（信号与信息处理专业论文）基于pcasift的虹膜识别研究.pdf

中国民航大学硕士学位论文 摘要 随着信息技术的快速发展，安全问题日渐成为人们面临的一个重要而迫切的问题， 基于人体生物特征的身份鉴别技术越来越显示出其重要价值。其中，由于虹膜特征具有 唯一性、稳定性、识别率高、非侵犯性等优点，所以虹膜识别已经成为当前热门的身份 鉴别研究领域。 基于虹膜的识别系统由以下几个部分构成：虹膜获取、虹膜图像预处理、虹膜图像 特征提取、匹配与识别。本文针对虹膜识别中虹膜图像预处理与特征提取两个重要问题 做了如下工作： 在虹膜图像预处理方面，本文提出首先利用全局阈值和圆拟合的方法获得虹膜的内 圆参数，然后通过c a n n y 边缘检测和改进的随机h o u g h 变换方法检测出虹膜的外边缘。最 后，对提取后的圆形虹膜图像进行归一化，得到统一的矩形虹膜图片。实验证明该方法 有效提高了虹膜定位的速度。 在虹膜图像特征提取方面，本文提出一种新的特征描述方法，该方法利用尺度不变 特征变换( s i f t ) 提取虹膜的局部特征点，并采用主分量分析( p c a ) 的方法对特征进 行描述。生成特征向量后，采用欧式距离和随机样本一致性的方法对虹膜图像进行比较 和匹配。实验结果表明，基于主分量分析( p c a ) 的特征描述子具有更高的辨析力和稳 健性，在虹膜匹配的实验中表现出更高的准确性和更快的匹配速度。 关键词：尺度不变特征，虹膜识别，主分量分析，局部特征，生物特征识别 中国民航大学硕士学位论文 a bs t r a c t w i t ht h ed e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o g y ，i n f o r m a t i o ns e c u r i t yh a sb e c o m ea l l i m p o r t a n ta n du r g e n tp r o b l e mi n c r e a s i n g l y s ob i o m e t r i c sh a sb e c o m em o r ea n dm o r e i m p o r t a n ti np e r s o n a li d e n t i f i c a t i o n d u et oi r i so fh u m a nw i t hu n i q u e n e s s ，s t a b i l i t ya n dh i 曲 r e c o g n i t i o nr a t e ，i r i sr e c o g n i t i o nh a sb e e na na c t i v et o p i ci nb i o m e t r i c s a p e r s o n a lr e c o g n i t i o ns y s t e mb a s e do ni r i si sc o m p o s e do fi r i si m a g ea c q u i s i t i o n ，i m a g e p r e p r o 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 g ，m a t c h i n ga n dr e c o g n i t i o n i nt h i st h e s i s ，t h e p r o b l e m si ni r i si m a g ep r e p r o c e s s i n ga n di r i sf e a t u r ee x t r a c t i o na r es t u d i e df r o mn e w v i e w p o i n t s ，a n dt h ec o n t r i b u t i o n so ft h et h e s i si n c l u d e ： an e wm e t h o di sp r o p o s e dt op r e p r o c e s si r i si m a g e f i r s tb i n a r yd i g i t a l i z a t i o nm e t h o d a n dc i r c l ef i t t i n ga p p r o a c ha r eu s e dt o l o c a l i z ei n n e rc i r c l eo fi r i s ，t h e no u t e rb o u n d a r yi s a c h i e v e db yac o m b i n a t i o no fc a n n ym a r g i n a ld e t e c t i o na n df a s tr a n d o m i z e dh o u g ht r a n s f o r m f i n a l l y ，t h ei r i si m a g e ss e p a r a t e dg e n e r a t et h en o r m a l i z e dr e c t a n g u l a ri m a g e s e x p e r i m e n t a l r e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o dh a sg o o dp e r f o r m a n c ei nl o c a l i z a t i o ns p e e da n d p r e c i s i o n a ne f f i c i e n ta l g o r i t h mo fi r i sf e a t u r ee x t r a c t i o nb a s e do np r i n c i p l ec o m p o n e n ta n a l y s i s a n ds c a l ei n v a d a n tf e a t u r et r a n s f o r m ( p c a - s i f t ) i sd e s c r i b e d c o m p a r e dw i t hs i f t a l g o r i t h m ，t h ed e s c r i p t o r sp r o v i d es i g n i f i c a n tb e n e f i t si ns t o r a g es p a c ea n dm a t c h i n gs p e e d a t t h es a m et i m e ，e u c i l d e a nd i s t a n c ea n dr a n d o ms a m p l ec o n s e n s u sa l g o r i t h ma r eu s e dt o m a t c hi r i si m a g e s n 圯e x p e r i m e n t a lr e s u l t si n d i c a t e dt h a tt h ea l g o r i t h mi sf e a s i b l ea n dm o r e d i s t i n c t i v e k e y w o r d s ：l o c a lf e a t u r e ，i r i sr e c o g n i t i o n , s c a l e i n v a r i a n tf e a t u r et r a n s f o r m ( s i f t ) ， p r i n c i p l e - c o m p o n e n ta n a l y s i s ( p c a ) ，b i o m e t r i c s 中国民航大学硕士学位论文 中国民航大学学位论文独创性声明 本人声明所呈交的学位论文是我个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， 也不包含为获得中国民航大学或其它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。 研究生签名：期： 趟红7 中国民航大学学位论文使用授权声明 中国民航大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件 和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内 容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括刊登) 论文的全 部或部分内容。论文的公布( 包括刊登) 授权中国民航大学研究生部办理。 研究生签名：辎师签名 期：丛 乡7 ， 中国民航大学硕士学位论文 1 - l 课题的研究背景及意义 第一章：绪论 随着信息技术的高速发展和全球化的日益加深，近年来在维护国家安全、航空安全、 金融安全、社会安全、网络安全等应用领域，身份识别和认证变得越来越重要，对身份 的有效认证要求更精确、更安全、更实用的鉴别方法。生物技术的发展和进步为身份鉴 别提供了新的方法和手段，基于生物特征的识别方法近几年成了身份识别领域研究的热 点。 生物识别技术n 1 ( b i o m e t r i c s ) 是指将人类固有的生理特征和行为特征数字化，利 用其来进行个人身份鉴定的技术。目前生物特征识别采用的生理特征主要有：指纹、掌 纹、眼睛( 视网膜和虹膜) 、人体气味、脸型、皮肤毛孔、血管纹理和d n a 等，采用的行 为特征主要包括：签名、声音、步态、击打键盘的力度等。在这些技术当中，虹膜识别 是近年来兴起的一种身份识别方法，引起了很多学者的注意，被认为是最有前景和最为 安全的嘲。 一个典型的生物识别系统如图1 - 1 所示，一般分成数据获取、预处理、特征提取和 选择、决策分类四个主要部分。 图l 一1 生物识别系统框图 数据获取就是利用相关设备获得特征的原始数据，比如记录下一段数字语音信号， 或者拍摄一幅人脸图像等等。然后对这些原始数据进行一系列的数学变换完成预处理和 特征提取的工作，得到具有唯一性，稳定性的生物特征模型，并由这些特征模型生成生 物特征库，通过个人数据和特征库的比对达到决策分类的目的。 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。 在虹膜识别中，主要应用的是虹膜图像的纹理特征。 对于不同的人，虹膜的结构各不相同，并且这种独特的虹膜结构在人的一生中几乎 不发生变化。眼科学家。1 和解剖学家h 1 经过大量的观察发现虹膜具有独特的结构，即便 对于同一个人，左眼和右眼的虹膜区别也是十分明显的，而且自童年后，虹膜在人的一 生中所发生的变化十分微小。发育生物学界的科学家同时发现，尽管虹膜的基本结构是 中国民航大学硕士学位论文 由内在的遗传基因决定的，但是外在的环境却对虹膜独特的细微结构起着决定性的作用 哺m 1 。这种外在环境是指生命初期，虹膜形成之前的胚胎发育环境，因此，自然界几乎 不可能出现完全相同的两个虹膜。发育生物学家通过大量的观察还发现当虹膜发育完全 以后，它在人的一生中是稳定不变的，因而具有稳定性m 。另外，由于虹膜的外部有透 明的角膜将其与外界隔离，因此发育完全的虹膜不易受到外在环境的伤害而产生变化。 所有这些证据表明，每个人都有不同的虹膜结构，并且这种独特的虹膜结构是稳定的。 虹膜作为重要的身份鉴别特征，具有唯一性、稳定性、可采集型、非侵犯性等优点。 非侵犯性( 或非接触式) 的生物特征识别是身份鉴别研究与应用发展的必然趋势，和脸 相、声音等非接触式的身份鉴别方法相比，虹膜身份鉴别方法具有更高的准确性。据估 计，虹膜识别的错误率是各种生物特征识别中最低的口1 ，基于虹膜的身份鉴别技术逐渐 得到学术界和企业界的重视。“9 1 1 恐怖事件发生后，西方各国都加大了高性能身份认 证技术的研发投入，虹膜识别备受各国政府安防应用的青睐。2 0 0 0 年中期，美国专为 航空系统和机场职工设计的“虹膜通行证 在机场起用。2 0 0 2 年，英国在西斯罗机场 首次对新开发的人眼虹膜身份识别系统进行了测试。2 0 0 3 年，国际民航组织( i c a o ) 的生物护照计划( e - p a s s p o r t ) 伽中也明确规定虹膜是选用的生物特征之一。2 0 0 3 年1 1 月，美国中央情报局( c i a ) 也开始研究用于监控目的的虹膜识别系统。2 0 0 5 年1 1 月， 德国发放了带有生物特征信息( 虹膜等) 的电子护照进行身份验证，使身份识别更加安 全高效。随着信息时代的迅速发展，虹膜识别技术越来越广泛的应用于诸如金融、边防、 海关、网络、电子商务、社会福利、保险、身份证、门禁、信息安全等关键领域，甚至 还用于查找失踪几童。 近几年来，随着我国经济建设和信息产业技术的深入发展，国家安全和个人身份安 全方面暴露的问题日益明显。为了有效的解决这些问题，大力发展生物识别领域的相关 产业有重要的现实意义。虹膜识别技术是一种性能优越的生物识别技术，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，但尚待发展和完善的地方仍然很多， 有必要对该技术进行深入研究，研究和开发具有自主知识产权的虹膜识别系统，服务于 国民经济的各个部门，如保密机关、银行自动取款系统及各种需要身份鉴别的地方等。 1 2 虹膜的生物特征分析 据医学解剖学分析，眼球壁分为外、中、内三层。中膜含有丰富的血管及色素细胞。 虹膜位于中膜的最前部，在角膜( c o r n e a ) 和晶状体( 1 e n s ) 之间，由不同层组成，其 颜色因人种不同而有差异，中央有圆形孔叫瞳孔，外面与眼白相邻( 如图卜2 ) 。最内 层是带有色斑的真皮层，在其上的是控制瞳孔肌的肌肉层，肌肉层上是基质层，该层由 胶状组织连接成弧形状，放射分布着螺旋状的血管，故又称血管层。最上面一层是前角 膜层，该层分布着色素细胞( c h r o m a t o p h o r e ) 。虹膜的外观是这四层综合的效果。虹膜 的肌肉层内含有两种排列方向不同的平滑肌：在瞳孔周围呈环形排列的叫瞳孔括约肌， 2 中国r 航大学目学位论i 收缩使瞳孔缩小；由瞳孔向四周里放射状捧列的叫瞳孔开大肌，收缩使瞳孔放大。这样 就使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，构成多数的隐沟( 或 称稳窝) 。结构上的这些高低变化，形成特有的纹理( 见图卜2 ) 。 图l _ 2 虹膜结构图 虹膜是一个受到保护的眼睛的内部组织，在角膜和水晶液的后面。眼睛的外观图由 巩膜、虹膜、瞳孔三部分构成。中心黑的部分是瞳孔区，瞳孔随入射光线强度的变化， 会产生收缩或扩张，牵动虹膜变化；两侧颜色较浅的部分是巩膜区( 印通常所说的眼白) ； 位于瞳孔和巩膜之间的区域即为虹膜。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。虹膜是一种在眼睛中瞳孔内的织物状的各色环状物， 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。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形 态、生理、颜色和总的外观。到1 2 岁左右，虹膜就基本发育到足够尺寸，进入了相对 稳定时期。除非极少见的反常状况、身体或精神上大的创伤造成虹膜外观上的改变外， 虹膜形貌可以保持数十年没有变化。另一方面，虹膜是外部可见的，但同时又属于内部 组织，位于角膜后面，要改变虹膜外观，需要非常精细的外科手术，而且要冒着视力损 伤的危险。 图卜3 虹膜的截面结构图 综上所述，虹膜纹理用于身份识别具有以下的生理和医学特征“”“”： 1 ) 虹膜纹理具有稳定性和不变性。虹膜在妊娠3 个月的时候开始形成，整体结构 在8 个月的时候创建，大概在2 3 岁的时候稳定，据研究，形成之后除非发生 中国民航大学硕士学位论文 病变等特殊情况外，虹膜的纹理图像在一生之中都不会有改变，通过手术改变 虹膜纹理特征将对视力造成极大的伤害，有很高的风险性； 2 ) 虹膜纹理具有绝对的唯一性。据研究，两个虹膜相同的机率是千亿分之一，在 整个人类中，任意两个虹膜的纹理特征都是不同的，即便是双胞胎也是如此； 另外，据研究我国单眼先天性虹膜的发病率为1 ：5 6 1 1 5 。可见虹膜识别技术适 用人群广； 3 ) 虹膜纹理可提供的特征信息量大，因而在识别过程中可靠性高； 4 ) 虹膜的内部组织被水样液和角膜所包围，与外界环境隔离开来，不易受损； 5 ) 虹膜模式具有非常高的随机性，它所产生的主体间的可变性跨越了2 6 6 或2 6 7 个 自由度，虹膜组织的信息为每平方毫米3 4 个二进制位； 6 ) 虹膜具有活体组织的特点，由于虹膜肌肉间复杂的相互作用，瞳孔直径一直在 小的范围内有规律地震颤，且随光线强度变换而收缩，使得虹膜具有高度的防 伪性。 7 ) 虹膜图像获取具有安全性。据美国眼科研究院发言人医学博士d a v i d 称，虹膜 扫描图像获取可以使用低能级的可见光，大大提高了虹膜识别的安全性。 1 3 虹膜识别技术的发展历史及现状 虹膜用于身份识别可以追溯到大约1 8 8 5 年n 幻，法国人a l p h o n s eb e r t i l l o n 在巴黎 的刑事监狱中尝试利用进行身份的确认，当时主要依赖于人的观察虹膜。直到二十世纪 九十年代，虹膜识别才取得了快速的发展。在1 9 8 7 年，两个眼科专家l e n o n a r df l o m 和 a r a ns a f i r 首次提出利用虹膜图像进行自动虹膜识别的概念，但是他们并没有开发出 一个实际的应用系统。至i j l 9 9 1 年，美国洛斯阿拉莫斯国家实验室的j o h n s o n 实现了一 个自动虹膜识别系统，这是有文献记载的第一个虹膜识别应用系统。近两年，虹膜已成 为生物特征识别领域的热门研究方向。目前国外的虹膜识别技术研究较多，该方向的研 究与应用主要有美国i r i d i a n & s e n s a r 和l g 等公司，其中i r i d i a n 公司还被评为美国 1 9 9 8 年5 0 0 家发展最快的公司之一。各种算法中以英国剑桥大学的j d a u g m a n 和美国麻 省理工大学的r p w i l d e s 提出的算法最为经典，大多数商业系统都是基于这两种算法， 特别是j d a u g m a n 的基于虹膜分析的身份识别系统于1 9 9 4 年获得美国专利，他在1 9 9 3 年提出的二维g a b o r 小波编码虹膜纹理的算法是当今所有商用虹膜识别系统的理论基 础。基于这种算法的虹膜产品已经在金融系统小范围试运行，但是他们的价格偏高。虽 然目前虹膜识别技术尚未得到大规模的实验验证，不过现在国外一些国家已经开始进行 虹膜识别的应用实验，为虹膜识别系统大规模应用打响了前战。 i r i d i a n 公司研制出的虹膜识别系统已经应用在美国得克萨斯州联合银行的三个 营业部内，储户两手空空就可以来银行办理业务。他们在取款机上取钱时，一台摄像机 首先对用户的眼睛进行扫描，然后将扫描图像转化成数字信息与数据库中的资料核对， 4 中国民航大学硕士学位论立 以对用户的身份进行检验。 在加拿大温哥华、多伦多国际机场，伦敦的h e a t h r o w 机场，日本的成田机场以及 纽约的肯尼迪机场都在尝试将虹膜身份鉴别系统用于通关认证：在新加坡马来西亚 边境管理，已经将虹膜识别用于边境检查；v e r i c a s c r e e n 选择了l gm 1 i r i s a c c e s s 州 3 0 0 0 虹膜识别系统( 如图l - 4 所示) 来控制其设施的进入和对机要客户资料的戒备。 图卜4l gi r i s a c c e s s t m3 0 0 0 国内目前在指纹识别应用上做得比较成熟，而外国公司却因为政府禁运，不能向中 国出口技术含量更高的面部识别和虹膜识别技术。近年来，国内对虹膜纹理研究也越来 越关注，其中中科院自动化研究所的模式识别国家重点实验室拥有国际同步的自主产权 的核心技术和算法。该研究所成立了中科模识科技有限公司，以软件见长，是世界上第 二个拥有核心算法的公司；硬件外设问题虽然中科模识已经攻破，并设计出产品原型， 但是相比国际水平还有一定差距。总的说来，国内虹膜识别的理论研究较早，但是应用 研究刚刚起步。 在虹膜识别系统的应用方面我国深圳市发展银行总行成为在金融系统中第一个使 用虹膜识别方式作为身份验证的单位，该银行于2 0 0 4 年1 0 月2 8 日开始使用l g i r i s a c c e s s t m3 0 0 0 虹膜识别系统，其一期项目l gi r i s a c c e s s t m3 0 0 0 虹膜识别系统 应用在v i p 室作为用户的身份识别系统。 虹膜识别技术虽然是刚刚兴起的研究方向，但是科学意义重大，应用前景广泛。它 以高精度及几乎无法伪造而成为近期国际研究及应用中一个受到特别关注的主题。随着 虹膜采集硬件的不断发展，采集虹膜越来越容易，成本越来越低，研究人员相信，虹膜 识别技术的应用必将会在更大的范围内得到普及。可以乐观的设想，虹膜识别技术在未 来5 年内迅速的进入各种级别的安全系统，尤其在高要求的安全系统中，并创造巨大的 经济效益。 一个完整的虹膜识别系统由光源、摄像头、图像分析系统、计算机等组成，它主要 包括以下单元：1 ) 虹膜图像摄取；2 ) 虹膜图像预处理( 包括虹膜动态检测、质量评估、 虹膜定位) ：3 ) 虹膜纹理特征提取；4 ) 建立虹膜特征数据库：5 ) 纹理特征码匹配，其 原理示意图如图卜5 所示。 一、图像获取 中国民航大学硕士学位论文 虹膜图像的获取是虹膜识别系统中很关键的部分，采集到的虹膜图像质量的好坏将 直接影响到虹膜识别过程和结果。由于虹膜面积很小( 一般直径为i c m 左右) ，颜色较 暗，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，必须精心设计采集设备，以满足实际应用的需求。目前虹膜采集的方法依 然是以光学采集为主，一般利用基于c c d 和c m o s 的图像采集系统采集虹膜纹理。 图l 一5 虹膜识别系统的基本组成 二、图像预处理 虹膜图像预处理单元包括活体检测n 蚰n 司n 引、图像去噪、虹膜的定位和提取、虹膜图 像归一化。活体检测，用于判断被检虹膜是否是活体来区分真假虹膜。 在采集图像时采集系统不能保证每一张图像的质量都合乎要求，如果虹膜识别系统 不分优劣对所有的虹膜图像都加以处理，势必会影响系统识别的效率和准确度。因此， 要在虹膜纹理特征提取和匹配之前过滤掉不合格的虹膜图像，以提高系统的识别效率和 准确度。 在实际获取的图像中，虹膜只占一部分区域，所以，在对虹膜纹理进行分析处理之 前，要把虹膜区域从图像中分割出来，即定位虹膜的中心和内、外边缘并对虹膜图像的 大小进行归一化处理，从而纠正图像的漂移、旋转及比例缩放。“漂移”是无法保证虹 膜圆心精确的位于图片的中心造成的；“旋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。这是虹膜识别系统中非常重要的一步， 后续的虹膜纹理分析都是基于这一步的结果来完成，虹膜定位的好坏对虹膜识别的正确 与否影响很大。 三、特征提取与匹配 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，则物理模式 可用一个i l l 维特征向量描述，表现为i l l 维欧式空间中的一个点。m 维特征向量表示为： 贾= ( 五，恐，) r 6 ( 1 1 ) 中国民航大学硕士学位论文 特征提取与匹配虽然是两个独立的环节，但是一般来说，选取什么样的特征决定了如何 进行匹配，虹膜纹理特征提取是虹膜识别系统最核心的一步，前面一系列的处理都是为 了最终能够提取虹膜的特征。 四、虹膜特征数据库 虹膜特征数据库中存放的是已知虹膜纹理的特征向量。在虹膜识别过程中，首先要 对待识别的虹膜图像进行处理分析得到虹膜特征码，然后将所提取的特征码与数据库中 的特征码模板进行比对，最后得出分类结果。为了将虹膜用于身份识别，在虹膜识别系 统的后台需要一个大型的虹膜特征数据库，以便于对虹膜特征码进行存储和查询。 1 4 本文主要研究的内容 现有的虹膜识别系统中多采用直线型开发模式，也就是前一模块是后一模块的基 础，模块之间是先后关系。本文也是采用直线式开发模式，研究流程如图卜6 所示。 图1 6 本文研究工作流程图 论文在前人的研究基础上，对虹膜识别的图像预处理各个步骤和虹膜图像特征提取 过程进行了研究，提出了一种虹膜定位算法，即综合利用全局阈值和圆拟合定位虹膜内 边界，利c a n n y 边缘检测和改进的随机h o u g h 变换定位虹膜外边界，来对虹膜进行定 位，该方法在定位速度和精度上具有一定的优势；对虹膜图像的校正和归一化算法进行 了研究和实现。对d a v i dg l o w e 提出的局部特征描述算予一s i f t ( s c a l ei n v a r i a n t f e a t u r et r a n s f o r m ) 算子做出了进一步的研究，利用主分量分析( p c a ) 的方法对s i f t 特征描述子进行降维，获得较低维的特征向量。对实现过程和实验效果作了一定的分析， 实验结果表明，这种方法具有更高的辨析力和稳健性，在虹膜匹配的实验中表现出更高 的准确性和更快的匹配速度。 7 中国民航大学硕士学位论文 2 1 引言 第二章虹膜图像预处理 虹膜图像预处理的目的是通过虹膜定位、眼睑检测、虹膜归化处理和虹膜图像增 强等方法，在眼睛图像中有效划分特征提取时感兴趣的部分，从而进行下一步的特征提 取和分类。在对所用实验数据分析的基础上，本章首先采用全局阈值和圆拟合的方法获 得虹膜的内圆参数，然后通过c a n n y 边缘检测和改进的随机h o u g h 变换方法检测出虹膜 的外边缘。再进行虹膜归一化和虹膜增强，得到后面实验要用到的归一化的矩形虹膜区 域图。 2 2 虹膜图像定位 一个典型的虹膜识别系统主要包括虹膜图像获取、预处理、特征提取和特征匹配等 四个相互紧密关联的部分。其中，虹膜图像的预处理和特征提取是虹膜识别系统中研究 的重点。由于采集到的眼睛图像不仅仅包括虹膜部分，还包括各种图像噪声( 眼睑、睫 毛，光斑等等) ，为了能够有效的进行虹膜识别，必须排除噪声，进行有效区域的定位， 即对虹膜与瞳孔、巩膜的边缘进行分离。虹膜定位，亦即虹膜内外边缘的定位，由于虹 膜的内外边缘都近似为圆形，因此，虹膜图像的定位就是在一幅人眼部原始图像中获取 虹膜的内外边缘半径以及瞳孔和虹膜的圆心，将虹膜从图像中分离出来，用作后续的特 征提取处理。在整个虹膜识别过程中，定位几乎占用了一半的时间，而且定位的质量决 定了后继工作的成败，在很大程度上决定了虹膜识别的分辨率。在l i n e lm a r i t n n 刀等人 发明的虹膜识别系统中虹膜定位时间占总时间的5 5 左右。如下表： 表2 1 虹膜识别系统各环节时间分布 t i m ec o n s u m i n go ft o t a lt i m e 由上表可知，虹膜定位部分制约虹膜识别系统的速度。提高虹膜定位的速度是很多 虹膜识别研究工作者研究的热点。我们知道，由于在采集图像时不可能将眼睛的位置固 8 中国民航大学硕士学位论文 定，且在不同的光照条件下瞳孔的伸缩程度不一样，通过虹膜采集设备采集到的虹膜图 像通常不可能仅仅包含虹膜区域，往往还有眼睛的其它部分，比如眼睑、睫毛、眼白等， 这给虹膜的定位增加了难度。 虹膜定位时可以利用灰度的特点，从瞳孔、虹膜到巩膜，图像灰度呈阶梯变化，因 此在区域过渡处具有明显的梯度变化。虹膜的几何形状也是可利用的重要信息，虹膜的 边界具有近似圆的特性。在人眼图像中，虹膜的内外边界均可近似圆形，所以很多文献 中都是基于圆方程进行虹膜边界定位或者拟合，对于虹膜边界间断或者不连续情况，由 于形状已知，所以可通过部分边缘信息获得整个虹膜边界。 目前，虹膜定位算法有多种形式，j o h nd a u g m a n 利用微积分操作定位瞳孔和虹膜 边界，利用梯度的明显变化，采用微积分方法定位虹膜外边界，其原理是：当沿径方向 增大半径时，图像在圆周上的积分对半径的微分最大处对应的位置作为边界。该算法的 优点是定位精度高，缺点是：在虹膜位置范围不确定的情况下，计算量很大，特别是对 于局部干扰非常敏感，容易受到局部干扰的影响。 在预先知道目标形状的条件下，利用h o u g h 变换可以很方便地得到边界曲线，通过 寻找最佳的边界曲线获得最接近目标的位置，同时能将不连续的目标边缘点连接起来， 形成完整的目标轮廓n 町。在w i l d e s 系统中，采用基于h o u g h 变换的自动虹膜图像分割 算法n 钉，h o u g h 变换的优点是：对于图像对比度好，边界清晰的虹膜图像定位精度高， 缺点是：计算量大，容易受到二值化阈值选取的影响，如果不限定虹膜的位置范围，搜 索范围大，实时性差。 文献n 羽提出投影的方法，首先利用人眼的灰度差异，采用二值化方法分离出瞳孔， 然后采用投影方法定位瞳孔的中心和半径。投影定位只能是一种粗略的定位，而且易受 睫毛等干扰的影响。 最小二乘法定位虹膜边界是利用二值化边界点，通过最小二乘方法求解方程，得出 边界参数，定位虹膜边界例。优点是定位速度快，缺点是：由于难以获得只有真实边界 点的坐标信息，非真实边界上的点的数量和位置对定位精度影响很大，与二值化阈值有 关，定位精度低。 表2 2 几种常用定位算法比较 边界定位方法定位精度 计算量 影响定位精度的因素 投影法低小光照和睫毛、二值化阈值 最d 、- - - 乘法较高较小虚假边界点、二值化阈值 微积分方法高大局部光照干扰 h o u g h 变换 高大 二值化阈值和图像对比度 主动轮廓线较高较大优化指标函数 用主动轮廓线的方法定位虹膜内边界，先用灰度投影法估计瞳孔中心，然后在其周 围等间隔取几个点作为初始的s n a k e ，按照s n a k e 的运行机制不断进化，直到边界为止， 9 中国民航大学硕士学位论文 最后计算进化后的s n a k e 的形心和s n a k e 上控制点与该形心的距离，确定边界参数盈。 该算法完成设定优化指标函数，采用梯度下降算法进行指标优化，定位精度与优化指标 函数有关，也容易受到局部极值的影响，定位精度一般。 通过对上述虹膜定位算法的研究，得知对虹膜图片进行粗定位和精定位算法上时间 损耗比较大，而一步定位精度又不够高，考虑到上述定位算法的这些优缺点，本文对定 位算法在一定程度上作了改进。 虹膜定位之所以在虹膜识别研究中成为人们关注的焦点，除了它的准确性会影响虹 膜编码的有效性及速度会影响虹膜识别系统的敏捷性之外，还因为在技术上存在一些难 点，如下所述： ( 1 ) 在没有遮拦的情况下，虹膜区域完整地暴露出来，虹膜的内外边缘呈现较好的 圆形特征。有人认为虹膜区域是同心的，但这并不准确，虹膜的内、外边缘事 实上并不同心，当瞳孔变形厉害时，两者的圆心会偏离较远。 ( 2 ) 在不同光线照射下，虹膜和瞳孔会发生局部的变形，尤其瞳孔变形比较明显。 在某些样本中，虹膜的内边缘已不具有圆形的特征，无论是在灰度图像，还是 在二值化图像中都无法使用固定形状的模板对瞳孔进行匹配。 ( 3 ) 虹膜图像中，虹膜与巩膜之间的过渡带( 即虹膜的外边缘) 较宽，虹膜外边缘 比较模糊且高频纹理丰富，通常的圆检测方法难以适用，不易得到清晰准确的 边缘二值化图像，通常的边缘检测算法也难以奏效。 ( 4 ) 在人眼平视的情况下，大多数人的眼睑、眼睫毛将遮住一部分虹膜区域( 但不 会遮住瞳孔区) 。在图像中，虹膜区域不能完全显露出来，所以通常说来，眼 睛图像中虹膜可见部分的外边缘不是圆形。 已有文献都力图解决上述问题，主要有两种解决办法：第一，分成粗定位和精定位 两步的方法，来加快定位速度，提高定位精度。第二，通过改进边缘检测算法，来提高 虹膜边缘检测的精度从而提高虹膜定位的精度。本章在总结现有虹膜定位方法的基础 上，根据所用实验数据的特点，综合利用阈值和圆拟合定位虹膜内边界，c a n n y 边缘检 测和改进的随机h o u g h 变换定位虹膜外边界，来对虹膜进行定位；再进行虹膜归一化和 虹膜增强，得到后面实验要用到的归一化的矩形虹膜区域图。 现有的虹膜定位算法大致分为三类：第一种是将梯度图像进行二值化处理，对于二 值边界点采用h o u g h 变换、最小二乘法等进行边界定位；第二种是直接对梯度图像采用 微积分方法进行边界定位：第三种是基于阈值的方法嘲。这些定位算法中，微积分算法 和h o u g h 变换算法定位精度高，但是存在参数搜索范围大、计算量大、易受图像质量影 响的问题。基于阈值的方法，是根据瞳孔灰度值明显小于眼睛的其它部分，所以虹膜图 像的直方图的第一个峰值一般对应于瞳孔，应用瞳孔峰值的右侧峰谷灰度值作为瞳孔二 值化阈值。应用阈值法的困难在于：第一，由于睫毛的灰度值和瞳孔相近，为二值化图 像带来较多的噪声；第二，由于光源会在瞳孔中成像，瞳孔的内部或边缘可能有亮斑； 第三，在强光照射下，图像中瞳孔变小，光源在瞳孔中成像的亮斑较大，导致直方图中 l o 中国民航大学硕士学位论文 瞳孔峰值不明显，并且其右侧的峰谷也不显著。根据峰值或峰谷选阈值的方法很可能失 效。但大量的实验显示，对于本文所用的c a s i a 虹膜图像库中的虹膜图像，可以选用合 适的阈值来得到二值化图像，并提取虹膜图像中的瞳孔信息，详细阐述在本文的后面给 出。 2 2 1 几种主要的虹膜图像定位算法 1 d a u g m a n 系统的虹膜定位与分离吻3 该方法e h 英国剑桥大学的d a u g m a n 教授提出。在拍摄获取的虹膜图像中，灰度分布 存在着一定的差异，一般而言虹膜比瞳孔亮，巩膜又比虹膜亮。再根据虹膜的形状类似 圆环形的状况，d a u g m a n 利用圆形检测匹配器的方法分割虹膜，其数学模型为： 岷讪，m 氛枞，掣叫 亿1 ， 其中 晰( 勉) p 例 为均值为，方差为仃的高斯函数，用来平滑滤波，消除噪声以利于检测边界处的 变化，平滑模板的大小与定位的精度有关。 式( 2 1 ) 的数学本质是：查找随着半径，变化相应圆周上像素平均值变化最大的值 所对应的( ，x o ，y o ) ，以此来确定瞳孔和虹膜的边缘以及虹膜与巩膜的边缘。其思想就是 在虹膜图像中一定的区域内以一个圆形边缘探测器反复寻找虹膜的内外边缘，直至找到 最佳匹配的两个圆。 d a u g m a n 定位法的优点是定位比较准确，但是该算法较强地依赖图像亮度的梯度， 因此只有在被处理的图像照度比较均匀，而且没有大面积的亮度反常区域时有效，而且 搜索有一定的盲目性导致搜索时间较长。 2 w i l d e s 虹膜定位算法圈。 w i l d e s 提出的虹膜定位算法主要是分两个步骤来进行的：首先对原图像进行边缘 提取，取得二值的虹膜边缘图像：然后利用h o u g h 变换算法来定位虹膜边缘。 获得边缘图像采用的是基于梯度的边缘检测的方法，也就是对图像灰度梯度取阈 值。梯度算子是一阶导数算子，对图像的灰度函数，( x ，y ) ，它在点( 工，y ) 处的梯度可表 示为： w 班 q q 7 = 睦针 ( 2 2 ) 中国民航大学硕士学位论文 在实际应用时常用小区域模板卷积近似计算。对q 和g 。各用一个模板，所以需要 用两个模板组合起来以构成一个梯度算子。根据模板大小，可选用不同的算子。常用的 有r o b e r t s 算子，p r e w i t t 算子和s o b e l 算子等等。 再在得到虹膜内外边缘的边缘点集合的基础上进行投票，投票是通过对虹膜边缘点 集合进行h o u g h 变换实现的。具体的h o u g h 变换的理论会在后面详细介绍。通过h o u g h 变换在三维函数( ，y o ，) ，对每个参数找到与之对应的h ( x o ，y o ，) ，使之加l ，最后找 到h 中的最大数，它所对应的圆参数( ，) 就是边缘图中虹膜对应的圆心和半径，然 后根据找到的圆心和半径就可从边缘图找出虹膜边缘。 以上是d a u g m a n 和w i l d e s 的虹膜定位方法，但是这两个方法在h o u g h 变换的过程 中，存在三个变量，这个计算量是非常大的。另外在第一步边缘检测过程中，除了检测 出的正确的边缘以外，还检测出了很多非虹膜的边缘，带来了大量的干扰信息，对h o u g h 变换造成了很大的不利因素。针对本文所用c a s i a 数据库虹膜图像的特点，综合阈值方 法、圆拟合方法、边缘检测和快速随机h o u g h 变换相结合来对虹膜区域进行定位。 2 2 2 本文的虹膜定位方法 本文的虹膜定位方法是先用阈值和圆拟合的方法检测瞳孔的中心和半径，再利用已 提取出的瞳孔的圆周参数的先验知识，用边缘检测和改进的随机h o u g h 变换的方法检测 虹膜的外边缘，其过程如图2 1 所示。 图2 - 1 本文虹膜定位过程图 1 ) 虹膜内圆的提取 拍摄到的眼睛图像的灰度分布具有一定的特点。一般而言，虹膜的灰度值比巩膜的 灰度值小，而瞳孔的灰度值又比虹膜的灰度值小，准确求出虹膜的灰度值，就可以二值 化虹膜图像。现有文献中没有一种统一的求瞳孔二值化阈值的算法，多根据特定的采样 系统取经验值，文献乜3 1 给出一种瞳孔灰度阈值的估算算法：假设虹膜图像的最小灰度值 1 2 中嗣民航大学顼学位论文 为。，灰度均值为酬，则二值化的阈值为t = j 脯+ ! 。 。通过验证，估算法的准确 度不好。论文采用分块实际计算的方法，根据瞳孔的灰度值在眼睛图像中为最小的区域 这一特点，分块直接计算求取瞳孔的灰度值步骤如下： s t e p l ：将一副眼睛图像1 ( x ，y x x = 0 ，l ，x l ；y = 0 川1，y 1 ) 划分成k l 个维数 为m _ 的不重叠的块，其中j = k m ，y = l n ，根据论文中采用的虹膜图像样本大小 这里取k = 1 4 上= 1 6 ，m = n = 2 0 。 图2 - 2 虹膜原始图像图2 - 3 眼睛图像分块示意图 s t e p2 ：求出每个小格的平均灰度值： l ( k m + m ，i n + n ) m e a n ( 2 ，2 ) 2 8 4 而一 ( 2 3 ) s t e p3 ：求取所得小格的平均灰度值的最小值，用这个最小值和一个较小常值t 的 和作为瞳孔的灰度阈值。 t = m i n ( m e a n ) + t ( 2 4 ) 2 ) 阈值化分割虹膜图像 灰度级阈值化是最简单的分割处理方法。很多物体或图像区具有不变的反射率或其 表面光的吸收率，可以确定一个亮度常量即阈值( t h r e s h o l d ) 来分割物体和背景。阈值 化计算代价小、速度快。 完全分割可以在简单的场景中通过阈值化处理得到。闷值化是输入图像f 到输出 图像g 的如下变换： g ( f 棚= 忙彰搠：署 s ， 其中r 为阐值，对于物体的图像元素g ( i ，) = 1 ，对于背景的图像g ( i ，) = 0 ( 或反 之亦然) 。用上述方法求得的虹膜图像灰度二值化及轮廓提取效果如图2 5 。但是由于 光源会在瞳孔中成像，瞳孔的内部或边缘可能有亮斑，经阈值处理后的二值化图像目标 区域内部，可能会出现孔洞，会对虹膜内圆的定位准确性带来影响，所以在二值化虹膜 中国民航大学硕士学位论文 图像后做孔洞填充处理，其处理方法思想为数学形态学的闭合算法。 数学形态学( m a t h e m a t i c a lm o r p h o l o g y ) 幽1 的基本思想是用具有一定形态的结构元 素去量度和提取图像中的对应形状以达到对图像分析和识别的目的，属于一种非线性 图像处理和分析理论。数学形态学的数学基础和所用语言是集合论，其应用可以简化图 像数据，保持它们基本的形状特征，并除去不相干的结构，可用于抑制噪声、特征提取、 边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建等问题中，它的显著特点 是直接处理图像表面的几何形状，具有快捷、鲁棒和精确的特点。 数学形态学的基本运算有4 个：膨胀、腐蚀、开运算、闭运算。在二值图像中分别 定义如下： - 膨胀：给定2 个集合x 和曰，集合被召膨胀表示为j o 曰，定义为 x 0 b = x ：b + x u x f 2 j ( 2 6 ) 腐蚀：给定2 个集合x 和b ，集合x 被集合曰腐蚀，表示为x o b ，定义为 x o b = f x ：b + 工c x l ( 2 7 ) 先腐蚀再膨胀称为开运算( 开启，o p e n i n g ) 。集合x 关于结构元素召的开运算表 示为x o b ，定义为 x o b = f x o 召1 0 b ( 2 8 ) oooooooooo o o o o o o o o o o 0 0 o o 0 o o oooooooooo x o o o o o o o xob oooooooooo o o o o o o o o o o 0 o o o o o000000000 c 1 0 s e ( x ) 图2 4 闭运算 先膨胀再腐蚀称为闭运算( 闭合，c l o s i n g ) 。集合x 关于结构元素b 的闭运算表 示为x b ，定义为： x b = f x 0 b ) o b ( 2 9 ) 闭运算用来连接邻近的物体，填补小孔洞，填平窄缝隙使得物体边缘更平滑。修饰 词“邻近，“小 和“窄”都是相对于结构元素的尺寸和形状而言的。图2 4 所示为 闭运算的一个示例。 3 ) 圆拟合得虹膜内圆参数 1