（光学工程专业论文）计算机虹膜识别系统的研究.pdf

浙江大学硕士学位论文 摘要 着社会经济的发展，作为生物特征识别技术中一类的虹膜识别技术正在 兴起，并显示了很大的优越性，如虹膜特征在人的一生中均保持相当高的稳定 性；虹膜图像的采集具有无侵犯性；瞳孔的缩放使虹膜组织具有活体组织的显 著特征，可以有效的防止人工伪造等等。4 本文详细讨论了虹膜识别系统的图像采集、传输和图像识别几个部分。采 用数字式c m o s 黑白图像传感器采集虹膜图像；使用u s b 方式实现图像传感 _ - _ _ _ - - - _ _ _ - 。- _ _ - 一 器和主机之间的数据传输：对采集的虹膜图像，采用灰度投影方法寻找虹膜内 边缘中心，通过边缘检测加邻域判断寻求若干虹膜内外边缘点进行拟合，得到 虹膜内外圆参数，完成虹膜分割；采用求相关系数的方法进行识别判断。试验 表明这种方法快速、有效。 本文详细介绍了虹膜识别系统的软、硬件。软件部分包括u s b 通讯程序( 基 于a n 2 1 3l 的嵌入式程序、e z u s b 驱动程序和主机通讯程序) 、w i n d o w s 环境 下的图像处理程序等；硬件部分包括c m o s 数字图像传感器o v 7 1 1 0 ，e z u s b 接口芯片a n 2 1 3 l 等。 、 关键词：虹膜识别，、图像处理；c m o s 图像传感器iu s b 塑查查兰塑主兰堡堡奎 一一 一一一 a b s t r a c t i r i sr e c o g n i t i o n ak i n do fb i o l o g i c a l c h a r a c t e r i s t i cr e c o g n i t i ( ) n ， s p r i n g su pa sar e s u l to ft h e s o c i a la n de c o n o m i c a ld e v e l o p m e n t ，a n di t s h o w sg r e a ta d v a n t a g e s f o re x a m p l e ，t h ec h a r a c t e r i s t i c so fo n e s i r i s a r es t e a d ya l lo n e s1 i f e ，t h ec a p t u r i n go fi r i si m a g ei sn o n i n v a s i v e ， a n di s s u e so fi r i sp o s s e s st h ec h a r a c t e r so f1i v i n gi s s u e so na c c o u n to f t h ez o o m i n gp r o c e s so fp u p i l s ，w h i c hp r e v e n t sc o u n t e r f e i t i n g t h ei m a g ec a p t u r i n g ，i m a g et r a n s m i s s i o na n di m a g ep r o c e s s i n go fi r i s r e c o g n i t i o ns y s t e m sa r ee x p a t i a t e di nt h i sp a p e r i r i si m a g e s a r ec a p t u r e d w i t hc m o nb l a c k - a n d w h i t ed i g i t a lc a m e r a t h e nd a t aa r et r a n s m i t t e df r o m c a m e r at oh o s tc o m p u t e rb yu s bi n t e r f a c e a f t e rt h a t ，t h ec e n t e ro fi r i s i n n e rc i r c l ei sg o t t e nw i t hg r a y l e v e lp r o j e c t i n g ，a n dc u r v i n gf i t t i n g i sp e r f o r m e da f t e rac e r t a i nn u m b e ro fp o i n t so nt h ei r i si n n e ra n do u t e r e d g e sa r ef o u n db ye d g ed e t e c t i o na n dn e i g h b o r h o o dj u d g m e n t ，s ot h a tt h e j r i si ss e g m e n t e d f i n a l l y ，t h ec o r r e l a t i n gi n d e x e sa r ec a l c u l a t e dt om a k e t h ed e c i s i o n e x p e r i m e n t a lr e s u l t ss h o wt h es p e e d i n e s sa n df e a s i b i1it y o ft h i sa p p r o a c h b o t ht h eh a r d w a r ea n ds o f t w a r eo fi r i s r e c o g n i t i o ns y s t e m a r e d i s c u s s e di nd e t a i l s t h es o f t w a r ei n c l u d e st h eu s bc o m m u n i c a t i o n c o m p o n e n t ( t h ee m b e d d e dp r o g r a mb a s e do na n 2 1 3 1 ，e z u s bd r i v e ra n dh o s t c o m p u t e rc o m m u n i c a t i o np r o g r a m ) a n dt h ei m a g ep r o c e s s i n gp r o g r a m s i n w i n d o w se n v i r o n m e n t t h eh a r d w a r e i n c l u d e st h ec m o sb l a c k a n d - w h i t e d i g it a c a m e r ao r 7 i1 0 a n dt h ee z = u s bc h i pa n 2 1 3 1 k e yw o r d s ：i r i sr e c o g n i t i o n ，i m a g ep r o c e s s i n g ，c m o sc t l i n e r a ，u s b 浙江大学硕士学位论文 致谢 本论文的研究工作是在我的导师林斌副教授的悉心指导下完成的，我的每一点 进步无不倾注着导师的心血。林老师渊博的知识、丰富的科研经验、精辟的学术见 解、严谨的治学作风，都是我学习的榜样。在完成论文之际，我谨向导师表示衷心 的感谢，感谢他几年来对我的关怀与教诲。 衷心感谢陆祖康教授、徐向东教授、叶子博士、倪旭翔博士、连华硕士在课题 工作中对我的各种帮助和支持，在他们的谆谆教导和亲切关怀下，我顺利的完成了 课题工作。 特别感谢王立强博士、郭福源博士、闻人青青硕士、陈伟硕士、黄玲硕士、郑 仙斌硕士、黄桂灶硕士和已经毕业的黄梅珍博士、苏伟硕士等的帮助和支持。 感谢光电9 9 硕的各位同学对我的帮助，非常怀念和全班同学度过的2 年多的求 学生活。 最后我要感激我的父母和家人，感谢他们对我工作学习的理解与支持以及生活 上无微不至的关怀。 浙门人学帧十学位论文 第一章绪论 1 1 引言 本章着重介绍人眼虹膜识别技术的生理学基础、诞生、发展及背景、研究意 义，并阐述了本论文完成的工作。 1 2 虹膜识别的生理学基础 虹膜是指眼睛的瞳孑l 之外、巩膜以内的环形组织，由几层组成：最内层由 图1 1虹膜外观图 上皮细胞构成，它的外层是两块相协调的肌肉，用于控制瞳孔。再外层是基座层， 由胶状相连组织( 弯形) 构成，与这一层相连的是放射性的螺旋状血管。最前面的 一层是外部边界层( 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，包括腺窝、皱褶、色素斑等，是人 体最独特的结构之一。不同人种由于虹膜前部色素细胞的吸收不一而形成不同外观 颜色。 不同眼睛的虹膜结构是不同的，证明这一点主要有两方面的证据”1 ：一是眼科 医生和解剖学家的临床观察；二是不断发展的生理学证明虹膜的一般结构由遗传基 渐ij 凡。# 姐1 学位论文 因决定。它的细微结构因环境( 如往胚胎中) 而形成，因此通过自然环境作用不太 可能复制。人眼虹膜一般到1 2 岁左右就基本上发育到足够尺寸，进入比较稳定的 阶段，可保持数十年没有多少变化。而且虹膜前部有角膜等组织保护，要人为改变 虹膜结构，需要非常精细的外科手术。并且耍冒视力受损伤的危险。 础。 图1 2虹膜组织结构图 虹膜的高度独特性、稳定性及不可更改的特点是虹膜能用作身份识别的物质基 1 3 虹膜识别技术的诞生、发展 人类在追寻文档、交易及物品的安全保护的有效性与方便性经历了三个阶段的 发展。 第一阶段也就是最初的方法，是采用大家早已熟悉的各种机械钥匙。 第二阶段是由机械钥匙发展到数字密钥，如登录上网的个人密码( p a s s w o r d ) 以及用银行自动提款机所需的身份识别码( p i n - - p e r s o n a li d e n t i f i c a t i o n n u m b e r ) 、身份证( i dc a r d s ) 或条形码等，它是当今数字化生活中较为流行的一 种安全密钥系统。但银行信用卡、汽车加油卡、购物卡、电话卡、上网卡等为人们 带来了密码的烦恼：如果每张卡的密码都不同，难免会忘掉了一两个；如果每张卡 的密码都一样，一旦失密，就会全军覆灭。 浙江大学硕士学位论文 随着2 1 世纪的来临，随着现代信息技术的发展和人类对生物特征的研究，出 现了第三代身份验证技术生物特征识别技术 3 “。 生物特征识别技术是依靠人体的身体特征来进行身份验证的一种解决方案，由 于人体特征具有不可复制的特性，这一技术的安全系数较传统意义上的身份验证机 制有很大的提高。人体的生物特征包括虹膜、指纹、声音、面孔、视网膜、掌纹、 骨架等，虹膜识别技术就属于当中的一类。 有记载的首先使用虹膜识别技术作为身份验证的是法国人类学家贝迪永( 1 8 5 3 1 9 1 4 ) 所描述的是当时在巴黎监狱中依靠虹膜的颜色来分辨关押的犯人 2 。 2 0 世纪后半叶以来，现代信息技术特别是计算机技术迅猛发展，在2 0 世纪 8 0 年代，f l o m 和s a f i r 最早提出了真正意义上的自动虹膜识别系统的概念 2 ，他 们在1 9 8 7 年申请了美国专利。 1 9 9 3 年，英国剑桥大学的j o h n6 d a u g m a n 教授研究了基于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，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 1 7 。而后，美国普林斯顿d a v i d s a r n o f f 研究中心的r i c h a r dp w i l d e s 教授研究了采用多尺度匹配识别方法的虹 膜识别系统o 3 。1 9 9 7 年，澳大利亚q u e e n s l a n d 大学的b o l e s 提出了一种基于小 波变换过零检测的虹膜识别方法，有效的克服了漂移、旋转、比例缩放及环境亮度 变化和噪声给系统带来的影响 6 9 。 目前，欧美一些高技术公司己经具备了自动虹膜识别系统产品的研制能力， 部分产品已经在欧美一些发达国家得到了小规模的商业应用。 1 4虹膜识别技术的优越性 与指纹等其他几种生物特征相比，基于虹膜特征的生物识别技术具有其独有的 优越性： 1 世界上没有两个人的眼睛虹膜是一模样的。因为不同人之间的虹膜具有随 机的细节特征和纹理图像，瞳孔周围的虹膜具有复杂的结构，能够成为独一无二的 标识。虹膜组织是一种织物状的各色环状物，每个虹膜都包含一个独一无二的基 于像冠、水晶体、细丝、斑点、凹点、射线、皱纹和条纹等特征的结构。采用 浙江大学硕士学位论文 d a u g m a n 的方法，虹膜识别可达到1 7 3 个自由度，而一般指纹识别只有3 5 个自 由度”。这使得虹膜的构成千变万化，几乎不可能重复，就是同一个人的左右两 眼，其细节特征也不相同。统计测试表明n “，虹膜识别的错误率仅为1 2 j 。 2 虹膜特征在人的一生中均保持相当高的稳定性，不易病变，一般性疾病不会 对虹膜组织造成损伤。不可能在对视觉无严重影响的情况下用外科手术改变虹膜特 征，更不可能将一个人的虹膜组织特征改变得与某特定对象的特征相同，而指纹可 以采用外科手术的方法比较容易的进行改变。 3 虹膜的结构还不具有遗传性，即使是同卵双胞胎，虹膜也各不相同。 4 虹膜识别的进行具有无侵犯性，摄像机对用户的眼睛进行扫描，即得到虹膜 图像并进行识别，无需像获取指纹一样需要手指的接触。 5 瞳孔的缩放使虹膜组织具有活体组织的显著特征，可以有效的防止人工伪 造，而指纹等其他生物特征没有这方面的功能。 1 5 当前虹膜识别技术的应用范围与前景 由于虹膜识别技术的优越性，他在金融、电子商务、安全保卫等各个方面都具 有极大的应用前景。虹膜识别产品将可广泛应用于电子金融、电子贸易、网络安全 领域，用于金库、海关、地铁、机场等通道控制系统，用作计算机用户的开机口 令，用于居室安全，用于缉查信用卡犯罪、a t m 机犯罪及其它电子金融犯罪，用 到驾驶证、公民身份证上，还可用于国家安全和国防安全领域。 1 在金融业方面，各种冒名顶替、以假乱真、伪造欺骗的事件时有发生，给 金融机构、企业造成了极大的损失。2 0 0 0 年2 月1 日出版的环球半月刊杂志 报道，在德国，仅1 9 9 7 年便有5 7 万名事主因存款、贷款、股票等提取密码泄露 而蒙受重大经济损失。虹膜识别技术将轻而易举的对金融客户的身份进行识别。据 媒体报道，英国剑桥大学的j o h ng d a u g n n a n 教授研制出的世界上第一台人眼虹膜 识别机已被英国第三大银行一国民西敏士银行买断，并装配到其自动提款系统中。 美国名为“虹膜扫描”( i r i s c a n ) 的高技术公司研制出的虹膜识别系统已经应用 4 浙江大学硕士学位论文 在美国德克萨斯州联合银行的：j 个营业部内。另外，n c r 公司和迪堡( o i e b 0 1d ) 公 司【! 王有类似的产品得到应用。 2 随着i n t e r n e t 的迅速发展，电子商务已成为潮流。在2 1 世纪，伴随着电 子商务的不断发展和普及，全球电子交易一体化将成为可能。“数字化经济” ( d i g i t a le c o n o m y ) 初具规模，电子银行及电子货币的研究、实施和标准化开始普 及。然而，开放的信息系统必然存在众多潜在的安全隐患，黑客和反黑客、破坏和 反破坏的斗争仍将继续。在这样的斗争中，安全技术作为一个独特的领域越来越受 到全球网络建设者的关注。基于虹膜识别技术的身份认证系统能够确保网络客户的 身份，对电子商务和网络安全将起到重要作用，其前景不可估量。 ：j 在安全保卫方面，基于虹膜识别的身份认证系统也有着广泛的应用价值。 如美国眼票公司设计的“虹膜通行证”己于2 0 0 0 年6 月9 日在美国北卡罗来纳州 夏洛特道格拉斯国际机场正式启用。它使用最新眼睛虹膜识别技术来管理航空公司 的机场职员进出的限制区域，不仅可以大大减少机场的身份检验工作量，还可有效 保障机场和乘客的安全。 2 0 0 1 年9 月发生在美国的“9 l1 ”恐怖袭击事件以来，全球性的反恐怖、安全 问题越来越受到各国政府和民众重视，虹膜识别系统等一系列身份认证系统必将得 到越来越大的市场发展空间。 1 6 本论文完成的工作和已发表的成果 虹膜识别系统是一个比较复杂的系统，包括图像采集、图像传输、图像存 储、图像识别等几个环节。 l 人 图1 3虹膜识别系统框图 浙江大学硕士学位论文 本论文完成的工作包括： 1 完成了虹膜图像的采集工作：采用数字式c m o s 图像传感器o v 7 1 1 0 ， 分辨率达到6 4 0 4 8 0 ，8 位灰度数字输出。 2 完成了图像传输工作：设计开发了基于a n c h o r 公司的e z u s b 接口芯片 a n 2 1 3l 的u s b 外设解决方案，采用u s b 传输方式实现了图像传感器 o v 7 11 0 与计算机主机的数据传输，传输速度达到8m b i f f s 。采集的图像数 据在计算机中存储。 3 完成了虹膜图像的图像分割，即虹膜内、外边界的模型化工作：根据虹膜 的灰度分布特点采用灰度投影方法对瞳孔中心进行粗定位：对传统h o u g h 变换进行虹膜图像分割的缺点进行了分析，提出采用局部寻找边缘结合邻 域判断的方法寻找若干虹膜内、外边界点进行圆拟合，从而实现环形虹膜 分割。 4 完成了虹膜图像归一化工作：即去除环形虹膜中的干扰部分( 上、下扇 形) ，将虹膜图像从扇形转换为梯形结构，并归一化为矩形。 5 完成了虹膜匹配识别的研究；采用求相关系数的方法，对若干虹膜图像样 本进行分析和计算，验证了采用相关系数法进行虹膜识别的有效性，并分 析了用于识别的虹膜面积占整个虹膜面积的比例对识别的影响。 已发表的成果： 一种基于虹膜识别技术的便携式身份认证系统( ) ) ，光电子 激光( 1 0 u r n a lo f0 p t o e l e c t r o n i c s l a s e r ) ，2 0 0 1 年第1 2 卷第1 0 期 本论文受教育部高等学校骨干教师资助计划资助 浙江大学硕士学位论文 第二章虹膜识别原理及系统 2 1 引言 虹膜识别属于模式识别这一范畴，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。本章简单介绍了模式识别的相关 理论，叙述了包括英国剑桥大学的j o h ng d a u g m a n 教授、美国普林斯顿d a v i d s a r n o f f 研究中心的r i c h a r dp w i l d e s 等人关于虹膜图像采集、虹膜图像定 位和分离、虹膜识别的方法和原理，并提出了本论文的虹膜识别系统采用的的 方法和原理。 2 2模式识别的基本概念【l “伽 “模式”( p a t t e r n ) 是一个客观事务的描述，是指建立一个可用于仿效的完 善的标本。它广泛存在于自然科学如图像、文字、声音、物体等和社会科学如 经济模式、政治模式等。 “模式识别”( 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、 归类、识别出事物与哪个供仿效的标本相同或相似。 2 2 1 模式识别系统介绍 典型的模式识别系统如图2 - - l 所示。 中 图2 1 模式识别系统框图 如果输入的是图像信息，那么该系统就成为典型的图像识别系统框图。其 1 图像数据获取 指通过图像输入设备实现，常用的图像输入设备有电视摄像机、微密度计、 7 浙江大学硕士学位论文 扫描鼓等。它将景像光学灰度信号转换为模拟电信号，并经a d 变换为数字图 像信号。一般耍求转换的电信号线性度好，噪声小，分辨率高，转换速度快。 2 预处理 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，一般硬进行滤波、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 提供必要的基础。 3 特征提取和选择 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。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1 1 1 个特征，则物理模式可用个m 维特征向量描述，表现为m 维欧 式空间中的一个点。m 维特征向量表示为： 牙= g i ，z 2 ，z m ) 丁 ( 2 一1 ) 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。 4 决策分类 这是模式识别的理论与方法要解决的关键问题。一般的讲，决策分类没有 能不能进行的问题，因为毫无根据的“瞎猜”也可以认为是一个“决策”。所以 模式识别的任务是如何作出最优决策问题。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，当已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( 训练) 、调整，以达到满意的决策函数表达式，作为决策分类的依 浙江大学硕士学位论文 据。 2 2 2模式识别的主要理论和方法 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。 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 统计模式识别是基于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。目前 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b a y e s 决策、n e y m a n - - p e a r s o n 决策等；另一类基于距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”、“温和、剧烈” 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 塑翌查兰堡主堂垡丝奎一 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。 神经网络分类器的基本框图如图2 2 所示。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，再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，直到达到期望目标为止。 出) 图2 - - 2神经网络分类器框图 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，它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 3 d a u g m a n 的虹膜识别系统 d a u g m a n 采用窄视场成像光学镜头、中等分辨率的摄像头、点光源照明、 l c d 反馈显示辅助物方位置校正的方式采集虹膜图像：通过求o a u s s i a n 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h a m m i n g 距离得出识别结论。 浙江大学硕士学位论文 2 3 1虹膜采集系统 d 。册。的采集系统包括光源、成像镜头、摄像头、光束分离片、l c d 显示 和图像帧采集器等。 它的镜头f = 3 3 0 r a m ，工作距为1 5 4 6 i i l l n ，采用的是窄视场镜头，景深较小 ( 约1 0 m m ) ，采集的虹膜图像在虹膜半径尺度上为1 0 0 - - 2 0 0 p i x e l s 。 采用l e d 点光源照明，因此在采集的虹膜图像中有点光源的反光，屏蔽了 该位置的虹膜图像，这需要在后一步的匹配识别当中把这一部分去除。 在该系统中，虹膜最佳的对焦位置需要用户自己用移动眼睛在摄像头前的 位置实现。摄像头将连续采集虹膜的图像并在l c d 面阵上显示，以提示用户移 动眼睛的部位。当成像有足够的锐度时自动采集虹膜图像样本。 图2 - - 3 d a u g m a n 的虹膜采集系统 2 32虹膜定位与分离 假设，k y ) 为坐标为g ，y ) 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：k ，j ，。) ，半径为：r 的圆。 通过求 导g p ) + 挚 ( 2 2 ) 1 1 塑坚查兰堡主兰堡笙兰 一 _ h - _ _ _ _ _ - _ _ _ _ _ _ - - _ _ _ - _ _ - _ - _ _ _ _ _ _ 的最大值求上述三个参数。 其中：g ( r ) ：( 1 西一( ( r m ) 2 2 0 2 ) ( 2 3 ) 为( k t u s s i n n 算子，用于平滑图像， 代表卷积。 2 3 3 虹膜特征编码和识别1 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g ，y ) 转化为极坐标的形 式( ，0 ) ，转化公式为： yx(，r,，口9)=：(11-一r)xp(p0)+r，)，xi，(p0)r)yp ) 2 4 ) 1 y ( ，口) = ( 1 一p ) + ，) ，p ) 。 其中：r t o ，40 【o ，2 ，r 】 b ，p l y ，p ) ) ，p ) p ) ) 分别代表在e 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e 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 e y e r 等人创导了小波潮流，将一维信号 多尺度的分解成自相似的小波族，这些小波族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 小波系列，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：一系列的小波族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一一这如同傅立叶变换里选取一些能羹比较集中( 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： h ( r ，口) = e - i t o ( o 一b 一( ，一r o ) 2 加2 。一j p 一铴) 2 p 2( 2 5 ) 其中a 、b 共同变化，且与u 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( ，0 ，0 0 ) ，位嚣参数为( ，0 ，0 0 ，口，国) 。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， 浙江大学硕士学位论文 区域p ，护) ，得到的系数大小用两个位来表示：婀 3 ) 胁l ，蚓胪9 一妒) 。一p - p ) a 。一f p 一妒) 2 p 2 。j ( p ，妒拗p 。 p ，妒 胁。，彬 舻7 卯p 一妒k 一( ，一p ) 2 a 2 。一f p 一妒) 2 p 2 。，c p ，妒妇妒l ，= 1 7 在此基础上第二步采用h o u g h 变换的方法得到模型化的虹膜内边缘( 瞳孔 边缘) 和虹膜外边缘( 巩膜边缘) ，即两个圆方程。 定义h o u g h 变换为： h ( x c , y c ，) = h ( x i ，竹，耽，y c ，) ( 2 - - 1 4 ) ，= l 其中： ( x j , y j , x c , p ，) = 亿g ，眠磁”，= 。 g ，溉耽，y c , ，) = 一x c ) 2 + 一弦) 2 一，2 对于某一个边缘点，刃) ，= 1 ，以，当 g ( x j ，埘，y c ，) = 0 ( 2 1 7 ) 时的0 。，y 。，) 代表了一组在边缘点在圆上的的圆模型。因此，当h o u g h 变换达 到最大值时的0 。，y 。，r ) 就是最理想的圆模型。 这样，将hx c ，y c ，) 作为一个与x c , y 。，r 对应的数列，计算他的值，取其中 的最大值所对应的0 。，y 。，) ，从而获得了表征虹膜内边缘或外边缘的圆的参 数。 2 4 3虹膜识别( 匹配) 嘲 对于图像i ( x ，y ) ，w i l d e s 的系统使用映射函数( u ( x ，y ) ，v ( x ，y ) ) 将获 得的虹膜图像，。0 ，y ) 映射为虹膜库中存储的虹膜图像屹0 ，y ) ，更精确的说就 是求： ( ，d 0 ，y ) 一i 。g 一”，y v ) ) 2 出砂 ( 2 一1 8 ) 砂 的最小值。 ) ) 5 6 一 一 2 2 ( ( 堕婆查兰壁圭兰笪垦皇 一 设6 为尺度因子，巾为旋转因子，r ( 中) 为表征旋转的矩阵，变换前的图像 ( 即采集的虹膜图像) 坐标为：( x ，y ) ，变换后的图像( 即存储的虹膜图像) 坐标为：0 ，y ) ，那么变换为： ( 烈；卜r 糊 ( 2 一1 9 ) 通过迭带最小法求得参数6 和中。 在将采集的虹膜图像和库存的虹膜图像尺度和旋转统一后，w i l d e s 的系统 使用了从g a u s s i a n 的l a p l a c i a n 变换( l o g ) 衍生来的各向同性带通滤波器组 一专( t 每p 伍2 ( 2 - 2 0 ) 对图像进行处理。其中。为标准偏差，p 为图像上的点到滤波器中心的射线距 离。 在实际应用中，设图像为1 ， w = 【1 46 4 1 1 1 6 ( 2 2 1 ) 为模板， w：wtw(2-22) 为二维模板，形成低通滤波图像： 觑= 缈+ 瓤一l n 2 ( 2 2 3 ) g o = ， ( 2 2 4 ) ( ) l2 代表对在每一个图像维度上系数为2 的缩小采样。 同时，图像的扩大通过插值和膨胀采样，即 l k = g k 一4 w + ( g + 1 ) t2 ( 2 2 5 ) ( ) f2 代表在原始图像的行和列上系数为2 的膨胀采样。 这样形成4 个序列的采样结果( 为l a p l a c i a n 算子的形式) 。 设p l p ，】p 2 p ，】为两个n x m 尺寸的图像阵列，设： i j l = ( 1 r a n ) p l i ( 2 2 6 ) 浙江大学_ 唾士学位论文 o 1 2 卜，兰缈h 1 ) 2 ( 2 2 7 ) 其中“l 和ol 为图像p l 的平均值和标准方差，同样定义u2 和o2 ，那么 p 1 和p 2 之间规一化的相关系数为： , m ( p l i ，卜, u l 2 【j ，j - - 2 ) 三生兰一( 2 - - 2 8 ) n m c r l f f 2 将获得的4 个序列采样所得到的图像按8 8 的像素块与储存的相应的虹膜 图像的8 x 8 像素块进行求归一化相关系数的工作，那么每一个采样图( 对应某 一个频率带) 得到一组相关系数值，作为一个评价因子。在识别结果的确定中， 需要联合这4 个评价因予，采用f i s h e r 的线性区分方法，得到最后的结论。 2 5 本论文的虹膜识别方法 本章已介绍的j o h ng d a u g m a n 基于g a b o r 变换的虹膜识别方法和r i c h a r d p w i l d e s 的多尺度匹配识别的虹膜识别方法，算法均比较复杂。 从生理学的角度来讲，虹膜的不同在于虹膜具有随机的细节特征和纹理图 像( 基于像冠、水晶体、细丝、斑点、凹点、射线、皱纹和条纹等特征的结构) ， 结构复杂，能够成为独一无二的标识。 和指纹等不同，对虹膜细节特征进行分类比较困难，因此进行特征编码这 一方法进行识别效果不良，难度较大。而虹膜的相关性较强，有较长的相关长 度m 1 。待识别的两个虹膜样本的相关系数“3 将能够很好的反映两虹膜纹理特征 的相似性。 因此，可以通过求若干虹膜图像样本两两之间的归一化相关系数，对归一 化相关系数值进行分析，得到一个合适的归一化相关系数闽值，作为虹膜识别 的判断标准。 设已经归一化用于图像匹配的两图像的图像强度为，g ，y ) 和i x ，y ) ，lo i 为图 像的面积，则相关系数 c 胪而丽 ( 2 2 9 ) 塑翌查兰塑主兰堡堡兰 其中： ( = j j ，( x y ) 一e 【，( x ，y ) b x ，g ，y ) 一e 【，( x y ) l k s d y ( 2 3 0 ) “v ) e d ( 1 = g i ( x ，y ) - e i ( x ，j ，) b 2 蚴 b ，y ) e d c 1 7 ，= j ，g ，y ) 一e 1 1 0 ，y ) b 2 d x d y b ，y ) e d 斯洲2 网1g ，黪，y 蚴 帆卅阿1k 磐，y 脚 ( 2 3 1 ) ( 2 一： 2 ) ( 2 3 3 ) ( 2 3 4 ) 对照一般模式识别系统的结构，本论文的虹膜识别系统运行流程为： 图2 6 虹膜识别系统运行流程 具体步骤为： 1 对虹膜a ，b 进行数字化采集，传输到计算机主机当中。 2 对采集的虹膜图像分别进行预处理、分割、归一化得到虹膜样本a ，b 。 ： 求样本a ，b 的相关系数 浙江大学硕士学位论文 4 根据相关系数值的大小得出识别结论，即虹膜a ，b 是否是同一虹膜。 其中步骤2 即虹膜图像预处理、分割、归一化。如何有效的对虹膜图像进 行预处理、分割、归一化也是虹膜识别技术的一个重要方面，本论文采取的具 体方法为： ( 1 ) 对采集的虹膜初始图像进行平滑滤波、锐化等操作进行图像预处理。 ( 2 ) 采用边缘检测加邻域判断得到若干虹膜内外圆的边缘点，并进行拟合 完成虹膜环形图像分割。 ( 3 ) 提取环形图像的一部分( 扇形) ，转换为梯形结构，并进行线性插值， 完成虹膜图像从环形到矩形的转换和归一化。 从图中可以看到，虹膜识别系统在物理结构上可分为图像采集系统和图像 识别算法实现系统两个大部分。本论文的三、四章将对这两部分作详细的论述。 浙江大学硕士学位论文 第三章虹膜图像采集系统的原理设计及实现 3 1 引言 本章主要叙述虹膜图像采集系统的设计要求、采集机构、成像器件、传输 方式等。 3 2 采集系统的总体设计 虹膜图像采集系统的采集对象是人眼虹膜，采集的目的是将虹膜图像数字 化，快速传输到计算机主机端并存储，以供图像识别的实现。总体设计要求如 下： 1 图像传感器必须具有足够的分辨率和锐度。 2 采集到的图像必须有适当的亮度和足够的对比度。 3 采集的虹膜图像必须是有足够的像素数量的灰度图像。 4 采集时对人的非侵犯性和舒适度。 5 采集系统体积不能太庞大。 6 图像传输必须保证快速、低误码率，并尽可能实时。 目前比较流行的图像传感器包括7 0 年代发展起来的新型半导体器件一电荷 耦合器件c c d 和近年来发展起来的具有超小型、低功耗、价格低廉、成像质量 良好等特点的c m o s 型图像传感器。其中c m o s 型图像传感器有如下优点： 1 集成度高，可将图像传感器阵列、驱动和控制电路、信号处理电路、a d 转换电路、全数字接口电路等集成在一起，可实现单芯片成像系统。 2 工作电压低，功耗小。 3 由c m o s 图像传感器组成的成像系统价格低廉。 由于具有这些优点，本论文选用了o m n i v i s i o n 公司的o v 7 11 0 作为图像传 感器。o v 7 11 0 为灰度数字式c m o s 型图像传感器，其分辨率可达到6 4 0 x 4 8 0 ， 试验证明该种程度的分辨率可以保证比较完善的反映虹膜的细节，足够用以识 别判断。 浙江大学硕士学位论文 人眼镜头图像传感器和u s b 接口芯片单元 图3 l虹膜采集系统示意图 与r s 2 3 2 ，r s 4 8 5 等其他传输方式相比较，u s b 具有传输速度快、接口灵活、 与p c 连接方便等特点。本论文采用e z u s b 的u s b 外设方案实现采集的虹膜图 像数字信号到主机的u s b 传送。使用的u s b 接口芯片为a n c h o r 公司的a n 2 1 3 l ， 它支持u s b l 0 版本，支持的最高速度可以达到1