（检测技术与自动化装置专业论文）虹膜识别算法的研究和优化.pdf

中文摘要摘要目前国内多数的虹膜识别算法都是根据中科院的虹膜图像数据库所提供的虹膜图像。但大多数图像采集设备并不能采集到高质量的清晰的虹膜图像，因此传统算法推广到实际应用中还存在一些困难。本文针对非高端采集设备所拍摄的虹膜图像，以现有的多种虹膜识别算法为基础，并对之进行改进和优化，提出了一套完整的更适合实际应用的虹膜识别算法。本文主要用于可能包含光照不均等噪声的虹膜图像的处理。首先虹膜预处理部分提出了双阈值分割与形态学相结合的算法，有效的大致定位出虹膜内边缘；再利用由传统的d a u g m a n 的环量积分算子衍化出的直角坐标形式的环量积分算子在各自的有效范围内精确定位出了虹膜的内外边缘；对精确定位出的虹膜圆环采用了内外圆不同心较正模型进行归一化，并选用效果较好的双线性插值算法进行插值运算得到5 1 2 木6 4 的虹膜圆环展开图像；再用直方图均衡化的方法对展开后的虹膜图像进行的对比度增强的处理。其次分析和总结了一些当今流行的虹膜特征提取和编码方法，主要研究了主流算法中经典的d a u g m a n 的2 - d g a b o r 滤波器算法，将之转化为离散形式进行纹理提取，最后采用幅值相位的编码方法对虹膜纹理进行编码，并提出了加权h a m m i n g 距离对虹膜代码进行最后的分类判定。最后针对1 0 0 幅虹膜图像通过选取适当的加权h a m m i n g 距离阈值，兼顾了误识率和误拒率两方面，对整个算法进行了测试和验证。结果表明整个算法针对本课题所提供的图像取得了较好的识别效果，在复杂度上也有所降低，节省了虹膜识别的时间开销和提高了系统的实时性。整套算法的提出对于中小型低成本的虹膜识别系统的开发有一定的现实意义。关键词：虹膜识别；双阈值；环量积分；d a u g m a n英文摘要a b s tr a c ta tp r e s e n t ，t h em a j o r i t yo ft h ei r i sr e c o g n i t i o na l g o r i t h m sa r eb a s e do nt h ei r i si m a g ep r o v i e db yc a s i a ( r e s e a r c hp r o j e c t ss p o n s o r e db yn a t i o n a ls c i e n c ef o u n d a t i o no fc h i n a ) h o w e v e r , m o s tc o l l e c t i o nd e v i c e sc a nn o tc a p t u r eac l e a rl l i g h q u a l i t yi r i si m a g e s o t h e r ea r es t i l ls o m ed i f f i c u l t i e si ft r a d i t i o n a la l g o r i t h m se x t e n d e dt op r a c t i c a la p p l i c a t i o n s i nt h i sp a p e r , b a s e do ni r i si m a g ec a p t u r e db yn o n h i g h q u a l i t yc o l l e c t i o ne q u i p m e n t s ，t a k ev a r i e t yo fe x i s t i n gi r i sr e c o g n i t i o na l g o r i t h m sa st h ef o u n d a t i o n ，i m p r o v ea n do p t i m i z et h e m t h e np u tf o r w a r dac o m p l e t es e to fm o r ep r a c t i c a li r i sr e c o g n i t i o na l g o r i t h m i nt h i sp a p e r , m a i no b j e c t st od e a lw i t ha r ei r i si m a g e sw h i c hm a yc o n t a i nu n e v e ni l l u m i n a t i o n f i r s to fa l l ，i nt h ep r e - p r o c e s s i n gp a r t ，b r i n gf o r w a r da na l g o r i t h mu s i n gd u a l - t h r e s h o l ds e g m e n t a t i o nc o m b i n e dw i t hm o 印h o l o 百c a lm e t h o d ，m o r eo rl e s sp o s i t i o n e dt h ei n s i d ee d g eo ft h ei r i s ；t h e nu s et h ec i r c u l a t i o ni n t e g r o d i f f e r e n t i a lo p e r a t o ri nr e c t a n g u l a rc o o r d i n a t e ，w h i c hd e r i v e df r o mt h ed a u g m a n st r a d i t i o n a la l g o r i t h m ，p r e c i s ep o s i t i o n e dt h ei n s i d ea n do u t s i d ee d g eo ft h ei r i si nt h ee f f e c t i v ea r e ao ft h e i ro w n ；n o r m a l i z e dt h ep r e c i s ep o s i t i o n e di r i sr i n gu s i n gr e v i s ed i f f e r e n tc e n t r eo fi n s i d ea n do u t s i d ec i r c l em o d e l ，a n db i l i n e a ri n t e r p o l a t i o na l g o r i t h mw a sc h o s et od oi n t e r p o l a t e do p e r a t i o nt og a i n e dt h eo u t s p r e a di r i sr i n g ；u s i n gh i s t o g r a me q u a l i z a t i o nm e n t h o dt oe n h a n c et h ec o n t r a s to ft h ee q u a l i z e di r i sr i n g s e c o n d l y , r e s e a r c ha n ds u m m a r i z es o m eo ft o d a y sp o p u l a ri r i sf e a t u r ee x t r a c t i o na n de n c o d i n gm e t h o d ，a n da n a l y s i st h ec l a s s i c a la l g o r i t h mo fd a u g m a n s2 - d g a b o rf i l t e r i nt h em a i n s t r e a mt e c h n i q u e ，t h e nc h a n g ei tt od i s c r e t ef o r mf o rt e x t u r ee x t r a c t i o n f i n a l l y , e n c o d et h ei r i st e x t u r eu s i n ga m p l i t u d e p h a s ee n c o d i n gm e t h o d ，a n db r i n gf o r w a r dw e i g h t e d h a m m i n gd i s t a n c eo ft h ei r i sc o d et od e t e r m i n et h ef i n a lc l a s s i f i c a t i o n f i n a l l y , t h ee n t i r ea l g o r i t h mh a sb e e nt e s t e da n dv a l i d a t e db a s e do n10 0i r i s英文摘要i m a g e s ，b yc h o o s i n gs u i t a b l ew e i g h t e d - h a m m i n gd i s t a n c ea st h et h r e s h o l dt oe n s u r eb o t hf a ra n df r rg e tw e l l t h er e s u l ts h o w e dt h a tt h i se n t i r ea l g o r i t h mo b t a i n e db e t t e ri d e n t i f i c a t i o ne f f e c ta i m e da tt h ei r i si m a g e sp r o v i d eb yt h i ss u b j e c t i th a sa l s or e d u c e dt h ec o m p l e x i t y , a n dc o n t r i b u t e dt os a v et i m es p e n d i n ga n di m p r o v et h er e a l - t i m eo fw h o l es y s t e m t h el o d g eo ft h ee n t i r ea l g o r i t h mh a ss o m ep r a c t i c a ls i g n i f i c a n c ef o rt h ee x p l o i t a t i o no fs m a l la n dm e d i u m s i z e dl o w c o s ti r i sr e c o g n i 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 ；d u a l - t h r e s h o l d ；c i r c u l a t i o ni n t e g r o d i f f e r e n t i a l ；d a u g m a n大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果，撰写成博硕士学位论文：堑腿迟剔篁这笪硒壅塑位丝= = 。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名：圆塑造学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到中国优秀博硕士学位论文全文数据库( 中国学术期刊( 光盘版) 电子杂志社) 、中国学位论文全文数据库( 中国科学技术信息研究所) 等数据库中，并以电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于：保密口在年解密后适用本授权书。不保密叫( 请在以上方框内打“”)论文作者签名：同时导师签名：日期：扣q f l 年蛊舷6 月扣日虹膜识别算法的研究和优化第1 章绪论1 1 虹膜识别的研究背景及意义随着信息技术和网络技术的迅速发展，身份识别已经被越来越广泛的应用到各个领域。信息时代的一大特征就是身份的数字化和隐性化：信用卡号、银行卡号、银行帐号、网络登录号等等。如何准确鉴定身份，保证信息安全，正是身份识别技术所研究的主要内容。传统的身份识别技术可以分为两类，基于内容和基于物品。基于内容的方法是根据个人所知道的一些信息来识别身份。如计算机登录时用密码，古代部队用的口令等。基于物品的方法是把个人所拥有的某些物品作为识别依据。如钥匙，身份证，护照等。这些识别方式虽有识别速度快，集成容易，使用方便等优点，但其对于授权用户和假冒者不能很好地区分，其安全性不能满足今天信息化的要求。传统识别技术由于存在许多缺点，近年来，研究利用人的生理特征( 指纹、面部特征、声音、虹膜、掌纹等) 和行为特征( 如签名、击键习惯等) 进行身份识别的新兴学科生物测定学应运而生，获得了蓬勃发展，它利用人自身唯一和不变的特征进行身份识别，这些特征不会丢失，难以伪造，因此比传统方法更可靠、安全，为当今社会提供了稳定和准确的身份识别手段。虹膜作为一种稳定性好、可靠性高、随身携带、使用方便、防伪性好的识别手段，使得虹膜识别成为目前生物识别技术中的识别准确度最高的识别技术之一。用于身份识别的生物特征，一般要求其具有普遍性，即每人都具有；唯一性，即每个人的特征是不同的；不变性，即这种特征不会随年龄、地点、环境的变化而变化；可测性等特征。现在应用到实际中的生物识别技术基本包括以下几类：( 1 ) 指纹识别。它利用不同人具有不同的指纹这一特性，通过特殊的光电扫描和计算机图像处理技术，对活体指纹采集、分析和比对，能自动、迅速、准确地鉴别出个人身份的系统。( 2 ) 面部识别。它利用面部各器官及特征部位的方位关系，形成识别参数，与数据库中的原始参数比较、判断、确认，在短时间内迅速给出判断结果。第1 章绪论在实际应用中，面部特征识别系统辩识速度较快，但是唯一性及抗干扰性却较差，对双胞胎的鉴别仍然无能为力，肤色、胡子的变化以及是否戴眼镜等都会影响到识别的效果。( 3 ) 语音识别。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面，此外，还涉及到语音识别单元的选取。语音识别的主要缺点在于它的准确性较差，如同一个人由于音量、语速、语气、音质的变化，甚至感冒时嗓音发生了变化，都容易造成系统的误识。( 4 ) 掌纹识别。手形识别，掌纹识别，手静脉分布识别，分别利用人手的几何特征、掌纹、静脉分布等特征进行识别，目前也都取得了一定的研究成果和应用。( 5 ) 签名识别。签名识别是利用人的笔迹进行识别的一种方法，笔迹鉴别在公安系统中早有应用。利用签名进行身份识别有静态和动态两种方式。静态方式已为人们所熟知，它是利用手写签名的静态几何特征来进行辨识的；动态方式则要对签名的全过程进行监控和采样，对静态几何特征进行综合辨识。( 6 ) 其它识别。击键识别，是随着计算机的发展而产生的一种生物识别技术，它根据人敲击键盘的力度与时间间隔来识别用户，因此也导致一种新兴的学科一一击键动力学的产生；d n a 识别，这是目前最为准确的生物识别方式，但是它的特征采集过程十分复杂，也不能应用于实时系统。其它一些生物特征，如步态，人体的气味等都可作为生物识别的特征，目前也都有相应的研究和应用领域。虹膜是指人眼睛瞳孔和巩膜之间的区域，经研究发现，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、非侵犯性等优点。非侵犯性( 即非接触式) 的生物特征识别是身份鉴别研究与应用发展的必然趋势，与脸像、声音等非接触性的身份鉴别方法相比，虹膜具有更高的准确率。两个不同的虹膜信息具有7 5 匹配率的可能性是1 ：1 0 6 ，两个不同个体的虹膜产生相同代码的概率是l ：1 0 5 2 。美国开发商i r i d i a nt e c h n o l o g i e s 弓 用英国国立物理研究所( n p l ) 的调查结果说：“与虹膜识别算法的研究和优化其它的人体测量系统( 如脸型、指纹、手型、静脉类型、声音识别) 相比虹膜识别技术的识别率最高”。据其介绍，虹膜识别技术在2 ，7 3 5 ，5 2 9 人的比较试验中，误识率为0 o ，拒识率为1 8 。因此基于虹膜的身份鉴别技术日益得到学术界和企业界的重视【1 】【2 】。本文j 下是基于虹膜识别的以上一些优势，特别针对某集成电路公司拟开发的小型图像采集设备的虹膜图像，对虹膜识别算法进行了研究。对于这种非高端图像采集设备所拍的虹膜图像，寻找到一整套行之有效的适合算法，对于将虹膜识别技术的更广泛应用有着更现实的意义。1 2 虹膜识别的发展现状及前景1 2 1 虹膜识别研究的现状虽然现代虹膜识别技术的蓬勃发展不过几年，但其渊源可追溯到“p a r i s i a np e n a l 系统”，该系统基于分辨虹膜的颜色来区别貌似者。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 m 首次提出利用虹膜图像进行虹膜自动识别的概念，但是他们并没有实现一个虹膜自动识别系统。最早的虹膜自动识别系统是由l o sa l a m o sl a b ，c a 于1 9 9 0 年制造的，然而直到2 0 世纪9 0 年代中期由英国剑桥大学的j o h nd a u g m a n 教授研制出虹膜自动识别系统，虹膜技术才真正发展到了应用阶段。j d a u g r n a n 的系统是对虹膜纹理的粗量化和编码；w i l d e s 等人提出了一套基于图像登记技术的虹膜识别理论及理论框架；b o l e s 又提出一种基于小波变换零点的识别方法，它克服了平移、旋转和比例缩放等带来的问题，而且抗噪声性能好，是一种很有效的识别方法。国内研究虹膜识别的主要是科研院校，其中以中科院自动化研究所和上海交通大学图像处理与模式识别研究所两家为代表，他们各自取得了一定的成果。中科院自动化所建立的c a s i a ( r e s e a r c hp r o j e c t ss p o n s o r e db yn a t i o n a ls c i e n c ef o u n d a t i o no fc h i n a ) 虹膜图像数据库，以其样本丰富的优势，被国内外多家科研机构采用。而交大图像处理与模式识别研究所利用自己的采集设备，独立研制成功的虹膜采集系统，通过了上海科委专家的的鉴定，并于2 0 0 3 年申报了两项发明第1 章绪论专利和一项实用新型专利【3 1 。1 2 2 虹膜识别系统的应用前景综合虹膜的各种特征考虑，虹膜识别的优越性使得其在金融、电子商务、安全保卫等各个方面都具有较大的应用前景。虹膜识别产品将广泛的应用于电子金融、电子贸易、网络安全和海关、地铁、机场等通道控制系统，稽查信用卡、a t m机等金融犯罪，以及国家安全和国防安全领域。目前，国外许多高技术公司正在试图用眼睛虹膜取代人们手中的信用卡或密码，并且已经开始在机场、银行和各种电子设备上进行了实际应用。2 0 0 0 年，美国国防高级研究项目署( d a r p ) 启动了名为h i d 的研究项目，即身份的远程识别，其中包括远距离虹膜识别项目。该项目的研究之一就是将虹膜识别应用于未来的国家安全领域，尤其是国家重要信息和技术的管理。2 0 0 4 年5 月份，微软公司宣布将把生物认证技术添加到自己的视窗操作系统中，这对该项新技术的发展无疑将起到促进作用。微软公司指出，这正是用户们所需要的东西，因此将是十分炙手可热的卖点，而且对于原始设备制造商来说，将这种技术应用或添加到各种平台里是再好不过的选择，同时，制造商的介入将会使这项技术更快的普及起来。我国对生物识别技术的开发应用也十分重视。2 0 0 0 年7 月，国家8 6 3 计划智能计算机系统主题专家组和中国科学院自动化所模式识别国家重点实验室在北京首次召开了身份识别新技术研讨会，讨论开发推广生物识别技术。2 0 0 4 年9 月，在北京举行的中国国际金融( 银行) 技术暨设备展览会上，中科院自动化所、模识科技公司和国内最大的a t m 及金融电子设备供应商一广电运通金融电子公司联合研制开发完成了中国第一台虹膜自动识别a t m ，受到与会各方及金融业界的广泛关注【4 】。1 3 课题的主要研究工作目前国内虹膜识别研究重点大部分都是针对现有的高端采集设备所拍的虹膜图像，算法的研究也只是停留在理论阶段，对于实际应用意义并不是很大。本课4虹膜识别算法的研究和优化题旨在针对非高端采集设备所采集到的虹膜图像，研究出一套适合的虹膜识别算法。课题研究初期搜集和总结了一些现有的虹膜识别技术，从中分析和总结出各家算法的优缺点。寻找出对于本文虹膜图像的有借鉴意义的一些内容，过程中进行不断的仿真研究和测试，对算法内容进行改进和优化，以达到适合本文虹膜图像的识别效果。虹膜识别的算法大致分为三个模块，算法的实现流程图如图1 1 所示。图1 1 算法模块流程图f i g 1 ia r i t h m e t i cm o d u l ef l o wc h a r t本文算法的研究也是按照上述流程图的顺序进行的，对每一个模块的实现进行分别研究，论文研究工作主要如下：第一章绪论：在介绍的本课题的研究背景和意义，以及虹膜识别的发展现状及应用前景的基础上，阐述了本文的主要研究内容和工作，以及文章的整体结构框架和流程。第二章虹膜结构特征及图像采集：对虹膜识别研究的前期知识背景及准备工作做了介绍。给出了虹膜的生理结构和生物特征信息，简要的对虹膜图像采集部分作了介绍。第三章基于双阈值分割与环量积分的虹膜内边缘定位：针对传统定位方法第1 章绪论无法定位的可能存在光照不均或反光等噪声区域的虹膜图像，提出一种双层阈值分割结合形态学方法粗定位瞳孔，再利用改进的环量积分算子精确定位虹膜内边缘的定位方法。在定位效果和简化算法复杂程度上都有改进和提高。第四章虹膜外边缘定位及归一化：在算法原理上采用精定位虹膜内边缘的环量积分算子来定位虹膜外边缘；采用内外圆不同心的校正模型对虹膜进行了归一化，并用直方图均衡化进行图像对比度的增强。第五章基于g a b o r 滤波的虹膜特征提取及匹配：先介绍了一些主流的虹膜特征提取及匹配方法，包括w i l d e s 的高斯滤波器法，b o l e s 的小波过零变换法和l o g g a b o r 滤波器法等方法。本文虹膜特征提取部分主要采用d a u g m a n 的2 d g a b o r 滤波器方法，并采用改进的离散g a b o r 滤波器，利用幅值相位方法进行编码。编码结果采用效果较好的加权h a m m i n g 距离进行虹膜的分类匹配，并对2 0 0 幅图片进行了算法的验证测试。总结与展望：对整个虹膜识别算法进行了归纳与总结，阐述了本算法与传统方法相比的创新和改进。并对工作中的不足和可行的后续研究和应用进行了展望。虹膜识别算法的研究和优化第2 章虹膜结构特征及图像采集2 1 虹膜的生物特征虹膜图像中含有极其丰富的结构和纹理特征，作为生物识别特征，它有如下一些优势：( 1 ) 虹膜在妊娠3 个月的时候开始形成，整体结构在8 个月的时候创建，大概在2 3 岁的时候稳定，并随着年龄的变化保持不变。( 2 ) 每个人的虹膜纹理在人群中的分布是随机的或说是混沌的，因此可以说是唯一的。另外，据研究显示我国单眼先天性无虹膜的发病率为1 ：5 6 1 1 5 ，可见虹膜识别技术适用的人群广。( 3 ) 虹膜的形成依赖于胚胎中胚层的初始条件，不受遗传的影响，即使是同样基因型( 如同卵双胞胎，甚至是同一个人的两只眼睛都不同) ，二者的虹膜也都是不相关。( 4 ) 虹膜的内部组织被水样液和角膜所包围，与外晃环境隔离开来，不易受损。( 5 ) 不易被假冒，一般的外科手术不能改变虹膜的纹理。( 6 ) 在识别的过程中，不需要和被识别者物理接触，不会造成物理损害。( 7 ) 虹膜具有活体组织的特点，由于虹膜肌肉间复杂的相互作用，瞳孔直径一直在小的范围内有规律的震颤，会随光线强度变换而收缩，使得虹膜具有高度的防伪性 5 】。2 2 虹膜的生理结构眼睛的外观由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球外围的白然部分，约占总面积的3 0 ；眼睛的中心为瞳孔部分，约占5 ；虹膜位于巩膜和瞳孔之问，它的纹理含有极丰富的特征，占据6 5 。它又位于角膜与晶状体之问，呈扁圆盘状。虹膜直径约1 2 m m ，厚约o 5 m m ，由结缔组织细胞、肌纤维组成，当中是瞳孔，图2 1 给出了人眼的后视图和虹膜的剖面图。第2 章虹膜结构特祉及凹像采集幽2 i 虹膜结构f i g21i r i ssr n m m m虹膜表面高低不平，有皱襞和凹陷，凹陷又称隐窝。近瞳孔处的皱襞特别显著- 称虹膜皱襞或领状韧带，它是虹膜小动脉环的位置标志。虹膜后表面较平坦。由于虹膜内血管分布不匀，使虹膜表面出现许多有规则的放射形条纹。在近瞳孔边缘约15 m m 处，有一条弯弯曲曲的环形隆起，有如花边衣领，称为虹膜小环。虹膜小环将虹膜表面分为两个部分：小环外侧的虹膜叫做睫状部或睫状医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。睫状区又分为三部分：靠近虹膜小环附近的一部分最光滑，中间区内有许多收缩或收缩沟与瞳孔为同心的圆形，当瞳孔扩大时最显著：靠近睫状体的区域为筛状区，此区内虹膜表面有许多虹膜小坑。小环以内的虹膜称为瞳孔部虹膜。在睫状部边缘部分的虹膜，也有一些虹膜小坑，称为睫状区小坑。和瞳孔部的虹膜小坑相比较，睫状小坑比较小和浅。位于两上小坑之自j 的虹膜组织往往有十条梳状突起，跨过睫状体表面，延伸到前房以内与房角网状组织相连续，此突起即被称为梳状韧带。在虹膜的瞳孔领状边缘，有一条粗细不匀的黑边，是虹膜背面的色素上皮层向自口延伸的结果，此黑边当瞳孔扩大时变窄，瞳孔缩小时增宽。总体来说，虹膜由i | 到后可分为6 层：内皮细胞层，前界膜层，基质层，肌女r 膜识* u 弗法的研究和优化肉层，虹膜色素上皮层，内界膜层。山虹腆结构可知，虹膜即l i i i 孔和巩膜之间的区域，虹膜识别技术需要定位的也l f 是这部分纹理特征丰富的圆环区域【6 1 1 7 1 。23 虹膜图像的采集虹膜识别的第一步，同时也是最困难的一步就是虹膜图像的获墩。虹膜是一个根小的器官，直径约几十毫米，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。所以在我国这种黄种人口占大多数，应用虹膜识别技术，要获取到细节清晰、对比度高的虹膜图像就更加有难度。目前国内的虹膜图像大多采用中科院虹膜库的虹膜图像，虹膜纹理较清晰图像质量良好。本文采用自主的的摄像装置，外加人工辅助光源，完成虹膜的采集，得到8 位狄度虹膜图像图2 2 可以看出实拍摄出的虹膜图像与中科院虹膜库的图像质量存在一定差异，但所需图像采集系统更加简洁，犬犬减小了系统的成本。这就对算法提出了更高的要求，需要更适合实拍图像的算法才能达到识别的目的，尤其虹膜预处理的定位阶段更足后续u 别的基础。削2 2 高质最虹膜幽像( 左) 与实拍虹膜幽像( 右) 比较h 9 22 c o m p a r i s o n o f h i g h - q 髓l i y i r i s i m a g k l e n ) a n d i r i s i n ”g e ( n g h t ) w h i c h i ss h o t第3 章基于双阈值分割与环量积分的虹膜内边缘定位第3 章基于双阈值分割与环量积分的虹膜内边缘定位3 1 虹膜内边缘粗定位方法概述从原始图像中定位出虹膜部分是完成虹膜识别的前提，由于虹膜定位的结果对整个识别效果起着决定作用，定位不出虹膜区域就无法进行后续的识别。而且虹膜定位的优劣对整个识别系统性能有很大的影响，在现有的虹膜识别系统中，虹膜定位成了耗时最长的环节，占总识别时间的5 5 左右，所以如何快速准确地提取出完整的虹膜图像是非常重要的。虹膜边界包括虹膜与巩膜之前的边界以及虹膜与瞳孔之间的边界，即外边缘和内边缘。虹膜的纹理细节信息都包含在这两个边缘之间的部分内，虹膜定位就是要找到这两个边缘，除去虹膜以外的其它无用部分。传统的定位方法大多采用h o u g h 变换和d a u g m a n 的圆形检测算子。前者抗干扰能力强，但时间和空间开销较大；后者虽然速度较快，但容易受反光等其它因素影响。现有的虹膜内边缘定位方法多采用阈值分割方法分离出瞳孔，效率高，实现起来也比较简单。对于高质量的虹膜图像，用灰度投影方法即可找到合适的阈值，从而分离出瞳孔。但此方法适用的前提是质量较好的虹膜图像，而对于本文中所拍摄的低质量虹膜图像，可能含有反光区域和噪声阴影，用灰度投影并不能找到合适的阈值。如图3 1 为图2 2 中两幅虹膜图像的灰度直方图，从图可以看出第一幅虹膜图像的灰度有两个明显的集中区域，第一个灰度峰值所对应的即是瞳孔的灰度值可作为阈值分离出瞳孔。而右边的为本文所采用的虹膜图像的灰度直方图，由于存在反光区域，可以看出对于这种虹膜图像两个灰度峰值并不明显，灰度直方图方法并不能分离出瞳孔。而传统的单一阈值分割也不能有效的分离出虹膜的内边缘。本文采取双层阈值分割方法分离出可能包含噪声阴影瞳孔区域，再经过一些数学形态学的处理得出瞳孔的二值化图像，用灰度投影的方法粗定位出瞳孔的圆心，再用环量积分算子精确定位虹膜内外边缘的方法实现虹膜的分割。本文采用的虹膜内边缘定位部分算法流程图如图3 2 所示。虹膜识别算法的研究和优化山“幽3i 不同虫t 膜图像的灰度直方图f i g3l h i s t o g r a mo f d i f f e r e n ti r i si m a g e幽3 2 虹膜内边缘定何算法流程f i g32f l o wc h a r to f i n s i d e e d g e o f i r l sa l g o r i t h m第3 章基于双阂值分割与环鼍积分的虫t 膜内边缘定位3 2 双层阈值分割与形态学结合法粗定位g i j ：l3 2 1 双层阈值分割法现有的阈值分割方法可以分为全局阈值分割方法和局部阈值分割方法。全局的阈值分割是指根据整幅图像确定一个阈值；局部阈值法是指将图像划分为若干个图像根据每个子图像确定相应的阈值。常用的全局阈值法包括直方图法和最大类间方差法。直方图法是指直接从原图像的灰度分布直方图上确定阈值，包括p t i l e 法、最频值法和直方图凹面分析法。最大类间方差法即o t s u 法( 大津法) 。常用的局部域值法有b e r n s e n 法、c h o w 和k a n e k o 法、y a n o w i t z 和b r u c k s t e i n 法、s a u v o l a 和p i e t i k a i n e n 法。大津法选取出来的阈值非常理想，对各种情况的表现都较为良好。虽然它在很多情况下都不是最佳的分割，但分割质量通常都有一定的保障，可以说是最稳定的分割。一般而言，虹膜灰度值比巩膜灰度值小，而瞳孔灰度值又比虹膜灰度值小。瞳孔的灰度值与其它部分相比非常明显，因此可以用全局阈值分割法先分离出瞳孔。由于光照不均等条件的影响，所拍图像可能存在反光和阴影区域。一次全局阈值分割可能不能完全的分离出瞳孔，会带有部分阴影区域。所以在第一次用分割算法对整个图像进行分割后，再对分割出来的图像执行一次分割算法的操作。从而能够尽可能将瞳孔从图像中分离出来，然后再用灰度投影的方法粗略确定出虹膜内边缘的圆心和半径。由o t s u 于1 9 7 8 年提出的最大类间方法，又称为大津阈值分割法，是在判决分析最小二乘法原理的基础上推导得出的，是一种易于实现且效果显著的图像分割算法。它的基本思路是选取的最佳阈值应当使得不同类问分离性最好。首先基于直方图得到各分割特性值的发生概率，并以阈值变量将分割特征值分为两类，然后求出每一类的类内方差及类间方关，选取使类间方差最大或类内方差最小的t 作为最佳阈值。设图像的灰度级为l ，直方图为p ”用阈值t 划分为两类：c o = ( o ，1 ，2 j ) 和c l = ( t + l ，t + 2 上- 1 ) ，因此c 0 和q 概率和均值分别如下：虹膜识别算法的研究和优化则类问方差为：t o o ( t ) = 碍i = 0l - 1q ( f ) = 忍= 1 一t o o ( t )f = f + 1f肋= 蝎i = 0一1朋= 嵋i = t + la = m 0 奉- t o + r 0 1 宰朋唾间= r o o 似o - a ) 2 + o l ( i l l - g ) 2( 3 1 )( 3 2 )( 3 3 )( 3 4 )( 3 5 )( 3 6 )令t 从o ( l 一1 ) 变化，计算不同t 值下的类内方差磋内，即使得( 3 6 ) 式的值最大的那个t 值就是所求的最优阈值。因为方差是像素灰度分布均匀性的一种量度，方差越大，说明均匀性越差，图像中的目标和背景的差别也就越大。当部分目标错分为背景或者部分背景错分为目标时，都会使两部分的差别变小，因此类问方差最大的分割意味着错分概率最小，即分割效果最好【2 】。将所拍的原始图像数据由r g b 格式用m a t l a b 内部函数转换为灰度图像格式，则图像灰度级为0 - , 2 5 5 共2 5 6 个灰度级。用上述大津阈值法求出第一个阈值，将原始图像中瞳孔的主要部分分离出来，如图3 3 所示，为实拍的一幅虹膜图像经过传统阂值分割后的二值化图像和采用本文的双阈值分割算法分离出的图像。由于光照不均等原因而存在一定的反光区域，需将第一次阈值分割出来的包含瞳孔的主要区域再用大津阈值法求一次阈值分割，分离出瞳孔外的反光区域。由于瞳孔内也存在与瞳孔外相连的反光区域，所以经这两次阈值分割后的瞳孔的二值图像是不完整的，所以需要再用形态学的方法将瞳孔填充完整【8 】【9 1 。第3 章基丁般阐值分割与环螭积分的虹膜内边缘定位图3 3 一次闽情分割与般闲值分剂后的虹膜二值蹦像比较f i g33c o m p a r i s o n o f i f i s b i n a r y i m a g ea f l e r o n e t h r e s h o l ds e g r a e n t a t i o n a n dd u a l t h r c s l l o ws e g m e n t a t i o n3 22 数学形态学方法概述数学形悫学( m a t h e m a t i c a lm o r p h o l o g y ) ，它是法国和德国的科学家在研究岩石结构时建产的一门学科。形态学的用途主要是获取物体拓扑和结构信息，它通过物体的结构元素相互作用的某些运算，得到物体更为本质的形态。在图像处理中的应用主要是：( 1 ) 利用形态学的基本运算，对图像进行观察和处理，从而达到改善图像质量的目的：( 2 ) 描述和定义图像的各种几何参数和特征，如面积、周长、连通度、颗粒度、骨架和方向性等。本文中主要涉及到第二种应用。形态学算子的性能主要以几何方式进行刻画，传统的理论却以解析的方式柬描述，而几何描述的特点似乎更适合视觉信息的处理和分析。形态学图像处理的基本思想是利用结构元素( s t r u c t u r i n ge l e m e n t ) 作为“探针”在图像中不断移动，在此过程中收集图像的信息、分析图像各部分间的相互关系，从而了解图像的结构特征。结构元素的选择十分重要，根据探测研究图像的不同结构特点，结构元素可携带形态、大小、灰度、色度等信息。不同点的集合形成具有不同性质的结构元素。由于不同的结构元素可以用来检测图像不同的侧坷特征，因此设计符合人的视觉特性的结构元素是分析图像的重要步骤嗍。根搬不同的图像分析f i 的，常用的结构元素有方形、菱形、圆形等。图3 4虹膜识别算法的研究和优化依次为方形、菱形和阿形- - - 9 t 简单的结构元素+ + + 幽3 4 对称鲇构元素方形、菱形和倒形f i g34s y m m e t r i cs t r u c t u r a le l e m t s ：s 、d i a m o n da n dr o u n d n e s s形态学的基本概念包括包含、击中、击不中、平移和对称等。按照集台的概念，给定两个集合：对象( o b j e c t ) x 和结构元素( s t r u c t u r ee l e m e n t ) b ，它们之间的关系有如图35 所示的二种情况：tb 【fb 1zb c z ( b n 孑f ) ( b tz )日“z 。，包含于j l i c l 皿e i n击中h n击不中m i x si 纠35 对象和结构元素的_ 种咒系包含、h ， i 、- l i 不中f i g35t h e t h r e er c l a t i o n s h i po f o b j c c ta n ds t r u c t u r a le l e m e n t i n c l u d ec o n t a i nh i ta n dn o th i t平移和对称的原理罔立旧3 6 所示，二者的结果集分别为：、r 移：口r2 昌扛+ ，慨8 2 兰 _ 川( 将b 旋转1 8 0 度得到( 37 )38 1第3 章基于双阈值分割与环量积分的虹膜内边缘定位厂_ 、气3 姆噜几；卫喁列。哼，tb1 l j扩五图3 6 平移和对称原理f i g 3 6p r i n c i p l eo f t r a n s l a t i o na n ds y m m e t r y本文中数学形态学方法主要是用来处理二值图像，二值形态学处理算法都是以膨胀、腐蚀这两种最基本的运算为基础的。定义和实现方法如下。( 1 ) 二值腐蚀腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体，一般意义的腐蚀概念定义为e = xo b = ( 石，y ) i 罗w x )( 3 9 )也就是说，由b 对x 腐蚀所产生的二值图像e 是满足以下条件的点( x ，y )的集合：如果b 的原点平移到点( x ，y ) ，那么b 将完全包含于x 中。( 2 ) 二值膨胀膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。一般意义的膨胀概念定义为d = x ob = ( 五j ，) i n 石f 2 j ( 3 1 0 )也就是说，由b 对c 膨胀所产生的二值图像d 是满足以下条件的点( x ，y )的集合：如果b 的原点平移到点( x ，y ) ，那么它与x 的交集非空。( 3 ) 开运算先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细处分离物体、平滑较大物体的边界的同时并不明显改变其面积。o p e n ( x ，b ) = x b = x o b = ( x o b ) o b( 3 1 1 )虹膜识别算法的研究和优化( 4 ) 闭运算先膨胀后腐蚀的过程称为闭运算。用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时不明显改变其面积。c l o s e ( x ，b ) = x b = x b = ( x e b ) o b( 3 1 2 )通常，由于噪声的影响，图象在阂值化后所得到边界往往是很不平滑的，物体区域具有一些噪声孔，背景区域上散布着一些小的噪声物体。连续的开和闭运算可以有效地对这种情况修正【6 】。这也是形态学方法的主要应用。本文用形态学的方法来处理二值化后的虹膜图像，从而有效的分离出没有空洞的瞳孔图像以有效定位虹膜内边缘。有时需要经过多次腐蚀多次的膨胀，才可以达到所需要的效果【1 0 】【l l 】。常用的形态学的结构元素方形、圆形、菱形的实现如图3 7 所示。111o ，170 10111 ，1 ：1111 l 1t i t ；- i t；l i3 ；，：去1110l00101 11l15i ；i 鑫三s ；35方形圆形菱形方形圆形菱形根据虹膜图像的特点，本文选用3 3 的圆形形态学结构元素对二值化后的虹膜图像进行多次的腐蚀和填充等运算。由图3 8 可以看出，利用3 3 的圆形结构元素我们已经将瞳孔部分与噪声部分的反光区域分离出来。此时的二值图像包含几个独立的区域，有部分瞳孔和可能存在的部分反光噪声区域。第3 章基丁烈鲥值分* u 与环苗积分的* r 雌内边缘定位削3 8 形态学处理后的虹膜二值图像f i g38b i n a t y i d s i m a g ea f t e r m o r p h o l o g i c a l p r o c 邸s h g在m a t l a b 7 60 环境下，利用m a t l a b 自带的圈像标记函数标记出几部分图像的面积、周长、方向等各种物理参数指标，从而从中锁定瞳孔部分的目标图像将其它噪声图像擦除，从而得到与瞳孔或与之成比例缩小的部分瞳孔图像。具体实现方法流程图如图3 9 所示。323 虹膜内边缘的粗定位经过上述处理所得的二值图像将是瞳孔，或是与瞳孔圆形成比例缩小的一部分圆形，如图31 0 所示。由此可以用效率较高的方法来定位出瞳孔的中心。本文中我们选择的是扶度投影的方法，它的原理非常简单，执行起来效率也很高。设二值化后的图像为i ( x ，”，则其在x 方向的灰度投影量和在y 方向的灰度投影时的分布分别为：= l ( x ，y )( 31 )0 1 4 )求使得式( 31 3 ) 和式( 31 4 ) 取得最小值的坐标，即可得到内圆的圆心的坐标，即内圆心的坐标( i n x ，i n _ y ) 吼虹脱识j j l j 算注的研究和优化吲3 9 区域标记流辑幽f i g39f l o wc h a r to f r e g i o n a l m a r k e r s幽31 0 闽值分割后的瞳孔或部分瞳孔蚓像f i 9 3l op a r to re n t r i eo f p u p i l i m a g ea f t e r i h e r s h o l ds e g m e n t a t i o n第3 章基丁耿闽债分割与环姑秘分的虹膜山边缘定位找到内圆剧心后，在部分瞳孔的二值幽像中根据数学l l 圆形的原理可以很容易的求出分割出来这部分瞳孔的粗略半径i n _ r 。