（计算机应用技术专业论文）基于gabor滤波的虹膜识别研究.pdf

四川师范人学硕士学位论文 基于g a b o r 滤波的虹膜识别研究 专业：计算机应用技术 研究生：郑沁锋指导教师：李晓宁 摘要i当今社会中，由于信息技术的快速发展，使得信息安全性显得日 益关键。生物特征识别技术具有传统身份识别技术无法比拟的优势，在社会中 的应用逐渐得到快速发展。在现有的生物特征识别技术中，虹膜识别以其高可 靠性、唯一性、不可伪造性以及不可侵犯性得到广泛关注，被认为是2 l 世纪 最具有发展前途的生物认证技术。 本论文选用中国科学院c a s a 虹膜数据库作为研究数据集，在深入研究 以往虹膜识别算法的基础上，力求寻找快速准确的虹膜识别算法。研究内容主 要基于以下几方面： ( 1 ) 眼睫毛的遮挡会在虹膜内外边界定位上产生干扰，影响虹膜定位的精 确性。分析形态学运算特点，选取合适的结构元素，闭运算粗略去除眼睫毛， 消除睫毛干扰。 ( 2 ) 为提高虹膜定位速度，同时满足定位精确度要求，提出了一种改进的 虹膜定位算法。二值化分割出瞳孔区域时，为获得真实瞳孔边界点，须对瞳孔 边界进行修正，消除部分虹膜图像中眼睫毛及其阴影、眼睑阴影与瞳孔之间的 粘连；快速精确地最小二乘椭圆拟合瞳孔边界，真实反映瞳孔的变形情况；克 服c a n n y 算子边缘检测形成的边缘间断，进行形态学边缘连接，使之虹膜外 边界更加连续更能精确拟合。实验结果验证了该方法的可行性和有效性，速度 上具有较高的效率，定位比较准确。 ( 3 ) 分析g a b o r 滤波器的理论性质，研究d a u g m a n 基于相位分析的编码算 法；克服d a u g m a n 单一方向不同频率下提取特征不够全面的缺陷，实现对归 基于g a b o r 滤波的虹膜识别研究 一化虹膜图像进行子块划分，采用不同频率不同方向的二维g a b o r 滤波器分别 对子块进行滤波，根据虚部所产生的正负结果进行相位编码。实验证明，有着 较高的虹膜识别准确率 实验结果证明：本论文所提出的算法在身份识别应用中有着较好的性能。 关键字：虹膜识别；虹膜定位；瞳孔边界修正；最小二乘法；椭圆拟合； 边缘连接；二维g a b o r 滤波器；特征提取 i i s t u d y o ni r i sr e c o g n i t i o nb a s e do ng a b o r f i l t e r i n g m a j o r ：t e c h n o l o g y o fc o m p u t e ra p p l i c a t i o n p o s t g r a d u a t e ：z h e n gq i n - f e n g i n s t r u c t o r ：l ix i a o - n i n g a b s t r a c t ：n o w a d a y s ，i n f o r m a t i o ns e c u r i t y i s b e c o m i n gm o r ea n dm o r e i m p o r t a n t ，o w i n gt ot h er a p i dd e v e l o p m e n to f i n f o r m a t i o nt e c h n o l o g y t h eb i o l o g y r e c o g n i t i o nt e c h n o l o g y o w n s s o m ea d v a n t a g ew h i c ht h et r a d i t i o n a li d e n t i t y v e r i f i c a t i o nm e t h o d sh a v en o t ，a n dw i l lh a v el o n g e rd e v e l o p m e n ti nt h es o c i e t y a m o n ga l lt h ee x i s t i n gk i n d so fb i o l o g i c a lr e c o g n i t i o nt e c h n o l o g y , i r i sr e c o g n i t i o n t e c h n o l o g yg e t s m o r ea t t e n t i o nw i t h s u c h a s h i l 曲r e l i a b i l i t y , u n i q u e n e s s ， n o n f o r g e r ya n dn o n - i n f r i n g i n ge r e i r i sr e c o g n i t i o nt e c h n o l o g yh a sb e e nr e g a r d e d a so n em o s td e v e l o p m e n tb i o l o g yr e c o g n i t i o nt e c h n o l o g yi nt h ef u t u r e a c c o r d i n gt ot h ec h a r a c t e r i s t i c so f i r i si m a g ei nm ei r i sd a t a b a s ea d o p t e d a n d s t u d yo n t h ei r i s r e c o g n i t i o np r i n c i p l ep r e v i o u s l y , a ni m p r o v e dp r i n c i p l e i s p r o p o s e df o rt h ep u r p o s eo fc l a s s i n gt h ei r i s e sp r e c i s e l ya n dq u i c k l y t h em a i n w o r k sf o rt h er e s e a r c hh a v eb e e na c c o m p l i s h e da sf o l l o w i n g ： f i r s t l y , e y e l a s h e sc a ni n t e r f e r ew i t ht h ei r i sl o c a t i o no nac e r t a i ne x t e n t ，a n d m a k es o m ed i s b e n n i f i tf o rt h ea c c u r a c yi nt h ei r i ss e g m e n t a t i o n m o r p h o l o g i c a l c l o s i n gw i t har i g h ts t r u c t u r i n ge l e m e n ti s u s e dt or e m o v ee y e l a s h e st h r o u g h a n a l y z i n gt h ef e a t u r e so ft h em o r p h o l o g yo p e r a t i o n s e c o n d l y , f o rt h ep u r p o s eo fl o c a l i z i n gi r i sp r e c i s e l ya n dq u i c k l y , a ni m p r o v e d i i i 基于g a b o r 滤波的虹膜识别研究 l o c a l i z a t i o ni sp r o p o s e dw h i l eb a s e do ni n t r o d u c i n gs o m ep r e v a i l i n gl o c a l i z a t i o n a l g o r i t h m s f i r s t s o m et y p i c a lp r o b l e m sa p p e a r e di np r a c t i c e 羽屯c o n s i d e r e d , s u c h 鼬e y e l i d s ，e y e l a s h e sa n dt h e i rs h a d o w t oo b t a i nt h er e a lb o u n d a r i e so ft h ep u p i l ， t h eb o u n d a r i e sm u s tb ec o r r e c t e db yr e m o v i n gt h ec o n g l u t i n a t i o nb e t w e e nt h e t y p i c a lp r o b l e m sa n dp u p i lr e g i o ni nt h eb i n a r i e di m a g e s e c o n d , t h eb o u n d a r i e so f t h e p u p i l c a l l tb em o d e l e db yc i r c l e a c c u r a t e l y t oi m p r o v et h eq u a l i t yo f s e g m e n t a t i o n ，t h ed i r e c tl e a s ts q u a r ef i t t i n go fe l l i p s ec o u l db eu s e df o rd e t e c t i n g t h eb o u n d a r i e so ft h ep u p i l f i n a l l y , t h em o r p h o l o g ym e t h o di si n t r o d u c e dt of i l lu p t h eg a p sa m o n gt h eo u t e re d g e st h a ta l ed e t e c t e db yc a n n yo p e r a t o ra n dm a k e st h e e d g ed e t e c t e dm o r ee a s i l ya n df i t t e dm o r en i c e l y e x p e r i m e n t sh a v eb e e ns h o w n t h ea p p l i c a b i l i t ya n de f f e c t i v i t yo ft h ea l g o r i t h m a n dt h ea l g o r i t h mi sf a s t e ra n d w h i l eh a sab e t t e rl o c a t i o na c c u r a c y t h i r d l y , t h ep a p e ra n a l y z e st h ef e a t u r e so ft h eg a b o rf i l t e ra n ds t u d i e st h e e n c o d i n ga r i t h m e t i co fd a u g m a nb a s e do i lt h ep h a s e s 2 d - g a b o rf i l t e r sw i t h d i f f e r e n t f r e q u e n c i e s a n do r i e n t a t i o n sf i l t e rt h ee v e r ys u b - b l o c ki nt h ei r i s n o r m a l i z e di m a g e ，a n de n c o d e st h ei r i st e x t u r eb yp l u so rm i n u st ot h ec o e f f i c i e n t o ft h ei m a g i n a r yu n i ti nt h e2 d - g a b o rf i l t e r i nt h ef e a t u r ee x t r a c t i o n ，t h em e t h o d p r o j e c t e do v e r c o m e st h el i m i t a t i o no ft h en o n - i n t e g r i t yf e a t u r ee x t r a c t i o nb yg a b o r f i l t e r sw i t l ld i f f e r e n tf r e q u e n c i e so nt h es i n g l eo r i e n t a t i o n ，a n df i n a l l yc a l lc l a s st h e i r i sm o r ea c c u r a t e l y e x p e r i m e n t sh a v eb e e ns h o w nt h a tt h em e t h o df o ri d e n t i t yr e c o g n i t i o nc a n w o r kw e l l k e y w o r d s ：i r i sr e c o g n i t i o n ；i r i sl o c a t i o n ；e d g ec o r r e c t i n gf o rt h ep u p i l ；l e a s t s q u a r ep r i n c i p l e ；e l l i p s ef i t t i n g ；e d g ec o n n e c t i n g ；2 dg a b o rf i l t e r ；f e a t u r ee x t r a c t i o n i v 四) lli j i t 范大学学位论文独创性及 使用授权声明 本人声明：所呈交学位论文，是本人在导师指导下，独立 进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何 其他个人或集体已经发表或撰写过的作品或成果。对本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。本声明的法律结果由本人承担。 本人承诺：已提交的学位论文电子版与论文纸本的内容一致。如因不符而 引起的学术声誉上的损失由本人自负。 本人同意所撰写学位论文的使用授权遵照学校的管理规定： 学校作为申请学位的条件之一，学位论文著作权拥有者须授权所在大学拥 有学位论文的部分使用权，即：1 ) 已获学位的研究生必须按学校规定提交印 刷版和电子版学位论文，可以将学位论文的全部或部分内容编入有关数据库供 检索；2 ) 为教学、科研和学术交流目的，学校可以将公开的学位论文或解密 后的学位论文作为资料在图书馆、资料室等场所或在有关网络上供阅读、浏览。 本人授权中国科学技术信息研究所将本学位论文收录到中国学位论文全 文数据库，并通过网络向社会公众提供信息服务。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名印烬锋 签字日期：文了f 口年孓月谣日 翩躲彩 签字日期：刎年厂月力 四川师范人学硕士学位论文 1 绪论 当今社会已步入了高速发展的信息时代和网络时代，身份识别的重要性日 益凸显。传统基于智能卡或者密码的身份识别技术，由于其固有的局限性已远 远不能满足要求，而生物特征识别技术为身份认证提供了一种可靠的解决方 案，在现实生活中日益得到重视。在现有的各类生物特征识别技术中，虹膜的 高可靠性、唯性、不可伪造性及不可侵犯性等优点得到了迅速发展，被认为 是2 1 世纪最具有发展前途的生物认证技术。 1 1 课题研究背景及其实际意义 身份验证在电子商务领域、出国签证、国家司法、军事安全等领域都有着 广泛的普及和应用，但如何准确验证个人身份，保证信息的安全性，更是亟待 解决的问题。目前一些传统基于智能卡或者密码的身份认证技术，例如身份证、 银行卡等，虽然这些身份验证速度很快，使用较方便，可随身携带，易被群众 接受，但由于智能卡容易丢失，甚至可被怀揣不良企图的冒充者利用现代高科 技手段，盗取或复制同样的一张智能卡，利用卡上携带的身份信息，造成对他 人财产的损失或则其他方面的不利后果；另外个人手持银行卡这样的带有密码 的身份验证卡，或许个人的原因，会出现密码遗忘或丢失等现象，给生活带来 极大的不便。鉴于此，一种基于人的生理特征( 如人脸、虹膜、指纹、掌纹等) 或行为特征( 如步态、签名等) 作为新的身份标识物体进行身份验证的生物特征 识别技术就孕育而生了，越发得到广大人民的关注。 生物特征识别技术应用生物特征所固有的不可复制性、稳定性和唯一性等 优势，来进行身份验证识别。最近2 0 年来，生物特征识别已经成为国内外研 究的热门课题方向，并且基于多学科研究成果而开发出的生物特征识别系统， 在国内外已经慢慢应用在安全等诸多领域中。多种来源数据显示，2 1 世纪将 是生物特征识别技术普及的时代。 在现有各类生物特征识别技术中，虹膜识别技术有着其他生物特别技术无 法比拟的优势。不同的人，具有不同的虹膜纹理特征；同一个人，左右眼的虹 膜纹理特征也不相同；同一虹膜，在较长时间内虹膜特征会基本保持不变；虹 膜属于组织内部，角膜之后，通过手术修改、伪造虹膜难度和风险大，因此虹 基于g a b o r 滤波的虹膜识别研究 膜身份认证的效果非常可靠和稳定，被认为是2 1 世纪最具有发展前途的生物 认证技术。 1 2 生物特征识别简介 1 2 1 生物特征识别概述 生物特征识别通过自动化的生理特征或行为特征采集装置，将采集到的人 体特征通过与数据库中的模板数据特征进行比较，以完成身份认证比对的一门 技术生物特征识别技术具有传统身份识别技术无法比拟的优势，因此在上世 纪9 0 年代末和本世纪初，特别是“9 1 1 一恐怖事件后，生物特征识别技术越 发受到国际安全部门的高度重视。 生物特征识别技术能够克服传统身份识别技术所代来的各种缺陷，利用自 身所具有的“人各有异、终生不变、随身携带等特点，逐渐成为一种公认的 身份认证技术。从最基本到最健壮的多种不同级别的安全技术中，生物特征识 别技术将是最安全的。“你本身所具有的( 如指纹、虹膜、语音等) 方式验证 身份远比远采用“你所拥有的”( 如身份证) 和“你所知道的东西”( 如用户名、 密码) 验证身份更可靠、更安全【l j 。 1 2 2 生物特征识别的基本要求及常见识别技术比较 生物特征识别作为新兴的身份识别技术，理论上讲，只有满足以下基本要 求，人的生理或行为特征才可被用于身份识别： ( 1 ) 普遍性，世界上不同人同时都拥有这种生物特征： ( 2 ) 唯一性，不同人所拥有的生物特征不尽相同： ( 3 ) 永久性，该生物特征在比较长的时期内不会发生变化； ( 4 ) 可采集性，该生物特征可以通过一定的设备或手段采集到。 但实际上，上述所列的基本条件并不能作为生物特征识别的必要条件，在 实际应用中，一种合适的生物特征通常还应考虑以下几个因素： ( 1 ) 可行性，生物特征识别系统所能达到的准确识别率和识别速度，以及 达到准确识别率和识别速度标准所需要的系统资源，另外还要考虑影响准确识 别率和速度的外界环境因素； ( 2 ) 可接受性，在日常生活中人们考虑到自身因素，是否愿意接受这种类 2 四川师范人学硕士学位论文 别的生物特征识别系统； 表1 1 常见生物特征识别技术比较 由表1 1 常见的生物特征识别技术各方面比较可以看出，没有一种技术能 在各项指标上全面优于其他技术。所以根据不同的应用场合，需要采用不同的 技术。目前，有三种身体特征被认为是最具有固有性和唯一性：视网膜、虹膜 和指纹。因此，这三种身体特征在生物特征识别技术中具有最高的可信度和准 确度。从各种特性综合分析来看，虹膜作为身份的标志，虹膜识别技术具有明 显优势，是更实用、更可靠的身份鉴别技术，很有发展前景，引起广泛关注。 1 2 3 生物特征识别系统性能指标 评价一个生物特征识别系统性能的优劣，在生物识别领域中研究学者常从 以下几个方面作为衡量生物特征识别系统性能的评价指标： ( 1 ) 正确识别率c r r ( c o r r e c tr e c o g n i t i o nr a t e ) ： 在生物特征识别系统中，能够被正确识别出来的生物特征信息占整个数据 库中生物特征信息数量总数的比例，可用以下公式来描述： 锹= 堕警 ( 2 ) 误拒率e r r ( 拒真率：f a l s er e j e c tr a t e ) ： 将相同的生物特征信息误认为是不同的生物特征信息而因此遭到拒绝出 错的概率，可用以下公式来描述： 基于g a b o r 滤波的虹膜识别研究 脚嚣怒 ( 3 ) 误识率f a r ( f a l s ea c c e p t ) , 将不同的生物特征信息误认为相同的生物特征信息而因此接受出错的概 率，可用以下公式来描述： f a r = 怒 ( 4 ) 相等错误率e r r ( e q u a le r r o rr a r e ) ： f a r 和f r r 相等时的错误率，衡量生物特征识别系统的指标。生物特征 识别系统性能越高，则相等错误率就越小。 ( 5 ) 实时性能： 作为一个实用的生物特征识别系统，识别的响应时间是衡量识别速度的重 要指标。 ( 6 ) 生物特征信息样本大小： 生物特征信息样本所占存储空间是存储在硬盘或者一张小小的存储卡上 的，因此存储空间的有限性则是识别系统所要考虑的。生物特征识别系统毕竟 面对的是整个社会中的群体，数据量的庞大，会使得识别系统在生物特征信息 样本数据库中搜索的时间加大要想尽可能减少搜索时间，最好能够尽量降低 生物特征信息量的大小。 1 3 虹膜识别简介 1 3 1虹膜生理结构及特点 如图1 1 人类眼睛生理结构图所示人眼的外观由巩膜、虹膜、瞳孔三部分 构成。巩膜即眼球外围的白色部分，眼睛中心为瞳孔部分，虹膜位于巩膜和瞳 孔之间，包含了最丰富的纹理信息。外观上来看，虹膜由许多腺窝、皱褶、色 素斑等构成，是人体中最独特的结构之一。虹膜纹理中包含着许多相互交错的 类似斑点、冠状、隐窝、条纹等形状的细微特征，由里到外呈放射状分布。由 于不同人间胚胎发育环境差异决定着这些细微的虹膜特征纹理在不同个人有 着不尽相同的纹理信息分布特征。 4 四川师范大学顾士学位论文 图1 1 人类瞑睛生理结构圉 1 3 2 虹膜识别系统组成及其技术优势 典型的虹膜识别系统一般来说分为：图像采集、图像预处理、特征提取和 特征匹配四个步骤，通过对比虹膜纹理特征间的相似度，使用模式识别、图 像处理等方法对人眼睛的虹膜特征进行描述和匹配来验证人们的身份。 ( 1 1 图像采集：获取高质量的虹膜图像是虹膜识别中的第一步，且也是比 较困难的步骤，由于虹膜的面积比较小，眼睛也无法承受强烈光的照射，因此 获取高质量的人眼圈像需要通过高精度采集设备和合适的操作方式： ( 2 ) 图像预处理：指对所获取到的虹膜原始图像数据去伪存真获取虹膜区 域中纹理特征的过程。通常虹膜图像预处理包括虹膜内外边缘定位、虹膜图像 归一化、图像增强三个阶段： ( 3 1 特征提取与编码：在预处理阶段所获得的虹膜区域图像中，通过一定 的算法提取出能表征纹理信息的特征，并进行编码： ( 4 1 特征匹配：将当前采集到的虹膜图像的特征编码与事先存在数据库中 的虹膜图像特征编码进行比对、验证，区分不同的虹膜图像。 鉴于虹膜独特的生理结构，虹膜识别技术具有更多的先天优势： f 1 ) 唯一性，虹膜的纹理分布由内在的遗传基因决定的，胚胎发育环境对 这种细微结构的纹理形成起着决定性作用，从而形成了虹膜图像中存在着许多 随机分布的细节特征，造就了虹膜纹理模式的唯一性。即使是双胞胎、同一人 的左右眼的虹膜图像之间也具有显著差异； f 2 1 稳定性，虹膜在发育完全后就进入了相对稳定时期，可以保持数十年 基于g a b o r 滤波的虹膜识男1 j 研究 没有多少变化。如果某人要改变虹膜的外观，则需要更加精密的手术，而且要 冒着损害视力的危险，除非经历这样危及眼睛的外科手术，此后终生不变。由 于角膜的保护作用，发育完全的虹膜不易受到外界的伤害； ( 3 ) 非接触性，虹膜是外部可见的内部组织，采集虹膜图像的时候不必紧 贴着采集设备，就可以获得质量比较好的虹膜图像相对于指纹、手形等类似 识别方式需要接触感知的生物特征，更加干净卫生，不会污损成像采集设备， 不会影响到其他人的识别； ( 4 ) 防伪性好，瞳孔会随着摄入瞳孔光线强度的变化而产生收缩或膨胀， 并牵动虹膜纹理变化，使之具有天然的防伪性能；同时虹膜半径小，在可见光 的照射下，虹膜纹理的信息是很难看清楚的，除非需要专用虹膜图像采集设备 和用户的配合，所以个人的虹膜图像很难在一般情况下被他人所盗取。 1 4 虹膜识别研究现状 随着虹膜识别技术逐渐得到重视，世界各国研究员也随之提出了很多关于 虹膜识别技术的方法，使得虹膜识别技术能够在现实生活中得以快速发展，前 景广阔。 1 4 1图像采集 虹膜图像的高质量影响着后续的预处理效果，从而对于虹膜特征提取和特 征匹配起到了关键性的作用，因此要获取高质量的虹膜图像，需要合理设计集 成良好光源和自动化电子控制单元的光学系统。 目前国内外比较成熟的虹膜图像采集设备以下几种：( 1 ) d a u g m a n 的图像 获取装置【2 】；( 2 ) 光学获取装置【3 】；( 3 ) 谭铁牛的图像获取装置【4 】；( 4 ) w i l d e s 的图 像获取装置【5 1 。 1 4 2 图像预处理 为了消除虹膜图像在采集过程中所受到的各种因素的影响，在进行特征提 取之前，需要对虹膜图像进行预处理。以下将从虹膜定位、虹膜干扰检测、虹 膜图像归一化、虹膜图像增强四个方面简要介绍目前的研究现状。 ( 1 ) 虹膜定位 6 四川师范大学硕士学位论文 常见的虹膜定位算法有：d a u g m a n 虹膜定位法、w i l d e s 虹膜定位法、基 于活动轮廓虹膜定位算法等。 d a u g m a n l 6 】【7 】嘲教授提出的微积分方法原理，在虹膜图像中搜索虹膜的中 心和半径方法来确定虹膜的内边缘和外边缘。在虹膜图像中，利用灰度投影的 原理大致确定瞳孔圆心所在的区域范围内，沿着径向方向增加半径时相应圆周 上的积分对半径的微分积分最大响应值处的位置作为虹膜的内外边界。定位精 度高，但定位速度很慢。 w i l d e s t 9 】【1 0 1 提出了基于h o u g h 变换的虹膜定位算法：首先对虹膜图像进行 边缘检测，再利用虹膜内外边缘是圆状的特点，应用h o u g h 变换确定虹膜内 外边缘的圆心和半径，从而分割出有效虹膜区域。h o u g h 变换是在三维空间里 进行的，定位时间上会很慢。 基于活动轮廓虹膜定位算澍1 1 】不需进行图像的边缘检测与二值化，直接 通过不断极小化自身的能量函数来检测图像的边缘信息。对粗定位瞳孔时的伪 圆心要求也低，具有较强的鲁棒性。缺点在于对于所选取的初始点比较敏感， 同时受到局部极小值影响比较大。 为了克服上诉算法的不足，一些新的虹膜定位算法被提了出来。目前有文 献采用粗定位和精定位相结合的方法【1 2 】【1 3 】，先用粗定位的方法来确定虹膜的 大致区域范围，再经过精定位算法精确分割出虹膜区域。优点在于速度快，精 度高。也有文献将d a u g m a n 的微分积分算法和w i l d e s 的h o u g h 变换结合起来， 利用微分积分算子和h o u g h 变换各自的优点，从而实现精度高，速度快的虹 膜定位。 ( 2 ) 虹膜干扰检测 由于采集图像时对被采集者是非侵犯，所以通常采集到的虹膜图像包含较 多的噪声。虹膜区域中的干扰主要包括：上下眼睑、睫毛、光源像点等。这些 干扰如果不消除，而作为真实信号看待，必然造成虹膜特征的错误表示，导致 错误拒绝率增大。 眼睫毛检测：k o n g 和z h a n g t l 4 】采用聚集与分散两部检测眼睫毛的方法， 用ldg a b o r 滤波器和灰度方差来检测提取聚集和分散的眼睫毛。这种方法检 测精度较高，但如何区分该眼睫毛区域时分散还时聚集眼睫毛，没有明确提出 7 基于g a b o r 滤波的虹膜识别研究 判定的方法，而且在检测眼睫毛时只用一个单一阈值做二值化处理；h u a n g j u n z h o u t l 5 】提出一种基于相位致性的噪声检测方法，根据边缘信息定位眼睫 毛区域，把临近眼睫毛之间的部分归位一个眼睫毛区域，且处理后有孤立噪声 点：x i a o y a n y u a n t l 6 】提出用迟滞阈值法来检测眼睫毛，使用双阈值来检测眼毛， 但并没给出阈值如何选取；h ew e i 【l7 j 提出基于局部灰度极小值检测眼睫毛算 法，该算法得到的候选眼睫毛像素集包含了许多非眼毛像素而且真正的眼睫毛 像素点会检测不出来，从而不能连接成真实的眼睫毛；来毅【l8 】通过构造交叉 性的形态学结构元素，二值化检测眼睫毛，该检测方法在归一化后的虹膜区域 内进行，而相比归一化后的虹膜图像而言，归一化前的眼睫毛特征更明显。 眼睑检测：在虹膜区域中，上下眼睑的影响都是很常见，目前常用的算法 有：采用h o u g h 变换【9 】【1 0 】【1 9 】、微积分操作6 1 1 7 删进行圆弧检测定位上下眼睑； 采用检测直线定位上下眼睑；采用较小的虹膜区域提取虹膜特征，对容易受到 眼皮干扰的虹膜部分不做考虑，省去眼皮定位。各种方法一定程度上都定位了 眼皮，但定位精度和计算量不同。圆弧定位精度高，但速度最快；采用直线定 位精度低，定位速度快。 光源像点检测：大多数的文献将光斑确定高亮度灰度值处理。 ( 3 ) 虹膜图像归化 拍摄虹膜图像时，由于被拍摄者眼睛相对于采集设备的位置变化，会使虹 膜的大小、位置和角度有差异；另外在不同的外界照明条件下瞳孔的缩放程度 不一样，必须对所采集的虹膜图像进行校准或归一化，消除平移、缩放等对识 别的影响。 d a u g m a n 2 0 】提出将直角坐标系下的虹膜区域直接通过线性变换影射到极 坐标下固定分辨率的矩形区域内，认为虹膜纹理的变化是简单的线性拉伸，化 简了虹膜纹理结构的变化，也因此常被用在虹膜识别系统中来。 i v i n s 2 l 】对眼球移动、转动，眼球具体大小以及瞳孔受光照强度的收缩程 度等变化，建立参数关系，进行数学建模分析虹膜纹理形变。 j a s o n 2 3 】根据比对虹膜图像间的形变分析，使用贝叶斯计算虹膜形变情况， 估计形变参数的最大后验概率，并且可同时生成虹膜间的相似性量值。 袁晓燕【2 5 j 所提出的虹膜基本结构是由一系列连接瞳孔边缘的交叉圆弧所 8 四川l 师范大学硕士学位论文 构成的网状结构，这些圆弧与虹膜外圆相切，在虹膜环形区域内角度跨度为 9 0 度。当瞳孔半径发生变化时，此弧线仍连接相同的两点，保持相同的圆弧 形状，相对于人体虹膜形变的真正机理来说太过简化，与真正的虹膜弹性形变 矛盾。此论文中所提出的算法没有考虑转动偏差，只考虑了虹膜形变时在径向 方向的移动，而未考虑其在角度方向的转动。 z h o u s h iw ：e i 【2 4 j 所提出的方法采用了h a r r yj w y a t t “m e s h w o r ks k e l e t o n ”网 状模型【2 2 1 ，也是运用虹膜在线性形变和非线性形变间的关系来模拟虹膜弹性 的模型。此论文通过统计学的多次验证证明：非线性形变和线性形变间的偏移 关系，可以用附加的偏移量( 高斯函数) 来表示，从而使虹膜识别更加的有效和 准确。 ( 4 ) 虹膜图像增强 在采集虹膜图像时，光源的位置、光照的强度以及虹膜反射入射光等因素 的影响，导致了虹膜图像上光照不均的出现，因此需要对虹膜图像进行增强， 消除光照不均的影响。 目前，讨论虹膜图像增强的文献比较少，一般文献中介绍的虹膜识别算法 都是在虹膜图像归一化后直接进入特征提取阶段，并没有进行图像增强。也有 文献采用一种新的方法来估算虹膜图像背景光照f 2 6 】【2 7 】【2 8 】 2 9 1 0 0 1 来进行虹膜图 像增强的，其方法大体相同，步骤为：首先估计图像的背景光照，然后将估计 出的背景照度从原始图像中减去，( 再加上原图的灰度值均值) ，消除图像中光 照不均的影响，最后对虹膜图像直方图均衡化处理，虹膜图像光照较均衡，各 部分的亮度都比较一致，纹理比较清晰。 1 4 3 特征提取与特征匹配 ( 1 ) g a b o r 滤波器相位编码： d a u g m a n t 2 0 】【3 1 】【3 2 】利用g a b o r 滤波器的局部性和方向性对虹膜图像进行滤 波提取虹膜的相位特征，得到2 0 4 8 位的虹膜编码，利用归一化h a m m i n g 距离 实现特征匹配；s a n c h e z 3 3 l 在d a u g m a n 方法的基础上，对虹膜归一化图像分块 进行特征提取和编码；沈怡利用多通道g a b o r 滤波器多尺度多方向对虹膜纹理 进行特征提取与编码；m a s e k 3 4 1 采用l o g - g a b o r 滤波器进行虹膜纹理进行特征 基于g a b o r 滤波的虹膜识别研究 提取以，根据相位进行相位编码。 ( 2 ) 小波过零检测编码： b o l e s 3 5 】【3 6 1 采用一维小波对沿虹膜中心同心圆的一条采样曲线进行过零检 测，通过两个自定义的相异度函数来完成分类；s a n c h e z a v i l a t 3 7 】【3 8 】【3 9 1 采用类 似于b o l e s 算法，对于虹膜单个虚拟圆以及虹膜归一化区域采用小波变换进行 特征提取，在不同的距离度量准则下使用h a m m i n g 距离和欧式距离进行特征 匹配 ( 3 ) 基于纹理信息编码： w i l e d s t 4 0 1 采用拉普拉斯金字塔的多分辨技术，在不同尺度下计算两个虹膜 图像间的归一化相关系数，分类器使用的是f i s h e r 线性判据，但计算效率不高。 ( 4 ) 局部特征信息编码： m a 2 7 1 等将虹膜图像转换为1 d 信号后采用g a u s s i a n - h e r m i t e 矩表示纹理 局部特征，随后又提出采用1 d 小波变换获取虹膜1 d 信息的局部快速变化 特征；y u l 4 l 】提出采用多通道滤波器对局部分块进行特征关键点分析，提取局 部关键点间相对距离来进行模式匹配。 另外，a z a i m r 4 2 1 等提出用灰度共生矩阵统计在边界或灰度明显不同分界 面中的具有特定空间关系的两点进行特征分析并编码匹配，不同人的虹膜纹理 图案； 虽然上述的各种方法都能高效的识别特征模板，但是各种滤波器的构造过 于复杂，最近d o n a l d t 4 3 】【删提出了基于d c t 虹膜特征提取认证方法，某些指标 甚至超过上述几种算法。 1 4 4 虹膜数据库 目前虹膜识别算法的通用性不是很强，相同的虹膜识别算法相对于不同的 虹膜数据库所能执行的效果也就不尽相同，算法执行优劣也很依赖于所用的虹 膜图像数据库。如果数据库内的虹膜图像过于完美，没有任何干扰因素的影响， 则很难评价某个虹膜识别算法的执行性能以及算法的优劣，也不能确定对于某 种特殊情况下的虹膜图像是否也具有准确定位、准确识别的效能。 目前，随着虹膜识别算法逐步深入研究，为了验证算法的执行性能，国内 1 0 四川师范大学硕士学位论文 外的研究学者和研究机构对虹膜图像数据库的需求和要求也越来越多。由于不 同的机构，有时根据自己的需要，自主研发虹膜图像采集设备，并保留了一整 套虹膜图像数据库。目前国内外已有的虹膜图像数据库有：c a s i a 、u p o l 、 m m u 、i c e 、w 7 、u b i r i s 、b a t h 等。 1 5 虹膜识别的研究难点 国内的虹膜识别技术研究虽然有了长足的进展，但是目前的虹膜识别系统 面临着诸多困难，影响着虹膜识别系统性能的提高。为了使得虹膜识别系统能 够在日常生活得到广泛应用，势必需解决以下难点： ( 1 ) 图像采集 清晰可见的高质量虹膜图像是虹膜识别的基础，其获取需要设计合理的光 学系统。镜头焦距的变化、景深的变化、外部环境光线的变化、用户的配合程 度等，都会给远距离自动图像获取带来很大的困难。由于人的眼睛面积较小， 要获得高清晰的虹膜图像必须提高光学系统的放大倍数，但会导致虹膜成像的 景深较小，所以现有的虹膜识别系统需要用户的配合，要在合适的位置上凝视 摄像镜头，才能获取高质量的虹膜图像。人们看重虹膜识别技术的一个重要原 因就是在于他的非干预性，不必非要在人工干预的情况下获取清晰的虹膜图 像，而是在人不知不觉的远距离情况下自动采集虹膜图像进行身份识别。如果 能够突破这种局限的降低图像获取方面干扰因素的话，则将是非常有意义的。 ( 2 ) 虹膜纹理形变模式 根据人眼睛的生理结构，虹膜的外边缘是几乎不变的，而内边缘则随着外 界光照强度的变化而缩小或拉伸。医学理论认为，瞳孔的变化导致虹膜纹理的 变化，虹膜表面肌肉处于不自觉的抖动，这种虹膜纹理形变并不是简单的线性 拉伸，靠近瞳孔部分的纹理收缩通常要比远离瞳孔的纹理收缩的比例要大。目 前绝大部分虹膜识别算法都是在假定外界光照不发生变化或者外界环境可控 制的情况下，忽略瞳孔的收缩，将虹膜纹理形变简单认定是线性形变。如果瞳 孔大幅度变化时，会影响到虹膜识别的准确率。如果能够对虹膜纹理的形变过 程建立近似数学模型，将会增强虹膜识别系统的鲁棒性。 ( 3 ) 虹膜特征匹配模式 基于g a b o r 滤波的虹膜识别研究 现有的虹膜识别算法基本上都采用距离或简单的加权欧式距离分类器，简 单高效，但是准确性略有不理想；大部分只考虑怎样去提取特征，而忽略了虹 膜特征匹配的分类模式机制。只有同时考虑能够反映识别对象的特征和识别学 习机制本身，才能够在训练样本数不充分情况下取得虹膜识别更高的准确性。 ( 4 ) 虹膜识别算法的通用性 由于不同的图像采集设备的工作原理、硬件条件存在着差异，各个设备上 的虹膜识别算法的使用环境和参数也一定存在着不同程度的差别。目前，相当 一部分的研究员或研究机构在固定的图像采集装置上专注于虹膜识别算法研 究，没有考虑到其他设备上此虹膜识别算法的通用性，影响到了虹膜识别算法 的实际应用，因此高重复性的虹膜识别算法有待进一步开发。 1 6 论文主要贡献 本论文算法实现采用中科院提供的c a s i a v e r 3 0 t w i n s 虹膜图像数据库， 在c p u 为2 0 g h z 、内存为2 0 g b 的计算机上通过m a t l a b 7 0 编程进行仿真。 针对典型虹膜定位算法速度慢的不足，改善虹膜定位速度，同时满足虹膜 定位精度要求，提出了一种改进的虹膜定位算法：二值化分割出瞳孔区域时， 为获得真实瞳孔边界点，须对瞳孔边界进行修正，消除部分虹膜图像中眼睫毛 及其阴影、眼睑阴影与瞳孔之间的粘连；快速精确地最d x - - 乘椭圆拟合瞳孔边 界，真实反映瞳孔的变形情况；克服c a n n y 算子边缘检测形成的边缘间断， 进行形态学边缘连接，使之虹膜外边界更加连续更能利用最小二乘法精确拟合 圆形边界。 特征提取阶段，根据二维g a b o r 滤波器较强的纹理局部分析能力和对虹膜 纹理细节特征具有很好的信息表达能力特点，分析d a u g m a n 基于相位分析的 编码算法，克服d a u g m a n 单一频率下不同方向上特征提取不够全面的缺陷， 在对归一化虹膜图像进行子块划分情况下，设计不同频率不同方向的二维 g a b o r 滤波器分别对子块进行滤波，根据虚部所产生的正负结果进行相位编 码，提取虹膜图像中不同频率不同方向的纹理信息。最终所提取的特征编码长 度比d a u g r n a n 算法中所提取到的2 0 4 8 位特征编码少了许多，减少了特征提取 的时间，提高了特征编码匹配速度。 四川师范大学硕上学位论文 1 7 论文章节安排 论文共分5 章，各章主要内容如下： 第1 章绪论部分，简要介绍课题研究背景以及实际意义、生物特征识别技 术以及虹膜识别研究现状、研究难点，最后谈及本论文研究内容及论文章节安 排。 第2 章为虹膜定位算法，首先介绍和分析现有典型的虹膜定位算法，根据 所选虹膜库中虹膜图像特点，提出新的快速准确虹膜定位算法，并系统地详细 阐述。 第3 章论述虹膜有效区域归一化及其虹膜图像增强，详细描述展示归一化 及图像增强过程。 第4 章虹膜识别系统的关键部分，详细介绍二维g a b o r 滤波器理论及其性 质，算法设计实现对归一化虹膜图像进行子块划分，采用不同频率不同方向的 g a b o r 滤波器分别对子块进行滤波，根据虚部所产生的正负结果进行相位编 码，然后采用h a m m i n g 距离进行虹膜特征匹配。 第5 章论文总结与展望，概述论文所做的主要工作，针对目前研究中的难 点问题，展望下一步的研究工作方向。 基于g a b o r 滤波的虹膜识别研究 2 虹膜定位 虹膜定位是指在所采集的虹膜图像中确定虹膜内外边缘，将与瞳孔相连的 虹膜环形区域独立分割出来。虹膜定位是虹膜识别中最关键的一个环节，定位 分割的精确与否直接决定了后续特征提取是否有效和特征编码是否正确，从而 影响到最终的虹膜识别正确识别率。 2 1 典型虹膜定位算法 现存经典的虹膜定位算法有三种：d a u g m a n 基于圆周检测算子的活动圆 模板匹配算法、w i l d e s 提出基于h o u g h 变换的虹膜定位算法和基于活动轮廓 虹膜定位算法除此之外，还有不少通过改进经典算法而得到的算法。 2 1 1 d a u g m a n 虹膜定位算法 剑桥大学的d a u g m a n f 6 】f 7 】【8 1 教授提出的微积分方法原理，在虹膜图像中搜 索虹膜的中心和半径方法来确定虹膜的内边缘和外边缘。在虹膜图像中，采用 灰度投影的原理大致确定瞳孔圆心所在的区域范围。在此区域内的