（通信与信息系统专业论文）基于纹理分析的虹膜识别算法.pdf

中国民航大学硕士论文 摘要 生物识别技术是一种以个人自身独一无二的生理特征为依据的个人身份鉴别技术， 由于虹膜具有丰富的、独特的纹理特征，因此，虹膜识别技术被认为是最稳定、可靠的 生物识别技术之一 目前，商用虹膜识别系统大部分是基于d a u g m a n 教授的专利基础上研发的，其识 别率达1 0 0 。但是，其图像采集要求在完全一致的光照、距离等条件下完成，图像之 间必须相互独立。 本文在总结了国内外主要的虹膜识别技术研究情况的基础上，得出了一种新的虹膜 识别算法，并采用了c a s i a 数据库验证了虹膜的唯一性和算法的有效性。 算法中，对传统的随机h o u g h 变换进行了改进，包括对图像的中值滤波、去除短枝 和孤立亮点以及截取子图法等，取得了良好的定位效果；之后，将图像归一化为尺寸相 等的区域，以消除图像平移、缩放带来的影响；通过一维l o g - g a b o r 滤波器相位的提取， 对虹膜的纹理特征进行编码，形成一个大小统一的虹膜二进制模板，以便于进行比较识 别，并采用了改进的海明距离分类器，既保留了传统海明距离分类器计算消耗小的优点， 又通过模板平移的处理方法，解决了旋转差异问题对虹膜匹配的影响；在此基础上，实 现了基于一维l o g - g a b o r 变换的虹膜识别算法。通过大量的实验验证，本文的虹膜识别 方法识别率达到9 9 7 5 7 ，证明了算法的有效性。 关键词；虹膜识别；生物识别；模式识别；g a b o r 变换：h o u g h 变换 中国民航大学硕士论文 a b s t r a c t ab i o m e t r i cs y s t e mp r o v i d e sa u t o m a t i ci d e n t i f i c a t i o no fa l li n d i v i d u a lb a s e do nau n i q u e f e a t u r eo rc h a r a c t e r i s t i cp o s s e s s e db yt h ei n d i v i d u a l i r i sr e c o g n i t i o ni sr e g a r d e da st h em o s t r e l i a b l ea n da c c u r a t eb i o m e t r i ci d e n t i f i c a t i o ns d t e ma v a i l a b l e m o s tc o m m e r c i a li r i sr e c o g n i t i o ns y s t e m su s cp a t e n t e da l g o r i t h m sd e v e l o p e db y d a u g m a n , a n dt h e s ea l g o r i t h m sa r ea b l et op r o d u c ep e r f e c tr e c o g n t i o nr a t e s h o w e v e r , p u b l i s h e dr e s u l t sh a v eu s u a l l yb e e np r o d u c e du n d e rf a v o u r a b l ec o n d i t i o n s , a n dt h e r eh a v e b e e nn oi n d e p e n d e n tt r i a l so ft h et e c h n o l o g y t h ew o r kp r e s e n t e di nt h i st h e s i si n v o l v e dd e v e l o p i n ga ni r i sr e c o g n i t i o ns y s t e mi no r d e r t ov e r i f yb o t ht h eu n i q u e n e s so ft h eh a m a ni r i sa n da l s oi t sp e r f o r m a n c ea sab i o m e 仃i c f o r d e t e r m i n i n gt h er e c o g n i t i o np e r f o r m a n c eo ft h es y s t e mt h ee y ei m a g e so fc a s i a i r i si m a g e d a t a b a s cw e r eu s e d t h ei r i sr e c o g n i t i o ns y s t e mc o n s i s t so fa na u t o m a t i cs e g m e n t a t i o ns y s t e mt h a ti sb a s e d o nt h er a n d o mh o u g ht r a n s f o r m , a n di sa b l et ol o c a l i z et h ec i r c u l a ri r i sa n dp u p i lr e g i o n , o c c l u d i n ge y e l i d sa n de y e l a s h e s , a n dr e f l e c t i o n s t h e e x t r a c t e di r i sr e g i o nw a st h e n n o r m a l i z e di n t oar e c t a n g u l a rb l o c kw i t hc o n s t a n td i m e n s i o n st oa c c o u n tf o ri m a g i n g i n c o n s i s t e n c i e s f i n a l l y , t h ep h a s ed a t a f r o m1 dl o g - o a b o rf i l t e r sw a se x t r a c t e da n d q u a n t i z e dt of o u rl e v e l st oe n c o d et h eu n i q u ep a t t e r no ft h ei r i si n t oab i t - w i s eb i o m e t r i c t e m p l a t e t h eh a m m i n gd i s t a n c ew a se m p l o y e df o rc l a s s i f i c a t i o no fi r i st e m p l a t e s , a n dt w o t e m p l a t e sw e r ef o u n dt om a t c hi fat e s to fs t a t i s t i c a li n d e p e n d e n c ew a sf a i l e d t h es y s t e m p e r f o r m e dw i t hg o o dr e c o g n i t i o nr a t e so f9 9 7 5 7 o l las e to f6 2 4e y ei m a g e so fc a s i a t h e r e f o r e , i r i sr e c o g n i t i o ni ss h o w n t ob ear e l i a b l ea n da c c u r a t eb i o m e t r i ct e c h n o l o g y k e yw o r d s ：i r i sr e c o g n i t i o n ；b i o m e t r i ci d e n t i f i c a t i o n ；p a t t e r nr e c o g n i t i o n ；g a b o rt r a n s f o r m ； h o u g ht r a n s f o r m u 中国民航大学学位论文独创性声明 本人声明所星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， 也不包含为获缛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 对本研究所傲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： 曼堡兰 e l 期： 丝1 2 ：主：膨 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：监导师签名：巧弛 中国民航大学硬士论文 1 1 引言 第一章绪论 在经济飞速发展、网络高度发达、人员交往和流动频繁的现代社会，如何准确而又 方便有效的进行个人身份鉴别成为人们日益关心的问题。据有关资料统计i l i ，在美国， 每年大约有上亿美元的福利款被人以假冒的身份领取；m a s t e r c a r d 公司每年约有价值四 亿五千万美元的信用诈骗案，其中就包括利用丢失和被盗用的信用卡犯罪；由于使用盗 窃的身份识别码，造成移动电话通讯的损失商达十亿美元等等。由此看来，有效地进 行个人身份的鉴别有着重大的社会意义和经济意义。 人类在个人身份鉴别方面不断的发展和进步，目前，身份鉴别的方法大致可以分为 三类： 1 、基于个人持有的物件，如钥匙、信用卡、身份证等； 2 、基于个人所知道的信息，如密码、用户名、身份识别码等； 3 、根据个人所固有的生理和行为特征，如脸型、指纹，语音、步态、视网膜等。 在第一类鉴别技术中，个人持有物件容易丢失或被伪造；在第二类鉴别技术中，个 人密码等易遗忘、记错或者被破译。不同于以上两类传统身份鉴别技术，在第三类鉴别 技术中，由于生物特征具有“人有各异、终生不变、随身携带”三个特点，具有稳定、 便携、不易伪造等优点，近年来基于生物特征的身份鉴别技术已经成为身份鉴别的热点。 虹膜识别作为生物识别技术中的后起之秀，在人们生活、工作的方方面面都显示了 它的优越性。虹膜的细节特征在人的一生中均保持稳定，虹膜图像在采集时具有无侵犯 性，每个虹膜都具有独一无二性，瞳孔的缩放使虹膜组织具有活体组织的显著特性等等， 使得虹膜识别的可靠性远远高于其他生物识别技术。 出于对国防安全的重大意义，虹膜识别的研究已经上升到了战略高度。2 0 0 0 年美国 国防高级研究项目署( r p a ) 就启动了远距离生物特征识别的研究项目。其中也包 括虹膜识别。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。“9 1 1 ”恐怖事件发生后，西方各国部加大了高性能身份认证技术的研发投入。 1 2 虹膜识别的研究意义 近几年来随着我国经济建设和信息产业技术的深入发展，国家公共安全和个人身份 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。目前应用比较普遍的生物识别技术主要有：脸形识别、指纹 中国民航大学硕士论文 识别、声音识别，手形识别、签名识别、虹膜识别、视网膜识别、步态识别等等。与指 纹等其他生物特征相比，基于虹膜特征的生物识别技术具有其独有的优越性： 1 、独一无二性。因为不同人之问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，凹点、射线 和条纹等特征的结构。 2 、低错误率性。从直径1 1 c m 的虹膜上，d a u g m a n 教授的算法用3 、4 个字节的数 据来代表每平方毫米的虹膜信息，这样，一个虹膜约有2 6 6 个量化特征点，而一般的生 物识别技术只有1 3 到6 0 个特征点。2 6 6 个量化特征点的虹膜识别算法在众多虹膜识别 技术材料中都有讲述，在算法和人类眼部特征允许的情况下，d a u g m a n 教授指出，通过 他的算法可获得1 7 3 个二进制自由度的独立特征点【4 1 在生物识别技术中，这个特征点 的数量是相当大的，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。统计测试表明嘲，虹 膜识别的错误率仅为l 2 1 7 3 ，是各种生物识别技术中最低的l 们。 3 、高稳定性。人的虹膜整体结构在8 个月的时候创建【埘，大概在2 3 岁的时候稳 定，在1 2 岁发育成熟之后就相当稳定，不易病变，一般的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的与特定对象的特征相同，而指纹采用外科手术的方法比较容易进 行改交。 4 、无遗传性。即使是同卵双胞胎，虹膜也各不相同。 5 、无侵犯性。虹膜采集时，用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，不需要物理接触。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。 6 、可检测活体性。人眼在被识别时，瞳孔会自然发生收缩扩大。虹膜纹理也就随 之变化，即是动态化的，由此采集的数据会有细微变化( 一定幅度内) ，但这种变化又 不影响同一识别，说明各虹膜纹理间是同步同比例在变化。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。 因此，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，但其尚待发展和完善的地方仍然很多，有必要对 该技术深入研究，期望能拥有自己的专利算法，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。 2 中国民航大学硕士论文 1 3 虹膜生物识别的诞生及其国内外发展现状 基于虹膜的身份识别思想最早可追溯到1 9 世纪踟年代。1 8 8 5 年，a l p h o n s eb e r t i l l o n 将利用生物特征识别个体的思路应用到巴黎刑事监狱。当时的生物特征包括：耳朵的大 小、脚的长度、虹膜等，受技术的限制，当时的虹膜识别主要依据颜色和形状信息，而 且信息通过人工观察获取。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 r a 首次提出对虹 膜图像进行自动识别【2 】，但他们没有开发出一个实际系统。到1 9 9 1 年，美国洛斯阿拉莫 斯国家实验室实现了一个自动虹膜识别应用系统，这是有文献记载的第一个虹膜识别应 用系统。随后1 9 9 3 年，英国剑桥大学的j o h nd a u g m a n 教授实现了基于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1 3 1 1 4 l ，这是一个高性能的自动虹膜识别 系统，层前大部分的自动虹膜识别系统使用d a u g m a n 的核心算法。之后，美国普林斯 顿d a v i d s a m o f f 研究中心的r i c h a r d e 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 5 1 。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 教授提出了一种基于小波变 换的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。 在我国，越来越多的科研工作者正投身于虹膜识别国产化的进程，虽然起步较晚， 但是部分研究成果已经达到了国际领先水平。中国科学院自动化研究所的模式识别国家 重点实验室是国内最早从事虹膜识别研究的单位之一，从1 9 9 8 年至今已经开发了三代虹 膜识别系统，包括虹膜采集装置、图像预处理、特征抽取和匹配等基本模块从硬件到 软件部实现了完全自主知识产权的目标，突破了早期西方国家的技术垄断与封锁。 1 3 1d 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g a u s s i a n 平滑后的圆形轮廓的梯 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。 1 3 2w i l d e s 的虹膜识别系统 w i l d e s 采用窄视场成像光学镜头、中等分辨率的摄像头、光源发出的光经散射片( 使 偏振态均匀分布) 和偏振片( 产生特定偏振态) 后照明人眼、偏振片过滤反射光、双圆 形轮廓辅助物方位置自校正的方法采集虹膜图像：通过g a u s s i a n 平滑化的一阶算子求边 缘，并使用h o u g h 变换获取虹膜内、外圆模型参数得到虹膜分割结果；对获得的虹膜图 像的半径和旋转角度参数微调，最小化它和已存储的虹膜样本之差，获取半径比例和旋 3 中国民航大学硕士论文 转角度，完成归一化；使用多尺度匹配方法，采用f i s h e r 的线性区分方法得到最后识别 结果。 1 3 3 谭铁牛研究组的虹膜识别系统 谭铁牛教授所在的中科院自动化研究所模式识别国家重点实验室，成功研制了一种 虹膜图像采集装置，并已获得使用新型专利【1 7 l 。在谭铁牛研究组研制的虹膜识别系统( 以 下称之为谭铁牛系统) 中，虹膜图像摄取采用了自主开发的装置；分别使用二值化与最 小二乘拟合的方法，求得虹膜内、外边缘；对获得的虹膜图像采用极坐标变换进行归一 化；特征提取采用g a b o r 滤波和d a u b e c h i 鼯4 小波变换等纹理分析方法；最终，采用方 差倒数加权欧氏距离的方法进行匹配识别。 1 4 虹膜识别技术的应用及前景 现在虹膜识别算法研究大多都是基于1 9 9 4 年d a u g m a n 教授申请的专利基础上1 1 1 l ， 世界上第一台人眼虹膜识别机也是d a u g m a n 教授发明出来的【1 2 1 ，该装置己被英国第三 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。由于虹膜识别巨大的优 势及潜在的商业价值，驱使国际上一些大公司，如松下、l g 、o k i 等国际著名公司和 许多科研机构，投入大量人力财力进行研究。目前，欧美一些高技术公司已经具备了自 动虹膜识别系统产品的研制能力，部分产品已经成功地用于大规模人群的身份鉴定，如 海关的出入境检查、社会福利发放、建筑物的进出控制、银行自动提款机等，如o l d 电 气工业公司与日本赛马协会联合研制的赛马虹膜身份鉴别系统；s i e m e n sn i x d o f f 公司又 着手把s e n s a r 公司的虹膜身份鉴别技术集成到他们的自动取款机上。从已经公布的大规 模实验室测试和实际应用的结果来看，虹膜是最可靠和最稳定的生物特征，国际虹膜识 别市场已经进入了高速发展期。 1 5 本论文的组织结构 虹膜识别技术主要分为虹膜图像的采集、图像的预处理、虹膜的特征提取、虹膜的 匹配与识别四个部分。由于采用了当前国际上最大的共享虹膜数据库c a s i a 数据库【捕】， 本论文的主要工作集中在后面的三个部分，针对每个部分的关键问题提出新的解决方 法。具体来说，本文的结构如下： 第一章绪论，介绍了虹膜识别的发展背景以及目前国内外现状，阐述了虹膜识别的 研究意义。 第二章虹膜识别的原理及系统结构，描述了虹膜的生理结构和特点，从而解释了虹 膜为什么能够用于个人识别，同时对虹膜识别系统的原理进行了概述，并描述了本文虹 4 中国民航大学硕士论文 膜识别系统的结构组成 第三章虹膜识别图像预处理，包括虹膜定位，虹膜图像归一化，虹膜图像增强等等。 第四章虹膜纹理的编码和匹配，包括虹膜纹理特征的编码算法以及匹配时所采用的 方法 第五章实验结果及其性能分析，对虹膜识别系统参数进行最优设定，并对系统性能 进行检验。 最后，在结论中。对本文的成果进行总结及提出对未来的期望。 5 中目民航大学硬士论文 2 1 引言 第二章虹膜识别的原理及系统结构 虹膜识别属于模式识别这一范畴本章简单介绍了虹膜的生理结构以及虹膜能够应 用于个人身份鉴别技术的基本依据，同时介绍了模式识别的相关理论基础，以及模式识 别系统的基本构成，最后，对本论文虹膜识别系统所采用的方法及其原理进行了概括性 描述。 2 2 虹膜的生理结构 人的眼球分为眼球壁和眼内容物两部分【1 3 l ，如图2 - 1 所示。眼球壁分为外、中、内 三层：纤维膜、色素膜、视网膜。最外层是纤维膜，由角膜和巩膜组成；中间层是色素 膜，富含色素和血管，颜色像紫色的葡萄，又叫“葡萄膜”，由前向后分别是虹膜、睫 状体、脉络膜；最里层是视网膜是形成视觉的重要结构。眼内容物包括房水、晶状体 和玻璃体三种透明物质 虹膜( i r i s ) 是受到保护的眼睛的内部组织，它处于角膜和水状液的后面、晶状体的 前面，呈扁圆盘状，中央是瞳孔( p u p i l ) ，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。虹膜是人体唯一能从外界明显看到的内部器官。 圈2 - 1 虹膜位置图 如图2 - 2 所示，眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球外围的 白色部分，约占总面积的3 0 ；眼睛中心为瞳孔部分，约占5 ；虹膜位于巩膜和瞳孔 之间，包含了最丰富的纹理信息。约占6 5 。虹膜与巩膜、瞳孔的边界均近似为圆形， 是图像匹配时可以利用的重要几何信息。 虹膜的直径约1 2 m m ，厚约0 5 m m ，根部最薄。虹膜表面高低不平，有皱缓和凹陷， 凹陷又称隐窝。近瞳孔处的皱壁特别显著，称作虹膜皱壁或领状韧带，它是虹膜小动脉 6 中国民航大学硕士论文 环的位置标志虹膜后表面较平坦。由于虹膜内血管分布不均，使虹膜表面出现许多有 规则的放射形条纹。在近瞳孔约1 5 r a m 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。 图2 - 2 虹膜外观圈 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，内有许多放射形隆 起，代表虹膜血管从大环走向小环所经行的路径；小环以内的虹膜称为瞳孔部虹膜。睫 状部又分为两部分：靠近虹膜小环附近的一部分最光滑，中间区内有许多收缩纹和收缩 沟，是以瞳孔为中心的圆形，当瞳孔扩大时最显著；靠近睫状体的区域为筛状区，此区 内虹膜边面有许多虹膜小坑。在睫状部边缘部分的虹膜，也有一些轰鸣小坑，称为睫状 区小坑。和瞳孔部的虹膜小坑相比较，睫状区小坑比较小和浅。位于两个小坑之间的虹 膜组织往往有一个梳状突起，跨过睫状体表面，延伸到前房角内与房角网状组织相连续， 此突起即被称作梳状韧带。整个虹膜表面结构如图2 - 3 所示。 图2 - 3 虹膜表面结构图 由虹膜的生理结构分析知，虹膜拥有梳状韧带、基质的胶原组织、睫状体、收缩的 褶皱，腺窝、围绕瞳孔的环状色素、斑点等可见特征。因此在明亮的光照射下能看到明 显的纹理。另外，瞳孔随光线的变化，会产生收缩和扩展，牵动虹膜的变化。 2 3 虹膜纹理识别技术的基本依据 入眼在被识别时，瞳孔会自然发生收缩或扩大，虹膜纹理也就随之变化。即是动态 7 中国民航大学硕士论文 化的，由此采集的数据会有细微变化( 当然是在一定幅度内) ，但这变化又不能影响同一 识别。这说明各虹膜纹理问是同步同比例在变化，能产生这种同比例同步变化的只有收 缩沟，是收缩沟变化，牵动瞳孔变化，两者是因果关系。这种变化在数据处理上不会有 太多困难，因此从这点上看也说明收缩沟是识别对象。虹膜大小环也可能是识别对象之 一。综上所述，虹膜收缩沟及血管大小环即是供识别用的虹膜纹理，它具有与生俱来， 终生相对不变的生理特点。至此还只能说虹膜收缩沟和大小环，好比是指纹的纹型，仅 仅是类，还不足以成为个人识别的最本质依据，还必须有人各不同的细节特征。 细节特征来源可能为两个方面一是处于收缩沟区域的虹膜上有许多虹膜小坑，称 为睫状区小坑，这是虹膜前层的中胚叶成分局部性萎缩的结果。这量多浅小的睫状小坑 犹如乳突纹线上的汗孔，千姿百态地分布在睫状区内，包括收缩沟内，形成收缩沟微观 形态上的特定性。二是虹膜大小环之间粗细不一的动静脉血管、神经纤维在通过各收缩 沟时，与之相交构成一成不变的特定组合关系，这收缩沟上特定的组合关系亦是一种细 节特征。在红外光线照射下，动脉反射光强，静脉反射光弱。粗的血管反射明显，细的 血管反射较差，这种差别由光信号来反应、来表现是十分容易的，所以易为计算机识别， 若主要血管终生稳定，则就构成个体识别的基本条件。 虹膜在人1 2 岁左右就发育成熟，进入相当稳定的阶段，且虹膜的形状可以保持数 十年不变另一方面，虹膜是外部可见的，但同时又是内部组织，位于角膜之后。要改 变虹膜的外观，需要非常精细的手术，而且要冒视力损伤的危险。 虹膜包含了丰富纹理信息，通过红外光对虹膜上的纹理进行识别，发现印左右的 纹理，入与人是相同的，4 0 的纹理，人各不同。虹膜的形成是由遗传基因决定的，人 体的基因决定了虹膜的形态，纹理，颜色，和总的外观，即使是同一个人的两个孩子甚 至双胞胎，虹膜纹理的表达也是不相关的同一个人左右眼的虹膜也有显著的差异。这 说明两个虹膜的纹理相同的可能性很小，经计算两个人同一只眼虹膜特征相同的概率是 十万分之一，两眼相同的概率是一千亿分之一。从虹膜组织的收缩沟的形态及所处位置， 数量来看它们就是所谓的供识别的虹膜纹理。 从上面的分析，虹膜独特而且丰富的纹理结构以及解剖学、遗传学的知识，可以看 到虹膜完全能够用于生物识剐，而且稳定性和唯一性相当的好，并具有明显的优势。所 以虹膜识别技术成为研究的热点。 2 4 虹膜识别的理论基础 虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的，虹膜识别技术 与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录入到一 个数据中，出现认假和拒假的可能性也相当小，但是这项技术的无法录入问题己经成了 它同其它识别技术抗衡的最大障碍。不管怎样，虹膜识别技术的高精度使它能够在众多 8 中国民航大学硕士论文 识别技术中占有一席之地。虹膜识别技术将虹膜的可视特征转换成一个若干个字节的虹 膜代码( k i sc o d e ) ，这个代码模板被存储下来以便后期识别所用。 目前的虹膜自动识别系统一般是采用先进的传感器设备对活体虹膜图像进行实时 采集，然后利用计算机图像处理和模式识别，对数字化的虹膜图像进行处理、分析和比 较，从而自动、迅速、准确地识别个人身份。 2 a 1 模式识别的基本概念 虹膜识别属于模式识别这一范畴。下面介绍有关基本概念： “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1 1 4 】1 1 5 】。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1 1 4 1 1 1 5 1 。模式识别是研究图像或各种物理对象与过程的分类 和描述的学科。 2 a 2 模式识别的主要理论和方法 模式识别，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， 发展至今己成一门新兴学科 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n e y m a n p e a r s o n 决策、 b a y e s 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 9 中国民航大学硕士论文 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于不确定的模式识别具有独到 之处。 图2 _ 4 神经网络分类器基本框图 神经网络分类器的基本框图如图2 4 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。 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，作为图像识别的山，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 4 3 模式识别系统的基本构成 典型的模式识别系统如图2 5 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。 中国民航大学硕士论文 图2 - 5 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；如果输入的 是虹膜图像信息。那么该系统就成为虹膜识别系统框图。其中： 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、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。一般要 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，一般要进行滤波、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，特征提取相当于把个物理模式变为一个随机向量，如果抽取和选择 了朋个特征，则物理模式可用一个m 维特征向量描述，表现为小维欧式空间中的一个 点。胛维特征向量表示为： i - “，而，毛) 7 ( 2 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。在虹膜识别中，主要应用的是虹膜图像的纹理特征。 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 何做出最优决策的问题，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。 中国民航大学硕士论文 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 仅知道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，作为决策分类的依据。 2 5 本论文的虹膜识别算法与系统构成 d a u g m a n 和w i l d e s 的系统算法是目前国际上的两种经典算法，具有较高的稳定性 和识别效果，尤其是d a u g m a n 算法，目前世界上生产的大多数的虹膜识别系统的核心 都基于此算法。但是，d a u g m a n 和w i l d e s 的算法都很复杂，而且这两种算法对于虹膜 图像的要求很高，要求采用精密的设备，要求保证每次虹膜成像在相同的位置、具有相 同的分辨率和不变的光照条件。但是，这些要求在实际应用中往往难以完全满足。谭铁 牛系统的算法，实际上并没有达到理论上所描述的效果，准确率和鲁棒性都不能很好的 满足实际需求 本论文对目前国际上的几种主要的虹膜识别算法进行了比较，扬长避短，提出了自 己的虹膜识别算法，并以大量的理论分析与实际仿真为依据，在算法速度与准确性方面 提出了多点改进。在我们的算法中，虹膜图像经过预处理、定位、归一化到相同大小的 纹理图像、图像增强，再使用2 dg a b o r 滤波器提取虹膜的纹理特征。这使我们的算法 具有尺度、平移和旋转不变性，高鲁棒性而且在分割时，依据上下眼睑来划分边界， 既能除去无用的噪声，又使得虹膜信息在利用上较为充分另一方面，在虹膜的定位过 程中，采用二值化与随机h o u g h 变换相结合、去短枝和亮点等方法，加快了算法速度。 具体理论与实现将在以后的章节中详细介绍 一般来说，虹膜识别系统由图像采集、预处理、特征提取与编码、匹配与识别四部 分组成。本论文使用c a s i a 数据库【埔i 取代了虹膜图像的采集工作，c a s i a 虹膜数据库 是中国科学院自动化研究所模式识别国家重点实验室虹膜识别研究小组免费向学术界 提供的虹膜图像样本数据库，该数据库是由中科院自动化所利用其拥有自主知识产权的 虹膜图像采集装置在室内环境下进行采集的l 切。c a s i a 虹膜数据库1 0 版l 阍，包含8 0 个人( 其中男6 2 人，女1 8 人) 1 0 8 只不同眼睛的虹膜图像样本，每只眼睛有7 幅8 位 灰度图像，分辨率为3 2 0 x 2 8 0 ，分两个阶段采集，第一个阶段3 个样本，第二个阶段4 个样本。之后，c a s i a 虹膜数据库在1 0 版本的基础之上又增加1 2 0 只眼睛的2 4 0 0 个 虹膜图像样本，是当前国际上最大的共享虹膜数据库，其规模之大、类别之广，完全符 合虹膜研究工作的需求。本论文采用c a s 认数据库中的虹膜样本做为模式识别算法的 处理对象，省去了虹膜图像的采集将主要工作集中在图像的预处理、纹理特征的提取 与编码、虹膜匹配识剐三部分上，具体流程如图2 - 6 所示： 中目民航大学硕士论文 图2 - 6 本论文系统流程图 本论文对虹膜图像的处理和算法的实现在w i n d o w s x p 环境下进行，仿真工具为 m a t l a b 6 5 版。 中国民航大学硕士论文 3 1 引言 第三章虹膜图像预处理 虹膜图像的预处理，主要包括图像的平滑、虹膜定位，定位图像的归一化和增强。 如何快速、准确、有效的完成虹膜的定位是预处理的重点所在，也是整个虹膜识别系统 的难点所在；平滑滤波的主要目的是减少噪声，为虹膜的准确定位奠定基础；将已定位 的圆环状虹膜展开成大小相等的长方形，即虹膜图像的归一化，其主要目的是得到一个 统一大小的虹膜图像，消除尺度、平移等对最终匹配识别的影响，同时统一大小也方便 了编码和匹配：图像增强的目的是为了提高图像的质量。如提高图像的清晰度、去除噪 声等。 本章结合目前国内外虹膜识别系统的预处理算法，主要叙述了本论文虹膜识别预处 理部分的具体算法及其m a t l a b 实现，由m a t l a b 仿真结果可以看出，本文的预处理算法 具有良好的准确性和鲁棒性。 3 2 目前几种虹膜图像预处理算法 3 2 1d a u g m a n 系统的虹膜定位与分离 假设，仁，y ) 为坐标为力处的图像强度，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，y c ) 、半径为r 的圆。 通过求 印巾要枞笔字叫 ， 的最大值求上述三个参数。其中： g ( ，) ( 】j 品弦一t ( ，一p 。2 ( 3 2 ) 为g a u s s i a n 算子，用于平滑图像，代表卷积【4 l 。 3 2 2w i l d e s 系统的虹膜定位与分离 w i l d c s 方法f 1 6 1 分两步进行，首先求虹膜图像的边缘化，即得到边缘化的二值图像。 这一步靠基于梯度的边缘检测实现，即采用一个表征图像强度值的梯度阈值来实现，如： i v g ( x ，y ) l ( x ，y ) i ( 3 3 ) 其中：舷纠代表伍y ) 处的图像强度， 中国民航大学硕士论文 v - ( a 缸，a 妙) ( 3 4 ) 1垒叫i 户+ ( ，一户 g o ，y ) 。刍。2 0 2 ( 3 5 饰) 为二维g a u s s i a n 函数，用于平滑边缘为一定空间尺度的图像，中心为o 咐，0 ) ， 标准方差为s 。 这样，得到了虹膜内边缘( 瞳孔边缘) 和虹膜外边缘( 巩膜边缘) 的边缘点集合， 都可以表示为瓴j ，j ) ，j = l ，2 ，露 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： 日阮，咒，) - 钙，y j ，咒，) ( 3 6 ) 其中： 慨幽而”) 一毗p b 力卸 ( 3 7 ) g ( 】0 ，y ，y c ，r ) - o ，一) 2 + ( y j y 。) 2 一r 2 ( 3 8 ) 对于某一个边缘点幽奶) i = 1 ，2 ，m ，当： g 瓴，y s ，致，r ) - 0 ( 3 9 ) 时的纯执，) 代表了一组边缘点在圆上的圆模型。因此。当h o u g h 变换达到最大值时的 | ) ，。，) 就是最理想的圆模型。 这样，将h e r o d ，c r ) 作为一个与x 。, y c , r 对应的数列，计算他的值，取其中的最大值所对应 的肌，) ，从而获得了表征虹膜内边缘或外边缘的圆的参数。 3 2 3 谭铁牛研究组的虹膜定位与分离 谭铁牛等人的虹膜定位方法【硎主要分两部分：内边界的提取、外圆边界的提取。内 边界即为虹膜与瞳孔的边界，外边界即为虹膜与巩膜的边界。 1 、内边界的提取 与眼睛的其他部分相比，瞳孔要暗得多。谭铁牛等人采用二值化的方法分离出瞳孔， 提取内虹膜边界。二值化方法的关键在于阈值的选取。具体做法是，先计算出整个图像 的灰度直方图，它应该有两个主要的峰值，其中的第一个峰值，对应的就是瞳孔区域灰度 集中的范围，第二个峰值对应的是虹膜区域的灰度集中范围。显然，提取瞳孔的二值化 阈值应该选择在第一个峰值的右侧，如图3 - l ( b ) 所示。图3 - l ( c ) 是二值化后的结果，可 1 5 中国民航大学硕士论文 以看出，瞳孔成功地被分离开来。 “j 鞭蛤疆入瞳像 辔虹囊拥俸的藏度童方蕾 t c 二僵纯嘉凌窟位蠢 l “) 虹曩圈蕈边露擞取酶始辱“修正詹鲍虹奠邋壤 n 虹睡定位的铸暴 “疆蕾簟篮曲螭暴 图3 - 1 谭铁牛等的虹膜预处理：( a ) 原始输入图像；( b ) 虹膜图像的灰度直方图； ( c ) 二值化方法定位瞳孔；( d ) 虹膜图像边缘提取的结果；( e ) 修正后的虹膜边缘； ( o 虹膜定位的结果；归一化的虹膜图像；( 1 1 ) 图像增强的结果 2 、外圆边界的提取 谭铁牛等人采用最小二乘拟合的方法提取外圆边界。首先使用c a n n y 算子对原图像 进行边缘提取，如图3 - 1 ( d ) ，然后根据瞳孔的位置和其它的先验知识，去除一些无用的点， 比如眼眉和内边界，如图3 1 ( c ) ，最后采用最小二乘法进行拟合。虹膜定位的最后结果如 图3 - 1 。 归一化的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。谭铁牛系统对分离获得的虹膜图像，采用极坐标变换的 方法对其进行归一化，归一化之后的图像在极坐标系( r ，毋下，展开成一个大小为6 4 1 0 2 4 的矩形，如图3 1 ( 曲。 由于设备的原因，使得虹膜图像上的光照不能完全按均匀分布，这样将会影响纹理 分析的效果。为了更好地提高识别效果，谭铁牛系统对展开后的虹膜图像进行了局部的 直方图均衡化，从而实现图像增强，减少非均匀光照的影响。增强后的图像如图3 1 ( h ) 1 6 中国民航大学硬士论文 所示 3 3 图像的平滑 图像的平滑的主要目的是减少噪声1 1 4 1 1 9 1 ，图像中的噪声种类很多，它们对图像信号 的幅度和相位的影响十分复杂，一般常见的噪声有： 1 、加性噪声 加性噪声与图像的信号强度不相关，比如在图像传输过程中引进的“信道噪声”、采 集设备扫描图像的噪声等。带这类噪声的图像g