信息技术 生物特征样本质量 第9部分：血管图像数据（征求意见稿）

ICS35.240.15CCSL40中华人民共和国国家标准IGB/T33767.9—XXXX II III 12规范性引用文件 13术语和定义 14缩略语 15血管图像质量分析 25.1概述 25.2血管图像质量分量 25.3统一质量得分 96血管图像质量数据记录 9 11GB/T33767.9—XXXX本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起本文件为GB/T33767《信息技术生物特征样本质量》的第9部分。GB/T33767已经发布了以下部分：——第1部分：框架；——第4部分：指纹图像数据；——第5部分：人脸图像数据；——第6部分：虹膜图像数据；——第9部分：血管图像数据；——第14部分：DNA数据；本文件由全国信息技术标准化技术委员会（SAC/TC28）提出并归口。本文件起草单位：本文件主要起草人：GB/T33767.9—XXXXGB/T33767《信息技术生物特征样本质量》旨在规定用于生物特征识别技术的样本质量要求和测试方法,拟由17个部分构成：——第1部分：框架，目的在于确立生物特征样本质量准则、质量度量数据的交换及质量评估算法性能的评估方法；——第2部分:指纹细节点数据,目的在于规定基于指纹细节点用于指纹识别技术的样本质量要求和测试方法；——第3部分:指纹型谱数据,目的在于规定基于指纹型谱用于指纹识别技术的样本质量要求和测试方法；——第4部分:指纹图像数据,目的在于给出指纹图像质量得分的量化表达与解释、质量分析方法和质量度量的组合方法；——第5部分:人脸图像数据,目的在于给出人脸图像质量指标定义与分类，以及人脸图像质量分析方法；——第6部分:虹膜图像数据,目的在于规定虹膜图像质量指标定义和量化计算方法、虹膜图像采集质量要求，以及质量数据记录编码形式；——第7部分:签名/签字时间序列数据，目的在于规定基于签名/签字信息用于签名/签字识别技术的样本质量要求和测试方法；——第8部分:指纹骨架数据,目的在于规定基于指纹骨架模式用于指纹骨架识别技术的样本质量要求和测试方法；——第9部分:血管图像数据,目的在于给出血管图像质量分析及量化计算方法，同时给出质量数据记录编码形式；——第10部分:手形轮廓数据,目的在于规定基于手形轮廓图像用于手形识别技术的样本质量要求和测试方法；——第11部分:签名/签字处理的动态数据,目的在于规定基于处理后的签名/标志行为数据用于签名/签字识别技术的样本质量要求和测试方法；——第12部分:脸型特性数据,目的在于规定基于脸型特性数据用于人脸识别技术的样本质量要求和测试方法；——第13部分:声纹数据,目的在于规定基于单个会话中记录的单个扬声器的人的声纹数据用于说话人识别技术的样本质量要求和测试方法；——第14部分:DNA数据,目的在于规定基于高通量测序产生的各种DNA数据类型的DNA数据用于DNA识别技术的样本质量要求和测试方法；——第15部分:掌纹图像数据,目的在于规定基于掌纹图像数据用于掌纹识别技术的样本质量要求和测试方法。——第16部分:全身图像数据,目的在于规定基于全身图像数据用于全身识别技术的样本质量要求和测试方法。——第17部分:步态图像数据,目的在于规定基于步态图像数据用于步态识别技术的样本质量要求和测试方法。血管图像样本质量影响系统的性能，对图像质量进行评估可以预测系统性能。因此，在许多应用中血管图像数据的质量信息至关重要。GB/T30267.1-2013与GB/T28826.1-2012为质量得分分配了一个质量域并规定了允许的分数范围。根据这几项标准中的建议，质量得分将被细分为四类，每类对应一个定GB/T33767.9—XXXX性解释。在GB/T26237.9的标准化血管图像数据交换格式中同样定义了图像质量域。目前,尚缺乏有助于表示、解释和交换血管图像数据的标准质量得分的定义方法。本文件旨在找出以客观、定量的形式表示和解释血管图像质量的方法，对采集的手指、手掌和手背的血管图像进行质量度量。同时，在开发参照性血管图像数据样本库方面对GB/T33767.1-2017《信息技术生物特征样本质量第1部分:框架》进行了补充。此参照样本库基于公开血管图像数据的可用性，后续可用于质量得分。1GB/T33767.9—XXXX信息技术生物特征样本质量第9部分：血管图像数据本文件给出了血管图像质量分析方法以及血管图像质量数据记录的编码形式。本文件适用于血管图像质量的分析。本文件不适用于具体血管图像质量评估算法的性能评估。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T26237.9-2022信息技术生物特征识别数据交换格式第9部分：血管图像数据GB/T28826.2-2020信息技术公用生物特征识别交换格式框架第2部分:生物特征识别注册机构操作规程GB/T33767.1-XXXX信息技术生物特征样本质量第1部分：框架GB/TXXXXX.9-XXXX信息技术信息技术可扩展的生物特征识别数据交换格式第9部分：血管图像数据3术语和定义GB/T33767.1-XXXX界定的以及下列术语和定义适用于本文件。3.1前景区域foregroundregion手部血管图像中手指轮廓或全手轮廓内用于识别的区域。3.2质心centroid手部血管图像中前景区域的中心位置。4缩略语下列缩略语适用于本文件。CBEFF：公用生物特征识别交换格式框架（commonbiometricexchangeformatsframework）QAID：质量评估算法标识符（qualityassessmentalgorithmidentifier）5血管图像质量分析2GB/T33767.9—XXXX5.1概述血管图像采集自人体手部，在本文件中手指血管图像、手掌血管图像、手背血管图像为采集自对应部位的静脉血管图像，图像的标准姿势和对象坐标系应符合GB/T26237.9-2022中7.8的规定。血管图像中的过曝、模糊等缺陷使图像质量下降，影响血管识别系统的性能。血管图像的缺陷成因包括采集主体生理因素（如皮肤状况采集主体行为因素（如采集姿势采集设备因素（如光源或图像传感器等）或采集环境因素（如环境温度和光照等）。血管图像质量度量中，设置的质量分量指示缺陷成因存在，得出的质量分量值反映缺陷的数量与严重程度。部分缺陷成因如下所示：a）采集主体生理因素包括但不限于：b）采集主体行为因素包括但不限于：.采集部位的旋转、倾斜、俯仰、偏移或弯曲；c）采集设备因素包括但不限于：d）采集环境因素包括但不限于：本文件使用有效面积、偏移程度、对比度、等效视数、信息熵、清晰度、亮度均匀性、血管总长度、特征点数量等9项质量分量表征血管图像质量，本文件将9项质量分数映射为[0,100]间的整数，便于表示图像质量分量，同时与第6章节血管图像质量数据记录部分保持一致。5.2血管图像质量分量5.2.1有效面积5.2.1.1说明血管图像的有效面积指的是前景区域中未被衣物、创口贴等物体遮挡的面积。5.2.1.2质量分量计算有效面积的质量分量计算如下：a）提取血管图像的前景区域；b）根据血管图像的采集部位以及前景区域范围设置系数s，其取值见表1；表1系数s取值3GB/T33767.9—XXXXSc取值c）通过系数Sc将血管图像前景区域中未被遮挡的面积Sunoccluded映射到[0，100]并取整，血管图像质量的有效面积分量值Q1可按式（1）计算：Q1=MIN100,ROUND×100……（1）式中：Sunoccluded——表示血管图像前景区域中未被遮挡的面积，单位为像素；Sc——系数。有效面积的分量值越大，代表前景区域越大，图像质量越高。5.2.2偏移程度5.2.2.1说明血管图像的偏移程度指的是前景区域的质心相对于整个图像的几何中心的坐标偏移程度，由图像平面上的水平偏移和竖直偏移计算得到。5.2.2.2质量分量计算偏移程度的质量分量计算如下：a）提取血管图像的前景区域；b）前景区域的质心坐标(Cx,Cy)可按式（2）计算：EQ\*jc3\*hps20\o\al(\s\up9(C),C)EQ\*jc3\*hps14\o\al(\s\up5(x),y)EQ\*jc3\*hps20\o\al(\s\up8(σ),σ)EQ\*jc3\*hps14\o\al(\s\up4(i),i)EQ\*jc3\*hps20\o\al(\s\up6(Rx),Ry)EQ\*jc3\*hps14\o\al(\s\up6(i),i)EQ\*jc3\*hps20\o\al(\s\up9(N),N)EQ\*jc3\*hps14\o\al(\s\up6(R),R)…………（2）式中：Cx——前景区域的质心横坐标；R——前景区域；xi——前景区域中第i个像素的横坐标；NR——前景区域内的像素总数；Cy——前景区域的质心纵坐标；yi——前景区域中第i个像素的纵坐标。SH=1…………（3SH=1…………（3）SV=1…………（4）式中：gx——整幅图像几何中心的横坐标；gy——整幅图像几何中心的纵坐标。d）血管图像质量的偏移程度分量值Q2可按式（5）计算，Q2的取值范围为[0，100]间的整数：4GB/T33767.9—XXXXQ2=ROUNDSH×SV×100)…………（5）偏移程度的分量值越大，代表水平偏移和竖直偏移综合后的偏移程度越小，图像质量越高。5.2.3对比度5.2.3.1说明血管图像的对比度表示前景区域相对于前景区域整体平均灰度值的偏离程度。血管图像的对比度过低表示图像质量偏低。当血管图像的对比度低时，血管区域与非血管区域区分度较小，血管纹路模糊或消失。5.2.3.2质量分量计算对比度的质量分量计算如下：a）提取血管图像的前景区域；b）前景区域的标准差C可按式（6）计算：C=σ1gi−gmean2…………（6）式中：N——前景区域的像素总数；gi——前景区域的中第i个像素点的灰度值；gmean——前景区域的的灰度均值。c）将前景区域的标准差C映射到[0，100]并取整，血管图像质量的对比度分量值Q3可按式（7）计算：Q3=ROUND×100)…………（7）对比度的分量值越大，代表血管图像的对比度越大，图像质量越高。5.2.4等效视数5.2.4.1说明血管图像的等效视数可用来衡量噪声的抑制效果。5.2.4.2质量分量计算血管图像质量的等效视数分量值Q4可按式（8）计算，Q4的取值范围为[0，100]间的整数：Q4=MIN100,ROUND×100)…………（8）式中：μ——血管图像的灰度均值；σ——血管图像的灰度标准差。等效视数的分量值越大，代表血管图像抑制噪声的效果就越好,图像质量越高。5.2.5信息熵5.2.5.1说明5GB/T33767.9—XXXX信息熵表示像素点的平均统计信息量，血管图像的信息熵反映的是图像中灰度值的分布，可利用信息熵来衡量一幅血管图像的灰度利用率。5.2.5.2质量分量计算血管图像的信息熵可按式（9）计算，EQ\*jc3\*hps20\o\al(\s\up5(单),ep)EQ\*jc3\*hps20\o\al(\s\up5(bi),σ)EQ\*jc3\*hps20\o\al(\s\up5(：),p)ilog2pi式中：ep——血管图像的信息熵；…………pi——像素在第i级灰度级上的概率，即灰度等级为i的像素点个数除以总的像素点个数。设置系数epc为6，单位为bit；通过系数epc将血管图像的信息熵ep映射到[0，100]并取整，血管图像质量的信息熵分量值Q5可按式（10）计算：Q5=MIN100,ROUND×100))………（10）式中：ep——血管图像的信息熵；epc——系数。信息熵的分量值越大，表示血管图像中灰度值的分布越广，图像质量越高。5.2.6清晰度5.2.6.1说明清晰度表示的是图像上各种细节纹理和边缘的表示程度，受图像噪声水平、动态模糊、边缘锐化程度等因素的影响。5.2.6.2质量分量计算清晰度的质量分量计算如下：a）提取血管图像的前景区域；b）设置0°、45°、90°、135°四个方向的Sobel算子来提取血管图像前景区域的边缘信息，四个方向的Sobel算子如图1所示；c）使用4个Sobel算子与血管图像的前景区域进行卷积，得到卷积结果图像l1、l2、l3、l4；d）平均4个卷积结果图像，平均图像wmean可按式（11）计算：wmean=σ1…………（11）式中：li——使用第i个的Sobel算子进行边缘检测得到的图像。e）设置系数gc为230，单位为像素；6GB/T33767.9—XXXXf）通过系数gc将平均图像wmean的灰度均值gw映射到[0，100]并取整，血管图像质量的清晰度分量值Q6可按式（12）计算：Q6=ROUND(1−gEQ\*jc3\*hps12\o\al(\s\up4(w),2)EQ\*jc3\*hps14\o\al(\s\up5(g),5)c)×100…………（12）式中：gc——系数。清晰度的分量值越大，代表前景区域内的血管纹路越清晰，图像质量越高。5.2.7亮度均匀性5.2.7.1说明血管图像的亮度均匀性是指前景区域中所有像素点的亮度值的平均值。亮度均匀值越高,表示图像的整体亮度越均匀,颜色分布也越均匀。5.2.7.2质量分量计算亮度均匀性的质量分量计算如下：a）提取血管图像的前景区域；b）用5×5像素的小块对血管图像的前景区域从上至下、从左至右进行分块处理，如图2所示。图2前景区域分块示意图c）选取与前景区域有重合的小块，小块数量为Nb。d）与前景区域重合小块的平均灰度可按式（13）计算，计算时仅计算重合部分的平均灰度：xi,mean=σ1xj…………（13）式中：xi,mean——第i个小块的平均灰度；Np——每个小块中重合部分的像素总数；xj——小块中第j个像素的灰度值。e）血管图像质量的亮度均匀性分量值Q7可按式（14）计算，Q7的取值范围为[0，100]间的整数：Q7=ROUND1σ1xi,mean−xmean2)式中：Nb——与前景区域重合的小块总数；xmean——前景区域的灰度均值。7GB/T33767.9—XXXX亮度均匀性的分量值越大，表示血管图像亮度变化越小，亮度越均匀,图像质量越高。5.2.8血管总长度5.2.8.1说明血管图像的血管总长度指的是图像前景区域中血管长度的总和。5.2.8.2质量分量计算血管总长度的质量分量计算如下：a）提取血管图像的前景区域；b）对血管图像的前景区域进行二值化和细化（如参考文献[5]），使前景区域中所有血管的像素值为1，其余为0，血管纹理粗细为1像素；c）统计二值化和细化后的前景区域内像素值为1的像素总数为Nvessel；d）根据血管图像的采集部位以及前景区域范围设置系数Lc，其取值见表2；表2系数Lc取值Lc取值e）通过系数Lc将Nvessel映射到[0，100]并取整，血管图像质量的血管总长度分量值Q8可按式（15）计算：Q8=MIN100,ROUNDNvEQ\*jc3\*hps12\o\al(\s\up4(es),Lc)sel×100…（15）式中：Nvessel——二值化和细化后的前景区域内像素值为1的像素总数；Lc——系数。血管总长度的分量值越大，表示血管图像中血管总长度越长，信息越丰富，图像质量越高。5.2.9特征点数量5.2.9.1说明血管图像的特征点数量指的是图像中血管的端点和血管之间的交叉点的总和，其数量能衡量血管图像的信息丰富程度。5.2.9.2质量分量计算特征点数量的质量分量计算如下：a）提取血管图像的前景区域；b）对血管图像前景区域进行二值化和细化；8GB/T33767.9—XXXXc）端点和交叉点的判断示意如图3所示。如果像素点p的值为1，顺时针判断p邻域中的8个像素点，其像素值在0和1之间的变化次数为2，表示p是一个血管端点，变化次数为6或8，表示p是一个血管交叉点。从左到右从上到下遍历图像中所有像素点，统计其中端点数量Nep和交叉点数量Ncp，示意图如图4所示；a）血管端点示意图b）图3血管图像端点和交叉点的判断示意图a）细化后的血管图像b图4血管图像特征点统计示意图d）根据血管图像的采集部位设置系数pc，其取值见表3；表3系数pc取值pc取值e）通过系数pc将端点数量Nep和交叉点数量Ncp之和映射到[0，100]并取整，血管图像质量的血管特征点数量的分量值Q9可按式（16）计算：Q9=MIN100,ROUND×100………（16）9GB/T33767.9—XXXX式中：Q9——血管端点及交叉点数量的质量分数；Nep——血管图像的血管端点数量；Ncp——血管图像的血管交叉点数量；Pc——系数。特征点数量的分量值越大，代表血管图像的血管信息丰度越高，图像质量越高。5.3统一质量得分5.3.1概述5.2中定义的质量分量可进行组合来计算出一个血管图像的统一质量得分,用作血管图像对系统性能影响的预测。可用测算方法包括加权和、神经网络和支持向量机等。本文件使用幂函数的乘积,因为它不仅支持否决权,还支持分量重要性的定制。否决权可以阻止某些质量分量(如清晰度)对其他致命问题（如遮挡程度高）进行补偿。5.3.2计算方法血管图像的统一质量得分Q可按式（17）计算：aQi100Q=ROUND100aQi100…………（17）式中：Q——统一质量得分；NQ——参数的个数，本文件中取值为9；Qi——第i个质量分量的值；ai——第i个质量分量的幂系数，通过用于统一质量得分Q预测能力最大化的非线性回归计算得到。统一质量得分Q的取值范围为[0,100]间的整数，数值越高表示血管图像质量越好。6血管图像质量数据记录血管图像质量二进制记录应包含格式如表4所示的数据值。5.2和5.3