（信号与信息处理专业论文）基于虹膜的身份识别技术研究.pdf

重庆大学硕士学位论文中文摘要 摘要 生物识别技术是根据人体自身所固有的生理特征或行为特征来进行身份识 别。与传统的识别方法相比，生物特征的身份识别技术不存在携带不便、丢失、 遗忘的问题，而且伪造极其困难，因而具有极高的可靠性与安全性。 在人体的各种外部特征中，如指纹，人脸，眼睛，虹膜等，虹膜作为重要的 身份鉴别特征，具有唯一性、稳定性、可采集性、非侵犯性等优点。这使得利用 虹膜进行身份鉴别具有更高的准确率，目前虹膜识别技术被广泛认为是最有前途 的生物识别技术之一。 本论文详细介绍了虹膜识别技术的研究现状及研究意义、虹膜的生理结构及 虹膜识别系统的组成；并进一步研究了虹膜识别的各个步骤，即图像预处理、特 征提取及编码和匹配识别，其中重点研究虹膜图像的特征提取及编码。 在虹膜图像的预处理过程中，采用一种粗定位与精定位相结合的方法来快速 定位瞳孔的中心及半径。采用二值化的方法进行虹膜内边界的粗定位；根据“非共 线的3 点确定1 个圆”的原理进行虹膜外边界的粗定位。减少定位搜索的盲目性，节省 计算时间，降低定位过程的复杂性。采用h o u g h 变换对虹膜进行精定位。 在特征提取及编码匹配过程中，本论文首先将归一化后的二维虹膜图像转换 为一维灰度信号，从而减小了运算量；然后运用紧支撑的二次样条小波对构造的 一维灰度信号进行分析，选取适当尺度上的小波变换结果进行量化，构造出二进 制的特征向量，从而降低了算法复杂度，提高识别速度；最后采用h a m m i n g 距离 进行移位匹配识别，实现了识别的旋转不变性。 本论文通过大量实验对该算法进行了验证性实验，证明该算法是切实可行的。 关键词：虹膜识别，二次样条小波，小波检测，h a m m i n g 距离 重庆大学硕士学位论文 英文摘要 a b s t r a c t b i o m e t r i cr e c o g n i t i o nt e c h n i q u eb a s e do nt h eh u m a n sb e h a v i o r a lo ri n h e r e n t c h a r a c t e r i s t i ci sa p p l i e dt 0 d i s t i n g u i s ho n e si d e n t i f i c a t i o n c o m p a r i n gt ot r a d i t i o n a l m e t h o d s ，t h eb i o m e t r i er e c o g n i t i o nc a ns o l v et h o s ep r o b l e m so fb e a t i n go b l i v i o u s n e s s ， i n c o n v e n i e n c e , l o s i n ga n di ti sh a r dt ob ef a k e d , s oi ti sh i g h l yr e l i a b l ea n ds a f e a m o n gv a r i o u se x t e r n a lf e a t u r e so f h u m a nb o d ys u c h 嬲f i n g e r p r i n t f a c e , e y ea n d i r i s ，i r i st h a tr e g a r d s 船a l li m p o r t a n tc h a r a e t e r i s t i ch a st h ea d v a n t a g eo fu n i q u e n e s s s t a b i l i t y , h i g hr e l i a b i l i t ya n dn o n i n v a s i o n , w h i c hp m 、，i d 船t h ei r i si d e n t i f i c a t i o nw i m e x c e l s i o ra c c u r a c y i r i si d e n t i f i c a t i o nt e c h n o l o g yi sr e g a r d e da so n eo ft h em o s t p r o m i s i n gb i o m e t r i cr e c o g n i t i o nt e c h n o l o g y i nt h i sp a p e r , t h ed e v e l o p m e n to f i r i sr e c o g n i t i o nt e c h n i q u ea n dt h es t r u c t u r eo f i r i s r e c o g n i t i o ns y s t e ma r ed i s c u s s e di nd e t a i l t h e na uo ft h ep r o c e s s e st h a ti n c l u d e di m a g e p r e p m c e s s i n g , f e a t u r ee x t r a c t i o na n dc o d i n gm a t c h i n ga n dr e c o g n i t i o na l ei n t z o d u c e d f e a t u r ee x t r a c t i o na n dc o d i n gh a v eb e e nf o c u s e do nr e s e a r c h i n g i ni m a g ep r e p r o c e s s i n go fi r i s ，t w os t o p so fc o a r s el o c a t i o na n de x a c tl o c a t i o ni s u s e dt ol o c a t et h ec e n t e ra n dr a d i iw i t l lt h ei n n e ra n do u t e rc i r c l eo f i r i s b i n a r yp r o c e s s i su s e dt oc o a r s el o c a t i o no ft h ei n n e rc i r c l eo fi r i s a c c o r d i n gt ot h ep r i n d p a lt h a ta c i r c l eo a 1b ec o n t i n u e db yt h r e ep o i n t sw h i c ha r en o tc o l i n e a r i t y , t h eo u t e rc i r c l eo f i r i s i sc o a r s el o c a t o d h o u g ht r a n s f o r m a t i o ni su s e dt ot h ee x a c tl o c a t i o no f i r i s i nf e a t u r ee x t r a c t i o na n d c o d i n gm a t c h i n g o fi m a g e , f i r s t , t w o - d i m e n s i o n n o r m a l i z e di r i si m a g ei st r a n s f o r m e dt oas p e c i a li - di n t e n s i t ys i g n a l st od e c r e a s et h e q u a n t i t yo fc a l c u l a t i o mt h e nw a v e l e tw h i c hf u n c t i o ni saq u a d r a t i cs p l i n eo faf i n i t e s u p p o r ti sa d o p t e dt or e p r e s e n tt h er e s u l t i n g1 - di n t e n s i t ys i g n a l s t h er e s u l t so f s u i t a b i l i t ys c a l e sa r et r a n s f o r m e dt ob i n a r yt or e c o r d 嚣f e a t u r e s s ot h ec o m p l e x i t yi s r e d u c e da n dt h er e c o g n i z es p e e di se n h a n c e d f i n a l l y , i r i sm a t c h i n gi sa c c o m p l i s h e db y h a m m i n gd i s t a n c e i t c a na c h i e v er i g h tr e c o g n i z ew h e nt h ei r i s i m a g e s a r e o i r c u m v o l v e d i nt h i sp a p e r , m a s s i v ec o n f i r m a t i o ne x p e r i m e n t sa p p r o v e dt h a tt h ea l g o r i t h mi s f e a s i b l e k e yw o r d s ：i r i sr e c o g n i t i o n , q u a d r a t i cs p l i n ew a v e l e t ，w a v e l e td e t e c t i o n , h a m m i n g d i s t a n c e 独创性声明 本人声明所呈交的学位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。据我所知，除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重麽友堂 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谢意。 学位论文作者签名：j i ；询矿签字日期：乍唧年争月t , s e t 学位论文版权使用授权书 本学位论文作者完全了解重废太堂有关保留、使用学位论文的 规定，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 论文被查阅和借阅。本人授权重废太堂 可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 保密() ，在年解密后适用本授权书。 本学位论文属于 不保密( ) 。 ( 请只在上述一个括号内打“4 ”) 学位论文作者签名：i 岛矿 签字日期：0 1 年乎月二fe t 导师签名： 彦p 勇 签字日期：沙1 年占月i e t 重庆大学硕士学位论文 1 绪论 1 绪论 1 1 虹膜识别技术介绍 随着经济的发展，社会对安全产品的需求不断增加，各种生物识别技术广泛应 用于银行系统、安全系统及网络交易等方面，有效而准确方便地进行个人身份的识 别成为人们日益关心的问题。源于这种需要，近年来基于生物特征的身份识别技 术得到了人们的广泛关注。 利用人体生物特征进行身份验证和识别已经有很长的历史了。目前，指纹识 别、面部识别、虹膜识别、声音识别已经不同程度地应用在实际生活中。在所有 生物特征中，指纹相对稳定但录取指纹不是非侵犯性的；脸像特征具有很多优点， 如主动性、非侵犯性和用户友好等，但脸像随年龄变化，而且容易被伪装；声音 特征具有与脸像特征相似的优点，但它随年龄、健康状况和环境等因素变化，而 且说话人识别系统也容易被录音所欺骗，容易被伪造。虹膜特征识别解决了上述 识别特征中存在的问题而且同时还具有上述其他生物特征所不具有的一些优点， 如唯一性高、稳定性好、精度高、对使用者侵犯性小、适用人群广等特点。 从理论上讲，虹膜的这些特性使得虹膜识别技术可以成为防伪性能最好的生 物识别手段。据统计，到目前为止，虹膜识别的错误率在各种生物特征识别中是 最低的【l 】。虹膜识别技术是生物识别技术领域最有生命力的技术，将成为非常有前 途的计算机身份识别技术，它能从根本上解决r r 产业中急待解决的身份识别安全 性问题。故在近年来虹膜识别技术被广泛认为是最有前途的生物识别技术之一。 表1 1 为几种生物识别方法技术指标的比较【2 】。 表1 1 几种生物识别方法技术指标的比较 t a b l e1 1c o m p a r i s o no f t e c h n o l o g yi n d e x w i t ho t h e rb i o l o g y r e c o g n i t i o n s 项目 虹膜识别指纹识别脸型识别手形识别 等错率( f a r = f r r ) o o o 0 0 8 5 2 5 o 2 一2 2 平均每次识别时间，8 l53 3 - 一5 非侵入过程 y e s n 0y n o 能完成识别功能y e sl i m i t e dl i m i t e dn o 受欺诈行为影响l o wm e d i u mm e d i u mm e d i u m 使用的是个人独特特征 y e 8y e sn on o 数据文件大小m y t 5 1 29 04 0 0 09 对用户的友好程度 h i g h m e d i u m h i 曲 m e d i u m 重庆大学硕士学位论文 1 绪论 通过以上的数据对比可以看出，虹膜识别在正确率、识别时间、可靠性等方面 都要优于其它的生物识别技术。 1 2 虹膜的结构及生物特征 人眼从外观图上看由巩膜、虹膜、瞳孔三部分构成f 3 】。如图1 1 所示。中心较 黑的部分是瞳孔区，瞳孔随入射光线强度的变化，会产生收缩或扩张，从而牵动 虹膜变化；两侧颜色较浅的部分是巩膜区( 即通常所说的眼白) ；位于瞳孔和巩 膜之间的区域即为虹膜，总体上呈现一种由里到外的放射状结构，虹膜与巩膜、 瞳孔的边界均为近似圆形，是图像匹配时可以利用的重要几何信息。 图1 1 人服外观图 f 逛1 1e y e i m a g e 虹膜在结构上分为四层，由内到外依次是：色素细胞沉积的上皮层、控制瞳 孔缩放的肌纤维层、包含丰富毛细血管的基质层和结构较基质层更为致密的前界 层( 虹膜外部的可见部分就是指它，分为中心瞳孔区和环绕睫状层，形貌高度细节 化，包含了极为丰富的信息) 。虹膜表面高低不平，有皱壁和凹陷，凹陷又称隐窝。 近瞳孔处的皱壁特别显著，称虹膜皱壁或领状韧带，它是虹膜小动脉环的位置标 志。虹膜后表面较平坦，由于虹膜内血管分布不均匀，使虹膜表面出现许多规则 的放射形条纹。在近瞳孔边缘处，有一条租细不匀的黑边，是虹膜背面的色素上 皮层向前延伸的结果，此黑边当瞳孔扩大时变窄，瞳孔缩小时增宽，如图1 2 所示。 2 重庆大学硕士学位论文 1 绪论 图1 2 虹膜纹理结构图 f i g1 2t e x t u r eo f i r i ss u u c t u r e 虹膜纹理用于身份识别具有以下的生理和医学特征【4 】： ( 1 ) 虹膜纹理具有稳定性和不变性。人眼的虹膜是人体唯一的外部可见的内 部器官，得到了眼睑和角膜的有效保护，在正常情况下几乎不可能受到外部损害； 而且，在人出生一年以后，在正常的社会生活环境中，除非发生病变，否则终生 不再变化，具有可靠的稳定性。 ( 2 ) 虹膜纹理具有绝对的唯一性。每个人的虹膜都拥有独特的机构纹理，胚 胎生物学界的科学家发现，虹膜的基本结构是由遗传基因决定的，不同的遗传基 因决定了不同的虹膜基本结构，虹膜形成之前和虹膜发育期间的胚胎环境决定了 虹膜的细微结构。可以这么说，自然界没有两个完全相同的胚胎环境。而且，新 生儿的出生的第一年是虹膜色素细胞的发育沉淀期，新生儿不同的生长环境和不 同的营养状况决定了不同虹膜在同一光线下表现出不同细微纹理：以上诸多条件 的制约造成了一个人的左右眼或者即使是孪生子的虹膜也几乎不可能相同，因此 从生物学的角度来说，人眼的虹膜纹理具有唯一性。 ( 3 ) 虹膜纹理具有防伪性。从医学的角度来说，通过外科手术将一个人的虹 膜纹理改造成另一个人的，在可以预见的将来还没有实现的可能；而且虹膜中央 的黑色部分是瞳孔，作为活体细胞组织，在环境光线的变化时，哪怕是微弱的变 化，睫状肌会收缩或舒张来牵动瞳孔括约肌，改变瞳孔的大小，调节透射入眼的 光线，这一过程叫瞳孔震颤效应，利用这一特性，可以检测出是否为活体虹膜， 所以伪造活体虹膜极其困难。从这一点来看，虹膜识别具有难以伪造的特性。 ( 4 ) 虹膜纹识别有非侵犯性。虹膜虽然被角膜同外界隔离，而且受到眼睑的 保护，但因为角膜是无色透明的物质，透光性极佳，人在正常活动时可以轻易观 察到虹膜，所以在利用取像设备获取虹膜的图像时，被取像人不会产生受到侵犯 的感觉，所以说基于虹膜的生物特征识别具有非侵犯性。 3 重庆大学硕士学位论文 1 绪论 ( 5 ) 虹膜识别可靠性高。虹膜表面具有呈现高低不平的放射状排列、相互交 错的皱壁，构成多数的稳窝，这使得虹膜纹理可提供的特征信息量大，因而在应 用识别可靠性高； 1 3 虹膜识别技术的研究现状 用虹膜进行身份识别的设想最早出现于1 9 世纪8 0 年代，但直到最近1 0 年来， 虹膜识别技术才有了飞跃发展。1 8 8 5 年在巴黎的监狱中曾利用虹膜的结构和颜色 区分同一监狱中的不同犯人。而自动虹膜识别系统则是上世纪末才出现。1 9 8 7 年， 眼科专家a r a ns a f i r 和l e o n a r df l o r m 首次提出了利用虹膜图像进行自动身份识别的 概念【5 】，但他们并没有开发出这样的处理器。1 9 8 9 年，他们请当时在哈佛大学任教 的j o h nd a u g m a n 为虹膜识别研制真正的算法【6 】。1 9 9 1 年，在美国洛斯阿拉莫斯国家 实验室内j o h n s o n 实现了文献记载得最早的虹膜识别应用系统基于g a b o r 变换 的虹膜识别技术和分布式虹膜数据库的虹膜识别系统【”。1 9 9 3 年，j g d a u g m a n 率先研制出基于g a b o r 变换的虹膜识别算法【舯】，这种识别算法取得了很高的识别 率，其中基于g a b o r 变换的虹膜识别技术成为了现代商用虹膜识别系统的技术基 础，但是这种识别算法但是它对原始虹膜图像的要求较高，归一化后的虹膜图像 大小为2 4 1 0 2 4 ，编码前期计算量较大，也没能较好的解决虹膜旋转不变性的要求。 随后，1 9 9 4 年，p w i l d e s 研制出基于图像登记技术的虹膜识别系统 1 0 d u ，但是， 这种识别算法比较繁琐，计算量较大，不宜用于实际操作。1 9 9 7 年w w b o l e s 等 人用小波变换过零检测进行虹膜的识别，并取得较好的识别结果【1 2 。1 ”，这种识别 算法克服了以往系统受漂移、旋转和比例缩放所带来的局限，并且对亮度变化及 噪声不敏感。最近，法国入t i s s c c t a l 提出用瞬时相位技术提取虹膜特征的方法i l5 1 ， 这种识别算法计算量相对较小。 在国内，虹膜识别的研究工作开始相对较晚，上世纪末虹膜识别技术的研究 工作开始兴起。上海交通大学1 9 9 8 开始从事虹膜识别技术的跟踪研究【i ”。2 0 0 0 9 华中科技大学的科研人员根据图像的相关性进行虹膜识别 1 7 - 1 s 。2 0 0 0 年以来，北 京大学信息科学中心也开展了虹膜识别技术的研究，并研究出一套独特的高效方 法。2 0 0 2 年，中国科技大学也实现了虹膜识别演示系统【1 9 】。中国科学院自动化所 的研究人员，用不同的方法进行虹膜识别的研究，并对一些特定干扰条件下的虹 膜图像进行计算机模拟试验，取得较好的结果 2 0 l ；他们还利用研制的虹膜图像获 取装置建立和共享了用于科学研究的虹膜数据库- - c a s i a 虹膜数据库，这是当前 国际上最大的共享虹膜数据库，正逐渐成为虹膜识别研究领域的公共平台。 目前，还有越来越多的高校、研究机构投入到虹膜识别研究中来。 一 4 重庆大学硕士学位论文1 绪论 1 4 虹膜识别技术的应用及前景 虹膜扫描的最初市场主要是访问控制应用。这些应用的特征是注册用户相对 较少，需要识别的情况也很少出现。对这种情况，一台现代p c 就很容易提供足够 的处理能力和存储容量来支持虹膜识别。 2 0 0 0 年，美国国防高级研究项目署( d a r p a ) 启动了名为h i d 的研究项目，即 远距离身份识别，其中包括远距离虹膜识别项目( i r i sr e c o g n i t i o na tad i s t a n c e ) 。该 项目的研究目的之一就是将虹膜识别应用于未来的国家安全领域，尤其是国家重 要信息和技术的管理领域。 随着远距离虹膜图像获取技术的成熟以及识别算法性能的进一步提升，虹膜 识别应用于日常生活已经成为可能。例如，长野冬季奥运会使用该技术对射击项 目的枪支进行安全管理；2 0 0 1 年，一些欧洲考试中心使用基于虹膜识别技术的系 统对应试者进行身份鉴别；2 0 0 2 年，英国最大的伦敦h e a t h r o w 机场开始在入境口 岸试用虹膜识别系统，加强入境安全管理。 2 0 世纪9 0 年代末期，越来越多的科研工作者、研究机构和公司，如i n d i a n t e c h n o l o g j 铭、l g 、松下、o k i 等都投入到虹膜识别的研究中来。美国的i n d i a n t e c h n o l o g i 髓公司是一家专门从事虹膜识别技术研究与产品开发的公司，它与上述 一些知名公司合作开发了远距离虹膜图像获取装置，并提供a u t h o n t i c a m 、i r i s a c c e s s 等产品。 在国外，经过3 0 多年的发展，生物特征认证技术的软硬件相对比较成熟，已 经产生了比较有规模的成熟技术、具有一定实力的厂商。而在国内，也已经过十 多年的发展，但距离国外优秀的算法仍旧有一定差距。因此，很多厂商采用集成 国外算法的方式开发自己的产品。而硬件采集设备与国外的差距更大，国内还没 有形成能提供比较完善、成熟的外围硬件核心产品的供应商。同时，国内的应用 还处于发展性的企业级应用上，在2 0 0 2 年总体约为2 5 亿元的市场中( 终端市场总 量) ，超过4 0 的产品都用于低端的考勤、门禁上。在行业应用上，警用系统的市 场超过了4 0 ，其他应用分布在金融单位、社保系统、政府部门等领域。在地区 应用上，北京、上海和广东作为经济快速发展的地区，也是生物识别市场应用的 主体，三地的市场份额超过了6 0 。 生物特征识别被评为2 l 世纪十大高科技之一。其中虹膜识别是刚刚兴起的前 沿方向，科学意义重大，应用前景广泛。虹膜识别技术以其高精确度、非侵犯性 等优点得到了快速发展，被广泛认为是最有前途的生物认证技术之一。用眼睛虹 膜取代人们手中的信用卡或密码，已经开始在机场、银行和各种电子设备上进行 了实际应用，未来的应用前景将更加广阔。 5 重庆大学硕士学位论文1 绪论 1 5 本文主要研究内容 本论文主要研究虹膜识别算法，包括虹膜图像预处理及虹膜识别。虹膜图像 预处理包括虹膜图像的定位、虹膜图像的归一化及增强三部分；虹膜图像的识别 包括虹膜特征提取、编码与匹配两部分。其中，本论文研究的重点为虹膜特征提 取和编码。争取在对现有虹膜识别算法的研究基础上提出更加有效的虹膜图像识 别算法，弥补以往算法在运算速度和识别准确率上的不足，尽量解决算法复杂性、 运算速度和系统识别精确性之间的矛盾。 6 重庆大学硕士学位论文2 虹膜识别原理 2 虹膜识别原理 目前的虹膜自动识别系统一般是采用先进的传感器设备对活体虹膜图像进行 实时采集，然后利用计算机图像处理和模式识别对数字化的虹膜图像进行处理、 分析和比较，从而自动、迅速、准确地识别个人身份。 2 1 模式识别的基本原理 模式识别是2 0 世纪5 0 年代开始，6 0 年代兴起并迅速发展，7 0 年代奠定理论基 础，从而建立了独立科学体系的一门新兴科学。模式识别系统一般分成图像数据 获取、预处理、特征提取和选择、决策分类等几步。我们首先来简单介绍一下模 式识别的相关理论【2 ”。 馍式识别”( p a t t e r nr e c o g n i t i o n ) 按哲学的定义是一个“外部信息到达感觉器官 并被转换成有意义的感觉经验”的过程，本质上是经过分析、判断和归类，从而识 别出事物与哪个供仿效的标本相同或相似。模式识别是研究图像或各种物理对象 与过程的分类和描述的学科。 目前模式识别的理论和方法一般分为四大类： 1 统计模式识别 统计模式识别是基十概率统计理论为基础的，模式用特征向量描述，找出决 策函数进行模式决策分类。不同的决策函数产生不同的模式分类方法。日前主要 的统计模式识别方法有两类：一类是基于似然函数的模式分类方法，主要有e a v e s 决策、n e v m a n - p e a r s o n 决策等：另一类基于即离函数的模式分类方法，这是一种集 群分析方法。 2 句法( 或结构) 模式识别 ，句法模式识别是基于形式语言理论的概念为基础的。模式按其结构分解为子 模式或模式基元，模式基元的连接关系以文法形式进行描述。这类似于英语中的 单词按一定的文法连接而成。给定一个输入模式基元串，判断其是否被文法识别 器( 又称自动机) 接受的过程就是模式识别。 2 0 世纪8 0 年代后，随着计算机、人工智能、控制理论等的迅速发展，模式识 别又形成了两种新的识别方法，即模糊模式识别和神经网络模式识别。 3 模糊模式识别 模糊模式识别是模糊集理论在模式识别中的应用。人对客观事务的认识带有 模糊性，如通常所说的“高矮、胖瘦”、“青年，老年”、媪和、剧烈等等都是带有 模糊性的语言，人类利用这些模糊语言进行交流，并通过大脑分析和决策。模糊 7 重庆大学硕士学位论文 2 虹膜识别原理 数学就是研究如何利用模糊信息对确定事物进行定量分析。因此，将模糊集理论 用于模式识别系统，利用模糊信息进行模式决策分类，使计算机或机器带有接近 人类的智能，这是非常重要的研究课题。 目前模糊模式识别的主要方法有：最大隶属原则识别法、接近原则识别法和模 糊聚类分析法。 4 神经网络模式识别 人工神经网络具有信息分布式存储、大规模自适应并行处理、高度的容错性 等优点，是应用于模式识别的基础，特别是其学习能力和容错性对不确定的模式 识别具有独到之处。在神经网络分类器中，首先计算匹配度，然后将其送到第二 级输出，丙反馈到分类器的第一级，用学习算法训练相应的网络权值，重复上述 过程，直到达到期望日标为止。 神经网络分离器可完成以下任务： ( 1 ) 在输入被噪声污染的情况下，确定最能代表输入样本的类。 ( 2 ) 分类器具有联想记忆功能，可用于残缺输入信息的恢复与联想。 ( 3 ) 用作矢量编码器，作为图像识别的a d ，起到数据压缩作用。 神经网络分类器是一种智能化模式识别系统，已可增强系统的学习能力、自 适应能力和容错性，具有很强的发展应用前景。 2 2 虹膜识别系统简介 虹膜识别系统主要由几个主要部分组成：( 1 ) 图像获取；( 2 ) 虹膜图像的 预处理，这主要包括虹膜定位、提取和归一化处理等过程；( 3 ) 虹膜的特征提取 和编码；( 4 ) 图像之间的匹配与识别。虹膜识别系统工作流程框图如图2 1 所示。 进行虹膜识别时，首先从人眼处通过图像采集装置获得虹膜，然后由既定的 程序对获取的图像进行预处理，这需要对图像进行噪声平滑处理、虹膜定位与提 取、图像的归一化处理等操作，对归一化后的图像进行特征提取与编码，将得到 的特征值与已有的虹膜编码的数据库中的值进行判别比较，看是否来自同一虹膜， 最后是结果输出。 图2 1 虹膜识别系统 f i g2 1i r i sr e o o g n i t i o ns y s t e m 重庆大学硕士学位论文 2 虹膜识别原理 2 2 1 虹膜图像获取 虹膜图像的获取是虹膜识别系统的第一步，也是十分关键的一步。由于虹膜 面积很小，一般直径约十几毫米，而且眼睛又是人体中极为敏感的部位，无法承 受强光的照射，因此，要获得高质量的虹膜图像，就需要专门的设各和细心的操 作2 2 1 。 在摄取图像时，以下几点需要注意： ( 1 ) 保证图像具有足够的分辨率和清晰度，这就需要加入辅助光源和红外线 光源。 ( 2 ) 须保证摄取的虹膜图像有很好的对比度，而且光照既充足又不会使人眼 不舒服。 ( 3 ) 摄取的图像要限制在一定范围内，如图像中除眼睛外，不应包含过多其 他部位。 ( 4 ) 摄取过程中，人工因素如镜片的反光，光学上的色差等应尽可能的消除。 2 2 2 虹膜图像预处理 图像预处理般是数字图像处理的第一个步骤，用于改善处理在各类成像系 统中由于图像的传送和转换造成的图像质量降低。预处理相当于对获取的原始图 像数据进行整形加工、去伪存真的过程。由于原始图像信号中存在着许多噪声和 畸变，一般要进行滤波、平滑、增强、复原、提取边缘、图像分割等预处理，以 便提高图像质量，并为下一步特征提取提供必要的准备。 虹膜图像预处理包括虹膜的定位、虹膜的归一化和虹膜图像的增强。通过获 取装置采集的虹膜图像通常不可能仅仅包含虹膜，往往还有眼睛的其它部分，比 如眼睑、睫毛、眼臼等，而且在高度非侵犯性系统中，由于对被试者不做要求， 虹膜在图像中的位置与大小都会发生变化。因此，在进行虹膜识别之前，必须先 确定出虹膜在图像中的位置并进行大小归一化。如图2 2 所示。 t i f f 2 2 虹膜图像预处理 f i g2 2i m a g ep t e p t o c e i n go f i r i s 在某些情况下，虹膜图像的光照是不均匀的，这样会给虹膜识别的准确性带 来影响；同时，虹膜的内边界即瞳孔的大小是会发生变化的，这将会使虹膜的纹 理产生变形。以上这些情况都会影响虹膜图像的质量从而给下一步的特征提取和 准确匹配带来困难。为了实现精确的匹配，就要通过预处理消除上述各种因素， 9 重庆大学硕士学位论文 2 虹膜识别原理 即消除“漂移”、“旋转”和“比例缩放”对虹膜图像的影响，其中“漂移”是无法保证虹 膜精确的位置中心造成的；镟转”是由头的倾斜或眼球的旋转造成的；“比例缩放” 由于被摄者离镜头的远近不同造成的。 2 2 3 虹膜图像特征提取和编码 特征提取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。为了提高分类 处理的速度和精度，对提取的特征还需要选择最有代表性的特征，其信息冗余度 最小，而且希望具有比例、旋转、位移不变性。 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，则物理模式可用一个m 维特征向量描述，表现为m 维欧式空间 中的一个点。 在图像识别中，常被选择的特征有：图像幅度特征、图像统计特征、图像几 何特征、图像变换系数特征等，此外还有一些其它描述图像的特征，如纹理特征、 三维几何结构描述特征等。 图像的纹理特征反映的是像素灰度值的空间分布情况，图像中的纹理提取一 般是指对随机性纹理特征的提取，为了能对图像中的纹理进行分析提取，就必须 能够对其进行量化，即通过某种算法能够对图像中物体灰度级的变化进行量化表 示。特别地，如果一个物体的灰度值接近于常数( 即没有变化) ，则该物体就没有纹 理。随机纹理一般用具有统计性质的参数来表示，如灰度级的标准偏差和自相关 函数。纹理特征提取的结果是通过对给定邻域内像素灰度值的空间变化的分析计 算得出反映纹理特征的某一统计指标，形成纹理图像。纹理图像中每一像素的值 反映了该像素在邻域内的某一纹理特征。 虹膜具有明显的可区别的空间特征，已可从很多方面表明，比如虹膜特征的 差异从虹膜整体的形状到细小的纹理特征都能体现出来。提取虹膜的纹理特征进 行识别时，主要提取的是虹膜的纹理幅度信息和相位信息，其中纹理的相位信息 最重要，这是因为幅度信息差异不明显，它受很多的外在因素，比如图像的对比 度、获取图像时的光照、摄影机增益等影响。 虹膜识别技术将虹膜的可视特征转换成虹膜代码，这个代码模板被存储下来以 便后期识别所用。虹膜代码是通过复杂的运算获得的，并能提供数量较多的特征 点。现已有很多种算法能够提取虹膜的纹理特征。比较典型的方法有两种： ( 1 ) g a b o r 滤波 2 4 - 2 5 ：从图像中提取纹理信息的有效策略之一是将图像与带通 滤波器卷积，其中带通滤波器可以选择a a b o r 滤波器。d a u g m a n 在1 9 8 5 年详细论述 了它们的数学特性，指出g a b o r 滤波器提供空间频率、方向、空间位置的最大分辨 率，因此在空间和频域中具有良好的联合定位能力。这些特性特别适合纹理分析。 1 0 重庆大学硕士学位论文2 虹膜识别原理 g a b o r 函数通过缩放、旋转和平移可以形成一组自相数与原始图像像素相乘和积分 可产生一系列系数，从而可以提取图像纹理信息。 ( 2 ) 二维小波变换【2 6 】：小波变换是一个常用的图像分析手段，并且在纹理识 别中有较多的应用。一个二维小波变换可以看作两个连续一维小波变换。二维小 波变换将一幅图像分解成一系列的低频子图像。小波变换的结果取决于所采用的 小波基的类型，而小波基是由滤波器的类型决定的。对一幅图像进行完全的小波 分解，得到一系列的小波系数，小波系数的形状和尺寸与原始图像相同。分解后 的四种小波通道为：l l ，l h ，h l ，h h 。每个通道对应于原始图像在不同尺度( 空 间频率) 和方向下的信息。l l 通道代表了图像在水平低频和垂直低频下的信息；l h 通道代表了图像在水平低频和垂直高频下的信息；h l 通道代表了图像在水平高频 和垂直低频下的信息；h h 通道代表了图像在水平高频和垂直高频下的信息。当图 像在某一频率和方向下具有较明显的纹理特征时，与之对应的小波通道输出就具 有较大的能量。因此，图像中的纹理特征可以由这一系列小波通道的能量平均值 和方差来表示。在四种小波通道中，删通道反映的是图像的高频特征，其中包含 了图像中的大部分噪声，不适合用于纹理特征的提取。对于每个通道的滤波结果， 提取均值和方差作为其特征。 2 2 4 分类决策 模式识别的任务是如何做出最优决策问题。也就是说，根据具体问题的性质， 提出一个反映分类好坏的标准，从而找到最符合这一标准的分类方法。例如分类 错误率就可以作为这样的一个标准。 从数学观点来看，决策分类就是找出决策函数( 边界函数) 。关于决策函数的产 生，当己知待识别模式的完整的先验知识时，则可据此确定决策函数的数学表达 式。如果仅知待识别模式的定性知识，则在确定决策函数的过程中，通过反复学 习( i j l i 练) 、调整，以达到满意的决策函数表达式，作为决策分类的依据。 基于已提取的虹膜特征向量来进行虹膜识别，是一个典型的模式匹配问题。 理论上，任何分类器都可以用在这里。目前资料上公开的用于虹膜识别的分类器 有以下几种： ( 1 ) 海明码距离判断【8 1 。求取海明码距离就是通过计算一对虹膜表达式中不 匹配的位数占总位数的百分比，数学表达式如下： l i d ：寻壹c o d e a 。c o d e b ( 2 1 ) d 3 - 1 其中l 是虹膜编码的长度。这个式子的计算结果就可用作匹配度，其值越小表 示虹膜图像越相似。该方法计算消耗小，当数据库中的数据量很大时，效果很好； 缺点是受图像旋转的干扰影响很大，算法的鲁棒性不强。 重庆大学硕士学位论文 2 虹膜识别原理 ( 2 ) 加权欧氏距离判断。王蕴红等提出了利用加权欧氏距离描述两幅虹膜 图像之间的相似性，数学表达式如下： w e d ( k ) = 善铲 旺z ， 其中z 是进行匹配的虹膜的第i 个特征值；z 伸是模板库中虹膜的第i 个特征 值。点似表示第i 个特征值的方差。 ( 3 ) w i l d e s 方法【9 邶】。w i l d e 方法的数学表示如下： ( n f ，刀一。) ( p ：瞳刀一z ：) 型上l 一 ( 2 3 ) r t m 盯1 口2 其中p l ，p ：是两幅大小为行m 的图像，朋，q 是图像p 。的亮度的均值和方差； 鸬，c r 2 是图像p ：的亮度的均值和方差，该式子说明区域内相应点的总体相似性； 由于平均强度是在相关系数分式的分子中被减去的，而标准偏差则出现在分母中， 所以具有较强的鲁棒性。 2 3d a u g m a n 的虹膜识别算法 d a u g m a n 系统是虹膜识别技术中比较成熟的一套系统【5 1 。 d a u g m a n 通过求g a u s s i 锄平滑后的圆形轮廓的的梯度最大值的参数( 半径，圆心) 进行虹膜分割：对半径按比例放缩归一化虹膜的半径：使用若干个不同参数的g a b o r 滤波器对虹膜对象进行滤波得到虹膜特征编码，计算特征编码的n a m m i w 担离得 出识别结论。 1 ) 虹膜定位与分离 假设f 瓴力为坐标为( x ，力处的图像强度，并且将虹膜内边界( 瞳孔边缘) 和外 边界( 巩膜边缘) 模型化为圆心在( t ，y 。) 半径为r 的圆。 通过求 吕g t 。笃字叫 c ：4 ， 的最大值求上述三个参数。 ， 一! ：竺! 其中：g ( ，) = i 兰一g 扫2 ( 2 5 ) 4 2 x c r 为g a u s s i a n 算子，用于平滑图像，叶表卷积。 2 ) 虹膜特征编码和识别 d a u g m a n 的系统采用半径放缩比例来归一化虹膜的半径，也就是使用一个基于 线性伸展的瞳孔变化模型。它将图像从笛卡儿坐标( x ，y ) 转化为极坐标的形式 ( r 印，转化公式为： 重庆大学硕士学位论文2 虹膜识别原理 i 工( ，臼) 2 ( 1 一r ) x p 佃) + 腻，够)，n l y ( ，刃= ( 1 一r ) y ，( 回+ r y ，( p ) 其中：， 0 ，l 】，口 o ，2 r e 】； ( 工，( 口) ，y ，( 臼) ) ，( 西够) ，y t 够) ) 分别代表在口方向上的瞳孔和巩膜的( 即虹膜内、 外边缘) 边缘点。并且在匹配中靠f 的微量变化来弥补旋转带来的误差。 然后，对于虹膜细节特征的提取，d a u g m a n 系统采用了极坐标下的二维g a b o r 滤波器进行处理。上世纪8 0 年代初，m 艚人倡导了小波潮流，将一维信号多尺 度的分解成自相似的小波簇，这些小波簇彼此能通过母函数膨胀、平移得到。 d a u g m a n 将它推广到2 dg a b o r t j 、波系列，这时2 - dg a b o r 函数作为基小波经膨胀、 旋转、平移得到一系列的小波，每一个小波相当于一个自由度。同一般的图像编 码原理一样：一系列的小波簇能很好的表征原图像，选取一些能捕捉原图像典型 特征的小波这如同傅立叶变换里选取一些能量比较集中( 即代表图像信息) 的傅立叶展开项。对于不同的图像，例如不同的虹膜图像，则各小波的系数是不 同的，将这些小波系数规划并数字化，则得到图像的小波编码。 2 - dg a b o r 滤波器在极坐标下的形式为： 舷力= 产( 蚺惭r 仔矿伽彬 、 其中口、口共同变化。且与缈反向。这样产生一组求积分形式的选择频率的滤 波器，中心位置在( r o ，0 0 ) ，位置参数为( ，o o ，口，脚) 。这些滤波器在空间域、频 率域有良好的获取节点位置的功能，而且由于良好的积分特性，这些滤波器能够 获取本地相位信息。将每一个滤波器作用于整个无量纲的虹膜区域( ，力，得到的 系数大小用两个位来表示：其中一个位是滤波器实部产生的结果，另一个是滤波 器虚部产生的结果，由这些产生的结果确定二进制位是o 还是1 。 r er re 一切( 扣岛) ，( 产咱r 序r ) 27 矿，( p ，o ) p d o d 0 k 2 l i f 彩 r er fe - 切( o - o o ) 口- ( a 吲2 脚e - ( 一喝p 7 ，( p ，o ) p d o d 峨一艿。当w e b 时，信号可以通过，而当w 仨b 时， 信号不能通过。实际的小波滤波器并不是完成具有这种截止特性，由此会带来一 定的频率重叠。 到目前为止，数学家、物理学家、计算机学家、信号和图像处理专家以及工 程师们己构造出许多具有独特性质的小波。在实际应用中，一个值得研究的问题 就是如何根据实际问题选择使用何种小波。 综合以上分析，在利用小波变换方法对信号进行处理的过程中，小波基函数 的选择也十分重要，利用不同小波基函数对小波进行分解，可以突出不同特点的 信号特征。样条小波是一种非紧支撑正交对称小波，具有较高的光滑性，频率特 性好，分频能力强，频带相干小，且具有线性相位特性。因此，本文选用的是二 次样条小波。二次样条函数的优点在于有限支撑，比光滑函数的二阶导数具有更 少的系数i 舒】。 4 3 样条小波 样条函数有多种定义，其中m 阶b 样条函数是由单位区问 o ，l 】的特征函数 ( 1 阶b 样条) 经过m 一1 次卷积而得到的，并且满足多分辨分析条件。b 样条函 数具有全正性、紧支撑性、可递推性，正则性，并满足光滑函数条件。此外，与 其他样条相比，b 样条是同阶样条函数空间中一组具有最小支撑的基底。m 阶b 样条函数定义为【3 9 】： 埘( 功= ( k l 1 ) = 【以一。