（通信与信息系统专业论文）用于虹膜识别的旋转角度估计算法研究.pdf

摘要 虹膜图像采集时，由于人脸的偏转或是眼珠的转动，造成采集到的虹膜图像 与原始虹膜数据库中的图像有旋转夹角产生。本文对如何估计两幅虹膜图像间的 旋转夹角这一课题进行了初步的研究，提出了两种基于图像矩的旋转角度估计算 法。 根据几何矩的物理特性知某区域的“取向”可由此区域主轴与水平轴的夹角 表示，主轴则是关于此区域转动惯量最小的一条直线。因此某一区域关于水平轴 的旋转角度可以理解为这一区域的“取向”。基于几何矩描述的旋转角度估计算法 将分割后的眼睛区域作为目标区域，眼睛区域关于水平轴的旋转角度则可以通过 计算该区域最小转动惯量得到。 由于砌l 池矩具有旋转不变性，旋转后的虹膜区域与未旋转的虹膜区域的 厉m 池矩模值是相同的，只存在相位角的偏差，因此则可以通过计算两幅图像 压瑚妇矩值对应的相位角之差估计其相对旋转角度。基于砌z 妇矩的角度估计算 法将定位后虹膜区域的灰度图像作为目标区域，并将其映射到单位圆上，然后计 算其忍m i 妇矩值所对应的相位角，通过与模板图像厉m 妇矩所对应相位角之间的 数学运算得到两幅图像之间的相对虹膜旋转角度。 实验结果表明，两种算法均能较准确估计出虹膜的旋转角度，对系统性能的 提升有一定的帮助。 关键词：虹膜识别旋转角度估计几何矩毖聊i 妇矩 a b s t i a c t o n 也ec 0 u e c t i o no fi r i si m a g e ，t h e r ei sar o t a t e 趾百eb e 呐e t h ec o l l e c t c di r i s i m a g e 舭dm eo r i g i n a li r i si m a g ei nt h ed a t a | b 私eb c c a u o f t h ed e n e 】【i o no ft h ef a c eo r t h et l l mo fm e 神a 1 1 ht h i sp a p e r ，t h e 嚣t i m a t i o no ft b i sr o t a t ea n g l ei sr c s e a r c h c d ， a n d 咖v da l 酬t h m s 盯ep r o p o s o dt oc a l c u l a t et h i s 锄口eb 船。do nt h ei m a g e m o m e n t a c c o r d i n g t 0t h e p h y s i c a lc h 缸a c t c r i s t i co f t h eg m e 缸cm o m c n t s ，i t i sh l o w l lt l l a t l h eo r i a l t a t i o no far c 西o nc 姐b er c 呻e n t e db yt h e 趾西eb e t w e e n 也eh o r i z o m a la x i s 锄d m e 皿n d p a la x i so f 也i s 西o n w h i c h i s m e l i n e 、】l r i t l l t l l e 锄a l l e s t t 啪i n g i n e r t i a o f t h er e 百o n s o t h e 觚g l eo f ar e g i o nr o t a t e d 讯吼t h eh o r i z t a l 酝i s 啪b er c g a r d c da s t h eo r i e n t a t i 蚰o f t h i sr c 西m a l 【i n gt h es e 粤n e n t e di r i si m a g e 髂t h et a r g c tm 百o n t h e g c o m 谢c m o m t sb 雒c d 缸酉e 酬m a t i n gm e m o dc 观g e tm er o t a l 哈缸醇eo f t l l ei r i sb y c a l c u l a 吐n gt h es m a l l e s tt l 】m i n gi n c n i ao f t h et a r g e tr e 舀o n b e c a 峪ez 拥妇m o m e n th 勰r o 协o ni n v 耐粗c c ，也ep r i m a li r i si n l a g e 锄dt h e r o t a t e di r i si m a g eh a v et h es 锄e 历聊琥已m 锄锄tm o d u l 髓懿c 印tf o rt h ed i f f b r t p h 鹊ea n 酉e 1 1 1 ef e l a t i v er o t a t e 锄百ec 姐b eg o tb yc a l c i l l a t i n g 也em 任b r e n c cb e 咐e e n 也e 忍埘妇m 锄锄t sp h 嬲e 缸酉铭o fd i 归f b r ti l i l a g 髓1 1 1 e 历朋妇m o m e n tb 鹊c d 趾g l ec s t i m a t i n ga l g o r i t h 】m g a r d st h el o c a t e di r i s 笋a yi m a g e 勰t h et a 】喀e tr e 舀o n 锄d m a p si to nm e 硼j td i s k 1 1 1 c nt h ec o r 砌币o n d i i l gp h 髂e 锄g e lo ft h ez e m “踣m 锄e n t i sc o m p u t e d 锄dm er c l 撕v cr o 诅t e 觚酉ec 趾b eo b t a i n c da c o o r d i n gt om e 压埘甜踣 m o m e n tp h a s ea n 百e so f 伽oi r i si m a g e s t h ee 】【p e r i m e n t a lr c s m t ss h o w nt h a tb o t ht h e t w op m p o s c da l g o r i t h m s 湖 b 勰i c a l l y 器d m a t et h er o 协t c d 趾百e 锄di m p r o v et h ep c r f b 衄趾o f t h ei r i sr e c o 鲥d o n s y s t 锄 k e y w o r d s ：i r i sr e c o g 嘣蚰r o t a t ea n 对ee s 廿m a 6 n g g e o m e 删cm o m 钮t2 拥f 船m o m 哪t 西安电子科技大学 学位论文独创性( 或创新性) 声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 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 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书面使用过的 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做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：芝亟 日期q 壁：i ：! 垄 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生 在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留 送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容， 可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合 学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 ( 保密的论文在解密后遵守此规定1 本学位论文属于保密在年解密后适用本授权书。 本人签名： 导师签名： 日期o ；，2 日期l 一口? 二! 上1 1 ， 麴 第一章绪论 第一章绪论 在高度信息化的现代社会，身份鉴别已经渗透到日常生活的每一个方面，尤 其对于我国人口众多的国情，身份鉴别有着更重要的应用前景与战略意义。传统 的身份鉴别方法主要是基于身份标识物品和身份标识知识，身份标识物品如证件、 钥匙、银行卡等；身份标识知识如用户名、密码等。但由于其自身的局限性( 易 丢失，易被伪造，易被破解等) ，因此依靠生物特性的身份识别技术便蓬勃发展起 来。 1 1 生物识别技术 生物识别技术以生物技术为基础，以信息技术为手段，它将本世纪生物和信 息两大热门技术融为一体，凭借其稳定、便捷、不易伪造的特性成为了一种新型 的可靠认证识别方法。在众多的生物识别技术中，虹膜识别技术以其自身的非侵 犯性、唯一性、稳定性以及认证的可靠性等众多优点成为生物识别技术的重要成 员之一。 1 1 1 生物识别技术概述 生物特征识别技术( b i o m e t r i c st e d m o l o g y ) 是指通过计算机与多种学科相结 合，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。生理特征与牛俱 来，多为先天性的；行为特征则是习惯使然，多为后天性的，我们将生理和行为特 征统称为生物特征。生物特征识别系统对生物特征进行取样，提取其唯一的特征 转化为特征编码，进行身份认证时，识别系统获取其特征编码并与原始数据库中 的特征模板进行比对，以确定是否匹配，因此生物识别是一种典型的模式识别。 生物识别技术是目前最为方便和安全的识别技术。它不易遗忘和丢失，不易被盗。 基于生物特征的身份鉴别技术利用人本身所拥有的生物特征来判别人的身份，这 些生物特征具有“人各有异、终身不变、随身携带”三个特点，具有稳定、便捷、 不易伪造等优点。常用的生物特征包括：指纹、掌纹、虹膜、脸像、声音、笔迹 等，生物特征识别系统中各个成员的特性比较如表1 1 【i 】所示。 从表1 1 中可以看出，指纹相对稳定，但采集指纹有一定的侵犯性；人脸特征 有很多优点，如主动性，非侵犯性，但是容易随着环境年龄而改变，不具备稳定性； 语音识别容易被伪造，不具备可靠性；因此，虹膜识别技术由于自身的非侵犯性、 唯一性、稳定性以及认证的可靠性，而且其系统的等错误率也是最低的，被认为 虹膜识别中的旋转角度估计算法研究 是一种值得推广的生物识别技术。一旦更小、更低廉安全的虹膜图像采集系统和 更完善的虹膜识别技术出现，基于虹膜的识别技术将成为生物特征识别家族中占 主导地位的成员。 表1 1 各种生物特征的比较 生物特征普遍性唯一性稳定性可采集性准确性可接受性安全性 人脸 高低中高低 高 低 指纹中高高 中 高 由 高 手形 由由 由 高 由 由 由 手部血管 中 d 中中中 由 高 虹膜高高高 中高 由 高 视网膜高高中低高低高 笔迹低低低高低高低 语音 由 低 低 由 低高低 红外温谱高局低高 由 高高 气味高高高低低中低 步态 中低低高低高 由 耳形 中 由 高 中 由 高 由 d n a 高高高低高低低 1 1 2 虹膜识别技术概述 虹膜识别技术是通过图像处理及模式识别的方法来自动地鉴别个人身份的技 术。从研究方法来看，它与数学、物理学、生物学、心理学、电子学、计算机科 学等多学科可以相互借鉴；从它的研究范围来看，它与模式识别、计算机视觉、 计算机图形学等多个专业又是相互交叉的。 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、可靠性、非 侵犯性等特点。其唯一性表现在虹膜图像是无法仿造的，要想让来自两个不同人 的虹膜形成相同的代码几乎是不可能的，这一点也是虹膜可以作为身份识别特征 的关键。眼科学家和解剖学家在临床上经过大量的观察发现虹膜具有独特的结构， 即便对于同一个人，左眼和右眼的虹膜区别也是十分明显的。且从事发育生物学 的科学家们发现，尽管虹膜的基本结构是由内在的遗传基因决定的，但是外界的 环境却对虹膜独特的细微结构起着决定性作用。这种外部环境是指在生命初期， 虹膜形成之前的胚胎发育环境。因此，自然界出现完全相同的两个虹膜的几率非 常小；稳定性表现在人类虹膜独特的结构在出生后的1 0 个月时间内完全形成，并 第一章绪论 3 且在一个人的整个生命历程中都将保持不变；具有独特性的虹膜结构不存在被偷 窃、丢失或者遭到破坏的可能性，并且虹膜具有内在的隔离和保护能力，若要通 过手术修改虹膜的结构，则必须承担影响视力的风险，因此其具有可靠性；非侵 犯性指的是虹膜图像可以通过相隔一定距离的摄像机捕获不需对人体进行侵犯 ( 指纹识别视网膜识别均为侵犯型识别) ，非侵犯性的生物特征识别是身份鉴别 研究与应用和发展的必然趋势。与脸像、声音等非接触的身份鉴别方法相比，虹膜 具有更高的准确性，据统计虹膜识别的等错误率是各种生物特征识别中最低的。因 此基于虹膜的身份识别在国际上已成为一个模式分类研究的热点领域。 综上所述，虹膜识别系统凭借其自身的多重优势，非常适合作为高信度的生 物身份鉴别特征。其不仅在技术上可行，而且有着较大的社会需求。随着对虹膜 识别系统的深入研究以及其技术的不断完善与发展，将会在更加广阔的范围内得 到更广泛的应用。 1 2 虹膜识别技术的研究现状与应用 虹膜识别技术已经有近二十年的研究历史，无论在其理论研究上还是在其应 用技术上都取得了一定的成果。因此，虹膜识别技术在众多领域均有着广泛的应 用，成为国内外争先研究的热门课题。 1 2 1 虹膜识别技术的发展历史 虹膜识别的研究可追溯到1 9 3 6 年，眼科专家f r a i l kb l l r c h 提出虹膜识别概 念，1 9 8 7 年，两个美国眼科专家l 。0 n a r df l o m 和a 豫ns a f i r 获得虹膜识别概念的专 利【2 】，但他们没能开发虹膜识别的处理过程。1 9 9 1 年，美国洛斯阿拉莫斯国家实验 室的j o l l i l s o n 实现了一个自动虹膜识别系统，这是有文献记载的最早的一个虹膜识 别应用系统。随后，1 9 9 3 年，j o l l nd a u g i n 卸实现了一个高性能的虹膜识别系统【3 】， 申请了“基于虹膜分析的个人身份识别系统”专利( d a u g m 趾，1 9 9 3 ) 。目前，大部分 自动虹膜识别系统使用d a u 鲫a n 的核心识别算法。砌c h a r dw i l d e s 在1 9 9 6 年也成 功研制了基于虹膜的身份认证系统【4 ，获得了“自动的、非接触的虹膜识别系统与 方法”专利( w i l d 鼯，1 9 9 6 ) 。同时，北美和欧洲也有一些科学工作者致力于虹膜识别 方面的研究。国内从事虹膜识别的研究相对较晚，主要的研究单位有中国科学院自 动化所，华中科学技术大学，浙江大学等。中国科学院自动化所模式识别国家重点 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 9 年起，该实验室生物特 征识别研究小组就开始了这方面的相关研究，而且于2 0 0 1 年成功开发出具有我国 自主知识产权的虹膜识别原型系统f “】，获得了三项国家专利。 4 虹膜识别中的旋转角度估计算法研究 1 2 2 虹膜识别技术的研究现状 从2 0 世纪9 0 年代以来，国际上一共出现了3 0 余种虹膜图像识别方法，其中具有 代表性的也是目前围际上流行的三种虹膜识别算法如下： 1 ) d a u g m n 提出的基于虹膜g a b o 带征的虹膜识别算法【2 】 该算法是现今国外大多数虹膜识别系统的原型，现有的商业虹膜识别产品也 大多基于此算法。算法提出了一种圆形探测器，在经过一定的尺度的平滑的灰度 图像上利用积分微分算子对虹膜内外缘进行定位；通过以瞳孔圆心为中心的极坐 标变换进行归化处理；利用极坐标系下的二维正交g a b o r 滤波器对虹膜纹理进行 一种简单的粗量化和相位编码；最后，对二进制特征码采用异或运算计算汉明距， 并且基于统计独立性的实验结果做出分类决策。 2 ) w i l d e s 提出的基于图像配准技术的虹膜识别算法 i o 】 该算法首先通过边缘检测和h o u g h 变换定位虹膜的内外边缘。然后将虹膜图像 进行不同分辨率下的披普拉斯金字塔式分解，将分解后的图像进行配准。将对应 的图像进行相关性比较，做出最终决策。该方法充分利用了虹膜的纹理和边缘信 息，而且图像配准技术有效地解决了图像的尺度、平移和旋转不变性问题。此方 法完全利用了所有可能的虹膜纹理信息，但是识别算法计算量较大，运行速度比 较慢。 3 ) b o l e s 提出的基于小波变换过零点的虹膜识别算法【1 i 】 该算法简单地以瞳孔圆心为中心把虹膜图像分解为一系列一维信号，再利用 它们的二进小波变换过零点作为虹膜信息的表征，最后通过计算不相似函数以及 实验统计结果进行分类。此方法克服了以往系统受漂移、旋转和比例放缩所带来 的局限，并且对亮度变化及噪声不敏感，但是对采样图像的要求较高。 利用w i l d e s 提出的算法时，若虹膜被跟睫毛严重干扰时，准确率会显著下降， 由于标准的h o u g h 变化非常耗时，存在图像处理时间长的问题；b o l e s 的算法处理 速度相对而言比较快，但是只是在小样本高质量图像上能取得比较好的结果； d a u 肿a n 算法的突出优点在于对于大多数虹膜图像均可以达到很高的识别率，但 是由于在虹膜定位的时候采用微积分算子，使得图像处理时间也较长，影响整个 识别系统的实时性。由于在虹膜识别的各个方面都还存在着较大的改进空间，因 此在虹膜识别技术还是有着较大的研究价值。 由上述分析可以看出，d a u g m a n 提出的算法在整个识别系统的性能、算法实 现的难易程度以及适用范围等多方面均具有优势，因此本文采用d 卸g m a n 的算法 对虹膜图像进行处理。此算法最大的缺陷在于图像处理的时间较长，降低了系统 的实时性，因此如何减少虹膜识别系统的运行时间成为了一个较为有意义的课题。 第一章绪论 5 系统在识别匹配这一部分采用循环移位模板的算法对图像的旋转夹角进行补偿， 这就意味着不仅图像的前端处理需要较长的处理时间，在后续的识别匹配过程仍 需大量的检测时间完成整个虹膜特征的识别过程，这一步骤大大降低了整个系统 的实时性。目前关于降低虹膜识别系统运算时间的研究主要集中在前端处理中， 对于后续识别匹配效率提升的研究几乎为空白，因此本文针对如何提升识别匹配 的效率进行了初步的研究。 1 2 3 虹膜识别技术的应用 由于虹膜具有这些独特的优点，虹膜识别已经引起科研工作者和企业家广泛 的关注，成为生物特征识别中的一个研究热点和重点。其广阔的市场前景，使之 成为了一项国内外都争先研究的技术。虹膜识别在众多领域均有着广阔的应用前 景：在金融证券领域，用于电子商务、银行a t m ，p o s 终端等的安全认证；在信 息领域，用于网络、数据库和关键文件等的安全控制，系统计算机的登录认证等； 在国防领域，用于重要基地的身份认证，机密资料的安全管理；在交通领域，用 于海关和民航的通关认证等；在公安司法领域，用于嫌疑人的准确确认，流动人 口的控制等；在日常生活中，用于个人汽车、移动电话的使用认证等。 虽然虹膜技术已经进入实用阶段，但发展中的虹膜识别技术仍存在着自身的 不足，最为严重的是目前绝大多数的识别系统只是用统计学原理进行小规模的试 验，而未进行大规模始末识别准确性的测试。在虹膜图像采集设备上也存在很大 的弊端，为确保采集图像的可靠性仍然需要大量的时间和精力。而且虹膜识别系 统较为耗时也成为制约虹膜大规模应用的弊端之一，较高的准确性以及实时性是 将识别技术推向市场最重要的两个方面。我国在虹膜研究上起步较晚，为了达到 国际前沿水平，仍需加快研究步伐，争取早日在此领域占据一席之地。 1 3 课题研究的意义 由于虹膜识别系统的实际应用对整个系统的实时性要求较高，因此减少系统 的运行时间是一个极为有意义的研究方向。目前大部分的算法研究集中在虹膜识 别的前端处理中，对于怎样提高识别效率的研究甚少，本文基于d a u 肿姐提出的 虹膜识别系统就如何提高识别效率这一课题进行了初步的研究。 d a u g m 姐提出的虹膜识别系统包括虹膜图像的采集，预处理，特征提取，识 别匹配这几个步骤。图像采集时由于人脸的偏转或是人眼珠的转动，现场采集到 的虹膜图像与原始虹膜数据库中的图像会存在旋转夹角，如图1 1 所示，右图的眼 睛较左图存在旋转角度。由于每幅虹膜图像的旋转角度都不一样，因此图像的旋 6 虹膜识别中的旋转角度估计算法研究 转现象使得归一化后的特征模板与原先虹膜数据库的特征模板之间会产生位移偏 差，若对此位移的偏差不进行移位补偿，则会很大程度上影响整个虹膜识别系统 识别匹配的准确率。 图1 1 来自同一人的虹膜样本 虹膜识别系统在匹配识别这一部分采用的是循环移位特征模板的方法消除此 夹角对系统性能的影响。由于不断的平移会大大增加整个识别系统的运行时间， 降低系统的运行效率影响其实时性。因此若能利用某种算法估计出这个旋转角度， 代替循环模板平移算法，直接将虹膜模板移位相应的个数对两幅虹膜图像之间的 旋转夹角进行补偿，将会提高系统的运行效率，增加系统的实时性，且目前关于 旋转角度估计算法的研究几乎为空白，因此针对虹膜旋转角度估计这一课题的研 究是十分有意义的。 1 4 论文主要工作及内容安排 1 4 1 论文的主要工作 虹膜图像采集时，虹膜与采集设备的镜头主轴有夹角存在，而且此夹角在每 次采集过程中不可能完全一致，导致采集到的虹膜图像会与原始虹膜数据库中的 图像有旋转夹角存在。若对此夹角不进行补偿，会大大降低整个虹膜识别系统的 准确率；若采用通用的循环移位特征模板算法进行补偿，会大大增加整个系统的 运行时间，影响实时性。因此本文针对如何估计出此旋转角度的算法进行了初步 的研究，主要的工作有： 提出了基于几何矩的算法估计虹膜旋转角度的算法。根据几何矩的物理特性可 知某区域的“取向”可以由此区域辛轴与水平轴的夹角表示，主轴是关于此区 域转动惯量最小的一条直线，因此某一区域关于水平轴的旋转角度可以理解为 这一区域的“取向”。利用抛物线积分微分算法检测出眼睛的上下眼睑，分割 出虹膜图像中的眼睛部分，得到眼睛区域的灰度图像，将其作为目标区域，能 第一章绪论 7 够使眼睛区域的转动惯量最小的直线与水平轴的夹角即为所需估计的旋转角 度，通过几何矩的数学运算即可得到所需估计的虹膜旋转角度。 提出了基于砌砒p 矩的旋转角度估计算法。基于几何矩的算法虽然利用了眼 睛部分的灰度图像，估计出整个眼睛区域关于水平轴的偏转，然而用眼睛区域 的旋转角度代替虹膜区域的旋转角度是存在误差的，相当于只考虑了人脸的偏 转，而没有考虑眼珠的旋转，因此提出了通过虹膜区域灰度图像的乃m 妇矩 值计算估计出此角度的算法。将定位后的虹膜区域作为目标区域，由于岔m i 托 矩具有旋转不变性，因此旋转后的虹膜区域与未旋转的虹膜区域的模值是相同 的，只存在角度上的偏差，则可以通过计算两幅虹膜图像毖m 船矩值对应的 相位角之差，得到所需估计的虹膜旋转角度。 1 4 2 论文的内容安排 本文共分为五章，各章具体安排如下： 第一章：概述了生物识别技术以及虹膜识别技术，针对虹膜技术的发展历史、 研究现状以及应用场合做了简单介绍，指出了本文所要研究的课题内容以及课题 研究的重要意义。 第二章：阐述了虹膜的结构特征以及虹膜识别系统的框架，详细介绍了 d a u g m a n 提出的虹膜识别系统中各个步骤的基本原理，主要算法。 第三章：更加明确的阐述了虹膜旋转角度的定义，提出了两种基于图像矩的旋 转角度估计算法。介绍了图像矩的背景知识，详细描述了两种角度估计算法的步 骤，原理以及实现方法。 第四章：从不同的角度对本文提出的两种旋转角度估计算法进行实验，并对实 验结果进行分析与比较。 第五章：全文的总结与展望。 第二章虹膜结构特征与虹膜识别体统 9 第二章虹膜结构特征与虹膜识别系统 虹膜识别是当前生物识别方法中主要的研究方向之一。在本章中较详细地介 绍了虹膜的结构以及d a u g m a n 提出的虹膜识别系统中各个步骤的主要算法。通过 简单描述虹膜的生物结构以及其生物特性，使读者对虹膜这一概念有了直观的了 解；并按照其识别过程的框图，系统的阐述了各个步骤的目的与原理；并且对本 文的研究课题进行了更加详尽的描述。 2 1 虹膜的结构与生物特性 2 1 1 虹膜的结构特点 眼睛的外观由瞳孔、虹膜、巩膜三部分组成，如图2 1 所示。眼睛中心颜色最 深的圆形部分是瞳孔，约占眼睛总面积的l o ；眼球外围的自色部分是巩膜，约 占眼睛总面积的4 0 ：虹膜是位于瞳孔和巩膜之间的圆环形部分，它包含着丰富 的纹理信息，约占眼睛总面积的5 0 【1 5 】。瞳孔随着入射光线强度的变化，会收缩， 扩张，引起虹膜的变化，是虹膜组织具有活体组织的显著特征。虹膜与瞳孔，巩 膜的边界近似为圆形，虹膜识别时可以充分利用这些几何信息。 图2 1 虹膜外观图像 虹膜表面高度细节化，包含了极为丰富的信息，外观看由许多隐窝和皱襞， 色素斑等构成，是人体最独特的结构之一。虹膜后表面较平坦，由于虹膜内血管 分布不均匀，使虹膜表面出现许多无规则的放射性条纹，内有许多放射性隆起， 代表虹膜血管的路径【蛉”】，如图2 2 所示。 虹膜的颜色主要由基质和黑色素浓度来决定，蓝色虹膜是因为缺少色素，长 波长的光穿过并被色素上皮细胞吸收，短波光被基质反射或散射。遗传的可能性 虹膜识别中的旋转角度估计算法研究 和人种的差异使得虹膜的颜色也不同。黄色人色素多，呈现褐色，白色人种色素 少，呈现灰色或者淡蓝色【1 9 。2 甜。 2 1 2 虹膜的生物特性 图2 2 虹膜组织结构图 每个人的虹膜的结构各不相同，并且这种独特的虹膜结构在人的一生几乎不 发生变化。这个观点有两方面的依据：第一个依据来自于临床观察，专家们经过 大量的观察发现，虹膜具有独特的结构，同卵双胞胎也不存在特征相同的可能性， 即便对于同一个人，左眼和右眼的虹膜区别也是十分明显的，并且自从童年以后， 虹膜在人的一生中所发生的变化十分微小。第二个依据是来自发育生物学，科学 家发现，尽管虹膜的基本结构是由内在的遗传基因决定的，但是，外界环境却对 虹膜独特的细微结构起着决定性的作用，这种外部环境是在生命初期虹膜形成之 前的胚胎发育环境【2 3 瑚】，自然界不可能出现完全相同的两个虹膜，因而具有唯一 性。发育生物学家通过大量观察发现，当虹膜发育完全以后，在人的一生中是稳 定不变的，因而具有稳定性。虹膜用于身份鉴别的医学特征有； 虹膜组织细节丰富； 虹膜组织细节的形成与胚胎发生阶段的环境有关，具有极大的随机性； 虹膜组织特征在出生后半年至年半后保持不变； 不能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 与某一特定对象的特征相同； 一般疾病不会对虹膜组织造成损伤； 瞳孔的缩放使虹膜组织具有活体组织的显著特征。 第二章虹膜结构特征与虹膜识别体统 2 2 虹膜识别系统 d a u g m 趾提出的虹膜识别系统包括虹膜图像获取，虹膜图像预处理，虹膜特征 提取，虹膜特征匹配四个部分组成，本文加入旋转角度估计部分，如图2 3 所示。 由于采集时间或是环境发生变化，即使来自同一人的虹膜图像仍存在平移、缩放、 旋转以及光斑带来的形变，因此必须对采集到虹膜图像进行预处理，补偿各种可 能的形变。通过虹膜采集设备获取到虹膜图像后，利用虹膜图像接近圆环的几何 特性，定位虹膜的内外边缘、上下眼睑，将虹膜部分的图像从原始虹膜图像中分 割出来，使虹膜图像具有平移不变性；将分割出来的虹膜图像通过在极坐标系中 的转化进行归一化，展开成6 4 5 1 2 的矩形图像，消除缩放带给虹膜图像的形变： 归一化后的虹膜图像进行增强，消除由于光照引起的噪声斑点，就得到了预处理 好的虹膜图像；将预处理后的虹膜图像经过特征提取得到虹膜特征模板：最后的 匹配过程就是利用分类器对虹膜特征模板进行分类，与原始数据库中的虹膜图像 模板进行比较，检索相应的数据库得到最终判别结果，即可完成整个虹膜图像的 匹配识别过程。 斟旋转角度值计j 虹 虹 虹 科特征撇占匝 膜 膜 i 虹貘图像获取净 j 图 图 貘 。v 像 山k 像 ，图 。v 像 定 归 增 位 化 强 图2 3 虹膜识别系统流程图 由上述分析可以看出，虹膜图像的预处理过程完成了对图像平移、缩放意义 噪声斑点对图像的影响，并没有补偿虹膜图像采集时人脸的偏转或是眼珠的转动 造成图像问的旋转偏差，系统是在匹配的过程中采取循环移位特征模板的方法进 行补偿的，这大大增加了系统的运行时间，降低了系统的实时性。因此本文在进 行匹配过程之前加入了旋转角度估计的步骤，直接利用某种算法估计出图像间的 旋转夹角进行移位补偿，这样不仅补偿了图像间的旋转偏差，也增加了系统的运 行速率。 在以下几个小节将详细介绍d a u 蛐柚提出的虹膜识别系统中各个模块的工作 目的以及原理，并对各个模板中现有的算法进行描述。 虹膜识别中的旋转角度估计算法研究 2 2 1 虹膜图像获取 虹膜图像的获取是虹膜识别的第一步，也是最困难的一步。由于虹膜的纹理 非常细微和丰富，使得普通的摄像头无法拍摄出可用于识别的清晰虹膜图像，所 以图像获取必须采用专用的虹膜采集装置。设计虹膜采集装置主要考虑以下几点： 能够引导使用者进行眼睛的自定位，以实现虹膜的居中拍摄； 虹膜采集装置自身配备可调可见光照明，从而实现拍摄到瞳孔较小时的虹膜， 并通过调节可见光，德到瞳孔迅速变化的虹膜，以进行活体虹膜检测； 由于般采用红外光源照明拍摄虹膜图像，所以要注意调整红外照明光源的数 量和角度，使虹膜图像亮度均匀，避免出现光源的高亮反射点在虹膜上； 根据实际观察，黄种人和白种人的虹膜纹理对不同波长的红外光的反射能力不 一样，实际设计系统时要注意根据具体的应用对象选择合适的波长； 采集装置的鲁棒性要高，尤其对于远距离虹膜图像采集装置，如何解决杂光干 扰是一个比较重要的问题。 早期的虹膜获取装置主要是虹膜研究领域里的科研工作者设计的，功能比较 简单，拍摄的距离比较近，对使用者和使用环境要求比较高。关于图像摄取目前 有以下几种方法【3 3 4 8 1 ： 1 ) d a u g m a n 的图像摄取装置：d 肌g m 姐系统采用3 3 0 m m 的透镜，从1 5 4 6 衄的距离摄取虹膜图像，这些虹膜图像的直径在l o o 2 0 0 个象素之 间。如图2 4 所示： 图2 4d 鲫虹膜图像摄取装置 第二章虹膜结构特征与虹膜识别体统 2 ) w i l d 嚣的图像摄取装置：w i l d 髓系统利用8 0 衄的透镜，从2 0 c m 处摄取 图像，图像的直径大约2 5 6 个象素。为了参与者舒服，照明度应尽可能的 低，因此，光圈不能太小，d a u g m 她和w i l d 髓系统的孔径都是1 锄。如 图2 5 所示： _卜，_ 漫射体f 光1 源 圆 形 - _ 竭 成_ 透镇 偏 _像 光 _ _ 器 q 图2 5w i l d 虹膜图像摄取装置 3 ) 光学上的图像摄取装置：由彩色摄像机、数字卡以及计算机组成，它的输 出为2 4 位数字化的虹膜图像。先通过选定一个中间阈值将其二值化，然 后把图片变成光传递二元形式，他有足够高的对比度，记录的虹膜直径为 5 m m 。用相干傅立叶光谱分析仪器产生傅立叶光谱。通过黑白扫描仪扫描 光强度的分布。通过计算机使其数字化并且储存起来。输出是一个8 位数 字化的图片，它有6 8 0 5 1 0 个象素，记录着2 1 1 6 m m 2 面积上的傅立叶光 谱。为了去掉高光点，傅立叶光谱的中心部分用一个辅助的圆形物体覆盖， 由经验得到这个圆的大约直径。虹膜中心为傅立叶光谱分析仪的光轴和聚 焦屏幕的交叉点。如图2 6 所示： 焦平面 平面 。 1 7 。 图2 6 光学虹膜摄取装置 1 4 虹膜识别中的旋转角度估计算法研究 结果证明，从这三个摄取装置中所得到的图像的空间分辨率足以用来进行虹 膜识别。近年来，随着虹膜识别的市场商机越来越大，虹膜图像获取技术也得到 了快速的发展，涌现出了许许多多的新技术，包括辅助用户自定位的技术，远距 离拍摄技术，自动拍摄技术等等，开始应用于虹膜图像的获取。目前，美国i r i d i 趾 t e 吐n o l o 西嚣公司、日本松下公司、o 公司和韩国i ，g 公司都在从事虹膜图像获 取技术方面的研究，并且研制处理了适用于各种不同应用的远距离( 2 0 5 0 锄) 自动 虹膜图像采集装置。如松下公司的a u t h e 埘c a n ，l g 公司研发的i r i s a c c e s s 等【3 2 】。 2 2 2 虹膜图像预处理 通过虹膜采集设备获取的虹膜图像不仅仅包括虹膜区域，还包含很多噪声， 比如眼睫毛、瞳孔、巩膜、眼皮，甚至还包括脸部的一些部分；且在每次的采集 过程中，虹膜在图像中的位置，大小和旋转角度都不相同；由于不同的光照不能 完全均匀分布亦造成虹膜图像的纹理有较大差异，因此在进行虹膜图像特征提取 之前，需要对虹膜图像进行预处理，去除噪声，补偿由于平移以及缩放引起的差 异。d a u g m 托提出的虹膜系统中预处理部分包括，虹膜的定位、归一化、图像增 强三部分： 1 ) 虹膜定位 虹膜定位在虹膜识别系统当中是非常关键的一个模块，定位过程就是将虹膜 的内外边缘通过某种算法确定后，将虹膜部分从虹膜图像中分割出来，在整幅图 像中确定可用的虹膜特征区域。定位的准确与否直接影响到虹膜图像归一化的效 果、图像特征提取的精度，以及后续图像匹配的准确性。 本文采用d a u g m a n 的圆模板定位算法定位虹膜区域。首先通过二值化和寻找 最大连通域的方法找到瞳孔区域，然后在垂直和水平方向进行像素投影，根据其 在垂直和水平像素相加的最大值就可粗略地得到瞳孔的圆心坐标。再利用 d a u 鲫缸子1 9 9 3 年提出的活动圆模板匹配的方法进行精确定位瞳孔，如式( 2 1 ) 所示： 黑木导掣刮 - ， 式中牛代表卷积，j ( 工，y ) 是坐标( 工，y ) 处二维数字图像的灰度值，q ( ，) 代表高 斯平滑函数，o 是其标准差，可以通过调节来调整虹膜图像的模糊程度。除以2 石r 是用于归一化的过程。式( 2 1 ) 表示算子在以( t ，咒) 为圆心，以r 为半径的圆周出 上，对像素灰度值做积分并把它归一化，再求差分，而与差分的极值所对应的坐 标( x ，y ，r ) 就是所求的圆心和半径。整个算子的作用为一个以尺度。模糊化的圆的 第二章虹膜结构特征与虹膜识别体统 边缘检测器，它在参数空间( t ，咒，r ) 迭代求最优解。这种由粗到细的迭代搜索，使 寻找的内外边缘可达到单像素精度。 计算机是以离散形式来实现活动圆模板匹配的方法的。下面给出其离散形式： 从算法的效率考虑，将式( 2 1 ) 的卷积运算和微分运算的顺序颠倒一下，并用差 分近似的方法来实现微分运算4 3 卅。即 旦譬* 吉q ( 玎，) 一古嘭( 一1 ) 缸) ( 2 2 ) 其中，是沿半径进行边缘搜索时的步长，咒是搜索步数。由式( 2 1 ) 和式( 2 2 ) 得出活动圆模板匹配法的离散形式： m “c 一一，j 古军i q 一”r 卜g 一。- 1 ) r ) ) 军忙r c o s ( m 们+ ) ，( t 廿s i n 咖a d + 凡刀 i ( 2 3 ) 虹膜图像中灰度的分布具有一定的规律性。靠近虹膜中心的部分的灰度值总 比外边部分低，虹膜各部分内灰度分布比较均匀。利用虹膜图像灰度分布的性质， 对式( 2 3 ) 进行改进，得到( 2 4 ) 式： i ( g ( 加一i ) r ) 一e ( o 一女一1 ) 血) ) 女r c o s ( m 一) + 而) ，( 地r 咖( 印+ ) 】1 一。“训l 军1 五蓼而面瓦而妨瓦丽面赢丽面瓦矿一 ( 2 4 ) 通过虹膜定位，就将虹膜从图像中分离出来，补偿了虹膜平移引起的形变， 如图2 7 所示。 ( a ) 原始图像 ( b ) 对应( a ) 的定位结果 图2 7 原始虹膜图像以及定位后结果 2 ) 虹膜图像归一化 虹膜定位完成后，就需对虹膜图像进行归一化。即使来自同一人的虹膜图像， 在不同时间或是不同的环境下采集，其大小都是不相同的，主要是由于采集时光 照的不同造成瞳孔大小的变化造成的。这种变化对虹膜的纹理造成了很大的改变， 1 6 虹膜识别中的旋转角度估计算法研究 为了使后续匹配识别的过程具有更高的准确率，就应该对这种缩放的形变进行补 偿。图像归一化的目的是将虹膜区域的大小调整到固定的尺寸，消除虹膜图像大 小不一致对特征提取的影响。虹膜图像经过归一化后具有尺度不变性和瞳孔缩放 不变性。 本文采用d a u g m a n 橡皮纸模型的方法【5 5 】，这是一种最简单而且最实用的方法， 因为近似环形的虹膜图像决定了在特征提取时使用极坐标更为方便，因此把虹膜 区域的两个不同心圆环之间的区域在极坐标系中映射成一个6 4 5 1 2 的矩形区域。 内外边缘圆周的参数分别为”“：( 五，咒，) ，( ，儿，) ，采用极坐标变换的方法进 行归一化，由于虹膜的内外圆边界不是同心的，所以这种极坐标变换也不是同心 的。设内圆圆心为，( ，) ，半径为弓；外圆的圆心为d ( q ，d ，) ，半径为r 。根 据圆心的相对位置可以分成五种情况，在这里以图2 8 为例进行说明。 a ( xd ( 0 ) ，y o ( 日) ) ，y i ( 日) ) 图2 8 归一化模板图 以内圆圆心作为极坐标系统的中心，做与水平线成p 角的射线，它与内、外 边界各有一个交点，分别记作彳( ( 口) ，儿( p ) ) ，曰( 薯( 臼) ，咒( p ) ) ，则有： a = 铷汜t a i l 么d 埘= 万一口+ 口 ( 2 5 ) ( 2 6 ) 么伽，：a r c s i n 墨：塑兰些( 2 7 ) 兄 么加嘣= 石一么0 髓一么( m ， ( 2 8 ) 朋( 口) = 足2 + r 2 2 足兄c o s 删 ( 2 9 ) 其它四种情况的结果可以类似推导出来。 由式( 2 5 ) 至式( 2 9 ) 可以得出，射线上两个交点之间的任何一点都可以用 4 ( 吒( 臼) ，儿( 口) ) ，曰( ( 口) ，m ( p ) ) 两个坐标线性表示出来： 第二章虹膜结构特征与虹膜识别体统 x ( 7 ，曰) 2 ( 1 7 ) 。薯( 口) + 7 。艺( 口) ( 2 1 0 ) y ( r ，口) = ( 1 一，) 乃( 曰) + ，j 0 ( 口) 由式( 2 1 0 ) 的变换可以将虹膜图像中的每个点一一映射到极坐标( ，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： ，( x ( r ，口) ，y ( r ，口) ) j ( r ，口) ( 2 1 1 ) 可以很容易将上以小节中定位出的虹膜区域在极坐标系中展成“5 1 2 的矩形区 域，经过归一化的过程后，补偿了虹膜放缩引起的形变，如图2 9 所示。 图2 9 对应2 7 ( a ) 的归一化图像 3 ) 虹膜图像的增强 获取的虹膜图像往往因为设备采集的原因，造成图像上的光照不能完全均匀 分布，这种情况会严重影响虹膜图像纹理的分析，另外由于外界干扰，图像中会 产生一定程度的噪声，如何消除光照不均、噪声等对系统的影响，也是一个很重 要的课题，这就是虹膜图像的增强。因此，为了增强识别的效果，要对虹膜图像 进行直方图的均衡化来增强图像，减少非均匀光照的影响【4 ”。 2 2 3 虹膜特征提取与编码 虹膜图像的特征提取是对预处理后的虹膜图像提取特征，对包含大量信息的 图像去粗取精的过程。由于原始图像数据量相当大，需要把这些数据转换成为若 干特性，继而对特征数据进行分析，对提取的特征还需要选择最有代表性的特征， 使其信息冗余度最小。从数学意义上讲，特征提取相当于把一个物理模式变为一 个随机变量。如果抽取了m 个特征，则物理模式可利用一个m 维随机特征向量描 述，表现为m 维欧式空间中的一个点。在虹膜识别中常用的特征有图像幅度特征， 图像统计特征，图像变换系数特征和图像纹理特征等。本文采用d a u g m a i l 提出的 利用多尺度g a b o r 滤波烈2 l 【1 蛇1 1 分解出虹膜纹理相位信息进行编码的算法，其依据 为g a b o r 小波具有与人类简单视觉细胞相似的视觉特性，能够很好地分析现实世 界中的各种模式【2 2 - 2 9 】。 g a b o r 滤波器能够提供空间和频率的最佳组合。g a b o r 滤波器由在高斯函数下 调制的s i i l c o s 波构成。这样可以提供在空间和频率上最佳的定位，因为s i n 波在频 虹膜识别中的旋转角度估计算法研究 率上定位很完美，但在空间上不行。高斯函数上调制的s m 波虽然损失了频率上的 定位，但提供了较好的空间上的定位。信号分解通过使用一对g a b o r 积分完成， 实部是高斯函数调制的c o s 函数，虚部是高斯函数调制的s i n 函数。实部和虚部滤 波器也各自被叫做偶对称和奇对称分量。滤波器的中心频率由s i i l c o s 函数的频率 规定。滤波器的带宽由高斯函数的宽度决定。d a u g m a i l 使用了2 维的g a b o r 滤波 器来编码虹膜图像数据。在图像域( x ，j ，) 上2 维g 曲o r 滤波器被表示为： g ( 工，y ) = p 一穿h 。一而) z 7 口2 + y 一如27 矿1 e 一2 州 矗k 。一却c 0 8 岛+ ( ，一蜘) 8 i n ( 2 1 1 ) 式( 2 1 1 ) 中( ，) 指定图像中位置， ，) 指定有效的宽度和长度，v 0 ) 指定 调制参数，频率嘞= 以0 2 + v 0 2 。 为了压缩数据d a u g m a l l 对g a b o r 滤波器的输出反调器。通过把相位信息分成 4 层，在复平面的4 个象限。用2 位数据表示，这样在标准虹膜中的每个像素与虹 膜模板中的2 位数据一一对应，在模板中总共有2 0 4 8 个位被计算。d a u g m a n 系统 使用极坐标来标准化，因此极坐标形式下的滤波器如下： 日。( ，9 ) = p