（电路与系统专业论文）基于虹膜的身份识别算法研究[电路与系统专业优秀论文].pdf

摘要 摘要 虹膜识别是近年来兴起的生物特征识别技术，对这项技术的研究有着 重大的学术意义和实用价值，前景十分广阔。本课题在对现有方法进行分 析的基础上，重点对虹膜图像预处理和特征提取算法进行了改进和创新。 虹膜定位中，提出一种利用二值化和f r e e m a n 链码的内边界定位算法 实现了内边界的快速定位；结合先验知识，使用c a n n y 边缘检测算子和圆 形h o u g h 变换实现了外边界的定位。 为了实现干扰信息的去除，提出一种基于形态学闭运算与线性h o u g h 变换相结合的分段直线眼皮去除算法，有效减小了睫毛对眼皮定位的不利 影响；在k o n g 和z h a n g 方法的基础上，采用一种基于1 do a b o r 滤波器 和中值滤波的方法去除睫毛；通过闽值化的方法去除了镜面反射。 利用极坐标交换的方法将环状的虹膜区域展开成为大小为4 0 x 4 8 0 的 矩形块；通过改进马力等人提出的局部直方图均衡化的方法，实现了归一 化图像的增强。 提出一种基于2 dl o g g a b o r 子带图像分割的特征提取算法，该算法 利用2 0 dl o g o a b o r 滤波器提取归一化虹膜的纹理特征，滤波后的中高频 子带图像被分割为若干子块，提取各个子块的局部极大值点进行相位粗量 化编码，来生成虹膜特征码，特征匹配时使用改进汉明距离来衡量两个虹 膜之间的相似性程度。 最后在c a s n 虹膜数据库中1 0 8 个虹膜类，7 5 6 幅虹膜图像的基础上 验证了算法性能。 关键词生物特征识别；虹膜识别；虹膜定位；虹膜归一化；虹膜图像增 强；l o g g a b o r 滤波器；汉明距离 燕山大学工学硕士学位论文 a b s t r a c t i r i sr e c o g n i t i o na so n e 虹n do fb i o m e t r i c sd e v e l o p sv e r yf a s ti nr e c e n t y e a r s ，t h es t u d yo nt h i st e c h n o l o g yh a ss i g n i f i c a n tv a l u e sb o t ht h e o r e t i c a l l ya n d p r a c t i c a l l y , t h ep r o s p e c ti sp r o m i s i n g o nt h eb a s i s o fa n a l y z i n ge x i s t i n g r e c o g n i t i o nm e t h o d s ，w em a i n l ym a k es o m ei m p r o v e m e n t sa n di n n o v a t i o no n i r i si m a g ep r e p r o c e s s i n ga n df e a t u r ee x t r a c t i o n i ni r i sl o c a l i z a t i o n , am e t h o dw h i c hu s e sb i n a r i z i n ga n df r e e m a nc h a i n c o d ei sp r o p o s e dt ol o c a l i z et h ei n n e rb o r d e ro fi r i s ，b a s e do l lt r a n s c e n d e n t a l i n f o r m a t i o n , t h eo u t e rb o r d e ri sd e t e c t e du s i n gc a n n yo p e r a t o ra n dc i r c u l a r h o u g h t r a n s f o r m i no r d e rt oe x c l u d et h ed i s t u r b i n gi n f o r m a t i o n , t h i sp a p e rp r o p o s e sa n a l g o r i t l u nw h i c hc o m b i n e sc l o s i n go p e r a t i o na n dl i n e a rh o u g ht r a n s f o r mt o d e t e c te y e l i d , i nt h i sw a y , t h ee y e l a s h sa d v e r s ei m p a c to ne y e l i dl o c a l i z a t i o n c a nb ee f f e c t i v e l ym i n i s h e d ；b a s e do nk o n ga n dz h a n g sm e t h o d ，w eu s e1 - d g a b o rf i l t e ra n dm e d f i l t e r i n gt od c t e c te y e l a s h ；m i _ 圩o rr e f l e c t i o ni se l i m i n a t e d b ym e a n so f t h r e s h o l d i n g t h eo r b i c u l a ri r i si su n w r a p p e dt oa4 0 x 4 8 0r e c t a n g u l a rb l o c ku s i n gp o l a r c o o r d i n a t et r a n s f o r m b yi m p r o v i n gt h em e t h o do fm a sh i s t o g r a me q u a l i z a t i o n , t h en o r m a l i z e di m a g ei se n h a n c e d af e a t u r ee x t r a c t i o na l g o r i t h mb a s e do ns e g m e n t a t i o no fl o g - g a b o r s u b b a n d si sp r o p o s e di nt h i sp a p e r t h i sm e t h o du s e s2 - dl o g - g a b o rf i l t e r st o e x t r a c tt h et e x t u r a lf e a t u r eo fi r i s ，a n df e a t u r ec o d e si r ec r e a t e dt h r o u g h s e g m e n t i n gt h es u b b a n d so f m i d d l ea n dh i g hf r e q u e n c yi n t os e v e r a lb l o c k sa n d c o d i n gt h ep h a s eo fe v e r yb l o c k sm a x i m u n lp o i mi ns u c c e s s i o 屯w h e nd o i n g t h em a t c h i n g ，h a m m i n gd i s t a n c ei su s e da st h em e a s u r e m e n to fs i m i l a r i t y b e t w e e ni r i s e s a b s t r a c t a tl a s t ，f o r v a l i d a t i n g t h e p e r f o r m a n c * o fa l g o r i t h m , w e d ot h e e x p e r i m e n t sb a s e d o i lt h ec a s i ad a m b 舔e k e y w o r d sb i o m e t r i c s ；i r i sr e c o g n i t i o n ；i r i sl o c a l i z a t i o n ；i r i sn o r m a l i z a t i o n ； i r i se n h a n c e m e n t ；l o g g a b o r f i l t e r ；h a m m i n gd i s t a n c e m 燕山大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文基于虹膜的身份识别算 法研究，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研 究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已 发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体， 均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签字 2 林 日期：2 0 0 7 年2 月5 日 燕山大学硕士学位论文使用授权书 基于虹膜的身份识别算法研究系本人在燕山大学攻读硕士学位期 间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有， 本人如需发表将署名燕山大学为第一完成单位及相关人员。本人完全了解 燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送 交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权燕山大学， 可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部 分内容。 本学位论文属于 保密口，在年解密后适用本授权书。 不保密回。 日期：2 a 0 7 年1 月亏日 日期：2 0 07 年2 月s 日 ，l ， t “ 纱 蝴柿、中 框 己， 刺弓 娜 鹳 鹤 刨 储 新 清 第1 章绪论 第1 章绪论 1 1 生物特征识别技术概述 生活在一个高度复杂，信息交互的现代社会，身份识别己经渗透到人 们日常生活中的每一个方面。同时，由于交通、通讯和网络技术的发展， 人类的活动范围在不断扩大，身份识别的难度也越来越大，重要性也越来 越突出。 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；据估计， 如果利用可靠的方法对a t m 持卡人的身份进行识别，那么可以使全美国 每年a t m 诈骗案造成的损失减少约3 亿美元f l 】，仅在我国深圳市，就有大 约千分之三的社会保险金被冒领，每年的损失金额达到2 0 0 多万元；随着 网络的发展，非法登录计算机的案件呈上升趋势，有效的身份鉴定技术可 以防止这类案件的发生。以上的这组数据表明，准确地鉴定个人的身份有 着重大的社会意义和经济意义，它可以有效地防止犯罪和诈骗、提高办公 效率、节约资源。对于我国这样一个人口众多的国家，身份识别有着广泛 的应用前景和重要的战略意义，金融、安全、网络，电子商务等无一不需 要可靠的身份识别。 传统的身份识别方法主要有三种：一种是基于标识物品( 如身份证) ； 一种是基于特定知识( 如密码、口令) ；还有一种是标识物品和特定知识两 者的结合。这些方法本身存在很多缺陷：身份证可能丢失，也可能被伪造； 密码可能忘记，也可能被破解。 近年来，基于生物特征的智能身份识别技术受到广泛的关注。生物特 征识别技术( b i o m e t r i c s ) 就是利用模式识别、图像处理和计算机视觉的方法 对人类本身所具有的独一无二的生理特征和行为特征( 统称为生物特征) 进 行可靠的、有效的分析和描述，通过判断这些特征的一致性从而实现自动 身份确认的一类技术1 1 | 2 , 3 】。从理论上讲，只要满足下列条件，入的生理或 燕山大学工学硕士学位论文 行为特征即可被用于身份识别： ( 1 ) 普遍性，每个人都必须具有； ( 2 ) 唯一性，不同的人的这一特征必须不同； ( 3 ) 永久性，该特征应该是终生不变的； ( 4 ) 可采集性，特征可以通过一定的设备和手段采集到，并可以量化。 目前的生物特征识别技术的种类共有近2 0 种之多，常见的生物特征识 别技术主要有：人脸、虹膜、视网膜、指纹、手形、语音、步态、签名等 等。它们当中有的己经逐步得到了推广和应用，有的目前还仅仅处于实验 研究阶段。其中，脸形、指纹、手形、虹膜和视网膜属于生理特征，步态 和签名属于行为特征，而语音则兼具这两方面的属性。这些生物特征具有 “人各有异、终生不变、随身携带”等特点，同传统的用于身份识别的方 法相比，基于生物特征的身份识别技术具有稳定、便捷、不易伪造等优点。 普遍认为，生物特征识别将会成为未来身份识别的重要途径之一。 1 2 几种常见的生物特征识别技术 随着网络技术、计算机技术的快速发展，基于生物特征的身份识别技 术应用的领域越来越广泛，与此同时，实际的应用给基于生物特征的身份 识别提出了更多的要求，如： ( 1 ) 性能的要求，所选择的生物特征识别技术能够达到多高的识别率， 对于资源的要求如何，识别的效率如何； ( 2 ) 安全性能，系统能否防止被攻击； ( 3 ) 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特征的 系统； ( 4 ) 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，特征模扳是否占有较小的存储空间； 佰) 价格是否达到用户可以接受的范围； ( 7 ) 是否具有较高的注册和识别速度。 目前，比较典型的生物特征识别方法有以下几种： 2 第1 章绪论 ( 1 ) 入脸识别人脸识别是目前比较常用的生物识别手段之一，也是生 物识别技术研究最活跃的领域之一。人脸识别是一种非干涉性生物特征识 别技术，它几乎不给人们带来任何不便之处，很容易为人们所接受。它利 用面部各器官及特征部位的方位关系形成识别参数，通过与数据库中存放 的参数比较、判断、确认，可以在短时间内迅速得到判断结果【4 】。在实际 应用中，人脸识别系统辨识速度较快，但是唯一性及抗干扰性较差，对于 双胞胎的鉴别仍然无能为力，肤色、胡子的变化以及是否戴眼镜都有可能 影响到系统的识别。 ( 2 ) 指纹识别指纹识别是利用指尖表面纹路的脊谷分布模式进行身 份识别的一种生物特征识别技术，这种脊谷分布模式是由皮肤表面细胞死 亡、角化在皮肤表面积累而形成的。人的指纹特征是与生俱来的，在胎儿 时期就已经决定了，两个人的指纹完全一样的几率是十亿分之一同。一套 指纹识别系统通过特殊的光电扫描和计算机图像处理技术，对活体指纹进 行采集、分析和比对，从而能够自动、迅速、准确地识别出个人身份。人 类使用指纹作为身份识别的手段已经有很长的历史，使用指纹进行身份识 别的合法性也已经得到了广泛的认可。指纹识别虽然可靠性较高，但是辨 识过程的数据库检索需要较长的响应时间，比对速度慢，有的时候还会出 现误识，另外，由于指纹特征比较细小，因此对指纹采集设备精度的要求 也非常高。 ( 3 ) 手形识别手掌的形状，包括手指的形状、长度、宽度等特征均可 以用来进行手形识别1 6 。这一识别技术具有以下几个优点：第一，简单、易 用，设备的造价较低；第二，对使用环境的限制很少：第三，比较容易为 人们所接受。同时，它的不足之处也非常明显：第一，由于手形识别是基于 手掌的几何形状信息进行的，所以难以达到很高的准确率，在所介绍的几 种主要的生物识别技术当中，手形识别是准确率最低的一种；第二，手掌 的形状，尤其是尺寸，会随着入的年龄的增长而发生变化，表现出不稳定 的特点。 ( 4 ) 视网膜识别视网膜也是一种可以被用来进行人体生物识别的特 征，它的血管是非常稳定的，它对每一个人来说都是唯一的。视网膜与外 燕山大学工学硕士学位论文 界相隔离，具有很好地防止冒名顶替的作用。视网膜识别是通过获取视网 膜的血管模式进行身份的有效识别1 7 】。视网膜识别系统存在的主要问题是： 绝大部分人在使用这一系统进行身份识别时会感到不舒服，并且它还需要 使用者具有高度的合作精神，因为要想获取视网膜图像，需要进入并聚焦 于预先设定的某一个点上，只有这样预先被设定的视网膜区域才能够被扫 描到。 ( 5 ) 签名识别每个人都有自己独特的笔迹，利用签名可以进行身份识 别。利用签名进行身份识别有静态和动态两种方式。静态方式已为人们所 熟知，它是利用手写签名的静态几何特征来进行识别的；动态方式则要对 签名的全过程进行监控和采样，记录笔画每处的加速度、速度、运笔方向、 顺序等动态信息，并结合签名笔迹的静态几何特征进行综合辨识。使用签 名进行身份识别，有两个明显的优势：第一，使用签名作为身份识别的手段 已有很长的历史，为人们所广泛接受；第二，虽然笔迹可以模仿，但要获 取一个人的签名动态信息却十分困难，因为这需要专用的设备。所以，这 种识别方式的防伪性能较好，但由于签名识别技术本身的复杂性，要想达 到很高的准确率难度较大。 ( 6 ) 语音识别人的语音特征是由声带、嘴、鼻腔等发声器官共同决定 的，在理论上，语音具有唯一性。语音识别分为依赖内容的识别和不依赖 内容的识别。依赖内容的语音识别是预先规定好待识者的说话内容；而不 依赖内容的语音识别则允许待识者随意选择说话的内容，这当然比依赖内 容的识别难度要高。语音识别存在两个难点：首先，虽然从理论上讲，声音 具有唯一性，但在实际应用中，因为客观存在很多人语音非常相象的情况， 做到完全正确区分非常困难；第二。语音识别对背景噪声比较敏感，而这 一点在实际应用中又很难控制i g 】。 ( 7 ) 步态识别步态是指人们行走时的方式，这是一种复杂的行为特 征。尽管步态并非每个人都不相同，但是它仍然提供了充足的信息来识别 人的身份【9 】。步态识别的输入是一段行走的视频图像序列，其数据采集具 有非侵犯性。由于图像序列的数据量较大，因此步态识别的计算复杂性比 较高，处理起来也比较困难。 4 第1 章绪论 每种生物特征识别技术都有自己的优缺点，表1 1 是它们的一些对比。 表1 一l 几种生物特征识别技术的比较 t a b l e1 - 1t h ec o m p a r i s o no f s e v e r a lb i o m e t r i c s 特征普遍性 独特性 稳定性可采集性接受程度防欺骗性性能 人脸 h i g l l l o w m e d i u m h i 曲l i j g l i l o wl o w 指纹 m e d i u m h i g l i h i g i i m e d u mm e d i u m i i i g i ih i 曲 手形 m e d i u mm e d i u mm e d i u m h i g l l m e d i u m m e d i u m m e d i u m 视网膜 h i 曲h i 曲 m e d i u ml o w l o w h i g h珩曲 签名l o wl o w l o w i l i 曲h j 曲 l o wl o w 语音 m e d i u ml o wl o w m e d i u m h i g i l l o wl o w 步态 m e d i u ml o wl o w h i 曲h i 曲 l o w l o w 选择哪一种特定的生物特征识别技术主要依赖于具体的应用，从某种 意义上来说，每种技术都是可以采纳的。例如，指纹识别在准确率和速度 上优于语音识别。然而在电话记账系统中，语音识别却是一个更好的选择， 因为它能很好地集成到现有的电话系统中。 1 3 虹膜的生理结构和识别的生理依据 1 3 1 虹膜的生理结构 眼睛的外观由巩膜、虹膜、瞳孔三部分构成【1 0 1 。巩膜即眼球外围的白 色部分，约占面积的3 0 ；眼睛的中心为瞳孔部分，约占5 ；虹膜位于 巩膜和瞳孔之间，它的纹理含有极丰富的特征，占据6 5 ，它又位于角膜 与晶状体之间，呈扁圆状。虹膜直径约1 2m m ，厚约o 5 衄。虹膜表面高 低不平，由皱璧和凹陷组成，凹陷又称隐窝。近瞳孔处的皱鐾特别显著， 称虹膜皱壁或领状韧带，它是虹膜小动脉环的位置标志。 虹膜后表面比较平坦，由于虹膜内部血管分布不均匀，使得虹膜表面 出现许多有规则的放射形条纹。在近瞳孔边缘约1 5m m 处，有一条弯弯曲 曲的环形隆起，称为虹膜小环。虹膜小环将虹膜分为两个部分：小环外侧 5 燕山大学工学硕士学位论文 的虹膜叫做睫状部或睫状区，内有许多放射性隆起，代表虹膜血管从大环 走向小环所经行的路径，睫状区又分为三个部分：靠近虹膜小环的部分最 光滑，中间区有许多收缩纹或收缩沟( c o n t r a c t i o nf u r r o w ) 与瞳孔为同心的圆 形，当瞳孔扩大时最显著；靠近睫状部的区域为筛状区，此区内虹膜表面 有许多虹膜小坑( c i l i a r y c r y p t ) ，小环以内的虹膜称为瞳孔部虹膜。 在睫状部边缘部分的虹膜，也有一些虹膜小坑，称为睫状区小坑，和 瞳孔边缘的虹膜小坑相比较，睫状小坑比较小和浅。位于两个小坑之间的 虹膜组织往往有数十条梳妆突起，跨过睫状区表面，延伸到前房以内与房 角网状组织相连续，此突起即被称为梳状韧带。 在虹膜的瞳孔领状边缘，有一条粗细不匀的黑边，是虹膜背面的色素 上皮层向前延伸的结果，此黑边当瞳孔扩大时变窄，瞳孔缩小时变宽。 总体来说，虹膜由前到后可分为内皮细胞层、前表层、基质层( 即血管 层、肌肉层( 即瞳孔括约肌，特别是瞳孔扩大肌层) 、虹膜色素上皮层和内 界膜层这6 层。虹膜结构图如图1 1 所示。 图1 - 1 虹膜结构图 f i g 1 - 1t h es t r c t u r eo fi r i s 1 3 2 虹膜识别的生理依据 虹膜是人体唯一外部可见的内部器官，由于得到了眼皮和角膜的有效 6 第1 章绪论 保护，在正常情况下几乎不可能受到外部损害。而且，在人出生一年以后， 在正常的社会生活环境中，除非发生病变，否则终生不再变化，具有可靠 的稳定性。 每个人的虹膜都拥有独特的结构纹理，胚胎生物学界的科学家发现， 虹膜的基本结构是由遗传基因决定的，不同的遗传基因决定了不同的虹膜 基本结构：并且，新生几出生的第一年是虹膜色素细胞的发育沉淀期，新 生儿不同的生长环境和不同的营养状况决定了不同虹膜在同一光线下表现 出不同的细微纹理；以上诸多因素致使孪生子甚至是同一个人的虹膜也几 乎不可能相同，两个不同虹膜纹理完全相同的概率大约是1 0 啦。因此，从 生物学角度来说，人眼的虹膜纹理具有唯一性。 作为眼睛的一部分，从医学上的角度来说，通过外科手术的手段来改 变虹膜的纹理在可以预见到的将来还没有实现的可能；另外，从生物统计 学的观点来看，虹膜处于时时改变的动态中。虹膜中央深色的瞳孔作为活 体细胞组织，在环境光线变化时，哪怕是微弱的变化，睫状肌会收缩或扩 张来牵动瞳孔括约肌，改变瞳孔大小，调节透射入眼的光线，这一过程被 称为瞳孔震颤效应，利用这一特性可以判断被识别的虹膜是否是活体，所 以伪造一个可以欺骗虹膜识别系统的虹膜结构极其困难。虹膜识别具有防 伪特性。 虹膜虽然被角膜同外界隔离，而且受到眼皮的保护，但因为角膜是无 色透明的物质，透光性极佳，人在正常活动时可以轻易观察到虹膜，所以 在利用成像设备获取虹膜图像时，被识别人不会产生受到侵犯的感觉。因 此，基于虹膜的生物识别技术具有非侵犯性。 虹膜中包含着丰富的色素细胞，当外部光线照射到眼睛上时，由于不 同人的色素细胞对光具有不同的吸收率，使得虹膜呈现不同的颜色。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，那些相互交错的 类似于斑点、细丝、冠状、条纹等形状的细微特征才是虹膜唯一性的体现。 这些细微特征在彩色图像和灰度图像中是一致的，因此一般采用灰度图像 进行虹膜识别的研究i j “。 正是由于虹膜本身具有的稳定性、唯一性、难以伪造和非侵犯性等生 7 燕山大学工学硕士学位论文 理特性，基于虹膜的生物特征识别技术具有最低的错误率，可以作为一种 有效的生物特征来进行身份鉴别。 1 4 国内外研究现状分析 通过虹膜进行身份识别的设想最早可以追溯到1 9 世纪8 0 年代，然而 直到最近十年，随着计算机技术的突飞猛进，虹膜识别技术才开始飞速发 展起来。 1 9 8 7 年，眼科专家l e o n a r df l o m 和a r a ns a f i r 首次提出利用虹膜图像 来实现自动身份识别的概念f j 2 1 。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 实现了有文献记载以来的最早的虹膜识别系统【1 3 】1 3 。1 9 9 3 年， d a u g m a n 对虹膜识别的各个功能模块进行了详细的描述，利用2 dg a b o r 滤波器对虹膜纹理进行相位粗量化编码，从而得到一个2 5 6b y t e 的虹膜码， 并利用汉明距离来进行虹膜识别，从而实现一套实用的高性能的虹膜识别 系统1 1 4 1 ，之后出现的很多虹膜识别系统都是基于d a u g m a n 的方法。随后 w i l d e s 等人提出了基于多尺度图像对比的虹膜识别系统【1 5 】，w i l d e s 的核心 算法利用一种在四种分辨率下构造的拉普拉斯金字塔来描述虹膜纹理，并 利用归一化相关系数来决定两个虹膜是否属于同一类。1 9 9 7 年b o l e s 等人 提出一种基于一维小波变换的虹膜识别方法 z 6 , 1 。7 1 ，b o l e s 方法的核心是在不 同尺度上对虹膜纹理进行一维小波变换，通过对过零点的检测来描述虹膜 信号。 以上三种虹膜识别系统或方法是国际上公认的三种经典的虹膜识别方 法，其中以d a u g m a n 的算法应用最为广泛，已经有不少系统投入使用。到 目前为止，不少研究人员也提出了一些方法，但是影响都不大。这些方法 包括：s a n c h e zr e i l l o 和s a n c h e za v i l a 等人在d a u g m a n 算法的基础上实现 的系统，在b o l e s 的方法的基础上使用不同的距离( 比如汉明距离和欧几 里德距离) 来匹配虹膜【1 8 1 ；l i r a 等人用2 dh a a r 小波变换对虹膜图像做了 4 层分解，把第4 层的高频信息量化从而形成8 7b “的虹膜编码【1 9 】；t i s s e 等人提出瞬时相位( i n s t a n t a n e o u sp h a s e ) 的方法 2 0 1 ，该方法利用原始虹膜 第1 章绪论 图像和它的h i l b e r t 变换来对虹膜纹理进行编码。 当前，国内对虹膜识别的研究尚处于起步阶段，华中科技大学、上海 交通大学和中科院自动化研究所都取得了一定成果，其中最具代表性的是 谭铁牛教授领导的中科院自动化研究所模式识别国家重点实验室的虹膜识 别系统【2 ”。文献 2 1 】是i e e et r a n s a c t i o no l lp a t t e r na n a l y s i sa n dm a c h i n e i n t e l l i g e n c e 中自d a u g m a n 以来的第二篇关于虹膜识别的论文，表明了他们 的研究工作在虹膜识别领域的国际地位，大样本实验表明他们的系统具有 很高的性能和实际应用价值。同时他们还发布了一个公共的虹膜数据库一 c a s i a 虹膜数据库。尽管如此，通过对文献的阅读，可以发现国内总体的 研究水平跟国外相比还是有较大差距的，这些文献中很大一部分是对国外 文献中方法的实现和探讨，有的虽然提出新颖的算法，但没有经过大样本 的测试。在商业应用方面也只有一两家公司通过购买国外公司专利技术和 芯片来制造虹膜识别设备【翻。 1 5 本课题的研究意义 虹膜识别作为一项新兴的身份识别技术，有着广泛的应用领域，市场 更是为这项技术的发展提供了广阔的舞台。据专家估计，虹膜识别产品高 端市场的规模大概在1 0 亿元左右，一旦虹膜识别产品批量生产后，成本价 格下降，能够大规模应用于民用领域的话，虹膜识别的市场前景将会更加 广阔。目前，手机普遍安装了摄像头，这为虹膜认证提供了得天独厚的条 件。在下面一些领域中，虹膜识别技术有着广泛的应用前景： ( 1 ) 在金融证券领域中，电子商务、银行a t m 、p o s 终端的安全认证； ( 2 ) 在信息领域中，网络、数据库和关键文件等的安全控制，系统计算 机的登录认证等； ( 3 ) 在国防领域中，重要基地的身份认证，机密资料的安全管理等； ( 4 ) 在交通领域中，海关和民航的通关认证等； ( 5 ) 在公安司法领域中，嫌疑人的准确确认，流动人口的控制等。 相比国内，国外虹膜识别产品比较成熟，并且已经在金融系统小范围 9 燕山大学工学硕士学位论文 试运行，但他们的产品价格偏高；并且从国家安全角度考虑，使用国外提 供的产品存在着很大的隐患。我国在虹膜识别技术的研究方面起步较晚， 想要在这一领域占有一席之地，迅速占领庞大的国际、国内市场，必须加 倍努力。 综上所述，虹膜识别的相关理论和算法的研究不仅有重要的理论价值， 而且有着广泛的工程应用前景，具有十分重要的科学和现实意义。 1 6 课题的主要研究内容及结构安排 本文主要针对基于虹膜的身份识别算法展开研究，在对现有方法进行 分析和归纳的基础上，重点对虹膜图像预处理和特征提取算法进行了改进 和创新。为了衡量算法性能，对实验结果进行了分析，基于统计理论对算 法的性能进行了评价，并和现有的系统进行了比较。本文的具体结构安排 如下： 第1 章，绪论，简要的介绍了生物特征识别技术；介绍了虹膜的生理 结构及进行识别的生理依据；分析了国内外的研究现状；点明了课题的研 究意义。 第2 章，虹膜身份识别系统的构成，介绍了生物识别和虹膜识别的系 统构成，对于虹膜识别系统各个组成部分及其作用进行了简要说明。 第3 章，虹膜定位和干扰信息的去除，提出一种利用二值化和f r e e m a n 链码的内边界定位算法和一种基于形态学闭运算与线性h o u g h 变换相结合 的分段直线眼皮去除算法。 第4 章，虹膜归一化与虹膜图像增强，利用极坐标变换实现了虹膜归 一化，在对马力等人的直方图均衡化方法改进的基础上实现了归一化虹膜 图像的增强。 第5 章，基于2 - dl o g g a b o r 子带图像分割的特征提取和匹配，提出 一种新的特征提取算法，利用改进汉明距离实现了特征匹配。 第6 章，算法性能与评价，利用c a s i a 虹膜图像数据库在认证和识别 两种模式下对算法性能进行了评价，分析了同类虹膜问汉明距离过大的原 l o 第1 章绪论 因；并且与现有算法进行了比较。 最后，对全文进行了总结。 燕山大学工学硕士学位论文 第2 章虹膜身份识别系统的构成 2 1 生物特征识别系统的构成 生物特征识别的目的在于通过区分人体所特有的生物特征，对人的身 份进行可靠的鉴别，一个典型的生物特征识别系统的结构如图2 1 所示。 图2 - 1 典型的生物特征识别系统结构框图 f i g 2 - 1t h es h c t u r ef l d 1 1 1 eo f t y p i c a lb i o m e t r i c a ls y s t e m 其中特征采集模块主要是指通过各种类型的传感器，来获取生物特征， 比如，c c d 设备用于获取图像，话筒用于获取声音。 特征提取是指利用各种手段提取原始生物特有的有效特征，将原始的 数据映射到一个特征空间。原始特征( 比如数字化的图像或者声音) 的数据 量相当大，或者说样本是处于一个高维空间中，直接利用这些特征来进行 分类往往是不现实的。为了有效的实现分类，最好的办法就是从原始特征 中抽取最能反映分类本质的二次特征，它们是原始特征的某种组合( 通常是 线性组合) ，然后在特征域进行分类。 实际的系统中，特征提取往往不是直接在原始特征上进行的。为了保 证特征提取的有效性，需要对原始特征进行必要的预处理，比如人脸识别 1 2 第2 章虹膜身份识别系统的构成 系统首先要进行人脸检测和定位；为了更有效的提取本质特征，需要对原 始特征进行一些比如降噪、增强等预处理；为了保证特征的一致性，要先 对特征进行归一化处理。 特征匹配模块也是生物特征识别系统的重要组成部分。生物特征识别 是一个典型的模式识别问题，最终的目的是通过将提取的特征与系统数据 库中的数据进行比对来实现对特征的分类。 2 2 虹膜识别系统的构成 计算机进行自动虹膜识别的原理很简单，就是利用专门的图像采集装 置来获取高质量的虹膜图像，然后采用一定的识别算法将采集到的虹膜图 像中细微的特征转化为对应的特征向量，通过计算特征向量的相似性程度， 区分不同的虹膜，从而实现身份识别的目的，一个典型的虹膜识别系统应 该包括图像获取、图像预处理、特征提取、特征匹配这四个组成部分。基 于虹膜的身份识别系统的结构框图类似于图2 1 所示的生物特征识别系统 的结构框图。 2 2 1 虹膜图像的获取 虹膜图像的获取是虹膜识别中的第一步，同时也是比较关键的一步。 图像采集装置性能的好坏将决定所采集虹膜图像的质量和使用的方便性， 影响整个系统地性能和应用。目前，在虹膜图像获取过程中主要存在的问 题包括： ( 1 ) 虹膜面积很小( 直径大约为1c m 左右) ，而且不同人种的虹膜颜色有 着很大的差别，白种人的虹膜颜色丰富，黄种人的虹膜则多为深褐色，这 些使得普通的摄像头无法拍摄出可以用来识别的清晰的虹膜图像。 ( 2 ) 同传统的身份识别方法一样，基于虹膜的身份识别方法也有被伪造 的危险，如何从硬件上提供支撑也是一个比较重要的问题。 ( 3 ) 人的眼睛是不规则的球状体，给采集高质量的虹膜图像增加了难 度。如果拍摄的角度不同，虹膜图像的纹理特征就会有较大的差别，从而 燕山大学工学硕士学位论文 给后续处理带来很大的难度。 当前已经有一些国外的公司成功的研制了虹膜图像采集装置，但这些 装置复杂而且昂贵。这些公司出于市场利益的考虑，并不提供图像采集装 置的驱动程序。因此，我们必须自己设计虹膜图像采集装置。 针对以上问题，中科院自动化研究所设计了易于使用的、具有自主知 识产权的虹膜图像采集装置【2 3 1 ，其原理图如图2 2 所示。 图2 - 2 虹膜图像获取装置原理框图 f i g 2 - 2t h ep r i n c i p l ef r a m eo f i r i sa c q u i r e ds e t t i n g 该装置包括光学成像装置、计算机控制卡、c c d 摄像头和图像采集卡 四部分。光学成像装置包括光学镜头组和光源；计算机控制卡包括译码电 路、调节控制电路和稳压开关电路。整个装置通过图像采集卡向计算机输 入虹膜图像；而计算机则通过控制卡调节采集装置的相关光照参数和触发 装置采集图像。该采集装置具有以下显著特点： ( 1 ) 合理利用半透半反镜和放大镜实现了眼睛的自定位和虹膜的居中 拍摄，减少了由于拍摄角度不同引起虹膜纹理畸变的可能性。 ( 2 ) 变化的可见光照明可以有效地使瞳孔缩小，提供高质量的虹膜图 像，同时还可以得到瞳孔快速变化的图像序列，进行活体虹膜检测。 ( 3 ) 合理分布的红外照明光源使得拍摄到的虹膜图像亮度均匀，消除了 虹膜上光源的高亮反射点，减少了虹膜图像的噪声。 ( 4 ) 计算机控制卡实现了红外发射管和可见光灯泡光照强度的“软”调， 避免为了改变光照而多次拆卸虹膜采集装置。 1 4 第2 章虹膜身份识别系统的构成 使用该套装置可以拍摄出清晰的虹膜图像，由该装置所获取的虹膜图 像所构成的c a s i a 虹膜图像数据库已经被许多研究者作为虹膜识别算法 验证的基础，本课题的研究不涉及图像采集问题，算法验证也是在中科院 自动化研究所提供的c a s i a 虹膜图像数据库基础上进行。 2 2 2 虹膜图像预处理 通过图像获取设备采集到的原始眼部图像如图2 - 3 所示。虹膜是位于 瞳孔和巩膜之间的环状区域，它内侧与瞳孔相邻，外侧与巩膜相邻，其内 外边界可以近似的看作两个非同心的圆形，进行识别之前需要通过虹膜定 位将环状虹膜区域提取出来。环状的虹膜区域不仅包含虹膜部分，往往还 包含一些干扰信息，比如眼皮、睫毛等，因此为了有效的进行识别，必须 去除眼皮和睫毛等干扰信息。 图2 - 3 原始眼部图像 f i g 2 - 3t h eo r i g i n a le y ei m a g e 由于在采集的过程中，人眼到镜头距离的变化、光照对瞳孔刺激引起 的瞳孔收缩、以及个体的差异，虹膜区域的大小并不是固定的，即便是同 一个人在不同时间采集到的样本也会发生差异，因此必须对定位后的环状 虹膜区域进行归一化处理，这样不同的虹膜将被将被归一化为一个固定尺 寸的图像。 归一化图像的对比度较低，同时，由于光源位置的原因，使得某些图 像的光照分布不均匀，这些都会影响纹理分析的效果，为了更好地提高识 别效果，需要对归一化图像进行增强。 燕山大学工学硕士学位论文 因此，预处理模块包含三个主要步骤：虹膜定位和干扰信息的去除、 虹膜归一化和虹膜图像增强。 2 2 3 特征提取 虹膜图像当中有着极为丰富的纹理信息，现有的文献之中，绝大部分 虹膜识别算法都是基于纹理的。如何将这些信息有效的表达出来，是一个 典型的特征选择和特征提取的问题。特征提取在虹膜识别中起着至关重要 的作用，如何提取和表述虹膜的具有分辨力的特征决定了虹膜识别算法的 性能。 2 2 4 特征匹配 在特征提取之后，虹膜特征被记录到一个特征向量之中。如何衡量特 征向量之间距离或者相似程度，属于特征匹配的问题，这是模式识别系统 中重要的组成部分。为了实现特征匹配，需要设计适宜的分类器，分类器 的好坏直接影响到特征匹配的准确度和速度。目前资料上公开的用于虹膜 识别的分类器主要有以下几种： ( 1 ) 汉明距离分类器汉明距离就是通过计算一对虹膜特征码中不匹 配的位数占总位数的百分比来衡量虹膜之间的相似程度1 4 捌，数学表达式 如下所示： 1l h d = c o d e a o c o d e b ( 2 1 ) “j ；l 式中工是虹膜特征码的尺寸，o 是异或符号。通过计算，得出的汉明距离 越小表示虹膜图像越相似，反之表明差异越大。该方法计算消耗小，当数 据库中的数据量很大时，效果很好；缺点是受图像旋转的干扰影响很大， 算法的鲁棒性不强。 ( 2 ) j 1 1 权欧氏距离分类器王蕴红等提出了利用加权欧氏距离来描述 两个虹膜之间的相似性程度1 2 5 1 。将未知虹膜的特征向量同已经训练好的已 知类别的虹膜特征向量相比较，当且仅当它的特征向量与第k 类特征向量 的加权欧氏距离最小时，输入虹膜就被分类为第k 类虹膜。加权欧氏距离 1 6 第2 章虹膜身份识别系统的构成 的数学表达式如下所示： w e d ( k ，= 喜孵 式中z 是进行匹配的虹膜的第i 个特征，是模板库中第k 类虹膜的第i 个特征的均值，表示第k 类虹膜的第f 个特征的方差， r 表示特征总数。 ( 3 ) w i l d e s 的分类器w i l d e s 采用归一化相关系数进行分类 2 6 1 ，该分类 器的数学表达式如下所示： p 。【f ，刀一h ) ( 【f ，刀一心) 旦上l 一 ( 2 3 ) 0 1 0 2 式中p l 和岛是两幅大小为n x m 的图像，_ “10 1 分别是图像a 亮度的均值 和标准偏差；如和仃：分别是图像见亮度的均值和标准偏差；由该式的计 算值可以衡量相应点的总体相似性；由于平均强度是在相关系数分式的分 子中被减去，而标准偏差出现在分母中，所以该分类器具有较高的鲁棒性。 2 3 本章小结 本章主要介绍了生物特征识别系统的系统结构和虹膜识别系统的组 成。对于虹膜识别系统各个组成部分及其作用进行了简要概述，其中对图 像采集模块进行了比较详细的说明，重点介绍了中科院自动化研究所的图 像采集装置。 1 7 燕山大学工学硕士学位论文 第3 章虹膜定位和干扰信息的去除 3 i 引言 在虹膜识别系统中，一幅采集到的虹膜图像不仅包含环状的虹膜部分， 还包含眼睛的其他部分，比如瞳孔、巩膜、眼皮、睫毛等等，如图3 1 所 示，我们在进行识别之前必须进行虹膜定位工作。对于有些虹膜图像来说， 镜面反射的存在，眼皮和睫毛对虹膜部分的遮挡，都会影响到对虹膜图像 的有效识别，因此需要将眼皮、睫毛和镜面反射检测出来，以消除这些干 扰因素对识别产生的不利影响。 图3 1 眼部外观图 f i g 3 - 1t h es u r f a c ei m a g eo f e y e 虹膜是位于瞳孔和巩膜之间的环状区域，它的内外边界可以近似的看 作是两个圆形，但是一般来说，这两个圆形并不是同心的。虹膜定位的目 的就是要利用内外边界的形状特性，分别计算出内外边界的圆心和半径， 然后根据所得到的圆心和半径，将环状的虹膜区域从原始眼部图像中提取 出来。 虹膜定位所需要用的时间大约可以占到整个虹膜识别过程的一半以 上，是关系到整个系统实时性的关键性因素，并且，定位的质量决定了后 面的工作能否继续，并在一定程度上决定了算法的识别率。但是，人眼的 1 8 第3 章虹膜定位和干扰信息的去除 生理结构往往影响了所获取的虹膜图像的质量。同时，拍摄时成像光源对 虹膜图像的污染也会促使图像噪声的增加。这两个因素都会降低虹膜定位 的精确度或者延长定位所需的时间。虹膜图像精确定位的难度造成了虹膜 识别系统对环境要求的苛刻，对使用者也产生了较多的限制。同时，定位 的精度和速度之间又是相互矛盾的，目前的算法往往是在两者取一个折衷。 因此，寻找一种同时兼顾速度和精确度两个因素的虹膜定位算法是研究的 重点和难点。 目前国内外的虹膜识别系统当中，比较通用的定位算法有d a u g m a n 的定位算法和w i l d e s 的定位算法，其他的定位算法大都是基于这些算法的 思想进行的改进。 3 1 1 d a u g m a n 的定位算法 剑桥大学的d a u g m a n 提出一种基于活动圆模板匹配的定位算法【1 4 2 4 1 ， 其核心在于在虹膜图像中的一定区域内，利用一个如下式( 3 1 ) 所示的有效 的微积分算子反复寻找虹膜的内外边界： m t z ( r 一删昙屯掣叫 p ， 此算子是一种经典的机器视觉算子，式中j o ，j ，) 是一幅输入的灰度图 像，代表卷积；除以2 z c r 目的是进行