（控制理论与控制工程专业论文）虹膜识别算法的研究.pdf

哈尔滨工程大学硕士学位论文 摘要 现代生物识别技术是指通过计算机利用人类自身生理或行为特征进行身 份认定的一种技术。而虹膜的身份识别技术是一种最新的鉴别技术。虹膜作 为重要的身份鉴别特征，具有唯性、稳定性、可采集性、非侵犯性等优点， 与其他的生物识别方法相比，虹膜具有更高的可靠性、准确性，所以被认为 是最具前途的一种生物识别技术。本文对虹膜识别算法做了深入的研究，希 望能够将它运用到保密机关、机场、自动取款机等等需要它的部门。 首先，本文简单介绍了几种典型的生物识别技术的发展、详细地阐述了 虹膜识别技术的发展及研究意义、虹膜生理结构及虹膜识别系统的组成。之 后较深入地研究了虹膜识别算法，并实现了其各个步骤，即定位、预处理、 特征提取和匹配。 在定位方面，提出了一种新的定位算法，即利用灰度闽值分割瞳孔结合 边界跟踪定位虹膜内边缘，利用c a n n y 算子和h o u g h 变换方法定位虹膜外边 缘。 在预处理方面，实现直角坐标到极坐标的转换，使虹膜识别具有伸缩和 平移不变性。同时利用直方图均衡化的方法消除了由于光照不均所造成的影 响。 在虹膜纹理的特征提取方面，提出了采用g a b o r 变换和二维小波变换对 虹膜纹理进行编码的两种方法，同时利用方差倒数加权欧式距离分离器来识 别，取得了很好的识别效果。 最后，将本文的成果及结论加以总结，并对今后的研究工作提出自己的 几点期望。 关键词：虹膜：模式识别；h o u g h 变换；g a b o r 变换；生物识别 a b s t r a c t t h em o d e mt e c h n o l o g yo fb i o m e t r i c sr e c o g n i t i o nc o u l di d e n t i f yp e r s o nb y u s i n gp o w e r f u lc o m p u t e rb a s e do nt h eb i o l o g i cf e a t u r eo rb e h a v i o ro fh u m a n b e i n g t h ep e r s o n a li d e n t i f i c a t i o ns y s t e mb a s e do n i r i s i san e wp e r s o n a l i d e n t i f i c a t i o nt e c h n o l o g y a sap e r s o n a li d e n t i f i c a t i o nt e c h n o l o g y , i r i sr e c o g n i t i o n h a ss o m ea d v a n t a g e s ，s u c ha su n i q u e n e s s ，s t a b i l i t y , e a s eo fa c q u i s i t i o na n dn o i n f r i n g i n g c o m p a r i n g 州t 1t h er e c o g n i t i o no ff a c e s o u n da n do t h e r s ，i r i s r e c o g n i t i o nh a sh i g h e ra c c u r a c y s ot h a ti th a sm o r eb o o m i n gp e r s p e c t i v e c o m p a r i n gw i t ho t h e rn u m e r o u sb i o m e t r i c sr e c o g n i t i o nt e c h n o l o g i e s t h ei r i s r e c o g n i t i o ni ss t u d i e dd e e p l yi nt h i st h e s i s i nt h i s t h e s i s ，t h eh i s t o r yo fb i o m e t r i cr e c o g n i t i o na n ds o m ek i n d so f b i o m e t r i cr e c o g n i t i o nt e c h n i q u e sa r ei n t r o d u c e d t h e n t h ed e v e l o p m e n to fi r i s r e c o g n i t i o nt e c h n i q u ea n dt h es t r u c t u r eo fi r i sr e c o g n i t i o ns y s t e ma r ed i s c u s s e di n d e t a i l 1 1 1 ea l g o r i t h m so fi r i sr e c o g n i t i o nh a v ea l s ob e e ns t u d i e dd e e p l ya n da l lo f t h ep r o c e s s e st h a ti n c l u d el o c a t i o n ，p r e - p r o c e s s i n g ，f e a t u r ee x t r a c t i o n ，a n dp a t t e m m a t c hh a v eb e e nc a r r i e do u t i nt h ei r i sl o c a t i o nr e s p e c t ，an e w1 0 c a t i o nm e t h o di sp u tf o r w a r dw h i c hc a n e n h a n c et h es p e e do fl o c a t i o n 1 1 1 et h r e s h o l do fg r e ya n de d g et r a c i n ga r eu s e dt o g e tt h ec e n t r ea n dr a d i u so fi n n e rc i r c l eo fi r i s a n d ，t h eh o u g ht r a n s f o r ma n d c a n n yo p e r a t o r so r eu s e dt oe x t r a c tt h a to fo u t e rc i r c l eo fi r i s ，t e s t i n gr e s u l t sh a v e s h o w nt h a tt h ep r o p o s e dm e t h o dc a ni m p r o v e di r i sl o c a t i o na n di sn o ts e n s i t i v et o n o i s e i no r d e rt or e m o v et h ee r i e c t sc a u s e db yd i s p l a c e m e n ta n dz o o mo fi r i s i m a g e ，i r i si m a g ei st r a n s f o r m e df r o mc a r t e s i a nc o o r d i n a t e st op o l a rc o o r d i n a t e s f o rf e a t u r ee x t r a c t i o n ，t w ok i n d so fa l g o r i t h m sa r ec o n s i d e r e d o n eo ft h e mi s g a b o re n c o d i n gm e t h o da n dt h eo t h e ri sw a v e l e tt r a n s f o r m f o ri r i sr e c o g n i t i o n ， t h ew e i g h t e de u c l i d e a nd i s t a n c ei su s e d e x p e r i m e n t ss h o wt h a tt h em e t h o di s v a l u a b l ei ni r i sr e c o g n i t i o n k e yw o r d s ：i r i s ；p a t t e r nr e c o g n i t i o n ；h o u g ht r a n s f o r m ；g a b o r t r a n s f o r m ； b i o m e t r i c sr e c o g n i t i o n 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献等的引用已在文中指出，并与参考文献相对应。除文中 已经注明引用的内容外，本论文不包含任何其他个人或集 体已经公开发表的作品成果。对本文的研究做出重要贡献 的个人和集体，均已在文中以明确的方式标明。本人完全 意识到本声明的法律结果由本人承担。 作者( 签字) ：杰茎! 丝 日 期：伽浑，月，2 日 哈尔滨工程大学硕七学位论文 1 ，1 课题的目的及意义 第1 章绪论 随着数字化时代的到来，生物识别技术正得到迅速的发展。特别是 “9 1 1 ”以后，由于反恐、刑侦、信息安全、金融安全等多方面的需要，传 统的以密码为特征的身份识别技术越来越难以满足这些行业高安全性的要 求，生物识别技术受到格外重视。 人的身份识别技术经历了三个阶段的发展。第一阶段是最初始的方法， 也就是采用大家早已熟悉的各种机械钥匙；第二阶段是由机械钥匙发展到数 字密钥，如密码或条形码等：第三阶段是利用人体所固有的生物特征来辨识 与验证身份，它是当今数字化生活中最高级别的安全密钥系统。对于生物特 征识别技术，很多人是通过好来坞大片认识的，在那些高科技电影里时常出 现特工们通过指纹、虹膜、掌纹进入到核心保密区的镜头。在普通人的意识 里，生物特征识别技术还是一个带有科技色彩的概念。其实，随着技术的成 熟，生物特征识别技术已经逐渐从神秘的研究室中走出，开始渗透到普通人 日常生活的方方面面。 所谓生物识别技术“1 就是指通过计算机，利用人体所固有的生物特征或 行为特征来进行个人的身份鉴定。如指纹、手形、眼虹膜、声音、脸相、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。生物识别五花八门，同时也代表这科学技术的发展，瞪瞪眼睛就能代 表密码，这是便携式虹膜身份认证系统；对着电脑说几句话，电脑就能认出 你是谁，这是电话远程身份认证系统。声纹识别技术是另外一种正在走向成 熟的生物特征识别技术。通过声纹特征身份验证的方式可以杜绝非法人员的 盗用。已经研制的手机人脸识别系统对公安系统将会特别有用。科学家介绍 说，如果在野外发现嫌疑人，只需要用可拍照彩屏手机将嫌疑人的脸拍下来 并发送给服务器，服务器就会立即将识别结果以短信形式通知手机，从而快 速、准确地识别嫌疑人。最近国际上还出现了一种新的识别技术：颅骨识别。 目前我国中科院自动化所生物特征识别认证与测评中心已经组建了专门的研 哈尔滨1 程大学硕士学位论文 究团队。从技术种类上说，指纹识别研究是最早也是应用最多的生物识别技 术。虹膜识别技术则以其高稳定性、高可靠性、高精密度以及几乎无法伪造 而成为近期国际研究以及应用中一个受到特别关注的领域“1 ，特别的是现在 越来越多的人在研究虹膜识别的算法，使它越来越成熟。人脸识别技术也是 近期研究中的一个重点与热点，特别是受世界民用航空组织发布的关于在护 照中应用人脸、指纹、虹膜技术规划的影响，全球各大研究机构、各大跨国 公司已将人脸识别作为下一代的战略制高点加以重点投资、研究。有关专家 告诉，作为一门新兴科技，生物特征识别从技术上还需要进一步完善，特别 是与具体应用相关的使用算法，还需要在理论上取得更大的进展。但是在生 物特征识别领域，国内外的核心技术差距不大，国内部分研究成果在国际上 已具有比较先进甚至领先的水平，只是在应用技术上特别是硬件采集技术上， 国内与国际存在较大差距。 虹膜身份识别是近年来发展起来的一种新的生物特征识别方法，它具有 更高的准确性、唯一性、稳定性、可采集性、非侵犯性，而且同时还具有上 述其他生物特征所具有的一些优点，市场更是为这项技术的发展提供了广阔 的舞台。虹膜识别产品可以广泛应用于电于金融、电于贸易、网络安全领域， 用于金库、海关、地铁、机场等通道控制系统，用作计算机的开机口令，用 于居室安全，用于缉查信用卡犯罪、a t m 机犯罪及其它电子金融犯罪，用到 驾驶证、公民身份证上，还可用于国家安全和国防安全领域。它是本世纪最 有发展前景的身份识别技术之。 1 2 几种典型的生物识别技术 下面就几种典型的生物识别技术分别加以叙述。 1 ) 脸形识别 脸形识别是最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。脸形识别是一种非干涉性生物识别技术，他几乎不给人们带来 任何不便之处，很容易为人们所接受。计算机视觉算法能够提出人脸的特征 向量，把复杂的人脸低维化，并保持高的分辨率能力。目前常用的脸形识别 算法有特征值法、弹性匹配、神经网络等。但是，现有的技术还无法达到很 高的识别率。 哈尔滨丁程人学硕士学位论文 2 ) 指纹识别 指纹识别差不多成了生物识别技术的代名词了。实际上，指纹识别技术 也确实是一种可靠的身份识别方式。指纹是一种表皮层的脊和谷组成的图像。 脊的结束点和分叉点被称为极小值点。大多数这种极小值点对每个指纹来说 是独一无二的。目前的指纹识别算法都是基于极小值点的模式匹配。 3 ) 声音识别 声音识别是一种行为识别技术，声音的变化范围比较大，很容易受背景 噪声、身体和情绪状态的影响。 4 ) 手形识别 手形的测量比较容易实现，对图像获取的要求比较低，手形的处理相对 也比较简单，在所有的生物识别方法中手形认证的速度最快。目前手形识别 主要有两种方法，基于特征矢量的方法和基于点匹配的方法。 5 ) 签名识别 签名识别是一种行为识别技术，目前签名大多数还只用于认证。签名认 证按照数据的获取方法可以分为两种：离线和在线。该识别的方法有模板匹 配、隐马尔可夫模型、谱分析法等。 6 ) 虹膜识别 虹膜的组织结构在胎儿的中胚发育阶段就己经定型了，它具有唯一性并 终身不变。虹膜隔离于外部环境而且不能通过手术修改。从理论上讲，虹膜 的这些特性可以成为防伪性能最好的生物识别手段。虹膜识别方法有g a b o r 变换方法、滤波器特征提取、相关系数法等。 7 ) 视网膜识别 人类视网膜的血管是非常稳定的，它对每一个人来说都是唯一的。视网 膜的数字图像可以通过向眼球发射一束低强度光取得。视网膜与外界相隔离， 具有很好地防止冒名顶替的作用。实际上视网膜扫描被认为是当前最安全的 生物识别技术。 以上只介绍了几种普遍的生物识别技术，还有很多识别方法还处于初期 研究阶段，这里只选择比较典型的生物识别技术来介绍。 哈尔滨工程大学硕士学位论文 1 3 虹膜识别的特点 虹膜识别技术之所以能够在多种生物识别技术中独领风骚，并成为生物 识别研究的热点，其主要优点是： 1 ) 虹膜与外界隔离开，不易受损。 2 ) 一般手术不能改变虹膜的纹理。 3 ) 瞳孔的大小即使注视时也是变化的，虹膜识别系统依然可能在变化中 找到不变的量，同时可以检测出真假虹膜图像。如果盗用他人的虹膜不可能 对光线起反应，瞳孔的大小不发生变化，虹膜识别系统就会捕捉到这种惰性。 4 ) 不须接触，虹膜图像在一定的距离内可以捕获。 5 ) 生来具有的极坐标几何特性，提供天然的极坐标系统。 同其他的生物识别技术( 如指纹识别、脸型识别等) 相比，虹膜识别技 术具有非常明显的优势。表l 为几种生物识别方法技术指标的比较。正是由 于这些特点，才使虹膜识别技术得到多方的关注，虹膜识别技术必将成为新 一代生物识别技术研究的热点。 表1 几种生物识别方法技术指标的比较 项目 虹膜识别指纹识别脸型识别手型识别 等错率( f a r f r r ) 0 0 0 0 0 8 5 2 5 0 2 2 2 平均每次识别时间s l 5 33 - 5 非侵入过程 y e s n o y e s n o 能完成识别功能 y e sl i m i t e dl i m i t e dn o 受欺诈行为影响 l o wm e d i u mm e d i u mm e d il l l l l 使用的是个人独特特征 y e sy e sn on o 数据的文件大d 、b y t e s 5 1 2 9 0 4 0 0 09 对用户的友好程度h i g h m e d j u m h i g h m e d j u m 通过以上数据对比可以看出，虹膜识别在正确率、识别时问、可靠性等 方面都要优于其它的生物特征识别技术。因此，虹膜适于作为身份鉴别的特 征，基于虹膜的身份鉴别不仅可行，而且必要。 4 哈尔滨上程大学硕士学位论文 1 4 国内外虹膜识别方面的研究现状及分析 1 4 1 国外虹膜识别的研究 1 9 8 7 年，美国的f 1 0 m 和s a f i r 最先提出“虹膜识别系统”的概念。”，1 9 9 1 年由l o st h o m o s 国家实验室研制最先实现这种系统。该技术的里程碑工作是 d a u g m a n 提出的虹膜识别系统，使虹膜识别跃进到实用阶段。最初，d a u g m a n 。m 利用g a b o r 函数，研究图像的压缩与分析，发现了g a b o r 函数能很好地表示 图像纹理。进步，d a u g m a n 利用虹膜的几何特性，给出了虹膜定位方法， 准确地定位了其内外边界，把直角坐标系中的虹膜图像i ( x ，j ，) 映射到极坐标 系( ，口) 中，生成极坐标系下虹膜图像l ( r ，目) ，如图1 i ： l 氟厂、， 弋jl 夕 图1 1 虹膜内外边界定位 八十年代，m e y e r 和m a l l a ts g ”1 等人所提出的小波分析理论，构造出 了2 一dg a b o r 小波函数”，给出了a m p m ( 幅度和相位调制) 算法，利用它 给出了图像的纹理信息的小波系数，很好地表示了虹膜图像的特征。利用这 些小波系数，对虹膜纹理进行了粗量化和编码，就得到了虹膜图像的小波代 码。d a u g m a n 具体地应用了1 0 2 4 个小波，得到了2 0 4 8 b i t 虹膜信息( 即2 5 6 个字节的虹膜代码) 。对于图像，、，o a u g m a n 利用海明距离( h a m m i n g d i s t a n c e ) 定义了两虹膜代码的距离p ( 1 ，2 ) 哈尔滨工程大学硕士学位论文 p ( “，z ) 2 赤善爿- ，( x o r ) a 1 2 0 4 8 ：， 其中4 f ，爿，f 表示图像厶、，的第l 位虹膜代码，x o r 表示异或运算进一 步利用虹膜图像相关性，虹膜图像的虹膜代码的独立自由度，经过试验验证 为1 7 3 个。这样，上式距离计算，就可以简化为只计算1 7 3 个特征的海明距 离，为虹膜识别跃进到实用阶段奠定了理论基础。到目前为止，虹膜识别技 术都是以d a u g m a n 博士的专利和研究为基础的。 国外后来一些研究者，在此方面进行了一些深入研究，w i d e s 。1 等人提出 了基于图像配准技术的虹膜识别理论及方法。b o l e s 利用m a l l a ts 给出的小 波过零点性质，提出一种基于小波变换过零点的识别方法，它克服了漂移、 旋转和比例放缩等带来的问题，而且抗噪性能好。 世界发达国家已经逐步的开展了虹膜识别的商品化过程，其中美国是虹 膜识别最先研究的国家，其成型的产品已经应用在飞机场，金融部门等领域。 其技术发展已经进入了成熟的阶段。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。这是有文献记载的第一个虹膜识 别应用系统。1 9 9 6 年w i l d e s 研制成功了基于虹膜的身份认证系统。 英国电讯有限公司早在1 9 9 7 年就发明了一种用于捕获眼睛图象的手持图 象获取和图象传输装置。美国特拉华州纽卡斯尔i r i ss c a n 公司早在2 0 0 0 年就已经公开了一种虹膜识别系统和通过虹膜扫描而识别生物体身份的方 法。现在该公司生产的一种虹膜扫描识别仪器，在安防领域已获得广泛认可。 在2 0 0 0 年中期，美国开始专为航空公司飞行员、机组服务人员和机场职 工设计的“虹膜通行证”在机场启用，这是该技术在全球航空公司和机场首 次得到正式应用。i b m 公司的虹膜扫描技术的安检系统于2 0 0 1 年l o 月在阿 姆斯特丹机场投入使用，辅助荷兰边境警察进行身份鉴定和出入境检查。日 本冲电气公司开发出了p c 接续型虹膜个人认证装置，即使对戴着眼镜或隐形 眼镜的人也可使用。此外，还有西门子的眼球虹膜检控系统等等。图1 2 所 示的是日本冲电气公司开发的i r i s p a s s 虹膜识别门禁系统1 ，图1 3 所示的 是松下公司低廉的虹膜识别门禁系统m ，。 6 哈尔滨工程大学硕士学位论文 i r i s p a s s w g “g a t ec o a h - o ls y s t e m 一 图1 ，2i r i s p a s s 虹膜识别门禁系统 图1 3 虹膜识别门禁系统 1 4 2 国内虹膜识别的研究 国内在此方面的工作集中于下面几个方面： ( 1 ) 虹膜图像分割算法的研究 何家峰、李庆嵘“”等给出了一种粗定位与精定位相结合的两步定位法。 韩方、陈颖”等给出了根据标准偏差定位瞳孔边缘和圆心，从而快速定位虹 膜外边缘的方法。黄小欢、刘辉“给出了基于微分积分圆形检测算子的虹膜 定位方法。何家峰、叶虎年”0 1 等给出了一种改进的虹膜粗定位方法。利用每 行的灰度差分曲线，寻找虹膜或瞳孔的边界点，由这些边界点拟合出虹膜及 瞳孔的边界。这些方法，在提高定位准确度，定位速度，定位的稳定性，减 少虹膜定位算法中搜索的盲目性，做出了尝试。 f 2 ) 虹膜编码算法的研究 哈尔滨工程大学硕士学位论文 康浩、徐国治“”给出了基于o a b o r 函数集的编码方法，利用g a b o r 滤波 器的相位特征，对虹膜纹理进行编码。严民军，齐翔林“”等给出了经小波变 换、松弛神经网络算法及稀疏编码，形成虹膜纹理的代码的方法。王蕴红、 朱勇、谭铁牛“”给出了采用o a b o r 滤波和d a u b e e h i e s 一4 小波变换提取特征， 匹配采用方差倒数加权欧氏距离方法，具有旋转、平移和尺度不变性。 ( 3 ) 虹膜识别算法的研究 陈良洲、叶虎年。”给出了用h o u g h 变换找出虹膜中心及其半径、利用其 半径求出比例因子、用相关系数测度匹配结果。应忍冬、徐国治”基于b o l e s 的小波变换过零检测算法，提出了利用“虹膜瞳孔变形模型”和“有限变形 相似度”新的编码识别算法，解决虹膜纹理变形问题和不等长编码的比较问 题。陈颖、秦荫桐”等给出了基于低通滤波和傅立叶频谱的相位相关的匹配 算法。范科峰、曾庆宁。“给出了基于二进小波变换过零检测的虹膜图像识别 算法。 1 5 本论文的内容 虹膜识荆技术作为一项涉及现代数学、信号处理、模式识别、图像处理 等多个领域的前沿应用技术，其技术的先进性和应用前景都被人们看好。这 项技术的开发和推广将缓解我国对国外安全身份识别产品的广泛需求，同时 为金融电子化、电子贸易、访问控制、通道及智能技术的进一步发展提供了 项可靠的安全技术。在这种背景下，我对虹膜识别技术进行了研究。本文 的主要研究工作如下几点： ( 1 ) 虹膜图像的读取。在本论文中，我们处理的图像都是b m p 格式的。 ( 2 ) 虹膜图像的边缘检测。虹膜图像的边缘检测是虹膜识别技术的基础，本文 重点介绍几种常用的边缘检测算子，如r o b e r t s 算子，p r e w i t t 算 子，s o b e l 算子，l a p l a c e 算子和c a n n y 算子，并且用这几种边缘检测算子 检测虹膜图像，通过检测出来的虹膜效果图比较它们优缺点，最后我们从 实际出发选出最适合虹膜检测的一个方法c a n n y 算子。 ( 3 ) 虹膜图像的预处理。虹膜图像预处理的目的是虹膜定位与归一化，是特征 提取和准确匹配的基础。在虹膜定位中，利用灰度二值化找到瞳孔的圆心 坐标和半径。利用c a n n y 变换和经典的h o u g h 交换求出虹膜外边缘的圆也、 哈尔滨工程大学硕士学位论文 和半径。由于h o u g h 计算量非常大，利用瞳孔的圆心和半径作为限制条件 就可以减少很大计算量。在虹膜归一化中，为了消除平移、缩放和旋转对 于虹膜识别的影响，我们把虹膜图像从直角坐标变换到极坐标下，并且把 虹膜展开成为一个矩形状。利用中值滤波和盐和胡椒滤波去除噪声，最后 利用直方图均衡化使归一化的图像增强，为特征值的提取做准备。 ( 4 ) 虹膜图像的特征提取。虹膜图像包含有明显的、可区别的各种特征。为了 准确提取虹膜中纹理的信息，我们必须虹膜图像进行分解，从中提取编码 信息。本文具体的分析了g a b o r 滤波和二维小波在虹膜特征值提取的理论 基础和实现方法。 ( 5 ) 虹膜的匹配。我们采用方差倒数加权欧氏距离分类法对虹膜进行识别。 9 哈尔滨工程大学硕士学位论文 第2 章虹膜识别的生理学基础及其识别原理 2 1 虹膜的结构图 要对虹膜纹理进行识别，就必须了解虹膜的结构，如图2 1 所示。 眼睛由眼白、虹膜、瞳孔三部分构成。眼白即眼球外围的白色部分，约 占总面积的3 0 ；眼睛中心为瞳孔部分，约占5 ；虹膜位于眼白和瞳孔之间， 包含了最丰富的纹理信息，占据6 5 。瞳孔随射入光线强度的变化，会产生 收缩或扩张，牵动虹膜变化。虹膜与眼白、瞳孔的边界均近似为圆形，是图 像匹配可以利用的重要几何信息。 虹膜的结构图见图2 1 和图2 2 。用摄像机录入的虹膜图像见图2 3 。 图2 1 虹膜结构图 1 0 哈尔滨工程大学硕士学位论文 ( 图2 2 ) 虹膜剖面图 ( 图2 3 ) 用摄像机摄录入的虹膜图像 虹膜表面高低不平坦，有皱襞和凹陷，凹陷又称隐窝。近瞳孔的皱襞特 别显著，称虹膜皱襞或者领状韧带，它是虹膜的小动脉环的位置标志，如图 2 2 所示。 虹膜的后表面较平坦。但是由于虹膜的内血管分布不均，使虹膜表面出 现很多有规则的放射性条纹。在近瞳孔边缘约1 5 唧处，有一条弯弯曲曲的 环形隆起，有如花边衣领，称为虹膜小环。虹膜小环将虹膜表面分为两个部 分；小环外侧的虹膜叫做睫状部或者睫状区，内有许多放射形隆起，代表虹 膜血管从大环走向小环所经行的路径。睫状区又分为三部分：靠近虹膜小环附 哈尔滨工程大学硕士学位论文 近的一部分最光滑，中间区内有许多收缩纹或收缩沟与瞳孔为同心的圆形， 当瞳孔扩大时最显著：靠近睫状体的区域为筛状区，此区内虹膜表面有许多虹 膜小坑。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，也有些虹膜小坑，称为睫状区小坑。和瞳 孔部的虹膜小坑相比较，睫状小坑比较小和浅。位于两个小坑之间的虹膜组 织往往有十条梳状突起，跨过睫状体表面，延伸到前房以内与房角网状组织 相连续，此突起即被穆为梳状韧带。 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，瞳孔缩小时增宽。 总体来说，虹膜由前到后可分为6 层：( 1 ) 内皮细胞层；( 2 ) 前界膜层； ( 3 ) 基质层( 即血管层) ；( 4 ) 肌肉层( 即瞳孔括约肌，特别是瞳孔开大肌层) ： ( 5 ) 虹膜色素上皮层；( 6 ) 内界膜层。 2 2 虹膜的生理和医学特征 虹膜用于身份识别具有如下的生理和医学特征“： ( 1 ) 虹膜组织细节丰富； ( 2 ) 虹膜组织细节的形成与胚胎发生阶段的环境有关，具有极大的随机 性： ( 3 ) 虹膜组织特征在出生后半年至一年半后保持终生不变； ( 4 ) 不可能用外科手术改变虹膜特征，更不可能将一个人的虹膜组织 特征改变得与某特定对象的特征相同； ( 5 ) 一般性疾病不会对虹膜组织造成损伤； ( 6 ) 瞳孑l 的缩放使组织具有活体组织的显著特征 对于每个人来说，虹膜的结构各不相同，并且这种独特的虹膜结构在人 的一生中几乎不发生变化。这个观点有两方面的依据：第一个依据来自于临 床观察。眼科学家和解剖学家经过大量的观察发现，虹膜具有独特的结构， 即便对于同一个人，左眼和右眼的虹膜区别也是十分明显的。经过进一步持 续的观察，科学家们发现，自童年以后，虹膜在人的生中所发生的变化十 分微小。支持这一观点的第二个证据来自发育生物学。科学家发现，尽管虹 膜的基本结构是由内在的遗传基因决定的，但是，外界环境却对虹膜独特的 1 2 哈尔滨工程人学硕士学位论文 细微结构起着决定性作用。这种外部环境是指在生命初期虹膜形成之前的胚 胎发育环境。因此，自然界不可能出现完全相同的两个虹膜。发育生物学家 通过大量观察发现，当虹膜发育完全以后，它在人的一生中是稳定不变的， 因而具有稳定性。另外，由于虹膜的外部有透明的角膜将其与外界相隔离， 因此，发育完全的虹膜不易受到外界的伤害而产生变化。所有这些证据表明， 每个人都有不同的虹膜结构，并且这种独特的虹膜结构是稳定的。 虹膜中包含有丰富的色素细胞，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 度来蜕，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、隐窝等形状的细微特征才是虹膜惟一性的体现。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。 2 3 虹膜识别系统原理及识别过程 虹膜识别技术的基本原理是通过特制的光学成像系统、电子控制单元以 及适当的计算机软件算法来提取虹膜的图像，通过图像分割技术实现虹膜的 定位、归一化和去噪声；使用活体虹膜检测，就是要可靠的鉴别出采集到的 图像是否来自有生命的个体，使虹膜用特征提取器对虹膜进行有效的特征的 提取，最后使用分类器完成基于虹膜特征向量的分类任务。具体的过程可以 参照图2 4 。 横式1模式2援式3模式4楼式5 图2 4 虹膜识别系统示意图 哈尔滨工程大学硕士学位论文 2 3 1 虹膜图像录入 自动虹膜识别的关键技术之一就是要高质量的捕获虹膜图像。因为虹貘 面积很小，颜色灰黑，所以要获得细节清晰、对比度高的虹膜图像并非易事。 如图2 5 所示，数字摄像机从3 0 一5 0 厘米的距离，摄得分辨率为3 4 0 * 2 8 0 像素的眼部图像。为了提高图像的对比度，采用了红外和可见光l e d 辅助光 源。通过适当调整光源的位置，可以消除在捕获的图像中眼镜反射造成的亮 斑。当然，由于操作问题，有时难以避免上述现象的出现，这时就需要从捕 获的图像去除眼镜反射造成的亮斑。 麟吣红外和可姚毗源 图2 5 虹膜识别系统图像捕获部分示意图 在摄取图像时，以下几点需要注意： ( 1 ) 保证图像具有足够的分辨率和清晰度，这就需要加入辅助光源如红外 线光源； ( 2 ) 须保证摄取的虹膜图像有很好的对比度，而且光照既充足又不会使人 眼不舒服： ( 3 ) 摄取的图像要限制在一定范围内，如图像中除眼睛外，不应包含过多 其他部位( 如鼻子，嘴巴，下颁等) ； ( 4 ) 摄取过程中，人工因素如镜片豹反光，光学上的色差( 由于光学部件 的物理缺陷造成的不完美成像) 等应尽可能的消除。 1 4 哈尔滨工程大学硕士学位论文 2 3 2 虹膜图像分割 ( 1 ) 边缘提取 边缘定义为图像中灰度发生急剧变化的区域边界，图像灰度的变化情况 可以用图像灰度分布的梯度来反映，可以用局部微分技术获得边缘检测算子， 定位内外边缘。d a u g m a n ”1 基于拉普拉斯算子，利用高斯一拉普拉斯二阶微分 滤波器提取出边缘。这罩选用c a n n y 微分算子提取边缘。为了消除噪声，采 用中值滤波方法。中值滤波器的丰要功能就是让与周围象素灰度值的差比较 大的象素改为与周围象素值按近的值，从而可以消除孤立的噪声点，而且由 它不足简单的耿均值，所以产生的模糊比较少。 ( 2 ) 定位法 可以用h o u g h 变换找出虹膜的内外圆的半径和圆心”1 。利用不同的平滑算 子，分别对虹膜图像进行粗定位和精定位。这里利用灰度梯度及边界跟踪定 位内圆，利用c a n n y 算子及h o u g h 变换确定外圆。 2 3 3 虹膜图像特征提取 纹理是反映一个区域中象素灰度级的空间分布的属性，是图像的粗糙、 光滑和规则的程度。纹理特征是从物体图像中计算出来的一个值，对物体内 部灰度级变化的特征进行量化。b o l e s ”介绍了常用的三种纹理描述方法有统 计法、结构法和频谱法。 虹膜 = 别技术将虹膜的可视特征转换成虹膜代码，这个代码模板被存储 下来以便后期识别所用。虹膜代码是通过复杂的运算获得的，并能提供数量 较多的特征点。比较典型的方法有两种： ( 1 ) c a b o r 滤波：从图像中提取纹理信息的有效策略之一是将图像与带 通滤波器卷积，其l i f 带通滤波器可以选择g a b o r 滤波器。d a u g m a n 在1 9 8 5 年 详细论述了它们的数学特性，指出c a b o r 滤波器提供空间频率、方向、空间 位置的最大分辨率，因此在空问和频域中具有良好的联合定位能力。这些特 性特别适合纹理分析。g a b o r 函数通过缩放、旋转和平移可以形成一组自相 哈尔滨工程大学硕士学位论文 似的小波。利用这些小波耵图像进行变换，就称为g a b o r 小波变换。这些函 数与原始图像像素相乘和积分可产生系列系数，从而可以提取图像纹理信 息。 ( 2 ) 二维小波变换：小波变换是个常用的图像分析手段，并且在纹理 识别中有较多的应用。一个二维小波变换可以看作两个连续一维小波变换。 二维小波变换将一幅图像分解成一系列的低频予图像。小波变换的结果取决 于所采用的小波基的类型，而小波基是由滤波器的类型决定的。对一幅图像 进行完全的小波分解，得到一系列的小波系数，小波系数的形状和尺寸与原 始图像相同。分解后的四种小波通道为：儿，三日，h l ，h h 。每个通道 对应于原始图像在不同尺度( 空间频率) 和方向下的信息。三通道代表了图 像在水平低频和垂直低频下的信息；日通道代表了图像在水平低频和垂直 高频下的信息，h l 通道代表了图像在水平高频和垂直低频下的信息，h h 通 道代表了图像在水平高频和垂直高频下的信息。当图像在某一频率和方向下 具有较明显的纹理特征时，与之对应的小波通道输出就具有较大的能量。因 此，图像中的纹理特征可以由这一系列小波通道的能量平均值和方差来表示。 在四种小波通道中，h h 通道反映的是图像的高频特征，其中包含了图像中的 大部分噪声，不适合用于纹理特征的提取。对于每个通道的滤波结果，提取 均值和方差作为其特征。 2 3 4 虹膜的模式匹配 在本文中，我们采用方差倒数加权欧氏距离分类法对虹膜进行识别，即计 算待比较的虹膜特征表达式和虹膜数据库中的特征表达式之间的相关性，根 据阈值来判决是否是同一虹膜。 2 4 本章小结 本章这一部分对虹膜的生理学特征进行详细的阐述，说明了虹膜识别的 可行性。之后对虹膜识别系统进行了简介。具体的虹膜识别算法，即虹膜的 定位，特征提取以及模式匹配等问题将在后面几章分别进行详细论述。 晗尔滨工程大学硕士学位论文 第3 章虹膜图像定位 3 ，1 引言 本章主要叙述了虹膜图像定位算法的理论及具体实现，分为虹膜图像噪 声的去除、虹膜图像边缘检测、虹膜图像的分割及虹膜图像定位等。其中， 如何准确、完整、有效的将环形虹膜图像分离出来，采用快速、有效的识别 算法是焦点所在。 3 ，2 虹膜图像噪声处理 图像中的噪声由于多方面的原因是不可避免的，所以去除图像中的噪声 是虹膜识别中的一个很重要的问题，这- d , 节就是集中探讨这个问题。 3 2 1 图像的噪声 噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。 例如，一幅黑白图像，其亮度分布假定为f ( x ，y ) ，那么对其起干扰作用的亮 度分布r ( x ，”便称为图像噪声。噪声在理论上可以定义为“不可预测，只能 用概率统计方法来认识的随机误差”。因此，将图像噪声看成是多维随机过 程是合适的，描述噪声的方法完全可以借用随机过程及其概率分布函数和概 率密度函数。一般常见的噪声有： 1 加性噪声：它与图像的信号强度不相关，比如在图像传输过程中引进 的“信道噪声”、c a m e r a 扫描图像的噪声等。带这类噪声的图像g 可以看成 理想无噪声图像和噪声疗之和，即g = f + n 。 2 乘性噪声：它与图像的信号是相关的，往往随图像信号的变化而变化， 如飞点扫描图像中的噪声等等。这类噪声和图像的关系是g = 厂+ 厂t , t 。 i i 合尔滨l 群人学颂十学位沦文 i _ i i i _ i ；i i j _ _ e ；i i i ；i i i i _ _ i ；j i i i i i i ；i _ i i ； 3 量化噪声：它是数字图像的主要噪声源，其大小显示出数字图像和原 始图像的差异，减少这种噪声的最好办法就是采用按灰度级 | 【率密度函数选 择量化级的最优量化措施。 4 “龠和胡椒”噪声：由h 像切剖引起的，如黑l 矧像上的白点、白h 像 上的黑点，仵变换域引入的炭筹，图像反变换后造成的变换噪声等都膳丁这 一类噪声。 综l ：所述，图像一l i 的噪声有以下三个特点。 1 噪声在图像中的分布和大小不规则； 2 噪声与图像之间具有相关性； 3 噪声具有替加性； 3 2 2 虹膜图像的去噪方法 改善图像质量的方法有两类：一类是小考虑图像降质的原因，只将图像 中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定 婴去逼近原图像。这一类图像改善方法称为图像增强，主要目的足要提高图 像的可懂度。另一类方法是针对图像降质的具体原因，设法补偿降质因素， 使改善后的图像尽可能地逼近原始图像。图像增强处理的方法基本上可分为 空间域法和频率法两大类。前者是在原图像上直接进行数据运算，对像素的 灰度值进行处理。它又分为两类，一类是对图像作逐点运算，称为点运算； 另一类是在与处理像点邻域有关的空问域卜进行运算，称为局部返算。频域 法是在图像的变换域上迸行处理，增强感兴趣的频率分量，然后进行反变换， 得到增强了的图像。 典型的取出噪声的算法有：领域平均法、低通滤波和中值滤波法。在系 统中采用了中值滤波和改进的盐和胡椒滤波两种方法对虹膜图像进行噪声处 理。 1 ) 中值滤波”1 是一种典型的低通滤波器，其目的是保护图像边缘的同时 去除噪声。所谓中值滤波，是把以某点( 工，y ) 为中心的小窗口内的所有l 下i 似的 灰度按从大到小的顺序排列，将中间值作为( 工y ) 处的狄度值( 若窗口中有偶 哈尔滨工程大学硕士学位论文 数个像素，则取两个中间值得平均) 。由于中值滤波器算法已经成熟，在预处 理中可以直接使用。 中值滤波容易去除孤立点、线的噪声同时保持图像的边缘；他能很好的 去除二值噪声，但对高斯噪声却无能为力。但要注意的是，当窗口内的噪声 点的个数大于窗口宽度的一半时，中值滤波的效果不好。 2 ) 改进的盐和胡椒滤波，顾名思义，这种方法对于小噪声点，分布广泛 且分布不均匀的噪声有很好的去除效果。原算法只适用在黑白图像上，通过 实验在原有的算法基础上进行了改进，将它应用于灰度图像噪声的去除。 其改进的算法为：构造一个3 3 的模板，表示空间的9 个像素点： 脚固昀 鹚鹚删 羽聊固 其中p ( o ) 为我们判断是否是噪声点的那个像素点，我们将| p ( o ) 像素点周 围的像素点p ( 1 ) 、p ( 3 ) 、p ( 5 ) 、p ( 7 ) 的像素值相加，将e ( 2 ) 、p ( 4 ) 、p ( 6 ) 、 e ( 8 ) 的像素值相加： b ( p ) = p ( 1 ) + p 0 ) + p ( 5 ) + p ( 7 ) b ( p ) = p ( 2 ) + p ( 4 ) + p ( 6 ) + j p ( 8 ) ( 3 一1 ) ( 3 2 ) 然后通过判断我们确定p ( o ) 像素点新的像素值： 1 如果是黑白二值图像，0 代表白色的颜色值，1 代表黑色的颜色值 如果b ( 约 1 那么p ( 0 ) 像素点应被置成黑色； 如果8 ( e ) = l 那么p ( 0 ) 像素点原来是什么颜色还保持什么颜色； 2 如果是黑白灰度图：设两个闽值分别为k 1 和k 2 如果b ( p ) 朋4 2 5 5 那么p ( o ) 像素点应被置成白色( 2 5 5 ，2 5 5 ，2 5 5 ) ； 哈尔滨工程大学硕士学位论文 应被置成b ( p ) 4 ； 如果不满足以上判断，那么p ( o ) 像素点原来是什么灰度还保持什么灰度e 下图( 图3 1 ) 为灰度化后仍有噪声，用盐和胡椒滤波的方法来去除噪声的 效果： a 加入熊和胡椒噪声的图像b 盐和胡椒滤波后图像 图3 。l 盐和胡椒滤波效果图 3 3 虹膜图像的边缘检测 边缘检测是图像处理中的重要内容。边缘是图像的最基本特征。所谓边 缘，是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。p o g g i o 等 说：“边缘或许对应着图像中物体( 的边界) 或许并没有对应着图像中物体( 的 边界) ，但是边缘具有十分令人满意的性质，它能大大地减少所要处理的信息 但是又保留了图像中物体的形状信息。”并定义边缘检测为“主要是( 图像的) 灰度变化的度量、检测和定位”。边缘与图像中物体的边界有关但又是不同 的。边缘反映的是图像灰度的不连续性。 边缘是边界检测的重要基础，也是外形检测的基础。边缘广泛存在于物 体与背景之间、物体与物体之间，基元与基元之间，因此它也是图像分