（计算机应用技术专业论文）基于特征选择的虹膜识别方法研究.pdf

摘要 生物识别技术是指利用人的生理特征( 掌纹、指纹、人脸等) 或行为特征( 声 音、步态、签名等) 通过计算机来识别人的身份，具有唯一性、可靠性、稳定性 等特点。虹膜识别是2 0 世纪9 0 年代发展起来的一种生物特征识别技术。凭借其 高度的准确性，虹膜识别已经得到学术界和企业界越来越广泛的关注。复杂的结 构和丰富的特征，使虹膜具有了唯一性、稳定性、可采集性、难更改性和非侵犯 性等特点。 本文在深入研究现有虹膜识别技术的基础上，提出了一种新颖的基于弹性模 板的虹膜定位方法和基于特征选择的虹膜识别方法。首先，没有被遮挡的虹膜图 像区域被定位出来作为感兴趣区域( r o i ) ；其次，利用多尺度g a b o r 滤波提取 特征；最后，分别利用遗传算法( g a ) 和粒子群优化算法( p s o ) 进行特征选 择。通过特征选择，每个用户拥有特异性参数和认证模式。 为了证明的本文提出的方法有效性和可行性，本文在中科院c a s i a 数据库 上进行验证，实验结果表明该方法能够在虹膜验证过程中实现较低的错误率。 关键词：遗传算法；粒子群优化算法；虹膜定位；特征提取 a b s t r a c t b i o m e t r i ct e c h n o l o g yd e a l sw i t hr e c o g n i z i n gt h ei d e m i t yo fi n d i v i d u a l sb a s e do n t h e i ru n i q u ep h y s i c a lo rb e h a v i o r a lc h a r a c t e r i s t i c s p h y s i c a lc h a r a c t e r i s t i c ss u c ha s f i n g e r p r i n t ，p a l mp r 硫，l l a n dg e o m e t r ya n di r i sp a t t e r n so rb e h a v i o r a lc h a r a c t e r i s t i c s s u c ha st y p i n gp a t t e r na n d1 1 a n d - w r i t t e ns i g n a t u r ep r e s e n tu n i q u ei n f o r m a t i o na b o u ta p e r s o na n dc a nb eu s e di na u t h e n t i c a t i o na p p l i c a t i o n s b i o m e t r i ct e c h n o l o g yh a sm a n y d e s i r a b l ep r o p e r t i e s ，s u c ha su n i q u e ，r e l i a b i l i t y , s t a b i l i t ya n ds oo n a m o n gb i o m e t r i c s y s t e m s ，i r i sr e c o g n i t i o ni sak i n do fn o v e lb i o m e t r i c sw h i c hw a sd e v e l o p e df r o m 19 9 0 sa n di th a sa t t r a c t e dm o r ea n dm o r ea a e m i o nb e c a u s eo fi t s h i g ha c c u r a c y t h a n k st oi t sc o m p l e xs t r u c t u r e sa n da b u n d a n tf e a t u r e s ，t h ei r i sh a sm a n yd e s i r a b l e p r o p e r t i e s ，s u c ha su n i q u e ，s t a b l e ，c o l l e c t a b l e ，h a r dt ob ec h a n g e d ，n o n - i n t r u s i v e ，a n d s oo n i nt h i sp a p e r ，an o v e li r i sl o c a l i z a t i o nm e t h o da n du s e r - s p e c i f i ca u t o m a t i ci r i s a u t h e n t i c a t i o na p p r o a c hb a s e do nf e a t u r es e l e c t i o ni s p r o p o s e d f i r s t ，t w o i r i s s u b - r e g i o n s ，w h e r ea r en e a r l yn o to c c l u d e db yu s e l e s sp a r t ss u c h a se y e l a s ha n de y e l i d ， a r es e g m e n t e da sr e g i o no fi n t e r e s t ( r o i ) s e c o n d ，m u l t i - s c a l eg a b o rf i l t e r sa r e a d o p t e dt o e x t r a c tt h et e x t u r ef e a t u r eo fr o i t h i r d ，g e n e t i ca l g o r i t h m ( g a ) a n d s u p p o r tv e c t o rm a c h i n e ( s v m ) a r ee m p l o y e df o rf e a t u r es e l e c t i o na n dc l a s s i f i c a t i o n t h r o u g hf e a t u r es e l e c t i o n , e a c hu s e r h a ss p e c i f i c f e a t u r ei n d e xa n da u t h e m i c a t i o n m o d a l i t y f o rp r o v i n gt h ee f f e c t i v e n e s sa n df e a s i b i l i t y , w er e s p e c t i v e l yi nc a s i ad a t a b a s e h a sc a r r i e do u ta ne x p e r i m e n tv e r i f i e di r i sa u t h e n t i c a t i o nb a s e do nf e a t u r es e l e c t i o n m e t h o d sv a l i d i t yw h i c ht h i sp a p e rp r o p o s e d 1 1 舱e x p e r i m e n t a lr e s u l t ss h o wt h e p r o p o s e da p p r o a c hc a na c h i e v el o w e re r r o r r a t e si ni r i sa u t h e m i c a t i o n k e yw o r d s ：g e n e t i ca l g o r i t h m ；p a r t i c l es w a r mo p t i m i z a t i o n ；i r i sl o c a l i z a t i o n ； f e a t u r ee x t r a c t i o n 独创性声明 本人郑重声明：所提交的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。据我所知，除了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。对本人的研究做出重要贡 献的个人和集体，均已在文中作了明确的说明。本声明的法律结果由本人 承担。 学位论文作者签名：壅盈丝 日期：2 媳i | z 学位论文使用授权书 本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规 定，即：东北师范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。本人授权东北师范大学可以将 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 印或其它复制手段保存、汇编本学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作：燃指刷雠：丝 日飙础她日 飙勺阻y 学位论文作者毕业后去向： 工作单位： 通讯地址： 一 电话： 邮编： 东北师范大学硕士学位论文 第一章虹膜识别简介 1 1 生物认证研究背景和意义 信息技术的飞速发展推动了社会的进步，而同时，社会的进步也为信息技术 提出了更多、更大的难题。计算机使整个社会实现了信息化和网络化，而同样， 信息化和网络化的社会也对各种信息和系统的安全性有了更高的要求。 在当今社会，身份欺骗的数量令人难以置信，每年因此而损失的金额就可达 到几十亿美元之多。身份识别的缺陷每年至少使全球5 亿美元的信用卡、1 0 亿 美元的移动电话和3 0 亿美元的取款机被诈骗。仅2 0 0 2 年美国就有9 9 0 万人的身 份被盗用，并由此给各个行业造成了5 3 0 亿美元的巨大损失【l 】。 2 0 0 8 年中国北京举办奥运会，2 0 1 0 年中国上海、广州分别举办世博会、亚 运会，这三大盛会促使中国安防市场的需求量迅速膨胀，成为继美国之后全球第 二大安防市场。按照中国安防行业“十一五”发展规划指导思想，。十一五” 期间安防产业发展年增长率要达到2 0 以上，2 0 1 0 年实现增加值8 0 0 亿元以上。 生物特征识别技术是国家公共安全和信息安全等领域急需的一项全新技术 手段。生物识别技术在医疗社保、刑侦破案、银行系统、逻辑访问控制、物理访 问控制、社会福利、海关、民政部门、电话系统、作息考勤领域都有广泛应用。 在过去几年里，生物识别技术的市场份额大幅度持续增长。据国际生物识别集团 ( i b g ) 统计 2 1 ，2 0 0 5 年全球生物识别技术产品的市场已超过1 5 亿美元，预计到 2 0 1 2 年这个数字将超过7 4 亿美元。国产生物识别产品的国内销售和出口情况统 计表明，2 0 0 6 年，中国生物识别市场的销售数量约3 4 万套，销售收入约8 6 亿 元。在今后几年，我国将形成高达1 0 0 亿元人民币的生物识别技术市场。由此可 见，生物识别的研究不仅具有重要的应用价值，而且具有巨大的市场潜力。从而， 生物识别技术成为目前热点研究内容之一。 网络的日益普及在带给人们更多便利的同时，也带来了严峻的信息访问安全 问题。通过计算机网络窃取国家机密、商业资料等犯罪现象日益增多。另外，随 着电子商务的日益普及，信息安全也开始与每个人的生活息息相关。 传统的身份认证方法具有不方便、不安全、不可靠等缺陷。与其相比，生物 识别技术是目前最为方便与安全的识别系统，基于生物特征的认证具有普遍性、 唯一性、可采集性、稳定性等优点，能有效地克服传统身份识别方法的缺陷。生 物识别技术分为两大类：基于生理特征的识别和行为特征的识别。其中，生理特 东北师范大学硕士学位论文 征包括d n a 、耳廓、体味、指纹、掌纹和手形、虹膜等。行为特缸包括手写签 名、击键扣字、声纹和步志等。这些技术有些已付诸应用有些还处在研究阶段。 图ii 展示了部分生物特征。每一种生物识别技术在准确率、用户接受程度、成 本等方面都不同，而且都有自己的优缺点，适应十不同的麻州场合。表11 列举 出了主要生物识别技术之间的各种性能比较结果阻”。从中可以看出，虹膜识别 技术蛆其极高的性能而成为其中的佼佼者，被誉为最可靠的生物识别技术之一。 因此虹膜识别系统的研究是生物识别技术的热点和重点内容之一，具有重要的 经济价值和社会意义。 鎏巴狮 图1 1 部分生物特征 表1 1 生物识别技术之间的性能比较 生物特征普遍性唯一性稳定性可采集性准确性可接受性安全性设备成本 指纹中高高中高中中中 人脸目低中高低自低低 虹膜 极高极高极高高极高高高高 视网膜极高极高极高低极高低高高 掌纹高高高高乇! 乏高高高高 静脉高高高高高高高高 极高极高极高低极高低低高 声纹高低低高低高低低 签名中低 低高低高低低 步态中低低高低高中低 红外温谱高高低 高 中 高高高 气味 高高高f f t 低中低高 耳形 m 中高中中高中低 12 虹膜识别技术的发展和应用 121 虹膜识别技术的应用 虹膜识别技术是近年来新兴起的一种生物识别技术。因为虹膜具有终身不变 雹 东北师范大学硕士学位论文 性，所以虹膜识别系统可使误识率和误拒率降至最小，大大提高准确率和安全性。 据统计虹膜识别的错误率是各种生物特征识别中最低的【6 1 ，而且虹膜发生损伤的 可能性很小。虹膜识别系统作为种高度精确的身份识别系统，可以取代烦琐的 密码、i d 号，广泛应用于金融业、保险业、电子商务、海关、机场、安全通道、 互联网等领域。 1 2 2 虹膜识别技术的发展历史 基于虹膜的身份鉴别思想最早可以追溯到1 9 世纪8 0 年代，但是直到2 0 世 纪9 0 年代，虹膜识别才有了飞速的发展。在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 实现了一个自动虹膜识别系统，这是有文献记载的最早的一个应 用系纠7 1 。随后，1 9 9 3 年，英国剑桥大学的j o h nd a u g m a n 博士实现了一个高性 能的虹膜识别原型系统【8 ，9 1 。目前，大部分自动虹膜识别系统使用d a u g m a n 的核 心识别算法。1 9 9 4 年，美国普林斯顿d a v i ds a m o f f 研究中心的r i c h a r dw i l d e s 利用多尺度l o g 滤波器实现了嵌入式虹膜识别系统【1 0 ，l l 】。1 9 9 6 年，澳大利亚 q u e e n s l a n d 大学的b o l e s 建立了基于小波变换的虹膜识别方法【1 2 】。同时，北美和 欧洲也有一些科学工作者致力于虹膜识别方面的研究，大量的算法及产品也应运 而生。国内从事虹膜识别的研究相对较晚，从1 9 9 9 年才开始这方面的相关研究： 主要的研究单位有中科院自动化所、华中科技大学、哈尔滨工业大学、浙江大学 等。其中，中科院自动化所模式识别国家重点实验室是国内最早从事虹膜识别研 究的单位之一。从1 9 9 8 年起，该实验室生物特征识别研究小组就开始了这方面 的相关研究，2 0 0 0 年初中科院自动化所谭铁牛等提出了一种虹膜识别算法：多通 道g a b o r 滤波器提取虹膜特征的方法【1 3 】；2 0 0 1 年，中科院自动化所成功开发出 具有我国自主知识产权的虹膜识别原型系统f m l 6 】，表明我国在该方面的研究已经 达到国际先进水平。 1 2 3 具有代表性的虹膜识别系统 具有代表性的虹膜识别系统主要有d a u g m a n 虹膜识别系统、w i l d e s 虹膜识 别系统、b o l e s 虹膜识别系统和中科院虹膜识别系统等。 ( 1 ) d a u g m a n 提出的基于二维o a b o r 滤波器的相位匹配方法，是当前识别性 能最好的方法，采用多尺度g a b o r 滤波器编码虹膜的相位特征，得到2 0 4 8 位的虹膜码，利用归一化h a m m i n g 距离实现特征匹配【9 ，2 7 , ”】。许多虹膜 识别系统采用的就是d a u g m a n 的核心识别算法。 3 东北师范大学硕士学位论文 ( 2 ) b o l e s 1 9 ，2 0 】与d a u g m a n 算法进行对比，采用了不同的识别过程。首先， 利用扩展的h o u g h 变换进行虹膜内外圆的检测。然后，利用各向同向的 高斯一拉普拉斯滤波器在不同分辨率下对图像进行滤波之后，逐次进行 l 2 采样，得到不同尺度的数据构成4 层金字塔结构，利用这些数据作为 虹膜识别的特征。最后使用f i s h e r 分类器进行分类。此方法克服了以往 系统受旋转、比例放缩等带来的局限，并且对亮度变化及噪声不敏感， 但w i l d e s 系统中的数据量较大，只在很小规模的数据库上进行过测试。 ( 3 ) w i l d e s t ：j 】采用拉普拉斯金字塔的多分辨率技术，在不同尺度下计算给定 两个虹膜图像的归一化相关系数，利用小波变换的过零点和两个连续过 零点之间的小波变换的积分平均值来表示虹膜特征。分类器使用的是 f i s h e r 线性判据。其本质上是一种图像匹配方法，计算复杂性较高，能 够抵抗光照变化，但只在认证模式下工作。 ( 4 ) 中科院的谭铁牛 6 , 1 3 , 1 4 , 2 3 】、马力【1 6 】等人不但提出了利用傅立叶变换来对虹 膜图像进行质量评估，并且在d a u g m a n 利用g a b o r 滤波器进行特征提取 的基础上，将g a b o r 滤波然后将滤波后的图像分块，提取每块的均值和 方差形成虹膜的特征向量。最后利用f i s h e r 线性判据降低特征向量的维 数，根据最近邻分类器进行特征匹配。与其它两种经典方法d a u g m a n 和 b o l e s 的方法相比，此方法也能取得较好的识别效果。 1 3 虹膜识别亟待解决的难点 1 3 1 虹膜识别技术研究中存在的难点 因为虹膜特征具有的唯一性、稳定性、可采集性等特点，使虹膜识别同时具 有了高准确性和非侵犯性，非常适合用在安全级别要求较高的场合使用。但是， 虹膜识别目前还没有广泛应用，其原因主要是技术上还存在一些问题： ( 1 ) 虹膜图像的采集设备昂贵； ( 2 ) 采集到的虹膜图像质量不高，如存在位移、无关区域、光斑等； ( 3 ) 虹膜图像的有效区域不完整，极易受到眼睑、眼睫毛的干扰； ( 4 ) 提取的虹膜特征维数过大，运算时间过长。 上述问题不仅给虹膜定位和特征提取等操作带来了很大的困难，影响着虹膜 识别的准确性，而且这些直接影响虹膜识别的实际应用。只有解决了这些问题， 才能实现具有高准确性的虹膜识别。 4 东北师范大学硕士学位论文 1 3 2 虹膜识别技术研究方向 目前，国内外学者在虹膜识别技术方面取得了大量的科研成果。针对上述问 题，虹膜识别的研究主要集中在： ( 1 ) 研究低价格、高性能、使用便捷的虹膜图像采集、获取技术和设备； ( 2 ) 研究人眼的自动跟踪和拍摄系统，建立光照感知模型，提高虹膜定位和 识别的实时性、准确性和适用性： ( 3 ) 研究虹膜特征提取与表达方法，建立鲁棒的、高效的识别系统； ( 4 ) 建立图像质量评估系统，建立质量评估模型，以解决虹膜图像的评价问 题。 本文主要针对虹膜图像定位问题和特征选择问题进行研究。 1 4 基于特征选择的识别技术研究意义 特征选择【2 4 ，矧主要研究从一组原始特征中挑选出一些最有效的特征以达到 降低特征空间维数的目的，获得对目标函数有利的特征，使得任务如分类、回归 等达到和特征选择前近似甚至更好的效果。通过特征选择，一些和任务无关或者 冗余的特征被删除，简化的数据集常常会得到更精确的模型，也更容易理解。它 的具体作用体现在三个方面：提高泛化能力，即对未知样本的预测能力；决定相 关特征，即与学习任务相关的特征；特征空间的维数约简。从虹膜识别角度来讲， 特征选择最终的评价将取决于虹膜分类识别能力。 特征选择是统计模式识别、机器学习和数据挖掘等领域的一个热门研究课 题，受到广泛的重视，已被广泛应用到分类、图像检索、客户关系管理入侵检 测和基因分析等方面。本文尝试利用遗传算法( g e n e t i ca l g o r i t h m 。g a ) 1 2 6 ，2 7 】和 粒子群优化( p a r t i c l es w a r mo p t i m i z a t i o n , p s o ) 1 2 8 - 3 4 算法进行特征选择。 1 5 本文的主要工作及论文结构 1 5 1 本文的主要工作 本文在已有虹膜识别技术的基础上，针对虹膜图像定位和虹膜图像特征选择 问题进行研究，主要工作有以下几点： ( 1 ) 提出一种新的虹膜图像感兴趣区域( r o i ) 提取方法，新方法能有效的 避免无关区域( 如：眼睑、眼睫毛等) 的干扰，本文采用科院自动化所 5 东北师范大学硕士学位论文 的c a s i a t 2 3 】虹膜库； ( 2 ) 利用多尺度g a b o r 滤波( m u l t i s c a l eg a b o rf i l t e r s ) 充分提取虹膜图像的 纹理特征； ( 3 ) 分别利用遗传算法和粒子群优化算法进行特征选择；利用支持向量机 ( s u p p o r tv e c t o rm a c h i n e ，s v m ) p 5 】进行分类； ( 4 ) 模拟实际应用，将测试样本分别加入不同程度的高斯噪声和椒盐噪声， 检测特征选择的实际应用性能。 1 5 2 论文结构 本论文共分五章，主要内容和后续章节安排如下： 第二章，首先叙述了虹膜识别系统原理及虹膜识别系统识别流程，然后介绍 了识别系统中图像采集、预处理、特征提取及特征匹配等各主要组成模块的功能 及当前国内外主要研究方法，同时分析了存在的问题；最后针对现存问题指出了 本论文要解决的关键技术。 第三章，在前人已有的虹膜识别技术研究成果的基础上，介绍了本文提出的 基于特征选择的虹膜识别系统，并对关键技术进行了阐述。 第四章为实验及结果分析，依据前面各章所述的算法设计了相应的虹膜识别 系统，做了大量的对比实验，给出了本文的实验过程和实验分析。大量的实验结 果证明该方法的有效性和准确性。 第五章为总结与展望，对本文的工作进行了总结并对本文未来研究方向做出 规划和展望。 6 东北师范大学硕士学位论文 第二章虹膜识别系统概述 2 1 虹膜识别系统构成 与其它所有生物识别技术一样，虹膜识别包括两个阶段：注册阶段和识别阶 段，如图2 1 所示。在注册阶段，用户的虹膜图像被采集后，先进行预处理，然 后提取特征，形成模板库，以备和测试样本进行匹配。在识别阶段，待认证用户 的虹膜图像被采集后，同样先进行预处理和特征提取操作，然后再与模板库中的 模板进行匹配得到识别结果。由此可知虹膜识别主要由虹膜图像预处理、特征提 取和特征匹配等模块组成。 注册阶段 | 匡i ：面：面三匠萄1 ：= 1 二l 二i 二i 二l 二i 二l 二i 二1 = ：= i 二l 二i 二i 巡二i 之- - - - - - _ - - - - - - - 2 2 虹膜图像数据库 图2 1 虹膜识别系统框图 目前，国内外主要的虹膜图像数据库有中科院自动化所c a s i a 虹膜库【2 3 】、 捷克p a l a c k y 大学u p o l 虹膜库 3 6 】和葡萄牙b e i r ai n t e r i o r 大学u b i r i s 图像库【3 7 】等。 中国科学院自动化研究所的c a s i a 虹膜图像数据库分为三个版本，包括超过 1 0 0 0 0 幅虹膜图像，是目前国际上应用最广泛的共享虹膜图像库，已被超过自7 0 个国家和地区的8 0 0 多个研究单位申请使用，成为国际虹膜识别研究最重要的数 据基础，库中部分虹膜图像如图2 2 ( a ) - ( c ) 所示。 u p o l 虹膜图像数据包括3 8 4 幅图像，采集自6 4 个人的左右眼。被采集者为 西方人，纹理较丰富、明显。由于该图像库采用专门的采集设备极近的距离拍摄， 所以几乎只包括虹膜部分，纹理极其清晰，并且无任何遮挡或其它影响因素，库 东北师范大学硕士学位论文 中部分虹膜图像如图22 ( d ) 一m 所示。 由于该虹膜图像库中的虹膜纹理完全清晰的展现，所以可以用于对虹膜纹理 的研究和分析，但其过于完美，不适台用于虹膜识别算法的测试。 u b r i s 虹膜图像数据库包括1 8 7 7 幅虹膜图像，采集自2 4 1 个人。被采集人大 部分为西方人，可见光下拍摄。白种人色素少，呈浅灰色或淡蓝色使用红外光 和自然光均可拍摄下清晰的虹膜图像。该虹膜图像数据库突出的特点是：它与 c a s i a 虹膜库中较“完美”的图像相比，具有更高的复杂性，库中部分虹膜图像 如图22 ( g ) ( i ) 所示。u b l r i s 中也包括了较多会影响虹膜识别的不利因囊，例如眼 睑、睫毛遮挡：图像不聚焦；用户不配合的情况下拍摄等。所以该虹膜图像库在 测试算法鲁棒性方面比c a s i a 更有效。 蛰幽篁：幽 dn 黼曩? 捌冬篇 ( 曲( h j( 0 图2 , 2 国内外主要虹膜图像库中的部分虹膜图像 23 虹膜图像定位 幽像预处理是将模式识别的样本从一定的环境中抽取出不受更多干扰因素 东北师范大学硕士学位论文 影响的待识别样本。其目的是去除噪声，加强有用的信息，并对输入测量仪器或 其他因素所造成的退化现象进行复原。一般说来，预处理的功能包括消除或者减 少模式采集中的噪声及其它干扰，以便提高信噪比，清除或减少数据图像模糊( 特 别是运动模糊) 及几何失真提高清晰度，改变模式的结构，例如将非线性的模式 转变成线性的模式或图像的滤波、变换、编码标准化等都可以归类于预处理工作。 需要明确的是没有特定的标准来衡量预处理的效果好坏，而是要根据客观观察来 评判。本文的预处理工作主要集中在虹膜图像的定位。 通常情况下虹膜图像不仅包含圆环状的虹膜，还有瞳孔、巩膜、睫毛、光斑、 眼睑等，因此需要将其中有效的、可用于识别的虹膜准确的定位分割出来的过程 称为虹膜定位。虹膜定位分割是虹膜识别中关键的一个环节，它决定了后续过程 能否继续进行。如果虹膜分割精度不高，那么必然导致拒识率增加，还有可能造 成误识别。 文献分析可以看出，关于虹膜的边界定位方法主要有d a u g r n a n 等人提出的微 积分方法【3 8 】和c 锄n y 边缘检测与h o u g h 变换结合的方法【3 9 4 2 。微积分方法利用的 是边缘幅度信息；h o u g h 变换方法利用的是二值化边缘信息。 1 微积分方法 d a u g m a n 等人提出的微积分操作定位瞳孔和虹膜边界，将虹膜的内外边界近 似为圆。其原理是：当沿径向方向增大半径时，检测不同圆周上的梯度和最大值 对应的圆周参数作为定位的边界。 通过微积分操作在中心位置o 。，y 。) 及不同半径厂的弧度凼上积分，然后计 算相邻半径上的梯度变化，将变化最大的位置作为虹膜的边界，所以虹膜边界定 位实际上是参数的寻优过程。 微积分操作定义为： m a x ( r 凡) 1 g o ( r ) 幸瓢y 。掣斟 ( 2 1 ) 其中，为卷积符号，i ( x ，y ) 为人眼图像，是搜索的圆的半径，g ( ，) 是高斯 光滑函数，瓯( ，) = ( 1 弱弦州，而1 2 ，留2 j ，s 是由，、和虬确定的圆周，除以2 7 c ，l 用来标准化积分。该操作用来检测由半径和中心位置确定的最可能边界，用式 ( 2 1 ) 定位虹膜内、外边界的过程就是对半径和中心位置确定的边界圆进行寻优的 过程。图2 3 显示了用微积分方法进行虹膜定位的结果。 9 查韭堕蔓查兰塑主兰篁堡塞 鬻警 图2 3 用微积分定位虹膜结果图 微积分算法在理论上，定位精度高于基于二值边缘信息的定位方法，不存在 二值化的问题t 但是对光源像点等局部干扰等很敏感，要想利用微积分算法正确 定位虹膜边界，必须捎除光源像点的影响问题。 2 c a a n y 边缘检测与h o u e h 变换相结合的方法 边缘检测方法很多，血口s o b e l 、p r e w i t t 、r o b e n s 和l o 蹲子等大部分为局域 窗1 2 ：1 梯度算子，对噪声敏感。因此，在虹膜定位中，大多数实验都采用c 卸n y 算 子。c a n n y 算子是一类具有优良性能的边缘检测算于，具有定位精度高、单一边 缘和检测效果好等优点，它在许多图像处理领域里都得到广泛的应用。 c a n n y 算子的基本思想是：先对待处理的图像选择一定大小的g a u s s 滤波器进 行平滑滤被，然后通过非极值抑制的技术，对平滑后的图像处理后，得到最后所 需的边缘图像，这种算子采用两个闽值以同时检测出强边缘以及和强边缘相邻的 弱边缘。因此，这种方法对噪声和弱边缘有更强的适应性。 边缘检测的结果还不是图像边缘提取最终的结果，还必须把边缘点连接成边 缘链，形成直线、曲线、各种轮廓线等，直到能表示图像中物体的边缘，h o u 曲 变换【j q 的实质是将罔像空间中具有一定关系的像素进行聚类，寻找能把这些象 素用某一解析形式联系起来的参数空间累积对应点。 h o u g h 变换圆定位的方程为：一d ) 2 + ( y 一6 ) 2 = r2 ，利用它来求得瞳孔的半 径、圆心和虹膜的半径。 h o u g h 变换的优点主要在于：它对于图像中的噪声点不敏感，利用它得到的 效果可以有效地消除噪声的影响。缺点在于计算量大，占用内存大以及提取的 参数受参数空间的量化间隔制约。 图24 显示了采用c 锄n y 边缘检测算子和h o u g h 变换方法进行虹膜定位的结 果。 查! ! 堕垄查兰堡主主堡堡塞 图f 圈2 4 虹膜定位效果图 本文针对虹膜边界定位问题，提出了基于弹性模板的虹膜定位方法。 24 虹膜归一化 不同人眼图像定位出的虹膜区域大小不同，即使是同一人，由于光照和其它 因素的影响也可能造成虹膜区域的大小变化。为了便于识别必须将虹膜按同样的 维数展开，因为虹膜图像具有良好的极坐标特性故很多文献采用极坐标转换方 法。 常用虹膜归_ 化的方法如下： 沿虹膜内边界向外，取n 备同心圆，n 对所有的虹膜都保持不变。在每个 同心圆上取m 个采样点，这样得 0 一个( ，) 的矩阵n ，m 是常数，在所有 的图像中保持不变，这样就做到虹膜区域的归一化。可利用下式将虹膜图像展开 成固定大小的矩形。 ，( 互，r ) = i 。( z y ) ， v z 2 p ) t ( o 9 ) 一f ，p ) ) 古， 1 ：( 22 ) ，2y r ( 。) t ( ( ，p ) 一y 。p ) ) 古， 0 = 2 n x ，n 其中，l 为归一化后的固定大小( 吖_ v ) 的图像，( o 一) ，y ，一) ) 和( t ( 。) ，虬一) ) 为虹膜内外边界在原图像l 巾方向为e 的坐标。归化后的图像如下图( b ) 所示 东北师范大学硕士学位论文 图2 5f a ) 定位后的虹膜区域。伯) 展开的虹膜图像 考虑到虹膜图像的r 部很容易被眼皮遮挡，并且多眼睫毛，f 部为照明到光 的镜面反射或被眼睑遮挡，这些部分的虹膜纹理往律残缺不全。针对这一情况， 将虹膜上、下半区部分按扇形去除n 虹膜纹理多集中在虹膜的内半圆环，外 半倒环的纸节不多，对于识别的意义不大，所以，只截取虹膜下半部分的内半圆 环的3 4 部分，之后用公式22 展丌成大小为6 4 x 2 5 6 的矩形如图26 所示。 25 特征提取方法 在识别过程中，特征提取是尤为重要的步骤，也是本文研究的重点应用1 同的特征方法提取的特征有不同的代表性。同前的虹膜识别方法丰要分为三娄： 基于相位的方法，基于零交叉的方法和基于纹理特征的方法。 2 51 基于相位的识别方法 d a u g m a n m ”“1 f u 用2 d g a b o r 滤波器对虹膜纹理进行局部相位量化和编码， 编码原理如图27 所示，麸提取了2 0 4 8 位纹理信息，并接海明距离对虹膜进行 匹配。该算法识别准确性高，速度快是日前虹膜识别商用系统的基础。 g a b o r 滤波、g a b 。r 变换和g a b o 小波已经广泛的应用于图像处理、机器视觉 一o 一 盈 东北师范大学硕士学位论文 和模式识别等领域中。基于g a b o r 滤波的纹理分析是一种空甸频率域聪台分析的 方法它具有在空问域和频率域同时取得晟优局部化的特性。 瓠_ 一j _ 、蛉 j 芝、二 图2 7d a u g m a n 算法编码原理陌 2 j2 基于零交叉的识别方法 b o l e s 等人计算虹膜冒像多只度同心环的一维小波变换的零交义点。该方法 对虹膜酗像的一维信号进行四个尺度上的小波分解，并选则小波信号的迁零点作 为特征值，使用相似函数进行眄配。cs a 哪! 3z - a v i l a 等人推进了b o l e s 等人提 出了方法用g a b o r 滤波器和多尺度零交叉两种方法进行虹膜特征提取，并崩欧 式距离和海明距离进行匹配。 小波变换1 属于时频变换的一种，是傅立l 叶变换发展的一个新阶段。小波变 换基丁一些小型波称为小波，具有变化的频率和有限的持续叫问它具有多分 辨车分析的特点，而且在时频两域都有表征信号局部特征的能力很适合于探测 正常信号中夹带的瞬间反常现象并展示其成分，可以为信；的分析提供种强有 力的分析手段。信号经过一级小波变换后，将原始信号分成两个了带，卟是近 似了带( 低频) 另个是细节于带( 高频) 。若进行多绒小波分解，_ 1 1 | _ 每次部在 近似予带j 进行小波变换。所谓小波零交叉点是指细 ，予带中信号由正值变化到 负值或由负值变化到正值所进过信号值为零的点。 2 j3 基于纹理特征的识别方法 这类方法主要代表是w i l d s t 2 1 1 等人描进的基_ 高斯一拉普拉斯金字塔结构的 东北师范大学硕士学位论文 四级不同分辨率的虹膜纹理。这类方法的代表是w i i d e s 等提出的基于高斯一拉普 拉斯金字塔的方法。w i l d e s 等人首先采用各向同性的高斯一拉普拉斯滤波器 ( l a p l a c i a n o f g a u s s i a n f i l t c r s ) 对k 膜图像进行分解，以提取不同分辨率下的虹膜特 征；然后，利用一个由四个不同分辨率水平构建的高斯一拉普拉斯金字塔来表示 虹膜模式；最后，在不同尺度下计算两个待匹配虹膜图像之间的归一化相关系数， 并使用f i s h e r 线性判据对不同的虹膜进行分类。该方法的本质类似于一种图像匹 配方法。文献【4 8 】提出了一种基于小波包变换和支持向量机相结合的虹膜识别方 法，用小波包变换对归一化的虹膜图像进行两层分解，并计算出每个子频带的能 量。通过选择具有最大能量值的特征作为小波基特征，以减少进入支持向量机的 样本数目和提高识别准确率。然后，用支持向量机对虹膜特征进行模式匹配。实 验结果表明，该方法取得了较好的识别效果。 小波是一种用于多层次分解函数的数学工具。信号经过小波变换后可以用小 波系数来描述，小波系数体现了信号的性质。因此，小波变换在信号处理、图像 处理、模式识别等领域引起了越来越多的关注，在纹理识别中的应用也较为广泛。 当f ( x ，y ) 表示一幅图像信号时，其二维小波变换相当于f ( x ，y ) 分别沿z 辅 方向和y 轴方向经不同的一维滤波器滤波，得到低频和高频子带图像，图2 8 ( a ) 为一级小波分解示意图。其中，l l 表示图像的水平和垂直方向的低频信息，h l 表示图像的水平高频信息及垂直低频信息，l h 表示图像的水平低频信息及垂直 高频信息，唧则表示图像的水平和垂直高频信息。通过小波变换，当图像在某一 频率和方向上具有较明显的特征时与之对应的子带图像的输出就具有较大的能 量，因此图像信息集中在相应的少数小波系数上。图2 8 ( b ) 为二级小波分解示意 图，同理，多级小波分解每次都在低频子带上进行。小波包分解不仅包含了图像 的低频部分，而且还保留了高频部分，它能够有效地提取虹膜纹理特征。与小波 分解不同，多级小波包分解每次都在所有子带上进行。 l l 2 lh l 2 l l l h l l l h 2 ih h 2 l h l h h l ( a )c o ) 图2 8 小波分解示意图 本文利用多尺度g a b o r 滤波对虹膜纹理进行特征提取后利用寻优策略进行特 1 4 东北师范大学硕士学位论文 征选择。此方法在第三章详细介绍。 2 6 分类决策 分类决策是在特征空间中用统计的方法将测试对象归为某一类。大多数分类 器的分类规则都转换成阈值规则，将测试空间划分成互不重叠的区域，每一个类 对应一个区域，如果特征值落在某一个区域中，就将该对象归入此类中。选择的 分类器按某种判决规则应使对别识别对象进行分类所造成的错误识别率最小。目 前应用较广泛的分类器包括两类： 一是基于距离的分类器，如欧式距离、海明距离，h a u s d o f l 巨离等，这样的 分类器计算简单，计算方便，下面列出几种常用的方法： 设有两个特征向量：x = ( x l ，x 2 ，x n ) ， 为两个特征向量之间的距离，则有： ( 1 ) 曼哈顿距离：厶= i 薯乃i t = l ( 2 ) 欧式距离：屯= ( 3 ) 汉明距离： ( 4 ) 矩形距离： y = ( y l ，y 2 ，y 。) ，其中力为总特征个数，d ( 2 2 ) ( 2 3 ) 吨= 而。乃 卢l 如= m 4 x l x ，一y ，l ( 2 4 ) ( 2 5 ) ( 5 ) c o s i n e 距赢 a c = l 一龋 ( 2 石) 其中，d 越小说明两个特征向量越相似。 二是运用人工神经网络分类，近些年来，人工神经网络理论的研究和应用迅 速发展，人工神经网络是以大量的具有相同结构的简单单元的连接来模拟人类大 脑的结构和思维方式的一种可实现的物理系统或可通过计算机进行模拟实现。 其中在模式识别中应用较为广泛的有：b p 神经网络、h o p f i e l d 神经网络以及 s o m 神经网络等。神经网络方法有几个明显的优点： ( 1 ) 并行性：简单单元并行连接，在时钟控制下集体操作，处理速度快( 类 似于大型体操表演) ； ( 2 ) 容错性：局部的或部分神经元出现差错，不会影响全局结果。网络能够 自动纠正错误； ( 3 ) 分布式存储：信息储存在网络的连接权上，是分散的，而不是在储存器 中； ( 4 ) 可学习性：人工神经网络的连接权、阈值可通过学习得到，并可根据外 1 5 东北师范大学硕士学位论文 部环境进行自适应，自组织。 另外，支持向量机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 【3 5 】是近几年发展起来的 一种强有力的分类工具。它是贝尔实验室研究人员v a p n i l ( 等人在多年研究统计学 习理论基础上对线性分类器提出了另一种设计最佳准则。由于其有统计学习理论 作为坚实的数学理论基础，所以，它可以很好的克服维数灾难和过拟合等传统算 法无法避免的问题。 1 6 东北师范大学硕士学位论文 第三章基于特征选择的虹膜识别 虽然国内外学者在虹膜识别领域取得了大量的成果，然而。太多数现有基于 生物特征的认证或识别文献把重点放在如何提取有效特征来实现高性能。由于提 取的生物特征信息可能存在信息减少或是冗余的情况，导致了错误率较高。因此， 为达到高准确率，特征选择也是一个关键步骤。文献4 7 忡提出，不同的用户往 往具有不同的个人生物指标。本文件的重点探讨如何选择是用户的其体特点，以 达到高核查的准确性。这就是说，每个用户应具有特定的身份验证方式包括虹 膜定位参数指标，特征参数和分类器参数等特异性指标。 3 1 虹膜图像预处理 本文虹膜图像预处理_ t 作丰要为虹膜定位，这里虹膜边界检测、定位t 作被 分为两部分，即瞳孔边界定位和虹膜外边界定位，具体步骤如下： 31l 瞳孔边界定位 ( 1 ) 求小波变换横械大值图像( 见陶3lr b l ) ： ( 2 ) 二值化，利用形态学操作消除短线和单点，结果如图31 k 1 所示； ( 3 ) 最后利用h o u g h 变换定位瞳孔边界，图31 f d 】中白色圆圈即为定位结果 ( a )( b 1( c )( d ) 图3 1 ( a ) 原始虹膜图像：( b 】模图像；( c ) 二值化图像：( d ) 虹膜内外边界定位 3i2 虹膜外边界定位 ( i ) 为了虹膜外边界检测快速准确，这里选择被眼睫毛和眼睑遮挡最少的区 域用于边界检测，见圈32 r 舢： ( 2 ) 利用c a n n v 边缘检测和形态学操作进行边缘检测和去短边操作结果如国 东北师范大学硕士学位论文 32 f b ) 所不 3 ) 由大量实验得出，垩丁膜半径，满足8 0 ，s 1 5 0 。h 此在边缘h 像f 中， 如果r x y ) 一r x ；y 、p 15 0 或h 。) 卜r x 。y 。) 8 0 划f o x - ) ) = 0 - 这耍 f ( xy ) 表h ：在边缘图像中像隶值为】的点，r x y ) 彳：吓图像的中心点。阿 时，将满足上进条件的肌p i ) 和h xy t l ) 置为1 ，结祟见罔32 c ， 4 ) 最后利用h o u g h 变换定位虹肢外边乒，结果见图32 f d ) 。 墨 鐾 图3 , 2 外边界检删 313 虹膜归一化 d 钊对不同的用p ，得到的虹膜图像j 、+ d q o j 即使是同一用户在不同条件f r 如与图像嵌取设备距离不同j 得到的虹膜图像夫小也未必相同。j 扎此这就需要 列得拘里二j | ；l 玎- 蹦像归化为6 4 x5 1 2 大小的矩形，如图33 f a l 所示。 藕蘸 ( b ) 图3 , 3 a 1 归一化h 像：( b ) r o l s 尚像 东北师范大学硕士学位论文 314 提取感兴趣区域 通过大量实验观察发现，虫丁膜环中一3 5 到t l o 和+ 17 0 到+ 2 1 5 陋域( 图 3 】( d ) )