（计算机科学与技术专业论文）虹膜图像质量评估方法的研究.pdf

中文摘要 摘要 虹膜识别作为重要的生物特征识别，因其具有唯一性、稳定性、可采集性、 非侵犯性等优点而引起了广泛的关注，并且取得了相应的成果。然而在识别速度 和准确率方面，很难做到两全其美，而虹膜图像质量评估的出现则使解决此瓶颈 问题成为可能。 本文通过对虹膜图像质量要求的研究，提出了一种虹膜图像质量评估算法， 该算法包含虹膜图像清晰度、虹膜可见度两个指标。为了提高自动虹膜识别系统 中图像筛选的速度，将上述两个指标综合为“虹膜图像综合质量评估指标。与 此同时，本文还对虹膜定位算法进行了改进，提高了定位的准确性。 在虹膜图像清晰度上，根据图像在灰度值上的特性，提出运用“拉普拉斯( 8 邻域微分) 算子和一方法实时地判断输入图像的清晰度，如果被初判为模糊的图 像，则进一步通过改进的基于拉普拉斯锐化与f f t ( 快速傅立叶变换) 相结合的 算法来分析图像产生模糊的原因。 在虹膜可见度上，是用虹膜比重因子和瞳孔缩放因子的乘积来表示。其中， 虹膜比重因子是先根据图像的灰度特征，获取虹膜像素点的个数，从而得出该区 域上的虹膜比重因子；瞳孔缩放因子是运用虹膜图像定位结果，通过几何方法来 计算。 在虹膜图像综合质量评估上，其定义为：q = 0 3 1 q i + 哆q 2 。其中，q l 和q 2 分 别为虹膜图像清晰度和虹膜可见度质量评估因子，q 为珐因子的权值，他为幺因 子的权值。q 指标能够很好地体现虹膜图像质量同q l ，q 2 的变化关系，并且计算 简单，易于实现。 本论文提出的算法和思路丰富了虹膜识别技术的研究，并且能提高识别的准 确率，具有一定的理论和实践意义，但算法仍存在一些缺陷( 比如：虹膜图像的 质量评估都是在定位处理之后进行，无疑与后期的虹膜识别工作重复) ，需进行 进一步研究和改进。 中文摘要 关键词：虹膜识别；虹膜图像预处理；虹膜图像质量评估；虹膜定位 英文摘要 a b s t r a c t i r i sr e c o g n i t i o na sa i li m p o r t a n tb i o m e t r i c si d e n t i f i c a t i o nh a sr e c e i v e dm o r ea n d m o r ea t t e n t i o n sf o ri t su n i q u e n e s s ，s t a b i l i t y , r e l i a b i l i t ya n dn ov i o l a t i o n ，a n do b t a i n e dt h e c o r r e s p o n d i n gr e s u l t s h o w e v e r , i nr e c o g n i t i o ns p e e da n da c c u r a c y , i ti sd i f f i c u l tt o a c h i e v et h eb e s to f b o t hw o r l d s ，b u tt h ea p p e a r a n c eo ft h ei r i si m a g eq u a l i t y 蠲s e s s m e n t m a k e si tp o s s i b l et or e s o l v et h i sb o t t l e n e c k i nt h i sp a p e r , b a s e do i lt h er e s e a r c ho ft h ei r i s i m a g eq u a l i t yr e q u i r e m e n t s ， p r o p o s i n ga na l g o r i t h mo fi r i si m a g eq u a l i t ya s s e s s m e n t ，w h i c hi n c l u d e st w ot a r g e t s ：t h e h - i s i m a g ed e f i n i t i o n ，t h ev i s i b i l i t yo fi r i s i no r d e rt oi m p r o v et h es p e e do fi m a g e s e l e c t i o ni na u t o m a t i ci r i sr e c o g n i t i o ns y s t e m ，a b o v et w oi n d i c a t o r sw e r ec o m b i n e dt o t h et a r g e to f “i n t e g r a t e dq u a l i t ya s s e s s m e n to fi r i s i m a g e ”a tt h es a m et i m e ，t h e a l g o r i t h mo fi r i sl o c a l i z a t i o nh a sac e r t a i nm o d i f i c a t i o n , w h i t ec a ni m p r o v ei t sa c c u r a c y o nt h ed e f i n i t i o no fi r i si m a g 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 fi m a g ei ng r a y v a l u e ，u s i n g “l a p l a c e ( 8n e i g h b o r h o o dd i f f e r e n t i a l ) o p e r a t o r ”t or e a lt i m ed e t e r m i n et h e d e f i n i t i o no ft h ei n p u ti m a g e i ft h ei m a g ei ss e n t e n c e df o rt h ef u z z y , t h e nf u r t h e r t h r o u g ht h ei m p r o v e da l g o r i t h mt oa n a l y s i st h ec a u s e so fa m b i g u i t y , t h ea l g o r i t h mi s b a s e do nt h el a p l a c i a ns h a r p e n i n gw i t ht h ef f r ( f a s tf o u r i e rt r a n s f o r m ) t h ep a p e rp r o p o s e sam e t h o do ft h ev i s i b i l i t yo fi r i s ，w h i c hi se x p r e s s e dw i t ht h e w e i g h t i n gf a c t o ro fi r i sa n ds c a l i n gf a c t o ro fp u p i l a m o n gt h e m ，t h ew e i g h t i n gf a c t o ro f i r i si s c o m p u t i n gt h r o u g ht h en u m b e ro fi r i sp i x e l s ，w h i c h i sa c c o r d i n gt ot h e c h a r a c t e r i s t i c so fi m a g ei n g r a yv a l u e ；t h eo t h e ri sc o m p u t i n gt h r o u g hg e o m e t r i c a p p r o a c h ，w h i c hu s e st h er e s u l t so ft h ei r i si m a g el o c a l i z a t i o n o nt h ei n t e g r a t e d q u a l i t ya s s e s s m e n to fi r i si m a g e ，w h i c h i sd e f i n e da s ： q = 国lq l + 国2q 2 a m o n gt h e m ，q la n dq 2r e s p e c t i c i v e l yo nb e h a l fo ft h eq u a l i t y a s s e s s m e n tf a c t o ro fi r i si m a g ed e f i n i t i o na n dv i s i b i l i t y , c o ii st h ew e i g h to f q l ，c 0 2i s t h ew e i g h to ft h eq 2 t h ei n d i c a t o ro fqc a nr e f l e c tt h ec h a n g e dr e l a t i o n s h i po fi r i s i m a g eq u a l i t yw i t hq la n dq 2 ，a n dt h ea l g o r i t h mi ss i m p l e ，e a s yt oi m p l e m e n t t h ea l g o r i t h ma n di d e a st h a tt h i sp a p e rp r e s e n th a v ee n r i c h e dt h es t u d yo fi r i s r e c o g n i t i o nt e c h n o l o g y , a n dc a l li m p r o v et h ea c c u r a c yo fi d e n t i f i c a t i o n ，s ow h i c hh a v ea 英文摘要 t h e o r e t i c a la n dp r a c t i c a ls i g n i f i c a n c e n e v e r t h e l e s s ，t h e r ea r es t i l ls h o r t c o m i n g si ns o m e a r e a s ( f o re x a m p l e ：i r i si m a g eq u a l i t ya s s e s s m e n ti sd e a l tw i t ha f t e rt h el o c a l i z a t i o n ，n o d o u b t ，w h i c hw i l lr e p e a tw i t ht h ew o r ko fi r i sr e c o g n i t i o n ) ，s ow h i c hn e e d st of u r t h e r s t u d y k e yw o r d s ：i r i sr e c o g n i t i o n ；i r i si m a g ep r e p r o c e s s ；i r i si m a g eq u a f i t y a s s e s s m e n t ；i r i sl o c a l i z a t i o n 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果， 撰写成博硕士学位论文 ：虹蹙图像厦量迁估友法的婴塞= = 。除论文中 已经注明引用的内容外，对论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。本论文中不包含任何未加明确注明的其他个人或集体已经公开 发表或未公开发表的成果。本声明的法律责任由本人承担。 学位论文作者签名： 亟氧 学位论文版权使用授权书 本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学 位论文的规定，即：大连海事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。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。同意将本学位论文收录到中国优秀博硕士 学位论文全文数据库( 中国学术期刊( 光盘版) 电子杂志社) 、中国学位论 文全文数据库( 中国科学技术信息研究所) 等数据库中，并以电子出版物形式 出版发行和提供信息服务。保密的论文在解密后遵守此规定。 本学位论文属于： 保密口在年解密后适用本授权书。 不保密形( 请在以上方框内打“4 ”) 一：能气名：秀泣 日期。一年。6 月弘日 虹膜图像质量评估方法的研究 第1 章绪论 1 1 课题研究背景及意义 生活在一个高度信息化的现代社会，身份鉴别已经渗透到人们日常生活的每 一个方面。传统的身份识别方法主要是基于身份标识物品( 如身份证、信用卡等 各种证件) 和身份标识知识( 如用户名称和密码等各种隐私权限) 。这两者都存 在着一定的缺陷：基于身份标识的物品容易丢失而且更容易被伪造，基于身份标 识的知识容易被遗忘或者是记错，更为严重的是：传统身份识别系统往往无法区 分标识物品真正的拥有者和取得标识物品的冒充者，一旦他人获得标识物品，就 可以拥有等同的权力，后果将不堪设想。一些调查数据显示【l 】，每年由于标识物品 的丢失和标识知识的遗忘而造成的损失数量是非常惊人的，传统的身份验证体系 面临着前所未有的巨大挑战。 由于人的身体特征具有不可复制性、唯一性、普遍性和稳定性等特点，从而， 基于人体生物特征的识别技术逐渐兴起。生物特征识别是依据人类自身所固有的 生理或行为特征( 统称为生物特征) 而进行的一种识别技术【2 。3 】，如：指纹、声音、 d n a 等与生俱来的终身难以改变的生理特征以及笔迹、步态等后天形成的行为特 征。与传统的身份鉴别方法相比，生物特征识别具有无需记忆、防伪性能好、不 易伪造或被盗等优点。而虹膜识别与指纹识别、d n a 识别、脸型识别、声音识别、 笔迹识别等方法相比，具有一些独特的优点【4 】：( 1 ) 虹膜是外部可见的，无需接 触，就可以在一定距离内通过数字摄像机等采集设备来获取，但是它又位于角膜 和水样液之后，被高度保护，不可能通过外科手术来改变其纹理特征；( 2 ) 虹膜 也不会因为一般的疾病使自己的纹理信息特征产生损伤；( 3 ) 人的虹膜纹理图像 各不相同，即使同一个人的左右眼，其虹膜纹理也不相同，更不可能将一个人的 虹膜组织特征改变的与某个特定对象相同；( 4 ) 虹膜图像具有高度的活体检测性， 因为眼睛中的瞳孔具有伸缩、扩张等动态特性，较指纹图像的活、死体不变性具 有不可比拟的优势；( 5 ) 虹膜结构具有与生俱来的极坐标几何特性，为虹膜研究 第l 章绪论 提供了天然的极坐标系统。出于捌有这些独特的优点虹膜识别已经引起科研工 作者和企业家的广泛关注，成为生物特征泌别系统中的一个研究热点和重点。 在自动虹膜识别系统中，需要经历虹膜图像采集、图像质量评估、图像预处 理、特征提取、模式匹配血个过程。i h 于采集图像时对被试者不存在侵犯性，通 常聚集得到的虹膜图像不仅仅包含虹膜，还包含其它部分，比如：面部、瞳孔、 巩膜、眼睑、眼睫毛等等，如图l1 所示。山于眼睑、眼睫毛等往往会遮挡住虹膜 的部分有效区域所以会对虹膜识别的准确率产生影响。 目前，国内外有很多学者在虹膜泌别研究中取得了一定的成果，但是在识 别速度和准确率方面，很难做到两全其美，即速度的提高是以牺牲识别准确率为 代价、准确率的提高是咀牺牲识别速度为代价的，如何既能提高速度又能提高准 确率成为虹膜识别技术的瓶颈问题。而虹膜图像质量评估对于识别速度和准确率 的提高，以及虹膜采集系统的自动化具有很好的现实意义。因此，采集图像后， 虹膜图像的质量评估就成为虹膜识别技术中非常重要的环节之一，具有很高的研 冗价值。 2 国内外研现状 觯 圈l1 虹膜图像样本 f i 9 1t t i l es a m p l eo f i r i s i m a g e 21 虹膜识别的国内外研究现状 1 9 3 6 年，眼科专家f r a n kb u t c h 指出虹膜具有独特的信息，口佣于身份口 别 一r 虹膜图像质量评估方法的研究 但是直到2 0 世纪9 0 年代，它还仅仅停留在科幻小说和猜想阶段。1 9 9 4 年剑桥大 学j g d a u g m a n 教授提出了一个完整的虹膜识别算法和识别的原型系统，这才是 真正意义上的虹膜识别快速发展的阶段。 j g d a u g m a n 教授提出了基于虹膜g a b o r 特征及粗相位量化的虹膜识别算法 【5 】，该算法在国内外都比较流行，因为它是现今国内外大多数虹膜识别算法和识别 的原型系统。j g d a u g m a n 教授所提出的算法的具体内容是：首先，获得虹膜内、 外边界的灰度阈值；然后，利用圆探测法获得虹膜内、外圆的坐标和半径等参数， 并利用坐标变换来实现虹膜图像的归一化；接下来利用极坐标系中的二维连续 g a b o r 复小波变换和粗相位量化提取虹膜纹理特征的相位信息以构造二进制的虹 膜特征码；最后，对二进制特征码采用异或运算计算海明距离，同时基于统计独 立性的实验结果做出分类决策。作为第一个虹膜识别算法和识别的原型系统，它 最突出的优点在于可以达到很高的识别率，但是该算法对虹膜图像的质量要求较 高，需要虹膜图像具有清晰的内边缘和外边缘，而且不能有过多过亮的反射亮斑， 但是当时大多数虹膜研究专家都忽略了这个问题。而且，该算法并没有解决虹膜 识别过程中所出现的旋转、平移和缩放等不变性问题，只是利用实验统计数据忽 略了它，因为，虹膜纹理信息特征具有极大的冗余性。但是，当虹膜样本库中的 样本数非常巨大以至于不能依靠冗余来忽略它时，就会极易造成识别率的骤然下 降。 美国m i t 的r p w i l d e s 提出了一种不同的算法 f i 。该算法是：首先，分析原 始虹膜图像的灰度分布，并进一步确定边界灰度的阈值；然后，依据上一步的结 论对图像进行二值化处理( 在这个二值化的区域内，白色用l 来表示，黑色用0 来表示) ；最后，利用基于梯度的边缘检测手段，并结合h o u g h 变换来得到虹膜 的内、外圆坐标和半径等参数，分割出虹膜；在提取虹膜纹理特征时，该算法利 1 2 用一( 1 一告) p 陀，滤波器，对图像进行不同分辨率下的四级拉普拉斯金子塔 氕g己o 式分解，得到四幅分解后的图像，把拉普拉斯金子塔式分解所得的系数作为纹理 信息特征的表征，再对此系数进行归一化处理，即把每级拉普拉斯金子塔式分解 第1 章绪论 的归一化系数以8 8 为单位，把其中值作为该单位的特征系数，经过这样的处理 后就可以得到四级特征值：最后依靠f i s h e r 线性判别器来做出判别决策。该方法 充分利用了虹膜的纹理和边缘信息，而且图像配准技术有效地解决了图像的尺度、 平移和旋转不变性问题，但该方案比较繁琐，计算量较大，不易于实际操作，侧 重于学术研究。 在国内，虹膜识别的研究工作虽然开始得相对较晚，没有国外的虹膜市场成 熟，但是也取得了一定的成就，一些科研研究所和高校投入了大量的物力和人力 进行虹膜识别技术的研究，如中国中科院自动化所、华中科技大学、浙江大学等 都对虹膜识别技术有一定程度的研究。 中科院自动化所模式识别国家重点实验室，在2 0 0 0 年成功开发出具有自主知 识产权的虹膜识别原型系统。他们还利用研制的虹膜图像获取装置，建立和共享 了用于科学研究的虹膜数据库c a s i a 虹膜数据库。 上海交大电子工程系徐国治等人采用了基于加权海明距离的识别技术【7 1 以及 有限变形相似度【8 】算法，提出了能量编码【9 】和相位编码，在这个过程中尝试应用了 d a u g m a n 和b o l e s 所提出的虹膜识别技术方法。 电子科技大学李庆嵘等先后利用了灰度投影量的分布特点和变圆模板来分别 进行虹膜的粗定位与精定位，这就是他所提出的一种粗定位与精定位相结合的两 步定位法【i o l 。该算法是先利用灰度投影量的分布特点进行粗定位：再利用变圆模 板精定位。它既提高了准确度和速度，又有效地解决了含有大量脸部区域的虹膜 图像信息处理过程中遇到的困难。 综上所述，虹膜识别技术还处于百花争放的时期，每一种识别方法都有各自 的优缺点，也没有一种是业界公认的通用方法。但不可否认，虹膜识别技术正在 日益走向成熟。 1 2 2 虹膜图像质量评估的国内外研究现状 虹膜图像质量评估是虹膜识别技术中一个十分重要的模块，直接影响到整个 系统的性能，好的虹膜图像质量评估能增强整个识别算法的健壮性。传统的图像 质量评估方法可以分为主观评估方法和客观评估方法。在虹膜识别技术中，一般 虹膜图像质量评估方法的研究 情况下要求对被采集者的限制尽可能小，这个特性要求必须采用客观的评估方法 来评估图像的质量，即虹膜识别系统自动从数字图像采集设备采集的虹膜图像中 挑选一幅质量较好的图像，并实时输出到后续的虹膜识别处理，如果没有挑选到， 就会继续采集，直到挑选好为止。 d a u g m a n n 1 通过计算虹膜图像二维傅立叶谱中的所有高频能量来评估图像质 量。 美国的g u a n 曲u az h a n g 所提出的算法是先完成虹膜的定位，然后在此基础上 把虹膜与瞳孔之间边缘像素梯度的膜除以虹膜与瞳孔之间灰度差作为图像聚焦的 判据1 2 1 。他设置的阈值是0 5 ，即：如果其值大于o 5 ，则虹膜图像为清晰的图像； 如果其值大于0 小于0 5 ，则虹膜图像为模糊的图像。为了增强算法的健壮性，该 算法取阴影区域中梯度最大的2 0 个像素的平均值作为判据的分子。 韩国的g y u n d ok c e 等提出使用三个步骤来评估虹膜图像的质量：首先把图像 分割成m n 个小块，第1 个阶段利用眼睑比虹膜和瞳孔的灰度值高的特点来检 测虹膜图像是否眨眼，没有眨眼的图像视为合格图像的候选者；第2 个阶段利用 瞳孔是眼睛图像中灰度值最低的先验知识将含有瞳孔的图像视为合格图像的候选 者；第3 个阶段采用s o b e l 边缘检测算子获取图像的垂直和水平方向分量的比例， 最后综合上面三个阶段的评估结果来确定这帧图像的质量是否符合标准，进而决 定取舍。 清华大学电机工程与应用电子技术系的陈戟掣1 3 】提出利用小波包来提取虹膜 图像的清晰度特征。与小波变换相比，优点是小波包比小波变换在高频段有更高 的分辨率，从而有更强的分析能力。根据虹膜纹理信息的特点，他提出把高频分 量分布最集中的子频带能量作为虹膜图像质量评估的指标。 中科院的马力【1 4 】提出了与d a u g m a n 相同的频域方法，不仅分析图像在频域上 的高频分量，还分析中频和低频分量，构建了一个清晰度描述因子对虹膜图像进 行评估。 1 3 论文的研究工作及文章结构 第1 章绪论 1 3 1 论文的研究工作 虹膜质量评估是整个虹膜识别系统中重要的一环，虹膜质量评估的引入可以 提高系统性能，大部分虹膜的研究专家都忽略虹膜图像质量的重要性，致使目前 的研究成果很少。部分虹膜研究专家也只是提出了相关的质量评估观点，有的也 提出来部分不太成熟的算法框架，但没有实现，缺乏数据上的证明。基于这种情 况，本文在目前仅有的几种虹膜图像质量评估算法的基础上，提出了一种综合的 虹膜图像质量评估算法，建立了包含大量虹膜图像的数据库，基于v i s u a lc + + 和 m a t l a b 7 平台，对所提出的算法进行了验证。主要做的工作包括以下几个方面： ( 1 ) 虹膜图像的清晰度检测 在其它外在因素的影响下，采集的虹膜图像容易产生模糊，本文在分析现有 算法的基础上，提出运用“拉普拉斯( 8 邻域微分) 算子和”的方法实时判断输入 图像的清晰度，如果被判为模糊的图像，则进一步通过基于拉普拉斯锐化与f f t ( 快速傅立叶变换) 相结合的算法来分析产生图像模糊的原因。 ( 2 ) 虹膜可见度 由于采集过程获取的有效虹膜纹理的多少将直接影响到识别的准确性，因此 本文对虹膜可见度进行衡量。传统方法对可见度这一指标的理解往往局限于目标 区域在整个图像中所占的比重。但是对虹膜识别算法来说，不同位置的虹膜纹理 在识别中所起的作用差别很大。因此，本文虹膜可见度衡量的是有效虹膜区域的 比重，用q 2 - - - k ix k 2 来表示。其中墨表示虹膜比重因子，k 表示瞳孔缩放的评 估因子，q 的值越大，说明有效的虹膜纹理信息越多，图像越有利于后续的识别。 ( 3 ) 虹膜图像的综合质量评估 自动虹膜识别系统需要从拍摄到的图像中挑选相对质量较好的图像，本论文 将虹膜图像清晰度和虹膜图像可见度两个指标综合为个虹膜图像综合质量指标 q ，其定义为：q = 国。q l + 缈：q 2 。其中，q l 和q 2 分别为虹膜图像清晰度和虹膜 可见度质量评估因子，。为q l 因子的权值，彩：为q ：因子的权值。q 指标能够很 好地体现虹膜图像质量同q l ，q 2 的变化关系，并且计算简单，易于实现。 虹膜图像质量评估方法的研究 1 3 2 论文的结构 本文按照以下几个方面进行了组织安排，具体地说，本文共分5 部分进行相 关阐述，各章内容安排如下： 第l 章绪论，介绍了虹膜图像质量评估算法的研究背景、目的和意义，并归 纳了虹膜图像质量评估算法和虹膜识别技术在国内外的研究现状，最后说明了论 文的研究内容及文章结构。 第2 章虹膜识别技术，介绍了虹膜识别技术的简介、虹膜图像的采集、虹膜 图像的质量评估、虹膜图像的预处理、虹膜图像的特征提取和模式匹配五个部分。 在虹膜图像预处理中，介绍了虹膜定位、眼睑定位、虹膜的归一化和虹膜图像增 强四个部分，并进行了程序实现。由于虹膜定位是虹膜图像预处理过程中的重要 环节，因此，在已有模型和算法的基础上，提出了一种快速有效的虹膜内、外圆 定位算法。最后，对虹膜归一化和虹膜图像增强也进行了深入的研究。 第3 章图像质量评估方法，主要介绍了图像质量评估方法的分类，分为主观 质量评估和客观质量评估两种方法，而客观质量评估又分为传统的质量评估方法 和新兴的质量评估方法，并对各种方法进行了详细的描述。 第4 章虹膜图像的综合质量评估，介绍了虹膜图像的质量评估指标，提出了 虹膜图像清晰度和虹膜可见度质量评估因子，得出虹膜图像的综合质量评估，最 后进行了程序实现。如果在虹膜图像清晰度质量评估中被初判为模糊的图像，可 以通过拉普拉斯锐化与f f t 相结合算法来分析产生图像模糊的原因。 第5 章对本文的总结和展望，总结了工作中取得的成绩及不足，并对下一步 的工作提出新的目标。 第2 章虹膜氓别技术 第2 章虹膜识别技术 21 虹膜的结构特征 21 1 虹膜的结构 虹膜位于眼睛图像的瞳孔与巩膜之间( 如图21 所示) ，是一种在瞳孔外的织 物状环状物。从外观上柬看，眼睛包含三个部分，即：瞳孔、虹膜和巩膜1 1 5 1 。瞳 孔是眼睛图像中的中心部分，约占总面积的5 。而且其扶度值最低( 通常在5 0 左右) ；巩膜就是眼睛图像中的白色部分，约占总面积的3 0 ，一般情况下，其 灰度值最高；虹膜位于巩膜和瞳孔之间，约占总面积的6 5 ，它欢度值也介于瞳 孔和巩膜之间，而且含有极其丰富的可用于识别的纹理信息特征。虹膜内部组织 细节丰富，且包含有丰富的色素细胞，当外部光线照射眼睛时，虹膜就会呈现不 同的颜色，这是因为不同人的色素细胞对光的吸收率不同。但对同一国家的人柬 讲，虹膜就具有十分相近的颜色( 如中国人的虹膜都呈现深褐色) 。从识别的角 度来说虹膜的颜色信息并不具有广泛的区分性。虹膜表面高低不平坦( 近瞳孔处 该现象特别叫显) ，从总体上来看由里到外呈现出放射状结构，在这一结构中包含 有许多相互交错的类似于斑点、细丝、冠状、隐窝等形状的细微特征( 如图22 所 示) ，通常这些细微的特征被称为虹膜的纹理特征。这一结构的形成取决于虹膜形 成之前和虹膜发育期间的胚胎环境【】，可以说自然界没有完全相同的胚胎环境， 因此虹膜的纹理特征体现了虹膜的唯一性。 ，虹膜 图2 1 虹膜的位置 f i g 2 1 t h e l o c a t i o no f 艄s 由t 膜图像质苗评估方法的研究 裁 弼 陶22 虹膜纹理特征 f i g22 t h e f e a t u r e o f i f i sv e i n s 总体来说，虹膜由6 u 到后可分为5 层： f 1 ) 内皮细胞层，与角膜内皮细胞相连续。 r 2 ) 前界膜，含有多数色索细胞，无血管。 r 3 ) 基质层由疏松结缔组织构成内古丰富的血管、神经，还有色素细胞 和瞳孔括约肌。瞳孔括约肌为平滑肌，位于基质后部，靠近瞳孔边缘。 ( 4 ) 后界膜，由一簿层平滑肌纤维构成，称瞳孔，r 大肌。其外侧和睫状体相连， 内侧和瞳孔括约肌相连。 ( 5 ) 后p 应层，由睫状体l 皮层延续而柬，共两层，均台有黑色素。自口层为扁 平棱形细胞，后层为多边形细胞。 212 虹膜的生物特征 因为虹膜具有如f 的生理和医学特征l ”l ，所以虹膜可以用于身份识别。 ( 1 1 虹膜组织细节丰富； ( 2 ) 虹膜组织细节的形成与胚胎发牛阶段的环境有密切关系，虹膜组织细节的 形成具有极大的随机性： ( 3 1 虹膜组纵特征具有终身不变性； ( 4 ) 不可能通过外科手术改变虹膜特征，因为这样做会有失明的危险，更不可 能将卟人的虹膜组织特征改变的与某特定对象的特征相同； r 5 、一般疾病不会使虹膜的组织产生损伤； 答甏 第2 章虹膜识别技术 ( 6 ) 虹膜具有较强的生物活性，即瞳孔的缩放使虹膜具有活体组织的显著特 征； ( 7 ) 虹膜识别速度最快。 虹膜是外部可见的，但是由于虹膜位于角膜之后，他又同时属于内部组织， 如果想要通过手术修改虹膜其难度和危险度都很大，最重要的是还要冒着视力受 到损伤的危险。由此可知，虹膜具有的稳定性和不可更改的特点，是虹膜可用作 身份识别的前提条件。虹膜的纹理具有独特性和稳定性，这个观点有两个依据： 第一个依据来源于临床医学 1 7 1 。眼科医生和解剖学家发现，即使对于同一个人的 左右两眼来说，虹膜的细微纹理差异也是很大的，而且在童年之后，虹膜的纹理 变化非常小；第二个依据来源于发育生物学 1 8 】【1 9 】。生物科学家们发现，虽然一个 虹膜的整体框架取决于基因，但是虹膜的一些细微纹理和早期的发育环境有密切 关系，例如胚胎时期的内环境就对虹膜的细微纹理有重要影响。 2 2 虹膜识别技术 2 2 1 虹膜识别系统简介 生物识别技术是以图像处理为主，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。虹膜识别一般由五个部分组成：虹膜图像采集、虹膜图像 质量评估、虹膜图像的预处理( 虹膜定位、眼睑检测、归一化、图像增强) 、特 征提取和模式匹配。虹膜识别技术首先用数字摄像机捕获登录者的眼睛图像，然 后对所捕获的图像进行质量评估，看是否适合后续的识别处理，如果合适就进行 虹膜图像预处理( 包括虹膜定位，眼睑检测、归一化，图像增强) 以提取出虹膜 图像，然后提取其唯一的纹理信息特征并且转化成能够识别的编码，并进一步将 这些编码组成特征模板。在识别身份的时候，识别系统获取其特征模板并与数据 库中已经存在的模板进行比较，如果匹配，就接收该人，如果不匹配，就拒绝该 人。虹膜识别过程如图2 3 所示： 虹膜图像质量评估方法的研究 l 存储的参考编码 图像预处理 蕈 特征提取 l 获得的识别编码 图2 3 虹膜识别过程 f i g 2 3t h er e c o g n i z ep r o c e s so fi r i s 2 2 2 虹膜图像的采集 虹膜图像的采集是采用数字摄像机等输入设备来实现的。这些图像输入设备 将影像光学灰度信号转换为模拟电信号，并经模拟信号数字信号转换器变换为数 字图像信号。一般要求转换的电信号噪声小、分辨率高、线性度好、转换速度快， 第2 章虹膜识别技术 但是虹膜面积很小，眼睛又是人体中极为敏感的部位，无法承受强光的照射。因 此，要获得高质量的虹膜图像，就需要有专业的设备和认真的操作，而且在摄取 图像时，要注意以下几点：一、保证图像具有足够高的分辨率和清晰度，在必要 的情况下，可以加入辅助光源，如红外线；二、需要保证摄取的虹膜图像的对比 度好，光照既充足又不会使人眼不舒服；三、在摄取过程中，镜片的反光，光学 上的色差等人工因素要尽最大程度避免。 ( 1 ) d a u g m a n 图像采集系统利用3 3 0 m m 透镜在距离被采集者1 5 4 6 c m 处采集， 采集到的图像包含虹膜直径在1 0 0 2 0 0 p i x e l 范围内。 ( 2 ) w i l d e s 图像采集系统利用8 0 m m 透镜在距离被采集者2 0 c m 处采集，采集 到的图像包含虹膜直径大约在2 5 6 p i x e l 。 ( 3 ) 美国著名的虹膜识别公司l g e 新近研发了虹膜门禁系统 2 0 l ，它由虹膜识 别器、虹膜注册单元、虹膜控制器、图像采集卡、管理软件五部分组成。被采集 者在距离摄像机3 1 0 英寸左右( 约7 5 - 2 5 c m ) 时看一眼镜头，摄像机即可捕捉到被 采集者的虹膜影像。 ( 4 ) 韩国s h i n y o u n gl i m 2 1 】利用两个含卤素的灯作光源，这两个灯分布在c c d 镜头的两侧，可以减少光源反射的影响。 ( 5 ) 新加坡e r i cs u n g 2 2 】提出非协作式虹膜采集的思想，它利用镜头将图像按 照视频图像进行采集，实现实时虹膜角点跟踪，并能在序列图像中寻找到最佳虹 膜图像。 ( 6 ) 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，在2 0 0 0 年该所设计出了拥有自主知识产权的虹膜采集装置【2 3 】。 ( 7 ) 目前，从事虹膜图像采集技术研究的公司很多，如韩国的l g 公司、英国 的电信公司、o k i 公司、日本松下公司和美国i r i d i a nt e c h n o l o g i e s 公司，并且成功 研制出自动虹膜图像获取装置，其适用于不同应用的远距离( 2 0 5 0 c m ) 【2 4 】。 2 2 3 虹膜图像的质量评估 目前，研究虹膜识别的专家都很少注意到虹膜图像的质量评估，但是虹膜图 像的质量评估会对整个系统的性能与健壮性产生影响，如：它不仅影响后续的识 虹膜图像质量评估方法的研究 别处理能否继续，而且影响所提取的虹膜纹理信息和编码是否准确、有效，进而 在一定程度上决定着系统识别结果的正确与否。系统先对采集的图像进行虹膜定 位，然后提出了两个指标，即虹膜图像清晰度和虹膜图像的可见度来评估图像的 质量，为了提高自动虹膜识别系统中图像筛选的速度，将上述两个指标综合为“虹 膜图像综合质量评估 指标。评估结果符合质量要求的图像才允许进入后续的识 别处理，如果被评估的图像不符合质量要求，则要求进行相应地调整后再重新采 集。因此，在一定程度上可以降低系统的“错误接受率和“错误拒绝率 ，还 可以大大降低系统处理虹膜图像的复杂程度，从而使得系统更加稳定、健壮。具 体的虹膜图像质量评估方法将在第4 章进行详细的论述。 2 2 4 虹膜图像的预处理 通过图像采集设备采集到的虹膜图像不仅仅包含虹膜，往往还包含眼睛的其 他部分，比如眼睑、眼睫毛、巩膜、瞳孔等。在虹膜图像的采集过程中，由于各 种不确定的外在因素，拍摄到的虹膜图像有可能会发生很大的变化，如：光照条 件的不均匀会引起虹膜图像亮度出现不均匀分布，采集距离的变化也可能导致虹 膜在图像中的位置和大小发生变化等等。因此，在提取纹理特征之前，必须进行 虹膜图像的预处理来减少上述各种因素所带来的影响。虹膜图像的预处理主要包 括：虹膜定位、眼睑定位、虹膜图像的归一化及增强四个部分。 ( 1 ) 虹膜定位 虹膜定位是虹膜图像预处理过程中的重要环节，因为它不仅决定了后续的识 别处理能否继续，而且决定了所提取的虹膜纹理信息和编码是否准确、有效，进 而直接决定着系统识别结果的正确与否。在现有的采集设备条件下，所采集到的 虹膜图像不可能只包含虹膜，还有可能包含其他部分，如眼睑、巩膜、瞳孔、眼 睫毛等，因而给虹膜准确定位增加了一定的难度。 目前，比较经典的虹膜定位算法是由d a u g m a n 与w i l d e s 分别提出的，该算法 是根据虹膜环形的几何特点，通过h o u g h 变换或者是检测圆形边缘的算子来提取 虹膜的内边缘和外边缘。本文提出了一种利用阈值分割和灰度投影1 0 】算法定位 第2 章虹膜识别技术 内边缘，和利用c a n n y 算子进行边缘检测，再结合h o u 曲变换来定位外圆该方法 不仅不会受到眼腧及眼睫毛遮挡的影响而且还具有很好的定位精度及计算速度。 阈值分割和灰度投影定位内边缘 因为眼睛图像中瞳孔的扶度值最低( 一般情况下，在5 0 左右) ，而虹膜的灰 度值较高，所以较容易找到虹膜与瞳孔之间的边界线，如图2 4 所示：图( a ) 是一 幅虹膜国像，图( b ) 是围( a ) 的从度直方图，从图( b ) 中可以看出有两个峰值，其中 第一个峰值表示的是瞳孔只要在两个峰值之问的咎中选取合适的阐值，就可以 使用二值化的分离方法把瞳孔分离出柬。 0mth 图24 原始瞄像和直方幽 f i g24 t h ee t u d e i m a g ea n d i t sh i s t o g r a m 瞳孔被分离出来之后就可咀采用投影法束定位瞳孔的粗略位置。在这个二 值化的区域内，白色用1 表示，黑色用0 表示。然后将这个矩形区域向水平和垂 直方向投影，投影后就可以找到瞳i l 的中心。向水平方向投影所得到的曲线的最 小值就是瞳孔的纵啦标，向垂直方向投影所得到曲线的最小值就是瞳孔的横坐标， 该计算方法如式( 21 ) ： “”一。f i n d ( 曲”m 8 ”y2 ”i “( ，) ( 21 ) c e n l e r y = f i n d ) w h e r ex = m i n ( x ) 在实际测试过程中，由于受噪声等因素影响，获得的晟小值通常不止一个， 这说明获得的c e n t e rx 足个向量。对于这种情况，本文采用所有最小值对应位置 的平均值作为得到的c e n t e rx 和c e n t e ry 。这样，就可阻粗略得到圆形瞳i l e o 心 霸 虹膜图像质量评估方法的研究 的位置。接下来求瞳孔的半径：根据圆的最长弦是直径这一特点，本文先在水平 和垂直方向进行扫描，累计出来每一列和每一行中灰度值为零的像素的个数，然 后分别取一个最大值，并予以比较，将其中较小的一个值除以2 ，所得到的数值就 是瞳孔的半径，即虹膜的内边缘半径。 瞳孔具有对称性，而且其圆心、质心和中心都位于同一点，因为它形状是圆 形的。根据这个特点以及前面粗略得到的瞳孔中心位置及半径，就可以粗略定位 瞳孔所在的区域，在这个区域内用求质心的方法精确定位瞳孔的中心。瞳孔质心 的横、纵坐标可由公式( 2 2 ) 求得： j ，p ( x i ，y ，) p u p i l 一舻鼍老万一 z p ( x i ，y ，) = 1 ，= 1 ( 2 2 ) 2 r l e n l n x i p ( x i ，y j ) p u p i l y = 鼍尝矿一 p ( ，y ) 其中，p u p i l x 为瞳孔质心横坐标；p u p i l y 为瞳孔质心纵坐标；r o 为瞳孔半 径；p ( ，y ，) 为坐标( ，y ，) 处的灰度值；l e n ( i ) 为第f 行的列数，即第f 行的像素数； 2 r l e v i )2 r l e 矗n 如，乃) = 如，乃) l e n ( j ) 为第列的行数，即第列的像素数；问芦 闩瑚 为瞳孔图 像灰度值总和。内圆定位结果如图2 5 所示： 第2 章虹膜识瑚技术 叠2 西篷芝要、鼍 n l j 凹25 原始幽像利内吲定位图像 f l g2 5t h ec r u d e i m a g ea n d i t s m n 盯c i r c l e i o c a l i z a f i o n 虹膜外圆定位 虹膜外边缘的定位难度比瞳孔定位的难度大，因为虹膜与巩膜的分界线不明 显，并且虹膜外边缘窑易受到眼睫毛和眼睑等噪声的干扰，所以在边缘提取时不 能用简单的算子进行操作，边缘提取后也：；1 _ = 能用简单的几何方法定位。 1 1 边缘检测算予【2 6 1 边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包括方 向的确定。有若干种方法可以使用，其中大多数是基于方向导数模板求卷积的方 法。最基本的一类边缘检测算子是微分算子类，包括：梯度算子、r o b e r t 梯度算 子、p r e w i t t 算子、s o b e l 算子和c a n n y 算子。其中，s o b e l 、r o b e r t 等属于非线性 算子，很难完全检测出复杂和细节较丰富图像的边缘。c a n n y 算子有良好的信噪比、 优良的定位性能和对同一边缘仅有唯一响应。c a n n y 算子方法的实质是用一个准高 斯函数做平滑运算，然后用带方向的一阶微分算于来定位导数最大值，它可用高 斯函数的梯度来近似，在理论上很接近4 个指数函数线性组合形成的边缘算子。 边缘的种类可以分为两种，一种称为阶跃性边缘，它两边的像素的扶度值有 着显著的差异；另一种是屋顶状边缘，它位于扶度值从增加到减少的变化转折点。 根据此定义虹膜图像属于典型的阶跃状边缘采用一阶微分算子进行检测效果 更好。虽然s o b e l 算子简单、计算速度快，但是容易受到噪声的干扰检测出虚假边 缘，同时也没有考虑到图像自身的特点。此外，使用s o b e l 检测算子时还需要确定 一个合适的门限值，而该门限值的确定是非常困难的，因为门限定的过高，就会 虹膜图像质量评估方法的研究 丢失一些重要边缘信息；门限定的过低，就会产生一些虚假