基于虹膜的身份识别系统.pdf

密级：保密期限： 踌宦却童天肇 硕士研究生学位论文 学号：0 7 5 4 7 1 专 业： 逗值生筐息丕统 导师： 壑堑运 学 院：篮盛皇逗值王程堂院 2 0 1 0 年2 月1 5 日 独创性( 或创新性) 声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中 不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或 其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：卑跹一 日期： 墨垒：! ：垄 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即： 研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权 保留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅 和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印 或其它复制手段保存、汇编学位论文。( 保密的学位论文在解密后遵守此规定) 保密论文注释：本学位论文属于保密在年解密后适用本授权书。非保密 论文注释：本学位论文不属于保密范围，适用本授权书。 本人签名：独垫 导师签名； 盘2 迟巫 日期：塑f ! ：! ! 塾 日期。兰! ! ：二堑 系统 现代信息社会中，基于安全或保密的需要，对于个人身份识别 的准确性、安全性与实用性提出了更高的要求。传统的基于信物或 口令的系统安全性技术已经面临严峻的挑战，人体生物特征识别技 术应运而生。生物特征识别技术以生物特征为基础，以信息处理技 术为手段，将生物技术和信息技术有机结合在一起。虹膜识别技术 是基于眼睛虹膜特征的生物特征识别技术，它作为无接触式的识别 方法，具有唯一性、高稳定性、非接触性、高防伪性等优点，与人 脸等非接触式的生物鉴别方法相比，虹膜识别具有更高的准确性。 本文设计实现了静态图像虹膜识别系统，包括虹膜定位算法、 虹膜图像的归一化、基于g a b o r 滤波器的虹膜图像编码和匹配算法。 在此基础上针对视频虹膜序列进行了算法的改进，增加了虹膜图像 质量评价模块，并实现了基于视频虹膜序列的自动虹膜识别系统。 论文中的主要工作如下： ( 1 )对传统虹膜定位算法进行改进。本文在d a u g m a n 的圆周差分 方法基础上，通过假设虹膜的圆边缘具有局部收敛性，采用步进 式搜索的方式，极大的减少了虹膜定位所需的时间，为虹膜识别 系统的实时应用提供了可能； ( 2 )提出了一种估算g a b o r 滤波器参数的方法，针对归一化图片 的大小和滤波器尺寸来限制滤波器参数范围，使虹膜识别系统可 以根据数据库特点自动进行滤波器参数设置，提高系统的识别效 率和方便性； ( 3 )提出了并实现了一种基于小波包的虹膜图像质量评价算法， 提取了视频虹膜序列中的有效虹膜图像； ( 4 )构建并实现了基于视频序列的虹膜识别系统，完成了基于视 频序列的虹膜图像的实时比对。 关键字：虹膜识别虹膜定位d a u g m a n 圆周差分虹膜图像归一化 质量评价 a ni r i s b a s e dp e r s o n a l i d e n t i f i ( h r i o n s y s t e m a b s t r a c t i nt h em o d e mi n f o r m a t i o ns o c i e t y , h i g h e rr e q u i r e m e n t sa r en e e d e d i np e r s o n a li d e n t i f i c a t i o n i n c l u d i n ga c c u r a c 5s e c u r i t ya n dp r a c t i c a l i t y ，j一一 l r a d l t l o n a ls e c u r i t yt e c h n o l o g i e s ，s u c ha st o k e n so rp a s s w o r d ，h a v ef a c e d g r e a tc h a l l e n g e s b i o m e t r i c si sa b o u tm e a s u r i n gu n i q u ep e r s o n a lf e a t u r e s ， s u c ha sa s u b j e c t sv o i c e ，f i n g e r p r i n t ，o ri r i s i th a st h ep o t e n t i a lt o i d e n t i f yi n d i v i d u a l sw i t hah i g hd e g r e eo fa s s u r a n c e ，t h u sp r o v i d i n ga f o u n d a t i o nf o rt r u s t i r i sr e c o g n i t i o ns y s t e mi so n eo ft h eb i o m e t r i c t e c h n o l o g i e s ，w h i c hi sb a s e do nt h ef e a t u r e so fo u ri r i st e x t u r e a ni r i s i m a g ei st y p i c a l l yc a p t u r e du s i n gan o n c o n t a c ti m a g i n gd e v i c e ，w h i c hi s o fg r e a ti m p o r t a n c ea n dc o n v e n i e n c ei np r a c t i c a la p p l i c a t i o n s b e s i d e s ， i r i sp a t t e r ni su n i q u ew h i c h g i v e sh i g h e rs t a b i l i t ya n ds e c u r i t y i r i s b a s e d p e r s o n a li d e n t i f i c a t i o ns y s t e mi sm o r ea c c u r a t ec o m p a r e dw i t ho t h e r b i o m e t r i ct e c h n o l o g i e s ，s u c ha sf a c ea n df i n g e r p r i n t a ni r i sr e c o g n i t i o ns y s t e mb a s e do ns t a t i ci m a g e si sd e s i g n e di nt h i s t h e s i s ，i n c l u d i n gt h ei r i sl o c a t i o na l g o r i t h m ，i r i sn o r m a l i z a t i o nm o d u l e c o d i n ga n dm a t c h i n ga l g o r i t h m sb a s e do ng a b o rf i l t e r s f u r t h e r m o r e ， a f t e ri n t r o d u c i n gt h ei r i s i m a g eq u a l i t yv a l i d a t i o nm o d u l e ，t h ev i d e oi r i s s e q u e n c e s - b a s e dp e r s o n a l i d e n t i f i c a t i o ns y s t e mi sa c c o m p l i s h e d t h em a i nc o n t r i b u t i o n so ft h i st h e s i sa r ea sf o l l o w s ： ( 1 ) w em o d i f i e dt h et r a d i t i o n a li r i sl o c a t i o na l g o r i t h m b a s e do n d a u g m a n si n t e g r o - d i f f e r e n t i a l o p e r a t o r , b ya s s u m i n g t h e c i r c u l a re d g eo ft h ei r i sw i t hal o c a lc o n v e r g e n c ea n d u s i n g s t e p 。s e a r c hm e t h o d ，m o d i f i e da l g o r i t h mg r e a t l yr e d u c e st h et i m e n e e d e dt o1 0 c a t et h ei r i sf o ri r i s b a s e dr e c o g n i t i o ns y s t e m sa n d c a nb eu s e di nr e a l t i m ea p p l i c a t i o n s ( 2 ) ap a r a m e t e r se s t i m a t i o nm e t h o dw a sp r o p o s e df o rg a b o r f i l t e r s f o rt h en o r m a l i z e di m a g es i z ea n df i l t e rs i z e ，t h es c o p eo ff i l t e r p a r a m e t e r sa r el i m i t e d ，w h i c hm a k e si t t os e tf i l t e rp a r a m e t e r s a u t o m a t i c a l l ya c c o r d i n gt ot h eu s e dd a t a b a s e ，a n di n c r e a s e st h e w h o l ee f f i c i e n c ya n dc o n v e n i e n c eo ft h ei r i s b a s e di d e n t i f i c a t i o n s y s t e m ( 3 ) w ep r o p o s ea n di m p l e m e n taw a v e l e tp a c k e t - b a s e di r i s i m a g e q u a l i t ye v a l u a t i o nm e t h o d t oe x t r a c te f f e c t i v ei r i si m a g ef r o mt h e v i d e oi r i ss e q u e n c e s ( 4 ) t h ei r i s b a s e dp e r s o n a li d e n t i f i c a t i o ns y s t e mw a s b u i l ti n c l u d i n g t h es t a t i c i m a g e s a n dv i d e oi r i s s e q u e n c e s t h es y s t e m p e r f o r m a n c e sa r ea n a l y z e d k e y w o r d s ：i r i sr e c o g n i t i o n d a u g m a n si r i sn o r m a l i z a t i o n i r i sl o c a t i o n i m a g eq u a l i t ye v a l u a t i o n i n t e g r o d i f f e r e n t i a lo p e r a t o r 乞 j 摘要。2 a b s t r a c t 2 第一章绪论1 1 1 生物识别与虹膜识别1 1 1 1生物识别技术简介1 1 1 2虹膜识别技术及发展。3 1 2课题研究背景和研究现状4 1 2 1 虹膜识别方法概论5 1 2 2虹膜识别方法的现状及存在的问题9 1 3本文工作1 0 1 4 本文结构1 0 第二章虹膜预处理算法1 2 2 1 引言1 2 2 2虹膜定位算法1 3 2 2 1 d a u g m a n 虹膜定位算法简介1 4 2 2 2算法实现及改进1 5 2 2 3 实验结果。2 0 2 3 虹膜归化。2 1 2 3 1 d a u g m a n 的r u b b e rs h e e t 模型口1 。2 2 2 3 2归一化算法实现2 2 2 3 3 眼睑检溅。2 4 2 4 虹膜图像增强2 5 2 4 1直方图均衡增强2 6 2 4 2实验结果2 7 2 5 本章小结2 7 第三章基于g a b o r 小波的虹膜特征提取及匹配2 8 3 1 弓i 言：1 8 3 2常用的虹膜编码方法3 0 3 2 1w i l d e s 的高斯滤波法呻1 。3 0 3 2 2b o l e s 的小波过零点检测法n 羽3 0 3 2 3 基于子块图像相关性的虹膜编码算法3 1 3 2 4 基于结构特征的虹膜编码算法。3 2 3 3 基于g a b o r 滤波器的虹膜特征提取3 3 3 3 1 d a u g m a n 相位编码。3 6 3 3 2g a b o r 滤波器的参数设计3 9 3 3 3改进的基于g a b o r 小波的虹膜图像编码。4 2 3 4虹膜特征匹配4 4 3 5 实验结果4 6 3 5 1算法性能4 6 北京邮电大学硕十学位论文 3 6本章小结4 8 第四章基于视频序列图像的虹膜识别系统4 9 4 1 弓i 言4 9 4 2 基于小波变换的虹膜图像的质量评价算法4 9 4 2 1虹膜图像质量评价算法概述4 9 4 2 2 基于小波包变换的虹膜图像质量评价算法5 0 4 2 3实验结果及分析5 5 4 3 基于视频序列图像的虹膜识别系统6 0 4 4本章小结6 2 第5 章总结与展望6 4 5 1 总结6 4 5 2 展望6 5 参考文献6 7 致 射6 9 攻读硕士学位期间发表的学术论文7 0 2 第一章绪论 第一章绪论 随着科学技术信息化的飞速发展，政府机关、金融机构以及个人之间越来 越多的通过互联网相互通信，基于安全或信息保密的考虑，经常需要验证自己 的身份，如：信用卡的使用、资源的获取、或者出国旅游等等，这些都需要验 证人们是否拥有所要求的权限的例子。因此，如何准确、高效地识别个人的身 份成为一个急待解决的问题。特别是在当今经济全球化的新时代，随着需要共 享的资源的范围不断扩大，传统的依赖于信物或者口令的系统安全技术已经面 临严峻的挑战，证件、密码等方式具有易遗忘、易丢失、易破译和易仿制的缺 点，不能满足当今信息化社会对安全性的要求。生物识别技术以其稳定性、普 遍性和唯一性得到了越来越多的关注，目前，许多技术已经成熟并且得到了实 际的应用，丽虹膜识别作为无接触式的识别方法，具有唯一性、高稳定性、非 接触性、高防伪性等优点，在基于生物特征的身份识别系统中具有很好的应用 前景。 1 1 生物识别与虹膜识别 1 1 1生物识别技术简介 人体生物特征识别技术，或称生物测定技术( b i o m e t r i c s ) ，是指利用人体 所固有的生理特征或行为特征来进行科学的个人身份鉴定的技术。生物测定技 术( b i o m e t r i c st e c h n o l o g y ) 的种类共有近2 0 种之多，许多生物特征都可以 被用来进行身份鉴别，包括：人脸、指纹、掌纹、手部静脉血管分布、虹膜、 视网膜、手写体字符、声音、步态、脑电波等。其中有的已经逐步得到推广和 应用，有的还处于试验研究阶段。图i - i 给出了常用的生物特征的示例。 第一章绪论 辍夏囤圃 图1 - 1 生物识别技术( 从上往下依次为指纹、红外，掌纹、步态、人脸、虹膜、视网膜、 声音、笔迹，耳朵轮廓) 用于验证个人身份的生物测定学特征要求具有下列性质n 卫1 ： ( 1 ) 特征的普遍性，即要求人人具有，比如只有一部分才有的胎记或疤痕， 这些就无法用运于大范围的身份识别； ( 2 ) 特征的唯一性，即每个人所具有的特征都应与其他人不一样； ( 3 ) 特征的稳定性，即该特征或行为应在一个相当长的时闻内保持不变， 经常变化的特征是无法保证识别系统的鲁棒性的； ( 4 ) 可采集性，即是否可以方便地获取并量化这些特征或行为。 生物特征具有的这些优点使得生物特征识别技术在安全防伪领域迅速的崛 起，随着数字时代的到来，基于生物特征的生物测定学技术愈加显示出它的重 要价值，成为新的经济增长点。 另外，在实用性方面生物特征也必须符合一些要求，以便于生物特征识别系 统的实现口】。 ( 1 ) 性能要求。所选择的生物统计特征能够达到多高的识别率，对于资源的 要求如何，识别的效率如何； ( 2 ) 可接受性。使用者在多大程度上愿意接受所选择的生物特征系统； ( 3 ) 安全性能。系统是否能够防止被攻击； ( 4 ) 可行性。是否具有相关的、可信的研究背景作为技术支持； 2 魏戮缀鋈曩瀚缆箍 强搦留镌缓陵嘲h_鼍魄荔z褫曛滋缓缀谶嘲馏涩一毖黪缴喇黜国 略 圄蘩 圈一 圜震 第一章绪论 ( 5 ) 存储量。提取的特征信息是否占用比较小的存储空间； ( 6 ) 价格。是否达到用户所能接受的价格； ( 7 ) 速度。是否具有较高的注册和识别速度； ( 8 ) 是否具有非侵犯性。 没有任何一种生物识别技术能满足上面的所有要求。但这并不影响生物识别 技术的发展，目前生物识别技术已广泛用于政治、军队、银行、社会福利保障、 电子商务、安全防务等社会的各个方面。 1 1 2虹膜识别技术及发展 虹膜自胚胎期生成，其上的动静脉血管、神经纤维组织、收缩沟等亦形成。 按目前医学、遗传学理论认为，正常情况下，虹膜具有终身不变的稳定性。虹 膜结构对每个人都是唯一的，并且它不随年龄的变化而变化，图卜2 给出了不 同的虹膜纹理图像。从生物学的观点来看虹膜的另一个让人感兴趣的方面是虹 膜一刻不停的运动状态。这种运动状态具有潜在的价值，通过对它的检测就可 以知道正在被使用的虹膜是否是一个活体的样本。 图1 - 2 不同虹膜纹理图像 虹膜识别技术是基于眼睛虹膜特征的生物识别技术。1 9 8 7 年，f l o w n 和 s a f i r 首先提出虹膜识别系统的概念。虹膜识别作为无接触式的识别方法，具 有唯一性、高稳定性、高防伪性等优点，与人脸等非接触式的生物鉴别方法相 3 第一章绪论 比，虹膜具有更高的准确性。国际上许多研究机构和商业性公司对其进行了研 究，取得很大进展，最具代表性的是英国科学家j o h nd a u g m a n 博士研制成功的 i r i r s c a ns y s t e m 。 虹膜识别系统一般包括四个模块：图像获取，图像预处理，特征提取和分 类。基于视频的虹膜序列识别系统不需要活体检测，无需目标个体的配合，且 视频序列可以得到一个人的多幅图像，但其缺点是数据量大，存在着聚焦不同 的问题等等，必须通过合适的质量评估算法从视频中挑选出质量好的图像进行 后续的识别。虹膜图像的预处理在整个虹膜识别系统中具有重要的意义，它主 要包括虹膜定位、虹膜图像归一化及图像增强，用以消除光照、失焦、眼睛运 动等对虹膜识别造成的影响，使虹膜特征的提取更为有效。纹理特征的提取与 匹配虽然是两个独立的环节，但是一般来说，选取什么样的特征就决定了如何 进行匹配，虹膜纹理的特征提取是虹膜识别系统最为核心的一步。世界各国的 研究人员提出很多不同的虹膜特征提取方法，目前在众多算法中，以j d d a u g m a n 博士提出的基于g a b o r 变换的虹膜识别算法成熟度最高。虹膜匹配是 指两幅虹膜图像编码后的码字进行汉明距离的比较，汉明距离越小，两个虹膜 图像越相似，越有可能是同一个虹膜。 虹膜识别技术虽然在我国起步较晚，但经过广大科研技术人员的努力攻关， 虹膜识别技术在我国也取得了较快的发展。中科院自动化所于2 0 0 0 年初，在国 家模式识别重点实验室1 6 年的研究基础上，开发出了虹膜识别的核心算法，成 了世界上仅有的掌握了虹膜核心算法的单位之一，同时，模式识别国家实验室 的虹膜图像数据库已成为国际上最大规模的虹膜共享库之一h 。 1 2 课题研究背景和研究现状 随着经济社会的信息化发展，世界上对于更安全、更可靠的身份识别手段 的需求就越来越突出，生物识别技术作为当今身份识别最先进最可靠的手段也 日益为政府、企业乃至社会广泛关注。生物识别技术的应用主要包括特征验证 和辨识两种模式叫： ( 1 ) 验证( v e r i f i c a t i o n ) 模式 4 第一章绪论 验证是把现场采集的生物特征与存储在计算机中的特征进行一比一对比， 识别身份。显然，被验证者的特征需预先存储，并与其姓名、标识等对应。比 对时先验证其标识，然后按一定的算法比对两个特征。简而言之，验证的目的 是证实“他是所声称的人吗? 一。验证模式主要用于应用系统的身份确认。 ( 2 ) 辨识( i d e n t i f i c a t i o n ) 模式 辨识是把现场采集的生物特征同存储于数据库的特征逐一进行比对，找出 相匹配的生物特征，即“一对多匹配”。就实质而言，辨识解决的是“他是谁? 一 的问题。辨识模式主要用于公共安全领域的个人身份识别。与验证模式相比， 辨识模式会受到数据库大小及检索速度的限制，复杂度要求也更高。 验证和辨识在比对算法和系统设计上各具特点，应用场合有所不同。般 来说，辨识模式所要求的识别系统的技术含量比验证模式更高一些。目前在所 有的生物特征中，虹膜识别具有最高的准确率。 本课题主要研究基于虹膜的身份识别系统，包括静态虹膜图像和虹膜视频 序列图像。目前已有很多静态虹膜识别系统，具体的方法将在下节介绍。据我 们了解，基于虹膜视频序列的识别系统并不多见。 1 2 1虹膜识别方法概论 虹膜识别系统一般如图b 所示：( 1 ) 图像采集，用于获取虹膜图像：( 2 ) 虹膜图像预处理，进行虹膜图像的质量评估、虹膜定位、归一化和增强处理； ( 3 ) 特征提取，得到虹膜图像的纹理特征编码；( 4 ) 特征匹配，将得到的虹膜 编码与数据库中的模板进行比对。 囝 篓麓簧卜 虹 特征编码l 膜 特 征 i 鬻卜 匹 醚 数据库l 7 图1 - 3 虹膜识别系统 5 第一章绪论 1 虹膜图像采集 目前的虹膜采集装置基本都需要被采集者使用辅助性的操作，如手动调整 采集方位、聚焦、采集距离一般最远在4 5 c m 左右，给被采集者带来众多的不方 便。 d a u g m a n 最早将虹膜识别算法产品化。d a u g m a n 系统的虹膜图像采集装置， 基于l e d 的光源和摄像头，可以在1 5 4 6 c m 内获取虹膜直径为1 0 0 2 0 0 像素的 眼睛图像，虹膜图像可以直接显示到l c d 显示器上，从而根据图像及时调整眼 睛的距离和位置，使照相机采集到最佳图像。w il d e s 系统的虹膜图像采集装置 使用圆形偏光镜消除反光，低照度相机和漫射光源结合使光源分散，可以在距 离2 0 c m 处获得虹膜直径约2 5 6 像素的眼睛图像，自动距离测定技术保证图像质 量。其他的如2 0 0 2 年新加坡南洋理工大学的e r i cs u n g 及美国卡内基梅隆大学 的三位博士在i c a r c v 会议上发表的关于无需人协助、远距离、互动型虹膜识别 系统，最先提出了自动虹膜图像采集所面临的问题。2 0 0 4 年c e b i t 展览会上， 松下公司推出一套虹膜识别系统，采用了一种由目标对象辅助调整拍摄镜头的 采集装置，虹膜图像采集距离约为3 0 c m 。日本三菱公司则于2 0 0 3 年分别在美 国和日本申请了相关虹膜采集装置的专利，实现了无协助式智能获取虹膜图像 的功能嘲。 国内在虹膜识别的研究上起步时间晚于国外，因此，虹膜采集装置的研究 也晚于国外。中科院模式识别研究所谭铁牛等人最初提出的虹膜识别装置，采 用一个全黑的长形圆套作为辅助采集设备，采集距离也在十几厘米左右，且需 要被采集者协助采集。经过几年的努力和该进，采用了主动视觉反馈方法，综 合集成光机电技术和智能人机交互技术，该系统可以在2 0 - 4 0 c m 的距离范围内 快速采集纹理清晰的虹膜图像，技术达到世界先进水平侣3 。 随着大规模身份识别系统应用的激增和成像成本的持续下滑，这几年虹膜 识别市场已经进入了高速发展期，研究具有远距离采集的，无协助式的，能够 在人运动过程中方便完成的智能虹膜采集系统对于虹膜识别产业化的发展有重 大的意义。基于虹膜视频序列的虹膜识别系统，就是利用高清晰摄像头采集的 虹膜视频序列，来实现快速、准确的个人身份认证。 6 第一章绪论 2 虹膜图像预处理 虹膜图像的预处理在整个虹膜识别系统中具有重要的意义，它处理结果的 好坏直接影响到后续工作的有效性。通过采集装置摄取的虹膜图像，往往受到 诸如光照、失焦、眼睛运动及操作者的误操作等因素的影响，造成成像质量的 降低甚至无效。为了避免处理的盲目性，首先就要对获取的图像加以辨认，从 而剔除那些无效的图像。对于质量较好的图像，也要消除上述因素对虹膜识别 造成的影响，使虹膜特征的提取有效，这就是虹膜预处理要完成的工作虹膜 图像预处理主要包括：虹膜质量评价、虹膜定位、虹膜图像归一化以及图像增 强。 在虹膜识别系统中，质量较差的虹膜图像可能被系统拒识，导致身份识别 或者身份认证的失败。因此有必要在虹膜图像的采集端引入质量评价的环节， 从虹膜图像采集仪输出的视频序列中挑出符合识别系统要求的虹膜图像。 虹膜定位是图像预处理中最为关键的_ 环，能否精确的定位是识别的前提， 定位结果的好坏将直接影响到整个识别系统的性能。虹膜是位于瞳孔和巩膜中 间的那层环形区域。它的外边缘和内边缘可以近似的看作圆形，定位的过程就 是确定内外两个圆的半径和圆心。传统的定位圆的方法包括：d a u g m a n 的圆周 差分方法阳一1 ；w i l d e s 等采用的h o u g h 变换方法阳9 1 ；中国科学院自动化研究所 谭铁牛等提出圆边缘检测加最d * - - - 乘拟合的方法n 引；中国科学技术大学叶学义 等提出的利用投票机制来定位虹膜的方法1 。d a u g m a n 的圆周差分方法与其他 方法比较，具有更好的鲁棒性和精确性，但如果寻找最佳的瞳孔和虹膜边界是 在整个图像范围内搜索进行的，那将是一个非常耗时的过程。近年来提出的各 种改进算法对于提高速度都有很好的效果。 在提取出虹膜后，不能立即对其进行特征提取等编码工作，而应该先进行 图像的校准。因为采集虹膜图像时，存在一定程度上的“漂移”、“旋转一和“放 缩修现象，在极坐标下进行虹膜图像的归一化，确保了虹膜的整个识别过程对 平移、尺度放缩和瞳孔收缩具有鲁棒性。虹膜图像的归一化就是将笛卡尔坐标 下的虹膜环状图像进行坐标变换，在极坐标下展开成规定大小的矩形虹膜图像。 图像增强的目标是为了克服由于光照不足或不均，造成的图像对比度过低 或图像的亮度不均等现象。图像增强的方法分为两大类：空域法和频域法。空 7 第一章绪论 间域是指图像平面自身，这类方法是以图像像素的直接处理为基础的：频域方 法是以修改图像的傅立叶变换为基础的。中科院的黄俊洲还研究了基于超分辨 率的虹膜图像增强算法n 2 1 。 3 虹膜特征提取 特征提取和选择是对预处理后的数据进行分析，去粗存精的过程。由于原 始图像数据量相当大，需要把这些数据转换为若干特征，这称为特征提取。从 数学上讲，特征提取相当于把一个物理模式变为一个随机向量，如果抽取和选 择了m 个特征，则物理模型可用一个m 维特征向量描述，表现为m 维欧式空间 中的一个点。 虹膜图像包含丰富的纹理信息，如何在已经获得的归一化和图像增强后的 虹膜图像的基础上，高效的描述虹膜的纹理并抽取有效的特征，是基于虹膜的 身份识别系统的关键部分。世界各国的研究人员提出很多不同的虹膜识别算法， 目前在众多算法中，以d a u g m a n 博士提出的基于g a b o r 变换的虹膜识别算法成 熟度最高口1 。该方法的核心是利用二维g a b o r 滤波器对虹膜图像进行滤波，根 据滤波值进行相位编码，最终得到2 5 6 字节的二进制虹膜特征码。此外，还有 w i l d s 提出的用各向同性的高斯一拉普拉斯滤波器对图像进行分解，构成4 层拉 普拉斯金字塔的方法来提取特征四1 ；b o l e s 提出的利用虹膜图像的小波变换过零 点信息来提取虹膜特征，将虹膜图像转换为一维信号，再利用二进制小波变换 的过零点特征编码n 射。 4 特征匹配 不同的特征提取方式决定了不同的特征匹配模式。目前最为常见的是 d a u g m a n 采用的基于汉明距离的特征匹配方法，该方法简单有效，现实应用中 可采用二进制位操作，匹配速度快，极大的减少比对时问口1 。w i l d s 的匹配方法 比较复杂，在计算两幅待比对图像的均值和方差之后，得到两幅图像的协方差 作为相关系数，最后利用f i s h e r 线性判决函数获耿两幅图像的匹配结果嘲。 b o l e s 的特征匹配方法则取决于图像经过小波变换后过零点的位置和相邻点之 间的幅值n 3 1 。 8 第一章绪论 1 2 2虹膜识别方法的现状及存在的问题 虹膜识别在过去的十几年里，不论在软件还是硬件方面都有了很大的发展， 但是，距离虹膜识别在日常生活中的广泛应用还是有很大的距离。目前主要存 在的技术难点有。 ( 1 ) 图像采集。目前大多数虹膜采集装置要求被采集者距离采集设备在凡十 厘米之内，远距离虹膜采集设备还处于研究间断。此外，虹膜采集设备 对光照的影响较为敏感，需要被采集者的配合来获取较高质量的虹膜图 像。易用性差使得虹膜识别的产业化和大范围推广受到限制。在基于视 频序列的虹膜识别系统中，采集设备是高清晰的摄像机，被采集者从采 集装置前走过，所采集到的虹膜图像极容易受到光照、运动失焦的影响， 而且由于存在被采集者的身高不同及眨眼动作等因素，采集设备在最佳 拍摄距离时无法保证能够取得符合需要的虹膜图像，所以虹膜质量评价 模块就显得极为重要，一个有效地虹膜质量评价算法可以极大的提高系 统性能。 ( 2 ) 虹膜识别算法的通用性不强。由于虹膜采集装置的硬件设备差异和工作 原理不同，至今在国际上仍缺乏一个统一的、被广泛认可的虹膜图像数 据库。国际上很多研究机构都拥有自己的虹膜采集设备并在此基础上进 行算法研究，这就导致虹膜算法的性能在很大程度上依赖于虹膜图像数 据库，而同一算法在不同数据库上的应用也会产生问题。 ( 3 ) 利用高清晰度摄像机拍摄虹膜图像序列，一方面采集设备可以距离被采 集者相对较远的距离，另外不要求被采集者完全的配合。如果能够从视 频序列图像中完成虹膜的识别，将会很大程度上提升虹膜识别使用的方 便性及可接受性。但是由于距离的不同，视频序列中提取的虹膜图像在 质量上远低于现有的虹膜静态数据库中的图像，存在变焦、光照、被采 集者姿态影响等等的问题，但同时由于视频序列图像可以提供比静态图 像更丰富的信息，因此如何更好的挖掘视频序列图像的优势，改进其不 足，将会推动虹膜识别系统的应用进展。目前关于这方面的报道非常少。 论文中对基于视频序列的虹膜图像的识别系统进行了研究，设计并实现 了一个基于视频序列的虹膜识别系统。 9 第一章绪论 虹膜识别作为一门新兴的生物识别技术，是未来个人身份认证发展的趋势， 但是想要把基于虹膜识别的身份认证技术应用起来，还需要我们进一步的努力， 去克服目前在虹膜识别系统所存在的问题和不足。 1 3 本文工作 本文在学习研究了现有虹膜识别算法的基础上，针对应用于静态数据库的 虹膜定位算法、虹膜纹理编码算法以及匹配算法进行了深入研究，构建了静态 虹膜识别系统；在此基础上，通过引入虹膜图像的质量评价算法，实现了基于 视频序列的虹膜识别系统。本文主要研究工作如下： ( 1 ) 对传统虹膜定位算法进行了改进。虹膜定位的准确与否对虹膜识别率有极 大影响。在目前所有的虹膜定位算法中，d a u g m a n 的圆周差分法具有最高 的准确率，但是计算量大，本文针对这一问题对该算法进行了改进，极大 的减少了虹膜定位所需的时间，为虹膜识别系统的实时应用提供了可能； ( 2 ) 提出了一种估算g o b o r 滤波器参数的方法，针对归一化图片的大小和滤波 器尺寸来限制滤波器参数范围，使虹膜识别系统可以根据数据库特点自动 进行滤波器参数设置，提高系统的识别效率和方便性；在不降低识别率的 基础上，改进后的编码算法可以大大降低码长，更加适用于实际的应用； ( 3 ) 提出了并实现了一种基于小波包的虹膜图像质量评价算法，提取了视频虹 膜序列中的有效虹膜图像； 设计并实现了基于视频序列的虹膜识别系统，完成了基于视频序列的虹膜 图像的实时比对。 1 , 4 本文结构 本文的结构安排如下： 第一章首先对生物识别技术及虹膜识别技术进行简要的介绍，之后介绍了 课题的背景和研究进展，最后介绍本文的研究内容和结构安排。 第二章介绍虹膜识别的预处理过程，包括虹膜定位，虹膜图像归一化和虹 1 0 第一章绪论 膜图像增强，详细说明了各个模块的算法实现和测试结果等； 第三章介绍了现有各种虹膜纹理编码方法，着重于基于g a b o r 滤波器的虹 膜纹理编码及匹配算法的实现以及对该算法进行的改进，给出了改进算法在多 个虹膜数据库上的试验结果等； 第四章构建了一个基于视频序列图像的虹膜识别系统，实现了基于小波包 变换虹膜图像质量评价算法，在虹膜视频序列图像数据库上测试了系统的性能 并分析实验结果； 第五章是总结与展望。 第二章虹膜预处理算法 2 1 引言 第二章虹膜预处理算法 在现有的虹膜识别系统中，虹膜预处理主要包括虹膜定位，归一化和图像 增强，在实际应用的虹膜识别系统中，还包含一个虹膜图像质量评价模块，主 要用来从虹膜采集设备中筛选有效的虹膜图像，然后再用作虹膜识别。 虹膜预处理的好坏会直接影响到虹膜识别系统的性能。特别是虹膜定位的 准确度和速度，是解决虹膜识别系统是否可以大规模应用的关键所在。由于人 眼的生理构造、活动以及虹膜图像采集设备的成像技术等因素的存在，使得所 采集到得虹膜图像并不是完全意义上的圆形，再加上睫毛和眼睑的干扰，给准 确的定位虹膜与巩膜及瞳孔的边界带来了很大困难。传统的定位算法中，以 d a u g m a n 的微分积分圆边界检测算子的效果为最优，但这种算法的计算量非常 大，不适合实时应用。 为了克服这个问题，就必须减小d a u g m a n 定位算法中的搜索范围，这就需 要一种方法来对虹膜图像的像素点进行取舍。本文假设了虹膜图像具有局部收 敛性n 制，在这一假设条件下对d a u g m a n 的定位算法进行了改进，以缩短虹膜定 位时间。 本文提出的虹膜定位算法的关键问题在于： ( 1 )怎样确定初始搜索像素点? 虹膜定位就是确定虹膜两个圆边界的 圆心及内外半径。o a u g m a n 的定位算法是以一个确定的像素点为圆心， 寻找具有最大可能性的半径。由于对虹膜图像的局部收敛性做了假设， 就要求初始的搜索像素点必须是在真正的圆心所在的收敛域内，否则 就会导致定位失败； ( 2 )在收敛域内如何快速收敛? 一个局部的收敛域范围是不确定的，要 1 2 第一二章虹膜预处理算法 想快速的找到极值( 即虹膜的圆边界) 就必须有一种搜索办法来快速 的寻找极值，这是我们要解决的第二个问题。 ( 3 )确定半径搜索范围。由于虹膜图像数据库的不同，虹膜的尺寸是不 定的。这时，就要求有一个自适应的半径搜索范围，使同一虹膜定位 算法可以适应不同的数据库。 本算法首先实现了d a u g m a n 的定位算法，然后在假设虹膜图像具有局部收 敛性的情况下，利用自适应阈值法找到一个初始的圆心，然后根据提出的快速 寻找极值的方法确定虹膜边界的圆心和半径。 与虹膜定位算法相比，虹膜图像的归一化算法是比较确定的。定位后的虹 膜是一个圆环，虹膜归一化就是将这个圆环通过坐标变换成为一个固定的、已 确定尺寸的矩形图像。在这过程中由于虹膜内外半径的不同，会存在采样或是 插值的问题。虹膜的纹理信息主要集中在内圆附近，所以对于归一化图像尺寸 的选取要尽量保证不能在内边界附近造成下采样。 图像增强是为了消除光照不均的影响，增加虹膜纹理的对比度。一般来说， 局部直方图增强要比全局直方图增强具有更好的效果，但必须使用双线性内插 来消除边界块效应。 下面，我们将对虹膜图像预处理算法的实现步骤给予较为详细的介绍。 2 2 虹膜定位算法 虹膜采集仪采集到的虹膜图像，除了包含虹膜外，还包含大量的眼皮、眼 睑、睫毛、巩膜和瞳孔等部分。因此，必须首先确定虹膜与巩膜和瞳孔的边界。 由于虹膜内外边缘具有较好的圆特性，虹膜定位的问题就转化为在图像中寻找 两个圆的圆心及半径的问题。传统的虹膜定位方法大都采用w i l d e s 提出的图像 二值化、结合h o u g h 变换阻1 或者d a u g m a n 的圆周差分法口1 。 由于瞳孔、虹膜、巩膜的灰度值依次升高，利用三者交界的灰度变化可以 比较准确的定位虹膜。w i l d e s 的基于图像二值化、结合h o u g h 变换的虹膜定位 方法，在定位时，首先采用高斯拉普拉斯算法等边缘检测算子得到虹膜内外边 界上灰度变化剧烈的点，然后利用三维h o u g h 变换来确定虹膜的内外边界。这 1 3 第二章虹膜预处理算法 种方法对于光斑、眼睑和睫毛等干扰因素不敏感，定位准确，但是，由于三维 h o u g h 变换的时间空间复杂度很高，计算量大，不适合实时虹膜识别系统。 d a u g m a n 圆周差分法的基础是d a u g m a n 的积分微分圆边缘检测算子，该算子可 以得到圆周上的灰度差分值。与其它方法相比，d a u g m a n 圆周差分法具有更好 的鲁棒性和精准性，但是如果没有一个有效的方法来减少搜索范围，无法达到 实时的效果。 2 2 1 d a u g m a n 虹膜定位算法简介 由于虹膜具有很好的圆环几何特性，虹膜的定位问题可以归结为寻找最优 圆的问题。在整个虹膜图像，0 ，y ) 中，通过变化半径r 的值，寻找具有最大积 分微分值的像素o o ，y o ) c t 。 m a x ( r o , y o ) 卜，瓤，h 警叫 都一9 其中，事表示卷积，g 二r ) 是尺度因子为仃的高斯平滑算子。该积分微分算子在 o ，y ，) 的三维空间中寻找最大值，其作用就相当于一个圆边缘检测算子，可以 通过它在整幅图中寻找最有可能为圆的边缘。式( 2 - 1 ) 中的积分微分算子为连 续函数，而实际应用中，不论是虹膜图像还是计算机软件实现都应该是离散的。 d a u g m a n 提出，可以通过改变积分微分算子中卷积和微分的