосудов пальцев, ладони, запястья являются бесконтактными и имеют важные преимущества перед традиционными методами на основе отпечатков пальцев или ладони, радужной оболочки глаза и т. п. Эти методы не создают неудобств для пользователя, гигиеничны, весьма устойчивы к угрозам кражи, подмены и имитации. Системы контроля и управления доступом, банковские сервисы, платежные системы представляют собой наиболее перспективные области применения подобных методов, что свидетельствует об актуальности исследований, направленных на создание быстродействующих эффективных алгоритмов анализа изображений кровеносных сосудов. Успешность применения алгоритмов анализа изображений в большой степени зависит от эффективности их предварительной обработки. Работа посвящена разработке и исследованию алгоритма предварительной обработки инфракрасного изображения тыльной стороны кисти руки, получаемого сканированием при помощи видеокамеры с ИК-фильтром методом пропускания с подсветкой светодиодами в диапазоне длин волн около 850 нм. Результатом обработки является улучшенное полутоновое изображение выделенной области интереса в совокупности со скелетом венозной сети, на которой выделены характерные точки.

1. Wu Q., Kang W. Contactless palm vein recognition using a mutual foreground-based local binary pattern // IEEE Transactions on Information Forensics and Security. – 2014. – Vol. 9, N 11. – P. 1974–1985. – DOI: 10.1109/TIFS.2014.2361020.
2. Hernández-García R., Barrientos R.J., Rojas C. Individuals identification based on palm vein matching under a parallel environment // Applied Sciences. – 2019. – Vol. 9, N 14. – P. 2805. – DOI: 10.3390/app9142805.
3. Jain A.K., Bolle R., Pankanti S. Biometrics: personal identification in networked sosiety. – Boston: Kluwer, 1999. – 411 p.
4. Hyperspectral venous image quality assessment for optimum illumination range selection based on skin tone characteristics / A. Shahzad, M.N. Saad, N. Walter, A.S. Malik, F. Meriaudeau // BioMedical Engineering OnLine. – 2014. – Vol. 13, N 109. – P. 1–13. – DOI: 10.1186/1475-925X-13-109.
5. Infrared imaging of subcutaneous veins / V.P. Zharov, S. Ferguson, J.F. Eidt, P.C. Howard, L.M. Fink, M. Waner // Lasers in Surgery and Medicine. – 2004. – Vol. 34, N 1. – P. 56–61. – DOI: 10.1002/lsm.10248.
6. Contact-free palm-vein recognition based on local invariant features / W. Kang, Y. Liu, Q. Wu, X. Yue // PLoS ONE. – 2014. – Vol. 9, N 5. – P. 1–12. – DOI: 10.1371/journal.pone.0097548.
7. Sontakke B.M., Humbe V.T., Yannawar P.L. Dorsal hand vein authentication system: a review // Journal of Scientific Research and Development. – 2017. – Vol. 6, N 5. – P. 511–514.
8. Crisan S. A novel perspective on hand vein patterns for biometric recognition: problems, challenges, and implementations // Biometric security and privacy, opportunities & challenges in the big data era. – Cham: Springer, 2017. – P. 424. – DOI: 10.1007/978-3-319-47301-7.
9. Finger-vein image recognition combining modified hausdorff distance with minutiae feature matching / C.B. Yu, H.F. Qin, Y.Z. Cui, X.Q. Hu // Interdisciplinary Sciences: Computational Life Sciences. – 2009. – Vol. 1, N 4. – P. 280–289. – DOI: 10.1007/s12539-009-0046-5.
10. Wang L., Leedham G., Cho D.S.Y. Minutiae feature analysis for infrared hand vein pattern biometrics // Pattern Recognition Society. – 2007. – Vol. 3, N 41. – P. 920–929. – DOI: 10.1016/j.patcog.2007.07.012.
11. Dubuisson M.P., Jain A.K. A modified Hausdorff distance for object matching // Proceedings of the 12th IAPR International Conference on Pattern Recognition. – 1994. – Vol. 1. – P. 566–568. – DOI: 10.1109/icpr.1994.576361.
12. Zuiderveld K. Contrast limited adaptive histogram equalization // Graphics Gems IV. – Boston: Academic Press Professional, 1994. – P. 474–485.
13. 13. Otsu N. A threshold selection method from gray-level histograms // IEEE Transactions on Systems, Man, and Cybernetics, 1979, vol. 9, N 1. – P. 62–66. – DOI: 10.1109/tsmc.1979.4310076.
14. Gray L.A. Mathematician looks at Wolfram’s New Kind of Science // Notices of the AMS. – 2003. – Vol. 50, N 2. – P. 200–211.
15. Gonzalez R.C., Woods R.E. Digital image processing. – 2nd ed. – New Jersey: Prentice Hall, 2002. – 795 p.