宽光谱干涉显微术快速提取内指纹
王金玉1, 雷鸣2, 尹韶云1, 李刚3, 汪岳峰3,*
1. 中国科学院重庆绿色智能技术研究院集成光电技术研究中心, 重庆 400714
2. 国防科技信息研究中心, 北京 100048
3. 军械工程学院电子与光学工程系, 河北 石家庄 050003
*通讯联系人 e-mail: yfw@cigit.ac.cn

作者简介: 王金玉, 1972年生, 中国科学院重庆绿色智能技术研究院集成光电技术研究中心研究员 e-mail: jinyu.WANG@cigit.ac.cn

摘要

指纹识别是一种广泛应用的生物特征识别技术, 但现有指纹身份识别装置由于容易被指纹膜欺骗而存在安全问题, 手指表面弄脏、 太湿或者磨损也会导致识别失效, 存在鲁棒性差的问题。 手指内部220~550 μm的皮肤层, 具有表面(外部)指纹相同的拓扑特征。 这些内部层, 充当“主模板”导致外部指纹按照它的形状生长, 另外, 手指内部的汗腺和微血管结构也和指纹有跟随形状。 这些皮下指纹, 和对应层面的汗腺等组织结构, 具有终生不变性, 我们称之为内指纹。 内指纹难以仿制, 可以用于准确而高度鲁棒的生物身份识别。 但是目前报道的用扫频层析术获得内指纹图像, 由于对二维正面图像提取需要扫描, 并最终从三维指纹结构中重构正面图像, 数据量大, 提取速度太慢, 限制了其实用性。 提出一种基于宽光谱干涉显微术的手指皮肤下内部指纹成像系统, 以宽光谱弱相干白光激光实现3.5 μm轴向分辨率, 采用低数值孔径的光路提高了穿透深度, 利用光源空间非相干性和阵列探测器无需扫描一次性获得6.14 mm×6.14 mm的内指纹图像, 实现了0.4 s每帧的快速读取, 并以三维分层图像展示了手指内部指纹, 及其汗腺结构等特征, 该工作确认了宽广谱干涉显微术快速提取内指纹用于生物识别的可行性, 为高安全度生物识别提供了新方法。

关键词: 干涉显微术; 光学层析相干成像; 成像系统; 生物身份识别; 内指纹
中图分类号:O436 文献标志码:A
Broad Band Source Based Interferometric Microscopy for Fast Reading Internal Fingerprint
WANG Jin-yu1, LEI Ming2, YIN Shao-yun1, LI Gang3, WANG Yue-feng3,*
1. Key Laboratory of Multi-scale Manufacturing Technology, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing 400714, China
2. China Defense Scientific and Technical Information Center, Beijing 100048, China
3. Electrics & Optics Engineering Department, Ordnance Engineering College, Shijiazhuang 050003, China;
*Corresponding author
Abstract

Using fingerprint to identify an individual has been accepted since the nineteenth century, and the fingerprint has become one of the most widely used biometric characteristics. Current modern fingerprint recognition systems are based on the print pattern of the finger surface, and the most commonly used fingerprint sensors are based on frustrated total internal reflection, which produce fingerprint images by reflecting light from only those parts of the skin-glass interface that are not in contact. Those are not robust against spoof attaching, and will fail when finger get dirty, wet or even get flattened associated with age. Nevertheless, in the depth of 220~550 μm under the external fingerprint, there is a layer of skin inside a finger with the same topographical features as the surface (external) fingerprint. This internal layer serves as a “master template” from which the external fingerprint grows. Moreover, within the internal structures of a finger, the sweat pores and microvascular structure will also follow the template. we name it as internal fingerprint, which will not change during the whole life period. Internal fingerprint is difficult to make a fake pattern. In addition, it does not have creases, never dirty, scarred or too wet/dry to make sensor difficult to produce good quality images. Therefore, with High security and robustness, internal fingerprint is ideal as a new way for biometric identification. Currently, there are not many different types of sensors on the market that are able to gather information from the inside of a finger. Optical coherence tomography (OCT) possesses optical sectioning capability and is able to image deep in tissue. By fast standard OCT techniques, such as swept-source OCT (SS-OCT), which can first build a 3-D data volume by point-by-point raster-scanning of A-scan (signal signature along optical axis) , and then a single en face 2-D image at a specific depth can be reconstructed. It needs large memory to store the 3-D data and takes longer time to reconstruct the en face images, but its feasibility is limited. In contrast, full-field OCT (FFOCT) can acquire a single en face image without having to acquire 3-D data set, and therefore, produce much smaller image size (a few Mb) and potentially can be faster. Boccara group has implemented an internal fingerprint reader with InGaAs camera based FFOCT system.In this paper, with cheap CCD camera, we implemented a fast interferometric microscopy with broad band light source for taking the internal fingerprint under the finger skin. The broad band white light laser provided axial resolution of 3.5 μm, with low numerical number illumination, and penetration depth is increased. Thanks to the space incoherence, the arrayed detector can extract the full field en face tomography image without scanning. We demonstrated the 3D structure of the internal fingerprint, including its sweat pores structure, obtained the 2D internal fingerprint image at the speed of 0.4 s per frame. Our work confirmed the capacity of the internal fingerprint for high fidelity biometric identification and provided interferometric microscopy as its reader.

Keyword: Interferometric microscopy; Optical coherence tomography; Imaging systems; Biometric identification; Internal fingerprint
引 言

在生物识别技术中, 声纹、 人脸、 掌纹、 外指纹以及虹膜等利用人体外部生理特征进行身份识别, 都是容易欺骗的。 特别是对于19世纪以来已经最广泛应用的指纹识别方法, 存在对复制指纹误识别[1]的安全问题以及手指表面弄脏、 太湿或者磨损则失效[2]等鲁棒性差的问题。 手指静脉[3]、 内指甲床、 内指纹[7, 8]等身体内部组织特征的识别方法, 被认为是高度安全难以仿制。 这些识别技术中, 指静脉识别是目前唯一产品化技术, 由日本Hitachi公司2004年发明[3], 2014年全面推向欧美和亚洲市场, 其缺点是手指插入不可见空间, 用户感受威胁, 识别数据库与当前用户量最广泛的外指纹系统不兼容, 需单独重新建立安全档案。

研究结果表明, 手指内部220~550 μ m的皮肤层, 具有表面(外部)指纹相同的拓扑特征[4]。 这些内部层, 充当“ 主模板” 导致外部指纹按照它的形状生长, 另外, 手指内部的汗腺[5]和微血管结构[6]也和指纹有跟随形状[4]。 这些皮下指纹, 和对应层面的汗腺等组织结构, 具有终生不变性, 可以用于准确而高度鲁棒的生物身份识别, 我们称之为内指纹。 采用一定深度的内指纹而忽视外指纹、 特别是以内指纹混合以汗腺和微血管结构特征进行生物身份识别, 将使得仿制指纹必须在三维组织内部完成而异常困难。 2006年美国休斯敦大学Larin[7, 8]提出用扫频层析成像获得内指纹, 但是传统层析成像技术对二维正面图像提取需要点对点扫描, 并最终从三维指纹结构中重构(z方向必须首先成像)正面图像, 数据量太高(1 G以上), 提取速度过慢(10 s以上)。

基于宽光谱弱相干的干涉成像术的全场光学层析成像[9, 10]是一种光学外差式高灵敏度探测方法, 可深入生物组织内部成像, 具有非接触无损检测能力。 全场层析成像系统以非相干面光源取代了时域层析成像系统的点光源, 面阵探测器取代了点探测器, 利用非相干光源的空间非相干性, 无需扫描一次性对全视场照明并成像, 在提取散射介质正面图像(垂直光轴)上有明显的速度优势。 另外, 其轴向分辨率和横向分辨率解耦合。 横向分辨率决定于成像物镜的数值孔径, 而纵向分辨率决定于光源性质。 但基于宽光谱干涉显微术的全场光学相干层析系统主要用于生物研究领域, 如对皮肤、 脑组织、 肠胃壁、 乳房肿瘤、 组织培养过程等, 实现高分辨细胞级显微成像, 无法用于大视场、 高穿透深度的内指纹成像。 基于InGaAs阵列探测器, 采用红外光提高穿透深度, Boccara小组在2015年实现了基于全场光学层析成像术的内指纹读取系统[11]

本文针对内指纹识别需求, 设计了极低数值孔径的内指纹读取光学系统, 基于廉价的CCD阵列探测器, 提出了一种基于宽光谱白光激光作为光源的全场光学层析系统对手指皮肤下内部指纹成像, 以宽光谱弱相干白光激光进行弹道光子提取实现了3.5 μ m的轴向分辨率, 通过移除参考和样品臂中的光焦度元件, 以0.05的低数值孔径实现了6.14 mm× 6.14 mm的大视场。 该系统穿透深度大, 可以进入内指纹结构层。 且其结构简单、 成本低廉, 便于集成化和小型化, 在高端安全检查领域, 特别是在司法、 监狱、 银行金库、 电信机房、 军用仓库和海关等部门有着广泛的应用前景。

1 实验部分

基于宽光谱干涉原理的全场层析成像系统如图1(a)所示, 以宽谱玻璃激光(NHK Super Extreme, 未显示)经过光谱滤光后, 耦合到多模光纤以面光源照明光路, 其中多模光纤输入端采用了高频小幅度机械震荡使得输出场稳定且抑制了其空间相干性。 光纤输出端作为面光源, 经聚光镜L1成像到系统入瞳(10 mm), 采取科勒照明方式, 透镜L2(焦距100 mm, 双胶合)将入瞳面成像到无限远, 经过分束镜(Bs1, 非偏振, 50:50分光比)分别均匀照明参考臂和样品臂。 手指样品按压在一个3 mm厚高质量光学窗口用于展平。 内指纹图像的采样面由参考镜在样品臂的共轭面决定。 参考镜采用2 mm厚光学密度7的中性滤波片截止透射光, 并提供约4%的反射率。 参考光束和散射光束经分束镜Bs1再次结合, 携带内指纹图像进入探测通道。 透镜L3(焦距100 mm, 双胶合)和L4(焦距200 mm, 双胶合)组成远焦图像中继系统, 将内指纹共轭到CCD面阵探测器1(Dalsa, 1M60, 1 024× 1 024分辨力, 像素12 μ m× 12 μ m), 视场6.14 mm× 6.14 mm; 而透镜L5(焦距200 mm, 双胶合)经过调焦使得CCD面阵探测器2(Dalsa, 1M60)共轭到手指表面对外指纹。 面阵探测器1和2的光学倍率略有差异, 图像处理过程中将通过对准使内外指纹图像尺度一致。 两个探测光路通过Bs2共享反射信号光, 同时获得内外指纹图像。 计算系统用于控制系统运行, 安装有计算全场层析成像软件。

图1 宽光谱干涉显微术快速内指纹读取系统
(a): 系统原理图; (b): 光功率谱分布; (c)系统干涉长度测量
Fig.1 Interferometric microscopy with broadband light source for fast reading internal fingerprint
(a): System schema; (b): Spectrum light intensity distribution; (c): Measurement of coherence length

基于宽光谱干涉原理的全场层析成像系统[10, 13]在探测器的每一个像素点相当于施加了虚拟共焦针孔, 对面阵探测器每个像素点p(x, y), 当样品臂和参考臂之间的光程差小于光源的相干长度时满足干涉条件, 其接收的干涉信号为I(x, y)

I(x, y)=Ir(x, y)+Is(x, y)+2Ir(x, y)Is(x, y)cos[ϕ0(x, y)+Δϕ](1)

式中Ir(x, y)和Is(x, y)分别为参考臂和样品臂背景图像的光强, 2 Ir(x, y)Is(x, y)为层析图像的振幅, ϕ 0(x, y)为参考光与样品光的初始相位差, Δ ϕ 是为了求解层析图像而施加的增量相位。 以四阶相移方法为例, Δ ϕ =0, π /2, π , 3π /2时, 探测器在p(x, y)点的强度为I0, I1, I2, I3, 则有层析图像的强度值为

O(x, y)=4Ir(x, y)Is(x, y)=(I2-I0)2+(I3-I1)2(2)

系统采取压电驱动器(未显示)沿着轴向驱动参考镜, 由NI公司的BNC-2110控制器控制探测器和压电驱动器的同步。 在深度方向, 我们的软件控制系统可自动根据步长进行层析扫描。

在本系统进入手指组织提取内指纹时, 折射率失配会产生离焦像差[12, 14], 当移动样品使得光线从表面深入样品内部时(设移动距离为Δ z), 造成焦平面的下移(Δ z n'n为实际焦平面距离原焦平面之下的距离)和相干平面的上移(Δ z n'n为相干平面在原焦平面之上的距离), 为了使得样品焦平面在相干门以内, 需要移动参考臂进行光程补偿, 其补偿距离为

δf(Δz)=n'Δzn'n-nn'(3)

这里n'是样品折射率, 我们设置人体组织折射率近似为水1.33, n为介质折射率, 本研究中介质为空气。 当系统进入手指500 μ m成像时, 该离焦差可以达到289 μ m, 虽然本系统数值孔径较低(约0.05), 物面的景深可达200 μ m, 该离焦值大于景深, 依然要调整参考臂来补偿该离焦差, 其补偿过程由控制软件自动驱动参考臂上的电动位移台(未显示)来实现。

光源的光谱特性是决定系统性能的重要指标。 我们在面阵探测器1前, 阻挡样品臂、 参考臂以及二者同时打开的情况下, 测量了光功率谱[图1(b)]。 可以看到经过样品臂、 参考臂反射回来的光谱已经发生微小变化, 其合束后的光功率谱是测量的功率谱和面阵探测器1的光谱响应曲线乘积, 其傅里叶变换为系统的相干函数, 其半高宽被定义为光源的干涉长度(理论计算为9.6 μ m)。 在样品臂窗口放置平面镜进行层析成像, 沿着光轴扫描参考镜, 测量光学层析信号(在CCD1获得的层析图像的积分值)随着光程差(参考镜位移量的2倍)的变化[图1(c)], 测量所得系统干涉长度为9.4 μ m, 与理论计算符合。

全场光学相干层析系统的横向和纵向分辨率解耦合, 其轴向分辨率δ z与光学系统参数无关, 仅由光源特性决定

δz=Lc2n'(4)

这里Lc为光源相干长度(测量值为9.4μ m), n'为人体组织的折射率。 按照人体组织折射率1.33, 本系统δ z达到3.5 μ m, 远优于目前指纹识别装置的轴向分辨率条件(约数百μ m)。

系统的横向分辨率(δ x, δ y)也是重要指标之一

δx=δy=0.61λcNA(5)

这里λ c为光源的中心波长(对应光谱宽度的中心, 本系统为733 nm), NA为光学系统的数值孔径(本系统为0.05)。 本系统横向分辨9.2 μ m率满足指纹识别工业常规的10 μ m分辨率要求。

本系统的穿透深度受数值孔径影响大, 其值越小, 穿透深度越大, 本系统移除了样品臂和参考臂的光焦度元件, 以降低数值孔径。 本数值孔径还关联着物空间的景深DOF

DOF=0.61λcNA2(6)

其中λ c为光源的中心波长, NA为光学系统的数值孔径。 本系统景深为200 μ m, 允许我们采取倾斜或者曲面成像方式, 只要对应成像物空间在景深范围内, 均可获得高的图像质量。 本系统物空间采样位置取决于参考臂的参考镜的形状和共轭位置。

根据研究结果, 内指纹位于皮肤表面220~550 μ m深度[15]。 为了研究手指生物组织的特性, 考察内指纹的结构和分布, 我们沿着深度方向对手指从表面开始做3D层析成像。 而在采集识别所需图像时, 我们用面阵探测器1和2同时获得内(外)指纹图像用于对比。

2 结果与讨论

对手指3D层析过程中, 志愿者将手指按在窗口上, 以间隔1 μ m的步长, 每个位置进行4次叠加而提高图像信噪比, 连续对手指从表面进入500 μ m深度进行三维成像。 如图2所示, 在手指的组织结构中, 200 μ m以内主要是汗腺, 图像灰度值较低, 放大观察可以发现, 汗腺分布与外指纹有相随的形状。 在200~400 μ m之间, 有较强而明显的内指纹结构, 它与外指纹非常相似, 这些结构特征与符合有关文献的描述。 在对识别图像读取过程中, 系统运行速度在40 Hz情况下, 采取4台阶相位法成像, 每秒可以获得10帧内指纹, 进行4次平均, 我们采集指纹的速度是0.4 s。

图2 测得的手指生物组织的图片
(a): 外指纹图像; (b): 主要含有汗腺的内指纹图, 位于130 μ m深度; (c): 内指纹图像, 位于248 μ m深度; (d): 层析图像灰度积分值随着深度变化曲线, 可以看出手指组织主要在200~400 μ m有较强而明显的内指纹结构
Fig.2 Images of the biological tissue of a finger taken by our device
(a): Image of the fingerpint of skin surface; (b): Image of internal fingerprint and sweat pores structures 130 μ m under the skin; (c): Image of internal fingerprint 248 μ m under the skin; (d): The gray value integration of the tomographic image varied with the depth, it shows that the internal fingerprint is distinct between 200 to 400 μ m

如图2(d)显示了深度扫描方向的层析信号强度(以灰图像度值积分值表示)。 信号从200 μ m持续增加到300 μ m, 说明内指纹结构愈加明显。 其后, 信号强度迅速降低, 接近400 μ m后稳定在一个平台区域, 可能由于内指纹结构减少, 反射减弱, 或者系统穿透力有限, 弹道光子在淹没在多次强散射光中, 已经无法成像。 在进一步的工作中, 将通过增加样本量以及提高系统性能探索该过程的特征。

3 结 论

提出了一种采用全场光学相干层析成像系统实现内指纹识别的方法, 并搭建了可以实现内指纹提取的具有较深穿透能力和大视场的全场光学相干层析系统, 测量获得了手指组织的三维结构, 展示了内指纹结构, 及其汗腺等特征, 并实现了速度0.4 s每幅6.14 mm× 6.14 mm内指纹图像的提取, 证实了利用全场光学层析成像实现高安全度生物识别的可行性。

The authors have declared that no competing interests exist.

参考文献
[1] Liu Gangjun, Chen Zhongping. Applied Optics, 2013, 52: 5473. [本文引用:1]
[2] Maltoni D, Maio D, Jain A K, et al. Hand book of Fingerprint Recognition. New York; Springer Publishing Company, Incorporated, 2009. 496. [本文引用:1]
[3] Miura N, Nagasaka A, Miyatake T. Machine Vision and Applications, 2004, 15: 194. [本文引用:2]
[4] Holder E H, Robinson L O, Laub J H. National Institute of Justice Journal, 2011. [本文引用:2]
[5] Jain A K, Chen Y, Demirkus M. IEEE Trans. Pattern Anal. Mach. Intell. , 2007, 29(1): 15. [本文引用:1]
[6] Sangiorgi S, Manelli A, Congiu T, et al. Journal of Anatomy, 2004, 204(2): 123. [本文引用:1]
[7] Cheng Y, Larin K V. Applied Optics, 2006, 45(36): 9238. [本文引用:2]
[8] Cheng Y, Larin K V. IEEE Photonics Technology Letter, 2007, 19(20): 1634. [本文引用:2]
[9] Beaurepaire E, Boccara A C, Lebec M, et al. Optics Letters, 1998, 23(4): 244. [本文引用:1]
[10] Arnaud Dubois, Laurent Vabre, Albert-Claude Boccara, et al. Applied Optics, 2002, 41(4): 805. [本文引用:2]
[11] Auksorius E, Boccara A C. Biomedical Optics Express, 2015; 6(11): 4465. doi: DOI:10.1364/BOE.6.004465. [本文引用:1]
[12] ZHU Yue, GAO Wan-rong, GUO Ying-cheng(朱越, 高万荣, 郭英呈). Acta Optica Sinica, 2015, 35(5): 0517001. [本文引用:1]
[13] Vabre L, Dubois A, Boccara A C. Optics Letters, 2002, 27(7): 530. [本文引用:1]
[14] Labiau S, David G, Gigan S, et al. Optics Letters, 2009, 34(10): 1576. [本文引用:1]
[15] Bossen A, Lehmann R, Meier C. IEEE Photonics Technology Letter, 2010, 22(7): 507. [本文引用:1]