（信号与信息处理专业论文）虹膜特征提取算法研究.pdf

论文摘要 - iii - iii 论文摘要论文摘要 随着信息技术的发展人们对安全意识逐渐加强使得基于生物 特征的身份识别技术在近年来迅速的发展 生物特征识别技术是依靠 人体的身体特征进行身份验证的这些身体特征包括指纹声音面 部骨架视网膜虹膜和 dna行走的步态等人体的生物特征 作为生物特征识别技术之一的虹膜识别技术正在兴起 虹膜作为 身份识别的特征与其它的生物特征相比具有更多优秀的性质唯一 性稳定性可采集性非侵犯性防伪性因此基于虹膜的身份识 别技术逐渐得到学术界和企业界的重视它具有巨大的应用前景服 务于国民经济的各部门如保密机关银行自动存取款系统及各种需 要身份校验的地方等 本论文中介绍了几种典型的生物识别技术的发展详细地阐述 了虹膜识别技术的发展及研究意义 虹膜生理结构及虹膜识别系统的 组成较深入地研究了虹膜识别算法并实现了其各个步骤即预处 理特征提取和特征匹配本文的研究工作主要集中在对定位特征 提取的研究 在定位方面本文分两步来定位虹膜一确定灰度阈值提取瞳 孔来获得瞳孔圆心和半径 二 利用 canny 算子提取虹膜的边缘和改 进的 hough 变换确定虹膜外边缘 在虹膜纹理的特征提取方面 使用离散余弦变换进行局部特征提 取和计算对归一化后的虹膜图像的灰度共生矩阵来提取虹膜的特征 华侨大学硕士学位论文 - iv - 同时利用欧氏距离进行模式匹配及结果分析工作 取得了良好的识别 结果 最后利用 matlab 语言实现了虹膜识别算法并在 casia 虹膜 图像数据库上进行实验取得了良好的效果 关键词关键词虹膜识别虹膜识别预处理预处理hough 变换hough 变换离散余弦变换离散余弦变换灰度共生 矩阵 灰度共生 矩阵特征提取 特征提取 abstract - iii - iii abstract with the increasing emphasis on security, automated personal identification based on biometrics has been receiving extensive attention over the past decade. biological characteristic contains fingerprint, speaker, eigenface, framework, retina, iris, gait motion. iris recognition, a kind of biological characteristic recognition, springs up as a result of the social and economical development. as a feature of identification, iris has more excellent characters compared with other features, such as exclusivity, stability, collection, non-invasive. so it has enormous application prospects. in the paper, the iris recognition algorithm is researched deeply in order to own our patent that can serve for the departments such as secret department, bank automatic system and other domains that need identification. in this paper, the development of biometric recognition and some kinds of biometric recognition techniques are introduced. then the development of iris recognition technique and the structure of iris recognition system are discussed in detail. the algorithm of iris recognition has also been researched deeply and al of the processes that include location, pre-processing, feature extraction, and pattern match have been carried out location and feature extraction have been focused on researching since they are the key steps of them. 华侨大学硕士学位论文 - iv - in the iris location respect, the first step is to obtain the pupils center and radius by setting an ideal threshold value. the next step, we conduct canny operation and hough transform to obtain iris outer boundary. for feature extraction, algorithm based on dct transform and gray-level co-occurrence matrix are used. then the matching algorithms are applied and the consequences of recognition are very good. iris recognition algorithm has been implemented by using matlab language and simulated in the casia iris image database. the algorithm can achieve a good result. keyword: iris recognition, pre-processing, hough, dct, glcm, feature extraction keyword: iris recognition, pre-processing, hough, dct, glcm, feature extraction 华侨大学硕士学位论文 - ii - 原创性声明 原创性声明 本人声明兹呈交的学位论文是本人在导师指导下完成的研究成 果论文写作中不包含其他人已经发表或撰写过的研究内容如参考 他人或集体的科研成果均在论文中以明确的方式说明本人依法享 有和承担由此论文所产生的权利和责任 学位论文作者签名 日期 学位论文版权使用授权声明 学位论文版权使用授权声明 本人同意授权华侨大学有权保留并向国家机关或机构送交学位 论文和磁盘允许学位论文被查阅和借阅 论文作者签名 指导教师签名 签 名 日 期 签 名 日 期 华侨大学硕士学位论文 1 第一章第一章 绪论绪论 1.1 本课题研究的目的和意义 1.1 本课题研究的目的和意义 社会生活的各个领域都需要身份认证随着全球信息产业的迅猛发展生 物识别技术在技术发展和市场需求上日趋成熟 生物识别是依靠人体的身体特征 来进行身份验证的一种解决方案这些身体特征包括指纹声音面部骨架 视网膜虹膜和 dna 等人体的生物特征以及签名的动作行走的步态击打键 盘的力度等个人的行为特征生物识别的技术核心在于如何获取这些生物特征 并将其转换为数字信息存储于计算机中利用可靠的匹配算法来完成验证与识 别个人身份的过程 生物识别之所以能够作为个人身份鉴别的有效手段是由它自身的特点所 决定的普遍性唯一性稳定性不可复制性 普遍性生物识别所依赖的身体特征基本上是人人天生就有的用不着 向有关部门申请或制作 唯一性和稳定性经研究和经验表明每个人的指纹手形面部发 音虹膜视网膜骨架等都与别人不同且终生不变 不可复制性随着计算机技术的发展复制钥匙密码卡以及盗取密码 口令等都变得越发容易然而要复制人的活体指纹掌纹面部虹膜等生物特 征就困难得多 这些技术 1,2,3 特性使得生物识别身份验证方法不依赖各种人造的和附加的 物品来证明人的自身而用来证明自身的恰恰是人本身所以它不会丢失不 会遗忘很难伪造和假冒是一种只认人不认物方便安全的保安手段 下面就介绍几种生物识别技术 (1) 指纹 4,5 指纹在我国古代就被用来代替签字画押证明身份指纹识别是通过指尖 表面的纹理细节来进行身份鉴别的指头上的脊末梢和分支点等构成了每个人 独特的指纹图像目前是最成熟最方便可靠无损伤和价格便宜的生物识别 技术解决方案它已经在刑侦领域人口安全系统及驾照注册等许多行业领域中 第一章 绪论 2 得到了广泛的应用 2手形 6 手掌几何学是基于这样一个事实几乎每个人的手的形状都是不同的而 且这个手的形状在人达到一定年龄之后就不再发生显著变化 当用户把他的手放 在手形读取器上时一个手的三维图像就被捕捉下来接下来对手指和指关节 的形状和长度进行测量 根据用来识别人的数据的不同手形读取技术可划分为下列三种范畴手 掌的应用手中血管的模式以及手指的几何分析映射出手的不同特征是相当 简单的不会产生大量数据集但是即使有了相当数量的记录手掌几何学不 一定能够将人区分开来这是因为手的特征是很相似的与其他生物识别方法相 比较手掌几何学不能获得最高程度的准确度当数据库持续增大时也就需要 在数量上增加手的明显特征来清楚地将人与模板进行辨认和比较 3面部 7 面部识别系统是通过分析面部特征的唯一形状模式和位置来辩识人其 采集处理的方法主要是标准视频和热成像技术 标准视频技术通过一个标准的摄 像头摄取面部的图像或者一系列图像在面部被捕捉之后一些核心点被记录 例如 眼睛 鼻子和嘴的位置以及它们之间的相对位置被记录下来然后形成模板 热成像技术通过分析由面部的毛细血管的血液产生的热线来产生面部图像 与视 频摄像头不同热成像技术并不需要在较好的光源条件下因此即使在黑暗情况 下也可以使用 面部这项生物识别技术的吸引力在于它能够人机交互用户不需要和设备 直接的接触但相对来说这项技术的可靠性较差使用者面部的位置与周围的 光环境都可能影响系统的精确性并且设备十分昂贵只有比较高级的摄像头才 可以有效高速的捕捉面部图像设备的小型化也比较困难此外面部识别系统 对于因人体面部的如头发饰物变老以及其他的变化需要通过人工智能来得到 补偿机器知识学习系统必须不断地将以前得到的图像和现在的得到的进行比 对以改进核心数据和弥补微小的差别鉴于以上各种因素此项技术在推广应 用上还存在着一定的困难 4语音 8 华侨大学硕士学位论文 3 语音识别主要包括了两个方面语言和声音声音识别是对基于生理学和 行为特征的说话者嗓音和语言学模式的运用 它与语言识别不同在于不对说出的 词语本身进行辩识而是通过分析语音的唯一特性例如发音的频率来识别出 说话的人 声音辩识技术使得人们可以通过说话的嗓音来控制能否出入限制性的 区域举例来说通过电话拨入银行数据库服务购物或语音邮件以及进入 保密的装置语言识别则要对说话的内容进行识别主要可用于信息输入数据 库检索远程控制等方面现在身份识别方面更多的是采用声音识别 声音识别也是一种非接触的识别技术用户可以很自然地接受使用方便 但由于非人性化的风险远程控制和低准确度它并不可靠并且声音的变化范 围大如音量速度和音质等方面直接会影响采集与比对的精确度一个患上 感冒的人有可能被错误的拒认从而无法使用该声音识别系统 同时随着数字化技 术的发展音频数字处理技术很可能欺骗声音识别系统其安全性受到了挑战 5签名 签名识别也被称为签名力学辩识它是建立在签名时的力度上的它分 析的是笔的移动例如加速度压力方向以及笔划的长度而非签名的图像本 身签名识别和声音识别一样是一种行为测定学签名力学的关键在于区分出 不同的签名部分有些是习惯性的而另一些在每次签名时都不同 签名作为身份认证的手段已经用了几百年了应用范围从独立宣言到信用 卡都可见到 是一种能很容易被大众接受而且是一种公认的较为成熟的身份识别 技术然而签名辩识的问题仍然存在于获取辩识过程中使用的度量方式以及签 名的重复性签名系统已被控制在某种方式上去接受变量但是如果不降低接 受率它就无法持续地衡量签名的力度因为签名的速度不快我们也无法在 internet 上方便使用它 (6) dna 人体内的 dna 在整个人类范围内具有唯一性除了双胞胎可能具有同样结 构的 dna 外和永久性除了某些特殊疾病可能改变人体 dna 的结构组成因 此除了对双胞胎个体的鉴别可能失去它应有的功能外这种方法具有绝对的权 威性和准确性dna 鉴别方法主要根据人体细胞中 dna 分子的结构因人而异的特 点进行身份鉴别这种方法的准确性优于其它任何身份鉴别方法同时有较好的 第一章 绪论 4 防伪性然而dna 的获取和鉴别方法dna 鉴别必须在一定的化学环境下进行 限制了 dna 鉴别技术的实时性 7眼睛 分析眼睛的复杂和独特特征的生物识别技术主要包括了虹膜识别技术视 网膜识别技术和角膜识别技术 虹膜是环绕着瞳孔的一层有色的细胞组织每一个虹膜都包含一个独一无 二的基于像冠水晶体细丝斑点结构凹点射线皱纹和条纹等特征的 结构虹膜扫描安全系统包括一个全自动照相机来寻找你的眼睛并在发现虹膜 时 就开始聚焦 捕捉到虹膜样本后由软件来对所得数据与储存的模板进行比较 想通过眨眼睛来欺骗系统是不行的 虹膜识别比较便于用户使用可靠性好用户与设备之间也无需物理的接 触 但其设备尺寸较大并且因聚焦的需要而采用的摄像头很昂贵黑眼睛极 难读取此外还需要一个比较好的光源 视网膜是眼睛底部的血液细胞层视网膜扫描是采用低密度的红外线去捕 捉视网膜的独特特征血液细胞的唯一模式就因此被捕捉下来某些人认为视网 膜是比虹膜更为唯一的生物特征 视网膜识别的优点就在于它是一种极其固定的生物特征因为它是隐藏 的故而不可能受到磨损老化等影响使用者也无需和设备进行直接的接触 同时它是一个最难欺骗的系统因为视网膜是不可见的故而不会被伪造另一 方面视网膜识别也有一些不完善的如视网膜技术可能会给使用者带来健康 的损坏这需要进一步的研究设备投入较为昂贵识别过程的要求也高因此 视网膜扫描识别在普遍推广应用上具有一定的难度 8其它 9 除了以上介绍的几种生物识别技术以外现在开发和研究中的还有通过静 脉耳朵形状按键节奏身体气味行走步态等的识别技术 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人脸特征 具有很多优点但人脸随年龄变化而且容易被伪装声音特征具有与人脸特征 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这些问题同时还具有上述 华侨大学硕士学位论文 5 其他生物特征所具有的一些优点 1虹膜与外界隔离开不易受损 2一般手术不能改变虹膜的纹理 3瞳孔的大小即使注视时也是变化的虹膜识别系统依然可能在变化中 找到不变的量同时可以检测出真假虹膜图像如果盗用他人的虹膜不可能对光 线起反应瞳孔的大小不发生变化虹膜识别系统就会捕捉到这种惰性 4无须接触虹膜图像在一定的距离内可以捕获 5生来具有的极坐标几何特性提供天然的极坐标系统 正是由于这些特点才使虹膜识别技术得到多方的关注虹膜识别技术必 将成为新一代生物识别技术研究的热点虹膜识别技术广泛应用到经济社会生 活的各个方面能节省大量的人力物力和财力将极大的提高我国的生产和生 活效率产生巨大的经济社会效益因此虹膜识别技术具有极大的发展潜力 尽管目前商品化的虹膜识别系统已经出现但其尚待发展和完善的地方仍 然很多尤其是我国在生物识别技术方面的应用相比欧美国家起步较晚要想在 这领域占有一席之地有必要对该技术深入研究 1.2 国内外虹膜识别技术研究的现状 1.2.1 国外研究的现状 1.2 国内外虹膜识别技术研究的现状 1.2.1 国外研究的现状 虹膜识别是生物识别技术领域最有生命力的技术被认为在未来会成为主 流的生物识别技术早在 1987 年眼科专家 aran safir 和 leonard flom 首次 提出利用虹膜图像进行自动虹膜识别的概念 10 1991 年美国洛斯阿拉莫斯国 家实验室的 johnson 实现了一个自动虹膜识别系统 11 1993 年英国剑桥大学 的 john.g.daugman 12 提出了识别算法首先用圆模板来定位出虹膜然后用多 尺度的二位 gabor 小波提取虹膜的局部相位信息 将此信息按照一定的阈值编码 为 2048 位的二值码这种二值码作为虹膜的特征然后采用 hamming 距的方法 进行匹配 1994 年 daugman 13为他的发明申明了专利 us patent 529160,1994 , 该算法成为当前所有虹膜识别设备的基础richard p.wildes 14 则用 hough 变 第一章 绪论 6 换的方法定位虹膜并采用图像登记的方法对尺度和旋转变换进行校正提取特 征时用拉普拉斯高斯金字塔将虹膜图像分解成四个分辨层的信息 然后采用归 一化相关性的方法进行匹配boles 15,16,17则用一维小波变换后不同分辨层上的 零交叉点来构造虹膜的特征并用相异度函数进行匹配sanchez-reillo 和 sanchez-avila 则基于 daugman 的算法实现了一种可以获得小模板尺寸的虹膜 特征码以及快速鉴别的算法 18,19 在匹配过程中采用欧几里得距离和汉明距离 来取代 boles 的相异性函数 lim 等人用二维 haar 小波变换将虹膜图像分解成 4 层并且将这四层的高频信息量化形成一个 87 位虹膜编码 20 然后用改进的竞 争学习神经网络进行分类tisse 等人首先用一种将 hough 变换和微积分算子综 合在一起的梯度方法来定位虹膜 21 park 等人首先用方向滤波器将虹膜图像分 解成 8 个方向的子带图像并且提取归一化方向能量作为特征然后用欧氏距离 进行匹配kumar 等人利用相关性滤波器测量虹膜图像一致性相关性滤波器用 训练图像的二维傅立叶变换来设计如果相关性输出呈现一个尖锐的波峰则认 为输入图像来自于同一个虹膜否则认为来自不同虹膜 22 bee 等人将虹膜信 号投射到一层由独立成分分析所形成的基础向量上 并将投射系数量化来形成虹 膜特征 23 1.2.2 国内研究的现状 1.2.2 国内研究的现状 国内目前在虹膜识别的领域处于起步阶段中国科学院自动化所已经完成 了虹膜识别的实验室阶段的研究其成果处于国内领先并且申请了虹膜采集装 置的专利上海交通大学浙江大学等也在进行相关的研究国内中科院自动化 研究所的谭铁牛等人也提出了多种虹膜识别算法他们提出了基于纹理分 析 24 26 和局部灰度变化分析的方法 27 在文献 25中 作者用 gabor 滤波器在 不同尺度和方向上提取虹膜纹理的全局信息作为特征在此实验和分析的基础 上 作者更进一步构造了一组空间圆对称滤波器 26 来提取虹膜的局部纹理特征 并形成一个固定长度的特征向量然后用最近特征线(nearest feature line, nfl)的方法进行匹配在文献 27 中作者构造了一种基于 gaussian -hermite 华侨大学硕士学位论文 7 力矩的方法它提取虹膜的局部灰度变化信息作为虹膜特征文献 28 中由于 局部突变点表明了重要的图像结构中或隐或现的部分 因此提取此类信息作为虹 膜特征首先构造一系列的一维灰度信号来表示原始二维图像中最重要的部分 然后用一组特殊的小波来提取局部突变点的位置信息作为虹膜特征 匹配时采用 快速异或操作来计算两个待匹配虹膜间的相似度中国科技大学的叶学义等 人 29 根据人眼的生理构造特点将虹膜分区再对经过分区处理形成的虹膜纹理 特征图像用一维连续 gabor 复小波提取虹膜纹理特征点的相角信息;最后对相角 信息以二比特格雷码实现一次编码和循环差分二次编码 利用特征多项式计算进 行比较的两个虹膜的特征差异矩值根据判定阈值进行判决严民军 30 等人提出 了一种基于神经网络的虹膜识别算法该算法经小波变换松弛神经网络算法及 稀疏编码形成虹膜纹理的代码并以 hamming 距离作为决策空间的判决标准 黄雅平 31 等人利用独立分量分析提取虹膜的纹理特征并采用竞争学习机制进 行匹配识别 1.3 本文内容 1.3 本文内容 本论文的主要研究内容主要有第一研究了虹膜预处理部分算法主要是 虹膜图像的定位问题采用了将虹膜灰度特性canny 算子和 hough 变换相结合 算法第二研究了虹膜图像的特征提取和虹膜的匹配提出了两种方法基于 灰度共生矩阵的统计特征的提取和基于离散余弦变换的虹膜特征的提取 本文的结构主要如下 第一章给出了本课题研究的目的和意义介绍了国内外虹膜识别技术研究 现状以及论文的研究内容和结构 第二章介绍了虹膜识别的一般原理及系统其中包括了虹膜的生理学基础 虹膜识别原理虹膜识别系统简介 第三章一般要对虹膜图像进行平滑增强提取边缘定位图象分割等预 处理以便为下一步特征提取提供必要的基础本章介绍了虹膜识别系统的预处 理模块虹膜定位虹膜图像归一化和虹膜图像的增强先是介绍几种常见的虹 膜定位方法再给出本文所采用的虹膜定位方法并给出了算法的具体思想具 第一章 绪论 8 体步骤和实验结果 第四章研究了虹膜的特征提取和匹配先介绍了几种常见的提取虹膜特征 的算法再介绍了本文提出两种算法一种基于灰度共生矩阵的虹膜特征提取算 法 另一种基于离散余弦变换的虹膜特征提取算法 详细介绍了算法的基本思想 具体步骤 第五章对本文提出的虹膜特征提取和匹配算法进行了测试并与几种常见 的匹配算法的实验结果进行了对比最后对实验结果进行了分析 最后是结论部分总结了本文研究的主要工作存在的不足以及下一步的 研究建议 华侨大学硕士学位论文 9 第二章第二章 虹膜识别的一般原理及系统虹膜识别的一般原理及系统 2.1 虹膜的生理学基础 2.1 虹膜的生理学基础 虹膜作为身份识别的一种源于两个方面一个来自于眼科医生和解剖学 家 32的大量的临床观察 另一个来自发育生物学 33,34 人的眼球分为眼球壁和眼内容物两部分眼球壁分为三层膜外为纤维膜 中为色素膜内卫视网膜眼内容物包括房水晶状体和玻璃体如图 21 所 示 虹膜位于角膜于晶状体之间呈扁圆盘状中央是瞳孔虹膜将眼房分隔为 前房和后房前房和后房内的房水借助瞳孔相通虹膜的直径为 12mm厚约 0.5mm根部最薄虹膜编码高低不平有皱缓和凹陷凹陷又称隐窝近瞳孔 出的皱壁特别显著称作虹膜皱壁或领状韧带它是虹膜小动脉环的位置标志 虹膜后面较平坦由于虹膜内血管分布不均是虹膜表面出现许多有规则的放射 形条纹在近瞳孔约 1.5mm 处有一条条弯弯曲曲的环形隆起犹如花边衣领 为虹膜小环 第二章 虹膜识别的一般原理及系统 10 虹膜小环将虹膜表面分为两部分小环外侧的虹膜叫做睫状部或睫状区内 有许多放射形隆起代表虹膜血管从大环走向小环所经过的路径睫状区又分为 三个部分靠近虹膜小环的一部分最光滑中间区有许多收缩纹或收缩沟形成与 瞳孔为同心的圆圈当瞳孔扩大时最显著靠近睫状体的区域为筛状区此区内 虹膜表面有很多虹膜小坑小环以内的虹膜称为瞳孔部虹膜它们之间的虹膜组 织往往有一条梳妆韧带如图 22 所示 由虹膜的生理结构分析知虹膜包含了丰富的纹理信息瞳孔的缩放使虹膜 组织具有活体组织的显著特征 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说自然界没有完全相同的胚胎环境新生儿的出生第一年 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的细微纹理 以上诸多条件的制约造成了一个 人的左眼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 且进入成年期以后 虹膜的结构保持稳定 一般性疾病不会对虹膜组织造成损伤临床医学的观察已充分说明了这一点 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甚至难以觉察到因 此可以认为基于虹膜的识别技术具有非侵犯性 另外虽然虹膜的整体形态是由基因决定的但是它的许多细节纹理的形成 却是受众多环境因素的影响因此几乎不可能通过自然的手段复制虹膜眼睛 为人体中最为敏感的部位想通过手术修改虹膜结构其难度危险度都极大在虹 华侨大学硕士学位论文 11 膜中央黑色部分的瞳孔作为活体细胞组织当环境光线发生变化时哪怕是微 弱的变换睫状体会收缩或舒张来牵动瞳孔括约肌改变瞳孔的大小调节投射 入眼的光线这一过程又叫做瞳孔震颤效益利用这一特性识别算法可以检测 出是否为活体虹膜 所以伪造活体虹膜的希望渺茫或者说制造一个可以欺骗虹膜 识别算法的虹膜结构极其困难当然虹膜出现病变或受到物理损伤的情况也存 在但这些毕竟是极少数的情况不予考虑 上述情况表明虹膜的确具有高度的可区别性稳定性非侵犯性和难以伪 造的生理特性 且基于虹膜的生物特征识别的误识率比其它所有的生物特征识别 方法都要低因此虹膜识别是非常有前途的生物识别技术 2.2 虹膜识别原理 2.2 虹膜识别原理 对于不同种族人的虹膜的颜色差异是比较大的 因此虹膜的颜色信息不具有 广泛的区分性而一些细微特征如相互交错的类试于斑点细丝冠状条纹 隐窝等能体现虹膜的唯一性在虹膜识别过程中我们采用灰度图像进行虹膜识 别 虹膜识别的原理是利用通过特制的光学成像系统 电子控制单元的图像采集 装置获取虹膜图像然后采用适当的计算机软件算法来提取虹膜的图像通过预 处理技术实现虹膜的定位归一化和去燥使用活体虹膜检测就是要可靠的鉴 别出来自有生命的个体使用虹膜特征提取器对虹膜进行有效的特征提取最后 使用分类器完成虹膜分类 2.3 虹膜识别系统简介 2.3 虹膜识别系统简介 虹膜识别系统可以总括为三个阶段第一是虹膜图像采集第二是活体虹膜 检测算法第三是虹膜识别算法虹膜识别系统的结构图如图 23 所示 第二章 虹膜识别的一般原理及系统 12 虹膜识别系统的第一阶段虹膜图像的采集虹膜图像的采集是比较难的 对采集的装置要求很高虹膜的面积小不同的人种的虹膜颜色差别较大使用 普通的摄像头是无法采集到可以用于识别的清晰的虹膜图像因此需要设计合 理的虹膜图像采集装置通常在设计虹膜图像采集装置时考虑到以下方面 设计光学成像系统其中包括光学镜头组主动光源等等 设计电子控制单元使计算机或其他的微处理器能够方便地控制整个采 集装置 融入适当的软件算法如图像恢复与增强聚焦判断等算法降低系统对 硬件的要求 虹膜识别系统的第二阶段是 活体虹膜检测即虹膜识别系统必须可靠地鉴别 出采集到的图像是否来自有生命的个体 这样才能排除他人对虹膜图像进行有关 非法活动的可能性活体检测算法应充分利用眼睛的生理和光学特性 虹膜识别系统的第三阶段虹膜识别算法本文主要研究这阶段的算法它 主要包括预处理特征提取和分类三个部分预处理目的是去除噪声加强有用 信息并对输入测量仪器或其它因素所造成的退化现象进行复原由于原始信号 中存在着许多噪声和畸变一般要进行滤波增强图像分割复原定位等预 处理为特征的提取和选择做准备特征提取是将预处理后的虹膜图像的细微的 特征转化为特征向量用有效的特征向量来表示虹膜图像分类是对虹膜的特征 向量进行匹配和区分 图 23 虹膜识别系统 识别算法 图像 获取 活体 检测 预处 理 特征 提取 匹 配 数据库中的虹膜样本 识别 结果 华侨大学硕士学位论文 13 第三章第三章 虹膜图象预处理虹膜图象预处理 3.1 常见的几种虹膜定位方法 3.1 常见的几种虹膜定位方法 虹膜图像的预处理主要是提取眼睛中的虹膜部分提取虹膜之后还要对提 取的虹膜圆环图像进行特殊处理提取虹膜部分的方法主要有 hough 变换方法 曲线拟和方法圆边缘检测算子方法等下面介绍几种虹膜定位算法 3.1.1 daugman 的虹膜定位 3.1.1 daugman 的虹膜定位 在 daugman 虹膜系统 13 中使用积分微分操作分别检测虹膜和瞳孔的圆心和 半径 这些操作是利用了虹膜或瞳孔的圆几何性 事实上它们可以看成圆检测器 因为对于正常的虹膜而言巩膜总是比虹膜亮瞳孔一般比虹膜暗 设 (,)i xy为坐标(,)xy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 , (), cc x y 半径为 r 的圆 通过求 ( ) () ( ) () , , 22 cccc r xyr xy ix yix y g rdsg rds rrrr 蜒 或 31 的最大值确定上述三个参数 其中 ( ) ()2 0 2 21 2 r r g re = 为 gaussian 算子用于平滑图像*代表卷 积 daugman 提出的这种预处理算法求虹膜圆周上灰度积分导数的方法是 最为流行的方法但由于这种算法需要搜寻遍虹膜图像上的每一个点所以计算 量很大缺乏实用性并且 daugman 虹膜识别系统中存在着要求获取图像的分 辨率大小以及光照等条件保持基本不变的缺点 3.1.2 wildes 的虹膜定位 3.1.2 wildes 的虹膜定位 wildes 方法 14 分两步进行首先求虹膜图像的边缘化即得到边缘化的二 第三章 虹膜图像预处理 14 值图像它是基于梯度的边缘检测来实现的即采用一个表征图像强度值的梯度 阈值来实现 ()() ()() 22 00 2 2 2 2 1 ,( , ) 2 x xy y g x yi x yg x ye x y + = 和得到了虹膜内边缘和 虹膜外边缘的边缘集合都可以表示为(),1,. jj xyjn= 第二步是通过边缘点投票来得到特别的边界参数值投票过程可用hough变 换实现通过采用hough变换的方法得到模型化的内边缘和外边缘当hough变化 达到最大值时的 , (, ) cc x y r 就是最理想的圆模型 hough变换定义为 1 (, )(, ) n ccjjcc j h xy rh xyxy r = = 32 33 其中 222 (, )()() jjccjcjc g xyxy rxxyyr=+ 对每个边界点(,) jj xy , (, )0 jjcc g xyxy r =, 而每对三维参数(, ) cc xy r 则表示过此边界点的圆在实际执行中搜索最大参数集的过程就是计算h数组 这个数组可用(, ) cc xy r 的离散表示值做下标然后扫描数组即可得到数组元 素最大值上下眼睑的边界可用参数化的弧来代替圆参数这种方法识别的精度 高但是计算复杂识别速度慢 3.1.3 利用灰度投影图检测圆心和圆心检测算子检测方法 3.1.3 利用灰度投影图检测圆心和圆心检测算子检测方法 根据拍摄到的虹膜图像的灰度的分布的特点虹膜的灰度比巩膜的灰度小 瞳孔的灰度比虹膜的灰度小根据这一规律利用灰度投影 35的方法来检测瞳 孔和虹膜的中心设 (,)i xy为虹膜的图像的灰度函数则有 , , , 1, (, )0 (, ) 0, (, )0 jjcc jjcc jjcc if g x yxyr h x yxyr if g x yxyr = = 华侨大学硕士学位论文 15 ( , ) ( , ) x y y x pi x y pi x y = = 34 这里 x p 和 y p 分别代表水平和垂直灰度投影量 根据虹膜图像的灰度分布的特 点在图像分析的过程中采用选取分析带的方法在选取分析带时使分析带 的大小覆盖到整个瞳孔的大小这里的选取方法是根据经验判断的没有规律可 循然后分别求 x p 和 y p每次求得分析带中的灰度投影量的最小值作为虹膜 的中心在所求的每个分析带的值中取最小值就可以求得瞳孔的中心( ,) ii x y 计算以( ,) ii x y 为中心的邻域内的像素灰度均值由于瞳孔内灰度分布均匀故位 于瞳孔内的像素灰度值与其均值的差值较小 以( ,) ii x y 中心以一较小灰度差为阈 值沿 x 轴和 y 轴作有一定宽度的增长搜索可估计瞳孔的半径 设瞳孔的中心为( ,) ii x y再以瞳孔的中心为中心以任意角度和半径向外部 搜索利用梯度模版根据梯度变化的最大值来确定虹膜的边缘同时不断向外 部搜索来确定虹膜的外边缘 利用圆形物体与周围环境的亮度差来对虹膜进行定 位式 36 35是用于定位的微积分算子 00 00 , ( , ) max( ,)( ) 2 r xy i x y r xygrds rr 35 式中r 为瞳孔半径将上式的微积分算子作用于图像通过不断增大半径 r沿以半径为 r 和中心坐标为 00 (,)xy的圆弧 ds 进行轮廓积分并与均值为 0 方差为的高斯函数( )gr 做卷积选择适当的进行平滑滤波以消除噪声利 于检测边界处的梯度变化用式3-5算法定位虹膜内外边缘的过程是在参数 空间 00 ( ,)r xy搜索灰度变化的绝对值最大的过程 为了计算方便 交换式 35 中的卷积和线积分次序得式36 0000 , ( )( , )( , ) ( ) 22 r xyr xy gri x yi x y grdsds rrrr = 蜒 36 第三章 虹膜图像预处理 16 00 00 1 ()(1) max(,) (cos(),cos() k m gnkrgnkr r n r xy i k rmxk rmx + vvg v v vvvv 37 其中 ( )()(1)grgnkrgnkr rr = vv v 式37中利用和的形式来 代替卷积和线积分rvv都是小的增量 灰度投影图检测圆心和圆检测算子检测内外边缘检测到的内外边缘的精度 比较高但是它对图像的质量要求较高如亮度虹膜的遮挡等 3.1.4 梯度图像 hough 极坐标变换检测方法 3.1.4 梯度图像 hough 极坐标变换检测方法 以上方法的 hough 变换计算量都很大的 其主要的原因在于定位圆心的搜索 范围那么利用边缘像素的局部取向信息可以降低计算量这种改进的方法是使 r 沿着边缘点( ,) ii x y 的法线方向变化而不是所有的方向对于特定的解析圆来 说累加点说与边缘 37上的像素相等 局部梯度信息计算如式38圆心 的计算公式如式39 22 (/) xy yx ggg arctg gg =+ = 38 其中 x g 和 y g 是x方向和 y 方向上的梯度 cos sin xar ybr =+ =+ 39 在实际的计算中不必计算角可以直接计算cos和sin如下 cos/ sin/ x y gg gg = = 310 从上述讨论可知要定位 , ,a b r同样需要一个三维的参数矩阵( , , )p a b r但 是不必搜索角度角度的值可以利用上面讨论的方法求出只需要搜索半径即 可这样把时间复杂度变为 3 ()o n从搜索的结果来看搜索速度明显加快 梯度的求法根据梯度算子来做这里选择 sobel 算子其梯度模板如图 3 1其中左侧模版用于求方向的梯度 x g右侧模板用于求方向的梯度 y g图 3 华侨大学硕士学位论文 17 2 是利用梯度 hough 方法定位的结果 -101 -202 -101 121 0 00 -1-2-1 图31 sobel算子 图32 定位后的虹膜图象 3.2 本文采用的定位方法 3.2 本文采用的定位方法 利用虹膜的灰度特性canny算子和hough 变换进行定位虹膜的内外边缘 都可近似看成圆形,内圆是瞳孔与虹膜的边界外圆是虹膜与巩膜的边界虹膜 的定位问题就是确定虹膜的内外边缘的圆心与半径将虹膜从图像中分离出来 本文分两步来定位虹膜 一 确定灰度阈值提取瞳孔来获得瞳孔圆心和半径 二 利用canny算子和hough变换确定虹膜外边缘 1. 内边缘定位 采集得到的眼部图像如图33眼部图像 ( , )i x y 有一定的灰度分布特点一 般来说瞳孔灰度要小于虹膜灰度而虹膜灰度要小于巩膜灰度在图像中灰度最 小的区域就是瞳孔所在区域做出给定图像的灰度图找出第一第二峰值点之 间的最小值q并用此最小值作为阈值二值化图像为了除掉图像中无关点比 如睫毛或是阴影部分使用了腐蚀和膨胀步骤 从而分离出瞳孔 表示为 ( , ) i x y , 根据公式311求出瞳孔的 minmaxminmax ,xxyy可得出内边缘的圆心 00 (,)xy 和 半径 0 r 第三章 虹膜图像预处理 18 max 0min max 0min maxmax 0 2 2 max(,) 22 x xx y yy xy r =+ =+ = 311 min max min max x x y y 在x轴灰度投影量的最大值的较小的坐标 在x轴灰度投影量的最大值的较大的坐标 在y轴灰度投影量的最大值的较小的坐标 在y轴灰度投影量的最大值的较大的坐标 图33 采集的虹膜图象 2外边缘定位 首先利用canny算子检测出原始虹膜的大致外边缘将外边缘圆心定位在 00 (5,5)xy 范围内利用hough变换求出最大值即就是外边缘的圆心 11 (,)xy 和半径 1 r 下面介绍canny 算子和hough变换的原理和具体步骤 acanny边缘检测基本原理 canny边缘检测是一种有效的边缘检测算子它能在噪声抑制和边缘检测之 间取得较好的平衡canny 边缘检测方法的基本思想是先对待处理图像选择一 定的gauss滤波器进行平滑后采用一种称之为非极值抑制的技术处理后 得到最后所需的边缘图像设2d高斯函数如式312式中为gauss函数的 宽度 22 22 1 ( , )exp() 22 xy g x y + = 312 在某一方向n r 上 ( , )g x y 的一阶导数为 n g gn g n = r 313 华侨大学硕士学位论文 19 式中 cos sin n = r 是方向矢量 / / gx g gy = 是梯度矢量将图像 ( , )f x y 与 n g 作卷积即 ( , ) n gf x y 改变n r 的方向 ( , ) n gf x y 取得最大值时的n r 就是正 交于检测边缘的方向 ( , ) 0 n gf x y n = 在n r 方向上 ( , ) n gf x y 有最大输出响 应此时有式314 cos()( , )sin()( , )( , ) n gg gff x yf x ygf x y xx =+= (3-14) 式中 ()( , ) ()( , ) cos,sin ( , )( , ) g g f x y f x y y x gf x ygf x y = 根据canny的定义中心边缘点为算子 n g 与图像 ( , )f x y 的卷积在边缘梯度方 向的区域的最大值这样就可以在每一点的梯度方向上判断此点强度是否为其 邻域的最大值来确定该点是否为边缘点当一个像素满足以下三个条件时则被 认为是图像的边缘点 1该点的边缘强度大于沿梯度方向的两个相邻像素带内的边缘强度 2与该带内梯度方向上相邻两点的方向差小于45度 3以该点为中心的33的邻域中的边缘强度极大值小于某个阈值 此外如果1和2同时满足那么在梯度方向上的两相邻像素就从候 选边缘点中取消条件3)相当于用区域梯度最大值组成的阈值图像与边缘点进 行匹配也就是非极值抑制的技术对于梯度的两次阈值选择没有规律是 根据经验和实验的效果来确定的如图(3-4)(b)是边缘检测的效果图 (a) 瞳孔的提取 (b) 边缘图象 如图3-4 (a) 瞳孔的提取 (b) 边缘图象 bhough变换 第三章 虹膜图像预处理 20 hough变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界 的一种方法在预先知道区域形状的条件下利用hough变换可以方便的得到边 界曲线将不连续的边缘像素点连接起来hough变换的主要优点是受噪声和曲 线间断的影响较少利用hough变换可以直接检