（通信与信息系统专业论文）虹膜定位和识别算法研究.pdf

摘要 摘要 随着现代社会信息技术的发展，对安全性的要求越来越高。因此，基于人体 生物特征的识别技术得到了迅速的发展和应用。虹膜识别作为生物识别技术中比 较有发展潜力的识别技术之一，己经被逐步应用到身份认证等安全领域。虹膜识 别是基于人眼虹膜纹理特征来确定人的身份的一种识别方法，也是最为准确的生 物特征识别方法之一。 一个完整的虹膜识别系统包括虹膜图像获取、虹膜图像预处理、特征提取和 分类匹配。本文在中国科学院自动化所提供的c a s i a 虹膜数据库上，实现了一个 虹膜识别算法，通过对算法进行仿真，证明了算法的可靠性和高效性。具体工作 包括： 1 分析了已有虹膜定位方法的不足，给出了由粗到精思想的虹膜定位方法， 此方法缩小了搜索范围，提高了速度，并且采取了有效的措施消除了睫毛和眼皮 的遮掩对定位的影响，此外，针对虹膜图像外边缘模糊的情况，给出了一个外边 缘定位方式。通过实验证明，本文的定位方法在精度和速度上有明显的提高。 2 对定位后的虹膜，采取了有效的归一化方式，首先在极坐标下把虹膜从环 行展成矩形，并对矩形图像增强，再把矩形图像化为多个一维信号，这样，就将 二维信号处理问题转化成了较简单的一维问题。 3 研究了g a u s s i a n h e r m i t e 矩的滤波特性，并参照已有的利用g a u s s i a n h e r m i t e 矩提取虹膜纹理特征的方法，用此方法对虹膜信号进行特征提取，同时，说明了 各类参数对识别结果的影响。 4 针对用g a u s s i a n h e r m i t e 矩提取的特征向量，先介绍已有的分类方法，指 出其不足，然后给出了一种简单的先对特征向量0 1 编码，再用汉明距离匹配的 方法。同时，作为一种新的尝试，应用非线形核分类器k n r 分类器对特征向量 进行分类。 通过在m a t l a b 平台上的仿真实验，可以证明，本文所提出的虹膜识别算法达 到了较高的精确度和速度，可作为今后构建一个可靠虹膜识别系统的算法基础。 关键词：虹膜识别，g a u s s i a n - h e r m i t e 矩，汉明距离，k n r 分类器 a b s t r a c t a b s 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 s ot h et e c h n o l o g yo f b i o m e n c si d e n t i f i c a t i o nh a sb e e n i m p r o v e d a n d a p p l i e d i n m a n y f i e l d s i r i s i d e n t i f i c a t i o ni so n eo fp o t e n t i a lb i o m e t r i c st e c h n o l o g y , i th a sb e e ng r a d u a l l ya p p l i e dt o s a f e t yf i e l d s i r i si d e n t i f i c a t i o ni sb a s e do ni r i st e x t u r et oi d e n t i f yp e r s o n s ，a n di ti so n e o f m o s ta c c u r a t eb i o m e n c st e c h n o l o g i e s ap e r s o n a li d e n t i f i c a t i o ns y s t e mb a s e do ni r i sp a t t e r ni sc o m p o s e do fi r i si m a g e a c q u i s i t i o n i m a g ep r p p r o c e s s i n g , f e a t i l r ee x t r a c t i o na n dm a t c h i n g i r i si m a g e sf o rt h i s p a p e ra r ep r o v i d e db yi n s t i t u t eo fa u t o m a t i o nc h i n e s ea c a d e m yo f s c i e n c e t h i sp a p e r p r e s e n t sa ni r i sr e c o g n i t i o na r i t h m e t i cw h i c hg e t sa b e t t e rr e s u l ti nt h ee x p e r i m e n t t h e m a i nw o r ko f t h ed i s s e r t a t i o ni sa sf o l l o w s ( 1 ) t h ed r a w b a c k so fs o m ep o p u l a ri r i sl o c a t i o na l g o r i t h m sa r ea n a l y z e df i r s t l y , t h e n a ni m p r o v e dc o a r s e - t o f i n ea p p r o a c hi sp r o p o s e d ，w h i c hr e d u c e st h ee f f e c t so fe y e l a s h o c c l u s i o na n db o u n d a r yb l u r r i n g , t w om a j o ra f f e c t e df a c t o r s w i t ht h i sa p p r o a c h ，t h e i n n e rb o u n d a r yi sq u i c k l yl o c a t e db ys e a r c h i n gac o a r s ec e n t e ra n dt h eo u t e ro n eb y i m a g ec o n v e n i n g ，e n h a n c i n g ，a n dd i f f e r e n t i a t i n g t h ep r o p o s e da p p r o a c hi sc o m p a r e d w i t ht w oc o m m o n l yu s e do n e sb ye x p e r i m e n t a lr e s u l t so nt h ec a s i ad a t a b a s ea n di s p r o v e di t sr a p i d i t ya n dp r e c i s i o o ( 2 ) i nt h ei m a g ep r o p r o c e s s i n g ，t h el o c a t e di r i si st r a n s f o r m e df r o ma na n n u a la r e at o ar e c t a n g u l a ra r e a ，t h e nt h ei m a g ei se n h a n c e da n dc o n v e r t e dt os o m e1 ds i g n a l sw h i c h w i l lf a c i l i t a t et h ef o l l o w i n gw o r k ( 3 ) ap r e v i o u sw a yo fi r i sf e a t u r ee x t r a c t i o nb a s e do ng a u s s i a n h e r m i t em o m e n ti s s t u d i e da n da p p l i e di nt h i sp a p e r , a n dt h ei r n f l u e n c e so fs o m ei m p o r t a n tp a r a m e t e r sa r e e x p l a i n e d ( 4 ) t oc l a s s i f yt h ef e a t u r ev e v t o r se x t r a c t e db yg a u s s i a n h e r m i t em o m e n t ，t h e d r a w b a c k so ft h ep r e v i o u sw a yi s a n a l y s e df i r s t ，t h e nt w on e wa p p r o a c h e s a r e i n t r o d u c e d o n ei sb a s e do nt h ew a yo f0 - 1c o d i n ga n dh a n m i n gm a t c h i n g ，t h eo t h e ri s p e r f o r m e dw i t hk n r c l a s s i f i e r e x p e r i m e n tr e s u l t ss h o wt h ee f f e c t i v e n e s so ft h i sm e t h o do nc a s i a i r i sd a t a i ti s i i a b s t r a c t p r o v e dt h a tt h ei r i sr e c o g n i t i o na r i t h m e t i cp r o p o s e di n t h i sp a p e rc a np e r f o r m e da sa g o o da r i t h m e t i cf o u n d a t i o nf o ra ni d e n t i f a t i o ns y s t e m k e yw o r d s ：i r i sr e c o g n i t i o n ，g a u s s i a n h e r m i tm o m e n t ，h a n n i n gd i s t a n c e ，k n r c l a s s i f i e r i v 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： 日期：p 6 年4 月塔日 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：导师签名： 日期：。h 力 第一章引言 第一章引言 1 1 虹膜识别技术的研究目的和意义 现代社会的发展对人类自身身份识别的准确性、安全性与使用性提出了更高 的要求。而身份识别恰恰是人们日常生活中遇到的一个普遍性问题，在生活中经 常会发生需要证明自己的身份，鉴别别人的身份等事情。传统的身份识别方法主 要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、自动取款机 的银行卡等：身份标识知识包括用户名、密码等。在一些安全性要求严格的系统中， 往往将这两者结合起来，如银行系统中很多保险箱同时需要钥匙和密码。但是， 标识物品容易丢失或被伪造，标识知识容易遗忘或记错，更为严重的是传统身份 识别系统往往无法区分标识物品真正的拥有者和取得标识物品的冒充者，一旦他 人获得标识物品，就可以拥有相同的权力，其带来的隐患一直难以解决。因此， 传统的身份识别方法己经远远落后于时代的要求，人类必须寻求更为安全可靠、 使用方便的身份识别新途径。 由于人的身体特征具有不可复制性、唯一性、普遍性和稳定性等特点，从而， 以人自身的特征进行识别的生物识别技术开始兴起。与传统的身份鉴定手段相比， 基于生物特征识别的身份鉴定技术具有以下优点：( 1 ) 不易遗忘或丢失；( 2 ) 防 伪性能好，不易伪造或被盗；( 3 ) 随身携带，随时随地可用。生物特征识别技术 是指使用人体本身所固有的生理特征或行为特征，通过图像处理和模式识别的方 法对个人身份进行鉴定的技术。生理特征多为先天性，行为特征多为后天形成， 它们统称为生物特征，常见的生物特征如指纹、手形、虹膜、视网膜、脸形、脸 部热量图等属于生理特征，另外还有一些生物特征如书写、击键等行为特征也可 用于身份鉴别。但如果要把生物特征用于身份识别，这些特征必须具有唯一性和 稳定性。据研究表明，人的指纹、手型、虹膜、脸型等都具有唯一性和稳定性的 特征，即每个人的这些特征与别人的都不同，且终生不变，因此就可以据此识别 出人的身份。由于人工智能、图像处理及模式识别技术的飞速发展为这种识别技 术提供了技术支持，社会的发展也提出了对这种识别技术的需求。到目前为止， 人们已经发展了人脸识别、指纹识别、语音识别、视网膜识别、虹膜识别等多种 基于人体生物特征的识别技术。 电子科技大学硕士论文 虹膜作为一重要的身份鉴别特征是由于其独特的生理特征。对于不同人，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中几乎不发生变化。眼 科学家“埽口解剖学家“1 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，而且自童年后，虹膜在人的一生中 所发生的变化十分微小。发育生物学界的科学家同时发现，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 性的作用。儿“。这种外部环境是指生命初期，虹膜形成之前的胚胎发育环境。因此， 自然界几乎不可能出现完全相同的两个虹膜。发育生物学家通过大量的观察还发 现当虹膜发育完全以后，它在人的一生中是稳定不变的，因而具有稳定性“1 。另外， 由于虹膜的外部有透明的角膜将其与外界隔离，因此发育完全的虹膜不易受到外 界的伤害而产生变化。 与其它的生物识别技术相比，虹膜识别技术具有更好的发展前景，这主要基 于以下几方面原因”1 ： ( 1 ) 虹膜就像指纹，具有随机的细节特征和纹理图像，而且这些特征在人的 一生中均保持相当高的稳定性，因此虹膜成了天然的“光学指纹”。 ( 2 ) 虹膜具有内在的隔离和保护能力。 ( 3 ) 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。 ( 4 ) 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) 。 正因为虹膜具有以上生理方面的优点，基于虹膜的生物特征识别的识别率、 错误率等方面的性能指标都优于其它的生物特征识别方法，可以说虹膜识别是目 前身份认证中最有发展前途的识别技术之一，有着广泛的市场前景和科学研究价 值。 1 2 虹膜识别系统介绍 一个完整的虹膜识别系统是通过特制的光学成像系统、电子控制单元以及适 当的计算机软件算法来提取虹膜的图像，通过预处理技术实现虹膜的定位，归一 和去噪，再用特征提取器对虹膜进行有效的特征的提取，最后使用分类器完成基 于虹膜特征向量的分类任务。具体的系统过程可以参照图1 - 1 。 第一章引言 1 2 1 虹膜图像获取 图1 - 1 虹膜识别系统图 虹膜识别的第一步，同时也是很重要的一步就是虹膜图像的获取。虹膜是一 个很小的器官，直径约十几毫米，不同人种的虹膜颜色有很大的差别。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。自动 虹膜识别的关键技术之一就是要高质量的捕获虹膜图像。因为虹膜面积很小，颜 色灰黑，所以要获得细节清晰、对比度高的虹膜图像并非易事。 如图1 2 所示，数字摄像机从3 0 5 0 厘米的距离，摄得分辨率为3 2 0 * 2 8 0 像眼 部图像。为了提高图像的对比度，采用了红外和可见光l e d 辅助光源。通过适当 调整光源的位置，可以消除在捕获的图像中眼镜反射造成的亮斑。当然，由于操 作问题，有时难以避免上述现象的出现，这时就需要从捕获的图像去除眼镜反射 造成的亮斑。 1 ，2 2 虹膜图像预处理 图1 2 虹膜图像捕获示意图 虹膜图像预处理的目的是虹膜定位与归一化，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 电子科技大学硕士论文 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 置并进行大小归一比。在某些情况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，虹膜的内边界即瞳孔的大小是会发生变化的，这将 会使虹膜的纹理产生变形。以上这些情况都会影响虹膜图像的质量，从而给下一 步的特征提取和准确匹配带来困难。为了实现精确的匹配，就要通过预处理消除 上述各种因素对虹膜图像的影响虹膜。图像的预处理包含虹膜定位、虹膜图像归 一化和虹膜图像增强三个步骤。 其中的虹膜定位是虹膜识别处理过程中最重要的环节，它的结果决定了提取 特征是否有效和编码是否准确，从而最终影响虹膜识别结果。虹膜是位于瞳孑l 和 巩膜中间的环形区域，它的外边缘和内边缘可以近似的看作圆形，所以定位的过 程就是找出内外两个圆的半径和圆心的过程。现有的虹膜定位算法中常用的拟合 圆的方法包括： ( 1 ) 图像边缘检测加h o u g h 变换“”。 a 图像边缘检测 第一步，对虹膜图像的内外边缘进行检测。边缘是指图象灰度发生空间突变 或者在剃度方向上发生突变的像素的集合，图像的边缘可以划分为阶越状边缘和 屋定状边缘，在数学上可以利用其灰度变化曲线的一阶，二阶导数来描述两种不 同的边缘。边缘检测的方法有几类7 1 ，包括微分边缘检测算子，多尺度边缘检测， 基于模糊增强的边缘检测，基于s n a k e 模型的边缘检测和曲面拟合边缘检测等。 其中，微分边缘检测算子法是其中的传统一方法，对虹膜图像边缘检测也大多采 用这一类方法。 边缘检测算子法是用图像灰度分布的梯度来反映图像灰度的变化情况。设 v f ( x ，y ) 为图像的梯度： v f ( x , y ) = i ，h 正， 7 ( 1 - 1 ) w ( 五y ) 中包含局部灰度的变化信息，其幅度为e ( x ) ： e ( x ，y ) = - ，孑( x ，y ) + i 厂；( x ，y ) ( 1 - 2 ) p ( x ) 可以用作边缘检测算子。为了计算上的简单，也可以用偏导数六，工的绝 对值作为灰度变化的幅值： e ( x ，y ) = f a x ，_ y ) h l ( x ，y ) l ( 1 3 ) 局部边缘方向可以用方向角表示： 4 第一章引言 ( x ，y ) 梯度值可以用下面的梯度算子来计算： ( 1 4 ) ( 1 5 ) 厂。= 记y ( 1 - 6 ) x ，y 为包含局部图像领域象素的矢量，w 2 是用梯度掩模描述的权矢量。取掩 模的不同，可以得到不同的算子，有代表性的有：r o b e r t s 算子、s o b e l 算子、p r e w i t t 算子、r o b i n s o n 算子、k i r s c h 算子和c a n n y 算子等。以本文要用到的s o b e l 算子为 例，给出它的梯度掩模如下图所示。 一1o1 2o2 1o1 12l 00o l一21 图1 - 3s o b e l 算子掩模图 b h o u g h 变换7 由边缘检测得到虹膜的内边缘( 瞳孔边缘) 和外边缘( 巩膜边缘) 的边缘点 集合，表示为( x ，y ，) ，产1 ，n 。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。 h o u - g h 变换是利用图像全局特性而将边缘象素连接起来组成区域封闭边界的 一种方法。在预先知道区域形状的条件下，利用h o u g h 变换可以方便地得到边界 曲线，将不连续的边缘象素点连接起来。h o u 。g h 变换的主要优点是受噪声和曲线 间断的影响较少。利用h o u g h 变换可以直接检测某些已知形状的目标。下面简述 一下利用h o u g h 变换来检测圆的原理。 定义h o u g h 变换为： h ( x 。yr ) = a b ，w yx 。yr ) ( 1 7 ) j = l 其中 电子科技大学硕士论文 g ( x j ，y j , x 。，y 。，r ) = 0 ( 1 _ 8 ) g ( x yt ，y e , r ) = g ，一t ) 2 + ( y 厂y c ) 2 一，2 ( 1 9 ) 对于菜一个边缘点( z ，y ，) ，j = l ，n 。当 g x ，y ，z 。，y c , r j = 0 ( 1 1 0 ) 时的( t ，y 。，) 代表了一组在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( ，y 。，r ) 就是最理想的圆模型。 这样，将h ( x o ，y 。，r ) 作为一个与t ，y 。，r 对应的数列，计算它的值，取其中的 最大值所对应的( t ，y 。，) ，从而获得了表征虹膜内边缘或外边缘的圆的参数。 ( 2 ) 圆检测算子法。1 。 此方法的原理是：假设如) 为坐标在( x ) 处的图像强度，将内边界或者外 边界模型化为圆心在( t ，儿) ，半径为r 的圆，通过如下的圆检测算子 m 嘶而冲以，+ 昙扎川铙划 其中 g ，( r ) = ( ；：疡) 7 。7 石d 2 ( 1 1 2 ) 对输入图像船) 进行搜索，以图像上每一点( t ，y c ) 为中心，采用逐步增加的半径 计算归一化的圆积分沿半径方向的灰度梯度，使此值最大的点及半径即为所要搜 寻的虹膜中心及半径。 1 2 3 虹膜的特征提取 仔细观察虹膜图像发现，虹膜图像中包括有丰富的纹理特征。如果将预处理 后的虹膜图像看作一幅纹理图像，那么许多纹理分析的方法都可以用来抽取虹膜 特征。常用的纹理描述方法有空间自相关法、傅立叶功率谱法、共生矩阵法、分 数维描述法等等 _ ”，但由于虹膜纹理的复杂性，这些传统方法往往得不到达到较好 的特征值。现有的虹膜识别算法中，纹理特征提取的典型方法有两种： ( 1 ) g a b o r 滤波器”1 。 从图像中提取纹理信息的有效策略之一是将图像与带通滤波器卷积，其中带 通滤波器可以选择2 d g a b o r 滤波器。2 d g a b o r 滤波器最初由d a u g m a n 在1 9 8 0 年 1 o ，j、，l = ) r c y c x ， y ， x ( 矗 第一章引言 提出的。d a u g m a n 在1 9 8 5 年详细论述了它们的数学特性，指出2 dg a b o r 滤波器 提供空间频率、方向、空间位置的最大分辨率，因此在空间和频域中具有良好的 联合定位能力。并且，g a b o r 滤波器具有以下几方面：( 1 ) 具有x ，y 向的方向和 频带宽度；( 2 ) 具有可调的中心频率；( 3 ) 能同时达到空问域和频率域的联合最 优分辨率。因此，2 dg a b o r 变换特别适合分析那些包含较多特定分辨率和方向特 征的纹理。 2 dg a b o r 复小波的形式定义如下： o ，y ) = e 叫。飞2 止2 + y 一期2 矿 e - 2 j r i h o h ) + ( y h 妇 ( 1 1 3 ) 其中( 矗，y 。) 确定小波在图像中的位置，( 口，p ) 确定有效的宽度和长度，( ，v 0 ) 确 定调制频率和方向，其频率为 w o = 4 u ；+ y ； ( 1 1 4 ) 方向为 o o ；a r c t a n ( v 0 肛o ) ( 1 - 1 5 ) 通过调整以上这一系列参数，可以使g a b o r 小波具有不同的空间局部化特性， 如方向选择性、频率选择性等。利用这些小波对图像进行变换，就称为g a b o r 小 波变换。将这些函数与原始图像像素相乘和积分可产生一系列系数，从这些系数 就可以提取出图像的纹理信息。 ( 2 ) 小波变换“。 一维小波变换就是将信号在一个函数族上进行分解，该函数族是由一个独立 的函数妒o ) 经过平移和伸缩而得到的，即单一函数妒o ) 经伸缩，平移后得到的函 数族妒。o ) ： 扎= 陋 - v 2 0 ( 学) 咖足。一o ( 1 _ 1 6 ) a ，b 分别为伸缩和平移尺度，w ( t ) 为“母小波”。其中妒o ) 满足满足容许条件： q ：阻。 c w 2 i 挚“ ( 1 1 7 ) 电子科技大学硕士论文 则连续小波变换( c w t ) 为： 哆( 咖) = ( 邝) ( f ) ) 科班肌) y ( 等) a t 1 8 ) 二维小波变换可以看作两个连续一维小波变换，常常应用在图像的纹理分析 中。二维小波变换将一幅图像分解成一系列的低频子图像。小波变换的结果取决 于所采用的小波基的类型，而小波基是由滤波器的类型决定的。对一幅图像进行 完全的小波分解，得到一系列的小波系数，小波系数的形状和尺寸与原始图像相 同。分解后的四种小波通为：l l ，l h ，h l ，h h 。每个通道对应于原始图像在不同 尺度( 空间频率1 和方向下的信息。l l 通道代表了图像在水平低频和垂直低频下的 信息；l h 通道代表了图像在水平低频和垂直高频下的信息，h l 通道代表了图像 在水平高频和垂直低频下的信息，h h 通道代表了图像在水平高频和垂直高频下的 信息。当图像在某一频率和方向下具有较明显的纹理特征时，与之对应的小波通 道输出就具有较大的能量。因此，图像中的纹理特征可以由这一系列小波通道的 能量平均值和方差来表示。在四种小波通道中，h h 通道反映的是图像的高频特征， 其中包含了图像中的大部分噪声，不适合用于纹理特征的提取。对于l l ，l h ，h l 三种通道的滤波结果，提取它的某些信息，例如均值和方差作为虹膜的特征。 1 2 4 虹膜的分类和匹配 基于己提取的虹膜特征进行虹膜识别，是一个典型的模式匹配问题。理论上， 任何分类器都可以用在这里，比较常用的两种算法是： ( 1 ) 汉明距( h a m m i n gd i s t r a n e e ) 匹配法【9 】 把虹膜纹理转化成有效的虹膜代码后，用虹膜代码的汉明砸( h a m m i n g d i s t r a n c e ) 大小来判别虹膜间的相似度： 1 h d = i i ，- - a ( x o r ) b ( 1 - 1 9 ) 从公式( 1 - 1 9 ) 可以看出，求虹膜的汉明距离就是将不同的虹膜码进行按位异或比 较，其中，a 和b 表示不同的虹膜码，表示虹膜码的位，范围在1 到。其中布 尔操作符x o r 仅在爿，b ，不同时才为1 ，这里有两种极端：两虹膜代码完全相同 时，h d 则为0 ：两虹膜代码完全不同，即每一位都不同，h d 则为1 。 第一章引言 ( 2 ) 方差倒数加权欧氏距离分类法 这种分类法是将未知虹膜的特征向量同已经训练好的己知类别的虹膜特征向 量相比较，当且仅当它的特征向量与第k 类特征向量的方差倒数加权欧氏距离最 小时，输入虹膜就被分类为第k 类虹膜。加权欧氏距离按下面的公式计算： w e d ( k ) ：兰噤 ( 1 - 2 0 ) 其中：表示未知样本的第i 个特征；m ，石p 分别表示表示第k 类虹膜的第i 个特 征的均值和方差；表示特征总数。 1 3 虹膜识别技术的国内9 1 、研究和应用现状 1 3 1 虹膜识别技术的国内外研究历史和现状 虹膜识别的研究可追溯到1 9 3 6 年，眼科专家f r a n kb u r c h ，m d 提出虹膜识别 概念【l2 j ；在1 9 8 7 年，两个美国眼科专家l e o n a r df l o m 和a r a ns a f i r 获得虹膜识别 概念的专利，但他们不能开发虹膜识别的处理过程。在1 9 9 4 年，d a u g m a n 获得 “基于虹膜分析的个人身份识别系统”专利【1 ”，这就是当前最流行的虹膜识别算 法悼j 。利用积分微分算子进行虹膜内外缘定位，并进行归一化处理；虹膜特征提取 采用多尺度2 d g a b o r 滤波器进行虹膜局部纹理滤波，使用其结果进行虹膜纹理相 位编码。虹膜纹理“特征点”形成2 5 6 字节的“虹膜码”。虹膜编码的模式匹配采 用统计理论：虹膜码问进行按位异或，计算归一化汉明距离。概括地说，d a u g m a n 是利用2 dg 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。 利用g b o r 滤波器提取特征的方法还包括，叶学义等【1 4 1 用一维g a b o r 复小波对 虹膜图像进行滤波，引入复小波是为了方便获得特征点的实部和虚部的小波系数， 以便对于特征点相位的编码。文献”j 【1 6 】【1 7 1 对d a u g m a n 的方法进行尝试。其中文献 ”5 j 从归一化的虹膜图像中，选取几行作为分析的信号，对信号进行滤波。文献 ”驯【1 圳【2 叫介绍的多通道g a b o r 滤波器提取纹理特征，从另一个角度来选取纹理的特 征值。在该方法中，首先把归一化的虹膜图像划分成大小相同并且长宽等同的子 图像，然后以各个子图像作为输入图像，进行不同方向与尺度的滤波，以得到的 滤波图像的灰度平均值和方差作为特征值，其中每个通道对应特定方向与尺度的 滤波器。另外马力等【2o 】还认为分析虹膜纹理特征时，方向不是主要因素，起着关 键主用的是尺度的选择。他们对g a b o r 滤波器的调制函数进行改换，使g a b o r 滤 波器成为圆形滤波器，进行特征提取，取得了良好的实验结果。 电子科技大学硕士论文 w i l d e s 等人于1 9 9 8 年以“自动的非接触的虹膜识别系统与方法”申请了专利 2 2 1 w i l d e s 依赖于图像登记技术i l z 4 1 ，利用高斯一拉普拉斯算子对虹膜图像进行各 向同性的频带分解，构成拉普拉斯棱锥，然后对分解后的图像进行登记，这种方 法比较繁琐，计算量较大，不易用于实际操作中；w i l d e s 的系统表示和匹配虹膜图 像的方法包括注册捕获到的图像，按照存储的模板图像规范化：采用各向同性的带 通滤波器进行滤波，然后进行相关性匹配。d a u g m a n 的方法实现了虹膜图像的紧 凑表示，然而w i l d e s 的方法完全利用了所有可能的虹膜纹理信息，因此能够更好 地区分不同的虹膜图像，但是，计算量比较大。 b o l e s 等提出了一种基于小波变换过零点检测的虹膜识别算法【矧【2 6 】，它通过实 现小波变换的过零点检测，建立虹膜灰度等级轮廓的一维表达式，小波变换的过 零点表示法通常用来从灰度虹膜图像中提取特征点。该算法的实现分为两个部分， 第一部分建立一维的虹膜特征过零点表示：第二部分是虹膜编码匹配过程。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。 韩国s h i n y o u n gl i m 利用g a b o r 和h a a r 小波变换进行特征提取，将虹膜特征 编码为特征向量集，采用竞争学习神经网络进行分类，即模式识另1 2 6 1 。小波变换 将虹膜有效区域分为4 层，将最粗层的h h 集进行二值化编码，并在每位增加3 个附加位，即i - i h 层正系数为1 ，负系数为0 ，将其它3 个较高层h h 集的系数按 照二值化编码作为附加位；识别通过增加修改权重向量的初始值和胜利者选择机 制竞争学习神经网络( l v 0 ) 对虹膜分类。 法国c h r i s t e l 1 0 i c 对虹膜边缘定位采用了积分微分算子与h o u g h 变换结合的办 法，对有效区域进行极坐标转化，并进行归一化处理，按照j p h a v l i c e k 提出瞬 时相位和即时频率的多维h i l b e r t 变换进行特征提取，将变换结果按照实部和虚部 分别进行编码，编码规则与d a u g m a n 的虹膜编码规则相同，匹配过程采用汉明距 离的判决方法，该方法计算量比d a u g m a n 利用g a b o r 变换的计算量小【纠。 新加坡e r i cs u n g 提出非协作式虹膜识别思想1 2 8 1 。虹膜采集过程采用非协作的 办法，实现自动采集，首先进行内眼角的探测，进而进行瞳孔的定位，完成虹膜 有效区域的处理，虹膜有效区域与g a b o r 进行卷积完成特征提取，利用汉明距离 进行虹膜匹配。 第一章引言 国内的虹膜识别技术起步较晚，一些科研院所和高校投入了精力和人力进行 虹膜识别的研究，如：中科院自动化所、上海交大、华中理工、电子科技大学、吉 林大学、上海大学等己取得一定成效。 中科院自动化所王蕴红、谭铁牛等开发的虹膜识别系统拉。虹膜图像摄取采 用了自主开发研制的装置f 2 9 1 ，特征提取采用g a b o n 滤波和d a u b e c h i e s 一4 小波变换 等纹理分析方法，匹配采用方差倒数加权欧氏距离方法。与现有的其它方法相比， 该方法利用了二维虹膜图像丰富的纹理信息并具有旋转、平移和尺度不变性。 上海交大电子工程系徐国治等在虹膜识别方法中尝试了d a u g m a n 和b o l e s 的 方法，并提出能量编码【圳和相位编码，采用了基于加权海明距离的识别方法【”1 以 及有限变形相似度 ”1 的相似度算法。 华中理工大学叶虎年等根据虹膜的几何特点，用高斯一拉普拉斯二阶微分算 子滤波提取边缘，用h o u g h 变换抽取内外圆几何参数，用虹膜的中心定位，用虹 膜的半径来校正比例畸变，用相关系数作为匹配的测度。为了提高虹膜定位的速 度以及虹膜定位算法的健壮性，提出了一种粗定位与精定位相结合的两步定位【33 1 ， 用以进行虹膜定位，并对现有的虹膜定位算法进行了一些改进。用两步法进行虹 膜定位可以加快定位速度，减少搜索计算的盲目性。 电子科技大学李庆嵘等提出一种粗定位和精定位相结合的方法 3 “。根据对人 眼部的生理特性和采集得到的眼部图像进行分析，先利用灰度投影量的分布特点 进行粗定位；再利用变圆模板精定位。该方法提高了准确度和速度：有效地解决了 目前算法处理包含大量脸部区域的虹膜图像时会遇到的困难。 北京交通大学的黄雅平等利用独立分量分析( i c a ) 提取虹膜的纹理特性，并 采用竞争学习机制进行识别p s ，并证明了该方法在图像模糊，噪声干扰等不利条 件下，仍然能够正确识别。 中国科学院生物物理研究所视觉信息开放实验室的严民军、齐翔林、汪云九 研究了与传统身份识别不同的虹膜识别，在获取虹膜采样土以后，经小波变化， 松弛神经网络算法及稀疏编码，形成虹膜纹理的代码，并以汉明距离作为决策空 f b 】的判决标准，实现虹膜图像识别的全过程【3 6 。 中科院自动化所的马力等基于多个训练样本，用g a u s s i m a h e r m i t e 矩提取虹膜 电子科技大学硕士论文 的纹理特征，再利用线性鉴别分析( l d a ，l i n e a rd i s c r i m i n a n ta n a l y s i s ) 压缩特征 向量的维数，最后用最小中心距离分类 3 ”。实验表明，与上述多个算法相比，该 算法有很好的识别效果。但基于l d a 的特征压缩方法在实际应用中会受到多方面 的限制，甚至当训练样本个数小于特征维数时l d a 方法无从求解小样本问题。 综上所述，在所有已有的虹膜识别方法当中，各种方法都有各自优缺点，没 有一种是业界公认的通用方法。本文利用了马力等人提出的g a u s s i a n h e r r n i t e 矩提 取虹膜特征的思想，用两种方式对分类匹配方式进行改进，避开了小样本问题， 得到了一种新颖有效的虹膜图像分类算法。 1 3 2 虹膜识别技术的国内外应用 在2 0 0 0 年中期，美国开始专为航空公司飞行员、机组服务人员和机场职上设 计的“虹膜通行证”在机场启用，这是该技术在全球航空公司和机场首次得到正 式应用。为防恐怖分子渗透，美国2 0 0 2 年6 月起将发放具有生物识别技术的高科 技签证。 近年来，虹膜识别系统应用更加广泛。维珍大西洋航空公司和e y e t i c k e t 公司 己经进行一次突破性的试验，在伦敦希一思罗机场采用j e t s t r e a m ( t m ) 虹膜识别技 术加快航空公司的护照检查。 美国新泽西的虹膜技术公司研制的新型安全眼“一眼看穿”对每个人的眼睛 中的虹膜加以记录识别，准确率达到百分之百。其执行总裁比尔沃特莫指出，一 组代码大约只有5 1 2 字节，非常易于在“智能卡”这样的小型内存中存储。目前 这一系统正在美国的六个主要机场进行识别检测。 英国最大的房屋建筑公司f n a l i o n w i d e ) 己经在该公司的建筑街面墙内自动取款 机上使用虹膜图像个人识别技术，用户插卡以后，无论白天、黑夜或用户是否戴 普通( 深色镜片除外) 或者隐形眼镜，均可摄取准确的虹膜图像，并与存储的比较、 核对身份，如确认用户即可进行下一步操作，提取现金。美国的s e n s a r 公司认为， 该系统检查眼睛是否颤动，判定机器前面的是死人或者照片，以防冒领者。 在技术动向方面，美国m s c a n 公司研制的出入口控制系统，利用虹膜图像识 别个人，不用激光或者红外光束。仅用普通的视频光学装置，即可从某一舒适的 距离提取虹膜图像。l 台计算机将图像数字化，分析虹膜特征，并生成2 5 6 个字节 的虹膜编码，储蓄在数据库中。识别时被测者走进光学装置并注视摄像机镜头， 使系统获得虹膜编码，若匹配即允许进入。一种不要求被检者注视口标，几英尺 外即可摄取虹膜的视频图像系统正在研制中，更便于识别个人。 剑桥大学的科学家开发出了一种眼虹膜识别系统，他们将先扫描的虹膜图像 转会为一系列的三维等高线图形，然后在将这些信息压缩成为2 0 4 8 位的数字代码。 当进行身份识别时，只需将扫描的待检测者的虹膜图像与韦先储存的数字代码相 对照，即可判明身份。 2 0 0 0 年七月，国家8 6 3 计划智能计算机系统主题专家组主办“身份鉴别新技 术学术研讨会”在北京召开，推动我国在此国际前沿方向的研究，讨论身份识别 技术的发展动态与趋势，促进我国科研人员在此领域的交流与合作。 1 4 本文所做的主要工作和内容安排 本文设计了一个完整的虹膜识别算法，并在m a t l a b 平台上用已有的c a s i a 虹膜数据库 3 8 验证了它的性能，所做的具体工作如下： ( 1 ) 给出了一种虹膜定位算法，该方法基于由粗到精的思想，并利用了更简 单快速的圆拟合方式，克服了传统的虹膜定位方法需要搜索的参数范围太大，速 度较慢的缺点，通过采取有效的措施，减少了睫毛遮掩和外边缘模糊对定位效果 的影响。将本文算法和两种传统定位算法进行定位实验，对定位结果在精度和速 度上进行比较，得出结论。 ( 2 ) 对定位后的虹膜进行图像归一化和图像增强，并化用成多个一维向量， 借用文献 3 7 的思想，提取这些一维向量的g a u s s i a n h e r m i t e 矩作为虹膜的纹理特 征向量，在虹膜分类中，先介绍文献 3 7 提出的分类方式，值出它的不足，然后 提出两种新的分类方式对其进行改进。一种是基于本文所提出的o 一1 编码方式对 特征向量编码后再用汉明距匹配的方法。另一种是对纹理特征向量应用k n r 非线 形分类器进行分类的方法。 ( 3 ) 在m a t l a b 平台上，对上述两种分类方式下的识别算法和已有算法” 进行仿真实验，得到不同参数下和不同验证方式下的识别结果。对识别结果进行 比较分析。 在内容上，本文的安排为：第一章为引言，介绍了研究背景、目的和意义， 以及国内外研究动态概况；第二章详细描述本文所提出的虹膜定位算法，与传统 电子科技大学硕士论文 的定位方式进行比较，并给出仿真实验结果；第三章说明对定位后的虹膜图像进 行增强和化成一维向量的方法；第四章简单介绍g a u s s i a n h e r m i t e 矩，给出特征提 取方式和算法步骤；第五章首先介绍已有的分类方式，再分别给出两种分类匹配 方法的原理和算法流程；第六章详细列出了仿真实验结果，并对结果进行比较和 分析；第七章给出结论。 第二章虹膜的定位 第二章虹膜的定位 虹膜定位是图像获取模块中最关键的一环，能否精确的定位是识别的前提， 定位结果的好坏将直接影响到整个识别系统的性能。虹膜是指位于瞳孔和巩膜中 间的那层环形区域。它的外边缘和内边缘可以近似的看作圆形。定位的过程就是 确定出内外两个圆的半径和圆心。传统的定位圆的方法需要搜索的参数范围都很 大，速度会比较慢，改进的定位方法基于由粗到精的思想，缩小了范围，提高了 速度，但无法避免睫毛遮掩和外边缘模糊常见因素的影响。 d a u g l n a n 识别系统博j 中采用圆检测算子定位法对虹膜进行定位，具体过程参见 章节11 2 ，中科院