（计算机应用技术专业论文）虹膜识别中预处理算法的研究与实现.pdf

中文摘要 i | 1 i i 中文摘要 基于虹膜的生物特征识别技术具有识别精度高、无法伪造以及非侵犯性等优 点，在门禁系统、海关出入境、机场和金融等许多领域中具有广泛的应用。现代 虹膜识别系统为了适应各种复杂的应用场景，应对用户有尽可能小的约束，使用 户感觉不到系统的存在，因此远距离、运动中虹膜识别成为必然的发展趋势。然 而在复杂的应用场景中采集的虹膜图像包括各种干扰或者噪声，如头部偏转，眼 睛半闭或全闭，头发、睫毛和眼睑遮挡，散焦和运动模糊，光学眼镜、隐形眼镜 干扰等。论文主要研究和解决在这些干扰和噪声情况下的虹膜图像的预处理问题， 包括虹膜内外轮廓定位、上下眼睑检测、闭眼判断和高亮点去除等。 论文提出了一种渐进的方法检测虹膜外轮廓，该方法通过基于机器学习的人 眼检测器和图像分割结合霍夫变换由粗到精地确定眼睛的位置，在眼睛区域内通 过改进的基于圆的h o u g h 变换定位虹膜外轮廓。采用一种反馈机制判断虹膜外轮廓 的定位是否准确，对于不准确的情况采用基于颜色信息的方法对虹膜外轮廓进行 二次定位。提出了两种方法检测上眼睑：即基于约束的积分微分算子和一维信号 检测相结合的方法，以及基于r a n s a c ( r a n d o ms a m p l ec o n s e n s u s ) 算法和最小 二乘拟合相结合的方法。这两种方法能够处理眼睛旋转情况下的眼睑检测问题。 论文还提出一种判断闭眼图像的方法，该方法采用边缘检测和连接、图像膨胀和 抛物线拟合等技术，通过判断抛物线开口方向判断闭眼图像。另外论文还提出了 一种基于直方图分析的方法去除虹膜内部的高亮点。 在前述算法的基础上构建了一个鲁棒的虹膜分割系统。采用两种方法验证该 系统的性能：一种是基于虹膜识别的方法，另外一种是将虹膜分割结果直接与真 值比较的方法。该系统参加了2 0 0 8 年举行的虹膜分割国际竞赛( n i c e i ) ，在来自 3 5 个国家和地区的9 7 支参赛队伍中取得了第四名的好成绩。 关键词虹膜分割；虹膜识别；积分微分算子；h o u g h 变换；r a n s a c 算法 a b s t r a c t i r i sb a s e db i o m e t r i cr e c o g n i t i o nh a sa d v a n t a g e so fh i g hr e c o g n i t i o nr a t e ，b e i n g u n a b l et ob ef o r g e da n dn o n - i n t r u s i o n ，a n dt h e r e f o r eh a sw i d e s p r e a da p p l i c a t i o n sm e n 廿a n c eg u a r ds y s t e m s ，c u s t o m s ，a i r p o r t sa n df i n a n c ei n d u s t r ye t c t ob es u i t a b l ef o r d i 腩r e n ts c e n a r i o s ，m o d e mi r i sr e c o g n i t i o ns y s t e m ss h o u l dr e q u i r et h ec o l l a b o r a t i o no f t h es u 切e c t sa sl e a s ta sp o s s i b l es ot h a tt h e ym a yb eu n c o n s c i o u so ft h ee x i s t e n c eo f t h e s y s t e m h e n c e ，r e c o g n i t i o n - a t - d i s t a n c e a n d r e c o g n i t i o n o n 。m o v e b e c o m ev e r y i m p o r t a n ta n da r ef u t u r et r e n d s u n f o r t u n a t e l y ，i r i si m a g e sc a p t u r e di nt h e s ec o m p l e x s c e n a r i o si n v o l v ed i f f e r e n ti n t e r f e r e n c ea n dn o i s e ，s u c ha sr o t a t i o n , c l o s e d 。e y e , a n d o c c l u s i o no ft h eh 毗e y e l a s h e sa n de y e l i d s ，d e f o c u s i n ga n dm o t i o nb l u r ，g l a s sa n d c o n t a c tl e l l s e s t h et h e s i sf o c u s e so np r e p r o c e s s i n go ft h ei r i si m a g e si nc h a l l e n g i n g c o r n i t i o r l s i n c l u d i n gl o c a l i z a t i o no ft h ei n n e ra n d o u t e ri r i sb o u n d a r i e s ，l o c a t i n go ft h e u p p e ra n dl o w e re y e l i d s ，c l o s e d - e y ed e t e r m i n a t i o na n dh i g h l i g h tr e m o v a l t h et h e s i sp r o p o s e sa ni n c r e m e n t a lm e t h o df o rl o c a l i z i n gt h el i m b i cb o u n d a r y ， w m c hd e t e r m i n e st h er o u g he y ep o s i t i o nu s i n gt h ee y ed e t e c t o r sb a s e do nm a c h i n e l e a l 咖ga n dt l l e nf i n e st h i sp o s i t i o nu s i n gi m a g es e g m e n t a t i o np l u sh o u g h t r a n s f o r m ， a n df m a l l v1 0 c a t e st h el i m b i cb o u n d a r yw i t ha ni m p r o v e dc i r c u l a rh o u g h t r a n s f o r m a f e e d b a c ks c h e m ei sa d o p t e dt od e t e r m i n ew h e t h e rt h el i m b i cb o u n d a r yl sa c c u r a t e ，a n d o t h e r 、访s e am e m o db a s e do nc o l o ri n f o r m a t i o ni s u s e dt ol o c a l i z ei ta g a i n a f t e r l o c a l i 血gt h el i m b i cb o u n d a r y ，t w oa p p r o a c h e sa r ep r o p o s e df o re y e l i dd e t e c t i o n ：t h e f i r s to n ec o m b i n e sc o n s t r a i n e di n t e g r a l d i f f e r e n t i a lo p e r a t o ra n do n e 。d i m e n s i o n a ls i g n a l d e t e c t i o n a n dt h es e c o n dc o i i 】【b i r l e sr a n s a c ( r a n d o ms a m p l ec o n s e n s u s ) w i t h t h e l e a s ts q u a r ef i t t i n g b o t hm e t h o d sc a l ll o c a t et h ee y e l i d st h a ta r er o t a t e d a na p p r o a c n f o rd e t e r m i n i n gt h ec l o s e d e y ei m a g e si sp r o p o s e d ，w h i c hu s e st e c h n i q u e s o fe d g e ( 【e t e c t i o na i l dl i r 墩，i f n a g ed i l a t i o na n dp a r a b o l af i t t i n ga n dc h e c k sw h e t h e r t h ep a r a b o l a o p e n st ot h et o p i na d d i t i o n ，t h eh i g m i g h t i sr e m o v e db ya n a l y z i n gt h eh i s t o g r a mw 1 钍1 m t h ei r i sr e g i o n ar o b u s ti r i ss e g m e n t a t i o ns y s t e mi sc o n s t r u c t e do nt h eb a s i so ft h ea p p r o a c h e s i i a b s t r a c t i i l l 一 - i l i_ i i i p r e v i o u s l yd e s c r i b e d t w om e t h o d sa r ea d o p t e df o rv a l i d a t i n gt h es y s t e m ：o n ei sb a s e d o ni r i sr e c o g n i t i o n ；t h eo t h e ri st oc o m p a r es e g m e n t a t i o nr e s u l t s 、历t ht h eg r o u n dm a t h w ep a r t i c i p a t e di nt h ei n t e m a t i o n a li r i ss e g m e n t a t i o nc o n t e s t ( n i c e i ) i n2 0 0 8 ，a n d w e r er a n k e dn o 4a m o n ga l l9 7r e s e a r c ht e a m sf r o m3 5c o u n t r i e so rr e g i o n s k e y w o r d si r i ss e g m e n t a t i o n ；i r i sr e c o g n i t i o n ；i n t e g r a l - d i f f e r e n t i a lo p e r a t o r ；h o u g h t r a n s f o r m ；r a n s a ca l g o r i t h m - i i i 黑龙江大学硕士学位论文 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，也不包含为获得墨蕉堑太堂或其他教育机构的 学位或证书而使用过的材料。 学位论文作者签名：函l 狨 签字日期：砂矿罗年月7 口日 学位论文版权使用授权书 本人完全了解墨蕉江太堂有关保留、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 人授权墨蕉堑盔堂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、缩印或其他复制手段保存、汇编本学位论文。 学位论文储签名：动1 孜导师签名：疹眸 签字日期：卯歹年 夕月f 。e t签字日期：酏夕年石月日 学位论文作者毕业后去向：黑五矿形墒催件玟亓州鏊 工作单位：里元潮亿木骊砒电话：。配托夕砂矿珂l ：? 弘厂1 啪 通讯地址：黑袁歹柏l 擗斯 传 邮编：f ，弘dd 2 像t 双l 鹕垤术心像叶鹰机 缸神垦 第1 章绪论 第1 章绪论 1 1 虹膜识别技术研究的目的和意义 在高度信息化的现代社会，经常需要验证自己或者其他人的身份，或者确认 某个人是谁以及他是否有某种权力。无论走到哪里人们通常都会随身携带身份证、 工作证、驾驶证、信用卡等证件，还要带上一大串钥匙，并且记住必要的密码等。 以上所描述的是传统的身份认证方法，这些方法存在携带不便、容易遗失、被盗 用或者由于使用过多或不当而被损坏、密码易被破解等问题，然而生物认证技术 可使人们避免这些烦恼和麻烦。 生物认证技术是使用人体本身固有的生理特征( 如指纹、虹膜、相貌等) 或行 为特征( 如书写、声音等) ，通过图像处理和模式识别的方法自动地鉴别个人身份的 技术。人体的生物特征都是生后就具有的，是先天形成的，具有“人各有异、终生 不变、随身携带”三个特点，这三个特点使得它具有稳定、便捷、不易伪造等优点。 纽约的警察局1 9 0 3 年首次使用指纹对犯人进行定罪【l 】，起到了很好的效果，后来 又出现了更多的生物认证技术，包括：手形【2 1 、视网膜【3 1 、虹膜 4 1 、脸型【5 】、耳朵【6 7 】、 声音引、签名 9 1 、击键方式【1 0 l 、步态1 1 1 、d n a l 4 i 、气味1 2 , 1 3 】、手部静脉和脸部温 图谱【2 l 等方法，而虹膜生物认证技术以其独有的特征成为一种重要的身份认证技 术。 1 1 1 虹膜的物理结构及特点 眼睛的外观图由瞳孔、虹膜、巩膜三部分构成，如图1 1 、1 2 所示。眼睛中 心深色的圆形区域是瞳孔，约占5 ：眼睛外围白色部分是巩膜，约占眼睛的3 0 ； 虹膜是瞳孔和巩膜之间的圆环形区域，约占眼睛的6 5 ，表面高低不平，有皱纹 和凹陷。由于虹膜内血管分布不均，虹膜表面出现许多放射形条纹构成了虹膜的 纹理信息，虹膜识别就是使用这些纹理信息进行身份识别。 墨銮三銮茎彗圭兰垒鲨兰 图1 - 1 虹膜正面视图 f i g u r el - 】i r i si m a g e 巩滕 睫抗g 幽1 之虹膜内部结构 f i g u r e1 - 2 t h e i n n e rs t r u c t u r e o f t h e i r i s 目前医学、遗传学理论认为正常情况下虹膜具有终身不变的稳定性，并且每 个人都是唯一的。终生不变。人类的虹膜具有以下特点： 1 、具有丰富的纹理信息。这些纹理信息是因人而异的固有特征即使同卵双 胞胎也不存在特征相同的实际可能性，同一个人的左右两只眼睛细节特征也不同。 2 、具有天然的保护特性。虹膜固有的结构使得它与外界隔绝，不会轻易受到 外部环境的伤害，从而减小了因外伤破坏而无法进行虹膜识别的情况发生。 3 、有较高的防伪性。除非冒着极大失明的危险，否则通过外科手术改变虹膜 结构几乎不可能。 4 、有活体检测特性。瞳孔边缘随外界光照而发生缩放，因此在虹膜识别过程 中必须考虑虹膜的伸缩形变。 5 、具有非接触性。在识别过程中获取虹膜图像很容易，不需要和被识别者物 理接触，所以也不会造成物理损伤。 一些专家指出，世界上某两个指纹相同的概率极其微小，而两个人的虹膜一 模一样的情况几乎没有，因此虹膜识别被认为是最好的生物识别技术之一。 第1 章绪论 1 1 2 虹膜识别系统的应用 虹膜识别是一种新型的具有极高准确性的生物特征识别技术，统计表明虹膜 识别的准确性是各种生物识别技术中最高的。虹膜识别具有广阔的市场应用前景， 在金融、电子商务和安全保卫等方面得到广泛的应用【”】，如图1 3 所示，图a ) 表 示矿用虹膜识别考勤系统图b ) 表示虹膜门禁，图c ) 表示一个手持式虹膜识别仪。 磁酉边 a 】 b j c 】 图l - 3 虹膜识别系统的戍州 f 蟾u m1 0 t h ea p p l i e a t l o no f t h e i r i sr e c o g n i t i o ns y s t e m 在金融业，各种冒名顶替、以假乱真、伪造欺骗的事件时有发生，给金融 机构、企业造成极大损失。虹膜识别系统的应用使得这种不良行为大大减少。 1 、i n t e m e t 的迅速发展，电子商务成为一种潮流，这种开放的信息系统却带来 了众多的潜在安全隐患，黑客和反黑客、破坏和反破坏斗争不断出现。基于虹膜 识别技术的身份认证系统能保护网络客户的身份，对电子商务和网络安全起到重 要作用。 2 、安全保卫方面，基于虹膜识别的身份认证系统也有着广泛的应用价值。虹 膜识别的使用极大保障了人们生活的方便性和安全性。电话付费不用现金，不需 要记住信用卡、身份证号码等，这使得已承受各种生活压力和工作压力的人们从 许多日常琐碎的事情中解放出来。出门不需要带驾照、身份证，无票旅行和定期 往返，这是现代社会发展的趋势。 美国是最先研究虹膜识别的国家，其成型的产品已经应用在机场、金融部门 等领域。2 0 0 0 年中期，美国设计的“虹膜通行证”开始在机场启用。美国名为“虹膜 扫描”的高技术公司研制出的虹膜识别系统已经应用在美国得克萨斯州联台银行 黑龙江大学硕士学位论文 的3 个营业部，n c r 公司和迪堡( d i e b o l d ) 公司也有类似的产品得到应用。英国维 珍大西洋航空公司和e y e t i c k e t 公司在伦敦希思罗机场采用j e t s t r e a m 虹膜识别技 术大大地缩短了航空公司的护照检查时间。 虽然中国的虹膜识别技术起步较晚但发展迅速，中国科学院自动化研究所建 立了中科膜识科技有限公司( 中科院自动化所下属) 。该公司成立于2 0 0 0 年8 月， 拥有很强的技术实力，也是世界上第二家拥有核心算法的虹膜识别设备企业( 另一 家为美国的i r i d i a n 公司) 。而在硬件开发上，日本o k i 与中科膜识合作协助生 产辅助硬件。该公司早期致力于金融系统、机场登陆系统、a t m 自动取款机等领 域的研究。由于具备得天独厚的优势( 更适合黑眼睛的中国人使用，成本更低) ，也 没有任何有力的竞争对手，中科膜识的发展速度极为迅猛，完全有机会成为国内 虹膜识别技术领域的领导厂商。而该公司希望能够让虹膜识别技术进一步拓展到 民用市场，如虹膜考勤机、虹膜门锁，甚至可能借助手机摄像头功能实现安全认 证，借助手机进行移动电子商务就成为可能。这些市场都刚刚起步，发展前景极 为广阔。如果中科膜识能够在这些领域获得成功，那么将虹膜技术整合于笔记本 电脑、p d a 等数字设备中将变得轻而易举。 到2 0 0 3 年底，全球虹膜识别技术及相关产品的市场容量将达2 0 亿美元的水 平。中国生物认证中心调查预测：在未来5 1 0 年中，中国虹膜识别的市场就高达 4 0 亿元人民币。随着虹膜识别技术应用面的扩大及在电子商务领域中的广泛应用， 数字将扩大到以千亿计算。可见虹膜识别技术具有广阔的市场前景，同时虹膜识 别技术的研究也具有重大意义。 1 2 虹膜识别技术研究现状及发展趋势 基于生物特征的身份识别思想最早可以追溯到1 9 世纪8 0 年代。1 8 8 5 年， a l p h o n s eb e r t i l l o n 将利用生物特征识别个体的思路应用在巴黎的刑事监狱中。当时 所用的生物特征包括：耳朵的大小、脚的长度、虹膜等。受技术的限制，虹膜识 别主要依据颜色和形状信息，而且信息通过人的观察获取。2 0 世纪3 0 年代中期， 人们开始设想用虹膜来识别身份，但是虹膜识别技术直到9 0 年代才成为现实。1 9 8 7 第1 苹绪论 年，眼科专家s a f i r 和f l o m 首次提出利用虹膜图像进行自动虹膜识别的概念1 6 1 ， 但是他们并没有开发出一个实际的应用系统。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 实现了一个自动虹膜识别系统【1 7 】，这是有文献记载的第一个虹 膜识别应用系统。1 9 9 3 年，剑桥大学d a u g m a n 实现了一个高性能的自动虹膜识别 原型系统1 8 之5 1 。1 9 9 6 年，w i l d e s 研制成功基于虹膜的身份认证系统【2 6 1 。这两种算 法是现在最常使用的两个经典的算法。b o w y e r 等人在文献 2 7 1 q b 对虹膜识别的现 状及发展趋势进行了总结。 国内的虹膜识别的研究始于1 9 9 8 年，中科院自动化所、上海交通大学、浙江 大学和华中科技大学等高校相继开展了这方面的研究。中国科学院自动化研究所 谭铁牛等完成的虹膜图像获取与识别技术获得2 0 0 5 年度国家技术发明奖。该项目 对虹膜图像获取与识别过程中的每一环节都进行了系统深入的研究，谭铁牛等人 也提出了很多优秀的思想【2 8 。0 1 ，并且在2 0 0 8 年举行的国际虹膜分割竞赛中，取得 了第一名的好成绩。 1 2 1 虹膜分割技术研究现状及发展趋势 一个虹膜识别系统主要包括四个部分：虹膜图像采集、虹膜的预处理、虹膜 纹理分析和虹膜纹理匹配。而虹膜的预处理起到极其重要的作用，虹膜预处理包 括：虹膜内外轮廓的检测和去除噪声两个部分。而虹膜内外轮廓检测算法主要有 d a u g m a n 的环量积分算法、w i l d e s 的边缘检测加h o u g h 变换方法、纹理分割方法 和利用主动轮廓或者s n a k e 等方法。 1 、环量积分分割算法：1 9 9 3 年，剑桥大学d a u g m a n 实现了一个高性能的自 动虹膜识别原型系统，在他的文章中提到使用环量积分算子对虹膜的内外轮廓进 行定位【1 8 之。c a m u s 和w i l d e s 提出了一种非常类似于d a u g m a n 的算法，该算法 对圆的三个参数在一个三维空间中进行搜索，并且考虑到了周向的变化【3 1 1 。朱柳 柳等人使用最大类间方差法将图像中的灰度分为两类，利用几何知识检测内轮廓， 外轮廓基于内轮廓的检测使用环量积分分割算法【3 2 】。郝伟勇在他的硕士论文中使 用了改进的环量积分算法对虹膜的外轮廓进行分割【3 3 】。 一5 一 黑龙江大学硕士学位论文 2 、边缘检测加h o u g h 变换分割算法：1 9 9 6 年，w i l d e s 研制成功基于虹膜的 身份认证系统【2 6 1 。它的分割方法使用的是边缘检测加h o u g h 变换，这个算法是除 d a u g m a n 外的又一经典算法。很多研究者改进了此算法，m a s e k 使用c a n n y 边缘 检测加h o u g h 变换实现了分割，得到了很好的效果【3 4 】。l i u 等人对m a s e k 的算法 进行了部分优化，将先检测外轮廓改成了先检测内轮廓，同时在进行h o u g h 变换 时，对边缘点进行检测去除了部分干扰点【3 5 】。y u a n 等人简化了c a n n y 边缘检测和 h o u g h 变换的方法【3 6 】，从而提高了速度。 还有一部分研究者使用w i l d e s 的算法，同时建议了一种粗定位虹膜的方法。 l i 等人假设虹膜图像的直方图由3 个主要的峰值( 瞳孔、虹膜和巩膜) 构成，根据该 直方图对瞳孔进行粗定位【3 。7 1 。f e n g 等人使用一种“粗糙到准确”的策略寻找近似的 边缘，确定虹膜轮廓的大概位a t 3 8 l 。h e 在w i l d e s 算法前使用了一种几何的方法对 瞳孔进行粗定位，提高了虹膜分割的准确性【3 9 1 。b a s i t 等人对虹膜图像进行粗定位 是根据瞳孔黑且平滑的特点确定瞳孔内一点，然后对图像进行二值化，从而确定 圆心和半径【矧。 3 、纹理分割方法：很多研究者提出了利用纹理分割方法对虹膜图像进行分割。 p r o e n c a 提出了一种n o n c o o p e r a t i v e 识别的虹膜分割方法，这种方法使用了不同的 聚类技术对虹膜进行分割，得到了理想的效果【4 1 , 4 2 】。t a n 等人也提出了一种基于纹 理分割的快速虹膜定位方法，该算法首先利用小波变换的低频信息进行图像分割， 然后利用积分微分操作检测外轮廓【2 8 】。 4 、主动轮廓或者s n a k e 分割方法：近十年来，主动轮廓或者s n a k e 模型已经被 越来越多的研究者成功的应用于边缘提取、图像分割、运动跟踪和3 d 重建等。由 于虹膜的内外轮廓可能不是规则的圆形，因此2 0 0 6 年d a u g m a n 提出了使用主动轮廓 或者s n a k e 方法检测内外轮廓，这样检测的轮廓将是不规则的圆形【2 1 ，2 2 1 。李峰等人 也使用ts n a k e 方法检测虹膜的外轮廓1 4 引。 5 、其他方法：h u a n g 等人提出了较新颖的方法，他在一个调整后的图像上寻 找轮廓，然后再使用这些信息在原始图像上进行分割【4 4 1 。s u n g 等人使用了传统的 方法寻找虹膜的轮廓，此外还使用了直方图均衡化和高通滤波器检测虹膜的内外 第l 章绪论 i i 轮廓【4 5 1 。h e 等人提出了一种分层的分类器方法检测瞳孔区域，使用最优的设置进 行分类【4 6 】。王蕴红和谭铁牛等人使用将图像进行二值化的方法检测虹膜内轮廓， 并且使用最小二乘拟合的方法检测虹膜外轮廓【4 7 , 4 8 1 。李霞等人通过灰度投影法检 测坐标转换原点，将直角坐标下的虹膜内外轮廓转换成极坐标下的类直线，再引 入辅助校正点手段定位虹膜的内轮廓和圆心，利用改进c a n n y 算子及曲线拟合定位 虹膜的外轮廓及圆心，提高了虹膜定位的精确度1 4 9 1 。苑玮琦等人通过灰度投影的 方法找到瞳孔内一点，接着通过检测模板找到虹膜内圆上三个不共线的点，从而 快速定位出虹膜内圆；然后用c a n n y 边缘检测算子和h o u g h 变换进行调整准确检测 内副5 们。黄晓宇等人提出了使用g a b o r 滤波器的虹膜分割技术，通过对该g a b o r 函 数非c i u 抑制、相关参数的分析和优化，该方法能较好地将瞳孔纹理从眼部图像分 离出来【5 l 】。 以上提到的各种分割技术已经比较完善。然而随着虹膜识别技术的发展，开 发一种快速且安全的虹膜识别系统成为虹膜识别技术研究的方向，该系统在采集 虹膜时不需要人的合作，例如t 要进入一个安全机构，只要路过采集器，无需与 眼睛物理接触虹膜就会被采集和识别。在这样的系统中采集的图像通常包含很多 的干扰和噪声，这就需要找到一种鲁棒的的预处理方法完成虹膜的分割以便达到 更好的识别效果。u b i r i s v l l 5 2 】提供了s e s s a o1 矛i s e s s a o2 两个版本虹膜库用于研 究，这两个库中的虹膜图像是在用户较少配合情况下采集的，具有大量的干扰和 噪声。在这个虹膜库上，p r e o n c a 等人研究了如何对虹膜图像的质量进行评价，他 们提出了一系列的算法完成虹膜图像的分割和识别 4 1 , 5 3 - 5 7 1 。u b i r i s v 2 是在远距 离、运动中采集到的虹膜图像，在这些包含更多干扰和噪声的虹膜图像上完成虹 膜分割任务具有极大的挑战性。越来越多的研究者采用该库作为测试图像分割算 法的基准数据库。 在预处理中还涉及到另一个问题，就是去除图像中眼睑、睫毛遮挡和高亮点 等噪声，这方面研究的还比较少。k o n g 等人提出了基于小波变换的眼睫毛检测模 型，并且利用了抛物线进行h o u g h 变换模拟眼睑【5 8 , 5 9 】。来毅等人分别针对眼睑和 睫毛遮挡的噪声，利用其灰度和形状信息提出了灰度形态学检测算法1 6 0 1 。王美华 一7 一 黑龙江大学硕十学位论文 等人提出了基于小波变换的去噪方法【6 。 1 2 2 虹膜识别技术研究现状及发展趋势 在虹膜图像预处理完成之后，需要对虹膜进行特征提取和匹配。1 9 9 3 年，剑 桥大学d a u g m a n 提出使用多尺度的二维g a b o r 滤波器生成2 5 6 字节的编码，用海明距 离度量虹膜编码之间的距离【1 8 1 。1 9 9 4 年，w i l d e s 提出了一种基于归一化的空间相关 性方法进行虹膜识别，得到了很好的效果【6 2 1 。2 0 0 1 年，王蕴红、谭铁牛等人【4 7 1 提 出特征提取采用g a b o r 滤波和d a u b e c h i e s 4 小波变换等纹理分析方法，匹配采用 方差倒数加权欧氏距离方法。与现有的其它方法相比，该方法利用二维虹膜图像 丰富的纹理信息并具有旋转、平移和尺度不变性。2 0 0 4 年，谭铁牛等人又提出局 部有序的度量方法，基于虹膜纹理局部有序的思想对虹膜进行识别【6 3 1 。2 0 0 8 年， k a z u y u k i 等人使用基于二维相位互相关方法提取虹膜特征【6 4 1 。 1 3 虹膜测试库介绍 为了促进虹膜识别技术的研究工作，目前很多机构都提供公共且免费的虹膜 数据库，例如：b a t hd a t a b a s e t 6 5 1 ，c a s i ad a t a b a s e 6 6 1 ，i c ed a t a b a s e 6 7 1 ，m m u d a t a b a s e 6 8 1 ，u p o ld a t a b a s e 6 9 1 ，w v ud a t a b a s e 7 0 l 。这些虹膜数据库中的虹膜图像都 是在被测试者高度配合的情况下采集的，具有很高的图像质量。 本文使用的虹膜测试库u b i r i s 7 1 , 5 2 1 是2 0 0 4 年9 月由葡萄牙贝拉地区大学 s o c i a 实验室提供。它模拟非合作条件( 远距离、运动中) 下虹膜图像的采集，即采 集时环境不受限制，只要人路过摄像头图像自动被采集。该库由个人、学校、研 究所及商业研究机构采集了5 0 0 个使用者，这些人来自全世界7 0 多个国家，大部 分为西方人。u b i r i s 虹膜库包括u b i r i s v l 和u b i r i s v 2 两个版本。u b i r i s v l 是由2 4 1 个人构成，包含8 7 7 幅含有大量干扰和噪声的眼睛图像；u b i r i s v 2 超过 1 1 0 0 0 幅虹膜图像，具有更多的干扰和噪声，如图1 4 所示。 嗣、蚕嘲爱 摩一黑圜 渖、簪网 嗣臻缈霹i 圈i - 4u b i r i sv 2 虹膜数据库中的部分虹膜恻像 f i g u r e l - 4s o m e i r i s i m a g e s i n t h e u b i r i sv 2d a t a b a s e 下面介绍可能出现的干扰和噪声类型： l 、失焦的虹膜图像：虹膜采集时物体的移动将使摄像机采集器很难准确地聚 焦，这将会提高虹膜识别中的错误拒绝率。 2 、偏的虹膜图像：虹膜采集时目标并没有被调整对齐，目标的头、眼睛和虹 膜可能是偏的。因此必须使用某种技术将偏的虹膜图像对齐，然后才能够准确分 割虹膜图像。 3 、旋转虹膜图像：当采集虹膜图像时，目标的身体或者头不是直立的，将会 出现旋转的虹膜图像，因此分割时一定要判断虹膜图像是否旋转。 4 、运动模糊的虹膜图像：目标的移动通常会使虹膜图像产生运动模糊。 5 、眼睫毛的遮挡：眼睫毛的遮挡有两种形式：可分离的眼睫毛和密集的眼睫 黑龙江大学硕七学位论文 毛。如果是可分离眼睫毛，它在虹膜区域表现为很细并且黑的线，而密集的眼睫 毛表现为一片黑色区域。 6 、眼睑的遮挡：眼睑的移动通常会遮挡很多虹膜区域，特别是虹膜的正上方 区域。 7 、眼镜的遮挡：眼镜能够遮挡虹膜的部分区域，如果目标没有在采集设备正 前方时，眼镜的遮挡会更大。 8 、隐形眼镜的遮挡：隐形眼镜的影响是识别的一个很严重的问题，特别是高 折射率的隐形眼镜，它的折射使得部分虹膜纹理发生变形，严重影响虹膜的识别。 9 、虹膜的高亮点：通常这些区域具有非常高的灰度值，并且集中在一个很小 的区域，这些区域遮挡了虹膜的纹理。 1 0 、虹膜图像的漫射：这些类型的反射是由目标所在的位置和看到的景物造 成的。这些反射遮挡虹膜的很多区域，甚至是虹膜的主要区域，通常它们的灰度 值要低于高亮点。 1 1 、包含部分虹膜的图像：由于虹膜图像是在一定距离并且移动采集的，因 此会导致被采集的虹膜图像仅包含虹膜的一部分。 1 2 、没有虹膜的虹膜图像：算法应能够判断这种情况，避免在这样的图像上 进行识别。 1 4 虹膜识别系统概述 一个虹膜识别过程是把现场采集到的虹膜图像同虹膜库中的虹膜图像逐- - l l 对，从中找出与现场虹膜相匹配的虹膜图像。虹膜识别系统逻辑上分两个部分： 注册和识别。注册是对用户的虹膜图像进行采集、预处理和特征提取等过程来得 到虹膜的特征信息，然后将该信息与其姓名或其他基本信息联系起来存储在数据 库以备使用。识别同注册过程一样，获取用户的虹膜特征信息与事先注册在数据 库中的模板匹配，检验用户的身份。 一个完整的虹膜识别系统包括：虹膜图像获取、预处理、特征提取、建立虹 膜特征数据库和模式匹配【7 2 】。如图1 5 所示。 第1 章绪论 1 、图像获取：虹膜图像的采集是虹膜识别中的第一步，由于虹膜器官很小， 不同人种的虹膜颜色有着很大差别因此虹膜图像的采集是很困难的步。采集 图像时，要注意保证图像有足够分辨率和清晰度；要保证虹膜图像有很好的对比 度，采集过程中反光和光学上的色差要尽可能消除。 幽1 5 一个虹膜识* u 系统的处理过程 f i g u r e 】- 5t h ep r o c e s so f a ni r i sr e c o g n i t i o ns y s t e m 2 、预处理( 虹膜提取) ：虹膜图像的预处理包括虹膜图像的定位、去除虹膜图 像中的噪声和虹膜图像的归一化。通常被采集的虹膜图像中不仅仅包含虹膜，还 含有眼睛的其他部分，如：眼喻、睫毛、眼镜和头发等与识别无关的部分；而且 在被识别者不做要求的非合作系统中，虹膜在图像中的位置会发生变化；由于光 照条件不同虹膜内轮廓大小会发生变化，以上多种情况都给特征提取和准确匹配 带来困难，因此需要消除以上对图像质量产生影响的各种因素。 3 、特征抽取：特征抽取是对预处理后的图像提取特征，对包含大量信息的虹 膜图像以某种特征的形式描述出来，继而对特征数据进行分析。为提高分类速度 和精度对提取的特征还需要选择有代表性的特征使信息冗余度最小，希望特征 具有平移、旋转和尺度不变性。 4 、虹膜特征数据库：采集合法的个人虹膜图像，并提取虹膜图像中的特征数 据作为模板保存在磁盘上，保存的模板构成虹膜特征数据库。 5 、虹膜特征匹配：采集待识别的个人虹膜图像，提取虹膜图像中的特征数据 与虹膜特征数据库中的特征数据进行比对，找出与之匹配的虹膜图像从而达到识 别目的。 黑龙江大学硕士学位论文 1 5 本文工作 非合作式的虹膜采集方式使得虹膜图像中拥有大量的干扰和噪声，针对这样 的虹膜图像，论文提出鲁棒的虹膜图像预处理方法。本文研究内容章节分配如下： 第一章绪论：虹膜识别研究的目的和意义以及虹膜识别技术研究现状和发展 趋势，介绍了论文中使用的虹膜测试库，并且概述了虹膜识别系统。 第二章鲁棒的虹膜内外轮廓定位方法：针对拥有各种干扰和噪声的虹膜图 像，本章详细介绍新的虹膜内外轮廓的定位方法。 第三章闭眼图像判断及眼睑检测：本章介绍怎样判断闭眼虹膜图像，检测上 下眼睑以及去除高亮点以保证分割的准确性。 第四章虹膜分割系统的实现和性能评价：本章在前面提出的预处理方法基础 上搭建了一个鲁棒的虹膜分割系统，使用两种方法对虹膜分割系统进行了评价。 论文提出的虹膜分割系统参加了国际虹膜分割竞赛n i c e i ，取得了优异的成绩。 结论：总结了本文的主要工作和贡献，并对未来的研究工作做出展望。 第2 章鲁棒的虹膜内外轮廓定位方法 第2 章鲁棒的虹膜内外轮廓定位方法 虹膜分割系统首先需要准确检测虹膜的内外轮廓。在用户高度配合的情况下 采集的虹膜图像质量很好，经典的虹膜分割方法【 8 - 2 1 , 2 6 3 1 , 4 1 1 能够取得很好的效果。 然而在远距离、运动情况下，由于被测试者较少配合，采集的图像拥有大量的干 扰和噪声，此时经典的方法不再适用。本章主要研究新的虹膜轮廓定位方法解决 这一问题。 2 1 经典的虹膜分割方法 在虹膜分割算法中，经典的虹膜分割算法之一是d a u g r n a n 提出的算法【1 8 之1 1 ， 其核心是使用环量积分算子检测虹膜内外轮廓： 絮卜，牛导l 警出l p ， ，而，舶l 功4 ，栅栅 z 万， 1 其中代表卷积，g 。( ，) 是一个尺度为盯的高斯平滑函数，积分符号表示沿着以 ( j c o ，懿) 为圆心、，为半径的圆弧1 1 肋的积分。该公式的主要思想是对于给定的，沿 着圆周进行积分，再沿着半径方向计算微分并进行平滑，微分的最大值所检测的 圆对应虹膜的轮廓。由于被采集的虹膜有时不是理想的圆形，d a u g m a n 又提出一 种使用主动轮廓或者s n a k e 算法分割非圆形虹膜【2 2 】。 、肼l d e s 提出的算法1 2 6 与d a u g m a n 算法完全不同，该算法首先使用边缘检测算 子对图像进行边缘检测得到一个边缘图像，然后使用h o u g h 变换拟合虹膜的内外 轮廓。2 0 0 2 年，c a m u s 和w i l d e s 3 1 】又提出一种类似于d a u g r n a n 的方法。他们的方 法也是搜索圆的三维空间，寻找下列函数的最大值以便找到虹膜内外轮廓： c = 0 = 1 卜1 慨r o w = 9 + i k 飞，卜等j ( 2 - 2 ) ” ， 这里n 是沿着圆周向的像素个数， 和g 分别是对应角度秒和对应半径，的灰度 黑龙江大学硕士学位论文 值和导数，删表示l ，范数。从公式可以看出，该算法不但考虑圆径向的变化率而 且考虑了周向的变化率，它要求周向变化足够小，径向变化足够大。 p r o c e n c a 提出一种基于聚类的分割方法1 4 “。该方法首先对图像进行分割，在 分割后的图像上进行边缘检测，然后使用h o u g h 变换拟合虹膜的内外轮廓。 对于具有大量干扰和噪声的复杂虹膜图像，以上方法无法达到很好的分割效 果。因此论文提出新的鲁棒的虹膜内外轮廓定位方法，即基于k m e a n s 聚类和圆 h o u g h 变换的方法检测外轮。 2 2 基于k - m e a n s 聚类和圆h o u g h 变换的方法检测外轮廓 检测外轮廓的方法如图2 一l 所示。该方法首先使用人眼检测器靼略确定人眼子 图像，然后基于图像分割和霍夫变换更准确地检测人眼子图像；之后使用改进的 基于圆的h o u g h 变换定位虹膜外轮廓；最后用圆的积分微分算子检测瞳孔轮廓。 鹆訾，硼警雹当 嚼嬲笪墼 b “ 嘲弱罂 g ) 夏卫 圈2 - l 虹膜内外轮廓确定过程 f i g u r e 2 - 1l o c a t i n g m e i n n e r a n do k l t e i - 1 sb o u n d a r i e s 2 2 1 基于a d a b o o s t 的人眼检测 匾 a d a b o o s t 算法的实质是集成的机器学习过程【，通过迭代设计一系列的弱分 类器来实现，每个弱分类器是基于不同的训练子集或者样本权值的重新分布。每 。；蟮gi：瓢。麝窜 第2 章鲁棒的虹膜内外轮廓定位方法 次迭代时，计算出的权值分布强调错误分类的样本。最终获得的强分类器是先前 每次迭代设计弱分类器的加权均值。给定足够的迭代次数，在训练集上测量最终 强分类器的分类误差可能达到任意小。 将a d a b o o s t 的算法应用到人眼检测中以便去除虹膜图像中非人眼区域。根据 v i o l a 和j o n e s 的机器学习框架，使用a d a b o o s t 算法分别训练出1 6 层的左眼和右 眼检测器。通过在实验室中采集和从互联网上搜索两种方法搜集得到大量眼睛图 像和非眼睛图像作为训练集，用人工标注的方法得到正例样本和反例样本。在学 习过程中要求该系统有接近零的误检率，当然检测率也会随之降低。在实验中首 先使用左眼检测器检测，如果检测失败，再使用右眼检测器进行重检。在u b i r i s v 2 训练库上的实验表明仅有6 4 的检测率，但是没有虚警。检测出的人眼图像被提 取出来进行虹膜分割，对没有检测出来的眼睛在原图像上直接进行虹膜分割。这 一操作大大提高了虹膜外轮廓检测的准确性。图2 1b ) 为被提取出的人眼子图像。 2 2 2 基于共生直方图特征的k m e a n s 聚类分割方法 k m e a n s 算法是一种基于样本间相似性度量的间接聚类方法，属于非监督学 习方法。此算法以k 为参数，把疗个对象分为k 个聚类，以使聚类内具有较高的相 似度，而聚类问的相似度较低。相似度的计算根据一个聚类中对象的平均值( 被看 作聚类的质心) 来进行。此算法首先随机选择k 个对象，每个对象代表一个聚类的 质心。对于其余的