（信号与信息处理专业论文）虹膜识别算法的研究和实现.pdf

摘要 摘要 生物识别技术在当今世界中已经得到了广泛的应用。虹膜身份识别是一种新 兴的生物身份识别技术。由于其具有唯一性、稳定性、可采集性、非侵犯性等优 点而逐步受到人们的重视。近些年来虹膜识别技术研究和应用方面都得到了氏足 的进步，并表现出广阔的前景和市场。而与脸像、声音、指纹等的身份鉴别方法 相比，虹膜具有更高的准确性。基于虹膜的识剐系统由虹膜获取、虹膜图像预处 理、虹膜图像特征提取、模式匹配与识别等几部分组成。 本论文主要完成了以下工作： 1 首先对虹膜图像的进行质量评价和平滑滤波。 2 在虹膜图像定位中，改进了原有的基于边缘提取h o u 譬 l 圆变换检测的虹膜定 位算法，研究基于块搜索的粗定位方法和基于局部范围搜索的h o u 曲圆变换 精定位方法结合的虹膜定位算法，从而准确快速的提取虹膜内外圆圆心和半 径。 3 在虹膜归一化中，改进了传统的虹膜归一化方法，研究基于线段提取的虹膜归 一化方法把环形的虹膜区域归一化映射为一个矩形。为了提供后续识别算法的 性能，本论文对虹膜归一化图像进行光照不均校正和直方图均衡化处理，得到 较理想的图像。 4 研究出基于子块纹理分析的g a b o r 滤波器方法来对虹膜归一化图像进行特征 提取和编码；在虹膜编码匹配中，本论文采用h a m m i n 2 距离来进行编码之间 的匹配。而且设计了一种可以有效减少角度旋转所带来的影响的方法。 这些算法通过c a s n 2 o 虹膜库验证，实验结果表明，本论文的方法在实际应 用中有较好的性能。 关键词：虹膜识别，虹膜预处理，虹膜定位，h o u g h 变换，虹膜归一化，2 d g a b o r 函数 a b s t r a c t a b s t r a c t b i o l o g i c a lr e c o g n j t i o nt e c h n o l o g yh a sb e e nw i d e l yu s e di n r e c e n tw o r l d h i s r e c o g n i t i o ni sa ne m e r 西n g b i o m e t t i ct e c t u l o l og y f o ri t se x c l u s i v e ，s t a b i l i t y ，c o l l e c t i b l e a n dn o ti n v a d a b l e ，i r i sr e c o g n i t i o ni sb e i n gm o r ea n dm o f er e g a r d e db yp e o p l e i i lr e c e n t y e a r s ，i r i sr e c o g i l i t i o nh a sm a d ep r o g r e s si nt e c h n o l o g yr e s e a r c ha n d 印p l i c a t i o n ，a i l d h a saw i d ep r o s p e c ta n dm a r k e t c o m p a r e dw i t hf a c e ，v o i c ef i n g e r p r i n ta n do t h e r b i o m e t r i ct e c h n o l o g y i r i sr e c o g n i t i o nh a sh i g h e rp r e c i s i o n t h es y s t e mb a s e do ni r i s t e c o 印i t i o ni sm a d eu po fs e v e t a lp a r t s ：i r i s c 叩t u r i n gd e v i c e ，i r i sp r e p i o c e s s i n g ，i r i s f e a t u r ee x t r a c t i n ga n dc o d i n g ，j d sc o d em a t c h i n g n i sp a p e rf i n i s ht h ef b l l o w j n gw o r k s ： 1 f i t s t ，e s t i m a t et h ei r i sq u a l j t ya i l ds m o o t hf i l t e rt i l ei m a g e 2 i n sl o c a l i z a t i o n ，w ei m p r o v et h ej r i sl o c a l i z a t i o na l g o r i t h mb a s e d o b o u n d a r y p a 、k u pa n dh o u g ht r a n s f o r m w ew o r ko u tt h ei r i sc o a r s el o c a l i z a t i o na 1 9 0 r i t h m b a s e d o n b l o c k - s e a t c h i n g a n di t i sf i n el o c a l i z a t i o n a l g o r i t h m b a s e d o n l o c a l 一a r e a - s e a r c h i n gh o u g ht r a n s f b 肿，s oi tc a np r e c i s e l ya n dq u i c k l yl o c a l i z et h e i n n e ra n do u t e rb o u n d a r i e s 3 t h e nw ei m p r o v et h et r a d i t i o n a li r i sn o 咖a l i z a t j o na l g o r i t h ma n dw o r ko u tt h ei r i s n o r m a l i z a “o na l g o r i m mb a s e d o nl i n ep i c k e d - u pt on o h n a l i z et h ea n n u l a rr e g i o no f i r i si n t oar e c l a n 百e i no r d e rt oj m p m v et h ef 0 1 l o w i n ga l g o r i t h m s ，w e1 i 曲t i n g c o r r e c t i n ga n dh i s t o g r a me q u a l i z et h ei r i si m a g e ，t h e nw ec a ng e tab e t t e ri r j s i m a g e 4 w ee x c o g i t a t et h eg a b o rf i i t e rb a s e d o ns u b b l o c kt e x t u r ea n a l y s et oe x t r a c tt h e f c a t u r eo fj r i sn o m a l i z e di m a g ea n de n c o d et h e m t 1 l e n ，w eu s eh a m m j gd i s t a n c e t on l a t c ht w oi r i sc o d e s i no r d e rt or e d u c et h er o t a t i o no fi r i s ，w ew o r ko u tan e w m e t h o d w et e s tt h e s ea 1 9 0 r i t h m sb yt h ec a s i a2 0i r i sd a t a b a s e t h i sm e t h o di sp r o v e nb y t h ee x p e r i m e n tr e s u l t s k e y w o r d ：i r i sr e c o g n i t i o ，i r i sp r e p r o c e s s i n 吕h i sl o c a l i z a t i o n ，h o u 曲t r a n s f o r m ，i r i s n o 加a l i z a t i o n 2 dg a b o rf i l t e r i l 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：锄q 耗日期：口6 年 l 月叼日 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：蕉塑签导师签名 日期： 第一章绪论 第一章绪论 近几年，人们对身份的自动鉴别产生了极大兴趣，希望找到可靠、快速和无侵 犯的身份鉴别方法。一种新的身份鉴别方法是基于人体自身所固有的生理特征， 这些特征包括指纹、掌形、脸像、虹膜等。与传统方法中身份标识物相比，生物 特征的优点是不会丢失、遗忘和伪造，是安全的鉴别方式i 2j 。 生物识别技术在当今世界中已经得到了广泛的应用。其中虹膜识别技术由于 具有稳定性好、准确率高等优点而逐步受到人们的重视。近些年来虹膜识别技术 研究和应用方面都得到了长足的进步，并表现出广阔的前景和市场【3 1 。 虹膜身份识别的概念，最早由h o m 在二十世纪八十年代中期提出的，国际 上有许多研究机构和商业性的公司投入力量对其进行了研究，如剑桥大学的j o h n gd a u g m a n 博士、m i t 人工智能实验室的r i c h a r dp w i l d e 博士、s i e m e n sn i x d o r f 公司等，其中d a u 舯a n 提出的算法比较优越，以他的算法为基础制作的系统可靠 性较高。本文设计的算法不同于他们，但算法简单，可执行性好，有较强的适用 性，实验证明了算法的有效性【4 j o 虹膜身份识别具有如此多的优点，因此这个技术必将成为新世纪最具有光明 前途的技术之一，必将在我们今后的生活中发挥巨大作用。 1 1 生物识别简介 生物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。人体 的生物特征包括指纹、声音、脸孔、虹膜、视网膜、掌纹、骨架等等。所谓的生 物识别的核心在于如何获取这些生物特征，并将之转换为数字信息，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。 由于人体特征具有人体所固有的不可复制的唯一性，这一生物密钥无法复制， 失窃或被遗忘。而常见的口令、i c 卡、条纹码、磁卡或钥匙则存在着丢失、遗忘、 复制及被盗用诸多不利因素。因此采用生物”钥匙”，您可以不必携带大串的钥匙， 也不用费心去记或更换密码。而系统管理员更不必因忘记密码而束手无策。 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始的方法，是采用大家早已熟悉的各种机械钥匙。 电子科技大学硕士学位论文 第二阶段是由机械钥匙发展到数字密钥如密码或条形码等。第三阶段是利用人体 所固有的生物特征来辨识与验证身份。生物识别是当今数字化生活中最高级别的 安全密钥系统。 下面简要的叙述一下各种生物识别技术的原理和优缺点。 一指纹 指纹是手指末梢乳突纹突起形成的纹线图案，指纹的稳定性、惟一性早己获得 公认，目前指纹识别主要利用指纹纹线所提供的细节特征( 即纹线的起终点、中断 处、分叉点、汇合点、转折点) 的位置、类型、数目和方向的比对来鉴别身份。指 纹识别在所有生物特征识别中无论从硬件设备还是软件算法上都是最成熟、应用 最早、使用最广泛的。尽管如此，指纹识别技术也有不足之处，对指纹质量较差 的人群如皮肤干燥、有疤痕、老茧、表面磨损严重和有病变的人无法取得好的识 别效果，指纹使用接触式采集，传感器表面灰尘油污附着物等会影响识别，留在传 感器上的指纹存在被盗取复制的可能性1 5 】。 二掌纹 掌纹指手掌内侧表面的纹线图案，一般由3 5 条明显的屈肌纹、众多皱纹和 乳突纹交错构成。掌纹形态受遗传基因控制，一旦形成终生不变。每个人的掌纹 形态均不相同，掌纹纹理复杂，所提供的信息量较指纹丰富，利用掌纹的线特征、 点特征、纹理特征及几何特征完全可以确定人的身份。掌纹主要特征明显( 如屈 肌纹和皱纹所形成的线特征) ，可在低分辨率图像中提取，不易受噪声干扰特征空 间小可实现快速检索和匹配。乳突纹形成的细节特征与指纹相似，但比指纹纹型 丰富。从理论上说有更高的鉴别能力，但需要在较高分辨率图像中获得，因掌纹 面积大，导致图像数据量及特征空间太大，为图像处理带来一定难度。掌纹采集 方便，设备成本低，可接受度高，是很具潜力的身份识剐方式，但因研究起步晚， 理论和应用上都还有待进一步深入【5 】o 三虹膜 虹膜是位于瞳孔和巩膜间的环状区域，每个人虹膜上的纹理、血管、斑点等 细微特征各不相同，且一生中几乎不发生变化。用摄像机捕获用户跟睛的图像， 从中分割出虹膜图像，进行定位校准，特征提取，编码用以匹配。到目前为止， 虹膜识别的错误率是各种生物特征中最低的。但虹膜因受到眼睑，睫毛的遮挡， 准确捕获虹膜图像是很困难的，图像采集设备复杂昂贵，且虹膜旦有病变或损 伤会影响识别，对盲者和患有如白内障等眼部疾病的人无效吼 四视网膜 第一章绪论 视网膜识别利用人眼视网膜上分布的毛细血管网的差异性来鉴别身份，是目 前生物特征中可靠性最高的身份鉴别方法，视网膜隐藏在眼球中，不磨损，不易 受老化和一般疾病的影响，更具独特性和稳定性。因鉴别时需用红外线扫描眼底 视网膜以获得血管网图像，存在长期使用是否会对使用者健康构成伤害的问题， 所以该方法接受程度最低，另外，由于系统技术含量及成本很高，实用推广难度 大【5 1 。 五人脸 人脸识别研究热潮出现在计算机视觉兴起的初期，用人脸进行身份识别直观、 友好、方便、用户接受程度高。但计算机对人脸的识别还远达不到人眼对脸部的 识别程度。目前在限制性输入条件下，在小样本数据库中人脸识别取得较好的效 果，但识别准确率低于指纹和虹膜识别。人面部表情、姿态、化妆、年龄等的变 化及采集图像时光线、角度、距离、面部遮挡等问题一直是人脸识别领域中的难 题【“。 所以造成，这套系统是非常不可靠和昂贵的。例如，它无法分辨出双胞胎或 三胞胎，无法认出理完发的用户，也无法辨认出戴眼镜与不戴眼镜的同一个人。 六声音 语音识别利用说话者发声频率和幅值的不同来辨识身份。语音识别大体分2 类：一是依赖特定文字识别，如让说话者说某个特定的词语或几个特定词语中随 机的某个来识别真伪，这种方式系统设计简单，较易实现，但安全性较差；另一 种是不依赖特定文字识别即说话者可随意说任何词语，由系统找出说话者发音中 具有共性的特征进行识别，该方式虽有很好的防伪性，但系统复杂，实现起来存 在一定困难。因语音远程传递的方便性，在电话拨入系统中有其他生物特征不可 取代的优势，但也仍存在不足，如语音受心理状态、疾病等自身因素和语音环境、 采集设备、传输通道等外部因素的干扰，会影响识别效果，对磁带录音进行欺诈 的可能性也未能很好的解决1 5 l 。 七，签名 签名识别，也被称为签名力学辨识( d v n 砌i cs i 譬i l a t u r ev e r i f i c a t i o n d s v ) ， 是日常生活中接触最多的种身份识别方法，接受程度高。但因笔迹动态范围变 化大，即使同一个人在不同时期和精神状态下的笔迹也不会完全相同，所以多用 于身份验证中。识别按获取方式分为离线和在线识别两种。离线识别通过扫描仪 获取已书写好的文字图像，利用计算机从中提取文字的几何特征，由笔划本身特 征和相互关系来进行识别。这种方式简单但易被伪造。在线识别需用专用手写板 3 电子科技大学硕士学位论文 和压敏笔来记录整个书写过程，包括书写的笔划顺序、笔尖压力、倾斜度及书写 时的速度和加速度等丰富的动态特性，弥补了离线识别只取静态特性的不足，难 以伪造【5 】o 签名的使用已经被广泛地接受，应用范围从独立宣言到信用卡都可见到。然 而，签名辨识的问题仍然存在于获取在辨识过程中使用的度量的方式以及签名的 重复性。d s v 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。 1 2 虹膜识别的基本概念 1 2 1 虹膜简介 人类的眼球壁分为三层：外层为纤维膜，中层为葡萄膜，内层为视网膜。纤 维膜由纤维组织构成，前部为角膜，后部为巩膜。视网膜主要由各种神经细胞组 成，实际应属于大脑的一部分，结构非常复杂。在纤维膜和视网膜之间的眼球壁 因为含有大量的色素和丰富的血管，颜色呈黑色像紫色的葡萄，所以被称为葡萄 膜。 葡萄膜分为虹膜、睫状体、脉络膜三个部分。如图1 。1 虹膜位于葡萄膜的最 前部，位于晶状体的前面为一个圆盘型膜。在三维的形态上，虹膜像一个截去尖 端的圆锥。虹膜中央有一个圆孔，为大家熟知的瞳孔。 瑟鲫整 甄强 盘腿液 丝艇 疆孔 敷膛 鼎黻鼹 髓啦 图l i 虹膜位于眼球中的位置 兰脏 腻掊擐 i 强膳 蠢黠 蛊鞋 强趟碰 燕撼摅藏 第一章绪论 虹膜的组织结构主要分为二层。即虹膜基质层，由疏松结缔组织、血管、神 经和色素细胞构成。内层为色素上皮层，这一层是不透光的。通常虹膜的颜色主 要由这一层细胞内的所有含色素的多少而不同。白色人种因为缺乏色素，虹膜呈 黄色或淡蓝色，有色人种因为富含色素，虹膜呈棕褐色。 其前面是用来控制瞳孔的肌肉组织的，一组是有副交感神经控制的瞳孔括约 肌，使瞳孔收缩；另一组是由交感神经控制的瞳孔舒张肌，使瞳孔放大。 再前一层是基质层，主要是由胶原组织构成，三维形状是呈拱形的突起。在 这一层中放射状地排列着许多弯弯曲曲的血管。虹膜的最前面一层相较基质层更 为紧密，而且包含了很多的个体的色素细胞。 虹膜的多层结构，造成了虹膜彩色的外部视觉表现。 1 2 2 虹膜纹理特征和技术优势 虹膜纹理具有以下特征【4 1 ： 1 虹膜纹理具有绝对的唯一性。每个人的虹膜具有不同的特征，任意两个 虹膜纹理相同的概率小于1 0 。5 。可以说在整个人类中，任意两个虹膜纹 理的数字特征都是不同的，即便是对于双胞胎也是如此。 2 ，虹膜纹理具有稳定性和不变性。除非发生病变等特殊情况，人的虹膜纹 理在一生之中都不会改变，并且通过手术改变虹膜纹理的风险也很高。 3 虹膜纹理可提供的特征信息量大，因而在应用于识别的时候可靠性高。 4 虹膜具有内在的隔离和保护能力。 同其它的生物识别技术( 如指纹识别、脸型识别等) 相比，虹膜识别技术具有 非常明显的优势。表1 1 为几种生物识别方法技术指标的比较【4 j o 5 电子科技大学硕士学位论文 表1 1 几种生物识别方法技术指标的比较 顺| i虫l 睃识别 攒纹i 5 1 碍0脸晖g i 3 男0r 形识别 等甜 率【f a r = f r r ) 0 0 0 0 0 8 5 2 5 0 2 一2 2 乎均铒次b 别时闻，s l533 5 m 侵入过程 y n oy p sn n & ；岂j 怼l f 譬q 功自 y e sl 如1 矗c l l i n l 矗n l n o 竖炊订： j 为錾吲9 o hmp i i i l i i l l l j h l l i lm “i j u i i l 健j 晌挞个人独特特瓶 y 【，sy f - s n f nn 数据；c = 限久小， j y l ( 镕 5 1 2 9 0 4 09 刈川7 、的皮好橼废 l i g | i “l h l l | i 曲 辩“i ；t 川1 通过以上的数据对比可以看出，虹膜l ；! 别在正确率、识别时间、可靠性等方 面都要优于其它的生物识别技术。 1 2 3 虹膜识别的主要步骤 图1 2 所示为虹膜识别系统的原理图。其中虹膜编码模块和识别模块是整个 系统中最为关键的两个模块。 图1 2 虹膜识别系统的原理图 第一章绪论 其中虹膜识别通常包括四个步骤： 1 虹膜图像的采集 人类虹膜的直径约为l 厘米，为了获得有足够的信息量的虹膜图像通常要求 具有超长焦距的摄影器材，拍摄距离一般不超过十几厘米。湿度的照明对于虹膜 图像采集也是非常重要的，太强的照明会令人眼感到不适，光照太弱会令图像缺 乏必要的灰度对比，增大量化误差。对拍摄的眼部图像还需进行采样、量化，使 其成为数字图像。 2 虹膜定位 虹膜定位也就是虹膜的边界定位，目的是从采集得到的眼部图像中提取虹膜 信息，为下一步对虹膜进行分析提供必要的条件。这一步的准确度直接关系到虹 膜身份识别的准确性。这将会在后面详细地分析。 3 ，虹膜编码 这一步主要是提取虹膜特征并采取适当的特征记录方法，以此构成虹膜编码， 为下一步的比较判决做准备。 目前报道的虹膜身份编码识别算法分为3 种：( 1 ) d a u g m a n 提出的基于g a b o r 滤波器的虹膜纹理相位编码算法，该算法利用g a b o r 滤波器的局部性和方向性对 虹膜纹理进行分解编码【6 l 7 【9 j 。( 2 ) w i l d e s 提出用高斯型滤波器在不同分辨率下 分解虹膜图像，并把结果进行存储比较。上述两种算法的性能容易受外界环境影 响，眼球表面反光、虹膜的几何变形、睫毛遮挡、噪声等问题也严重影响识别性 能，且实际应用中对测试环境和设备要求较高【1 3 1 。( 3 ) b o l e s 提出的基于小波变换 的虹膜识别方法，它有效地克服了图像平移、旋转、图像缩放等前者未能解决的 问题，提高了识别性能1 1 1 1 2 l 。 4 比较和判决 这一步是对上一步获得的虹膜编码同样本库中的样本进行比较，再对两者的 不同利用合适的阈值进行判决。不同的虹膜编码方式通常会有不同的比较方法， 其闽值的选择一般通过实验获得。 第3 、4 步又可合称为虹膜模式匹配( i r i sp a t t e r nm a t c h ) 。 为了完成上述的步骤，虹膜识别系统由光源、摄像头( c c d ) 、图像分析系 统( 计算机) 三部分构成，对光源、摄像头、计算机均没有特殊要求，图像为8b i t 、 2 5 6 级灰度图。可见，系统的硬件构成比较简单，这可以使系统的成本大大降低。 光源提供照明，使虹膜可以清晰成像，以获得高信噪比的信号。光源应稳定，因 为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，增大了匹配 7 电子科技大学硕士学位论文 时的误差。稳定光源，即稳定了虹膜，可以提高匹配的精度。摄像头将光信号转 变为电信号，经a d 转换后，送入计算机进行分析。计算机内装有虹膜图像识别 的分析软件，计算机内预存有已分割好的虹膜参考图像，参考虹膜图像的半径、 中心坐标已规一化，所有虹膜的半径r 均相同，所有虹膜的中心0 ，q ) 坐标值相同。 识别过程即将实时捕捉的图像与预存参考图像进行匹配的过程，比较图像之间的 相似形，确定图像是否来自同一对象，以确定拒绝或接受。 作为虹膜识别的主要部分，流程图如图1 3 所示： 1 3 本论文的研究内容 图1 3 虹膜识别简单流程图 本论文是和科研项目：基于虹膜的识别方法研究同时进行的，该项目是国 家自然科学基金的项目，号码是6 0 4 7 2 0 4 6 ，研究基于虹膜的新的生物身份识别技 术。运用工具为m a t l a b 、c 、c + + 语言和s u a lc + + 、c c s 平台。我们进行了系 统架构和大部分的算法的编写，主要包括虹膜定位、虹膜图像归一化、虹膜图像 用小波分析方法进行编码和虹膜编码匹配，并进行了大量的仿真实验。 虹膜识别的第一步，同时也是晟困难的一步就是虹膜图像的获取。虹膜是一 个很小的奇观，直径约十几毫米，不同人种的虹膜颜色有着很大的差别。白种人 的虹膜颜色浅，纹理显著；而黄种人的虹膜则多为深褐色，纹理非常不明显。虹 8 第一章绪论 膜图像的获取有很多困难，在普通的条件下，使用c c d 摄像头很难拍摄到可用 的图像。由于缺少实验设备，本项目前中期采用的是由中科院自动化所模式识别 国家重点试验室提供的小型虹膜数据库c a s 队1 0 、2 0 。 本文的只要结构如下： 第一章是绪论部分，主要介绍了项目的研究背景，目前国内外研究情况及发 展动态，同时对全文进行总结概括。 第二章主要介绍虹膜图像预处理。包括虹膜图像质量评价和图像平滑滤波。 第三章是写虹膜图像定位算法的研究。通过获取装置采集的虹膜图像通常不 可能仅仅包含虹膜，往往还有眼睛的其它部分，比如眼睑、睫毛、眼白等，而且 在高度非侵犯性系统中，由于对被试者不做要求，虹膜在图像中的位置与大小都 会发生变化。因此，在进行虹膜识别之前。必须先确定出虹膜在图像中的位置。 第四章虹膜图像的归一化和图像增强等。定位后的虹膜进行大小归一化处理 才能很好的进行特征提取。在某些情况下，虹膜图像的光照是不均匀的，这样会 给虹膜识别的准确性带来影响；同时，虹膜的内外边界即瞳孔的大小是会发生变 化的，这样会使虹膜的纹理产生变形。 第五章主要描述虹膜图像纹理特征提取。介绍了现在主要使用的虹膜特征提 取方法，并且按照这些方法在实际应用中的不足设计改进的算法，增加识别系统 的性能。 第六章是实验结果和分析，以及本文的算法和其他算法的性能的比较。 第七章是对前面的工作作出总结，分析不足的地方和未来的研究方向。 电子科技大学硕士学位论文 第二章虹膜图像预处理 虹膜图像预处理是对含有虹膜的数字图像进行定的操作，让其更适合于虹 膜识别的后续步骤的处理。可以这样说，通过摄像头采集的虹膜没有进行过预处 理的虹膜图像是没有办法被识别的。 由于虹膜图像是在近距离所拍摄的，很容易产生对焦不准的现象，在预处理 前还可以先对虹膜图像进行清晰度评价，确定其是否可以用于处理。 2 1 虹膜图像质量评价 目前存在的图像质量评价方法，按照评价方法来分类，可以分为主观评价和 客观评价：按照评价对象来分类，可以分为有参照质量评价和无参照质量评价( 即 图像序列质量评价【1 ”。 在实际应用中，图像的主观质量评价方法受到了严重限制，甚至根本不适合 于某些应用场合。本论文这里只是对虹膜图像进行简单的质量评价，以简单高效 准确为主要原则。 对将要处理的图像进行质量评价，如果检测不合格( 清晰度不够) ，则放弃对 该图像的迸一步处理。 下面是几种客观评价方法【1 4 l 。 一 能量梯度函数 对焦良好的图像有更尖锐的边缘，即有更大的梯度函数厂f d 。能量梯度函数 是用相邻点的差分计算一个点的梯度值：( 图像大小为n n ) w ( l = 【营2 + ( 扣心= 口b + 1 ，y ) 一，o ，y 圩+ ，仁，_ y + 1 ) 一，b ，y ) 】2 “ ( 2 1 ) 用相邻点的差分计算一个点的梯度值，然后叠热； 1 0 第二章虹膜图像预处理 ，( ) = ，b + l y ) 一，g ，y ) 】2 + 【，b ，y + 1 ) 一，b ，y ) 2 “+ 2 ( 2 2 ) 式中，k 川为图像在点仁川的灰度值。 二方差函数 方差函数是一个比较流行的自动聚焦的评价函数。因为清晰聚焦的图像应有 比模糊图像更大的灰度差异，所以方差俐越大的图像越清晰。( 图像大小为n n ) ，( ，) = 蚓一掣 2 ( 2 3 ) 三 熵函数 熵函数是基于这样一个前提：对焦良好的图像的熵衄研大于没有对焦清晰的 图像的熵。 ( ，) = ， ，y ) xv h ( ，) = 一b ，y ) l n 【，0 ，y ) ry ( 2 4 ) ( 2 5 ) 根据香农信息理论，可以认为e 御一定时，h 越大，则图像越清晰。 在实际应用中，可以由先验知识决定清晰图像的评价的阈值。因为上面3 种 评价函数都是数值越大图像越清晰的，所以大于这个阈值就认为符合处理要求， 否则相反。 图2 - 1 表示的清晰图像和对应较模糊的图像，表2 1 为这两幅图像的3 种清 晰度评价函数的值的对比。 图2 1 清晰图像和对应的较模糊的图像 电子科技大学硕士学位论文 表2 1 清晰图像和较模糊图像的评价函数的值 图2 1 中清晰图像图2 1 中较模糊图像 l 能量梯度函数1 4 1 9 23 7 7 1 8 方差函数 1 7 9 8 7 1 7 1 8 8 熵函数5 4 2 1 45 2 2 7 从表2 - l 的数值可以看到清晰图像的评价函数的值基本上比较模糊的图像的 评价函数的值大。虽然清晰图像的方差函数和熵函数的数值比模糊图像大，但是 没有明显的分界，很难准确的判别清晰图像和模糊图像，而清晰图像的能量梯度 函数比模糊图像的大很多，其他的图像基本上符合这种情况，所以用能量梯度函 数可以较好的判别清晰图像和模糊图像。在实验中本论文是用能量梯度函数来对 图像进行判别的。 图2 - 2c a s n 2 0 虹膜库的图像 对于本论文仿真实验中所使用的虹膜库c a s 狻2 ，0 ，一些图像见图2 2 ，图像 对焦比较准确，所以清晰度都很高，因此用上面3 种清晰度评价函数来计算其清 晰度所代表的值，均可以达到处理的要求。 为了提高识别所需的时间，在本论文对虹膜库c a s n2 o 处理时，不进行清 晰度评价。但是我们实验后期要使用自己开发的d s p 系统实现虹膜识别功能时， 我们用了自己开发的镜头采集虹膜，所采集的虹膜图像清晰度不一定符合要求， 所以这时必须进行清晰度评价，以增强系统的性能。 2 2 图像平滑滤波 平滑技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行，基本方法 是求像素灰度的平均值或中值。为了既平滑噪声又保护图像信号，也有一些改进 第二章虹膜图像预处理 的技术，比如在频域中运用低通滤波技术。 一线性滤波 对一些图像进行线性滤波可以去除图像中某些类型的嗓声，如采用邻域平均 法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。 邻域平均法时空间域平滑噪声技术。对于给定的图像，f 训中的每个像点 ( m ，n ) ，取其邻域s 。设s 含有m 个像素，取其平均值作为处理后所得图像像点( m ，) 处的灰度。用一像素邻域内各像素灰度平均值来代替该像素原来的灰度，即是邻 域平均技术。 邻域s 的形状和大小根据图像特点确定。一般取的形状是正方形、矩形及十 字形等，s 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局 部统计特性而变化，点( m ，n ) 一般位于s 的中心。如s 为3 3 邻域，点( m ，n ) 位于 s 中心，则： 砌，炉；塞童肋“州) ( 2 6 ) 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0 ，方差为s 2 ，2 是未受污染的图像，含有噪声的图像f 经过邻域平均后为 歹( w ；) = 吉，g 国2 吉g ( f 国+ 吉n ( f 国 ( 2 7 ) 由上式可知，经邻域平均后，噪声的均值不变，方差口。2 ：生口2 ，即噪声 埘 方差变小，说明了噪声强度减弱了，即抑制了噪声。 由上式还可以看出，邻域平均法也平滑了图像信号，特别是可能使图像目标 区域的边界变得模糊。可以证明，对图像进行邻域平均处理相当于图像信号通过 一低通滤波器。 二中值滤波 中值滤波是抑制噪声的非线性处理方法。对于给定的n 个数值 a - ，a 2 ，a 。 ， 将它们按大小有序排列。当n 为奇数时，位于中间位置的那个数值称为这n 个数 值的中值。当n 为偶数时，位于中间位置的两个数值的平均值称为这n 个数的中 值，记作m e d ( a 1 ，a 2 a 。) 。中值滤波就是这样的一个变换，图像中值滤波后某像素 的输出等于该像素邻城中各像素灰度的中值。 电子科技大学硕士学位论文 中值滤波的方法运算简单，易于实现，而且能较好地保护边界，但有时会失 掉图像中的细线和小块的目标区域。 邻域的大小决定在多少个数值中求中值，窗口的形状决定在什么样的几何空 间中取元素计算中值。对二维图像，窗口a 的形状可以是矩形、圆形及十字形等， 它的中心一般位于被处理点上。窗口的大小及形状有时对滤波效果影响很大。 一维信号中值滤波具有如下重要性质： 输入是阶跃信号或斜坡信号时，输出信号和输入信号相同。 若输入时脉宽小于窗口一半的脉冲p ，则该脉冲被滤除，否则输入和输 出相同。 输入是三角形信号时。输出时其顶部被削平。 二维信号的中值滤波的性质与之类似。 在对虹膜图像的中间处理过程中，用中值滤波可以得到良好的效果。 三 数学形态学图像处理 数字形态学中最基本的运算是腐蚀和膨胀。腐蚀和膨胀的定义是和集合及集 合的运算密切相关的，下面介绍数字形态学的基本概念和运算。 设q 为二维欧几里德空间，图像a 是q 德一个子集，结构元素b 也是q 德一 个子集，6 q 是欧几里德空间德一个点，定义如下两个概念。 平移：定义为图像a 被b 平移后的结果，表示为： 爿6 = 向+ 6 l n 名 ( 2 8 ) 爿6 中所有元素是a 中的对应元素平移到以b 为原点的坐标系内的结果。 反射：彳定义为图像a 对于图像原点反射的结果，意即： 五； _ 口i 口一) ( 2 9 ) 图像a 被b 平移和被原点反射。 根据上述两个概念，可以定义数字形态学中的两个基本运算：膨胀( d i l a t i o n ) 和腐蚀( 盯o s i o n ) 。 膨胀的运算定义式为： 爿。骨= 和+ 6 i n 爿，6 占) = u 彳6 ( 2 1 0 ) 1 4 第二章虹膜图像预处理 腐蚀的运算定义式为： 爿o b = z q b 2 爿) 昌r 6 ( 2 1 1 ) 图像a 被结构元素b 膨胀，膨胀后a 形状与结构元素b 的形状有很大关系。 同样，图像a 被结构元素b 腐蚀，图示的结果与结构元素b 的选取有关。因此， 选取不同的结构元素b ，同样式做膨胀或腐蚀运算，最后所得的结果可能截然不 同。 在定义膨胀和腐蚀运算的基础伤，可以定义数学形态学的另外两个常用运算： 开运算( d p e n i n g ) 和闭运算( c l o s i n g ) 。 开运算：a 对b 的开，即a 被b 进行开运算的结果定义为： 爿。口= ( 4 0 丑) o b ( 2 1 2 ) 即a 先被b 腐蚀，再被b 膨胀的结果。 闭运算： 一b = b ) ( 2 1 3 ) 闭运算的过程与开运算恰好相反，先被b 膨胀，再被b 腐蚀的结果。根 据开运算和闭运算的特点，通常可以利用开运算删除图像中的小分支， 利用闭运算填补图像中的空穴。 电子科技大学硕士学位论文 第三章虹膜图像定位 虹膜定位是指对人眼图像中的虹膜部分进行精确地定位，这是虹膜识别重要 而关键的一步，虹膜能否准确地定位，关系到下一步虹膜纹理特征的提取，从而 对分析结果产生重要的影响。显然，精确的虹膜定位，是有效进行虹膜识别的前 提。 目前的比较好的虹膜定位算法有几种： 第一种是d a u g m a n 所用到的虹膜定位算法m ，在其论文上没有很详细的描 述，而其所使用的虹膜库的质量都比较好，不存在比较大的遮挡问题，而我们所 使用的c a s i a 2 o 虹膜库( 如图2 2 ) ，大量的虹膜存在着眼皮和睫毛的遮挡，所 以我们设计基于有遮挡图像的定位算法。 第二种是先用s o b e l 算子或c a n n y 算子对虹膜图像进行二值化边缘提取，然 后用h o u g l l 变换进行圆边缘检测。 还有一种是关于曲线拟合的圆定位算法，这里不详细介绍。 最后将详细的介绍我们所研究的研究基于块搜索的粗定位方法和基于局部范 围搜索的h o u 曲圆变换精定位方法结合的虹膜定位算法算法。 3 1 基于边缘提取的虹膜定位算法 基于边缘提取的虹膜定位算法f 3 2 j 是先对虹膜进行边缘，然后进行基于h o u 曲 圆变换的圆形边缘检测。 图像 滤波 s o b e l 算子或者c a n n y 算子提取图像边缘 h o u 曲变换圆边缘 检测得出定位结果 图3 1 基于边缘检测的虹膜定位算法的流程图 1 6 第三章虹膜图像定位 3 1 1 用s o b e l 算子和c a n n y 算子进行边缘检测 边缘检测技术对于处理数字图像非常重要，因为边缘使所要提取目标和背景 的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特 征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一 致的，而不同区域内部的特征或属性是不同的，边缘的检测正是利用物体和背景 在某种图像特性上的差异来实现的，这些差异包括灰度、颜色或者纹理特征。边 缘检测实际上就是检测图像特征发生变化的位置。 下面主要研究的s o b e l 和c a n n v 微分算子就是用于边缘检测的。 3 1 1 ，1 s o b e l 微分算子 导数算子具有突出的灰度变化的作用，对图像运用导数算子，扶度变化较大 的点处算得的值较高，因此可将这些导数值作为相应点得边界强度，通过设置门 限得方法，提取边界的点集。 一阶导数娑和善是最简单得导数算子，它们分别求出了灰度在x 和y 方向 o x o y 上得变化率，而方向a 上得灰度变化率可以用下面式子计算： 堕：堕c o s a + 笪s i n a ；g ( c o s 断+ 西n 研) ( 3 一1 ) 对于数字图像，应该采用差分运算代替求导，相对应的一阶差分为： 揽搿跺麓： c 。吲 ，( f ，j ) = ，( f ，j ) 一，( f ，j 一1 ) 方向差分为 。，( f ，j ) = 。，o ，) c o s 口+ ，厂o ，) s i n a ( 3 3 ) 函数f 在某点的方向导数取得撮大值的方向是a ：t a n 一，堕堕 ，方向导数 l 砂如l 1 7 电子科技大学硕士学位论文 的最大值是蚓一 ( 芸) 2 + ( 号) 2 j 称为梯度模。利用梯度模算子来检测边缘是一 荆艮好的方法，它不仅具有位移不变性，还具有各解睫。而由酊1 离，芸】 可以计算出灰度变化的方向，即边界的方向。边界的方向可以用于c a n n y 算子提 为了运算简便，实际中采用梯度模的近似形式，如；l ；，( ，刘+ b ，厂( f ，) 1 、 m a x 0 ，“，圳，江，厂( f ，j ) 1 ) 及m a x ，( f ，) 一，n ) 等。例如常用的s o b e l 算子。 旺_ 雕 c a n n y 边缘检测是一种比较新的边缘检测算子，具有很好的边缘检测性能得 抑制和边缘检测之间取得较好的平衡。具体步骤如下： ( 2 ) 用高斯算子一阶微分对图像进行滤波，得到每个像素梯度的大小i g i 小谢 j 1 8 ( 3 4 ) 第三章虹膜图像定位 a n 。 蒡，芸】 c s 吲 f 为滤波后的图像。 ( 3 ) 对梯度进行“非极大抑制”。 梯度的方向可以被定义为属于4 个区之一，各个区用不同的邻域像素 用来进行比较，以决定局部极大值。这4 个区及其相应的比较方向如 下表3 1 所示。 表3 1 四个区域其相应的比较方向 432 1 x1 23 d 例如，如果中心像素x 的梯度方向属于第4 区，则把x 的梯度值与它 的左上和右下相邻像素的梯度值比较，看x 的梯度值是否是局部极大 值。如果不是，就把像素x 的灰度设为o ，这个过程称为“非极大抑 制”。 ( 4 ) 对梯度取两次阈值得到两个阈值t 1 和t 2 ，t 1 = o 4 t t 2 。我们把梯度 值小于t 1 的像素的灰度设为0 ，得到图像1 。然后把梯度值小于t 2 的像素的灰度设为0 ，得到图像2 。由于图像2 的阈值较高，去除了 大部分噪声，但同时也损失了有用的边缘信息。而图像1 的阈值较低， 保留了较多的信息。我们可以以图像2 为基础，以图像1 为补充来连 接图像边缘。 ( 5 ) 连接边缘的具体步骤如下： 图像2 进行扫描，当遇到一个非零灰度值的像素p 时，跟踪以p 为开 始点的轮廓线，直到该轮廓线的终点o 。 考察图像1 中与图像2 中q 点位置对应的点q ，的8 一邻域区域。如 果q 点的8 一邻域区域中有非零像素r 存在，则将其包括到图像2 中，作为点r 。从r 开始重复步，直到我们在图像1 和图像2 中 都无法继续为止。 当完成对包含p 的轮廓线的连接之后，将这条轮廓线标记为已访问。 回到第步，寻找下一条轮廓线。重复步骤、，直到图像2 中找不到新轮廓为止。 1 9 电子科技大学硕士学位论文 用c a n n v 算子进行边缘提取效果很好，但速度比s o b e l 慢得多，所以s o b e l 仍然被广泛的应用。 在实验中发现由于虹膜中的纹理变化很丰富，通过s o b e l 算子得到的边缘二 值图有很多地方都丢失了，不能完全反映虹膜的边缘，而通过c a n n y 算子和确定 一定的闽值的方法却有较好的效果。 如图3 2 所示，对虹膜图像分别进行s o b e l 算子和c a n n y 算子运算。 ( a )( b )【o ) 图3 2 ( a 、原始虹膜图像；( b ) s o b e l 算子运算结果；( c ) c a n n y 算子运算结果。 从上图可以看到，s o b e l 算子纹理信息没有c a n n v 算子敏感，s o b e l 算予运算 得到的结果瞳孔边缘较好的提取，但是对于虹膜外缘( 虹膜和巩膜的交界线) 提 取效果不好，虹膜外缘的边界信息缺损；c a i l n v 算子较好的提取瞳孔边缘和虹膜 外缘，但是虹膜内部的纹理和皮肤上的纹理也在结果