（计算机应用技术专业论文）虹膜识别的若干关键技术研究.pdf

摘要 随着信息技术的飞速发展，信息安全已成为当今重要的研究课题之一。基于 人体生物特征的身份鉴定技术愈加显示出其重要价值。虹膜识别是一种基于人体 生理特征的生物特征识别技术，与指纹、掌纹、脸像、声音等特征识别相比，虹 膜具有唯一性、稳定性、识别率高、非侵犯性等优点，因此虹膜识别技术已成为 当前热门的身份鉴别研究领域。 本文介绍了虹膜识别技术的发展现状与应用前景、优缺点及基本原理。通过 对目前几种较为成熟的虹膜识别方法的分析和比较，针对虹膜定位、归一化、特 征提取、模式匹配等若干关键技术进行了研讨，主要工作如下： 提出了一种新的虹膜定位算法。首先，利用c a n n y 边缘检测算子对虹膜图 像进行内边缘粗定位；然后，使用h o u g h 变换检测虹膜图像的外边缘：最后，采 用d a u g m a n 算子对虹膜图像进行精定位。 通过小波变换对归一化后的虹膜图像进行纹理特征提取，提出了基于h a a r 小波、小波包分解的两种特征提取方法。 。 考虑到支持向量机是一种基于结构风险最小化原理的两分类方法，且具有 良好的性能，本文运用支持向量机( s v m ) 对虹膜特征编码进行模式匹配。 实验结果表明，本文所提出的虹膜识别方法实现简单、高效，并且克服了目 前虹膜识别算法中存在的如旋转、漂移和比例放缩等问题。 关键词：虹膜识别；c a n n y 算子；纹理特征：h o u g h 变换：小波变换；s v m ； 模式匹配 ， a b s t r a c t w i t ht h er a p i dd 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 y , t h er e s e a r c ho ni n f o r m a t i o ns e c u r i t yh a sb e c o m eo n eo fi m p o r t a n tt o p i c s t h ei d e n t i t yr e c o g n i t i o nb a s e do nt h e b i o l o g yc h a r a c t e r i s t i c so fh u m a nb o d yb e c o m e sm o r ei m p o r t a n t t h ei r i sr e c o g n i t i o n i sak i n do ft h eb i o m e t r i c st e c h n o l o g i e sb a s e do nt h ep h y s i o l o g i c a lc h a r a c t e r i s t i c so f h u m a nb o d y , c o m p a r e dw i t ht h ef e a t u r er e c o g n i t i o nb a s e do nt h ef i n g e r p r i n t ， p a l m p r i n t ，f a c ea n ds o u n de t c ，t h ei r i s h a ss o m ea d v a n t a g e ss u c ha su n i q u e n e s s ， s t a b i l i t y , h i g hr e c o g n i t i o nr a t e ，a n dn o n i n f r i n g i n ge t c h e n c e t h ei r i s r e c o g n i t i o n t e c h n o l o g yh a sr e c e n t l yb e c o m ep o p u l a r i ni d e n t i t yr e c o g n i t i o n i nt h i st h e s i st h ed e v e l o p i n gs i t u a t i o na n da p p l y i n gp r o s p e c t ，t h ea d v a n t a g ea n d d i s a d v a n t a g e ，a n dt h eb a s i cp r i n c i p l ea b o u tt h ei r i sr e c o g n i t i o nt e c h n o l o g yw e r e i n t r o d u c e d b ya n a l y s i n ga n dc o m p a r i n gt h es e v e r a li r i sr e c o g n i t i o nm e t h o d s ，t h e r e s e a r c ho ns e v e r a lk e yt e c h n o l o g i e si na l l u s i o nt ot h ei r i sl o c a l i z a t i o n ，t h en o r m a l - i z a t i o n ，t h ef e a t u r ee x t r a c t i o n ，t h ep a t t e r nm a t c h i n ge t cw a sc a r r i e do n ，t h em a i nw o r k w a sa c c o m p l i s h e di nt h ep a p e ra sf o l l o w i n g ： f i r s t l y , an e wi r i sl o c a l i z a t i o na l g o r i t h mw a sp r o p o s e d t h ec a n n yo p e r a t o ro f e d g ed e t e c t i o nw a su s e dt oc a r r yo nt h ec u r s o r yl o c a l i z a t i o nt ot h ei n n e re d g eo f i r i s i m a g e ；t h e n ，t h eh o u g ht r a n s f o r mw a sm a d eu s eo fd e t e c t i n gt h eo u t e re d g eo f i r i s i m a g e ；f i n a l l y , t h ed a u g m a no p e r a t o rw a sa d o p t e dt oc a r r yo nt h ef i n el o c a l i z a t i o nt o t h ei r i si m a g e s e c o n d l y , b yt h ew a v e l e tt r a n s f o r mb e i n gu s e dt oe x t r a c tt h et e x t u r ec h a r a c t e r i s t i c o ft h en o r m a l i z e di r i si m a g e ，t h et w om e t h o d so ff e a t u r ee x t r a c t i o nb a s e do nt h eh a a r w a v e l e ta n dt h ew a v e l e tp a c k e tw e r es u g g e s t e di nt h i sp a p e r t h i r d l y ，s u p p o r tv e c t o rm a c h i n e ( s v m ) w a s u s e dt oc a r r yo nt h ep a t t e r nm a t c h i n g a b o u tt h ec o d eo ft h ei r i sf e a t u r e ，b e c a u s es v m b a s e do nt h ec o n c e p to fs t r u c t u r a lr i s k m i n i m i z a t i o np e r f o r m sp a t t e r nr e c o g n i t i o nw i t hg o o dp e r f o r m a n c ef o rt w o c l a s sp r o b l - e m t h ee x p e r i m e n t a lr e s u l t si n d i c a t e dt h a tt h ei r i sr e c o g n i t i o nm e t h o d sp r o p o s e di n t h i sa r t i c l ew e r ee a s i l yr e a l i z e d ，a n dh a dg o o de f f i c i e n c y ；m o r e o v e r , i tc o u l do v e r c o m e t h e s ep r o b l e m ss u c ha sr e v o l v i n g ，d r i f t i n ga n ds c a l ee t ce x i s t e di nt h ep r e s e n ti r i s r e c o g n i t i o na l g o r i t h m s k e yw o r d s ：i r i sr e c o g n i t i o n ；c a n n yo p e r a t o r ；t e x t u r ec h a r a c t e r i s t i c ；h o u g h t r a n s f o r m ；w a v e l e tt r a n s f o r m ；s v m ；p a t t e r nm a t c h i n g 1 1 长沙理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。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。本人完全意识到本声明的 法律后果由本人承担。 作者签名：日期：p 6 年 月澎日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权长沙理工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，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“4 ”) 作者签名：专登痨 导师签名：本雄 i 期：以年j-ele j 彤e l期：如年哗 日期：以年j 月弘1 3 r 、。矿 鬻 第一章绪论 2 1 世纪是信息技术、网络技术的世纪，也是人类摆脱传统技术的束缚，越来 越自由的世纪。在这个以信息、自由为特点的世纪里，生物认证技术作为2 0 世纪 末期才开始蓬勃发展的高新技术，必将在社会生活中占据越来越重要的位置，从 根本上改变人类的生活方式。虹膜、指纹、d n a 这些人体本身的特点，将逐步取 代现有的密码、钥匙，成为人们习惯的生活方式。同时，最大限度地保证个人资 料的安全，最大限度地防止各种类型的刑事、经济犯罪活动。而以虹膜为特征的 身份识别技术被认为是最有前途的生物特征识别技术之一。 本章主要介绍虹膜识别的发展历史及其现状、虹膜识别的优缺点以及虹膜识 别的应用前景。 1 1 生物特征识别技术 网络信息化时代的一大特征就是身份的数字化和隐性化。如何准确鉴定一个 人的身份，保护信息安全是当今信息化时代必须解决的一个关键社会问题。信用 卡号、银行帐号、身份证号、网络登录号，人们可能被生活中越来越多的需要记 忆的密码搅得心烦意乱。如何不用记忆这些密码而又不用担心自己身份无法认定 呢? 正在悄然兴起的生物特征识别技术正好可以解决上述问题。 所谓生物特征识别( b i o m e t r i c s ) 技术是指通过计算机利用人体所固有的 生理特征或行为特征来进行个人身份鉴定。生理特征是与生俱来的，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。常用的生物特征包括：指纹、掌纹、虹膜、脸像、声音、笔迹等。鉴别人 的身份是一个非常困难的问题，传统的身份鉴别方法把这个问题转化为鉴别一些 标识个人身份的事物，这包括两个方面： ( 1 ) 身份标识物品，比如钥匙、证件、a t m 卡等； ( 2 ) 身份标识知识，比如用户名和密码。 在一些安全性要求严格的系统中，可以将这两者结合起来，比如a t m 机要 求用户同时提供a t m 卡和密码。但是这些传统的身份鉴别方法存在明显的缺点： 个人拥有的物品容易丢失或被伪造，个人的密码容易遗忘或记错。更为严重的是 这些系统无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这 些身份标识事物，就可以拥有相同的权力。 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的优点是： ( 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。 随着我们逐渐迈入数字时代，生物特征的身份鉴定技术愈加显示出它的价值。 以美国为例，基于这项技术的产业规模已经达到数十亿美元。在美国，每年约有 上亿美元的福利款被人以假冒的身份领取；据m a s t e r c a r d 公司估计，每年约有价 值四亿五千万美元的信用卡诈骗案发生，其中就包括利用丢失和被盗的信用卡的 犯罪，如果销售场所可以准确地鉴别持卡人的身份就会大大减少这种诈骗案的发 生。由于使用盗窃来的身份识别码( p i n ) ，造成移动电话通讯的损失高达十亿美元。 据估计，利用可靠的方法鉴别a t m 持卡人的身份可以使全美国每年a t m 诈骗案 造成的损失减少3 亿美元；可靠地鉴别支票领款人可以减少上亿美元的冒领金额。 随着网络的发展，非法登录计算机的案件呈上升趋势，有效的身份鉴定技术可以 防止这类案件的发生。据美国移民局统计，如果在美国和墨西哥边境采用快速准 确的身份鉴别系统，可以在不影响正常入境人员的情况下，每天查出3 , 0 0 0 件非 法入境案件。以上的这组数据表明，有效地鉴定个人的身份有着重大的社会和经 济意义，它可以有效地防止犯罪和诈骗，提高办公效率、节约资源。 1 2 虹膜识别技术的发展及其现状 在国外，使用虹膜作为特征进行身份识别的想法，最初是由眼科专家f r a n k b u r c h 在1 9 3 6 年提出来的。1 9 8 7 年另两个美国专家l e o n a r df l o m 和a r a ns a f i r m 用b u r c h 的概念申请了专利，但是他们没有开发出这样的处理器。他们转而求 助于j o h nd a u g m a n ，然后在哈佛大学教书，寻求实际的虹膜识别的算法。直到 1 9 9 1 年，美国洛斯阿拉莫斯国家实验室的j o h n s o n 实现了第一个自动虹膜识别系 统，但是当时并没有公布；现在许多虹膜识别算法的研究都是基于j o h nd a u g m a n ，于1 9 9 4 年申请的基础上开展的1 2 】：世界上第一台人眼虹膜识别机也是由j o h n d a u g m a n 发明出来的瑚：1 9 9 6 年，由w i l d e s 研制成功了一台基于虹膜的身份认证 系统。目前虹膜识别技术已应用到商业领域，如s i e m e n sn i x d o r f 公司将s e n s a r 公司的虹膜身份识别技术集成到自动取款机上，o l 【i 电气工业公司和日本赛马协 会联合研制了赛马虹膜身份鉴别系统等。美国得克萨斯州联合银行3 家分行客户 在交易前要先排队走向自动提款机的摄影镜头前，让它摄下他们的眼睛。当他们 的虹膜形状与他们存储在银行档案中的虹膜证实吻合之后，他们才能开始交易。 休斯敦联合银行主区银行业务副行政总裁科宾说：“客户都很喜欢这个系统，他 们觉得这样比较安全。个人签字可以伪造、密码可以窃取，但人的虹膜要造假 却比登天还难。”使用虹膜识别技术的不只是这些银行。美国的政府部门如联邦调 查局、国防部和财政部等也使用虹膜识别技术。对进入敏感部门和接触敏感资讯 的人进行虹膜身份鉴别。一些监狱也开始使用这种身份鉴别技术，在佛罗里达西 南萨拉紫塔的拘留中心，就使用虹膜鉴别系统来确认所有离开监狱去上庭和自外 边回来的囚犯身份。 在国内，虹膜识别技术只是近十年才兴起的生物特征技术，做这方面研究的 人还不是很多，资料也不是太多。现在只有少数几家单位在进行实验，其中中科 院自动化研究所的虹膜身份识别课题，研究较深入，取得了较好的成果，但真正 投入实用的产品还没有出来。深圳一家叫思创集团的公司也宣布他们研制成功了 具有我国自主知识产权的虹膜识别技术， 大学也在做这方面的研究，如浙江大学、 1 3 虹膜识别的优缺点 但技术内容没有对外发布过。还有几所 华中科技大学等。 虹膜( i r i s ) 是瞳孔周围含有色素的环形不透光薄膜，位于白色的巩膜( s c a l e ) 和 黑色的瞳孑l ( p u p i l ) 之间，由结缔组织细胞，肌纤维组成，呈圆盘状；中央有圆形 孔洞称为瞳孔。其表面有呈现高低不平的放射状排列、互相交错的皱壁，构成多 数的隐沟( 或称为隐窝) 。这样结构上的高低变化，形成特有的纹理。图1 1 给出 了人眼的外形和虹膜的剖面图，在文献 4 1 q b 较为详细地介绍了虹膜的各个组成部 分，虹膜图像中含有极其丰富的纹理特征，与其他作为生物识别特征的组织相比， 它有如下优势 4 - 6 l ： 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【，i ，大 概在2 3 岁的时候稳定，并随着年龄的变化，保持不变； t 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 是惟一的l s l ，另外，据研究我国单眼先天性无虹膜的发病率f ，1 为1 j 5 6 1 1 5 。 可见虹膜识别技术的适用人群广： 。 虹膜的形成依赖于胚胎中胚层的初始件，不受遗传的影响，即使是同样 基因型( 例如同卵双胞胎，甚至是同一个人的两只眼睛) ，二者的虹膜也是 不相关的i a 】； 虹膜的内部组织被水样液和角膜所包围，与外界环境隔离开来，不易受 损； 不易被假冒，一般的外科手术不能改变虹膜的纹理； 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： 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地震颤，且随光线强度变换而收缩l l i i ，使得虹膜识 别具有高度的防伪性； 虹膜是外部可见的通过普通摄像机在一定距离内就能获得清晰的图像； 虹膜纹理的编码简单； 虹膜识别的对比方法简单易行，准确率高。 到目前为止，虹膜识别的错误率是各种生物特征识别中最低的，虹膜识别技 术与相应的算法结合后，可以达到很高的准确度，即使全人类的虹膜信息都录入 到一个数据库中，出现认假和拒真的可能性也是相当小的。 ( a ) 眼睛结构平面解剖图( b ) 虹膜剖面 图1 1 虹膜及其解剖特征结构 当然，虹膜识别也并不是没有缺点，目前，使用虹膜作为特征进行身份识别 的主要难以解决的问题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，虹膜图像获取有很多困难。用 普通的c c d 摄像头和在正常的光照条件下很难获得清晰的虹膜图像。另外，它 没有进行过任何的测试，当前的虹膜识别系统只是用统计学原理进行小规模的试 验，而没有进行过现实世界的唯一性认证实验。 1 4 虹膜识别的应用前景 虹膜识别技术，由于其在精确度方面独特的优势，必然会成为未来社会的主 流生物认证技术。未来的安全控制、海关进出口检验、电子商务等多种领域的应 用，也必然的会以虹膜识别技术为重点。这种趋势，现在已经在全球各地的各种 应用中逐渐开始显现出来。 在国外，虹膜识别产品已经在比较广泛的范围内开始应用了。 2 0 0 2 年2 月8 日，英国伦敦希思罗机场开始对一种先进的保安系统进行测试， 新系统可扫描乘客的眼睛，以代替检查乘客的护照。据悉，该项试验计划为期五 个月，搭乘英航及维京航空公司班机的乘客都可参与这项试验。国际航空运输联 合会对这一研究结果极感兴趣，他们鼓励伦敦希思罗机场进行试验，通过检查登 机旅客的虹膜来确定其身份并作为登机牌。 美国“i r i s c a n ”研制出的虹膜识别系统已经应用在美国得克萨斯州联合银行 的三个营业部内。储户两手空空地来办理银行业务，无需银行卡，更没有回忆密 码的烦恼。他们在该取款机上取钱时，一台摄像机首先对用户的眼睛进行扫描， 然后将扫描图象转化成数字信息与数据库中的资料核对以对用户的身份进行检 验。 美国新泽西州的p l u m s t e d 学校已经在校园里面安装了虹膜识别的装置进行安 全控制，任何学校的学生以及员工都不再使用任何形式的卡片与证件，只要他们 在虹膜摄像头之前经过，他们的位置，身份便被系统识别出来，所有外来的人员 都必须进行虹膜资料的登录才能进入到校园中。同时，通过中央登录与权限控制 系统对进入这个活动范围进行控制。系统安装以后，校园内的各种违反校规以及 侵犯、犯罪活动大大减少，极大的减轻了校园管理难度。 在阿富汗，联合国( u n i t e dn a t i o n s ，简称u n ) 与美国联邦难民署( t h eu n i t e d n a t i o n sr e f u g e ea g e n c y ，简称u n h c r ) 使用虹膜识别系统鉴定难民的身份，以防 止同一个难民多次领取救济品。同样的系统在巴基斯坦与阿富汗的难民营中使用。 总共有超过2 0 0 万的难民使用了虹膜识别系统，这套系统对于联合国供品的分配 人道主义援助物资起到了很关键的作用。 2 0 0 3 年3 月1 8 日，阿布扎比( 阿拉伯联合酋长国之一) 宣布世界上第一套国家 级的基于虹膜识别技术的针对被驱逐的外国人虹膜追踪与国界控制系统开始启 用，这套系统从2 0 0 1 年开始建设，它的目的是对阻止所有被阿布扎比所驱逐的旅 游者及其他人员进入阿布扎比。在以前没有这套系统的时候，由于阿拉伯人的独 特面相特征( 胡须多) ，以及被驱逐的人数众多，海关检查人员很难区分哪些是被 驱逐的人。通过使用这套系统，所有的非法入境都被避免，国家安全得到了最大 限度的保证。 ： 新泽西州的肯尼迪国际机场( j o h nf k e n n e d yi n t e r n a t i o n a l a i r p o r t ) 在它的国 际航班第四登机口安装了虹膜识别系统，所有1 3 0 0 名员工中的3 0 0 人已经开始使 用这套系统进行登录控制。通过使用这套系统，所有能进入到停机坪的人员必须 是经过系统安全认证的人员。未经授权的人员想要强行通过的话，系统将自动采 取紧急应对措施将试图强行通过的人员封闭在警戒空间。使用这套系统后，肯尼 迪国际机场的安全等级从b + 上升到了a + 等级。通过肯尼迪国际机场乘机前往其 他地方的旅客也上升了1 8 7 。 总体上说来i 虹膜识别技术在国际上已经开始在各行各业以各种形式进行应 用。同时，给他们的应用单位都带了看得见的与看不见的种种社会效益以及经济 效益。这种应用趋势正在以较大速度的增强，未来1 0 年内必然是虹膜识别逐步在 各个行业内取得全面应用的时候。 在国内，由于国际上对中国的禁运以及虹膜技术本身的难度导致国内无法开 发出相应的产品。但是，国内的很多单位都表示了强烈的应用意向，特别是“9 1 1 ” 以后，安全反恐怖的意识成了航空、金融领域最关心的问题。虹膜识别系统更是 成了各大航空公司、各大金融机构以及其他保密机构如航天局等国家重点安全机 构的热点关注对象。与世界的发展趋势一样，虹膜识别技术也必将在不久的将来 在中国掀起应用的高潮。 i d c ( 国际数据集团) 的统计表明：到2 0 0 3 年底为止，全球虹膜识别技术以及 相关产品的市场容量将达到2 0 亿美元的水平。中国生物认证中心的保守调查预 测：在未来的5 年中，仅在中国，虹膜识别的市场就高达4 0 亿人民币。随着虹膜 识别技术应用面的扩大，以及在电子商务领域中的应用，这个数字将扩大到以千 亿计。 基于虹膜的身份识别技术日益得到学术界和企业界的重视。虹膜身份识别的 研究与应用方兴未艾，巨大的市场为这项技术的发展提供了广阔的舞台。 第二章虹膜识别的原理 本章主要介绍虹膜识别的原理以及在进行虹膜识别时所涉及到一些相关内 容。较为详细地阐述了目前比较成熟的几种虹膜识别系统及他们在进行虹膜识别 时所使用到的算法；通过对这几种算法的分析比较，提出了本文所要做的主要工 作。 2 1 虹膜识别的理论基础 虹膜识别技术是基于自然光或红外光照射下，对虹膜上可见的外在特征进行 计算机识别的一种生物识别技术。虹膜识别技术是利用虹膜终身不变性和差异性 的特点来识别身份的，虹膜识别技术与相应的算法结合后，可以达到十分优异的 准确度，即使全人类的虹膜信息都录入到一个数据库中，出现认假和拒假的可能 性也相当小，因此虹膜识别技术的高精度使其能够在众多生物特征识别技术中占 有一席之地。 从图1 1 可以看出每一个虹膜都包含了一个独一无二的基于像冠、水晶体、 细丝、斑点、结构、凹点、射线、皱纹和条纹等特征结构。眼睛的虹膜由相当复 杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹 膜识别技术将虹膜的可视特征转换成一个5 1 2 个字节的虹膜代码( i r i sc o d e ) ，这 个代码模板被存储下来以便后期识别所用，5 1 2 个字节对生物识别模板来说是一 个十分紧凑的模板，但对从虹膜获得的信息量来说是十分巨大的。 目前，虹膜自动识别系统都是通过2 个距离眼睛3 英寸的精密相机来确定虹 膜的位置，当相机对准眼睛后，逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿， 这种水平方法受到了眼睑的阻碍；同时将焦距对准虹膜的内沿( 即瞳孔) 并排除眼 液和细微组织的影响；然后，利用计算机对获取的虹膜进行图像处理以便得到数 字化的虹膜图像；最后，通过计算机对数字化后的虹膜图像进行模式匹配，从而 达到自动、迅速、准确地识别个人身份的目的。 2 1 1 模式识别的基本概念 虹膜识别属于模式识别这一范畴。下面介绍模式识别中的基本概念 1 2 - 1 4 】：模 式( p a t t e r n ) 是存在于时间和和空间中可观察的事物，具有时间或空间的信息；而 模式识j 1 ( p a t t e r nr e c o g n i t i o n ) 是利用计算机实现人对各种事物或现象的分析、描 述、判断及识别。 2 1 2 模式识别的主要理论和方法 模式识别诞生于2 0 世纪2 0 年代，随着4 0 年代计算机的出现，5 0 年代人工 智能的兴起，模式识别在6 0 年代初迅速发展，7 0 年代奠定理论基础，发展至今 已成为一门新兴的学科。 目前，模式识别的主要理论和方法一般分为以下4 大类： 1 统计模式识别 统计模式识别是以概率统计理论为基础的，模式用特征向量来描述，找出决 策函数进行模式决策分类。不同的决策函数产生不同的模式分类方法。目前主要 的统计模式识别方法有两类：一类是基于似然函数的模式分类方法，主要有b a y e s 决策、n e y m a n p e a r s o n 决策等；另一类是基于距离函数的模式分类方法。基于 统计方法的模式识别系统主要由4 个部分组成：信息获取、预处理、特征提取和 选择，如图2 1 所示。 训练过程 图2 1 统计模式识别系统框图 2 句法模式识别 句法模式识别是以形式语言理论的概念为基础的。模式按其结构分解为子模 式或模式基元，模式基元的连接关系以文法形式进行描述。这类似于英语中的单 词按一定的文法连接而成。给定一个输入模式基元串，判断其是否被文法识别器 接受的过程就是模式识别。 2 0 世纪8 0 年代后，随着计算机、人工智能、控制理论等的迅速发展，模式 识别又形成了两种新的识别方法，即模糊模式识别和神经网络模式识别。 3 模糊模式识别 模糊模式识别是模糊集理论在模式识别中的应用。人对客观事务的认识带有 模糊性，如通常所说的“高矮、胖瘦”、“青年、老年”、“温和、剧烈”等等都是 带有模糊性的语言，人类利用这些模糊语言进行交流，并通过大脑分析和决策。 模糊数学就是研究如何利用模糊信息对确定事物进行定量分析。因此，将模糊集 理论用于模式识别系统，利用模糊信息进行模式决策分类，使计算机或机器带有 接近人类的智能，这是非常重要的研究课题。 目前模糊模式识别的主要方法有：最大隶属原则识别法、接近原则识别法和 模糊聚类分析法。 4 神经网络模式识别 人工神经网络具有信息分布式存储、大规模自适应并行处理、高度的容错性 等优点，是应用于模式识别的基础，特别是其学习能力和容错性对不确定的模式 识别具有独到之处。 神经网络的结构框图如图2 2 所示。在神经网络分类器中，首先计算匹配度， 然后将其送到第二级输出，再反馈到分类器的第级，用学习算法训练相应的权 值，重复上述过程，直到达到期望目标为止。 神经网络分类器可以完成以下任务： ( 1 ) 在输入被噪声污染的情况下，确定最能代表输入样本的类； ( 2 )分类器具有联想记忆功能，可用于残缺信息的恢复与联想； ( 3 ) 用作矢量编码器，作为图像识别的a d ，起到数据压缩作用。 神经网络分类器是一种智能化模式识别系统，它可以增强系统的学习能力、 自适应能力和容错性，具有很强的发展应用前景。 图2 2 神经网络分类器框图 t 2 1 3 虹膜识别系统的总体介绍 一个虹膜识别系统一般由3 个部分组成：虹膜图像的预处理( 获取虹膜图像、二 虹膜定位、归化) ，特征提取，模式匹配( 认证识别) 。虹膜识别系统框图如图2 3 所示。 1 虹膜图像的获取 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，纹理不十分明显。 如图2 4 所示。虹膜图像采集的目的是清晰、准确地捕捉到虹膜图像，并将其数 字化存储，以供图像识别的实现。因此，要获得高质量的虹膜图像，就需要专门 的设备和细心的操作1 3 】。 图2 3 虹膜识别系统框图 在采集虹膜图像时，要注意以下几点要求： ( 1 ) 采集到的图像必须有适当的亮度和足够的对比度； ( 2 ) 采集的虹膜图像必须包含足够的纹理信息； ( 3 ) 采集时对人是非侵犯的，舒适的； ( 4 )采集装置是便携的( 体积不能过于庞大) ： ( 5 )采集的图像要在一定要限制适当的范围内，如图像除眼睛外，不应过 多的包含其他部位( 如鼻子、嘴巴、下颌等) 。 ( a ) 白种人的虹膜 ( b ) 黄种人的虹膜 图2 4 白种人和黄种人的虹膜 在过去的1 0 年里，从简单的近距离图像获取装置到复杂的远距离图像获取 装置，虹膜图像的获取技术得到了飞速的发展。最初的虹膜图像采集装置功能简 单，拍摄距离很近，需要用户很好的配合，可用性比较差。从1 9 9 6 年开始，光 学专家和计算机领域的研究者共同发展了一些图像获取技术，包括用户自定位技 术，远距离拍摄技术，自动拍摄技术等等，从而使得虹膜获取采集装置逐渐地实 用化。目前，美国i r i d i a n t e c h n o l o g i e s 公司，英国电信公司，日本松下公司，韩 国l g 公司和加拿大约克大学的r i c h a r dw i l d e s 领导的研究小组都在从事虹膜图 像获取技术方面的研究，并且已经开发出远距离自动虹膜图像获取装置。 2 虹膜定位 在获取的虹膜图像中有可能包含了许多其他部分( 如眼睑、睫毛等1 ，这就需 一 别暴一 一 识结一 要对虹膜图像进行定位和归一化操作，也即找出虹膜的中心和内、外边缘以及对 定位出来的虹膜图像大小进行归一化处理；从而纠正图像漂移、旋转和比例放缩。 “漂移”是无法保证虹膜圆心精确的位于图片的中心造成的；“旋转”是由头部 的倾斜或眼球的旋转造成的；“比例放缩”是由于被摄者离镜头的远近不同造成 的。 3 虹膜特征提取 虽然虹膜图像在进行定位和归一化后去除其他非虹膜的部位，但是这个过程 并没有对虹膜数据进行分析，所以它仍然保留了原始的虹膜数据；由于原始的虹 膜图像数据量是相当大的，所以需要对数据进行分析、去粗存精，把原始数据转化 为若干特征，这一过程称为特征提取。为了提高分类处理速度和精度，对提取的 特征还需要选择最具有代表性的特征，其信息冗余度最小，而且希望具有旋转、 偏移、比例的不变性。 4 模式匹配 这是模式识别的理论与方法要解决的关键问题，模式匹配从一般意义上来说 也就是模式分类问题。而分类在数学观点上就是如何选择一个最优的决策函数来 对待识别的模式与已知库中的模式进行比较。这个决策函数的产生是当已知待测 试模式的先验知识时，可以根据此先验知识来确定决策函数的数学表达式。如果 仅知道待识别模式的定性知识，则在确定决策函数的过程中，通过反复地训练、 调整，以达到满意的决策函数表达式，作为模式分类的依据。 ： # 2 2 目前几种较成熟的虹膜识别方法； # ： 在这一部分中，将着重介绍目前几种使用比较广泛的虹膜识别系统及算法， 并对他们进行比较。 2 2 1d a u g m a n 虹膜识别方法 作为虹膜识别的创始人，j o h nd a u g m a n 提出的虹膜识别系统是虹膜识别技 术中比较成熟的一套系统1 1 5 1 。 1 虹膜采集装置 d a u g m a n 的采集系统( 如图2 5 所示) 包括光源、成像镜头、摄像头、光束分 离片、l c d 显示和图像帧采集器等，它的镜头采用焦距为3 3 0 m m 的透镜，从 1 5 4 6 m m 的距离摄取虹膜图像，通过该装置采集到的虹膜图像的直径在1 0 0 2 0 0 个象素之间。在该系统中，虹膜最佳的对焦位置需要用户自己用移动眼睛在摄像 头前的位置实现。摄像头将连续采集虹膜的图像并在l c d 面阵上显示，以提示用 户移动眼睛的部位。当成像有足够的锐度时自动采集虹膜图像样本。 图2 5d a u g m a n 虹膜图像摄取装置 2 虹膜定位 假设，o ，y ) 为坐标为( x ，y ) 的图像强度，并将虹膜内、外边界模型化为圆心 在：( x 0 ，y 。) ，半径为，的圆；通过求式( 2 2 1 ) 的最大值求上述三个参数。 m a x ( r , x e , y a ) g o ( r ) 軎皿。，。! 笔笋出l ( 2 2 1 ) 其中乞( r ) = 赤e x p ( 一鲁) 是中心为r o 、标准偏差为仃的g a u s s i a n 函数用来平滑图 像，+ 表示卷积。 3 虹膜归一化 d a u g m a n 的系统采用半径放缩比例来归一化虹膜的半径，也就是使用一个 基于线性伸展的瞳孔变化模型。它将图像从笛卡儿坐标 ，y ) 转化为极坐标的形式 ( r ，一) ，转化公式为： x(r，,胪o)=(1(1-，)-r)xyp(0)+r砚xt(p0)y(r ) ( 2 硐 l，日) = ( 1 一，) y ，( 口) + ，) o ( 口) 、。 其中：r e 0 ，1 】，o e o ，2 a t 】：0 ，p ) ，y ，p ) ) 、“徊) ，y ，p ) ) 分别代表在口方向上的 瞳孔和巩膜的边缘点，并且在匹配中靠0 的微量变化来弥补旋转带来的误差。 4 虹膜特征提取和编码 d a u g m a n 系统采用极坐标下的复值二维g a b o r 滤波器对归一化后的虹膜图 像进行虹膜细节的特征提取；对于不同的虹膜图像，则各小波的系数是不一样的 将这些小波系数规划并数字化，则得到虹膜图像的小波编码。 2 dg a b o r 滤波器在极坐标下形式为： h ( r ，日) = e x p ( 一i t o ( o 一吼) ) c x p ( - ( ) e x m “) ( 2 2 3 ) 其中a 、口共同变化，且与甜反向：这样产生一组求积分形式的选择频率的 滤波器，中心位置在( t o ，o o ) ，位置参数为( t o , 吼，a ，芦，) 。这些滤波器在空间域、 频率域有良好的获取节点位置的功能，而且由于良好的积分特性，这些滤波器能 够获取本地相位信息。将每一个滤波器作用于整个虹膜区域( ，日) ，得到的系数大 小用两个位来表示：，k ) 如图2 6 、图2 7 所示。 1 l r 。= 1 ，i f r e k ，e 叭e + - e2 娥卿) p d p d c p l 苫o ( 2 2 4 ) 小o ，i f r e k ，“叭e ”9 e - ( s 嘭地孕, ) p d p d 小o ：( 2 2 5 ) k 1 ，i f i m 陋, e - i * ( 8 - 1 ) e “1 r 善”嘭川卯) p d p d q ，1 zo ( 2 2 6 ) 小o i f i m 恤“叭e ”e 。”州脚) p d p d q 。1 o ( 2 2 7 ) 、 ， ， 其中：r e ( ) 、i m ( ) 分别表示所计算式的实部和虚部。 ” d a u g m a n 系统使用1 0 2 4 个小波对图像进行处理，得到2 0 4 8 个数据位即 2 5 6 b y t e 的编码。 图2 6 象限- 相位解波编码图2 7 虹膜编码 5 模式匹配 通过特征提取，得到虹膜编码后，d a u g m a n 系统使用海明距离( h a m m i n g d i s t - a n c e ) 对待识别的虹膜编码位与数据库中的虹膜编码位进行匹配。 设a ，、b ，( ，= 1 2 0 4 8 ) 为两个不同虹膜的虹膜编码位，则海明距离为： h d = 丽1 z 2 0 。4 1 8 a j 。b ( 2 2 8 ) 其中。表示异或，如果a j 和b 完全相同时，则h d = 1 ；如果a j 和b 完全不相同 时，则h d = 0 。识别结果如图2 8 所示。 图2 8d a u g m a n 系统的匹配结果图 2 2 2w i l d e s 虹膜识别方法 1 虹膜采集装置 w i l d e s 系统嗍( 如图2 9 ) 利用8 0 m m 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，w i l d e s 系统的孔径和d a u g m a n 系统的孔径一样都是l c m 。 月， 八厂 圆( j兰竺 1 形 百f 五 成 偏 兰一三_ ：! i 一 像 光 器 一厂丫习 一，1 自 h 图2 9w i l d e s 虹膜图像摄取装置 2 虹膜定位 w i l d e s 系统的定位过程分为如下两步进行：图像灰度信息被转化为一个二 值化边界图。这个边晃图是通过基于成分的边缘检测来得到的，这个操作包括阈 值化图像，也就是利用式( 2 2 9 ) 的算子将图像阈值化； l v g ( x ，y ) l ( x ，_ ，) ( 2 2 9 ) 其中v ；( ，) 是二维拉普拉斯微分算子；眠y ) = 去e 一恤“7 + “2 是 以( x o ，y 。) 为圆心，标准差为盯的二维高斯函数，其作用是用于平滑图像以确定 边界；，0 ，_ ) ，) 是在坐标( z ，y ) 处图像的灰度值，+ 表示卷积。二维高斯函数和拉普 拉斯微分算子组合后与图像进行卷积，便可得到图像边缘。通过边缘点投票来 得到特别的边界参数值。这个投票过程可通过h o u g h 变换来实现，特别对圆形 内外边界和一些边界点( o ，y j ) ，j = 1 ，珂；则h o u g h 变换定义为： h 阮，) ，。，) = ：。 o j ，y ，t ，y c ，r ) ( 2 2 1 0 ) 恸俐c ，r ) = $ 觐吒幽瓣，卜咐嘲堋小纠也毗户一对 于每个边界点( x ，y ，) ，贝l l g ( x ，y ，t ，y 。，r ) = o ；而每对三维参数( t ，y 。，r ) 则表示过 此边界点的圆。相应的，如果那些具有最大h 函数值的三维参数和最大边界点数 等价，则它们就是表示边缘的参数。w i l d c s 系统对虹膜图像定位结果如图2 1 0 所示。 图2 1 0w i l d c s 系统虹膜定位结果 3 虹膜归一化 w i l d c s 使用图像配准技术来补偿比例和旋转的影响；从几何学上来说，就 是将获取虹膜图像l ，y ) 通过归一化函数( “g ，) ，) ，v ( x ，_ ) ，) ) 转化成一列数字图像 l ，y ) ；因此，对于整个图像l ，在坐标点( x ，_ ) ，) 的强度值减去0 ( x ，y ) ，v ( x ，) ，) ) 的 值与图像l 在坐标o ，y ) 的值非常接近：更精确地说，通过式( 2 2 1 1 ) 对图像坐标 ( x ，y ) 进行相似变换被限定到坐标o ，y ) 时，归一化函数 0 ，y ) ，v ( x ，) ，) ) 取得最小 值( 式2 2 1 2 ) 。 盼防螂， 仁z m ， 这里，s 是一个比例因子，r ( 妒) 是绕妒旋转的矩阵。 ，( t a x ，y ) 一l - u , y v ) ) 2 d x d y ( 2 - 2 1 2 ) 在虹膜特征提取阶段，w i l d