（通信与信息系统专业论文）基于emd的虹膜识别算法研究.pdf

t h er e s e a r c ho ni r i sr e c o g n i t i o nb a s e do ne m d b y y u z i j i a b e ( a n h u ia g r i c u l t u r a lu n i v e r s i t y ) 2 0 0 8 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o r t h ed e g r e eo f m a s t e ro f e n g i n e e r i n g l n c o m p u t e ra p p l i c a t i o nt e c h n o l o g y 1 n c h a n g s h au n i v e r s i t yo fs c i e n c e & t e c h n o l o g y s u p e r v i s o r p r o f e s s o rl if e n g m a r c h ，2 0 1 1 i l ll li ll lli l l li ii illi y 18 8 4 3 6 7 长沙理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名：哥舌甲日期：加l f 年岁月z 6 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权长沙理工大学可以将本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 和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密囤。 ( 请在以上相应方框内打“ ) 作者签名：哥钾 翩虢芴吁 日期：加f 7 年夕月巧日 日期：加f f 年夕月z e 日 摘要 随着当代社会信息技术的发展，对安全性的要求越来越高。生物识别技术对 于提高信息的安全性具有重要作用，可广泛应用于很多领域。虹膜识别是生物特 征识别的一个重要组成部分。与其他的生物识别技术相比，虹膜识别具有稳定性、 唯一性、可采集性、非侵犯性等诸多优点。 本文首先详细地分析和总结了虹膜识别系统的主要组成部分，并对虹膜识别 系统中的关键算法进行了较为深入的研究，并且在此基础之上提出了一些新的思 想和算法。本文的主要工作和创新点如下： ( 1 ) 提出了一种改进的e 肋算法，该算法采用了分段幂函数插值算法来生 成包络线并对端点进行延拓，实验证明改进的e 旧算法能有效地解决e m d 分解过 程中的过冲现象和端点的飞翼现象，使得e m d 分解更加准确有效。 ( 2 ) 提出了一种基于b e m d 的虹膜图像增强算法，实验表明，该方法不仅 突出了虹膜纹理图像的细节信息，而且有效地抑制了噪声信号。 ( 3 ) 提出了一种基于e m i ) 的虹膜特征提取算法。该算法先通过e m d 分解将 虹膜纹理图像分解成一系列固有模态函数( i n t r i n s i cm o d ef u n c t i o n ，i m f ) ，然 后从中确定适合于虹膜识别的i m f 分量作为特征向量。这些 m f 分量表示了虹膜 纹理的重要信息。实验证明该算法可以有效地提取虹膜特征并且具有很好的识别 效果。 关键词：生物特征；虹膜识别；虹膜定位；特征提取；虹膜匹配 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 yi nc o n t e m p o r a r ys o c i e t y , t h e d e m a n d sf o rs e c u r i t ya r eb e c o m i n gm o r ea n dm o r ei m p o r t a n t t h et e c h n o l o g yo f b i o m e t r i c si d e n t i f i c a t i o nh a sa ni m p o r t a n te f f e c to ni m p r o v i n gt h ei n f o r m a t i o n s e c u r i t y , c a nb ew i d e l yu s e d i nm a n yf i e l d s i r i sr e c o g n i t i o ni sa ni m p o r t a n t c o m p o n e n to fb i o m e t r i ci d e n t i f i c a t i o n c o m p a r e dw i t ho t h e rk i n d s o fb i o l o g i c a l r e c o g n i t i o nt e c h n o l o g y , i r i sr e c o g n i t i o nh a s t h ef o l l o w i n ga d v a n t a g e s ：s t a b i l i t y , u n i q u e n e s s ，c o l l e c t i o na n dn o n i n v a s i o ne t c t h i st h e s i sf i r s tg i v e sd e t a i l e da n a l y s i sa n dc o n c l u s i o nt om a i nc o m p o n e n to fa n i r i sr e c o g n i t i o ns y s t e m ，t h e ns t u d i e ss o m ec r u c i a la l g o r i t h md e e p l y t h et h e s i sa l s o p r o p o s e ss o m en e wa l g o r i t h m sb a s e do na b o v ew o r k t h em a i nc o n t r i b u t i o n so f t h i s w o r ka r ea sf o l l o w s ： f i r s t l y , t h ei m p r o v e de m p i r i c a lm o d ed e c o m p o s i t i o na l g o r i t h mw a s i n t r o d u c e d i nt h i sp a p e r t h ea l g o r i t h mu s e dp i e c e w i s ep o w e rf u n c t i o nt og e n e r a t ee n v e l o p e c u r v e sa n de x t e n d i n gt h e i re n dp o i n t s e x p e r i m e n t ss h o w e dt h a tt h ei m p r o v e de m d c a ne f f e c t i v e l ys o l v eo v e r s h o o tp h e n o m e n aa n de n d p o i n tw i n gp h e n o m e n o ni nt h e d e c o m p o s i n gp r o c e s s ，m a k et h ee m d m o r ep r e c i s e l y s e c o n d l yan o v e l i r i si m a g ee n h a n c e m e n ta l g o r i t h mb a s e do nb e m di s p r o p o s e d e x p e r i m e n t ss h o w e dt h a tt h i sm e t h o dc a n n o to n l ye n h a n c ea ni r i st e x t u r e i m a g e sd e t a i l sb u tc a na l s oi n h i b i t e dt h ea f f e c to f n o i s ee f f e c t i v e l y t h i r d l yi n t h i sp a p e r , a ni r i sf e a t u r ee x t r a c t i o nm e t h o db a s e do ne m dw a s p r o p o s e d ，i nw h i c hi r i ss i g n a li sd e c o m p o s e di n t os e v e r a li n t r i n s i cm o d e f u n c t i o n sb y e m d f i r s t l y a n dt h e ns e v e r a li m f ss u i t a b l er e p r e s e n t t h em o s ti m p o r t a n t , i n f o r m a t i o n o fi r i si m a g e s t h ee x p e r i m e n t ss h o wt h a tt h ec h o s e ni m f sc a nr e d u c en o i s e i n t e r f e r e n c ea n de x t r a c tt h ei r i sf e a t u r e se f f e c t i v e l ya n dt h ep r o p o s e da l g o r i t h mc a n a c h i e v ea ne x c e l l e n tp e r f o r m a n c e k e yw o r d s ：b i o m e t r i c s ；i r i sr e c o g n i t i o n ；i r i sl o c a l i z a t i o n ；f e a t u r ee x t r a c t i o n ； i r i sm a t c h 目录 摘暑要i a b s t r a c t i i 第一章绪论 1 1 引言l 1 2 生物特征识别技术1 1 2 1 生物识别技术的定义1 1 2 2 典型的生物识别技术2 1 3 虹膜识别的国内外研究动态及市场分析5 1 3 1 虹膜识别的国内外研究动态5 1 3 2 虹膜识别的市场分析6 1 4 本论文研究的内容8 1 4 1 本文主要的创新性工作8 1 4 2 本文的内容安排8 第二章虹膜识别系统 2 1 虹膜结构1 0 2 2 虹膜识别系统的结构1 1 2 3 虹膜图像采集1 2 2 3 1 虹膜图像的采集系统1 2 2 3 2 几个应用广泛的虹膜数据库1 3 2 4 虹膜识别研究的难点1 4 2 5 几个经典的虹膜识别系统15 2 6 本章小结2 0 第三章在极坐标下的虹膜定位算法 3 1 极坐标下圆的特点2 1 3 2 极坐标的转换2 2 3 3 基于极坐标的虹膜定位算法2 3 3 4 实验结果分析2 4 3 5 本章小结2 5 第四章e m d 改进算法及在虹膜图像增强中的应用 4 1 弓l + 占2 6 4 2 改进的e m d 算法2 6 4 2 1e m d 的简介2 6 4 2 2 改进的包络线算法一2 7 4 2 3 实验结果分析2 9 4 3 虹膜图像归一化处理2 9 4 4 基于b e m d 的虹膜图像增强算法3 2 4 4 1 二维经验模式分解( b e m d ) 3 2 4 4 2 算法步骤3 3 4 4 3m a t l a b 实验仿真一一3 4 4 5 本章小结3 6 第五章基于e m d 的虹膜特征提取及匹配 5 1 引占3 8 5 2 常用的虹膜特征提取算法3 8 5 2 1 基于二维g a b o r 滤波的特征提取算法3 8 5 2 2 高斯拉普拉斯金字塔4 0 5 2 3 基于过零点检测的方法4 2 5 2 4 基于多通道g a b o r 滤波的特征提取算法4 3 5 3 基于e m d 的虹膜特征提取算法4 4 5 3 1e m d 算法4 5 5 3 2 特征提取4 6 5 3 3 编码及匹配4 6 5 3 4 实验结果分析4 7 5 4 本章小结5 0 总结与展望5l 总结。51 展望5 2 参考文献5 3 致谢5 8 附录a ( 攻读学位期间所发表的学术论文) 5 9 1 1 引言 第一章绪论 近年随着科学技术信息化的发展及安全的需要，生物特征识别技术越来越引 起国内外学术的高度重视。国家自然科学基金委员会和国家高技术研究发展计划 都将生物特征识别技术作为一个重要的发展方向，并且实施了大量相关的研究项 目。生物特征识别技术( b i o m e t r i c s ) 是利用人体固有的生理特征( 如虹膜、人 脸、指纹、掌纹、声音等) 或行为特征( 如步态、笔迹等) 进行识别的一种技术。 在各种生物特征识别技术中，虹膜识别( i r i sr e c o g n i t i o n ) 是凭借其唯一 性高、稳定性强、可采集性强等优点被认为是最准确可靠的生物特征识别技术之 一。本文对虹膜识别技术中的虹膜定位、虹膜归一化、虹膜图像增强、虹膜特征 提取及匹配等进行了深入的研究，提出了一些新的算法，并将本文提出的算法与 传统的算法进行了对比分析，实验结果表明，本文的算法在某些方面取得了更好 的效果。 本章首先介绍了生物识别技术的概念和几种常用的生物识别技术的优缺点 并且对它们做了很详细地比较，说明虹膜识别技术是最重要的生物特征识别技术 之一，然后分析了虹膜识别的发展历史、现状以及应用前景。最后是本文的创新 点和各章节的安排。 1 2 生物特征识别技术 1 2 1 生物识别技术的定义 随着数字信息化的飞速发展，信息的安全性越来越显示出前所未有的重要 性。如何准确无误地鉴别身份，保护信息安全是当今信息化时代亟待解决的一个 关键问题。目前广泛使用的身份证、口令、信用卡号等传统方法由于其存在容易 丢失、携带不便等诸多问题已远远不能满足当代社会的需要。基于生物特征的身 份识别技术具有稳定性、便捷性等优点，近几年已成为身份鉴别的热点，尤其是 在近期发生的各种恐怖袭击事件以后，世界各国的政府和人们都认识到了生物识 别技术的重要性，这促进了生物特征识别技术的快速发展。 到底什么是生物识别技术? 所谓生物识别技术n 1 就是通过计算机利用人体 所固有的生理特征或行为特征进行个人身份鉴定的技术。生理特征是与生俱来 的，多为先天的，例如：人脸、指纹、虹膜、掌纹等。而行为特征则是日常习惯 形成的，多为后天形成的，例如：步态、笔迹等。我们将生理特征和行为特征统 称为生物特征。生物特征识别技术与传统的身份识别方法( 如身份证、密码、钥 匙等) 相比主要有以下优点：( 1 ) 无需记忆、不易丢失；( 2 ) 防伪性好，不易伪 造或破解；( 3 ) 稳定，使用便捷。 任何特征能够作为生物特征用于身份识别都必须满足以下条件圆： ( 1 ) 普遍性，即是每个人都具有的特征。 ( 2 ) 唯一性，任何两个人的此特征都不相同，这样才能根据此特征鉴定身份。 ( 3 ) 可采集性，即是可将特征方便的获取并量化。 目前国内外研究和使用的生物特征识别技术主要有：指纹识别、手形识别、 人脸识别、掌纹识别、签名识别、声音识别等。文献 3 对各种生物特征识别技 术的性能进行了比较，如表1 1 表1 1 几种生物识别方法技术指标的比较 生物特征普遍性唯一性稳定性方便性准确性可接受性防伪性 人脸识别 高低中 高低高低 指纹识别中高 鼍 中高中高同 语音识别中低低中低高 低 签名识别 中中 中 亡r 中 中中同 虹膜识别高高高中 高 低 高 由表1 1 可以看出，虹膜作为重要的生物识别特征之一，具有普遍性、唯一 性、可采集性等优点【4 】。随着科学技术的发展，非接触式的生物特征识别技术是 身份识别研究与发展的必然趋势。虹膜与人脸、声音等非接触式的身份识别方法 相比具有更好的准确性。根据文献 5 】中的统计表明，虹膜识别的错误接受率f a r 和错误拒绝率f r r 是各种生物特征识别中最低的【6 ，7 】。因此，基于虹膜的生物识 别技术越来越得到学术界和企业界的重视i s 。 1 2 2 典型的生物识别技术 目前研究最多、具有广阔应用市场的生物识别技术有：指纹识别、人脸识别、 2 耳廓识别、虹膜识别、手形和掌纹识别、声音识别、签名识别、步态识别等。生 物识别技术主要利用了个体之间具有的特征差异，对用户进行身份识别。下面对 典型的生物特征识别技术进行简单介绍并分析其各自的优缺点。 1 ) 指纹识别 在生物识别中，应用最早而且最为广泛的是指纹识别，指纹识别主要是通过 分析指纹的局部特征和全局特征对身份进行识别，其特征点主要有脊、谷、终点、 分叉点和分歧点等。指纹识别作为一种身份识别技术已经由来已久，有着很广泛 的市场。 指纹采集设备非常小巧，价格较低而且技术成熟。随着指纹识别技术的发展 及产品不断的推广，不但广泛地应用在人们熟知的刑侦、保安、金融等领域以及 笔记本电脑和手机等设备中，而且很可能进入居民身份证，为人们提供网上交易 身份的认证。作为最常用、最成熟的生物识别技术，指纹识别有其突出的优点： 稳定性和唯一性。但是其也存在诸多缺点，比如：指纹图像采集属于接触式采集 方式，会涉及到疾病传染等必须要考虑的问题；指纹常用于犯罪侦察中，这使得 有些人不愿意接受这种识别方式；手指的皮肤有伤疤、长茧、皮肤干燥、老皮肤、 手指窄小和输入传感器被污染等情况都会影响指纹图像采集，这些干扰因素都会 直接影响最终的识别效果。 2 ) 人脸识别 人脸识别是近期非常重要的一个研究领域，其具有更方便、直观以及友好的 特点，是最容易被接受的识别方法。人脸识别采集的图像可以通过静止或是动态 两种方式得到。它是先通过检测确定人脸的位置，然后分析面部特征的形状、位 置和模式，再与数据库中的人脸特征参数进行比较，根据比较结果进行身份的确 定。 人脸识别主要包括人脸检测和人脸识别两部分，第一部分是根据处理的图像 不同可分为基于彩色图像的人脸识别和基于灰度图像的人脸识别。在灰度图像中 主要通过整体面貌、模板和特征进行人脸检测，而彩色图像可充分利用颜色特征， 基于肤色不同对人脸进行模型识别，这对于提高人脸识别的性能起到了非常重要 的作用。 人脸识别技术的优点是：易于采集，无需用户的主动配合，可适用于非常隐 蔽地进行人脸检测、比对，直观性非常好，实现了可跟踪性，对每一次采集都能 保存一幅有时间的图像，能够动态更新人脸图像数据库，从而保证了在用户人脸 变化及环境改变的情况下仍然能够快速准确地进行识别。缺点是：稳定性差，极 易受周围环境的影响，通过整容和化妆可以很容易地改变人脸的特征，这将增强 人脸识别的难度，对于长相比较接近或是双胞胎的情况下基本无法识别。但由于 它对用户采用了最自然、最直观的方式，其具有无侵害性，是最易被认可的生物 特征识别技术。为了使得人脸识别系统性能更完善，其由二维人脸识别扩展到三 维是以后研究的一个重要方向。 3 ) 手形及掌纹识别 手形识别是利用手的外部轮廓构成的几何图形对身份进行识别的方法。手形 的几何特征包括：手掌宽度和厚度、手指长度、手指不同部位宽度等。手形在一 段时间内具有其稳定性。手形在识别的过程中，使用者必须和设备进行接触，所 以会带来卫生问题。 掌纹识别是利用手掌上的纹理特征进行身份识别的，掌纹特征稳定性较好， 其包括细节点、基本线、几何形状、褶皱和脊等特征。掌纹识别和和手形识别可 以结合进行识别，这样可以达到更高的识别率并提高了系统的性能。 4 ) 声音识别 声音识别是通过分析语音的唯一性特征，比如发音的频率等来进行识别的。 声音识别技术非常方便，只需要一个声音传感器即可完成声音的采集，系统的造 价低，并且可以通过电话进行鉴别，它是一种低成本但比较受欢迎的识别方法。 在这一领域的使用中，可以采用基于固定文字的声音识别、不依赖于文字的语音 识别、会话式的语音识别等。 声音识别技术的优点是：使用方便，可远距离控制，系统简单，只需要一个 话筒接受信号即可。缺点是容易被模仿、准确率低，应用的范围有限，而且声音 识别很容易受到背景噪声、情绪、身体状况的影响，同时，对声音录音也可以欺 骗识别系统。因此，声音识别系统的应用范围受到极大的限制。 5 ) 步态识别 步态识别是针对行走时的方式，是一种复杂的行为特征。虽然步态不是每个 人都不相同，但是其也提供了一定范围内的身份特征信息，可用在人脸、虹膜、 4 指纹等无法达到的远距离监控中。步态识别的输入是利用一段行走的视频图像序 列。步态识别的数据采集过程和人脸识别相似，其具有非侵犯性和可接受性。但 是，由于其序列图像的数据量很大，步态识别与采集数据的视角有关，计算复杂 度比较高，处理相对困难。步态识别虽提供了某种特征，但其并不具有独特性的， 容易被模仿。而且步态识别还依赖于人的穿着有关，这都会对步态特征提取产生 很大的影响。 1 3 虹膜识别的国内外研究动态及市场分析 1 3 1 虹膜识别的国内外研究动态 对于虹膜识别技术的研究最早可以追溯到1 9 世纪8 0 年代。1 8 8 5 年，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提出一种相对简单的使用虹膜进行 识别的思路，但是由于当时科学技术水平的限制，一直没有真正的虹膜识别系统， 直到最近的十几年虹膜识别技术才有了飞速的发展，1 9 3 6 年眼科专家f r a n k b u r c h 提出虹膜具有独特( 即唯一性) 的纹理信息，非常适合用来对身份进行识 别1 ；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 m 首次提出了利用虹膜纹理 图像进行虹膜识别的概念并申请了美国专利n 们，但是在他们的文献专利 1 0 中并 没有开发出相应的应用系统；1 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，这是至今文献记载的最早的一个应用系统；在 1 9 8 9 年，j o h nd a u g m a n 提出了一套虹膜识别算法1 1 ，并于1 9 9 3 年实现了高性能 的虹膜识别原型系统n 2 1 的建立，1 9 9 4 年，d a u g m a n 为此虹膜识别算法申请了专利 n 副。目前，大部分自动虹膜识别系统仍然使用的是d a u g m a n 的核心识别算法，世 界上第一台虹膜识别机也是由j o h nd a u g m a n 发明出来的；1 9 9 4 年r i c h a r dw i i d e s 也研制成功基于虹膜的身份认证系统。随后，虹膜识别作为一个热点领域深受广 大学者的关注，大量算法及系统也应运而生。 国内虹膜识别算法的研究工作开始得比较晚，1 9 9 9 年中科院自动化所模式 识别国家重点实验室的谭铁牛教授开始虹膜识别方面的研究，并在2 0 0 1 年开发 出具有我国自主知识产权的虹膜识别系统n 钔。同年，上海交通大学图像处理与 模式识别研究所也推出了自主研发的虹膜识别系统“钉。随后，大量学者、科研 机构和高科技公司加入虹膜识别的研究中，这推动了虹膜识别技术的飞速发展。 1 3 2 虹膜识别的市场分析 美国的i r i d i a nt e c h n o l o g y 公司是目前技术比较领先的虹膜识别技术厂商， 它的技术主要来源于英国剑桥大学d a u g m a n 教授的专利。目前，该公司开始和世 界一些先进的电子设备商如l g 、p a n a s o n i c 等公司合作并开发出了多款产品，产 品已在北美及欧洲得到实际应用，同时，i r i d i a n 公司已在美国、加拿大、欧洲、 亚太地区建立了分支机构，设立了很多销售代理商，积极开拓更有潜力的市场。 美国得克萨斯州联合银行的三个营业部已经安装i r i d i a n 公司研制出的虹 膜识别系统。储户办理银行业务，无需银行卡，更不用回忆密码。用户在该取款 机上取钱时，一台摄像机首先会对用户的眼睛扫描，然后将扫描图像转化为数字 信息与数据库中的资料核对，以对用户的身份进行核对。 美国眼票公司设计出的“虹膜通行证 已在2 0 0 1 年6 月9 日的美国北卡罗 来纳州夏洛特道格拉斯国际机场正式启用。该机场使用最新虹膜识别技术来管理 机场职员进出的限制区域，不仅大大减轻机场的身份检验工作，还有效保障机场 和乘客的安全。 韩国l g 和i r i s c a n 公司联合开发出的虹膜识别网络门禁系统i r i s a c c e s s t m 3 0 0 0 拥有功能强大的网络化系统管理平台，是一种智能化、高精度、网络化的 全新门禁系统。与其他门禁系统相比，该系统具有更高的安全性，且使用方便。 日本松下公司也推出了一个虹膜识别照相系统a u t h e n t i c 锄。这套新系 统使用了松下公司的照相机和i r i d i a n 科技的个人身份虹膜识别技术。松下公司 介绍说，该系统可用于包括自动银行业务、网络访问权限设置、信用卡核对、健 康卡管理以及身份认证等在内的所有安全技术应用领域。 2 0 0 3 年，阿布扎比( 阿拉伯联合酋长国之一) 宣布世界上第一套国家级的针 对被驱逐的外国人虹膜跟踪的虹膜识别技术开始启用，该系统自2 0 0 1 年开始建 设，它的主要目的是对阻止所有被阿布扎比所驱逐的旅游者及其他非法人员进入 阿布扎比。由于阿拉伯人的独特面相特征如胡须多等，以及被驱逐的人数众多， 如果没有这套系统，海关检查人员很难区分哪些是被驱逐的非法者。通过使用该 套系统，所有的非法入境者都被避免，最大限度地保证国家安全。 总之，虹膜识别技术已在各行各业开始了其应用，广阔的市场也极大地促进 了这项技术的发展。虹膜识别技术可广泛应用于电子金融和贸易、网络安全，还 6 可用于金库、海关、地铁、机场等通道控制系统、计算机用户的开机口令，居室 安全，稽查信用卡和a t m 机犯罪及其它电子金融犯罪，还可以用于国防安全领域 等等。根据工d c ( 国际数据集团) 的统计表明：截止至u 2 0 0 8 年，全球虹膜识别技 术及相关产品的市场份额将达n 5 0 亿美元。据中国生物认证中心的保守预测：在 未来五年中，仅在中国，虹膜识别技术的应用市场就高达4 0 亿人民币。如图1 1 所示，根据2 0 0 8 年生物统计市场报告显示：与生物特征识别相关产品的税收从 2 0 0 2 年的6 0 1 亿美元上升至u 2 0 0 5 年的2 1 9 9 亿美元，预计至l j 2 0 1 0 年将高达n 6 0 3 5 亿美元。如图1 2 所示，在2 0 0 8 年的市场占有率的比较中，虹膜识别占生物特征 识别市场份额的7 3 。随着虹膜识别技术的不断发展，虹膜识别的市场份额将会 明显的上升。 目前我国市场上也有多家致力于虹膜识别产品的公司，但国内的公司大多 代理国外产品，可自行生产虹膜识别产品的厂商仅少数几家。 图1 1 生物市场统计报告 图1 2虹膜市场份额 7 1 4 本论文研究的内容 1 4 1 本文主要的创新性工作 本论文首先详细地分析和总结了虹膜识别系统的主要组成部分，并对虹膜识 别系统中的关键算法进行了较为深入的研究。在此基础之上提出了一些新算法。 本文的主要工作和创新点如下： ( 1 ) 本文提出了一种改进的e m d 算法，该算法采用了以分段幂函数插值算 法来代替三次样条插值算法生成e m d 上、下极值包络线并对端点进行延拓，实验 证明改进的e m d 算法能有效地解决e m d 分解过程中的过冲现象和端点的飞翼现 象，使得e m d 分解更加准确有效。 ( 2 ) 虹膜区域图像经过归一化的图像质量直接影响了后续特征提取及匹配 的准确性。由于虹膜图像在采集的过程中可能会受到光照不均等干扰因素的影 响，这会直接导致虹膜纹理图像纹理不清晰。因此，在特征提取之前，必须对归 一化图像进行增强，以便于更好地对虹膜图像进行特征提取。传统的方法是通过 直方图均衡改变灰度值分布来提高图像的清晰度，而本文提出了一种基于b e m d 的虹膜图像增强算法。实验表明：该方法不仅突出了虹膜纹理图像的细节信息， 而且有效地抑制了噪声信号的影响。 ( 3 ) 本文提出了一种基于e m d 的特征提取虹膜识别算法。该算法先通过e m d 分解将虹膜纹理图像分解成一系列固有模态函数( i n t r i n s i cm o d ef u n c t i o n 。 i m f ) ，然后从中确定适合于识别的i m f 作为特征向量。这些i m f 分量表示了虹膜 纹理的重要信息。实验证明该算法可以有效地提取虹膜特征并且具有很好的识别 效果。 1 4 2 本文的内容安排 本文的内容顺序主要根据虹膜识别系统中算法的先后顺序来安排的。 第二章主要介绍了虹膜识别系统的流程及虹膜识别算法研究中的主要内容 和难点，并且详细分析和总结了几个经典的虹膜识别系统。 第三章主要介绍了本文采用的虹膜定位算法，考虑到虹膜识别系统的实时性 的要求，本文采用了基于极坐标下的虹膜定位算法。由于积分微分算子定位及 8 h o u g h 变换定位算法都要在三维空间进行搜索，计算复杂度很高，极大地降低了 虹膜识别系统的有效性，实验结果对比可以看出，本文采用的定位算法在保证了 虹膜定位的准确性的前提下，极大地提高了系统的实时性，改善了虹膜识别系统 的性能。 第四章主要介绍了一种改进的e m d 算法，该算法主要针对e m d 分解过程 中的过冲和端点飞翼问题提出的，实验证明改进的e m d 算法有效的缓解了e m d 分解中的过冲和欠冲现象。在此基础之上提出了一种基于b e m d 的虹膜图像增 强算法，并将该算法与常用的虹膜图像增强算法进行了比较，实验证明，该方法 不仅突出了虹膜纹理图像的细节信息，而且有效地抑制了噪声信号的影响。这更 便于后续工作中的虹膜特征提取，提高了虹膜识别的准确率。 第五章首先认真总结了几个比较好的特征提取及匹配算法，并在此基础之上 提出了基于e m d 的特征提取算法，该算法先通过e t d i ) 分解将虹膜纹理图像分解 成一系列固有模态函数( i n t r i n s i cm o d ef u n c t i o n ，i m f ) ，然后从中确定适合于 识别的i m f 作为特征向量。这些i m f 分量表示了虹膜纹理的重要信息。实验证明 该算法可以有效地提取虹膜特征并且具有很好的识别效果。 第六章主要是对本文进行的总结和展望。 9 第二章虹膜识别系统 虹膜识别系统主要包括虹膜图像获取、虹膜图像预处理( 虹膜定位、归一化、 虹膜图像增强) 、特征提取与匹配三个步骤，本章主要介绍了虹膜识别系统的流 程，并通过分析了几个经典的虹膜识别系统来说明其整个系统的过程。 2 1 虹膜结构 虹膜( i r i s ) 是眼球里一个内部的器官，位于角膜与晶状体之间，是黑色瞳 孔( p u p i l ) 和白色巩膜( s c l e r a ) 之间的环型部分，如图2 1 所示。虹膜直径 约1 2 m m ，厚度约0 5 m m ，根部最薄。虹膜的表面高低不平，有凹陷和皱缓。由于 虹膜血管分布不均匀，使得虹膜表面出现许多有规则的放射形条纹，其中有许多 互相交错的类似细丝、斑点、条纹、冠状等细微特征，这就构成了我们所谓的虹 图2 1 眼睛结构图 膜纹理信息，虹膜识别就是利用这些丰富的纹理信息作为重要的身份识别特 征。在近瞳孔约1 5 m m 处，有一条弯弯曲曲的环形隆起，如花边衣服，被称为虹 膜小环。由虹膜小环将虹膜大致分为两部分：靠近瞳孔的部分叫虹膜瞳孔部，靠 近虹膜根部的叫虹膜睫状体，如图2 2 所示。 l o 图2 2 虹膜纹理 虹膜有一个重要的特性，它的外边缘固定不变，但内边缘即瞳孔的边缘随着 外界光照强度变化而发生缩放。瞳孔的变化范围非常大，有时极度收缩时瞳孔的 直径可小于l m m ，而当极度扩张时可大于9 m m 。因此，在虹膜识别的过程中需 要考虑虹膜的伸缩性。 2 2 虹膜识别系统的结构 一个典型的虹膜识别系统通常由图像采集、虹膜图像的预处理( 虹膜定位、 归一化、虹膜图像增强) 、特征提取与匹配等3 个模块组成，如图2 3 所示。 虹 虹虹膜定位 膜 膜 图 虹 图 归一化像 膜 像 特 的 获 虹膜图像增强 征 模 取 提 式 虹膜预处理取 匹 配 虹膜特征数据库 图2 3 虹膜识别系统流程图 其中，图像采集是指连接到采集设备，即成像设备和辅助光源等；图像预处 理模块包括虹膜定位、干扰检测、归一化、图像增强；特征提取与匹配包括特征 提取、特征表示、匹配。下面对系统的构成及其研究内容进行简要介绍： 图像采集：虹膜图像采集直接影响后续虹膜定位及特征提取与匹配的效 果。其在大多数情况中，由于受到光照、噪音、遮挡等因素的干扰，所以 要采集到高质量的虹膜图像是一个较为困难的问题。 虹膜定位：从虹膜图像中检测出虹膜的存在并定位出其准确位置及虹膜区 域的过程。虹膜定位是虹膜识别系统的关键步骤，精确定位是虹膜识别有 效准确的前提。 虹膜纹理的归一化：由虹膜定位等到虹膜内外圆的半径及圆心坐标，然后 通过归一化将虹膜纹理展开成矩形的虹膜图像，并将虹膜调整为统一大小 和分辨率，减少虹膜图像中位置、瞳孔缩放、整体尺度对识别过程产生的 影响。 ， 虹膜图像增强：由于光照强度、聚焦程度等因素的影响，使采集到的虹膜 图像会出现对比度过低或图像亮度不均等情况，有时甚至导致纹理细节无 法辨别，这将严重影响虹膜识别算法的准确性，因此必须对采集的图像进 行去噪声、均衡背景照明、增强对比度等处理，以便为特征提取和匹配提 供可靠的条件。 特征提取与编码：主要是提取虹膜纹理中可用于虹膜识别的有效信息，并 对虹膜纹理特征进行编码。 匹配与分类：模式匹配采用与特征提取和表示策略相对应的模式分类方法 对虹膜图像进行分类，并将虹膜特征编码与数据库中的虹膜纹理特征编码 进行匹配，最后进行识别。 2 3 虹膜图像采集 2 3 1 虹膜图像的采集系统 虹膜图像采集是采用特制的数字摄像机对人的眼部进行拍摄并将获得的图 像通过图像采集卡储存到计算机中。虹膜图像获取是虹膜系统中的第一步，同时 也是比较困难的步骤，需要光、电、机技术的综合运用。由于眼睛面积比较小， 如果满足识别算法的图像分辨率要求，就要提高光学系统放大倍率，这样使得虹 膜成像景深较小，所以现有的识别系统需要用户的眼睛凝视镜头。此外，东方人 虹膜的颜色较深，使用普通的摄像头是无法采集可用的虹膜图像。与人脸、声音、 1 2 ) )、， ) ) ) l 2 3 4 5 6，llkl，l，l 步态等生物特征的获取不同，虹膜图像获取需要光学系统、必要的光源和电子控 制单元。 非接触虹膜图像采集要解决的几个关键问题： 1 ) 在设计过程中必须考虑系统采集的图像免受杂光的干扰： 2 ) 系统能有效使得使用者的眼睛位置能够保持稳定； 3 ) 系统能判断出使用者眼睛是否在准确的位置，包括眼睛是否在采集范围，以 及与镜头的距离是否合适。 为了克服干扰光源对识别系统的影响，虹膜系统采用红外线l e d 照明，而且 在图像传感器和摄像头之间加一个滤光片，只能l e d 的红外线通过，这样就有效 地阻止了杂光对采集系统的干扰。 为了减少系统操作的失误，摄像机镜头前加置了一片半透半反镜片，使用者 可通过此镜片观察自己眼睛的成像是否在半反镜的有效范围，如果不在用户可通 过自己位置的调整使得眼像调整在合适的位置。 2 3 2 几个应用广泛的虹膜数据库 1 ) c a d i a 虹膜图像库 目前国际上可共享的虹膜数据库是中科院自动化研究所的c a s i a 虹膜图像 数据库，包括1 0 8 只眼睛的7 5 6 幅图像，已有来自7 0 个国家和地区的2 5 0 0 多个 科研和商业团队申请实用，它已成为全世界虹膜识别研究的最重要的数据基础。 c a d i a 有三个版本，包括了1 0 0 0 0 多幅虹膜图像。它所实用的设备是中科院自 主研发的设备，实用红外光源，图像都是灰度图像，被采集者大都是亚洲人。采 集主要有两个阶段，时间间隔大约一个月。 c a s i a 是虹膜研究中使用最广泛的虹膜数据库，然而随着研究越来越深入， 它的缺点逐渐暴露出来。由于它的数据库中的图像都是在较好的环境下采集的， 图像过于完美，所以导致算法的识别率都很高。但是在实际情况下，系统采集的 图像效果很差，这将大大降低了系统的识别率，尤其是错误拒绝率很高 2 ) u b i r i s 虹膜图像库 u b i r i s 虹膜数据库是由葡萄牙的b e i r ai n t e r i o r 大学采集的，其中有1 8 7 7 幅 图像，被采集的有2 4 1 人，大都是西方人，是在可见光下拍摄的。由于白人色素 少并且呈浅灰色或蓝色，所以使用自然光或是红外光都可拍摄比较清晰的虹膜图 像。 u b i r i s 虹膜数据库的特点是：其与c a s i a 数据库的完美图像相比，它有更 好的复杂性。它包括了很多影响虹膜识别的实际因素，如睫毛、眼睑的遮挡；光 照不均；图像不聚焦；用户不配合等。因此，该虹膜数据库在算法测试上更具鲁 棒性。 3 ) b a t h 虹膜数据库 b a t h 虹膜图像库采集了来自4 0 0 只眼睛的8 0 0 0 幅图像。它采集的主要是 b a t h 大学的1 0 0 多个不同国家师生。它采用了红外光源，使用专门的视觉摄像采 集装置，图像质量较好。 4 ) i c e 虹膜数据库 i c e 虹膜数据库是由美国国家标准与技术研究院采集的，其中包括1 3 2 只眼 睛的2 9 5 3 幅图像。它也包括了不同质量的图像，如睫毛、眼睑的遮挡以及戴眼 睛或是隐形眼睛的图像等， 2 4 虹膜识别研究的难点 尽管虹膜识别系统的研究已经取得了阶段性的成果，但是大部分研究都是处 于较为理想的状况，为了进一步提高虹膜识别系统的性能及使用性，仍然有许多 困难，仍需要进一步研究改进，具体有以下几点： ( 1 ) 虹膜定位是虹膜图像预处理过程中的一个重要环节，虹膜定位的准确性不 仅是系统算法顺利进行的基础，而且对虹膜特征提取和匹配起到决定性作 用。由于虹膜定位算法占用了整个系统大部分的时间，所以提高虹膜定位 算法的运行速度就是提高整个系统的效率。实验证明，虹膜识别错误率高 主要是由于定位的有效区域不准确，由于有些虹膜图像睫毛较浓密或年老 导致的眼睑下沉等造成虹膜区域遮挡严重，以至于导致虹膜无法准确定 位