（检测技术与自动化装置专业论文）基于虹膜识别的身份鉴别技术的研究.pdf

摘要 信息化时代的到来，安全问题成为人们关注的焦点。作为一种 新兴的生物识别技术虹膜识别，以其显著的优势得到了迅速的 发展。虹膜具有唯一性、稳定性、受保护的生物特性，使得在商业 及安全领域，虹膜识别技术都有很大的应用前景。本文针对虹膜识 别系统中主要部分的算法进行了深入的研究，给出了一系列算法， 通过试验验证，效果良好。 首先，通过系统的分析和比较目前国际上主要的虹膜定位方法 的优点和缺点，提出了基于综合几何特征的虹膜定位算法和基于边 缘追踪的虹膜定位算法。前者针对随机h o u g h 变换后的无效采样和 参数累计进行了处理，运用圆的内接直角三角形的特点对虹膜的内 边缘进行定位，提高了定位的效率和准确性；后者通过选取内边界 上的一点的方法，对虹膜的内边界进行边缘追踪，从而实现对内边 缘进行定位。 然后实现了虹膜的归一化，使得在不同状态下拍摄的虹膜图像 克服了位置变化、大小变化、角度变化的因素，这样所有的虹膜图 像就可以在一个统一的基础上进行比较，从而可以为后面的特征识 别工作打好基础。 最后，对国内外几种虹膜特征提取方法进行了说明和分析，给 出了算法的优点和局限性。提出了基于小波包分析的虹膜特征提取 方法，克服了用小波分解只提取虹膜的低频部分，从而不能充分的 反映纹理的特征。文章采用欧几里德距离作为模式识别方法。试验 结果和数据表明了此算法的合理性和有效性。 关键词：虹膜识别，身份鉴别，改进几何特征的虹膜定位算法， 边缘追踪，特征提取 a b s t r a c t w i t ht h ec o m i n go ft h ei n f o r m a t i o nt i m e ，w ep a yg r e a ta t t e n t i o no n t h es e c u r i t yp r o b l e m a san e wb i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y , t h e s y s t e m o fi r i si d e n t i f i c a t i o n d e v e l o p sq u i c k l yd e p e n d i n g o ni t s r e m a r k a b l ea d v a n t a g e s i r i sh a st h ef e a t u r e so fu n i q u e n e s sa n ds t a b i l i t y , a l s oi tc a nb e p r o t e c t e d ，w h i c hm a k ei th a v eag o o da p p l i c a t i o n f o r e g r o u n di nt h ef i e l do fc o m m e r c ea n ds e c u r i t y a i m i n ga tt h er e s e a r c h o ft h em a i na l g o r i t h mi ni r i si d e n t i f i c a t i o ns y s t e m ，t h ep a p e rs h o w sa s e r i e so f a l g o r i t h m s ，w h i c hh a v eag o o de f f e c tb yv a l i d a t i n g a tf i r s t ，b ya n a l y z i n ga n dc o m p a r i n gs y n t h e t i c a l l yt h ea d v a n t a g e s a n dd i s a d v a n t a g e so f p r e s e n ti n t e r n a t i o n a li r i sl o c a t i o na l g o r i t h m s ，an e w a l g o r i t h mb a s e do ni m p r o v e dg e o m e t r i cf e a t u r e sa n dan e wa l g o r i t h m b a s e do nc o m o u r - t r a c k i n ga r ep r o p o s e d 1 h ef o r m e rs o l v e st h ep r o b l e m s o fal a r g ea m o u n to fi n v a l i ds a m p l i n g sa sw e l la su s e l e s sa c c u m u l a t i o n s i nt h er a n d o m i z e dh o u g ht r a n s f o r m ，a n dl o c a t e st h ei n n e re d g eb yu s i n g o r b i c u l a ri n n e rr i g h t - a n g l e dt r i a n g l e ，w h i c ha d v a n c e st h ee f f i c i e n c ya n d v e r a c i t yo fi r i sl o c a t i o n t h el a t t e ra l g o r i t h mt r a c k st h ei n n e rc o n t o u rb y f i n d i n gap o i n to nt h ep u p i le d g e ，w h i c hm a k e s t h ei n n e re d g el o c a t i o n t h e nt h ei r i sn o r m a l i z a t i o ni s c o m p l e t e d ，w h i c hm a k e st h e i r i s p h o t o so v e r c o m et h ev a r i e t yo fp o s i t i o n ，s i z ea n da n g e r b yd o i n gt h i s ， a l lt h ei r i sp h o t o sc a nc o m p a r eb a s e do nau n i f o r ms t a n d a r d w h i c hl a y s as o l i df o u n d a t i o no nt h ei d e n t i f i c a t i o nw o r k a tl a s t , b yt h em e a n so fs h o w i n ga n da n a l y z i n gs e v e r a li n t e r n a t i o n a l m e t h o d sf o ri r i sf e a t u r ee x t r a c t i o n ，t h ea d v a n t a g e sa n dd i s a d v a n t a g e so f t h e s ea l g o r i t h m sa r eg i v e n an e wm e t h o df o rf e a t u r ee x t r a c t i o nb a s e d o nw a v e l e tp a c k a g ea n a l y s i so fi r i si sp r o p o s e d ，w h i c ha v o i d st h e d i s a d v a n t a g et h a tu s e st h ew a v e l e td e c o m p o s i t i o nc a no n l ye x t r a c tt h e l o wf r e q u e n c yc o m p o n e n t sa n dc a n n o tr e f l e c tt h ef e a t u r eo ft e x t u r e i m a g e s t h ee x p e r i m e n tr e s u l t sa n dd a t aa n a l y s i sa r eg i v e nt oi n d i c a t e t h ee f f e c t i v e n e s sa n dt h er a t i o n a l i t yo ft h ea l g o r i t h m k e yw o r d s ：i r i sr e c o g n i t i o n ，p e r s o n a l i d e n t i f i c a t i o n ， i r i s l o c a t i o n a l g o r i t h m o fi m p r o v e d g e o m e t r i cf e a t u r e s ， c o n t o u r t r a c k i n g ，f e a t u r ee x t r a c t i o n 原创性声明 本人声明，所呈交的学位论文足本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特j l i j j t l 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 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贞献均已在论文中作了明确的说明。 作者签名： 主够 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位 论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论 文；学校可根据国家或湖南省有关部门规定送交学位论文。 中南大学硕卜学付论史第一章绪论 第一章绪论 1 1 生物鉴别技术简介 随着信息化时代的到来和科技的不断发展，安全问题成为人们关注的焦点。 9 l l 以后，全球性反恐活动对如何保证区域安全提出了全面的挑战，传统的身 份鉴别技术在面l 临反恐任务时表现出来的巨大缺陷对我们的身份鉴别技术提出 了新的、更高的要求；同时，信息时代的发展，我们常常会在互联网上进行金 融交易，但是由于系统会保留密码，所以传统的安全机制使得黑客对密码的盗 取对我们的网上交易构成了威胁；现存的电子商务机制也在安全方面暴露出了 很大的弊病，信用号丢失或者密码被盗案件的发生给社会和个人都造成了极大 的损失。可以看出，传统的身份鉴别技术已经不能够适应越来越严峻的安全问 题，它们或者容易丢失，或者容易篡改，或者容易伪造。由于存在这样一些问 题，已经不能适应社会的进步和社会发展的需要。在我们这样一个人口众多的 国家，安全的问题也显得尤为的突出，我们需要一种先进的身份鉴别技术来解 决在国家安全、金融、电子商务、网络等方面遇到的安全问题。 生物识别技术是指计算机利用对人类自身生理或者行为特征进行搜集和处 理，从而实现身份认定的一种技术。它有这样的特点：1 ) 方便采集性：作为身 份鉴别技术，是要能够适时运用的，所以它必须具备可以方便采集的特点。2 ) 普 遍性：被采集的生物特征是每个人都应该具备的。3 ) 唯一性：用来鉴别身份的 生物属性的特点必须足唯一的，以便识别者之间相互区别。4 ) 稳定性：生物特 征不随时间，外界条件的改变而发生变化。现在研究得比较多的生物鉴别技术 有面相、指纹、掌纹、颅骨、虹膜、笔迹、声音、步态。5 ) 不被盗取性：不会 被盗取，同时这些生物特征或足人类与生俱来的，也就是先天性的特征；或者 是后天的习惯养成的，通常足不容易模仿的。 1 2 几种典型的生物鉴别技术 下面针对几种典犁的生物鉴别技术做出简单的介绍。 面部识别技术通过面部的特征和它们之问的关系来进行识别，识别技术比 较复杂，需要人工智能和机器识别系统。在图像的采集疗面，通过一个丰，j 、准的 摄像头来摄取面部的图像，然后进行后面的特征提取和模式匹配。对于| 面部特 征的算法实现，需要对面部的核心识别点，也就足眼睛、鼻于、嘴巴等特征以 及它们的相对位置形成特征模扳束进行识别。闪为人脸| 常的相似，所以提取 人脸图像的特征和选择一个好的分类器足解决面部识别的天键。面部让l 别实际 中南大学硕卜学位论文 第一章绪论 上就是一个图像采集设备加上一个特征提取算法和模式匹配方法，产生匹配或 不匹配的信息。面部识别的优点是非接触的，用户不需要和采集设备进行直接 的接触。但是相对于其它的生物鉴别技术，存在着这样一些缺点：人的面部不 是特别的稳定，可能会随着时日j ，以及外科手术而发生一定的变化；还有在双 胞胎的鉴别面i j 就显得无能为力；同时面部图像的采集设备要求比较高，只有 高级的摄像头才能在短时日j 采集到有效的面部图片；此外光线的影响对面部的 影响会比较大。 指纹识别作为一种比较成熟的识别技术已经在很多方面得到了广泛的应 用，例如在刑事侦察、门繁系统、考勤系统。它的特征提取方法足通过分析指 纹的全局特征和局部特征，特征点如脊和谷、终点、分叉点和交汇点等等。从 指纹中抽取的特征十分的详细，可以可靠地确认一个人的身份。两个人的指纹 纹理完全相同的概率是十亿分之一。在实际应用中，有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，然后通过的指纹的特征向量进行提取， 在指纹数据库中进行搜索，寻找匹配的指纹样本，从而完成指纹识别。整个过 程快速、便捷。而且指纹识别仪可以分辨出手指的存活性，所以可以用来防止 指纹被伪造。但是指纹识别也存在一定的局限性，因为指纹的纹理足识别的关 键。但是纹理由于暴露在外界的环境中，所以不可避免的会受到外界的损伤， 使得对老人和手工劳动者指纹识别成为制约这一技术的广泛应用的因素。 掌纹识别也是近年来发展得比较好的生物鉴别技术。人类手掌的立体形状， 包括手掌的大小、形状、宽度，厚度以及手掌还有手指的表面特征是互不相同 的。掌纹识别系统通过红外线和c c d 扫描仪获取手掌的三维图像。根据获取的 九十多个掌纹图片，并将其转换成一个9 个字节的模板。识别的时候，将处理 后的掌纹模板与数据库中的掌纹模板进行匹配，从而可以判定一个人的身份。 目前这种识别系统已经广泛应用于银行金库、看守所等地方。掌纹识别也有和 指纹识别同样的缺点，容易受到外界环境的影响而产生变化，同样老人和手工 劳动者的掌纹识别也成为这项技术的制约因素。 声音识别是属于行为识别技术。声音识别技术是通过声旨采集设备对现场 的声音进行记录，包括声音的波形和变化，然后与登记过的声音进行匹配。声 音识别的优点足它也是一种 f 接触式的身份鉴别技术。但是它很容易受周围噪 声环境的影响，同时也与个人的身体情况的变化有关，比如说感冒，这样就会 给识别带束团难。m 时声旨容易被伪造和模仿，这些都会给识别的准确性造成 影响。 笔迹识别与声爵识别足类似的。 步态足指一个人走路的样式。人走路时的姿势受很多冈素的制约，比如人 中南人学硕卜学位论丈第一章绪论 的体格、体苣、鞋跟的岛度、着装以及人的情感状态。精神物理学表明1 1 1 人的 视觉能够很容易的根据姿态识别一个人。但对于机器来说，这种识别是有一定 的难度。早期的医学研究1 2 1 也分析了人体的步态是由2 4 个部分组成，考虑一个 人的所有步态特征，那么某个人的步态特征足唯一的。近年来一些视觉研究组 织把步念作为一种生物特征进行识别工作的研究【3 _ 5 】。 1 3 虹膜生物鉴别技术的特点 我们可以看到在上面的这些生物特征中，它们或多或少地在某一方面存在 一定的缺陷，比方说虚i 部特征容易随着年龄的变化而变化，面声音容易被伪装。 但是虹膜识别在解决了上面这些问题地同时还具有其它生物特征所不具有的优 点。故在近年来虹膜识别技术被广泛地认为是最有前途的生物识别技术之一。 它具有以下几个方面的优点：1 ) 虹膜在妊娠三个月的时候开始形成，整体结构 在8 个月的时候创建【们，大概在2 3 岁的时候稳定，并且随着年龄的变化保持 不变；2 ) 每个人的虹膜纹理在人群中的分布是随机的或者说是混沌的，因此可 以说是唯一的1 7 j ；3 ) 虹膜的形成依赖于胚胎中的胚层的初始条件，不受遗传的 影响，即使足同样的基因型( 例如同卵的双胞胎，甚至是同一个人的两只眼睛) ， 二者的虹膜也是不想关的【s 1 ；4 ) 虹膜的内部组织彼水样液和角膜所包围，与外 界环境隔离开来，不易受损；5 1 不易被假冒，一般的外科手术是不可能改变虹 膜的纹理的；6 ) 在识别的过程中，不需要和识别者进行物理接触，不会造成物 理损伤；7 ) 准确性高，据统计，虹膜的识别错误率是各种生物识别技术中最低 的。正是由于这几个优点，使得虹膜识别作为一种有效的识别技术，引起了广 泛的关注。 对于每个人来说，虹膜的结构各有不同，并且这些独特的虹膜结构基本上 在人的一生中是不会发生变化的。眼科学家和解剖学家经过大量的试验发现虹 膜具有独特的结构，即便对于同一个人，左眼和右眼的虹膜的纹理区别也是十 分明显的。而且自毫年以后，虹膜在人的一生中发生的变化十分微小。发育生 物学界的科学家发现，尽管虹膜的基本结构是由内在的遗传基因决定的，但是 外界的环境却对虹膜独特的结构起着决定性的作用。这种外界环境足指在生命 的仞期虹膜形成之前的肘、胎发育的环境。囡此自然界不可能出现完全相刚的两 个虹膜，发育尘物学家通过大肇的观察发现与虹膜发育完全以后，它在人的一 生中是稳定不变的。冈而，虹膜作为生物特征，它的稳定性足不容胃疑的。 中南大学硕f 。学位论史第一章绪论 1 4 本课题的研究意义和内容 在高度现代化的信息社会，身份鉴别技术已经渗透日常生活和国家经济生 活的每一个方面。在我们这样一个交通、经济、通信和网络技术迅速发展的时 代，无论是个人的隐私、金融和财产安全都需要可靠、方便的身份鉴别技术； 对于企业的技术安全、信息安全、以及企业的考勤门禁等方面的应用，身份鉴 别技术也显得尤为藿要；对于整个社会，维持稳定的社会秩序，以及在刑事侦 察中，也离不开对身份进行鉴别；对于国家安全来讲，身份鉴别技术的意义就 更为突出，尤其是处在这样一个错综复杂的国际环境中，9 1 1 给荚国造成的惨 痛损失对每个国家的安全都是一个教训。身份鉴别技术的应用前景和战略意义 已经不言而喻。 而虹膜识别作为一种优秀的生物识别技术，它除了具备传统的密码、证件 等识别方法不可比拟的优点，同时也最大限度地弥补了其它生物识别技术的缺 点与局限性，所以对基于虹膜的生物识别技术进行研究的意义是很明显的。 随着经济技术和科技的日益发展，我们国家有必要开发出有自主知识产权， 识别率高的虹膜识别产品。国内很多学者为了这一目标做了很多的研究工作， 他们对虹膜识别算法做出了深入的研究，这些算法都针对了一定的问题进行了 研究，但是或多或少的在某些方面存在着一些局限性。由于虹膜识别系统最终 是要为产品投入商业或者安全领域使用的，所以，无论是对速度、准确度、还 是识别率都会有很高的要求。就算法的研究而占，针对某一指标做出的改进， 对虹膜识别走向产品化、成熟化、高效化部是具有很大的实际意义的。所以我 们的研究抓住问题的某一方面进行解决部可以促进虹膜识别系统的发展。 本文在前人的研究基础上，对虹膜的身份识别系统进行了研究。并且在虹 膜识别的关键环节上，有自己的算法是对前人算法的创新和改进。提出了两种 虹膜定位算法，它们分别是新的基于综合几何特征的虹膜定位算法，以及基于 边缘追踪的虹膜定位算法的研究。同时在虹膜的特征识别方面，提出了基于小 波包分解的虹膜特征提取方法，在现有的条件下，成功的实现了虹膜的识别。 相关论文已经发表，得到了有关方面的肯定。 本文的试验是在w i n d o w s x p 的平台上进行的，使用的语占足m a t l a b 6 5 。 现将本论文的章节结构列之于下： 第一荤：主要肘生物鉴别技术区别f 传统的身份鉴别技术的优点，以及生 物鉴别技术的意义进行了阐述。在对几种，物鉴别技术进行比较的毕础上，说 明了虹膜7 纠勿鉴别技术的优点，以及本课题的研究意义和内容。 第二章：介绍虹膜的医学结构，以及虹膜识别系统的原理。并且g f 对几个 4 中南夫学帧卜学位论文 第一章绪论 典型的虹膜识别系统进行了说明。 第三章：介绍虹膜识别的第一个部分：预处理部分，并且提出了基于综合 的几何特征的虹膜定位算法，以及基于边缘追踪的虹膜定位算法。试验验证， 这两种算法的定位准确，快速。 第四章：介绍了几种经典的虹膜特征提取的方法，比较了这几种方法的优 缺点，并且提出了一种新的虹膜特征提取算法，基于小波包的分解的虹膜特征 提取算法，同时运用欧几哩德距离对基于小波包分解的特征提取方法实现模式 匹配，该方法在现有的试验条件下取得了很好的试验效果。 第五章：对整个论文所作的工作进行了总结，并且对进一步研究工作做了 展望。 中南人学硕卜学位论史 第一二章虹膜识别系统 第二章虹膜识别系统 2 1 虹膜的生物学结构 了解虹膜的结构对用虹膜纹理进行识别有着重要的意义，虹膜的结构图如 下图2 - 1 所示： 图2 - 1 虹膜的结构图 在图2 - 1 中，我们可以很清楚的看到虹膜在人眼中的位置，中心的黑色区 域为瞳孔区域，两侧颜色较浅的的区域是巩膜区域( 即我们经常所说的眼白) ， 位于巩膜和瞳孔之间的区域就是进行识别的生物特征虹膜。我们可以看到 成环状特征的虹膜纹理就是我们进行识别的来源。图2 2 是虹膜的截面图。 图2 - 2 虹膜的截面图 在虹膜的截面图2 2 中可以看到，虹膜在角膜( c o r n e a ) 和品状体( 1 e n s ) 之日j ，由不同的层组成，最内层足带有色斑的真皮层，其上足控制瞳孔肌的肉 层，肉层上面足基质层，该层由胶状组织连接成弧线状，该层放射的分御着螺 旋型的血管，又称为血管层，最上面一层足前界膜层，该层分伟着色素细胞 ( c h r o m a t a p h o r e s ) 。虹膜就是这四层综合的结果。 虹膜的正视图结构如图2 3 所示： 6 中南人学硕卜学位论文第一二帝虹模识别系统 图2 - 3 虹膜的正视图 由图2 3 可以看出虹膜的表面高低不平，有铍壁和凹陷。凹陷又称为隐窝。 近瞳孔处的铍壁是很明显的。称虹膜铍壁和领状韧带。它足虹膜小动咏环的位 胃标志1 8 】。 虹膜的后面比较平坦。由于虹膜内的血管分布不均匀，使得虹膜的表面出 现了不规则的条纹。在近瞳孔边缘的1 5 m m 处，有一条弯弯曲曲的环形隆起， 如有花边衣领，又叫虹膜小环。虹膜小环将虹膜表面分成两个部分，小环外侧 的虹膜叫做睫状部或者叫做睫状区，内有许多放射状的隆起，代表虹膜的血管 从大环走向小环所经行的路径。睫状区又分为三部分，靠近虹膜的小环附近的 一部分最光滑，中间区内有许多收缩的纹和收缩沟( c o n t r a c t i o nf u r r o w ) ，它们 是与瞳孔为同心的圆形，当瞳孔放大的时候最为显著：靠近睫状体的区域为筛 状区，此区内虹膜表面有许多的虹膜小坑( c i l i a r y c r y p t ) 。小环以内的虹膜成为 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 部的虹膜小坑比较，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，跃过睫状体衷面，延伸到i ； f 房以内与房角网状组织相连接， 此突起即称为梳状韧带。 在虹膜的瞳孔领状边缘，有条粗细不匀的黑边，是虹膜背面的色素上皮 层向前延伸的结果，此黑边当虹膜收缩的时候变窄，瞳孔缩小的时候增宽。 2 2 虹膜识别系统原理 虹膜识别系统所进行的工作是将虹膜图像采集设备采集到的虹膜图像进行 预处理之后，然后对颅处理的图像提取出十1 | 应的特缸向星，然后与数掘库中的 特征向蕞集进行匹配，从削断池一个人的身份。可以用下向的原理栝图2 - 4 来体现虹膜识别的全部过程： 7 中南人学硕卜学位论史第二章虹膜识别系统 l 图像采集设备卜_ 叫预处理卜_ 叫特征提取卜_ 呻 模识 式别 识 结 虹膜特征数据库b 别果 2 2 1 虹膜图像采集设备 图2 - 4 虹膜识别原理框图 虹膜图像采集设备完成的功能足采集含有清晰虹膜纹理的人眼图像，这是 虹膜识别的第一步，也是最基础的环节。虹膜图像的采集不同于普通图像的摄 取，因为它足用虹膜的纹理进行识别，所以要保证摄取的图像含有清晰，较为 完整的纹理。而且虹膜的面积很小，是一个直径为l e m 的黑体，又加上人眼是 人体中极为敏感的部位，无法承受很强的光照。由于这样一些特点，要获取细 节清晰，对比度高的虹膜图像并不是很容易的事。 在摄取图像中，以下几点是应该重点考虑的【州1 1 ； 1 ) 要有足够的鉴别力和锐利性( 即具有足够的分辨力和锐度) ，以获得最 理想的虹膜图像。 2 ) 光源既有高的亮度，又对操作着有好的舒服度，即有适当的亮度和足够 的对比度。 3 ) 虹膜的成像最好是在整个图像的中心位置，并且是对操作者不加限制的 条件下获取图像，例如最好不要要求操作者使用下巴架或其它接触性物体。同 时应该尽量减少获得图像的人工制造物，如反射镜面，光栅等。 4 ) 采集系统要求体积轻便，便于携带。 5 ) 图像的传输必须保证快速，低误码：鍪，并且尽可能的实时。 不难看出，虹膜图像的摄取只要足解决在对人无伤害，无不适的前提下， 保证图像的清晰有效。这就要求成像固定，并且尽可能地近距离。如果距离远， 所付出的代价就要大一唑，一方向要求成像器件的分辨率足够高；另一方面对 识别运算需要多次的取舍柬确定虹膜的位置( 一般距离取远景就会要大一些， 雷则很难授准) ；再者，保持周围环境因素的一致性，网难也很大。虹膜图像采 集系统的采集对象是人眼蛆膜，采集的目的足将虹胶 割像数字化，并且快速传 输到计算机端，在内存中直接进行比较，或学存在硬盘中，以实现图像传输的 需要。下面给出虹膜采集设备的示意图2 - 5 ： 中南人学颀卜学付论文 第一章虹1 | 葵识别系统 人 眼 j r o 光 轴- ( = ) _ 耋斗o 源 镜 头 上 u s b 接口芯片单元 俨圆 图2 - 5 虹膜图像采集系统 2 2 2 虹膜图像的预处理 采集到的虹膜图像还不能直接用于虹膜识别，这是因为，方面采集到的 虹膜图像常常是人眼的图像，也就是说除了包括虹膜以外，还包括瞳孔、巩膜、 眼眶、睫毛甚至眼睛的外围部分；另一方面，虹膜常常会因为人处在不同的精 神状态，眼皮会遮盖掉一部分虹膜，或者是因为特殊情况( 佩戴假睫毛) ，虹膜 会被假睫毛遮掉一部分，这样的虹膜图片是会给识别造成一定的影响；还有， 采集者常常会由于采集图像的远近不同，头的偏向带来的旋转角度的不同，造 成虹膜图像成像的时候不会在同一个位置。上面这些问题是在虹膜图像的预处 理过程中需要解决的。 虹膜图像的预处理依照顺序又可以分为虹膜图像质量的评价和筛选、虹膜 图像的定位以及虹膜图像的归一化。 当一副图像采集以后，首先要进行质量评价，再根据质量评价的结果来判 断其是否可以进行虹膜识别【1 2 。1 4 1 。虹膜图像质量评价只要分为3 个方面：1 ) 判 断虹膜是否位于图像中，如果采集者处于闭眼状态或者眼睛不在视场内，则采 集到的图像就不会出现虹膜；2 ) 判断图像中虹膜部分的大小。一方面，眼皮会 遮盖掉一部分的虹膜，另一方面，由于虹膜图像的采集要求比较严格的对准， 很难保证每次采集时，虹膜部完全位于图像之中，劂此，如果眼皮遮盖过多或 者位于图像之外的虹膜的面积过大，就会严重影响虹膜识别的效果； 3 ) 判断图像中的虹膜部分是行清晰。只有经过质晕评价和筛选之后的虹膜图像 ，d 能用f 虹膜识别。 虹膜定位足虹膜内外边缘的定位，它足虫r 膜识别技术的重要组成部分，也 是虹膜识别的基础性环符，定位的好坏会直接关系到虹膜图像的i = 别效果。因 为人眼虹膜的唯一性体现任它的纹理的细节特征，而所获得的眼睛图像中除了 o 中南大学_ 赜 学位论文 第一二帝虹膜讽剐系统 虹膜以外的其它部分对于识别来说是无用信息，因此定位虹膜是正确提取虹膜 特征从而进行识别的前提。 通过虹膜定位得到虹膜部分，这时的虹膜图像还不能直接用于匹配，因为 图像还存在位置、旋转、缩放等问题，也就是位霞变化、旋转变化、大小变化。 位置变化：由于头部的摆动，造成所采集的虹膜在图像中的偏移。 旋转变化：头部的摆动，摄像机的摄像角度会引起旋转的变化。 大小变化：虹膜尺寸的变化主要由两个因索引起，首先在虹膜图像的摄取 的时候，由于图像的尺寸，距离的远近而引起虹膜图像大小的不同；其次，虹 膜在不同强度的光照条件下，虹膜会放大或肯缩小，从而引起虹膜尺寸的变化。 虹膜的归一化就足在定位完成之后，以内外圆圆心坐标和半径为参数，将 笛卡儿坐标系下虹膜灰度图像映射到双无量纲的极坐标系图像【1 5 1 。这样所采的 虹膜图像才能与样本库中的图像进行比较，从而实现虹膜的识别与匹配。归一 化操作要消除大小的缩放。位置的变化，以及眼睛角度旋转的影响，这样才可 以使得所有的虹膜图像是建立在一个统一的基础之上的。另外，在通常的情况 下，我们的眼睑会挡住一部分的虹膜，为了排除这一部分，以瞳孔为圆心，逆 时针截取一定的角度的虹膜区域。这种截取方法一方面比较简单，另一方面， 利用截取出来的这部分纹理信息就可以识别出不同的人。因为有试验证明，仅 有7 0 以上的保留区域就足可以保证来自不同的个体的虹膜区分开。如果只有 3 0 以下的保留区域，误识别率急剧上升，以致无法识别f l ”。 2 2 3 特征提取与模式匹配 特征提取就是利用虹膜图像包括的丰富的纹理细节，提取出可以用于识别 的特征向量，从而可以方便的与虹膜数据库中的虹膜特征向量进行比对，完成 匹配的过程。特征向量的选取要具有可靠性、稳定性和差异性。即对于同一眼 睛在不同的光照条件情况下，在不同时问虹膜的特征属性应该是不会改变的， 而对于不同的眼睛，提取出的特征向量应该是不同的。 提取出不同特征向量之后，只有通过模式识别才能完成虹膜身份鉴别的全 部过程。一般所采用的经典的模式识别方法有传统的模板匹配方法、统计模式 识别方法、结构模式识别的方法和人工神经网络的识别方法。对于一个应用系 统，我们需要一种计算简单、速度快、分类效果很好的模式识别力法。 1 0 中商大学硕 。学佗论文第：章虹膜识别系统 2 3 几个典型的虹膜识别系统简介与对比分析 本蒂将对几种典型的虹膜识别系统进行介绍，并从算法的角度做出分析， 对各种虹膜识别系统的优点和局限性做出评价 2 3 1d a u g m a n 虹膜识别系统 d a u g m a n 虹膜识别系统足一套较为成熟和完整的系统，他的工作开辟了虹 膜识别系统研究的先河【1 7 1 。 1 虹膜图像的采集 d a u g m a n 的采集系统包括光源、成像镜头、摄像头、光束分离片、l c d 显 示和图像帧采集器等。如下图2 - 6 所示。 眼 睛 图2 - 6d a u g m a n 的虹膜采集装置 它的镜头f = 3 3 0 m m ，工作距离为1 5 - - 4 6 m m ，采用的足窄视场镜头，进深 较小( 约1 0 r a m ) ，采集的虹膜图像在半径的尺度上足1 0 0 - - 2 0 0 p i x e l s 。采用l e d 点光源照明。 在该系统中，虹膜最佳的对焦位胃需要用户自己用移动眼睛在摄像头前的 位置柬实现。摄像头将连续采集虹膜的图像在l c d 面阵上显示，以提示用户移 动跟睛的部位。当成像仃足够的锐度的时候，则会e i 动采集虹膜图像的样本。 2 虹膜的分离与定位 假设l ( x y ) 为氆标( x ，y ) 处的图像强度，并且将虹膜内边界( 瞳孔边缘) 和 。 ， # b v d 中南大学硕卜学位论文 第一二章虹膜识别系统 外边界( 瞳孔边缘) 分别模型化为圆心在( x 。，y 。) ，半径为r 的内圆和圆心在 ( x y ) ，半径为r 的外圆。如下式2 - i 所示。 一。一扛导f 笔字西l p ， 其中，g ( r ) = ( 1 2 石仃，- ”q 2 一为g a m s i a n 算子，是平滑函数用于平 滑图像。 定位以后，为消除尺度变化等因素，要采用半径缩放比例来归一化虹膜的 半径，也就足建立一个基于线性伸展的瞳孔变化模型。它将图像从笛卡儿坐标 ( x ，y ) 转化为极坐标的形式( r 0 ) ，转化公式为式2 - 2 。 ix ( r ，护) = ( 1 一，) x p ( 口) + r x ，( 0 ) 1 y ( ，目) ：( 1 一，) ，( 口) + r y ，( 口) ( 2 - 2 ) 其中：r 【0 ，z l o o ，2 石】。 ( x p ( 0 ) ，y 。( 口) ) ，( 而( 口) ，y i ( 0 ) ) 分别代表在0 方向上的瞳孔和巩膜的( 即虹膜的 内外边缘) 边缘点，并且在匹配中靠。的微量变化来弥补旋转带来的误差。 3 虹膜的特征提取 对虹膜进行特征提取，d a u g m a n 系统采用了极坐标下的二维g a b o r 滤波器 进行处理。上世纪8 0 年代，m e y e r 等人创导了小波潮流，将一维信号多尺度分 解自相似的小波族，这些小波族彼此能通过母函数膨胀，平移得到。d a u g m a n 将它推广到二维的g a b o r 小波系列，这时，二维的g a b o r 函数作为基小波经过 膨胀、旋转、平移得到一系列的小波，每一个小波相当于一个自由度。同一般 的图像编码原理一样，一系列的小波能够很好地表征原图像，选取一些能够捕 捉原图像典型特征的小波这就好比傅立叶变换中选取一些能量集中( 即代 表原图像信息) 的傅立叶展开项。对于不同的图像，例如不同的虹膜图像，则 各个小波的系数是不同的，将这些小波系数规范并数字化，则得到图像的小波 编码。 2 dg a b o r 滤波器在极坐标下的形式如下式2 - 3 所示。 h ( r ，臼) = e - , ” 0 - 8 0 e - r - 7 4 2 p - i ( 0 - 岛p 7 ，2 ( 2 3 ) 其中o ，b 共同变化，且| 弓u 反向。这样就形成一组积分形式的选择频率 的滤波器，中心位置在( r 。，0 。) ，位胃参数是( r 。0 。a ，b ，t ，) 。这螳滤波器 在空j 日j 域和频率域有良好的积分性质，它们有能够获取节点位胃的j 力能，i 亓且 由于良好的积分特性，这哆滤波器能够获取本地的十h 化信息。将每一个滤波器 作用于整个无量纲的虹膜区域( r ，0 ) ，得到的系数大小用两个位表示 ( 矗r e h l 。) ，如式2 - 4 ，2 - 5 ，2 - 6 ，2 - 7 所示。 1 2 中南夫学坝卜学位论史 第啊二章虹膜供剐系统 h h = 1 ，若 黜炉，e7 - ( r - p ) 2 - ( 矿0 - ) 2 l ( p , o ) p 圳矿。 c z 4 ， h h = 0 ，若 r e 垆州e7 - ( r - p ) 2 丁- ( 0 - 0 ) 2 l ( p , o ) p 删庐 。 ( 2 5 ) h h = 1 ，若 t m 舻) t7 - ( r - p 2 丁- ( 0 - 0 ) 2 l ( p , o ) p 圳。 t 2 卸 h h = 0 ，若 - m 舻删7 - ( r - p 2 丁- ( 0 - 0 ) 2 坳删矿 。 ( 2 ，) 其中，( 。，h 。) 分别表示所得到的系数的实部和虚部。 d a u g m a n 的系统使用了1 0 2 4 个小波对图像进行处理，得到2 0 4 8 个数据位， 即2 5 6 b y t e s 的编码。 在得到虹膜的特征编码以后，d a u g m a n 系统通过比较两个虹膜代码的汉明 距离( h a m m i n gd i s t a n c e ) 进行决策。这是因为虹膜编码的独立自由维数要小于 2 0 4 8 个( 虹膜存在着径向的相关性，如某一个纹理的一个沟将影响不同分析尺 度上的编码的不同部分) 。所以通过检验某一组虹膜的汉明距离分白情况来估计 自由维数。 设( 爿，口从，1 2 0 4 8 ) 为两个不同虹膜的虹膜编码位，汉明距离为： h d = 一a j ( x o r ) 口，( 2 - 8 ) 2 0 4 8鲁 7 x o r 代衷异或。a ，和b ，完全相时h d = 1 ，a 和b ，不完全棚m 时h d = 0 。 若2 0 4 8 个虹膜编码完全独茳，则汉明距离为一个n = 2 0 t 8 ，p = o 5 的= 项 分白，d a u g m a n 统计得到的汉明距离足n = 1 7 3 ，p = o 5 的二项分和。均值u = 0 0 3 8 ，标准方差6 = 0 0 3 7 ，所以柬自不刚虹膜的虹膜代码完全相同的盯能性 是：( 1 2 ) ”3 。 中南大学硕十学位论文第二章虹膜识别系统 d a u g m a n 经过试验验证，h d = 0 3 2 作为虹膜识别系统中汉明距离的闽值。 2 3 2 谭铁牛教授研究组研究开发的虹膜识别系统 谭铁牛教授研究组开发的虹膜识别系统包括采集系统，虹膜图像的预处理、 虹膜定位、特征提取模式识别这四个部分【1 8 1 。 1 采集系统 b ： - e 了 r 一 - 一 e 广。 图2 - 7 采集装置示意图 该装置的左端被扣在被试者的眼睛上。通过计算机来控制呵调节的二极管 的发光亮度，c c d 摄像头拍摄红外光照射的虹膜图像，并输入计算机存储。上 图中的毛玻璃用于消除虹膜上光源的高光反射点，减少图像的噪声。下图2 8 是整个采集系统的示意图： 图2 - 8 谭铁牛虹膜采集系统示意框图 虹膜图像通过c c d 摄像头拍摄输入计算机，通过剪法判断所采集图像是否 符合要求，如果不符合，则计算机发出机电控制信弓，调节采集装霞，直到达 到采集的图像符合要求为止。 2 图像的颅处理 在高度 f 侵犯的系统中，由f 对彼试学不做要求，虹膜在图像中的位置与 大小都会发生变化。困此，在进行虹膜识别之静，必须先确定i l ：虹膜在圈像中 1 4 中南大学坝t 学位论文 第_ 二章虹膜识别系统 的位置并进行归一化。在某些情况下虹膜图像的光照是不均匀的，这样会给虹 膜识别的准确性带来影响；同时，虹膜的内外边界即瞳孔的大小会发生变化， 这将会使虹膜的纹理发生变形。以上这些情况都会影响虹膜图像的质景，从而 给下一步的特征提取和准确匹配带来困难。为了实现精确的匹配，就要通过预 处理消除上述以上各种因素对虹膜图像的影响。虹膜图像的预处理包括虹膜定 位、虹膜图像的归一化和虹膜图像的增强等三个步骤。下图2 - 9 表示了虹膜识 别的预处理的全部过程。 图2 - 9 虹膜识别预处理的全过程图 与眼睛的其它部分相比，瞳孔要暗得多。采用二值化的方法分离出瞳孔， 提取内外边界。二值化方法的关键在于阈值的选取。其中的第一个峰值，对应 的就是瞳孔区域灰度集中的范围，第二个峰值对应的是虹膜区域的荻度集中的 范围，显然，提取瞳孔的二值化阂值应该选择在第一个峰值的右侧( 如图( b ) 所 示) 。图( c ) 是二值化后的结果，可以看出，瞳孔被成功的分离出来。采用最d , - 乘拟和的方法提取外圆的边界。酋先，使用c a n n y 算f 对原始图像进行边缘提 取( 对闽值的选取，具体的做法是先计算出整个i 警j 像的狄度直方图，它应该 有两个主要的峰图( d ) ) ，最后是进行最小二乘拟和提出外酬的边界。虹膜定位 的最后结果如图2 - 9 中的( f ) 所示。 中南大学硕 学位论文 第二章虹膜识别系统 虹膜归一化的目的是将每幅原始图像调整到相同的尺寸和对应的位置，从 而消除平移、缩放和旋转对于虹膜识别的影响。这咀采用的是极坐标变换的方 法进行的归一化，由于虹膜的内外边界不是同心的，所以这种极坐标变换也不 是同心的。归一化后的图像在极坐标系( r ，0 ) 下，展开成一个大小为6 4 1 0 2 4 矩 形。如图2 - 9 中的( 曲。由于设备的原因，使得虹膜图像上的光照不能完全均匀 分布，这样将会影响虹膜纹理分析的效果，为了更好的提高识别效果，对展歼 后的虹膜图像进行了局部的直方图的均衡化。从而实现了图像的增强，减少非 均匀光照的影响，增强后的图像如图2 - 9 中的( h ) 所示。 3 特征提取与模式识别 虹膜图像是靠丰富的纹理细节进行特征提取的。先将虹膜的纹理图像展开 成6 4 1 0 2 4 的矩形。在展开的过程中实际上进行了插值运算，在整个过程中， 这样的运算并不影响准确性。首先，每个人的虹膜部经过了同样的插值运算过 程，这样的影响即使有也是相同的；其次，每个人的训练样本和测试样本都是 在这样的变化前提下生成的，测试时匹配的虹膜样本也足经过与库中图像相同 的变换，这样的变化不影响虹膜特征的稳定性。 用多通道的g a b o r 滤波器进行纹理分析有生理学等方面的基础，假设每一 个通道的数学模型为： j q ( x ，y ) = g ；( x ，j ，) + g ：( x ，y ) 日。( x ，y ) = 而。( 工，y ) o p ( x ，y )( 2 9 ) i q o ( x ，y ) = h o ( 矗y ) 圆p ( x ，y ) 其中p ( x ，”为通道的输入图像，h e ( x ，y ) 和h o ( x ，y ) 分别为偶对称和奇对称的 g a b o r 滤波器，为了简单起见，在不失一般性的情况下，我们使用各向同性的 g a b o r 滤波器。 盼，y ，f ，! ，盯：2g ( y 盯) - c o s ， 2 ( j 5 护+ y 甄n 口) 1 ( 2 - l o ) 。( x ，y ，f ，口，盯) = g ( x ，y ，盯) s i n 【2 矿( x c o s 口+ y s i n 口) 】 、 其中g ( x ，y 0 ) 是高斯函数。 贴成咖嘉e 卅 芋) ( 2 1 1 ) 上面两个式子( 2 1 0 ) 和( 2 1 1 ) 中的f 0 ，