（信号与信息处理专业论文）基于小波变换的虹膜识别算法研究.pdf

摘要 摘要 随着信息技术的发展和日益增长的对安全的需要，基于生物特征的身份识别 技术在近年来有了迅速的发展。由于生物识别技术利用了人体的某些具有终身不 变性与唯一性的特征，使得这种技术不但具有极高的可靠性，而且操作方便快捷， 同时不存在诸如密码、卡片式身份鉴别方式中的密码泄密或卡片遗失的隐患。 在人体的各种生物特征中，如指纹、脸型、步态、语音、虹膜等等，由于虹 膜结构的特殊性，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具有前途的生物识别技术之一。 虹膜识别主要包括了图像采集、预处理、特征提取和模式匹配几个部分。本 文研究虹膜识别算法，主要是针对预处理、特征提取和模式匹配，其中关键是预 处理中的定位算法和特征提取算法。 本文首先介绍了虹膜识别技术的诞生、发展以及研究现状，对虹膜识别算法 中比较著名的算法，作出介绍和分析。然后，针对定位算法中，存在着定位速度 慢、外边缘定位不准的问题，提出一种改进算法：通过分析图像灰度特点，设定 阈值，将图像二值化后，提取边缘；再利用增加步骤、减少搜索次数来提高定位 速度。在特征提取方面，提出利用高斯函数的一阶导数作为小波，通过小波变换 对信号作奇异性检测，然后根据信号奇异点位置的相似性实现虹膜识别。经实验 证明本文的定位算法速度较快、精度高，识别算法具有合理性和有效性。 最后指出虹膜识别技术中仍然存在的问题以及该技术的发展前景。 关键词：虹膜识别，虹膜定位，小波变换，奇异点 a b s t r a c t a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to ft h ei n f o r m a t i o nt e c h n o l o g ya n dt h ei n c r e a s i n g r e q u i r e m e n tf o rs e c u r i t y ，a u t o m a t e dp e r s o n a li d e n t i f i c a t i o nb a s e do nb i o m e t r i c sh a s b e e nr e c e i v i n ge x t e n s i v ea t t e n t i o no v e rt h ep a s td e c a d e t h eb i o m e t r i cr e c o g n i t i o n t e c h n o l o g yh a sv e r yh i g hr e l i a b i l i t y ，b e c a u s e j tb a s e so ns o m ep e r s o n a lu n i q u e c h a r a c t e r i s t i c sw h i c hd o n tc h a n g ef o r l i f e i na d d i t i o nt h et e c h n o l o g yh a sn o tt h eh i d d e n t r o u b l e s ，s u c ha sp a s s w o r dl o s s i na l lk i n d so fp e r s o n a lb i o m e t r i cc h a r a c t e r i s t i c s ，s u c ha sf i n g e r p r i n t ，g a i t ，v o i c e ，i r i s ， e t c t h ep e r s o n a lj d e n t i f i c a t i o nb a s e do nj r i sh a sm o r ea d v a n t a g e st h a no t h e r s c u r r e n t l y , i th a sb e e na g r e e dt h a tt h ej r i sr e c o g n i t i o nt e c h n o l o g yj sm o s tp r o m i s i n go n eo ft h e b 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 t h ep r o c e s so ft h ei r i sr e c o g n i t i o ni n c l u d e si r i si m a g i n g ，p r e t r e a t m e n t ，c h a r a c t e r i s t i c o b t a i n i n g ，a n dp a t t e r nm a t c h i n g ，a n do u rr e s e a r c hw o r km a i n l ya i m sa tp r e t r e a t m e n t ， c h a r a c t e r i s t i c so b t a i n i n g ，a n dp a t t e r nm a t c h i n g i nt h ep a p e rw ew i l li n t r o d u c et h eb i r t h d e v e l o p m e n ta n dc u r r e n ts i t u a t i o no f r e s e a r c ho nt h ei r i sr e c o g n i t i o nt e c h n o l o g ya n da n a l y z es o m ef a m o u sa l g o r i t h m s ，a n d t h e nw ew i l lp r o p o s eo u ro w na l g o r i t h m s i no r d e rt ot h ea c c u r a c yo fl o c a t i n gj r i s e x t e r i o re d g ea n dt h es p e e do fi r i sl o c a l i z a t i o n w ew i l lp r o p o s ea ni m p r o v e da l g o r i t h m b a s i n go nh i s t o g r a me q u a l i z a t i o na n dc o a r s e t o f i n e l o c a l i z a t i o n i nt h ea s p e c to f o b t a i n i n gc h a r a c t e r i s t i c sa n dm a t c h i n g ，w eu t i l i z e dw a v e l e tt r a n s f o i t n t od e t e c tt h e s i g n a lm u t a t i o n s a n dt h e nw em a t c h e dt h es i g n a lb a s eo nt h ec o m p a r a b i l i t yo ft h e m u t a t i o n ss oa st oo b t a i nt h er e s u l to fm a t c h i n g t h r o u 曲e x p e r i m e n t a t i o n s ，t h e a l g o r i t h mp r o p o s e di nt h i sp a p e ri sp r o v e dt ob ev a l i da n de m c i e n t a tt h ee n do fs o m ep r o b l e m se x i s t i n gi ut h i sp a p e rw i l lb ep o i n t e do u t ，a n dt h e nt h e g o o df u t u r eo ft h ei r i sr e c o g n i t i o nt e c h n o l o g yw i l lb ep r e d i c t e d k e y w o r d ：i r i sr e c o g n i t i o n ，i r i sl o c a t i o n ，w a v e l e tt r a n s f o r m ，m u t a t i o n 玎 图表目录 图表目录 图1 - 1 虹膜生理结构 图1 2 虹膜纹理 图2 - 1 虹膜识别工作流程示意图 图2 2 d a u g m a n 算法海明距离统计示意图 图3 - 1 八位灰度虹膜图像 图3 2 虹膜图像灰度直方图 图3 3 提取瞳孔边缘示意图 图3 - 4 计算图像中某点的坐标 图3 5 计算二值化阈值示意图 图3 7 虹膜定位效果图 图3 8 虹膜定位过程示意图 图3 - 9 归一化示意图 图3 1 0 计算圆环宽度 图3 1 1 归一化示意图 图3 1 2 直方图均衡化图像增强示意图 图4 - 1 两个图像相位相关性比较示意图 图4 2 小波变换突变点检测示意图 图4 3 特征信号生成过程 图4 4 高斯函数一阶导数 图4 5 特征向量比较 图4 6 半径方向特征归一化 图4 7 匹配结果概率分布 表1 - 1 几种生物识别技术性能比较 表3 - 1 定位算法运行时间比较 表4 - 1 相位相关匹配结果 表4 2 匹配测试数据 表4 3 识别测试结果 表4 - 4 测试结果分析 v “_ u m殂勉为拐篮卯凹如如勉鲳卯钙甜钙拍犍n 掩勰勰钉锣如 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 为获得电子科技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 确的说明并表示谢意。 签名：曼垦! 主日期：多，6 年5 ，月三f 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、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。本人授权电子科技大学可以将学位论文 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。 ( 保密的学位论文在解密后应遵守此规定) 签名：导师签名： 日期：z 口o 第一章绪论 第一章绪论 人的身份识别在现代社会变得越来越重要。开门不再用叮叮当当的钥匙串， 银行取钱也不必输入那些“安全”的密码，走遍全球更不用带着一堆总怕丢失的 卡；你的手就是钥匙、你的脸就是密码、你这个人就是地球村公民的身份证。这 就是生物识别，二十一世纪人类将拥有真正属于自己的身份证。生物识别技术将 彻底解决我们社会中任何有关身份识别的难题，在公安、国防、金融、保险、医 疗卫生、计算机网络等各个领域中都有广阔的应用前景，可靠、方便快捷是其最 吸引人的地方。 1 1 生物识别概述 1 1 1 什么是生物识别 提起生物识别技术，人们或许感到陌生，但如果说到指纹识别或者是虹膜识 别，就不免会想到侦探电影中破案人员依靠现场指纹进行罪犯确认、用指纹代替 密码开启保险箱，依靠眼睛对着一个小摄像机来取代钥匙开门等等。这就是被比 尔盖茨称之为2 1 世纪最重要的应用技术之一的生物识别技术，它正在步入我们 的生活中。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d n a 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。 1 1 2 生物识别的发展及现状 生物识别的历史可追溯到古代埃及人通过测量人的尺寸来鉴别他们，像这种 基于测量人体身体某一部份或者举止的某一方面识别技术一直延续了几个世纪。 而在公元前7 0 0 0 年到6 0 0 0 年以前，古叙利亚和中国，指纹作为身份鉴别已经开 始应用。考古发现，在这个时代，一些粘土陶器上留有陶艺匠人的指纹，中国的 一些文件上印有起草者的大拇指指纹，在j e r c h o 古城市的房屋中也发现留有砖匠 电子科技大学硕士学位论文 一对大拇指指纹的印记。 1 9 世纪初，科学研究发现了指纹的两个重要特征，一是两个不同手指的指纹 纹脊的式样不同，另外一个是指纹纹脊的式样终生不改变。这个研究成果使得指 纹在犯罪鉴别中得以正式应用，1 8 9 6 年阿根廷首次应用，然后是1 9 0 1 年的苏格兰， 2 0 世纪初其他国家也相继应用到犯罪鉴别中。2 0 世纪6 0 年代，由于计算机可以 有效地处理图形，人们开始着手研究利用计算机来处理指纹。从那时起，自动指 纹识别系统a f l s 在法律实施方面的研究和应用在世界许多国家展开，f b i 在6 0 年代末期开始使用一种自动识别指纹的设备，到在7 0 年代末期，已经有一定数量 的设备开始在美国大范围使用。用于商业的高级生物测定设备最早开始于2 0 世纪 7 0 年代，一种叫做i d e n t i m a t 的设备出现了，它通过测量手的形状和手指的长度来 用作识别的标志。 2 0 世纪8 0 年代，个人电脑、光学扫描这两项技术的革新，使得它们作为指纹 取像的工具成为现实，从而使指纹识别可以在其他领域中得以应用，比如代替陀 卡。现在( 9 0 年代后期) ，低价位取像设备的引入及其飞速发展，可靠的比对算法 的发现为个人身份识别应用的增长提供了舞台。 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。普遍性一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；唯一性和稳定性一 经研究和经验表明，每个人的指纹、掌纹、面部、发音、虹膜、视网膜、骨架等 都与别人不同，且终生不变；不可复制性一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、掌纹等生物特征就困难得多。 这些技术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。 1 1 3 几种主要的生物识别技术 1 1 3 1 指纹 指纹识别是目前最成熟、最方便、可靠、无损伤和价格便宜的生物识别技术解 决方案，已经在许多行业领域中得到了广泛的应用。 优点：第一是专一性强，复杂程度高：指纹是人体独一无二的特征，并且它们 2 第一章绪论 的复杂度足以提供用于鉴别的足够特征。第二是可靠性高：如果我们想要增加可 靠性，我们只需登记更多的指纹，鉴别更多的手指，最多可以多达十个，而每一 个指纹都是独一无二的，并且用户将手指与指纹采集头直接接触是读取人体生物 特征最可靠的方法。第三是速度快、使用方便：扫描指纹的速度很快，使用非常 方便；第四是设备小、价格低：指纹采集头更加小型化，可以很容易的与其他设 备相结合，并且随着电子传感芯片的快速发展，其价格也会更加低廉。 缺点：某些人或某些群体的指纹因为指纹特征很少，故而很难成像。此外，由 于现在的指纹鉴别技术都可不存储任何含有指纹图像的数据，而只是存储从指纹 中得到的加密的指纹特征数据；每一次的使用指纹时都会在指纹采集头上留下用 户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性。 1 1 3 2 掌纹 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。 1 1 3 3 面部 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 电子科技大学硕士学位论文 的接触。但相对来说，这套系统是可靠较差，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 效高速的扑捉面部图像，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。 1 1 3 4 语音 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。 1 1 3 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i n t e r n e t 上方便使 第一章绪论 用它。 1 1 36d n a 人体内的d n a 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d n a 外) 和永久性。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。d n a 鉴别方法主要根据人体细胞中d n a 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，同时有较好的防伪性。然而，d n a 的获取和鉴别方法( d n a 鉴别必须在 一定的化学环境下进行) 限制了d n a 鉴别技术的实时性；另外，某些特殊疾病可 能改变人体d n a 的结构组成，系统无法正确的对这类人群进行鉴别。 1 1 3 7 眼睛 分析眼睛的复杂和独特特征的生物识别技术被划分为两个不同的领域：虹膜 识别技术和视网膜识别技术。虹膜是环绕着瞳i l 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，因为角膜是不可见的， 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，因此在普遍推广应用上具有一定的难度。 1 1 3 8 其它 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。 电子科技大学硕士学位论文 1 2 虹膜的生理构造 人的眼睛近似球形，位于眼眶内。正常成年人其前后径平均为2 4 r a m ，垂直径 平均2 3 r a m 。最前端突出于眶外1 2 1 4 r a m ，受眼睑保护。眼球包括眼球壁、眼内 腔和内容物、神经、血管等组织。眼球壁主要分为外、中、内三层。外层由角膜、 巩膜组成。中层又称葡萄膜，色素膜，具有丰富的色素和血管，包括虹膜、睫状 体和脉络膜三部分。内层为视网膜，是一层透明的膜，也是视觉形成的神经信息 传递的第一站，具有很精细的网络结构及丰富的代谢和生理功能。 虹膜是受到保护的眼睛的内部组织。眼睛的外观图有巩膜、虹膜、瞳孔三部 分构成。巩膜即眼球外围的白色部分；眼丘中心黑色部分为瞳孔；巩膜和瞳孔之 间，如图1 - 1 中所示，圆环包含的区域即为虹膜。 图1 - 1 虹膜生理结构 虹膜有着丰富的组织细节，包含了丰富的纹理信息。如图1 2 所示，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，虹膜就基本上发育到足够尺寸，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多少变化。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。虹膜中由弹性纤维所构成的结构图案在人们出生之前就已 经形成，这种千姿百态的图案不仅是随机的而且是绝无雷同的。更令人感到惊讶 的是，不仅遗传基因完全相同的同卵孪生子的虹膜结构图案各异不一；即使是同 一个人，他左眼与右眼的虹膜结构图案也各不相同。由此可见，人眼的虹膜就像 第一章绪论 人的指纹一样完全，可以当之无愧地成为个人的身份识别标志。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。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，与脸形、声音 等非接触式的身份鉴别方法相比，虹膜具有更高的准确性。据统计，到目前为止， 虹膜识别的错误率是各种生物特征识别中最低的。基于虹膜的身份鉴别技术日益 得到学术界和企业界的重视。 瞳孔 虹膜卷绵轮 虹膜襞 瞳子l 缘 1 3 虹膜识别的优势 图1 - 2 虹膜纹理 环纤维 辐状纤维 睫状区 睫状突 基于虹膜的身份识别有如下优势： 1 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，并随着年龄的变化，保持不变； 2 每个人的虹膜纹理在人群中的分布是随机的或说是混沌的，因此可以说 是惟一的，另外，据研究我国单眼先天性无虹膜的发病率为1 ：5 6 1 1 5 。可见虹 膜识别技术适用人群广； 3 虹膜的形成依赖于胚胎中胚层的初始件，不受遗传的影响，即使是同样基 因型( 例如同卵双胞胎，甚至是同一个人的两只眼睛) ，二者的虹膜也是不相关 的； 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 不易被假冒，一般的外科手术不能改变虹膜的纹理： 电子科技大学硕士学位论文 6 在识别的过程中，不需要和被识别者物理接触，不会造成物理损害； 7 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。 下面我们将几种生物识别技术性能作一个比较： 表1 - 1 几种生物识别技术性能比较 从表1 1 中，我们可以看到，综合各种因素总体来看，基于虹膜的身份识别技 术比其他生物识别技术更具优势。 1 4 虹膜识别的发展历史及现状 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 n s a f i r 和l e o n a r d f l o r i n 首次提出了利用虹膜图像进行自动身份识别 的概念。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。1 9 9 3 年，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，实现了一个高性能实用的虹膜识别系统。目前，i r i d i a n 公司的产 品采用了d a u g m a n 的核心算法。随后，1 9 9 4 年r pw i l d e s 研制出基于图像登记 技术的虹膜识别系统【2 】o1 9 9 7 年形形b o l e s 等人用小波变换进行虹膜的识别，并 取得好的结果【3 1 。最近，法国人t i s s ee ta l 提出用瞬时相位技术提取虹膜特征的方 法：韩国人l i me t a l 等人用二维小波变换实现了虹膜的编码。在国内，虹膜识别 第一章绪论 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。2 0 0 0 年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 4 j1 5 1 ；2 0 0 2 年，中国科技大学也实现了虹膜识别 演示系统。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， 并取得较好的结果【6 儿”。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。 目前虹膜识别技术的应用还处于初级阶段，产品种类很少，价格高，使用也不 太方便。但随着研究工作的不断深入，大量方便、廉价、实用的产品将不断涌现， 虹膜识别产品将会得到愈来愈广泛的应用。 1 5 本课题的主要研究意义和内容 虽然指纹识别是目前生物识别中比较流行的技术，但是无论是识别精度，还 是安全性，虹膜识别都比指纹识别更具优势。另外，指纹容易受磨损、划伤、非 法获取等外部因素干扰，因此基于虹膜的身份识别技术更具发展前景。虹膜识别 的研究与应用方兴未艾，市场更是为这项技术的发展提供了广阔的舞台。 在对国内众多虹膜识别算法研究进行了深入分析后，研究了一种利用小波检 测信号奇异性原理的虹膜识别算法。本文的工作主要包括： 1 虹膜图像的预处理。包括虹膜定位、虹膜图像归一化、虹膜图像增强三个 步骤。其中，虹膜的定位，本文采用三步定位的方法。首先通过灰度投影粗定位， 然后采用圆模板匹配方法定位瞳孔，再根据提取虹膜灰度值，设定阈值，将图像 二值化，提取到外边缘，最后实现虹膜定位。另外，关于虹膜的归一化，是将虹 膜图像中的每一个点一一映射到极坐标中，目的是将每幅原始图像调整到相同的 尺寸和对应位置，从而消除平移、缩放和旋转对于虹膜识别的影响，本文中归一 化进行了两次：延半径方向和延圆弧方向。由于非均匀光照的影响，将会影响纹 理分析的效果。为了更好地提高识别效果，采用了对展开后的虹膜图像进行直方 图均衡化，实现图像增强。 2 特征提取及编码。在归一化中，我们作了延圆弧方向和延半径方向两次归 一化。对于延圆弧方向归一化的纹理图像，我们采取每5 x 5 个像素点作为一个分 块，并求得分块灰度均值，然后将求得的像素点分块均值连接起来作为延圆弧方 向的特征信号，1 ；对于延半径方向归一化的纹理图像，我们采取每5 x 3 个像素点 作为一个分块，并求得分块灰度均值，然后将求得的像素点分块均值连接起来作 电子科技大学硕士学位论文 为延半径方向的特征信号厂，。我们将两个方向的特征信号连接成一个特征信号， 然后利用小波检测信号奇异性原理，以高斯函数的一阶导数作小波，对特征信号， 在两个尺度下作小波变换，在小波变换结果中，检测模极大值，确定奇异点( 突变 点) 位置，将奇异点设为1 ，其它点设为0 ，得到特征编码。 3 特征编码匹配。由于本文研究的算法是采取对特征信号的奇异点位置相似 性比较，因此在分类器问题上，没有作过多探讨。仅需对特征编码作相似性比较， 事实上就是比较特征信号的奇异点位置的相似程度，即可实现虹膜识别。 虽然国内的虹膜识别技术起步相对较晚，并且国际上众多的科研机构、公司 已经在这个领域有了成熟的技术，甚至已经实现商业产品，但是虹膜识别技术因 其在生物识别技术中的优势以及市场对这项技术要求的不断提高，势必推动我们 在这个领域继续探索、改进、创新。 l o 第二章虹膜识别的原理介绍 第二章虹膜识别的原理介绍 虹膜识别属于模式识别范畴，一般分为图像数据获取、预处理、特征提取和 选择、决策分类等几个步骤。本章介绍模式识别的相关理论，以及虹膜识别理论 中的经典算法，包括英国剑桥大学的j o h ng d a u g m a n 博士的相位编码算法、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 d p p c z l d e s 等人基于拉普拉斯金字塔的图 像匹配法以及b o l e s 等人基于一维小波的过零点检测法。 2 1 模式识别的概念 模式是一个客观事物的描述，是指一个可用于仿效的完善标本【8 】o 它广泛存在 于自然科学，如图像、文字、声音、物体等，以及社会科学，如经济模式、政治 模式等。“模式识别”是指对表征事物或现象的各种形式的( 数值的、文字的和逻 辑关系的) 信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的 过程，是信息科学和人工智能的重要组成部分【9 1 。 2 2 虹膜识别过程 图2 1 虹膜识别工作流程示意图 典型的虹膜识别流程如图2 - 1 所示【1 0 】。虹膜识别的工作流程并不复杂：第一 步，由一个专用的摄像头拍摄虹膜图像；第二步，专用的算法会将虹膜的可视特 电子科技大学硕士学位论文 征转换成一个虹膜代码( i r i sc o d e ) ：第三步，识别系统会将生成的代码与代码库中 的虹膜代码进行相关比较，当相似率超过某个边界值时，系统判定检测者的身份 与某个样本相符，而如果相似程度低于这个边界值，系统就会认为检测者的身份 与该样本预期不符合。尽管这个过程说起来非常简单，但真正实现起来却必须首 先解决大量的技术问题，这些问题包括虹膜图像获取、预处理( 虹膜定位、消噪、 归一化、图像增强等) 、特征提取、编码及模式匹配。 2 2 1 图像获取 获取虹膜图像是虹膜识别过程中关键的一步。虹膜采集设备的优劣将决定所采 集虹膜图像的质量和使用方便性，影响识别过程的性能和应用，因此在虹膜识别 过程中，图像采集是非常关键的技术。 虹膜区域相对较小、颜色暗，而且眼睛对外部条件十分敏感，不易受到干扰。 采集设备必须精心设计，以满足实际应用的需要。首先，要求图像有足够的大小 和清晰度；其次，在不让使用者感到不适的前提下保证虹膜图像中的纹理对比度； 第三，不赢求使用者将眼睛置于固定位置上，尽量减少使用者的参与。 当前虹膜采集设备制作原理主要以英国剑桥大学d a u g m a n 博士提出的光线折 射式【1 1 】和美国l m l d e s 博士提出的光线散射式为主f 1 2 】。d a u g m a ”系统用3 3 0 m m 的 透镜，从1 5 4 6 m m 的距离摄取虹膜图像，采集到的虹膜图像直径在1 0 0 2 0 0 个 像素之间。w i l d e s 系统利用8 0 m m 的透镜，从2 0 c m 处摄取图像，图像直径大约 2 5 6 个像素。为了让参与者舒服，照明度尽可能低，因此光圈不能太小。两个系统 的孔径都是l c m ，都是利用摄像机的极限摄取速度，从而克服由于眼球的移动带 来的模糊。结果证明两种摄取装置所得图像的空间分辨率足以用来进行虹膜识别。 2 2 2 图像预处理 在实际获取的虹膜图像中，虹膜只占整个图像的部分区域。所以在对虹膜进 行分析处理之前，要把虹膜区域从图像中分割出来，去除对识别带来的干扰信息， 也就是虹膜定位。虹膜定位主要利用虹膜的内外边缘都呈现为近似的圆形，整个 虹膜纹理呈现为近似的圆环状的特点，通过搜索到内外两个圆来实现虹膜定位。 由于在采集图像时不可能将眼睛置于固定位置，且在不同的照明条件下瞳孔 的放缩程度不一样，所以要对定位出来的虹膜进行归一化，消除平移、放缩和旋 转给识别结果带来的影响。这一步骤可以看成将近似的圆环状的虹膜纹理拉伸为 第二章虹膜识别的原理介绍 大小一致的矩阵。 光照不均匀，可能导致虹膜纹理特征的提取不准确，同时由于噪声的存在， 虹膜纹理特征可能受到一定程度的影响。因此，对归一化后的虹膜纹理图像要作 图像增强、去噪声等处理。这样得到的纹理图像，就可以用以特征提取了。 2 2 2 1 虹膜定位 由于瞳孔、虹膜都呈现为比较标准的圆形，我们只要找到虹膜内外两个圆的 圆心和半径就可以确定虹膜的位置。从严格意义上讲，虹膜的内外边缘不是同心 圆，需要分别计算二者的圆心、半径。虹膜定位的精度和速度都有较高要求，定 位精度在很大程度上将影响识别的准确性，而定位速度将影响识别算法是否具有 实用性。 典型的定位算法主要有两种：一种是d a u g m a n 的圆模板匹配法，另一种是 h o u g h 变换法。 1 d a u g m a n 圆模板匹配法 圆模板匹配法由英国剑桥大学d a u g m a n 博士提出。根据虹膜图像中，灰度分 布由巩膜、虹膜至瞳孔呈现为递减的特点，从而利用圆形检测匹配器的方法分割 虹膜，其数学模型为： 一九。，g o ( ，) t 軎f 。鼍导出i 江， 其中，g 。( r ) = o i 幼盯) b 嘶训。2 一对图像作平滑滤波的高斯模板，o ，y ) 为像素 值，r 为圆周半径。其物理意义为：在搜索范围内，变换半径r 、圆心o 。，y 。) ，寻 找圆周上像素平均值梯度变化最大的圆。 2 h o u g h 变换定位法 首先通过边缘检测的方法得到瞳孔、虹膜的边缘，再利用虹膜是近乎圆环的 特点，应用h o u g h 变换得到圆环的内外半径，从而分割出虹膜。 传统的边缘检测算子有s o b e l 、p r e w i t t 、r o b e r t s 和k r i c h 等，大部分为局域窗 口梯度算子。由于它们对噪声敏感，所以对处理实际图像不太使用。近年来，很 多学者采用不同方法研究如何提取受噪声影响而劣化的图像变换。例如，基于二 阶导数零交叉点定位边缘的检测、利用梯度及局部极大值判断边缘、基于小波变 换及应用神经网络的边缘检测等。其中c a n n y 提出的最佳边缘检测算子是一具有 优良性能的边缘检测算子，在许多图像处理领域得到广泛的应用。 h o u g h 变换的目标是寻找一种从区域边界到参数空间的变换，用大多数边界 电子科技大学硕士学位论文 点满足对应的参数来描述这个区域的边界。h o u g h 变换的有点主要是对图像中的 噪声点不敏感，缺点是计算量大、占用内存大、提取参数受参数空间的量化间隔 制约。 2 2 2 2 归一化 为了消除拍摄图像大小、平移、旋转、瞳孔放缩等引起的虹膜大小不一及变 形，需要对定位后的虹膜图像作归一化处理，将虹膜纹理图像归一化为大小一致 的矩阵。虹膜定位完成后，虹膜的内外圆通常不是同心圆，以瞳孑l 圆心为中心发 出射线，与虹膜内外边缘的交点的坐标分别为 。p ) ，y ，p ) ) 和 。p ) ，y 。p ”，利用 下列公式： x ( r ，口) = ( 1 一r ) x 。( 疗) + ，x 。( 日) y ( r ，日) = ( 1 一r ) y f ( 日) + ，y o ( 口) ( 2 2 ) ( 2 - 3 ) 其中，r 【o ，1 ，o e o ，2 s t 】。该变换将虹膜图像中每个点0 ，y ) 一一映射到极坐标 ( r ，口) 中去，这种由直角坐标下的虹膜图像到极坐标下的映射可以表示为： l ( x ( r ，臼) ，y ( r ，日) ) 一i ( r ，口) ( 2 - 4 ) 其物理意义可以理解为：将大小不一的虹膜近似圆环，拉伸为一个标准大小的纹 理矩阵。 2 2 2 3 图像增强 由于设备的原因，使得虹膜图像上的光照不能完全均匀分布，这将影响纹理 分析的效果。为了更好的提高识别效果，需要对图像增强，减少非均匀光照的影 响。直方图均衡化是用一个灰度变换函数对输入直方图作修正，使修正后的图像 直方图趋于均匀，增大了图像灰度级的动态范围，通常使用该方法来增强图像的 对比度【1 3 】。 直方图均衡化的方法所使用的变换函数为灰度级累积分布函数r ( r ) ，设原始 图像灰度级为k ，s ( r ) 为变换后图像灰度分布函数，为图像中像素总数，( ) 为图像中灰度级为的像素总数，则： s ( r a = r ( 丘) 5 专荟( ) ( 2 - 5 ) 这样就得到一个近似均匀分布的图像，与原始图像相比，灰度分布值得到了 扩展。 1 4 第二章虹膜识别的原理介绍 2 2 3 特征提取 如何提取和表征虹膜纹理特征是虹膜识别的关键问题，它的处理结果直接决 定虹膜识别算法的成败。迄今为止，国内外主要的识别算法有：d a u g m a n 提出的 用二维g a b o r 复小波法提取虹膜纹理特征的方法【1 4 】；v m l d e s 提出的以多分辨率连 续l a p l a c i a n 小波来提取虹膜纹理特征的方法；b o l e s 以连续二进小波来提取虹膜 纹理特征的方法【1 6 】；谭铁牛等利用多通道g a b o r 滤波器和d a u b e c h i e s - - 4 小波提 取虹膜纹理特征的方法。现在介绍其中三种具有代表性的算法。 22 3 1d a u g m a n 算法 对于虹膜纹理特征提取，d a u g m a n 采用极坐标下的二维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 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 广到二维g a b o r 小波系列，这时二维g 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，选取一些能捕捉原始图像典型特征的小波， 这就如同傅立叶变换里选取一些能量比较集中的傅立叶展开项。对于不同的图像， 个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。 二维小波滤波器在极坐标下的形式为： 嘶，功= e 一“) e 七确) 2 7 “e 一( 8 喝) 2 伊( 2 - 6 ) 其中a 卢共同变换，且与方向。这样产生一组求积分形式的选择频率的滤 波器，中心位置在以，以) ，位置参数为( ，0 ，o o ，a ，卢，) 。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r ，口) ，得到的 系数大小用 。，h 。) 表示： i f 雹俨础嘲e 叶刊1 一e 一帅户伊i ( p , q 0 ) ,