基于被動矩陣有機發光二極管屏的光學指紋采集系統

李思遠， 陳文燕， 朱文龍

(1.西安科技大學電氣與控制工程學院， 西安 710054； 2.深圳阜時科技有限公司， 深圳 518126)

隨著人們生活水平的日益提高，安全隱私問題逐漸成為人們關注的問題，相對于傳統的身份驗證方式，生物識別技術是利用人體獨特的特征，如人臉、指紋、虹膜、聲音等，進行個體識別的技術[1]，具有很好的便利性以及安全性[2]。近年來，智能指紋門鎖備受青睞，對指紋采集以及識別的要求愈來愈高[3]。由于光學指紋傳感器比半導體指紋價格低、體積大，因此普遍應用于指紋智能門鎖中，傳統的光學指紋采集需要借助背光源[4-5]，常用發光二極管(light-emitting diode，LED)作為傳感器的主要光源。針對LED存在的一些問題，眾多文獻進行了闡述并給出了解決辦法。劉中秋等[6]提供了一種基于亮背景的光學指紋模塊，在傳統光學指紋模塊的基礎上，通過在采集棱鏡的后續光路中增設反射鏡的方案，減小了光學指紋模塊的厚度，但是此方法結構比較復雜。葉金山等[7]發明了一種涉及指紋識別方法及移動終端，解決了現有的光學指紋采集識別方法背光源功耗大和外觀體驗差的問題，實現了降低功耗以及提高外觀體驗技術的效果,此方法未得到廣泛推廣應用。白玉靜等[8]提出了一種側入式LED背光源發光亮度均勻性的判定方法，該方法對大中型產品開發設計的模擬仿真有著有效的改善，但是對類似指紋采集等小型產品仿真仍存在一定缺陷。馬遠博[9]提出了一種以有機發光二極管(organic light-emitting diode,OLED)作為背光源的光學指紋采集系統，有效地解決現有光學指紋采集存在的難以成像的問題，OLED目前主要應用于智能手機。還有大部分的文獻著重于單雙指和三指的采集，以及手指靜脈和指紋結合的光學采集系統的設計[10-11]。

綜上所述，傳統的光學指紋采集存在功耗大、發光不均勻、光學指紋模塊過厚的缺點，而且光學設計存在物面與像面都存在傾斜，指紋垂直方向被壓縮，容易產生梯形畸變[12]，以上文獻的不足之處均因LED背光源導致，所以設計出一種具有良好的發光均勻性、低功耗等優點的新型光學指紋采集儀，對于智能門鎖的市場具有重要的意義。因此，提出一種使用自發光的被動矩陣有機發光二極管(passive matrix OLED，PMOLED)屏幕代替傳統光學指紋采集采用背光源的方法，設計了一種基于PMOLED屏的光學指紋采集系統, 并且對采集的指紋圖像進行了增強處理。

1 光學指紋采集設計方案

1.1 PMOLED發光驅動技術

近年來PMOLED逐步用于顯示技術中，其面板具備高亮度、低功耗的特點，因此，設想用PMOLED屏代替傳統的光學傳感器的LED光源和玻璃平板。PMOLED屬于OLED的一種，有機發光二極管(OLED)擁有廣視角、低耗電、極高反應速度等優勢，更核心的優點是OLED采用自發光技術，OLED屏幕已經應用于智能手機，而根據驅動方式的不同，OLED被分成主動矩陣有機發光二極管(active matrix OLED, AMOLED)和被動矩陣有機發光二極管(PMOLED)，PMOLED芯片的堆疊較薄，提高了透光率，進一步提高了面板的顯示質量，而面板本來也具備了高亮度、高對比度和寬視角的特點。采用香港晶門科技有限公司研發的PMOLED的SSD7317IBF芯片, PMOLED面板結構示意如圖1所示，無源驅動矩陣的像素由陰極和陽極單純基板構成，陽極和陰極的交叉部分可以發光，驅動用IC需要由傳輸控制協議(transmission control protocol, TCP)或者玻璃芯片(chip on glass, COG)等連接方式進行外裝，顯示基板上的顯示區域僅僅是發光像素(電極，各功能層)，所有的驅動和控制功能由集成IC完成，(IC可以置于在基板外或者基板上非顯示區域)。

1.2 PMOLED屏下指紋傳感器工作原理

系統指紋采集原理依靠的是光的全反射(MR)原理采集指紋，將手指按壓在玻璃平面的一側，在玻璃的另一側安裝有LED光源和電荷耦合裝置(charge coupled device，CCD)攝像頭，當光線照到壓有指紋的玻璃表面，反射回的光線由CCD去獲得，手指上的脊線與玻璃表面接觸，谷線不與玻璃表面接觸，光線經玻璃照射到指紋“谷”的位置后在玻璃與空氣的界面發生全反射，光線被反射到CCD，而射向指紋“脊”的光線不發生全反射，而是被脊與玻璃的接觸面吸收或者漫反射到別的地方，這樣就在CCD上形成了指紋圖像。與傳統的光學指紋采集不同的是，采用PMOLED面板作為傳感器光源代替LED光源，工作原理如圖2所示。

傳統的光學指紋傳感器采用背光技術，表面由背光源和鋼化玻璃組成，如圖3所示，研究使用的自發光指紋采集PMOLED屏，將背光源和屏幕合為一體，如圖4所示。

圖2 工作原理示意圖Fig.2 Optical schematic diagram

圖3 傳統采集器外觀圖Fig.3 The appearance of traditional collector

1.3 PMOLED和LED背光源的特性比較

PMOLED和LED背光源兩者特性比較[13-15]如表1所示。由表1可見，與傳統的LED背光相比，采用PMOLED的優勢在于自發光功耗低，光線均勻，模組厚度薄，可將光源與顯示器合二為一。

圖4 PMOLED采集器外觀圖Fig.4 The appearance of PMOLED

表1 PMOLED和LED光源特性比較

2 光學指紋采集系統硬件設計

由于目前系統還處于開發期，為了觀察指紋采集效果，系統里接入了PC機用以觀察圖像。設計采集硬件包含兩部分：第1部分采用STM32F429IGT6單片機為控制核心，包括指紋傳感器模塊，系統通過USB提供5 V穩壓電源，經過內部電路轉換為3.3 V，通過處理器對傳感器的各個寄存器進行初始化，當有手指按下時，指紋傳感器接收到信息后通過STM32F429IGT6單片機處理計算信息，然后通過SPI轉USB輸入到PC端顯示；第2部分采用STM32F767ZIT6單片機為控制核心，包括PMOLED模塊、采集結果顯示模塊(PC機顯示)，系統通過USB提供穩壓電源之后，PC端通過STM32F767ZIT6將驅動寫入PMOLED，使得PMOLED處于工作狀態。兩部分結合，PC機最終顯示出待處理的原始指紋數據。系統結構框圖如圖5所示，指紋采集模組實物圖如圖6所示。

圖5 系統結構框圖Fig.5 The block diagram system structure

圖6 指紋采集模組實物圖Fig.6 The physical drawing of fingerprint collection module

3 指紋處理算法設計

采集到指紋原始圖像后，針對指紋原始圖像存在屏幕發光像素干擾的問題，首先采用平均值消除法減少其影響，然后進行一系列處理，最后得到清晰的單像素指紋圖像。指紋圖像預處理算法的流程如圖7所示，算法的主要步驟如下。

圖7 算法流程Fig.7 Flow chart of Algorithm

3.1 平均值消除法

因為通過PMOLED屏采集的每張原始指紋圖像包含的屏幕像素點噪聲值是個常量值，根據指紋脊骨線頻率信號相互疊加削弱的過程，可以得知屏幕像素點噪聲值。利用指紋采集工具連續采集同一手指30張的指紋圖像，然后將每一張圖像的像素相加繼續求得平均值，將每一張原始數據與該平均值求差值得到指紋圖像，其計算公式為

(1)

式(1)中：Zk(x,y)表示去屏噪聲后的指紋圖；k為采集指紋的次數；ak(x,y)表示采集的指紋原始圖。

3.2 圖像規格化

從指紋圖像場的角度看，灰度規格的目的是通過點的灰度場強值運算，使得圖像在各種灰度場強上都均勻分布相等的像素點數，規格化后的圖像明暗對比度得到了增強。指紋根據式(2)進行規格化。

(2)

式(2)中：I(x,y)表示原始圖像點的灰度；G(x,y)表示規格化后的圖像點的灰度；M和V分別為原圖的均值和方差；M0和V0分別為期望得到的均值和方差；這里M0、V0取經驗值分別為150和2 000。

3.3 低通濾波

在指紋圖像中，其低頻成分對應著圖像變化緩慢的部分，也就是指紋的大致相貌和輪廓，圖像的邊緣和其他急劇變化(如噪聲)主要影響高頻部分，選用Butterworth低通濾波器，其計算公式為

(3)

式(3)中：D(u,v)表示在頻率域中的點距離中心的距離；D0為截止頻率，是一個常量；n為階數，根據經驗值選用D0=30，n=4。

3.4 圖像分塊

指紋方向圖描述了指紋圖像中每一點所在脊線或者谷線在該點處沿切線的方向。計算指紋方向圖的基本思想：在原灰度圖像上計算每一點(或者每一塊)在各個方向上的梯度，根據梯度在各方向上的差異判斷計算每一點(或者每一塊)的方向。

由于點方向圖存在很多噪聲，不能夠完全反應指紋脊線的真實方向；相對而言，采用塊方向圖處理能夠較好地去除屏幕干擾噪聲，所以應用中使用塊方向圖[16]。將原始圖像分成很多8×8的圖像塊，并且對每個圖像塊計算離散傅里葉變換(discrete Fourier transform，DFT)。實際計算方式是以8×8的方塊為中心塊，采用交叉的方法，計算32×32圖像塊的DFT。

3.5 方向和頻率的計算

指紋方向圖反映了指紋圖像紋理結構的本質，脊線方向表示了對應區域內的指紋方向。方向場以塊為單位，計算每一個圖像塊的二維離散傅里葉變換。指紋圖像的局部類似正弦波，二維正弦波離散傅里葉變換如式(4)所示，依據正弦傅里葉變換頻譜特點可知，其幅值最大的兩個點之間的連線是和正弦波的方向垂直的，計算其連線與水平方向的夾角，如果只有唯一的最大值，則計算最大值點與指紋圖像塊中點和水平方向的夾角，大多數點的頻譜最大值都恰好為兩個，因此可以得到相對精確的方向值。

δ(u-Mu0,v-Nv0)]

(4)

式(4)中：u、v分別表示水平方向的頻率；M和N為傅里葉變換的塊的大小，M=N=32。

指紋頻率是指該點方向場垂直方向上單位長度內脊線的條數。頻譜幅值最大的點距離中心點的距離越遠，其對應的正弦波頻率越高，反之，距離中心點越低，對應的正弦波的頻率越低，根據這一關系求得每一塊的頻率，即

(5)

式(5)中：(xmax,,ymax)表示幅值最大的點；(x1,y1)表示中心點。

3.6 Gabor濾波

根據指紋圖像脊線的紋理在局部范圍內具有方向一致性、紋線寬度以及間距大致相同的特點，選擇Gabor濾波器[17]。Gabor濾波器是一個用于邊緣提取的線性濾波器，其方向和頻率表達與人類視覺系統類似，能夠提供良好的方向選擇性和尺度選擇特性，是目前應用最廣泛的指紋圖像增強技術。Gabor濾波器根據已經求得的方向和頻率，得到每一塊對應的濾波器，該濾波器可以增強脊線與谷線的對比度。偶對稱Gabor濾波器數學表達式為

(6)

式(6)中：θ為方向角；f為頻率，兩個值已經求得；δx、δy分別為沿x和y方向的高斯標準差，高斯標準差決定Gabor濾波器窗的寬度，根據經驗值選取4。

3.7 指紋圖像二值化、細化

指紋圖像二值化就是將指紋脊線像素值轉化為0，谷線轉化為255，呈現出明顯的黑白效果，采用文獻[18]提到的多通道Gabor濾波二值化方法，指紋細化就是將粗線不均勻的指紋紋線圖像轉化為單像素相連接的二值化圖像過程，采用文獻[19]的細化算法。

4 仿真實驗與結果分析

為了驗證所設計的指紋采集系統采集的圖像有效性，需要進行實驗，實驗在MATLAB2015平臺上進行。在實際測試中，使用的光學指紋傳感器采集的指紋圖像大小是216×216 pixel，如圖8所示。

4.1 圖像處理仿真結果

針對本文方法進行了指紋處理算法實驗仿真，經平均值處理后圖像如圖9所示。隨后經過一系列處理后的仿真結果如圖10所示。

圖10所示分別為規格化、低通濾波、圖像分塊、Gabor幅度譜、Gabor相位譜、指紋方向場、Gabor濾波增強、指紋二值化、指紋細化算法處理之后的結果。仿真實驗結果表明，本文算法在對PMOLED采集的指紋原始圖處理有著較好的效果，尤其是初步對原始圖像去噪提出的平均值消除法，從圖9的處理視覺效果來看，大幅減少了屏幕像素點噪聲，為接下來的圖像增強做了很好的鋪墊準備，該算法具有一定的魯棒性。

圖8 指紋原始圖Fig.8 The pattern of original fingerprint

圖9 平均值處理后圖像Fig.9 Average value processed image

圖10 算法處理過程Fig.10 Algorithm processing graph

4.2 其他性能指標

實驗中還測得采集指紋圖像的分辨力、對比度、采集時間以及指紋像素值大小等參量，與傳統的及已有的光學指紋采集器對比結果如表2所示，其中包含以有機發光二極管為背光源的光學指紋設計[9]的指紋采集器，指紋以及手指靜脈圖像復合的光學指紋采集[10]設計的指紋采集器，還有采用放置半透鏡提高對比度及傅里葉透鏡去除雜散光的光學指紋采集器[20]。

從表2的對比數據可以得出，本文設計的基于PMOLED屏下指紋采集系統與已有的光學指紋采集系統相比很明顯地減小了指紋采集器的體積，所采用的光學指紋傳感器采集的指紋像素小于已有文獻的像素，采集的圖像分辨力以及對比度也得到了優化，采集性能良好。

表2 指紋圖像傳感器性能參量對比Table 2 The comparison of fingerprint image sensor performance parameters

5 結論

設計了一種基于PMOLED屏的光學指紋采集系統，并且利用MATLAB對采集到的指紋圖像進行了處理，最后得到良好的指紋圖像。與傳統的光學指紋采集相比，PMOLED屏幕利用自發光、發光效率高以及堆積薄等特點，克服了傳統光學指紋采集功耗大、發光不均勻以及光學指紋模塊過厚的缺陷。除外，PMOLED作為顯示器具有小巧、高對比度等優點，可實現將采集與顯示功能的合二為一，從而提升一些智能設備的性能，為拓展用于可穿戴、智能家電、車載設備和智能醫療保健設備產品的采集與顯示打下了基礎。