（通信与信息系统专业论文）虹膜与人脸特征融合技术研究.pdf

中文摘要 中文摘要 随着社会的发展与科学技术的不断进步，每个人、每个社会、每个国家都需 要保证信息的安全。特别是在9 1 1 之后，信息安全更是引起了人民广泛的重视。 传统的身份识别方法( 如证件、磁卡、用户名和密码等) 已不能满足和达到用户 或系统的安全，而生物特征识别技术有其独特的优点，能更好的保护用户或系统 的信息安全，这使得越来越多的人对其进行研究并且生物特征识别技术得到了广 泛的应用。然而由于生物特征的不稳定性、易受周围环境的影响，以及反攻击技 术的发展等因素使得单模态生物特征识别技术不能满足人们的日益需求。多模态 生物识别技术是在单模态生物识别技术之上发展起来的，它具有单模态的优点和 自己的优势，能够克服单模态生物识别的一些缺点，从而得到了人们的广泛关注。 本文是对多模态中虹膜人脸特征融合技术进行研究，通过分别介绍虹膜、人脸特 征提取以及融合算法和实验等，旨在找出最优算法使虹膜一人脸特征融合系统有最 好的识别效果。 本文首先从单模态生物特征出发，分别介绍了虹膜、人脸特征的提取算法， 并且通过实验进行了仿真。其次，利用不同的融合方法对提取出的人脸和虹膜特 征进行融合，通过实验仿真得出了不同方法系统的识别性能，产生了新的实验结 论。然后，为了提高系统的识别性能提出了将融合后的特征利用f i s h e r 线性分析 方法重新进行分类再进行识别，实验结果表明此方法取得了较好的效果。最后从 生物特征泄露对系统性能的影响方面，对人脸、虹膜特征部分泄露后融合系统的 安全性进行了分析。 生物识别技术现在已经成为信息安全的热点，引起了众多研究者的兴趣，各 种优秀算法不断涌现。本文通过对虹膜一人脸特征融合技术的研究，旨在寻找能够 提高生物识别系统的性能的算法，提高算法的性能，为生物识别的研究与应用提 供参考。 螂烛 关键词：虹膜特征；人脸特征；融合：f i s h e r 线性分析；系统安全性 a b s t r a c l a b s t r a c t w i t ht h e d e v e l o p m e n t0 fs o c i e t y ； s c i e n c ea n di e c h n o l o g y ，t h e s e c u r i t y o f i n f b n n a t i o nb e c o m ee x t r e m e l yj m p o r t a n tf o rp e o p l e ，s o c i e l ya n dn a t i o n e s p e c i a l l y a f t e r9 1 1e v e n t ，t h es e c u r i l y0 fj n f i d 咖a t j o nh a sa r o u s e dw j d ec o n c e m t 。h et r a d i t i o n a l j d e n t i f j c a t i o n ( s u c h a s c e r t i f j c a t e ，c a r d ，u s e l l l 锄e ，c o d e )c a nn o tm e e tu s e r s r e q u i r e m e n t w h i l eb i o m e t r i c sh a sas p e c i a la d v a n t a g e ，i tc a np r o t e c tu s e r so ts y s t e m s i n f b 册a t i o ns e c u r i t y m o f ea n dm o r ep e 叩l eh a v er e s e a r c h e di ta l l di th a saw j d e l y d e v e l o p m e n t b u tt h eb i o m e t r i c si su n s t a b l e ，e a s i l yi n f l u e 玎c e db ye n v i r o n m e n ta n d a n t i - a t t a c kt e c l l n i q u eh a sd e v e l o p m e n t ，s oi tm a k eb i o m e t r i c st e c h n j q u en o tm e e t p e o p l er e q u j r e m e n t s m u l t i m o d eb i o m e t r i c st e c h l l i q u eh a sd e v e l o p m e n tb a s e do n s i n d e - m o d e b i o m e t r i c s t e c h j q u e w h i c hh a s0 、 a d v 枷t a g e s 觚d0 v e r c o m e s i n 出e m o d eb i o m e t r i c st e c h n j q u e ss h o n c o m i n g s ，s oi th a sb e e nw i d e l yc o n c e m e d t h i st h e s i sr c s e a r c h e si r i s - f a c ef u s i o nt e c l u l i q u e ，柚d r e s p e c t i v e lyi n t r o d u c e st h e i r f e a t u r ee x t r a c t j 仰，t h e ni n t r o d u c e ss y s t e mf u s i o na l g o r i t h mi no r d e rt 0m a k ei r i s - f a c e f e a t u r ef u s i o ns y s t e 功h a sab e t t e ri d e n t i f ye 矗- e c tb yf i n d i n ga n o p t i m a la l g o r i t h m t 1 l i st h e s i sf i r s t l yp r o c e e d sf b mt h es i l l 百e m o d a l i t yb i o l o g i c a lf e a t u r e si d e n t i f y ， a n dr e s p e c t j v e l yi n t r o d u c e si r i s 柚df a c ef e a t u f ee x t r a c t i o nm e t h o d ，t h e nc o n d u c t st h e s j m u l a i i o nt h r o u g l le x p e r i i f l 色n t s e c o n d l y ，w ef u s et h ee x t r a c t e di r i s 卸df a c ef e a t u r 髂 b yu s i n gs o m ef u s i 仰m e t h o d s t 1 l e nw ep r o c e e dt h ee x p e r i m e n t ，卸do b t a i n e dt h e j d e n t i f yp e 响册狮c c so fd i 能t e n tm e t h o d st h r o u g l ls i m u l a t i o ne x p e r i m e n t s 1 n h i r d l yj n o r d e ri o i m p r o v et h ei d e n t i f yp e r f 0 册a n c eo fs y s t e m ，w eu s cf j s h e rd i s c r i m i n 卸l a n a l y s j st or e c l a s s i f yf u s i o nf e a t u r e t 1 1 ee x p e r i m e n t a lr e s u l l ss h o wt h a tt h i sm e t h o d h a sab e t t e rr e s u l l f i n a l ly ，仃o mt h ea s p e c to fb i o l o g yf e a t u r e sl e a k a g ea f ! i e c t i n gs y s t e m ， w ea n a j y z et h es y s t c ms c c u r i t ya f t e rf a c ea n di r i sp a r t i a lf e a t u r el e a k j n g t h eb i o m e t r i c si d e n l i f i c a t i o n t e c h n o l o g y h a s a l r e a d yb e e n t h cj n f o r m a t j o n s e c u r i t yh o t w h i c ha t t r a c t sm a n yr c s e a r c hw o r k e r s i n t e r e s t s ，a n dm a n yf i n ea l g o r i t h m s j l l 黑龙江大学硕十学位论文 a r ec o n s l a n t l ye 皿e r g j n g t h j sl h e s i sr e s e a r c h e st h ei r i s f a c ef b s i o ni n0 r d e r1 0f j n di h e a l g o r i l h m sw h i c hc a ni m p r o v eb i o m e t r i c ss y s t e m p e r f o r m a n c ea n do f f e r r e f e r e n c e sf o r f h n h e rs i u d ya n da p p l j c a l j o n k e y w o r d s ：i r i sf e a t u r e ；f a c ef e a i u r e ；f u s i o n ；“s h e rd i s c r j m i n a n ta n a l y s i s ；s y s t e m s e c u r i t y l v 第一章绪论 第一章绪论 1 1 课题研究背景及意义 随着人们的生活不断数字化，科学不断进步，人们对身份认证的要求不断的 提高，这成为每个人、每个社会、每个国家必须面对的问题。传统的身份识别方 法有用户名、磁卡、密码和证件等，这些需要人们随身携带和记住这些卡号和密 码。所以传统的身份识别方法主要的缺点是：证件、磁卡等物品容易伪造或丢失， 用户名、密码等容易忘记或记错。而生物特征识别技术是利用人体自身的特征( 如 指纹、虹膜、声音、签名等) ，利用计算机或其它方式进行身份的自动识别与认证 l l l 。它克服了传统身份识别的一些缺点，具有自己独特的优点，这使得其不断的 发展。尤其在美国9 1 1 恐怖袭击事件后，各国更加重视人们身份与信息的安全， 传统的身份识别技术已不能满足人们的需求，生物特征识别技术逐渐发展，它的 发展也推动了生物特征识别与认证技术的研究与应用。 通过使用生物特征识别，能够确定或建立一个它是谁的个人身份，而不用通 过它所持有的像i d 卡等物件，或它所记忆的口令1 2 1 。其实几千年前人们就已经使 用人体的生理特征( 像人脸，声音和步态等) 与其他的人相区分。在十九世纪中 期，巴黎监狱的一个罪犯识别部门就提出了一种利用一些身体的测量来鉴定罪犯 的思想，并且实施了这个想法，很快许多主要的法律部门应用了这种方法来识别 罪犯。现在生物识别技术不但在法律部门广泛应用，在其它各个领域也快速的发 展应用。什么样的生物特征可以用做生物识别? 理论上任何人的生理特征或行为 特征都能被用做生物特征识别只要它满足下面的要求【3 l ： 1 ) 普遍性：人人都具有的特征。 2 ) 区分性：此生物特征能够区分任何两个人。 3 ) 永久性：经过一段时期后，此生物特征不变化。 4 ) 可采集性：特征能够被定量的测量。 黑龙江大学硕士学位论文 单模念生物识别技术主要包括以下几种： 签名识别：签名是生物体的一种行为。一个人签名的方式被认为是个人的特 点，尽管签名需要使用书写工具但它们仍然作为一种识别方式被政府、法律、商 业交易所接受。签名会随着时间而改变，并且签名者的身体、情绪等因素都会影 响签名，使得每次签名时都不同，更重要的是专业的伪造技术很容易伪造签名。 语音识别：声音是生物体生理学和行为学的结合。每个人声音的特点是基于 附属肢体( 嘴、嘴唇、鼻腔等) 的大小、形状，这些特点被用来合成声音并且这 些生理特点对于每个人来说都是不同的。语音识别系统分为依赖文本的语音识别 系统和不依赖文本的语音识别系统。依赖文本的语音识别系统是基于一个预先确 定文本的表达方式。不依赖文本的语音识别系统比依赖文本的语音识别系统更难 设计，但是安全性更强。基于语音识别的缺点有：对一些因素( 例如噪声等) 很 明感；很容易被伪造( 例如可以利用磁带录音来伪造) 。由于语音的区分性不是很 大，它也不适合大型的识别系统。 指纹识别：很早以前人们就使用指纹进行个人识别，并且准确率也非常的高。 指纹是由指尖表面脊线和谷线组成，在胎儿前七个月指纹的纹理信息就已经形成。 即使双胞胎的指纹也不相同，同一个人的每一根手指上的指纹也不相同。如今， 指纹识别仪不是很贵，在许多大型的应用场合都有指纹识别仪。现在指纹识别系 统的准确性已经能满足中型规模的认证系统，一个人多个手指的指纹就能够满足 大型的认证。但是指纹识别系统的一个问题是指纹识别系统需要大量的可以用来 训练的资源，尤其是当运行在认证模态时。并且有一些人的指纹由于遗传，年龄、 环境、所从事的职业等因素不能用来识别。 人脸识别：人脸识别是人们用的最多的生物识别方式。人脸识别的应用从静 态到动态，最流行的方法基于以下两种：1 ) 分析眼睛、眉毛、鼻子和嘴等面部特 征的位置和形状，和它们之间的空间关系。2 ) 对整个人脸图像的分析。人脸识别 具有以下的优点：采集图像时不用接触人脸，具有非侵犯性：直观、方便、成本 低；并发性：实际应用中可以同时进行多个人脸识别。人脸识别缺点：人脸自身 的特点易受外界环境影响，容易变化；很难识别双胞胎：人脸的表情丰富，不易 2 第一章绪论 于识别。 虹膜识别：虹膜是眼睛瞳孔和巩膜之i 日j 的环状区域。虹膜的纹理信息在胚胎 期间就形成了并且在出生后前两年的时间旱就稳定不变了。虹膜纹理极其复杂， 其携带着许多能够用于身份识别的不同信息。每一个虹膜都不同，即使是双胞胎， 通过手术改变虹膜的纹理是及其困难的。以上的特点使得基于虹膜识别系统的应 用具有很大的前景，并且在大规模的识别系统上应用虹膜识别具有可行性。早期 的虹膜识别系统需要很多的用户参与并且造价很高，但是现在的虹膜识别系统变 得更友好造价更合理。 掌纹识别：人的掌纹也包含像指纹一样的许多脊线和谷线。由于手掌区域大 于手指部分所以掌纹被认为比指纹区分性更加好。因为指纹采集仪需要捕获较大 的样本所以造价昂贵，而一个好的掌纹采集仪能够将手掌所有的特征( 例如手的 几何形状、掌纹的脊线、谷线、主要的掌纹等) 联系起来建立一个高正确性的生 物识别系统。 然而，这并不是说单一的生物特征能就传递可靠的个人识别信息。单模态生 物特征识别系统有以下的限制：1 ) 传输数据中含有噪声；2 ) 单个生物特征容易 受到伤病的影响；3 ) 单模态生物特征不稳定；4 ) 通过改变单一模态的生物特征 来提高生物识别准确性已经很困难。然而通过使用多模态生物形式能够克服以上 的某些限制。多模态生物识别技术因为具有不同的独立的特征被认为更加有效， 并且也能够迎合不同系统的苛刻的性能要求【2 】【3 l 。 从前面的单模态生物识别技术的简单介绍可知道，一个特定的生物识别技术 的适用性很大程度上依赖于应用领域的需求，没有任何一种单一的技术优于其它 的技术。每一种模态的生物特征都有自己的优点但确不是最佳的生物识别特征。 多模态生物识别技术的优点主要有以下几方面：1 ) 准确性：单独应用一个模 态的生物特征进行识别是不准确的，使用多个模态特征可以提高识别系统的准确 率。2 ) 安全性：伪造多个生物特征比伪造一个生物特征难。3 ) 适用性：有些人 的特征不能被用来识别，融合多个特征可以提高系统的适用范围。 基于以上的分析可知道传统的身份识别已不能满足现在飞速发展的社会要 3 黑龙江大学硕士学位论文 求，生物识别技术的兴起对信息安全的要求开辟了一条新的方向，现在基于生物 特征的认证系统已经广泛的被应用在军事、商业、家庭等各种领域。但是任何一 种人体的生物特征都有自己的不足，通过改变单一模态的生物特征来提高生物识 别准确性已经很困难。因此多种模态生物特征相结合已经成为未来生物识别技术 发展的新方向，但是现在还没有建立一个统一的融合标准、采用哪几种生物特征 融合能达到最好的识别性能以及如何评价一个融合系统的性能都没有统一的标 准，在这方面的研究具有极大的意义，也会带来巨大的经济效益。本文采用人脸 与虹膜作为研究对象，对其融合算法、融合后系统的安全性进行了研究，旨在提 高多模态生物识别系统的性能。 1 2 多模态生物识别技术研究现状 最近几年多模态生物识别系统受到了巨大的关注。最早利用生物特征的融合 来鉴别人身份的观点是由b m n e l l i 等人提出1 4 】。在文献“p e r s o ni d e n t i f i c a t i o nu s i n g m u l t i p l ec u e s 中就描述了一种使用人脸和声音特征融合的多模态生物识别技术， 这个技术将声音与人脸五个不同的匹配分数相融合形成一个单一的匹配分数用来 识别。多模态的概念是由b i g u n 与d u c 等在1 9 9 7 年最先提出，他们通过将监督学习 与贝叶斯理论相结合把声音与人脸进行融合来实现身份验证，结果取得了较高的 准确率1 5 】1 6 l 【7 l 。h o n g 等人将人脸与指纹相结合用来个人的识别1 8 】ok h m a r 等人在认 证系统中将手的几何特征与掌纹结合起来1 9 1 。j a i n 和r o s s 通过研究特定用户的参数 提高了多模态生物识别系统的性能i 埘。b i o d 开发了一个应用人脸、嘴唇、语音三 种不同的特征的生物识别系统d i a l o gc o m m u n i c a t i 蚰s y s t e m s ( d c sa g ) 。 在国内，中科院研究所、清华大学、北京交通大学等单位是我国主要的生物 识别技术研究单位，它们己取得了一定的成果。清华大学自主研制了基于人脸、 笔记、签字、虹膜四种模态结合的多模态生物识别系统，可以选择多种融合模式， 处于国内领先地位。中科院自动化所模式识别国家重点实验室以谭铁牛，王蕴红 为代表的研究小组已经成功研制通过虹膜、脸像和声音等多种人体生物特征进行 4 第一罩绪论 身份鉴别的新技术1 1 1 】。 网络现在对于商业、政府、和个人变得越来越重要，所以安全的进入网络系 统以及保证进入系统的人们身份的f 确是非常重要的。安防和智能小区需要能够 快速识别身份的智能设备，国家安全和法律部门需要能够确保边境安全和识别罪 犯的技术，这些使生物识别技术越来越被广泛应用。但多模态生物识别技术的最 大缺点就是成本太高使得其不能被广泛的应用，主要用户也只是政府和军方。随 着多模态生物识别技术的不断成熟与对安全的需求，在不久的将来多模态生物识 别技术将会有巨大的发展前景1 1 2 l i l 3 l 。 1 3 论文主要内容 现阶段人脸识别技术已经很成熟，并且广泛应用，被人们所接受，并且具有 简单、准确率较高、非接触性等优点。虹膜识别是一个新型的生物技术其识别速 度快、精度高以及独特的纹理信息等优点备受人们的青睐。所以本文将人脸与虹 膜特征融合对其进行特征融合技术研究，论文主要分为以下几部分： 第一章绪论，介绍了传统的身份鉴别技术、生物识别历史背景、人体的多种 生物特征、多模态生物识别技术的发展现状以及本文的研究意义。 第二章基于纹理的虹膜识别，介绍了虹膜识别技术的历史、现状以及虹膜识 别的算法。本文利用马力提出的多通道空间滤波方法，对虹膜识别实验验证获取 虹膜纹理信息，通过本章也可以掌握一般的生物识别过程。实验中用中科院 c a s n 虹膜数据库为实验对象提取虹膜特征，为下一步融合做准备。 第三章基于主成分分析的人脸识别，在人脸识别中“本征脸 是经典的人脸 识别算法，并且经过实验验证相对来说能够达到较好的识别率。本章主要是对 p c a 算法进行介绍以及其在人脸识别中的应用。对人脸图像经过p c a 算法后所 得到的人脸特征称为“本征脸 。实验对o r l 数据库利用“本征脸 提取特征， 为下一章做准备。 第四章虹膜一人脸生物特征融合研究，本章是在上两章基础上对提取后的虹膜 5 黑龙江大学硕士学位论文 与人脸特征进行融合，对融合算法进行研究。并且在融合后提出了加f i s h e r 分类 器对融合后的特征再次分类的思想。介绍了经典的融合算法：串联、并联和加权 三种，介绍了f i s h e f 分类器及其在生物识别中的应用以及多模态生物识别系统的 模型。融合系统的识别性能不但与融合算法有关也受提取单模态生物特征的算法 影响。本文将串联方法用在用马力提出的多通道空间滤波方法提取虹膜的特征与 p c a 方法提取人脸特征的融合中，并且对比了其它两种融合方法。最后对融合后 不加f i s h e r 分类器与加f i s h e r 分类器也分别进行了实验。 第五章，上述几章的内容可以构成一个基本的生物识别系统，第五章是对生 物识别系统安全性方面的研究。从系统的安全性角度研究了当样本部分泄露时系 统的安全性所受到的影响程度。通过定义安全威胁参数与安全性度量参数，来定 量的反应系统的安全性的变化。 最后从论文的最终研究成果、价值以及论文的不足之处等方面进行了总结， 提出了一些新的见解以及对未来的期望。 6 第二章基于纹理的虹膜识别 第二章基于纹理的虹膜识别 2 1 虹膜识别概述 虹膜识别是生物识别技术的一种。它的开端首先是由j a m e sd o g g a f t s1 9 4 9 年在 一本教科书中记载通过虹膜的形状来识别人的想法。但这个想法并没有得到发展 直到1 9 8 7 年两个眼科专家卸s a r 和k o n 缸dn o m 提出了这个思想。1 9 8 9 年他们要 求j o h nd a u 舯卸开发一个实际的虹膜识别算法。他们在1 9 9 4 年发展了这个算法并 且申请了专利，d a u g m a n 算法已成为现在所有虹膜识别研究和虹膜产品的基础。由 此可见虹膜学专家很早就对虹膜产生了兴趣并且进行了研究。 虹膜是一个被保护的眼睛的内部器官，它位于角膜和水状体之后，晶状体之 前，所以它是稳定的不易受到外界环境的伤害。通常情况下虹膜是比较湿润不易 受到外界环境的污染。虹膜有丰富的特征能够用来与其它的虹膜区分。其中一个 最主要的特点就是稳定性，在人两岁时虹膜进入到稳定时期很难再改变，除非外 科手术。虹膜是唯一的，任意两个虹膜相同的概率几乎是1 1 0 5 2 。另外，虹膜的 特征、大小、形状和位置在人出生的一年之内就形成了并且在人的一生中稳定不 变，人们不能通过照片伪造虹膜1 1 4 】1 1 5 1 。以上使得虹膜识别技术在安全领域有很大 的应用前景。近来在交通运输领域虹膜识别有极大的应用。i b m 和s c h i p h o l 小组联 合研究出虹膜识别产品其对登机的每一个乘客进行安全检查，这个产品已经在荷 兰开始应用。一个类似的产品也安装在了英国西斯罗机场、纽约j 吼场以及华盛 顿的杜勒斯机场。这些仪器加快了乘客安全登机的时间，使机场的运作变得更加 安全。并且也安装了专门为机场工作人员、飞行员、服务人员的虹膜识别通行证。 中科学院自动化研究所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，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系统，处于国内领先 地位1 1 6 j 。 一般地，任何一个生物识别系统都分为两个阶段：认证阶段( 训练阶段) 和 7 黑龙江大学硕士学位论文 测试阶段。如图2 1 所示。 训 练 测 试 图2 1 生物识别系统的一般模型 f i g u 陀2 1am o d e lo fb i o m e t d cs y s t e m 虹膜识别也分为以上两阶段。在训练阶段首先对数据库中的原始图像进行预 处理包括虹膜定位、图像增强、归一化等处理，为下步虹膜特征提取做准备以提 高提取虹膜特征的有效性和质量。然后对定位后的虹膜提取特征、作为模板存储 在数据库中以便与将要识别的虹膜进行匹配。识别阶段对虹膜的处理与训练阶段 相同，识别虹膜主要是根据提取的纹理特征与模板库中的虹膜纹理特征进行对比， 以达到识别目的，图2 2 是虹膜识别的一般过程。 训 练 测 试 测试虹 膜图像 2 2 虹膜定位 图2 2 虹膜识别框图 f i g t l 陀2 2 m c 向删融0 f i r i s 积璎叫t i 通常，一个获取的眼睛图像不仅包括了虹膜本身也包括眼睛区域其它与特征 提取无关部分( 如睫毛、眼睑、瞳孔等 事实上需要的仅是瞳孔与巩膜之间的虹 膜部分，它不应包含有其它无用信息。所以精确的虹膜定位将会影响后面的特征 提取、匹配等步骤最终影响整个系统的性能。因此，在特征提取之前确定虹膜的 8 第二章基于纹理的虹膜识别 精确位置是非常重要的，也就是说需要分别确定虹膜的内边界和外边界1 1 7 】1 18 1 。 2 2 1 虹膜内边缘定位 虹膜的内边缘通常是指瞳孔与虹膜相交的边缘。这里虹膜内边界的确定首先 应该确定瞳孔的中心和半径。从图2 3 中可以发现瞳孔、虹膜、巩膜三者之间灰 度变化较大，成阶梯状分布( 瞳孔灰度小于虹膜灰度，而虹膜灰度又小于巩膜灰 度) 所以可以根据此特点首先利用二值化方法粗略分离出瞳孔【1 9 】1 2 0 】【2 1 1 。 图2 3 人眼图像 f i g u r e2 3e y ei m a g e 二值化是指通过设定阈值将像素范围在( o ，2 5 5 之间的灰度图变成只有像素 只有o ，l 的二值图像。上述阈值可由灰度直方图获得。图2 4 是人眼图像的灰度 直方图，灰度直方图中含有两个明显的峰值和一个谷底。 上幽蝴蚴 0 01 5 0 2 2 5 0 图2 4 灰度直方图 f i g u r e2 4i m h i s t 9 枷 猢 啪 咖 鼬 枷 瑚 。 瓣鞲 黑龙江大学硕士学位论文 第一个峰值表示瞳孔的灰度级，第一个谷底表示瞳孔与虹膜交界处突然变化 的灰度值。在第一个谷底左右选择合适的值作为二值化阈值，通过多次试验本文 选择阈值区间为 3 5 ，5 5 ，能够较准确的分离出瞳孔，分离出的瞳孔如图2 5a ) 所示。从图中可以看出由于睫毛的灰度级接近于瞳孔的灰度级，二值化后一些睫 毛也被留下来了。为了消除睫毛的影响，论文对二值化后的图像采用开运算，即 先做膨胀运算再做腐蚀运算，运算后消除了睫毛的影响也基本保留了完整的瞳孔。 结果如图2 5b ) 所示。 a ) 二值化 图2 5 虹膜图像预处理 b ) 开运算 f i g u r e2 - 5t h ep r e p r o c e s s i n go fi r i si m a g e 粗略分离出瞳孔后，论文采用投影法确定瞳孔的圆心和半径。对处理后的图 像2 5b ) 分别向水平方向和垂直方向做投影，由于水平经过瞳孔中心和垂直经过 瞳孔中心方向的黑色最多( 用0 表示黑色) 所以投影的值最小，分别表示瞳孔的 纵坐标和横坐标。向垂直方向投影和水平方向投影为式( 2 1 ) ： x ，= a 唱m i n ( 芝，o ，y ) ) p 1 ( 2 - 1 ) 历 y ，= a r g m i n ( ，( 工，y ) ) 其中，x ，表示瞳孔中心纵坐标，y j 表示瞳孔中心横坐标，o ，y ) 为人原始眼 图像。从而可得到瞳孔半径。实验定位结果如图2 5 。 1 0 第二章基于纹理的虹膜识别 2 2 2 虹膜外边缘定位 图2 6 虹膜内边缘定位 f i g i l r e2 6i r i si 加e fe d g el o 髓t i 彻 b ) 虹膜的内边缘与外边缘可以近似的看成圆形，通常将它们看成是同心圆。瞳 孔的半径是虹膜半径的o 1 到0 8 倍。j o l l i ld a u 舯柚提出了一个非常有效的微积 分算子方法，来获取虹膜的三个参数( 2 2 1 【冽【2 4 】。 微积分算子法基本思想是：当输入原始图像的半径沿径向方向逐渐增大时， 圆周的灰度和对半径的微分最大( 即具有最大灰度变化) ，此时所对应的圆环即是 虹膜的外边缘，公式如式( 2 2 ) 1 2 5 】： 勰l g i ( r ) 觏训警出i ( 2 - 2 ) 其中，+ 表示卷积，g 。( r ) = ( 1 2 p s ) e 钟。2 1 是平滑函数，这里g 口( ，) 为取参 数是仃的高斯滤波器，0 ，) ，) 是原始人眼图像，d s 是积分的圆周。 驾 擎的 一趔酝 黑龙江大学硕士学位论文 按照d a u g m a n 的方法，需要搜寻整个人眼图像，如此将会消耗大量的搜索时 间，系统的效率变得很低。并且，此算法对噪声明感，睫毛与眼险遮挡了部分虹 膜会影响定位结果。为了解决以上问题论文假设虹膜的圆心与瞳孔的圆心相同， 并且取部分图像，限定参数范围这样可以缩小所搜范围与避开睫毛与眼睑的遮挡， 最终减小所搜时间。 a ) 搜寻区域b ) 虹膜外边缘定位 图2 7 虹膜外边缘定位效果图 f i g u r e2 7t h er e s u l lo fl o c a t i 彻 通过对数据库中图像的观察，可发现睫毛与眼睑一般只遮挡虹膜有限的上半 部分和下半部分，所以为了消除睫毛与眼睑对定位的影响论文中只选取一定区域 内的左右扇形作为搜寻对象( 如上图2 7a ) 所示区域) 。经过大量的实验表明此区 域可以获得虹膜的大部分信息能够较准确的求出虹膜的圆心和半径。最后定位结 果如上图2 7b ) 所示。 利用m a t l a b 对式( 2 2 ) 求解步骤如下： ( 1 ) 由上节得出瞳孔的圆心与半径，以此半径所对应的圆为初始圆，求圆周 上的灰度和。 ( 2 ) 在【r 3 川内以l 为步长求所有圆周上的灰度和。 ( 3 ) 求相邻圆周灰度和变化最大的两个圆周。 ( 4 ) 以小半径的圆周为虹膜的外边界，r 可求得。 图2 7 为利甩以上的算法对虹膜数据库中所有的虹膜进行定位实验的结果， 这里只是列出了部分图像。 1 2 第二章基于纹理的虹膜识别 每矽；嘲一 a ) b ) 图2 8 部分虹膜图像定位结果 f i g u 他2 - 8t h e 他s i i l to fp a n i a li r i si m a g e s 2 3 虹膜特征提取 如果按特征提取角度归类，目前的特征提取主要有以下三种方法：基于相位 分析的方法、基于过零点描述的方法、基于纹理分析的方法。从生物学角度看， 虹膜由非常复杂的纤维组织构成，包含许多细节特征( 斑点、细丝、条纹凹点等) ， 呈现一种由里到外的放射状结构。目前，将虹膜的结构与细节特征看成一种纹理 信息，采用基于纹理的方法提取虹膜特征，是目前普遍采用的方法，并且能够达 到理想的提取效果。虹膜图像的纹理信息可以用纹理变化的快慢( 用频率表示) 、 纹理的方向、位置表示，而利用滤波器能够提取特定频率与方向信息。d a u 舯粕 早在1 9 8 0 就提出了2 d g a b o r 滤波器的方法，这是有生理学基础的。人的视皮层 简单细胞的感受野具有空间频率和方向选择性，2 dg 籼r 函数模型与视网膜感 受野具有相似的结构能够很好的模拟视网膜感受野，具有方向选择性和空间频 率选择性的性质。并且它的空间位黄、空间变化、方向都可以通过参数来调整， 也可以作为解决实际图像分析的有用工具。目前，基于g a b o r 滤波器已经被广泛 的应用于机器视觉中，尤其是对于纹理特征的分析。下面就来介绍2 dg a b o r 滤 波剁2 6 】1 2 7 1 。 2 3 12 一dg a b o r 滤波器 、 由d a u g m a n 提出的2 dg a b o r 滤波器是局部空间带通滤波器。它的基本函数 1 3 黑龙江大学硕士学位论文 形式如式( 2 3 ) 所示： g 0 ，y ) = 麟“一1 2 恤2 口2 + y 2 声2 】) ，蒜焉缘端，瓣幼岍例 p 3 ， 一e x p ( 一1 2 【z 2 a 2 + y 2 声2 】) c o s ( 一2 万( “+ y ” 、7 + ，e x p ( 一1 2 8 2 口2 + y 2 卢2 】) s i n ( 一2 石 o z + ) ，) ) 由公式知它是中心在原点的二维高斯函数g o ，y ) 一e x p ( 一1 2 2 a 2 + y 2 卢2 ) ) 被 偶对称的余弦函数( 实部) 和奇对称的正弦函数( 虚部) 调制而成，时域中的图 形如图2 9 。 1 0 8 o 8 ： n o 0 2 o _ 02 0 4 1 1 0 0 o 川 1 图2 92 dg a b o r 滤波器时域中图形 f i g u r e2 - 92 dg a b o rf i l t e rs p a t i a l 陀s p o n s ep r o f i l e 其中高斯函数g ( x ，y ) 的位置可以由式( 2 4 ) 决定1 2 9 】： x iix x o 只= y c( 2 4 ) 高斯函数甙x ，y ) 的主轴方向由式( 2 5 ) 决定： 鬟黧二妻= ； p 5 ， y 暑一s i n ( 彳) 一只c o s ( 彳) 、7 由以上两式的任意方向、任意位置的高斯函数为式( 2 6 ) ： g o ，y ) = e x p ( 一l 2 0 2 口2 + y 。2 2 ) ) ( 2 6 ) ( ，y 。) 是( x ，y ) 相对于原始坐标的位置，a 表示高斯函数坐标轴相对于原始坐 1 4 第二章基于纹理的虹膜识别 标轴的旋转，口和分别是高斯函数的方差分别表示高斯函数在x 轴y 轴的宽度 即感受野作用范围，图2 1 0 表示了高斯函数在时域中的图形。 图2 - 1 0 两斯函数 f i g u 陀2 - 1 0g a u 豁i 柚f u n c t i o n 式( 2 3 ) 中e x p ( 一撕( 彬+ y ) 函数表示2 d 正弦平滑小波，图2 1 1 为其图形， 其中( ，) 表示其在x 轴y 轴上的空间频率，由欧拉公式2 d 正弦平滑小波表达 式可转换为式( 2 7 ) ： c o s ( 一幼 声+ y ) ) + fs i n ( 一2 万 + v o y ) ) ( 2 7 ) 幽2 1 1 小波图形 f i g u r e2 一l1p l a n ew a v e 由于g a b o r 滤波器的实部与虚部在频域中有相似的性质，所以在提取虹膜特 1 5 黑龙江大掌硕士学位论文 征时只选择g a b o r 滤波器的实部提取虹膜的特征，在时域为式( 2 - 8 ) ： g ，) ，) = e x p ( 一1 2 k 2 口2 + y 2 卢2 】) c o s ( 一幼 声+ y ” ：e x p ( 一昙。z 口z + y ：) ) c o s ( 一纫f c o s p + y 。s i n 口) ) ( 2 。8 频域公式为( 2 9 ) ： f ) 一p ( - 丢( 孚+ 言) ) 州一幼慨v ) ) ( 2 - 9 ) 厂= ；+ 培) u 2 和吼一删觚( “。) 分别表示调制频率和方向，由调制参数1 1 0 和决定。 由前面的讨论可知通过改变g a b o r 滤波器的参数( 口，吼) 可以获 得不同形式的空间滤波器( 例如特定的方向、频率) ，图2 1 2 为不同方向的g a b o r 滤波器实部的空问副硎。图2 1 3 为g a b o r 滤波器实部在平面上的灰度图。 1 6 第二章基于纹理的虹膜识别 囤 豇 固 匝 匠 皿 00 d ) 匝 图2 - 1 2g a b o r 滤波器时域图a ) o = 0 b ) 0 = p i 6c ) 0 = p i 3d ) o = p i 2 f i g u r e2 12g a b o rf i l t e rs p a c ei m a g e sa ) 0 = 0b ) c = p i 6c ) o = p i 3d ) o = p i 2 1 7 ， 。 啪 0 。 吣 帖 o m 。 d o o 啪 黑龙江大学硕士学位论文 翻目昌 a )b ) c ) d ) 图2 - 1 3g a b o r 滤波器灰度图a ) 0 = o b ) 0 = p 洳c ) 0 = p 怕d ) o = p i 2 f i g u r e 2 1 3 g a b o r 矗l t e t 伊a yi m a g ea ) o = 0b ) 0 = p 沥c ) o = p 怕d ) e = p 汜 2 3 2 圆形滤波器 通常在原始虹膜图像中，虹膜的纹理是沿半径方向分布的，也就是说纹理沿着 半径方向有明显的数量和形状变化。所以，只需要考虑沿半径方向的纹理变化即 可，虹膜的方向信息似乎并不是很重要，如果利用频率表示纹理快慢的变化，那 么区分不同的人主要是根据虹膜的径向频率信息。而每一个圆形滤波器可以获 取所有方向上的一定频率信息，它没有角度参数不需要考虑滤波器的角度，所以 它更符合虹膜的纹理信息分布特点，圆形滤波器的数学表达式为( 2 1 0 ) ： 删- e x 卅丢( 享+ 和州一加f ( 厢) ) ( 2 1 0 ) 其中，e x p ( 一昙( 写+ 乓) ) 表示中心在原点的高斯函数，口与的含义与2 d o c g a b o r 滤波器中高斯函数中口与卢的意义相同，c o s ( 一劢，( x z + y z ) ) 表示圆形滤 波器的调制函数，f 是调制函数的频率参数。从公式上可以看出它与2 一dg a b o r 滤波器主要的区别是调制函数的不同，g a b o r 滤波器的调制函数是带有方向参数 的三角函数，它只能获取给定方向上的频率信息，所以要同时考虑频率和方向两 个参数的选择。而圆形滤波器的调制函数是圆对称三角函数，它不包含方向参数， 当高斯函数在x 和y 方向上的标准差口与卢相同时，圆形滤波器可以得到所有方 1 8 第二章基于纹理的虹膜识别 向上的给定频率；当a 与不同时，不但可以得到所有方向上的给定频率还可以 分别考虑x 轴和y 轴方向的分布情况。图2 1 4 是圆形滤波器的频率取不同值时实 域中的图形。图2 1 5 是圆形滤波器频率取不同值时在平面上的灰度图。 1 9 黑龙江大学硕士学位论文 篙 一 。、： 1 一1 5 0 y 0 0 。 c ) 图2 - 1 4 圆形滤波器时域图a ) f _ 0 2 5b ) f _ 0 5c ) f - 1 f i g u r e2 - 14m u l l i c h a n n e ls p a t i a lf n t e r a )b )c ) 图2 1 5g a b o r 圆形滤波器灰度图a ) f _ o 2 5b ) 仁0 5c ) f _ 1 f i g u r e2 - 1 5m u l l i c h a n n c ls p a t i a jf i l t e r 伊a yi 脚g ea ) f _ 0 2 5b ) f - 0 5c ) f _ 1 2 3 3 归一化 在采集人眼图像时拍摄时焦距、快慢等的不同、眼球的旋转、瞳孔收缩、眼 睛的开闭等因素使得采集到的虹膜会有很大的变化。这样会影响下步提取的虹膜 特征的准确性，从而影响最后的识别，这对安全性要求极高的生物识别系统来说 是要避免的，所以在特征提取之前需要对定位后的虹膜进行归一化处理，使所有 的虹膜图像在一个统一尺寸、位置环境下提取特征。 虹膜归一化模型如图2 1 6 。 第二章基于纹理的虹膜识别 a )b ) 图2 1 6 虹膜归一化模型 f i g l l r e2 - 1 6n o m l a l i z a t i o nm o d e l 图2 1 6 ( b ) 是将图2 1 6 ( a ) 中虹膜两个扇形区域中的每一个点都映射到左图矩 形区域中。将所有不同大小、不同形状的虹膜区域归一化成维数相同的矩形区域。 其中矩形的横坐标是角度表示所取虹膜的角度方向，纵坐标是虹膜的径向长度 f 3 2 】。考虑到虹膜的上下部分易于被眼皮和睫毛遮挡，所以这里所需归一化的虹膜 区域，选择角度在1 5 0 0 2 1 0 0 和一3 0 0 3 0 0 之间的扇形区域，将其虹膜展成矩形。 下面介绍本文归一化的具体算法： ( 1 ) 取虹膜内外边缘之间径向方向的一段直线将其按照列扫描拉成向量作为 矩形的第一列。具体如下式( 2 1 1 ) ： z 2 ：一竺s i n ：一乞s l n 之 ( 2 1 1 ) v = 6 + 尺c o s p + 七c o s p 、7 其中，a ，b 为虹膜内外边缘的中心，r 为原点到虹膜区域中任意一点的距离， k 为在径向方向上变化的步长，p 为径向直线与横坐标的夹角1 3 3 1 。 ( 2 ) 以瞳孔圆心为虹膜圆心不断增加变化角度，每一个角度对应径向方向上 一条直线将其分别按照列