（电路与系统专业论文）虹膜身份认证系统的研究.pdf

中围利学技术大学坝卜学位论文 摘要 摘要 当今社会对于身份鉴别的准确性、安全性和实用性的要求越来越高，传统的 身份认证方法已经不能满足这种需要，而人体丰富的生理和行为特征所提供的可 靠解决方案，引起了国际学术界和企业界的广泛关注。 虹膜识别作为生物识别技术中重要的一个分支，是国内外研究和应用的热 点。虹膜的细节特征稳定性、采集时的无侵犯性以及瞳孔的缩放使虹膜具有活体 组织的昆著特性等，使虹膜识别的可靠性远高于其它生物识别技术。 本文以p a n a s o n i cd t l 2 0 和k d 一1 0 虹膜采集设备所提供的虹膜图像数据， 综合运用图像处理技术和模式识别技术，针对虹膜识别的一些关键技术和难点， 研究了虹膜图像预处理、虹膜定位、特征提取和匹配方面一些新的算法，设计并 实现了虹膜门禁演示系统，取得了很好的效果。 本文的主要的工作和成果如下： 1 研究虹膜图像的质量评估方法。包括虹膜的活体检测和虹膜图像清晰度 检测： a 1 研究一种采用频谱分析和检测瞳孔半径变化相融合的活体检测方 法。 b ) 研究一种评测虹膜图像清晰度的方法，当被摄目标( 人眼) 和摄像 机镜头之间的距离到达一定范围内时，c c d 和图像采集卡不断采集 图像，并采用频谱分析进行特征提取和支持向量机分类的方法对所 采集到的一系列图像进行图像质量评估，判断虹膜图像的清晰度是 否符合后续处理和模式识别的要求。 2 提出一种新的定位算法。首先依据改进的h o u g h 变换的方法对虹膜的内 边界像素点进行拟合，获取粗的瞳孔位置参数，然后对沿瞳孔径向展丌 的图像进行狄度梯度的分析，对粗的位罱参数进行精确化处理，最后获 得精确的瞳i l 和虹膜的圆心及半径。通过多个虹膜数据库的实验结果表 明新算法的有效性和可行性。 中困利学技术大学 c l i i 一学位论文 摘坚 3 4 提出种新的虹膜识别算法，首先根据虹膜生理的特点对虹膜图像进行 分区，对不同的虹膜区域采用雌和二维m o r l e t 复小波变换相结合的特 征提取算法，并用二比特格雷编码来表征提取的虹膜纹理的相位信息； 最后通过计算虹膜间的h a m m i n g 距进行匹配，最终实现虹膜识别。实验 结果表明，与现有算法相比，该算法识别速度快，提取特征的效果好，识别 率高 在以上研究的基础卜，设计一个基于松下公司p a n a s o n i cd t 1 2 0 采集没 备的虹膜识别门禁系统，合作搭建了一个虹膜识别系统的平台，建立了 相关虹膜数据库。 中同利学技术犬学硕卜学位论文摘蔓 a b s t r a c t a na c c u r a t ea u t o m a t i cp e r s o n a li d e n t i f i c a t i o ni sc r i t i c a lt oaw i d e ra n dw i d e r r a n g eo fa p p l i c a t i o nd o m a i n ss u c ha sa c c e s sc o n t r o l ，e l e c t r o n i cc o m m e r c e ，a n ds o0 n t r a d i t i o n a lp e r s o n a li d e n t i f i c a t i o nm e t h o d s ( e g ，p a s s w o r d ，i dc a r d ) a r eu n a b l et o s a t i s f yt h es e c u r i t yr e q u i r e m e n t so ft h eh i g h l yi n t e r c o n n e c t e di n f o r m a t i o ns o c i e t y b i o m e t r i c sr e f e r st oa u t o m a t i ci d e m i f i c a t i o no fa ni n d i v i d u a lb a s e do nh i s h e r p h y s i o l o g i c a lo rb e h a v i o r a lt r a i t s b i o m e t r i c si sb e g i n n i n gt op r o v i d ev e r yp o w e r f u l t o o l sf o rt h ep r o b l e m sr e q u i r i n gp o s i t i v ei d e n t i f i c a t i o n i r i sr e c o g n i t i o na sb r a n c ho ft h ei m p o r t a n tb i o m e t r i c si sah o tr e s e a r c h i n gs u b j e c t i nt h ed o m e s t i ca n df o r e i g nd o m a i n s i r i sh a sal o to fa d v a n t a g e s ，t h a ti s ，t h e c h a r a c t e r i s t i c so fo n e si r i sk e e ps t e a d ya n di se x c l u s i v e ，t h ec a p t u r i n go fi r i si m a g ei s n o n i n v a s i v ea n di s s u e so f i r i sp r o c e s st h ec h a r a c t e r so f l i v i n gi s s u e so i la c c o u n to f t h e z o o m i n gp r o c e s so f p u p i l i nt h i st h e s i s ，b a s e do nt h ei r i s c a p t u r i n g d e v i c e s 一一p a n a s o n i ed t l 2 0a n d k d 一1 0 ，o u ro b j e c t i v ei st od e s i g na ni r i s b a s e db i o m e t r i cs y s t e mw h i c hi sc a p a b l eo f a c h i e v i n gaf u l l ya u t o m a t i cp o s i t i v ev e r i f i c a t i o nw i t hah i g hl e v e lo fc o n f i d e n c e w eh a v ei d e n t i f i e da n de x p l o r e dt h ef o l l o w i n gi s s u e s ： 1 i r i si m a g e q u a l i t ya s s e s s m e n ta n d s e l e c t a ) t e s t i n gt h ei r i si m a g ef o rr e c o g n i z i n gi sf a k e do rn o t b ) a s s e s s m e n t st h ed e f i n i t i o no ft h ei r i si m a g eu s ef r e q u e n c ya n a l y s i sa n d t e s tt h ec h a n g i n gr a d i u so f p u p i l 2 p r o m o t ean e wl o c a l i z a t i o na l g o r i t h mo nt h eb a s i so fp r e v i o u st w o - s t e pi r i s l o c a t i o nc o m b i n i n gc o a r s el o c a t i o nw i t hf i n el o c a t i o nb ya n a l y z i n go ft h e c h a n g eo fg r a d a t i o no fg r e y 3 a c q u i s i t i o no ft e x t u r ec h a r a c t e ra l g o r i t h m sa t t a i nt h ep h a s ei n f o r m a t i o no f t h et e x t u r ec h a r a c t e rp o i n t sw i t ho n ed i m e n s i o na n d t w od i m e n s i o nm o r l e t c o m p l e xw a v e l e tt r a n s f o r ma c c o r d i n gt ot h ed i f f e r e n ti r i sa r e a t h e n ，b y c a l c u l a t i n gt h eh a m m i n gd i s t a n c eb e t w e e nt w oc o m p a r e di r i s e sw eg i v ea j u d g m e n t t h er e s u l t ss h o wt h a t t h i sa p p r o a c hh a sav e r yh i g hs p e e do f 中闭利学技术大学坝十学位论文摘甚 o p e r a t i o na n dg o o dr e s u l ta n dc a nb eu s e dt oa c t u a l l yi r i sr e c o g n i t i o ns y s t e m 4 d e s i g na ni r i s b a s e db i o m e t r i cs y s t e mt h a tc a r lc o n t r o lad o o r , a n db u i l ta r e l a t i v ei r i sd a t a b a s e t h ea l g o r i t h m sa n ds y s t e mh a v ee v a l u a t e de x t e n s i v e l yo na l a r g en u m b e ro fi r i s i m a g e s ，a n dt h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ea l g o r i t h m sp e r f o r mv e r yw e l l 中罔科学技术大学颂卜学位论义 第一章绪禹 第一章绪言 1 1 基于生物特征识别技术的身份认证 生物特征识别( b i o m e t r i c s 1 【2 1 ) 技术是指通过计算机与光学、声学、生 物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性 ( 如指纹、脸像、虹膜等) 和行为特征( 如笔迹、语音、步态等) 来进行个人身 份的认证。 传统的身份认证方法包括身份标识物品口1 ( 如钥匙、证件、a t m 卡等) 和身 份标识知识( 如用户名和密码) ，但由于主要借助体外物，一旦证明身份的标识 物品和标识知识被盗或遗忘，其身份就容易被他人冒充或取代。特别是在当今的 信息社会中，高技术犯罪层出不穷，例如在美国，每年约有上亿美元的福利款被 人以假冒的身份领取；每年约有价值四亿五千万美元的信用卡诈骗案发生，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，如果利用可靠的方法鉴别和认证a t m 持卡人的身份，就可以使全美国每年 a t m 诈骗案造成的损失减少3 亿美元；随着计算机网络的发展，非法登录计算机 的案件呈上升趋势，在计算机网络应用中，特别是在电子商务应用中，能有效防 范以假冒身份登录计算机的身份认证方法是一项十分迫切需要的重要技术。以上 事实表明，有效地鉴定和认证个人的身份有着重大的社会和经济意义。 因为生物特征识别不能被共享或误置，而且它从本质上代表了人的个体特征， 因此将会成为有效地进行身份识别所必需的组成部分。通过人的身体进行识别， 然后把他们的身体与外界建立的同一性联系起来，将会产生一个具有巨大潜力的 有效工具。因此，生物特征识别不仅仅是一个辅助的识别方法，如果被合理利用， 它将能通过以下的三个作用有效地增加社会的安全性，减少诈骗，并为使用者带 来便利 1 ) j f 面识别( 系统能认识这个人吗? ) 生物识别技术能通过输入的样本特征进行高可靠度的识别。例如，某个声称 自己是j o h nd o e 的人把自己的指纹提供给识别系统，系统便会把他提供的指纹跟 系统中已存入的j o h nd o e 的指纹进行比对，然后确认他是或不是。电脑网络注册， 电子数据的安全性，a t m s ，信用卡买卖，实体访问输入，移动电话，p d a s ，医疗 中团科学技术大学硕l 一学位论文 记录管理和远程教育等都是识别技术应用的例子。 2 ) 大范围识别( 这个人是否存在于数据库中? ) 给出一个输入的生物特征样本，识别的范围决定了这个样本是否存在于已注册的 数据库中。典型的大范围识别应用包括福利发放，国际i d 卡，边境控制，选举人 i d 卡驾驶执照，犯罪调查，尸体检查，走失儿童识别等。这些大范围识别应用 要求用尽可能少的人力获得一个大的持续信息吞吐力。 3 ) 筛选( 这就是目标人吗? ) 隐秘地筛选就是要查出一个人是否属于鉴别名单之列。筛选的应用例子包括机场 安全，公共事务安全及其它的监视应用。筛选鉴别名单包括了相当数量的( 比如 几百) 的识别类。筛选应用有以下一些性质：1 没有一个具体定义的用户纪录： 2 能基于具体物体及图片质量进行极微小的分辨；3 能利用尽量少的人力实现大 量的持续信息吞吐。离开了生物识别技术，无论是大范围鉴别还是筛选都不可能 实现。 从a 1 p h o n s eb e r t i l l o r l 首先提出然后在行业上实现了利用人体测量进行犯罪 鉴别，距今已经1 0 0 多年过去了。1 8 9 3 年，英国的h o m e m i n i s t r y o f f i c e 接受了没 有两个人的指纹是完全相同的这一观点。它引起了一系列事件促使在2 0 世纪6 0 年代产生了第一个自动指纹识别系统。自动指纹识别系统作为一个犯罪调查与背 景确认的有效工具在全球范围内得以广泛应用( f b i 的自动指纹识别系统拥有一 个火约包含4 6 ，0 0 0 ，0 0 0 人的全部指纹的巨大数据库。平均每天有大约5 0 ，0 0 0 的访问量) 。 生物特征识别技术具有不会遗忘、不易伪造或被盗、随身“携带”和随时随 地可用等优点，比传统的身份认证方法更具安全、保密和方便性5 1 。目前，比 较成熟和最具有应用前景的几种生物特征识别技术包括指纹识别、虹膜识别、脸 像识别、语音识别、掌型识别、签名识别等。但要把人体的特征用于识别，这些 特征必须具有唯一性和稳定性。研究和经验表明，人的指纹、手部血管分匆、脸 形、声音、虹膜、视网膜、手写签名等在一定程度上都具有唯一性和稳定性，即 每个人的这些特征都与别人不同、且终生不变，因此可以据此识别出人的身份。 例如，眼睛虹膜识别就具有很高的唯一胜和稳定性，世界上没有两个人的跟睛虹 膜是。模一样的，而且人的虹膜在一岁半之后不再起变化。眼睛瞳孔周围的虹膜 甲曝科学技术人学硕 ! 学位论文第一章绪言 具有复杂的结构，能够成为独无二的标识。组成一个虹膜的特征数可到2 5 0 项，这使得虹膜构成的编码，几乎不u ，能重复。另外，虹膜的结构还不具有遗传 性，即使是同卵双胞胎，虹膜也各不相同。 一般认为，能够用来鉴定和认证身份的生物特征应该具有以下特点： 普遍性：即每个人都具有这种特征； 唯一性：即每个人拥有的特征应该各不相同； 稳定性：即所选择的特征应该不随时间发生变化； 可采集性：即所选择的特征可以通过一定的设各和手段采集并测量。 实际的应用还给基于生物特征的身份认证系统提出了更严格的要求，如： 性能的要求：所选择的生物统计特征能否达到高的识别率，识别的效 率如何： 提取的特征量、特征模板是否占有较小的存储空间； 速度：是否具有较高的注册和识别速度； 可接受性：是否具有非侵犯性，使用者在多大程度上愿意接受所选择 的识别方式和识别系统； 安全性能：系统本身是否能够防止被攻击； 是否具有相关的、可信的研究背景和理论基础作为技术支持； 价格：是否达到用户所能接受的价格。 国外自2 0 世纪8 0 年代束9 0 年代初，随着信息安全的重要性日益突出，生 物特征识别技术研究成为热门课题，一些以生物特征识别为核心的技术和产品不 断涌现。1 9 9 3 年，剑桥大学的d a u g m a n 博士在对虹膜识别算法深入研究的基础 上研制成功虹膜识别系统并创立了i r i d i a ni n c 。同时许多诸如s o n g 、n f f c ，l g 等知名企业也都纷纷成立了与生物特征识别相关的专1 3 研究和开发机构，如 h a r r i s 半导体的a u t h e nt e ci n c ，西门予的i n f i n e o ni n c 等等。美国还成立 了专门的生物特征识别协会( b i o m e t r i cc o n s o r t i u m ) ，组织协调和指导生物特 征识别领域的研究和开发等。 9 1 l 事件之后，如何通过高科技手段来高速准确地鉴定和认证个人身份成为 各幽政府和公众最为关注的一个话题，而在所有需要进行身份识别的地方，都可 以应用生物特征识别技术，因此生物特征识别技术受到了前所未有的重视。原来 中国科学技术人学硕上学位论文 第一章绪言 只在政府机密部门和军事基地等高度敏感区域使用的虹膜识别技术已被欧美一 些机场所采用；例如，美国一家公司设计的“虹膜通行证”已在美国北卡罗来纳 洲夏络特道格拉斯国际机场f 式启用。它使用眼睛虹膜识别技术来管理航空公司 和机场的职员进出的区域限制，不仅可以大大减轻机场的身份检验工作，还可以 有效保障机场和乘客的安全。可以预见，在不久的将来，生物特征识别技术将被 广泛应用到安全防范，特别是出入口控制上。另外，一些大型体育场馆丌始采用 脸像识别技术预防潜在的肇事分子。日本三菱电机公司不久前将“指纹认证装置” 微型化，并内置于公司将要推出的手机中。使用者只要用手指触摸手机的指纹器， 手机就能马上识别出指纹是否与使用者事先登记的指纹一致。指纹芯片还能够被 嵌入到键盘、鼠标等输入设备中或者笔记本、掌上电脑等系统中，防止别人非法 进入计算机，保护计算机中的信息不受攻击和偷窃。目前还正在研究将生物特征 识别技术应用于电子商务中的身份认汪，使用户在进行网络交易时以生物特征作 为身份标识，使得交易中重要信息的传递和保存不受到攻击。 综上所述，生物特征识别技术可广泛用于政府、公安、银行、社会福利保障、 电子商务、安全防务等领域。随着我们逐渐迈入数字时代，基于生物特征识别技 术的身份认证方法将更加显示出它的价值。 当然，要利用计算机对个人身份进行准确的自动识别并非易事。上述生物特 征识别技术涉及生物特征提取、图像处理、模式识别和身份认证技术等诸多领域。 近年来，国内包括北京大学、中国科技大学、中科院计算所、自动化所都有专门 的研究室开展生物特征识别方面的研究和丌发工作。目前从总的情况看，指纹识 别技术较为成熟，而虹膜识别和人脸识别尚有许多关键技术有待解决。下面针对 本文研究对象，着重介绍生物特征识别中的虹膜识别技术。 1 2 虹膜识别技术7 1 虹膜识别在基于生物特征识别技术的身份认证中是最主要的方法之- - 8 1 f 9 。 l9 8 7 年，眼利- 学家a r a ns a f o r 和l e o n a r dfl o i l | 申请这思想的专利，两年之 后，他们邀请当时在哈佛大学任教的j o h nd a u g m a n 试着建立实际的用于虹膜识 别的算法。d a u g m a n 在1 9 9 4 年为他的算法申请了专利，这一算法是当前各种虹 膜识别系统和产品开发的先河。基于虹膜识别的自动身份认证具有重要的理论意 义和应用价值，近十年来，由于各方面对虹膜自动识别系统的迫切需要，对虹膜 中罔科学技术大学 i ! i j 卜学位论义 第一章绪高 自动识别方法的研究越来越成为当前模式识别和人工智能领域的一个研究热点 6 8 】 1 0 】。 1 2 1 虹膜的生理结构以及纹理的特点【1 1 1 1 1 2 i b 3 i 虹膜的结构特点是一个围绕着瞳孔的圆环状组织，有两个显著的边缘，一是 与瞳孔交接的内边缘，另一个是与角膜交接的外边缘，虹膜的外观如图卜l 所示。 盥卜1 虹膜外观斟 虹膜纹理的形成过程是在胚胎期的第三个月就开始了，到了第八个月，其纹 理图案的结构就已经基本发育完全。虹膜是瞳孔周围含有色素的环形不透光薄 膜，位于白色的巩膜和黑色的瞳孑l 之间。黄种人的虹膜多是棕褐色，白种人的虹 膜有灰、蓝、浅棕色等不同的颜色。虹膜的主要功能是调节瞳孔的大小。近年来 的研究表明，它的结构极为复杂，共分四层。由内到外分别是：上皮层、肌纤维 层( 控制瞳孔的缩放) 、基质层( 包含了丰富的毛细血管) 和前界层( 包含一些 成为色群落的单个色素细胞) 。我们从外观上看到得虹膜结构，分为近瞳孔区和 纤毛区，两个区域的边界叫做睫状区。纤毛区包含了许多相互交错的脊( 来源于 基质 ，收缩线使虹膜能够随着瞳孔的变化而变化，形成虹膜的仿射变化；经纬 线条纹由放射状脉管系统形成；其他变化归功于小囊( 外边界的不规则萎缩) 、 痔( 外边界的小的突起) 、斑点( 个别色素细胞的局部堆积) 等。与此相反，近 瞳孔区相对平坦一些、规则一些，然而，它也表现出了放射状的辐条形纹理和色 素装饰( 来源于最里层的深色色素) ；还有一点需要指出的是，虹膜的颜色是由 于多层结构的虹膜组织对不同波长的光照射的吸收不同，还有层与层之| 白j 的多次 反射等原因而引起的。虹膜在视觉上的表现是这种多层结构的直接反映。如图 l 一2 所示： 中罔科学技术大学顺上学伉论文第一章绪南 删卜2 虹膜生理结构图 虹膜对于一个个体的唯一性和对于年龄的稳定性主要来源于两个方面的研 究旧： 通过大量的临床观察，眼科专家和解剖专家认为虹膜的人与人之间的差 异非常大，而且基本不随着时间的变化而变化； 生物学的发展揭示出，虽然虹膜的一般结构是由基因决定的，但是它的 形成严重的依赖于周围的环境，特别是胚胎期的初始条件，其形成近似 于一个完全随机的过程，所以含有丰富的细节信息。所以即使是相同基 因型的孪生子，其虹膜也是有很大差异的。 综上所述，虹膜用于身份鉴别的主要优势有： i 天然的被保护特性：位于角膜和水样液之后，与外界环境隔离开来，不 易受损：除非进行外科手术，否则不可能改变虹膜的纹理： i i 高复杂性：用d a u g m a n 的方法，虹膜鉴别可达1 7 3 个自由度，而指纹鉴 别一般只有约3 5 个自由度； 1 1 1 高稳定性：当虹膜形成以后，可以保持几十年不变； i v 易使用性：该技术可以不与人体接触，被取像人不会产生受到侵犯的感 觉，甚至难以觉察到，所以说基于虹膜的生物特征识别具有非侵犯性。 v 虹膜固有的环状特性，提供了个天然的极坐标系，有利于后续虹膜的 分割操作。 v i 防伪性：作为活体细胞组织，在环境光线变化时，哪怕时微弱的变化， 睫状肌会收缩或舒张来牵动瞳孔括约肌，改变瞳孔的大小，调节透射入 眼的光线，这一过程又叫做瞳孔震颤效应，利用这一特性，识别算法可 以检测出是否为活体虹膜。 中田科学技术人学顾j j 学位论文第一章绪高 图1 3 为实验室采集的不同人的虹膜样本，可以看出不同人的虹膜纹理 有着显著的差别。 幽1 - 3 小矧人的虹膜样本 综上所述，通过对虹膜的生理结构、虹膜纹理形成的生理学解释和虹膜纹理 的生理特性等小节的详细阐述，说明了虹膜的生理基础保证了虹膜具有普遍性 ( 人人有之) 、唯一性( 人人不同) 、稳定性( 长期不变) 、可采集性( 外部可见) 、 非侵犯性( 被识别者不会产生受到侵犯的感觉) 和难以伪造的特点。以虹膜纹理 为介质的虹膜识别方法充分利用了虹膜纹理的生理特性，综合运用各种图像处理 技术和分析方法，是目前最为精确的生物特征识别方法之一。 中圈利学技术犬学碗叶学位论文 第一章绪鬲 1 2 2 虹膜识别技术发展和现状 与其他生物特征识别类似，虹膜识别系统是由血个独立的子系统组成 1 6 】。 如图l 一4 所示： 圈i - 4 虹膜识别系统示意图 ( 1 ) 图像采集子系统： 负责采集虹膜图像用于分析。采集的图像必须具有可分辨性和稳定性，而且 为了使被测试者感到方便更好的便于配合，采集设备的设计必须要从使用者 的角度出发，同时还要保证所采集的图像符合后续处理的要求，目前前端处 理技术还不成熟： 在活体检测方面只有d a u g r o a n 博士在论文中【1 7 】论述采用频域变换的方 法来进行活体检测。在澳大利亚政府部门的检测中，采用l g 公司的采 集设备l g 一3 0 0 0 ，使用1 6 个二维或三维的假虹膜模型，在7 0 0 次攻击中， 正确的检测出假虹膜的比例为9 8 4 ，在4 1 7 6 次对真虹膜的检测中，将 真虹膜误认为是假虹膜的错误率是o 2 2 m l 。 判断清晰度和完整性上只有中科院自动化所的马力 1 9 1 2 0 等人采用基于 图像局部( 虹膜部分) 的频谱信息的方法来进行图像质量评价。在虹膜 区域内，清晰的虹膜应该具有复杂纹理特征，因而图像中含有中高频信 息。由于位于瞳孔左右位置的虹膜部分一般不会被睫毛或眼睑等遮挡， 中田科学技术大学碗学位睑文第一章绪毒 因此可以对这一部分的虹膜图像进行二维傅立叶变换或者二维小波变 换，当眼睛增开程度足够时，图像的频谱在中高频区域，当图像模糊时， 频谱主要集中在低频部分，当眼睛增开不够，虹膜被睫毛污染严重的时 候，图像的频谱有大量的高频成分。采用如下指标作为判断的依据： d 1 = f i + f 2 + f 3 ；d 2 = f 2 ( f i + f 3 ) 。其中f 1 、f 2 和f 3 分别表示低频、中 频和高频成分的量。通过s v m 的方法可以将上述三种虹膜图像分开。 ( 2 )数据传输子系统： 负责将采集的数据传入处理平台。如果数据采集和处理处于不同的平台那么 就需要该系统；另外如果用于网上远程认证，需要用相应的数据压缩来保证 有足够的传输带宽传输数据。 ( 3 ) 图像处理子系统： 负责将原始图像数据( 或者是经过压缩、解压后的图像数据) 转换为特征向 量，用来保留用于区分不同识别目标的有用信息，同时去除数据中的冗余信 息。目标图像的预处理是为了从原始数据中分割出虹膜从而获得虹膜图像的 表达。要解决虹膜的定位( 获取虹膜内外边缘便于分割) 、虹膜图像的归一 化等等，以解决图像的位置、尺寸大小及旋转不变性的问题。虹膜目标的特 征提取是用来从预处理后图像中产生紧凑的虹膜特征表达信息，使之适合于 模式匹配。需要从虹膜图像的特征入手研究好的有效的特征提取方法，使提 取的特征能充分表达虹膜差别所在。目前存在着以下几种主要的定位算法： j gd a u g m a n 虹膜系统的定位算法【2 1 】【2 4 1 ： 其核心在于利用个有效的微积分算子来计算圆参数： m “j g ，( r ) 昙 f 掣j u f ，3 c y cl h ， ，、( ) 2 g 。( ，) = o 2 口d b 2 a 2 此算子是一种经典的机器视觉算法。堆，圳是二维数字图像在坐标 ，y ) 处的 灰度值。+ 代表卷积。除以2z ，是为了归一化。g 。纠是标准差为a 的高斯函数， 起平滑滤波作用。算子在以圆心为 ，y ) 半径为r 的圆周出上，对象素荻度值做 积分并把它归一化，再求差分，差分的极值所对应的坐标如”r ) 就是所求圆的圆 心和半径。整个算子的作用为一一个以尺度0 - 模糊化的圆的边缘检测器，它在参数 空间o 。，) 迭代求最优解。这种由粗到细的迭代搜索在寻找内外边缘可达到单 9 中嘲利学技术大学硕卜学位论文 第一章绪吉 象素精度。在搜索外边缘时，由于眼险的影响，积分路线西仅限于左右两边。 而在找内边缘时，积分路线出是闭合的圆周。为了进一步精确定位虹膜，d a u g m a n 用相似的算法来检测上下眼睑的边界，这时算子的积分路径如从圆变为圆弧。 d a u g m m a 的圆积分算法是目前为止准确性和鲁棒性最高的算法，即使是很不清 晰的图像也能定位得很好。 r rw i l d s 算法【2 2 1 1 2 7 ： r pw i l d e s 系统在寻找边界过程分两步。第一，图像强度信息被转化为一个 二值化边界图。第二，边缘点投票从而得到特别的边界参数值。边界图是通过基 于成分的边缘检测。这个操作包括阈值化图像，也就是利用算子： v g ( x ，y ) + i ( x ，y ) | v ；( o a x ，o o y f ，、一( h o ) 2 + ( y y i ) ) 1 g ( z ，y ) = “2 万口e 2 a 2 t ( x ，y ) 是图像在坐标( x ，y ) 处的灰度值。* n 卷l s 。o ( x ，y ) 是二维高斯函数，圆 心是( x 0 ，y o ) ，标准差为o ，作用是平滑图像以确定边界。v 是二维拉普拉斯微分 算子。二维高斯函数和拉普拉斯微分算子组合后与图像卷积，便可得图像边缘。 第二步投票过程用h o u g h 变换实现。特别的，对圆形内外边界和一些边界点 ( x j ，y j ) , j = 1 ，n ，h o u g h 变换定义为 h ( x 。，只，r ) = h ( x ，y ，k ，儿，r ) 五c x ，y ，x 。，y 。，r ，= fl ，i f 。旃g 。( 门x w j 妇, y 。j x r ，y c ，r = 。 g ( x ，y ，x 。，y 。，) = ( x ，一x c ) 2 + ( y ，一y 。) 2 一r 2 对每个边界点( x j ，y j ) ，g ( x j ，y j ，x c ，y c ，r ) = 0 ，而每对三维参数( x c ，y c ，r ) 表示过 此边界点的圆。相应的，具有最大h 函数值的三维参数和最大边界点数等价， 就是表示边缘的参数。在实际执行中，搜索最大参数集的过程就是计算h 数组， 这个数组用离散的表示( x c ，y c ，r ) 的值做下标，然后扫描数组以得到数组元素最大 值。上下眼喻的边界用参数化的弧代替圆参数。就象d a u g m a n 系统依靠标准算 法来定位虹膜一样，用h o u g h 变换进行边缘检测也是一种基本的定位简单边界 的机器视觉算法。 甲利学技术人学硕十学位论文第一章绪一 当虹膜被睫毛和眼睑严重干扰的时候，这种方法的准确性会显著下降。另外 这种方法的计算时间也是一个不能忽略的问题。标准的h o u g h 变化非常的耗时， 为了缩短虹膜定位的时间，必须采用变形的h o u g h 变换。 中科院自动化所边缘检测加最小二乘法拟合的方法【9 】【3 0 】： 对瞳孔边缘的检测采用二值化的方法：出于瞳孔一般比图像别的地方灰度值 要低得多，所以通过图像的直方图找到最佳阈值，对图像二值化，去除别的杂点， 得到瞳孔边缘参数。首先使用c a n n y 算子对原图像进行边缘提取，然后根据瞳孔 的位置和其他的先验知识去除一些无用的杂点，最后采用最小二乘法进行拟合得 到虹膜的定位参数。对虹膜外边缘采用边缘检测加拟合的方法：先采用c a n n y 边 缘检测的方法，得出图像上的边缘点，然后去除一些不相关的干扰点，最后采用 最小二乘法来拟合，得出虹膜外圆的参数。 中科院自动化所虹膜定位方法中对瞳孔的定位是非常粗糙的，鲁棒性和准确 性都比较差，当图像受到睫毛和眼皮的干扰的时候，瞳孔和虹膜的定位准确率都 会显著下降。由于采用c a n n y 边缘检测，所以定位时间也不会很快。 中国科学技术大学叶学义等人提出的利用投票机制来定位的方法口”： 首先通过图像的直方图确定出虹膜外边缘上的灰度值，找出图像上是这个灰 度值的象素。对这些象素的坐标采用投票机制，确定出虹膜的圆心和半径参数。 使用相似的方法得到瞳孔的圆心和半径参数。此种方法的速度非常快，但准确性 和睫毛干扰严重情况下的鲁棒性还有待提高。 ( 4 ) 存贮子系统： 负责存贮原始图像数据或者是图像处理后的特征信息。虹膜识别系统要把识 别目标的虹膜通过和己存贮的虹膜数据比对，以确定识别者的身份。目前文 献上找不到相关数据存贮方法的介绍。 ( 5 ) 判决子系统： 负责将特征提取后的虹膜数据和数据库存贮的数据进行模式匹配和判决。模 式匹配是用来把提取的特征向量和已有的做一对应的比较，产生可用来描 述区分目标相似度的数字测量，最后交由判决器判决。可以通过设置判决器 的参数来改变识别系统的安全等级。 中田科学技术大学硕士学位论文 第一章绪言 现在比较成功的应用于虹膜纹理特征提取的方法主要是以下几种： d a u g m a n 博士提出的二维g a b o r 复小波相位编码法【2 6 】： 二维g a b o r 滤波器如下公式所示： 魄力= e - 啊( x - x o ) 27 岫悯产珥) 】 它的傅立叶变换为： v ) ：一 嘞j 2 h v - v 0 ) 2 矿】产m - u o ) + y o ( v - v o ) 1 由于特征点的幅值常常受到光照强度的变化、取像设备的个体差异性等等外 部因素的干扰，所以d a u g m a n 将虹膜图像经过二维g a b o r 滤波器处理后，提取局 部相位信息作为虹膜纹理特征，对特征点的相角ek 进行编码。这样虹膜纹理特 征变为一串由0 、1 组成的序列。匹配方法上d a u g m a n 采用汉明距的方法来进行 特征匹配。汉明距方法如下公式所示： h d = 土y ( c o d e a c o d e b ) n - 、 即对两个要进行匹配的虹膜特征码进行异或操作，然后求和归一。两个完全 匹配的特征码的汉明距是0 ，完全不匹配的特征码的汉明距是1 ，找出这多次匹 配中汉明距最小的作为最后的匹配结果。 w i l d e s 等的基于拉普拉斯金字塔分解的图像匹配方法【2 2 】【2 7 1 ： l a p l a c i a ng u a s s i a n 滤波器可以被定义为： d 2 一c - 一等，e 寺 其中g 是g u a s s i a n 函数的标准差，p 是距离滤波器中心点的距离。采用拉普 拉斯金字塔分解算法对整个虹膜图像进行处理，虹膜图像要经过一系列的滤波器 组进行处理。在实际过程中采用一个2 维的模板对图像进行处理。定义个二维 的模板如下： w 2 w l w ，其中w = 14641 1 6 是一个一维的g u a s s i a n 滤波器的模版。 计算过程如下式所示： g k = ( w + g k - 1 ) $ 2 其中g k 表示一系列滤波后的图像，g 。2 i ，( 。) o2 表示对图像进行抽样。算法对虹 中圊科学技术大学颀l 学位论文 第一章缝苦 膜图像进行4 次塔式分解，后面算法采用计算待识别的4 次滤波后虹膜图像和数 据库中虹膜图像归一化相关系数的方法提取特征。 在离散的形式下，计算相关系数如下式所示： 坠舯 - - u 1 ) ( p z i ，j 】- - u 2 ) 其中 n m c n 0 2 旷面l 小n 。却棚卟压| i i m 而百2 uz = 面1 小n r ( i ，j 】旷估乌刍p 2 ，j 】- - i 1 2 广 ，j 】，p z 刚1 表示m + n 的图像块，在实际的操作中，采用计算8 * 8 的图像块。 这样处理后在4 个频率段就会产生多个相关系数的值。判决过程采用f i s h e r 变换。 b o l e s 的基于小波变换过零检测算法【2 3 【2 8 1 1 2 9 ： l o g a n 定理证明：对平方可积的x ( t ) ，如果其傅里叶变换的频带限制在一个 音程( o c t a v e ) 之内，且如果x ( t ) 和它的h i l b e r t 变换没有公共过零点，则x ( t ) 可以由它的过零点唯一地表征。对于小波变换，只用过零点来表征x ( t ) 是不稳 定。为了改进稳健性，除过零点外增加一个补充特征：两次过零点之间小波变换 积分后的平均值。b o l e s 利用上述小波理论，采用过零点以及过零点之间小波变 换积分后的平均值作为虹膜图像的特征值，来进行虹膜识别。b o l e s 采用一维的 三次样条小波来对图像进行小波变换，采用的q 个小波尺度，既舍弃高频尺度 ( 容易受嗓声影响) ，又不使用最低频尺度( 无法反应虹膜图像的纹理交化) 。特 征匹配的方法为： n d ；1 ( ，g ) = m i n 。i z _ ，f ( 月) 一z j g ( + m ) 2 ， m f o ，n 一】 月= i 中科院自动化所谭铁牛等人提出的基于o a b o r 圆对称滤波器的方法【3 2 】： 谭铁牛，马力等人认为在大小为1 0 1 0 左右的小的虹膜区域，虹膜纹理的频 率特征要比方向特征更能表征不同的虹膜。为了抓住这特性，设计了一组圆形 对称滤波器。为了能更好的表征虹膜纹理，算法对归一化后的虹膜纹理从里到外 采用了不同的滤波器频率。 中同科学挫术夫学顺j 学位论文第一章绪罱 圆形对称滤波器定义如下： g ( w 。j 丽1e x p - i 1 ( 毒+ 毒肼( w ，) m ( x ，y ，) = c o s 2 m f ( 、x2 + y 2 ) 这罩，m ( x ，y ，f ) 是调制函数，f 是正弦函数的频率，以、6 ，是g u a s s i a n 函数的 常量。通过设定不同的f 值获得了不同的带通滤波器。由于滤波器是圆形对称的， 所以可以抓住图像的频率信息却不能用来表征方向信息。在操作中频率参数的选 择是根据对局部虹膜图像频谱的分析获得的。 归一化后的虹膜图像大小为5 1 2 6 4 ，只采用靠近瞳孔的5 1 2 4 8 部分来提 取虹膜特征，对卷积后的图像，算法选取8 * 8 的小块作为特征值，这样总共可以 获得3 8 4 个特征值。算法提取的特征值是每个小块的平均绝对方差。定义如下： 肚专旧舳m i 这旱n 是图像块的像素点数，m 是均值，f ( x ，y ) 是( x ，y ) 点处的像素值。最后 对于每个虹膜图像都获得了一维的含有3 8 4 个特征值的特征向量。在特征匹配 中，算法采用了改进的最近特征线( n e a r e s t f e a t u r e l i n e ) n f l 的模式识别方法。 中科院自动化所马力等人提出的基于二次样条小波分析的方法 马力等人认为虹膜图像中的小色块的位置可以表征虹膜特征，因此可以形成 一种虹膜特征提取方法。将归一化后的虹膜图像从二维信号变换为一系列一维信 号，马力等人采用的是将6 4 5 1 2 大小的归一化虹膜图像的靠近瞳孑l 部分( 5 0 5 1 2 ) 变换为1 0 行长度为5 1 2 的一维信号，每一行一维信号是原二维图像中5 行的均值( 如图1 5 所示) 。 中国科学技术大学倾士学位论文第一帝绪言 ( 耐 3 0 0 2 1 d1 t 翻2 2 锄黜枷珊0 图i 一5 归一化的虹膜图像及一维表而 对变换后的每一行信号，采用二次样条小波来进行处理。经过二次样条小波 变换之后的极值对应的是原信号中变化最大的地方。由于虹膜图像中小色块的边 缘对应的就是信号变化最大的地方。所以经过小波变换之后得到的极值点的位置 可以表示这些小色块的位置信息。一对极小值和极大值表示一个小色块的起始和 结束位置。然而不只是这些小色块可以引起变换后的极大极小值，信号中的小的 起伏也可以。而这些信号的小起伏相对于小色块是不稳定的。所以必须设立一个 阂值来限制这些小起伏的影响。因为小色块的边缘信号变化更大，经过小波变换 后得到的极值会比信号小起伏引起的极值更大或更小，所以只有绝对值大于这个 闽值的那些极值的位置才作为特征点。由于小波具有尺度特性，可以检测不同尺 度下的信息。马力等人在此方法中选择了两个尺度。从某- - u r 信号中抽取到的特 征信息可以表示为： = d l ，d 2 ，d ，d 饼；d m + l ，d 埘+ 。；p 1 ，p 2 ) d f 表示某个尺度下的极值点位置：p f 表示某个尺度下第一个位置( d l 或 中国科学技术人学坝l 学位论文第一章绪高 d 。+ i ) 对应的是最大值( p j = 1 ) 还是最小值( p f = 1 ) 。通过如图】一6 所示 的变换，最终的特征表示为一串0 、1 的编码。 s + d h d 2 ( 1 。小d eo r i g i n a lf e a t u r e s 卜。jllii 黜誉鬻 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 b i n a r ys e q u e n c e s ：t h es t a r t i n gp o i n to f t h es e q u e n c e ( i ，o ，1 ) e ： 1 ee n d i n gp o i n to f t h es e q u e n c e ( i e ，u 由于特征被表示为0 、1 编码，特征匹配的方法和d a u g m a n 的汉