（计算机应用技术专业论文）基于小波变换的虹膜识别算法的设计与实现.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 膜具有难一性、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，并简 单阐述y d , 波变换的理论及其在数字图像处理方面的应用。通过对d a u g a m a n ， w f l d e s ，b o l e s ，谭铁牛等的四种成熟的虹膜识别算法的分析和比较，针对虹膜定 位、归一化、特征提取、模式匹配等着干关键技术进行了研讨。 本文所完成的工作有，在虹膜预处理阶段，首先对虹膜图像做c a n n y 运算，然 后顺序进行亮度变换和高低阙值操作，接下来我们就可以通过h o u g h 变化来确定 虹膜的内外边缘圆的半径和圆心了。并通过类似的方法消除上、下眼睑的影响。 经过虹膜图像预处理，我们可以得到归一化的虹膜图像。在虹膜特征提取阶段， 通过基于c o f f n 小波变换对其进行纹理特征提取。在模式匹配阶段，用h a m m i n g 距离完成模式匹配。 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噪声等问题。 关键词：虹膜识别；c a n n y 算子；h o u g h 变换；小波交换；模式匹配 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 l m o l o g y t i l en 珞e a r c no i l i 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 d o nt h eb i o l o 舒c h a r a c t e n s t i c so fh u m a nb o d yb e a n l e , sm o r ei m p o r t a n t t h ei r i s r e c o g n i t i o ni s ak i n d o 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 e p h y s i o l o g i c a l c h a r a c t e r i s t i c so fh 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 e f i n g e r p r i n t , p a i 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 s u 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 - 砌r i n 醇n ge t c h e n c et h e i r i s r e c o g n i t i o nt 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 ri 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 e a b o u tt h ei r i s r 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 z 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 y t e c h n o l o g i e s i 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 e n 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 d e do n t h em a i n w o r kw 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 ，w ep r e - p r o c e s st h ei r i si m a g e a tb e g i n ，w eu c a n n yo p e r a t o rt od e t e c t t h ec d g po fi r i si m a g e t h e nw et r a n s f o r mi n t e n s i t yo fe d g ei m a g ea n dh a n d l ei t s t h r e s h o l d a tl a s tt h r o u g ht h eh o u g ht z a n s f o r m a t i o n , w eg e tt h er a d i u sa n dc e n t e r so f i r i s si n n e ra n do u t e rb o u n d a r y m o r e o v e r , w eu s es i m i l a rm e t h o dt oe l i m i n a t et h en o i s e o fe y e l i d s e c o n d l y b yt h ew a v e l e tt r a o s f o r mb e i n gu s e dt oe x t r a dt 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 em e t h o do ff e a t u r ee x t r a c t i o nb a s e do nt h ec o f fn w a v e l e tw a ss u g g e s t e di nt h i sp a p e r t h i r d l y , t h eh a m m i n gd i s t a n c ei su s e dt om a t c h t w oi r i sc o d e s 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 p r o b l e m ss u c ha sn o i s ee t ce x i s t e di nt h ep r e s e n ti r i sr e c o g n i t i o na l g o r i t h m s m k e y w 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 , h o u g ht r a n s f o r m , w a v e l e tt r a n s f o r m , p a t t e r nm a t c h i n g , 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：n 1 年厶月工4 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：一王五哗 导师签名：万堇书辛 日期：吣1 年4 月f 1 4 日 第一章绪论 1 1 引言 第一章绪论 在现代社会中，随着计算机及网络技术的高速发展，信息在人类生活的各个方 面发挥着越来越重要的作用。信息安全的保障，已成为当今信息技术中的重要问 题。如何有效、方便、安全地进行个人身份识别，已成为人们日益关心的问题。身 份鉴定是保证系统安全的必要前提，在金融、国家安全、司法、电子商务、电子 政务等应用领域，都需要准确的身份鉴定。 当前，用于个人身份鉴别主要依靠d 卡( 如身份证、工作证、智能卡、计算机 标志卡和储蓄卡等) 和密码等手段，然而这些手段存在携带不便、容易遗失，或者 由于使用过多或不当而损坏、不可读和密码易被破解等诸多问题。因此，目前广 泛使用的依靠证件、个人识别号码 培a li d e n t i f i c a t i o nn u m b e r ，p i n ) 、口令等 传统方法来确认个人身份的技术面临着严峻的挑战，并显得越来越不适应现代科 技的发展和社会的进步【1 l 闭【3 l 。 近年来，研究利用人的生理特征( 指纹、掌纹、虹膜等) 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( b i o m e t r i c s ) 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，可靠 和准确的身份识别手段。在上述众多的生物特征识别技术中，虹膜识别和指纹识 别被公认为最可靠的两种生物识别技术。其中，虹膜识别作为一种高可靠性的生 物特征识别技术，具有重要的理论价值和应用前景，吸引着国内外众多的研究人 科1 】1 2 l 嘲。 基于生物特征的识别系统大致的工作原理和工作过程相同。首先是采集样本， 这些样本可以是虹膜图像。或者是声音的数字化描述、或者是指纹等；其次是进 行特征提取，根据样本所具有的独特和唯一的特征，用一种算法为其分配一个特 征代码，这一代码被存入数据库。最后当需要对某人进行身份鉴定时，再用某种特 征匹配算法将存入数据库的此人的特征代码与被识别人的特征相匹配，从而查明 其身份2 】 3 1 。 电子科技大学硕士学位论文 1 2 生物特征识别 1 2 1 各种生物特征识别简介 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，即这种特征不随年龄、地点、环境的变化而 变化；可测性等特征。符合上述要求的特征很多，现对其中的一些主要的种类做 一简单介绍。 ( 1 ) 指纹识别 4 1 ( s l ，这是一种历史悠久，技术成熟、应用广泛的生物识别技术，不 同人具有不同的指纹早已为人们所公认，指纹识别的研究已有一段历史，全 球范围内已经建立了各种指纹鉴定机构和指纹数据库，指纹采集也易于被人 们所接受，其应用日益广泛 指纹识别技术主要包括：读取指纹图像、特征提取、模式匹配。首先通过指纹 读取设备读取到人指纹的图像，再对原始图像进行预处理，使之更清晰。接 下来进行特征提取，指纹特征提取算法由以下三步组成：方向场估计，对 输入图像的方向场进行估计，确定可用区域；脊特征提取，提取脊特征并 进行细化；细节检测及后处理，从细化的脊特征图中提取细节，确定脊特 征参数：座标、方向角及脊相互关系。 ( 2 ) 虹膜识别同，虹膜是指人眼睛瞳孔和巩膜之间的区域。虹膜识别包括：虹膜图 像的捕获、虹膜图像的预处理、虹膜图像的识别、模式匹配。经研究发现， 它的纹理每个人均不相同，本文的研究就是基于虹膜进行的，后面将有进一 步的详细论述。 ( 3 ) 视网膜识别即，基于视网膜的生物识别技术主要是通过分析眼球的背面的血 管层获取唯一性特征。视网膜上的血管分布具有相当稳定的模式，因人而异， 是一种良好的生物识别特征，但其对使用者侵害性大，需要测试者的紧密配 合，应用受到了一定限制。 ( 4 ) 人脸识别【8 l 【9 】，主要是利用人脸各器官( 例如眼、鼻、口等) 的几何特征和位 置来区分被识别者。人脸识别已经有二十多年的研究历史，其在在身份鉴定、 档案管理、视频检索等方面有着广阔的应用前景。目前已提出了大量的人脸 识别研究方法，主要有：基于侧面人脸几何特征的方法、正面人脸特征方法、 正面人脸特征和侧面人脸特征的混合法、模板匹配法、主元分析法、等密度 线图法、多模板相关方法、基于神经网络的模板匹配法等。但是无论人还是 2 第一章绪论 机器都不能在所有情况下作出准确判断，大规模的应用还不多。 ( 5 ) 手形识别【1 0 l ，掌纹识别【n l ，分别利用人手的几何特征、掌纹曲肌线和乳突线 的特征进行识别，均有一定的应用和研究。 ( 6 ) 签名识别 1 2 1 ，每个人写的字都有自己的特征。尽管笔记的识别需要接触性测 量，但是这种方法在政府、法律和贸易中仍然广泛地被用来鉴别人的身份。 笔迹是一种行为特征，这是一个动态的过程，它受写字人的身体和情绪的影 响很大。有些人的笔迹变化很大，即使连续的笔迹都有很大的差别。此外， 经过专i - j n 练，模仿出来的笔迹可以达到以假乱真的地步。尽管笔迹专家可 以鉴别出笔迹的真伪，但是用计算机来描述笔迹的特征，自动地进行笔迹鉴 别还是个非常困难的问题。 目前有两种笔迹鉴别的方法：离线式笔迹鉴别和在线笔迹鉴别。前者只利用 笔迹的几何特征，而后者除了利用静态的几何特征以外，还使用了一些动态 的特征，比如用笔的速度和加速度、下笔的力度等等。相比较而言，利用动 态特征的方法更为可靠。 上述方法中，有的使用人的生理特征( 如指纹，虹膜等等) ，有的使用人的行 为特征( 如笔迹等) ，一般而言，生理特征类内变化比行为特征要小，因而也更可 靠。 1 2 2 生物识别系统的性能评价 一个优秀的生物识别系统要求能实时迅速有效地完成其识别过程。在实际应 用中，对基于生物特征的身份鉴别系统提出了许多具体的要求【1 3 1 x 4 1 ：( 1 ) 性能的要 求。识别率的高低、系统资源的要求；( 2 ) 可接受性。使用者在多大程度上愿意 接受基于所选择的生物统计特征的系统；( 3 ) 安全性能。系统是否能够防止被攻 击；( 是否具有相关的、可信的研究背景作为技术支持；( 5 ) 提取的特征容量。 特征模板是否占有较小的存储空间；( 6 ) 价格。是否达到用户所接受的价格；( ，7 ) 速 度。是否具有较高的注册和识别速度：( 8 ) 是否具有非侵犯性。目前为止，还没有 哪一个单独的生物识别技术能达到上述所有要求。指纹识别的速度快，价格低廉， 但它要求采集时必须和仪器接触，指纹易被复制；虹膜识别准确率高，但黑眼睛人群 成像效果不高，且仪器昂贵；人脸识别非常友好，却受角度、光照和表情的影响。 不同的生物识别系统各有其优缺点和适用范围，从算法的角度来评价生物识 别系统的优劣有两个重要指标：错误拒绝率( f a l s er e j e c tr a t e ，v r r ) 、错误接受率 3 电子科技大学硕士学位论文 ( f a l s ea c c e p tr a t e ，f a r ) 。错误拒绝率是指生物特征拥有者被系统拒绝。错误接 受率是指将冒充者识别为真正的生物特征拥有者。表面上看，一个理想的系统， 这两个指标都应该是零。但实际中，这两个指标是相关的，当错误拒绝率比较低时， 错误接受率会比较高。反之亦然。系统往往需要在两个错误率之间取一个折中。 在刑事应用中，生物识别是把可能的嫌疑人都找出来，应尽量减小错误拒绝率， 所以错误接受率非常大；而对于高度保密应用来说，错误接受造成的损失非常大， 因此要求错误接受率很低。有时为了清楚表示f r r 和f a r 的关系，可以将它们 的对数绘制在同一个坐标系里。如果将不同算法的性能曲线绘制在同一个坐标系 里，找到不同算法的平衡点( f a r 曲线和f r r 曲线的相交点) ，那么平衡点越低者， 其算法性能越优。 1 3 虹膜识别 1 3 1 虹膜识别特点 虹膜是一个位于瞳孔和巩膜之间的环状区域。与其它的生物特征相比，虹膜 识别具有【1 5 l ：高独特性，虹膜的纹理结构是随机的，其形态依赖于胚胎期的发育； 高稳定性，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【垌，并随着年龄的变化，保持不变。而且不受除光线 之外的周围环境的影响；防伪性好，虹膜本身具有规律性的震颤以及随光强变化 而缩放的特性，可以识别出图片等伪造的虹膜；易使用性，识别系统不与人体相 接触；分析方便，虹膜固有的环状特性，提供了一个天然的极坐标系。虹膜的这 些特征可以概括为“人各有异、终生不变、随身携带、活体检测”。虹膜的这些特 点为其作为身份鉴别的特征提供了有说服力的依据及意义。 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。 1 3 2 虹膜识别的发展及其现状 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 4 第一章绪论 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 d f l o m 和a r a n s a f i r 【1 7 1 用b u t c h 的概念申请了专利。而第一个实际的虹膜识别算法直道1 9 9 1 年才由美国洛斯阿拉 莫斯国家实验室的j o h n s o n 实现了。1 9 9 3 年，剑桥大学的d a u g m a n 教授完成了高 性能虹膜识别系统的研发，并于次年为该系统的虹膜识别算法申请了专利。目前 许多虹膜识别算法的研究都是基于j o l m d a u g m a n 于1 9 9 4 年申请的基础上开展的 【1 8 】；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【1 9 1 。 到目前为止，在虹膜识别领域有四种识别能力较好的算法，分别是d a u g m a n 教授 2 0 ) | 2 1 1 提出的利用二维g a b o r 滤波器对虹膜纹理进行局部相位量化和编码的方 法，w i l e s l 2 2 1 提出的采用g a u s s - l a p l a c e 滤波器在不同分辨率下分解虹膜图像，并 将对应的图像进行相关比较的方法，b o l e 提出一种基于小波变换过零检测 2 3 1 1 2 4 ) 的虹膜识别算法，以及北京中科院自动化所谭铁牛等人提出的基于多通道空间滤 波的纹理分析方法l 矧。 虹膜识别产业已经在国内外获得了飞速的发展。但是从全球来看，国外的虹 膜市场比国内要成熟，并已经在金融系统、飞机场等方面小范围试运行。美国 k i s c a n 公司研制出的虹膜识别系统已经在美国得克萨斯州联合银行的三个营业部 内试运行。韩国l g 公司和i r i s c a n 公司联合开发的虹膜识别网络门禁系统 i r i s a c c e s s t m 3 0 0 0 是一种高精度、智能化、网络化的全新门禁系统，比其它系统 具有更高的安全性，且使用方便。日本也推出了一种虹膜识别照相系统 - - a u t h c n t i c a m 。国内也有多家公司致力于虹膜识别系统的研究和开发，有些公司 已经推出了相关产品，并积极进行市场推广和销售，例如2 0 0 3 年，中科院自动化 研究所联合模识科技成功开发了虹膜识别仪，可用于计算机操作系统的登陆。但 是，相对于中国生物识别的市场规模，还没有任何公司获得市场的主导地位。现 在的市场竞争还集中在案例和标准的竞争，哪家公司抢先开发出稳定可靠的虹膜 识别产品，该公司就将占有市场先机。 1 3 3 虹膜识别的意义 我国幅员辽阔，人口众多，是未来生物特征识别技术的应用大国，开展生物 特征识别技术的研究对信息安全和国家的战略安全具有重要意义。而虹膜识别技 术的优点使其成为众多生物特征识别技术中一项值得研究和推广的新技术。然而 目前国内相关的研究并不成熟，因此有必要对该项技术深入研究，提出精确的识 别算法，服务于国民经济。 5 电子科技大学硕士学位论文 虹膜识别产品可广泛应用于金融、保密、保卫、保安等系统、单位考勤等方 面，假如技术再加以改进，价格更为低廉的话，其应用范围可大为扩展。例如， 在办理出入境手续时，可作为人身证件作用。在签证时采集好虹膜纹理，传输到 各出入境关口，就可达到凭目光进出境。在汽车上安装虹膜识别专用卡，就可能 大大提高汽车的防盗性能等等。 1 4 本文的主要研究内容 本文对国内外有关虹膜识别算法进行了较深入、系统的研究，借鉴其中优点， 采用中国自动化研究所虹膜图像库作为实验数据库，基于m a t l a b 平台对虹膜 识别系统中的若干关键技术( 虹膜定位、特征提取、模式匹配) 进行了研讨。本 文的研究内容有：虹膜图像预处理，包括虹膜的定位、分割、归一化及图像增强， 这是本文讨论的重点之一；虹膜特征提取，采用合适的方法来提取虹膜特征特征 是虹膜识别系统的关键部分，也是本文讨论的重点之一；最后使用h a m m i n g 距离 对提取的虹膜特征进行匹配。实验结果表明，该算法取得了较好的效果。 1 5 论文结构 第一章介绍了生物特征识别技术及其评价标准。并简单描述了虹膜识别发展、 现状以及进行虹膜识别技术研究的意义。 第二章分析了虹膜结构以及特点，简单介绍了虹膜识别系统中各个步骤的实 现原理，最后对已经成熟的虹膜识别算法进行了阐述。 第三章结合本论文所采用的算法，详细介绍了虹膜预处理的三个过程：虹膜 定位，虹膜图像分割以及归一化。并介绍了虹膜图像质量评价标准。 第四章简单介绍了小波理论及一些常用小波基。 第五章首先阐述了小波变换在图像处理方面的应用，接下来介绍了本论文采 取的基于小波变换的虹膜特征提取算法和基于h a m m i n g 距离的模式识别。 第六章对论文中所作的工作进行了总结，并指出工作中的不足及进一步的研 究方向。 6 第二章虹膜识别原理 第二章虹膜识别原理 2 1 虹膜结构及其特征 虹膜是眼球前部含色素的环形薄膜，由结缔组织细胞，肌纤维组成，当中是 瞳孔，图2 - 1 给出了人眼的外形和虹膜的剖面图，较为详细地介绍了虹膜的各个 组成部分嘲，虹膜图像中含有及其丰富的结构和纹理特征，作为生物识别特征， 它有如下优判硐【2 7 】： ( i ) 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【坷，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，因此可以说是惟 一例的，另外，据研究我国单眼先天性无虹膜的发病率为1 ：5 6 1 1 5 1 2 9 1 。可见虹 膜识别技术适用人群广。 ( 3 ) 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1 3 0 j 的。 ( 4 ) 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。 ( 5 ) 不易被假冒，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 小的范围内有规律地震颤，且随光线强度变换而收缩【3 1 l ，使得虹膜具有高度 的防伪性。 图2 - 1 虹膜图像 7 电子科技大学硕士学位论文 2 2 虹膜识别技术 2 2 1 虹膜识别系统简介 生物识别技术主要处理的是图像，因此大部分的生物特征识别技术是和图像 处理技术密切相关的。虹膜识别系统一般由4 个部分组成：虹膜图像获取，虹膜 图像的预处理( 获取虹膜图像、虹膜定位、归一化) ，特征提取，模式匹配( 认证识 别1 。虹膜识别系统首先用数字摄像机捕获登录者的眼睛图像，然后进行虹膜图像 预处理( 包括虹膜定位，归一化，虹膜分割) 以提取出虹膜图像，同时加以校准， 然后提取其唯一的特征并且转化成数字代码，并进一步将这些代码组成特征模板， 在进行身份验证的时候，识别系统获取其特征并与数据库中的特征模板进行比对， 以确定是否匹配，从而决定接收或是拒绝该人。具体的虹膜识别系统由光源、摄 像头c c d 和图像分析系统三部分组成。图2 2 是虹膜识别系统的一般识别过程。 图22 虹膜识别系统的一般识别过程 2 2 2 图像获取 图像获取是指通过图像输入设备获得用以处理的图像，通常的图像输入设备 8 第二章虹膜识别原理 有电视摄像机、微密度计、扫描鼓等。它将影像光学灰度信号转换为模拟电信号， 并经过d 变换成数字图像信号。一般要求噪声小、分辨率高、转换速度快。目 前比较成熟的虹膜数据获取装置有四种：1 ) d a u g m a n 的图像获取装置【1 9 j ；2 ) w i l d e s 的图像获取装置【捌 3 ) 光学获取装置【3 2 】；4 ) 谭铁牛的获取装置嘲。无论 是那一种图像获取装置，他们都满足这样的要求：采集装置要易于操作，便于对 焦；对人体具有非侵害性和一定舒适度；体积小；对眼睛照明不产生不舒适感； 有足够的亮度；材料易得等等。 2 2 3 虹膜图像预处理 虹膜图像预处理是对获取的虹膜原始图像数据进行整形加工、去伪存真的过 程。由于受到外界和图像获取装置的影响，采集的虹膜图像信号中存在着许多噪 声和畸变，一般要进行滤波、平滑、增强、虹膜定位、虹膜图像分割、归一化等 步骤，为下一步的特征提取提供基础。并且由于各种算法对虹膜数据的要求不一 样，各种装置对数据的影响也不一样，比如光斑和灰度的变化影响了虹膜的定位 效果等等，因此很多学者对所获虹膜图像的有效性进行了研究，增加了用于识别 的虹膜图像的质量水平，有效地降低了系统的错误接受率和错误拒绝率。 关于滤波平滑等理论在数字图像处理中已有很多介绍，在这里就不做介绍了。 下面主要介绍虹膜图像预处理中很重要的两个部分：虹膜定位和归一化。 l 虹膜定位 在虹膜识别过程中，由于我们获得的是整个眼部的图像，因而准确的虹膜定 位是虹膜识别与分析的前提。虹膜定位包括虹膜内边界的定位和外边界的定位。 其内外边缘都可近似看成圆形，内圆是瞳孔与虹膜的边界，外圆是虹膜与巩膜的边 界。虹膜的定位问题就是确定虹膜的内外边缘的圆心与半径。将虹膜从图像中分离 出来。虹膜定位是虹膜识别算法中最重要的一个环节，因为如果定位不准确，将损失 虹膜的有效信息或者引入一些无用的干扰，会影响整个算法的识别率。此外虹膜定 位的时间占了整个虹膜识别过程的很长一段，所以一种简洁有效的虹膜定位算法 至关重要。关于虹膜定位，前人作了很多研究，也取得了很多进展，比如：两步 虹膜定位法【1 9 1 、边缘检测和h o u g h 变换定位法1 2 2 1 ：“1 、主轮廓线法 3 s l 、基于形态 学和h o u g h 变换法 3 6 1 、参数空间分级收缩的快速定位算法等等。 2 虹膜图像归一化 在获取虹膜图像的过程中，受焦距，人眼的大小，眼睛的平移和旋转以及瞳 9 电子科技大学硕士学位论文 孔的收缩等因素的影响，所得到的虹膜图像大小不同而且有旋转、平移等现象， 为了便于进一步比较，一般的虹膜识别系统都要对虹膜进行校准与归一化处理。 虹膜归一化的目的是将提取出的虹膜图像调整到相同的尺寸和对应位置，并 表示成统一的形式。从而消除平移、缩放对虹膜识别的影响【3 7 】。经过定位所提取 的虹膜图像是笛卡尔坐标下的环状的虹膜，本文在归一化时把其映射到极坐标系 中去，将虹膜图像展开，这样消除了由于瞳孔尺寸的变化而造成的虹膜纹理的拉 伸变形，以便特征提取工作的进行。 2 2 4 虹膜特征提取 特征提取和特征选择是对预处理后的数据进行分析、去粗存精的过程。由于 图像数据量相当大，需要将这些数据转换成若干特征，这一过程被称为特征提取。 为了提高分类处理的速度和精度，特征提取需要选择最具代表性、信息冗余度小 的特征，而且希望特征提取具有旋转、位移不变性一般来讲，特征提取相当于 把一个物理模式变成一个随机向量，如果抽取和选择了m 个特征，则物理模式可 用一个m 维特征向量来描述，表现为m 维欧氏空间中的一个点，即m 维特征向 量表示为：x = ( x ，x ：，x 。) 7 。在特征提取方面，专家学者的主要研究集中于 如何高效准确的提取出尽可能短而有效的特征向量，人们通过引入各种方法加以 研究，该研究具有很重要的应用价值，不仅可以提高识别速度，还能降低识别出 错率。小波概念的引入，特别是d a u b e c h i e s 小波基p s i 3 9 1 及双正交小波i 柏1 的引 入，为虹膜识别提供了更加高效的方法。 2 2 5 模式匹配 模式匹配的分类决策实质是找一个决策函数，需要通过不断学习来确定决策 函数。方法主要包括三种：1 ) 全局样板匹配；2 ) 样板向量匹配；3 ) 特征匹配。 而对于虹膜识别来讲，由于虹膜特征数据较大，因此，在虹膜识别领域常用的方 法主要还是应用特征匹配，利用前面提取的特征通过在同类中学习得到数据库， 然后通过虹膜数据库中的特征数据来实现与未知虹膜特征的匹配。到目前为止匹 配方法主要包括以下几种方法：1 1 基于l v q 学习向量量化网络1 4 1 】；2 ) 基于距离 函数，如h a m m i n g 距离【4 2 l 及其改进【4 3 l ；3 ) 基于支持向量机1 4 4 1 ；4 ) 基于相关滤 波的方式【4 习，5 ) 基于人工神经网络的方法嗍，以上方法在这里不做详细介绍。但 是基于网络、相关滤波和l v q 的方法都存在准确率偏低的问题。距离函数是现在 第二章虹膜识别原理 用的比较普遍的方法，虽然其精度提高有限，但基本上达到识别率的要求，因此 得到普遍采用。 2 3 成熟虹膜识别算法介绍 2 3 1 d a u g m a n 虹膜识别算法 作为虹膜识别的创始人，j o h nd a u g m a n 于1 9 9 3 年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【4 7 】。 1 虹膜采集装置 如图2 7 3 所示，d a u g m a n 的采集系统包括光源、成像镜头、摄像头、光束分 离片、i 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 - 3d a u g m a n 虹膜图像获取装置 2 虹膜定位 假设i ( x ，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： 1 1 电子科技大学硕士学位论文 ( x 。，y o ) ，半径为r 的圆；通过求式2 - 1 的最大值求上述三个参数。 m 睁 氟，掣司 ( 2 - 1 ) 其中g ( ，) = 击。( 譬) 肿。机，标准差为。的一；托溅。 代表卷积。 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( x ，y ) 转化为极坐标的形式 ( r ，o ) ，转化公式2 - 2 如下： 黪2：吕：麓嬲：i曷(2-2)x(r y v p 1 ，口) _ ( 1 一r ) ( p ) +y ，( 口) 其中：r e o , 1 ，0 0 2 p b ( i ，( o ) ，y ，( 0 ) ) 、( x ，( e ) ，y t ( 9 ) ) 分别代表在0 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 剑桥大学的d a u g m a n 提出了基于2 dg a b o r 变换的虹膜识别方法，主要思想是： 首先构造二维g a b o r 滤波器，然后用它对图像进行滤波。 2 dg a b o r 滤波器在极坐标下形式为： h ( r ，啪x p ( - iw ( e 卅0 ) ) e x p ( _ ( ，) e x p ( - i ( 0 吨) ( 2 - 3 ) 其中a 、b 共同变化，且与反向；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( r 。，0 。) ，位置参数为( r 。，o 。，a ，b ，呦。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( r ，0 ) ，得到的系数大 小用两个位来表示： 。，h 。) 如图2 - 4 、图2 - 5 所示。 h h = 1 ，i fr e ( r f 乙州8 廿r 铲e - ( o - 9 ：p 2x i ( p ，妒) 彬妒) 0 ( 2 - 4 ) j * p h h = o , i f r 月篡“叮驴+ 彬e - ( a - e ) = p = x 咖，妒) 脚却) 0 ( 2 - 5 ) h h = 1 ，i fi m ( 仃( 细8 呻e p 叩尸扩p 8 呻2 ，x i ( p ，妒) p d 彬妒) o( 2 - 6 ) j j p h 如= 0 ，i fi r a ( 肚j “9 e p 州铲口_ 9 2 ”x 1 ( p ，妒) p d 脚妒) o ( 2 - 7 ) j j p 弗 第二章虹膜识别原理 其中：r e ( ) 、i r a ( ) 分别表示所计算式的实部和虚部。 图2 4 象限一相位解波编码图2 - 5 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 ， ( j = 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 = 志口2 。i s a ，。b ， ( 2 - 8 ) 其中。表示异或，如果a ，和b ，完全相同时，则h d = 1 ；如果a ，和b ，完全不 相同时，则h d 卸。 2 3 2w i l d e s 虹膜识别方法 1 虹膜采集装置 如图2 - 6 ，w i l d e s 系统阎利用8 0 r a 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 c 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 。 电子科技大学硕士学位论文 一， 一、厂 嘲l 兰竺l l 彤 百f i 成 赫 兰剖：i 像 l 光 罄 一广r 习 、一，1 _ 一 诅址曲 图2 - 6w i l d e s 虹膜图像获取装置 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。这个边界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 3 1 0 ) 的算子将图像阈值化； l v a ( x ，y ) ，0 ，) ，) i ( 2 9 ) 其中v - ( a 缸，a 妙) 是二维拉普拉斯微分算子；o ( x ，y ) = 击e - “。飞p “，嘞p ) 是 4 u 以( x 。，y o ) 为圆心，标准差为s 的二维高斯函数，其作用是用于平滑图像以确定 边界；i ( x ，y ) 是坐标( x ，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 交换来实现，特别对圆形内外 边界和一些边界点x ，y ，j = 1 ，n ；则h o u g h 变换定义为： h ( x 。，y 。，r ) = ：i ，y , t ，y 。，) ( 2 1 0 ) r 1g ( x j , y j , ，y 。，r ) = o o ，y j ，x e ，y c , r ) 21 o 其它 g o ，y l ，y 。，r ) = ( xj 。) 2 + ( y j - y 。) 2 + r 2 对于每个边界点x ，：y ，则反x ，y j , t ，y 。，) = o ：而每对三维参数( t ，y 。，r ) 贝l j 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 e s 系统对虹膜图像定位结果如图 2 7 所示。 1 4 第二章虹膜识别原理 图2 - 7w d d e s 系统虹胰定位结果 3 虹膜归一化 w i l d e 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i 。( x ，y ) 通过归一化函数( u ( x ，y ) ，v ( x ，y ) ) 转化成一列数字图像l 。伍 y ) ；因此，对于整个图像i 。，在坐标点( x ，y ) 的强度值减去( u ( x ，y ) ，v 伍y ) ) 的值与 图像i 。在坐标( x ，y ) 的值非常接近；更精确地说，通过式( 2 - 1 1 ) 对图像坐标( x ，y ) 进 行相似交换被限定到坐标( x ：”时，归一化函数( u ( x ，y ) ，v ( x ，y ) ) 取得最小值( 式 2 - x 2 ) 。 ( 辅卜蚓 ( 2 - 1 1 ) 这里，s 是一个比例因子，r ( 伊) 是绕妒旋转的矩阵。 f ；，o ( x ，y ) 一i ( x u , y v ) ) d x d y ( 2 _ 1 2 ) 4 虹膜特征提取 在虹膜特征提取阶段，w i l d e s 使用从g a u s s i a n 滤波器的l a p l a c i a n 算子衍生 而来的各向同性带通滤波器组对虹膜图像进行4 级塔式分解。这些滤波器定义为： 一专( 1 一争e ( 2 1 3 ) 其中s 表示g a u s s i a n 函数的标准差，p 表示滤波器的半径距离。 将获得的4 个序列采样所得的图像按8 ) c 8 的像素块与存储的相应的虹膜图像 的8 8 像素块进行归一化相关系数的工作，那么每一个采样图( 对应某一个频率带) 电子科技大学硕士学位论文 得到一组相关系数值，作为一个评价因子。 5 模式匹配 w i l d e s 系统使用标准的相关系数来对待识别的虹膜与数据库中的虹膜进行比 较。在离散的情况下，可以将标准的相关系数定义为式2 - 1 4 ： r 2 1 4 ) 其中p l 【i ，j 1 是n x m 虹膜图像阵列的近似分量，p ，是近似分量图像的平均强度， s ，是近似分量图像强度的方差。同理，也可以得出另一个l l x m 虹膜图像的近似分 量p ：【i ，j 】的平均强度p ：和图像强度的方差s ：；这样，就可以得到两幅n i n 虹 膜图像阵列的近似分量的归一化相关系数可按式2 1 5 定义： 坠唑坐丝墅! 幽：型 ( 2 - 1 5 ) 朋w q 吒 归一化相关不但可以捕获与标准相关相同类型的信息，而且能减小图像强度变化 造成的影响。 利用子块图像的归一化互相关系数的均值及方差，就可以评价两幅虹膜图像 的匹配程度。一般而言，如果两幅虹膜图像来源于同一只眼睛，那么，子块图像 的归一化互相关系数的均值就比较大，方差比较小；反之，如果两幅虹膜图像分 别来源于两只眼睛，那么，子块图像的归一化互相关系数的均值就比较小，方差 比较大。 以上两种系统都利用摄像机的极限摄取速率，从而克服由于眼球的移动带来 的模糊，假设参与者眼球尽可能的保持不动。结果证明，从这些