（光学工程专业论文）虹膜识别技术的研究.pdf

浙江大学硕士学位论文 摘要 在科技飞速发展的今天，虹膜识别作为生物识别技术中的后起之秀，在人们 生活、工作的方方面面都显示了它的优越性。虹膜的细节特征在人的一生中均保 持稳定，虹膜图像在采集时具有无侵犯性，每个虹膜都具有独一无二性，瞳孔的 缩放使虹膜组织具有活体组织的显著特性等等，使得虹膜识别的可靠性远远高于 其他生物识别技术。 本论文详细讨论了虹膜采集系统、图像传输和图像识别几个部分。采集系统 的机械装置结构的确定，c m o s 图像传感器的描述。u s b 方式进行虹膜图像的传输。 图像的识别过程包括预处理，边缘提取、边缘拟合，虹膜分割，然后利用g a b o r 滤波器对虹膜进行特征提取，借助h a m m i n g 距判断虹膜的识别结果。实验表明这 种方法快速、有效。 本论文介绍了几种目前比较成熟的虹膜识别系统，并对它们作了比较，论述 了各自存在的优缺点，在此基础上提出了自己的系统，并对本系统的模式识别进 行了分析讨论。 关键词：虹膜识别，数字图像处理，g a b o r 滤波器，h a m m i n g 距，c m o s 图像传感 器，u s b 浙江大学硕上学位论文 a b s t r a c t i r i s r e c o g n i t i o n ，a n e wk i n do fb i o l o g i c a lc h a r a c t e r i s t i cr e c o g n i t i o n ，i s s h o w i n g i t sg r e a ta d v a n t a g e si np e o p l e sl i v e sa n dj o b sw i t ht h ed e v e l o p m e n to f t e c h n o l o g y t h ec h a r a c t e r i s t i c so f o n e si r i sk e e ps t e a d ya n di so n ea n do n l y t h e c a p t u r i n g o fi r i si m a g ei sn o n i n v a s i v e ，a n di s s u e so fi r i sp o s s e s st h ec h a r a c t e r so f l i v i n gi s s u e so n a c c o u n to ft h e z o o m i n gp r o c e s so fp u p i l t h e i m a g ec a p t u r i n gs y s t e m , i m a g e t r a n s m i s s i o n s y s t e m a n d i m a g e r e c o g n i t i o ns y s t e ma r ee x p a t i a t e di nt h i sp a p e r m e c h a n i c a li n s t r u m e n to fi r i s c a p t u r i n gs y s t e m a n dc m o si m a g es e n s o ra r ed e s c r i b e d t h ed a t aa r e t r a n s m i t t e db yu s bi n t e r f a c e a f t e rp r o c e s s i n gi m a g ei n c l u d i n gp r e p r o c e s s i n g ， e d g ed e t e c t i o n ，c u r v i n gf i t t i n ga n di r i sd i v i s i o n ，p i c k i n gu pc h a r a c t e r i s t i c so fi r i s b yg a b o rf i l t e r , j u d g i n gi r i s s o u t c o m eb yh a m m i n gd i s t a n c e e x p e r i m e n t a l r e s u l t ss h o wt h e a p p r o a c hs p e e d i n e s sa n df e a s i b i l i t y i n t r o d u c i n gs o m ek i n d so f i r i s r e c o g n i t i o ns y s t e m ，t h e nc o m p a r e st h e i r a d v a n t a g e sa n dd i s a d v a n t a g e s b r i n g sf o r w a r dm yi r i sr e c o g n i t i o nb a s e do nt h e a b o v e r e s u l t a n a l y z e t h e p a t t e r nr e c o g n i t i o no f t h ep a p er k e yw o r d s ：i r i sr e c o g n i t i o n ，d i g i t a li m a g ep r o c e s s i n g ，g a b o rf i l t e r , h a m m i n gd i s t a n c e ，c m o si m a g es e u s o r ，u s b i i 浙江大学硕士学位论文 1 。1引言 第一章绪论 本章主要着重介绍虹膜的生理学基础、虹膜识别的发展历史、虹膜识别技术 的优缺点，发展虹膜识别技术的意义，以及阐述论文完成的工作。 1 2 虹膜的生物特性 虹膜是受到保护的眼睛的内部组织。眼睛的外观图由巩膜、虹膜、瞳孔三部 分构成。巩膜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 ；虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，约占6 5 。瞳 孔随入射光线强度的变化，会产生收缩或扩张，牵动虹膜变化。虹膜与巩膜、瞳 孔的边界均近似为圆形，是图像匹配时可以利用的重要几何信息。 图1 一l虹膜外观图 同时，虹膜又处于角膜和水样液的后面晶状体的前面”1 。它是人体唯一能从 外界明显看到的内部器官。在虹膜可见到的特征中有连接组织的横格网状( 梳状 韧带) ，基质的胶原组织，睫状体，收缩的褶皱，腺窝，围绕瞳孔的环状色素， 有时还有斑点。因此在明亮的光照射下能看到明显的纹理。 浙江大学硕士学位论文 图1 2虹膜组织结构图 从组织结构上来讲虹膜可用于身份识别的科学依据如下所列：它固有的与外 界环境的隔离性和受保护性”，要用外科手术对虹膜进行改变就要冒着失明的危 险，身理学上对光的反映可以用来识破人为的诡计。虹膜和指纹一样的特性是它 的细节的随机性。因为这个器官在外形上没有遗传上的外显率，超越了解剖学形 态，生理学，颜色，遗传表现，虹膜机理本身是随机的，概率是不定的。虹膜细 节的形态发生的初始条件依赖于胚胎发育的中期，即使是同一遗传基因的两个虹 膜的细节也毫无关联( 如一对同卵双胞胎或同一个人的两只虹膜) 。它的模式的 高度随机性使得内部组成具有2 6 6 个自由度，虹膜的每平方毫米有3 4 b i t s 的信 息浓度。虹膜颜色主要由基质和黑色素浓度来决定，蓝色虹膜是因为缺少色素， 长波长的光穿过并被色素上皮细胞吸收，短波光被基质反射或散射。遗传的可能 性和人种的差异使得虹膜的颜色也不同。黄种人色素多，呈棕褐色，白种人色素 少，呈浅灰色或淡蓝色。 1 3 虹膜纹理识别技术的基本依据 通过红外光对虹膜上的纹络进行识别，发现6 0 左右的纹络，人与人是相 同的，4 0 的纹络人各不同。经计算两个人同一只跟虹膜特征相同的概率是十万 分之一，两眼相同的概率是一千亿分之一。从虹膜组织的收缩沟的形态及所处位 置、数量来看它们就是所谓的供识别的虹膜纹理。人眼在被识别时，瞳孔会自然 发生收缩扩大。虹膜纹理也就随之变化，即是动态化的，由此采集的数据会有细 微变化( 当然是在一定幅度内) ，但这变化又不能影响同一识别。这说明各虹膜纹 理间是同步同比例在变化，能产生这种同比例同步变化的只有收缩沟，是收缩沟 浙江大学硕士学位论文 变化，牵动瞳孑l 变化，两者是因果关系。这种变化在数据处理上不会有太 多困难，因此从这点上看也说明收缩沟是识别对象。虹膜大小环也可能是识别对 象之一。综上所述，虹膜收缩沟及血管大小环即是供识别用的虹膜纹理，它具有 与生俱来，终生相对不变的生理特点。至此还只能说虹膜收缩沟和大小环，好比 是指纹的纹型，仅仅是类，还不足以成为个人识别的最本质依据，还必须有人各 不同的细节特征。细节特征来源可能为两个方面。一是处于收缩沟区域的虹膜上 有许多虹膜小坑，称为睫状区小坑，这是虹膜前层的中胚叶成分局灶性萎缩的结 果。这量多浅小的睫状小坑犹如乳突纹线上的汗孔，千姿百态地分布在睫状区内， 包括收缩沟内，形成收缩沟微观形态上的特定性。二是虹膜大小环之间粗细不一 的动静脉血管、神经纤维在通过各收缩沟时，与之相交构成一成不变的特定组合 关系，这收缩沟上特定的组合关系亦是一种细节特征。在红外光线照射下，动脉 反射光强，静脉反射光弱，粗的血管反射明显，细的血管反射较差，这种差别由 光信号来反应、来表现是十分容易的，所以易为计算机识别，若主要血管终生稳 定，则就构成个体识别的基本条件。 1 4 虹膜识别的发展历史 在人们的日常生活中，密码是对个人财产或隐私的一种保护手段。但不同 场合需要不同密码，密码的复杂程度都给使用者带来了不方便，而且随着电子科 技的飞速发展，密码被破解，泄露也常有发生。为解决种种的安全要求，各国专 家费尽心机，最后发现，我们的身体，正是最可靠的密码。自然界中没有完全相 同的两片树叶，更没有完全一样的人，因此，生物检测技术专家提出，用人与生 俱来的自然特征作为验证身份的密码是最好的选择。例如现有脸形，指纹，虹膜， 掌形，声音等。虹膜识别是最具优越性的方法。 使用虹膜进行身份识别的想法，最初是由眼科专家f r a n kg u r c h 在1 9 3 6 年 提出来的。1 9 8 7 年另两个美国眼科专家l e o n a r df l o m 和a r a ns a f i r 1 用b u t c h 的概念申请了专利，但他们没开发出这样的处理器。他们转而求助于j o h n d a u g m a n ，然后在哈佛大学教书，寻求实际的虹膜识别的算法。现在虹膜识别算 法研究都是基于1 9 9 4 年d a u g m a n 申请的专利基础上”1 。世界上第一台人眼虹膜 识别机也是d a u g m a n 发明出来的“1 。该装置己被英国第三大银行国民西敏士 浙江大学硕士学位论文 银行买断，并装配到其自动提款系统中。由虹膜识别巨大的优势及潜在的 商业价值，驱使国际上一些公司投入大量人力财力进行研究。虹膜身份鉴别技术 目前开始进入商业领域，如o k i 电气工业公司与日本赛马协会联合研制的赛马虹 膜身份鉴别系统；s i e m e n sn i x d o r f 公司又着手把s e n s a r 公司的虹膜身份鉴别 技术集成到他们的自动取款机上。 目前，欧美一些高技术公司已经具各了自动虹膜识别系统产品的研制能力， 部分产品已经在欧美一些发达国家得到了小规模的商业应用。 1 5 虹膜识别的优缺点 虹膜识别与其它的生物识别技术相比有着不可比拟的优点。 1 世界上没有两个人的眼睛虹膜是一模一样的。因为不同人之间的虹膜具有 随机的细节特征和纹理图像，瞳孔周围的虹膜具有复杂的结构，能够成为独一无 二的标识。虹膜组织是一种织物状的各色环状物，每一个虹膜都包含一个独一无 二的基于像冠、水晶体、细丝、斑点、凹点、射线、皱纹和条纹等特征的结构。 采用d a u g m a n 的方法，虹膜识别可达到1 7 3 个自由度“1 ，而一般指纹识别只有3 5 个自由度。这使得虹膜的构成千变万化，几乎不可能重复，就是同一个人的左 右两眼，其细节特征也不相同。统计测试表明“，虹膜识别的错误率仅为( 1 2 ) ”5 。 2 。虹膜特征在人的一生中均保持相当商的稳定性，不易病变，一般性疾病不 会对虹膜组织造成损伤。不可能在对视觉无严重影响的情况下用外科手术改变虹 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。 3 虹膜识别的进行具有无侵犯性，摄像机对用户的眼睛进行扫描，即得到虹 膜图像并进行识别，无需像获取指纹一样需要手指的接触。 4 瞳孔的缩放使虹膜组织具有活体组织的显著特征，可以有效的防止人工伪 造，而指纹等其他生物特征没有这方面的功能。 但是，虹膜作为一种发展中的识别技术还有其自身的缺点。一个最为重要的 缺点是它没有进行过任何的测试，当前的虹膜识别系统只是用统计学原理进行小 规模的试验，而没有进行过现实世界的唯一性认证的试验。在硬件方面，很难将 图像获取设备的尺寸小型化。因聚焦的需要而需要昂贵的摄像头，一个这样的摄 像头的最低报价为4 0 0 0 美元。镜头可能会使图像畸变而使得可靠性大为降低。 4 浙江大学硕士学位论文 黑眼睛极难读取。需要一个比较好的光源。 1 6 虹膜识别的应用前景 综合虹膜的各种特征考虑，虹膜识别技术的利大于弊，因此虹膜识别的应用 前景较为广泛。 由于虹膜识别技术的优越性使得其在金融、电子商务、安全保卫等各个方面 都具有极大的应用前景。虹膜识别产品将可广泛应用于电子金融、电子贸易、网 络安全领域，用于金库、海关、地铁、机场等通道控制系统，用作计算机用户的 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等等。 1 在金融业方面，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、企业造成了极大的损失。2 0 0 0 年2 月1 日出版的环球半月刊 杂志报道，在德国，仅1 9 9 7 年便有5 7 万名事主因存款、贷款、股票等提取密 码泄露而蒙受重大经济损失。虹膜识别技术将轻而易举的对金融客户的身份进行 识别。美国名为“虹膜扫描”( i r i s c a n ) 的高技术公司研制出的虹膜识别系统已 经应用在美国德克萨斯州联合银行的3 个营业部内。另外，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。 2 随着i n t e r n e t 的迅速发展，电子商务已成为潮流。在2 1 世纪，伴随着 电子商务的不断发展和普及，全球电子交易一体化将成为可能。“数字化经济” ( d i g i t a le c o n o m y ) 初具规模，电子银行及电子货币的研究、实施和标准化开始 普及。然而，开放的信息系统必然存在众多潜在的安全隐患，黑客和反黑客、破 坏和反破坏的斗争仍将继续。在这样的斗争中，安全技术作为一个独特的领域越 来越受到全球网络建设者的关注。基于虹膜识别技术的身份认证系统能够确保网 络客户的身份，对电子商务和网络安全将起到重要作用，其前景不可估量。 3 在安全保卫方面，基于虹膜识别的身份认证系统也有着广泛的应用价值。 如美国眼票公司设计的“虹膜通行证”已于2 0 0 0 年6 月9 日在美国北卡罗来纳 州夏洛特道格拉斯国际机场正式启用。它使用最新眼睛虹膜识别技术来管理航空 公司的机场职员进出的限制区域，不仅可以大大减少机场的身份检验工作量，还 可有效保障机场和乘客的安全。 浙江大学硕士学位论文 虹膜识别的使用极大保障了人们生活的方便性和安全性。电话付费不需要 现金，不需要记住信用卡、身份证号码等等，这给本已承受了各种生活压力和工 作压力的人们来说，不啻是一种从许多日常琐碎的事情中解放出来的最有力的帮 助。出门不需要带驾照、身份证件，无票旅行和定期往返，这也是现代人们向往 的便捷的生活方式。 1 7 本论文所完成的工作及成果 虹膜识别系统包括虹膜采集装置、图像的传输，以及图像识别三个部分组成。 图像的采集、传输主要是硬件的设计与实现，图像识别主要是软件的算法设计及 实现。具体来说主要有以下几点： 1 完成了虹膜图像的采集工作：对数码相机进行改造作为采集装置的主体 部分，光学成像系统及系统的照明部分既要满足对人眼虹膜的足够的照 明亮度又要满足光斑的位置及亮度对后续的图像处理工作不会造成不利 影响。分辨率达到1 2 8 0 1 0 2 4 ，8 位灰度图。 2 完成了图像传输工作：采用u s b 传输方式实现了图像传感器与计算机主 机的数据传输。采集的图像数据在计算机中存储。 3 完成了虹膜图像的图像分割，即虹膜内、外边界的模型化工作：根据虹 膜图像的特点，利用瞳孔内部的两个光斑对瞳孔中心进行粗定位；对传 统h o u g h 变换进行虹膜图像分割的缺点进行了分析，提出利用瞳孔内部 的粗定位点和瞳孔的灰度阈值，找到瞳孔的几个方向的边缘点，然后进 行圆拟合并找到瞳孔中心点。再以瞳孔中心为圆心，做上下眼皮中离瞳 孔中心最近的一边相切的圆，从而实现环形虹膜分割。 4 先用香农小波对图像进行多尺度分解，然后利用g a b o r 理论对提取出来 的虹膜进行特征提取。 5 完成了对虹膜图像的匹配工作：用h a m m i n g 距离对虹膜图像进行判断是 否符合要求的虹膜。 所作出的成果： 虹膜识别技术中的图像处理光学仪器2 0 0 4 ，( 1 ) ：v o l 2 6 虹膜识别的采集装置专利专利受理号：2 0 0 3 2 0 1 0 7 8 9 9 4 浙江大学硕士学位论文 第二章虹膜识别的原理及系统构成 2 1 引言 本章介绍了虹膜识别的理论基础，并介绍了几种经典的虹膜识别系统及理 论，并提出了本论文的虹膜识别系统采用的方法和原理。 2 2 虹膜识别的理论基础 虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的，虹膜识 别技术与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信 息都录入到一个数据中，出现认假和拒假的可能性电相当小，但是这项技术的无 法录入问题已经成了它同其它识别技术抗衡的最大障碍。不管怎样，虹膜识别技 术的高精度使它能够在众多识别技术中占有一席之地。虹膜识别技术将虹膜的可 视特征转换成一个5 1 2 个字节的i r i sc o d e ( 虹膜代码) ，这个代码模板被存储 下来以便后期识别所用，5 1 2 个字节，对生物识别模板来说是一个十分紧凑的模 板，但它对从虹膜获得的信息量来说是十分巨大的。 目前的虹膜自动识别系统一般是采用先进的传感器设备对活体虹膜图像进 行实时采集，然后利用计算机图像处理和模式识别对数字化的虹膜图像进行处 理、分析和比较，从而自动、迅速、准确地识别个人身份。 2 2 1 模式识别的基本概念 虹膜识别属于模式识别这一范畴。下面介绍虹膜识别中的基本概念“： “模式识别”( p a t t e r nr e c o g n i t i o n ) 按哲学的定义是一个“外部信息到达 感觉器官并被转换成有意义的感觉经验”的过程，本质上是经过分析、判断、归 类、识别出事物与哪个供仿效的标本相同或相似。模式识别是研究图像或各种物 理对象与过程的分类和描述的学科。 浙江大学硕士学位论文 2 2 2 模式识别的主要理论和方法 模式识别是2 0 世纪5 0 年代开始，6 0 年代兴起并迅速发展，7 0 年代奠定理 论基础，发展至今已成一门新兴学科。 目前模式识别的理论和方法一般分为四大类： 1 统计模式识别 统计模式识别是基于概率统计理论为基础的，模式用特征向量描述，找出决 策函数进行模式决策分类。不同的决策函数产生不同的模式分类方法。目前主要 的统计模式识别方法有两类：一类是基于似然函数的模式分类方法，主要有b a y e s 决策、n e y m a n - - p e a r s o n 决策等；另一类基于距离函数的模式分类方法，这是一 种集群分析方法。 2 句法( 或结构) 模式识别 句法模式识别是基于形式语言理论的概念为基础的。模式按其结构分解为子 模式或模式基元，模式基元的连接关系以文法形式进行描述。这类似于英语中的 单词按一定的文法连接而成。给定一个输入模式基元串，判断其是否被文法识别 器( 又称自动机) 接受的过程就是模式识别。 2 0 世纪8 0 年代后，随着计算机、人工智能、控制理论等的迅速发展，模式 识别又形成了两种新的识别方法，即模糊模式识别和神经网络模式识别。 3 模糊模式识别 模糊模式识别是模糊集理论在模式识别中的应用。人对客观事务的认识带有 模糊性，如通常所说的“高矮、胖瘦”、“青年、老年”、“温和、剧烈”都是 带有模糊性的语言，人类利用这些模糊语言进行交流，并通过大脑分析和决策。 模糊数学就是研究如何利用模糊信息对确定事物进行定量分析。因此，将模糊集 理论用于模式识别系统，利用模糊信息进行模式决策分类，使计算机或机器带有 接近人类的智能，这是非常重要的研究课题。 目前模糊模式识别的主要方法有：最大隶属原则识别法、接近原则识别法和 模糊聚类分析法。 4 神经网络模式识别 人工神经网络具有信息分布式存储、大规模自适应并行处理、高度的容错性 等优点，是应用于模式识别的基础，特别是其学习能力和容错性对不确定的模式 浙江犬学硕十学位论文 识别具有独到之处。 神经网络分类器的基本框图如图2 一l 所示。在神经网络分类器中，首先计 算匹配度，然后将其送到第二级输出，再反馈到分类器的第一级，用学习算法训 练相应的网络权值，重复上述过程，直到达到期望目标为止。 均x oy o lll 石1 计算匹配度 j 1 提高并选取 y o 最火值 k l h 一1x n 一1 y n 1 r jl ( 输入) ( j 按分类结果及输出值 修正互联权值 图2 1神经网络分类器框图 出) 神经网络分离器可完成以下任务： ( 1 ) 在输入被噪声污染的情况下，确定最能代表输入样本的类； ( 2 ) 分类器具有联想记忆功能，可用于残缺输入信息的恢复与联想； ( 3 ) 用作矢量编码器，作为图像识别的a d ，起到数据压缩作用。 神经网络分类器是一种智自化模式识别系统，它可增强系统的学习能力、自 适应能力和容错性，具有很强的发展应用前景。 2 2 3 虹膜识别系统的总体介绍 卜 预 处 理 图2 - 2 模式识别系统框图 浙江大学硕士学位论文 图2 2 为一个虹膜自动识别系统的简单流程图。 1 图像采集 指通过图像输入设备实现，常用的图像输入设备有电视摄像机、微密度计、 扫描鼓等。它将影像光学灰度信号转换为模拟电信号，并经a d 变换为数字图像 信号。一般要求转换的电信号线性度好，噪声小，分辨率高，转换速度快。 2 预处理 预处理相当于对获取的原始图像数据进行整形加工、去伪存真的过程。由于 原始图像信号中存在着许多噪声和畸变，一般要进行滤波、平滑、增强、复原、 提取边缘、图像分割等预处理，以便提高图像质量，并为下一步特征提取提供必 要的基础。 3 特征提取和选择 特征提取和选择是对预处理后的数据进行分析、去粗存精的过程。由于原始 图像数据量相当大，需要把这些数据转换为若干特征，这称为特征提取。为了提 高分类处理的速度和精度，对提取的特征还需要选择最有代表性的特征，其信息 冗余度最小，而且希望具有比例、旋转、位移不变性。 从数学上讲，特征提取相当于把一个物理模式变为一个随机向量，如果抽取 和选择了m 个特征，则物理模式可用一个m 维特征向量描述，表现为m 维欧式空 间中的一个点。m 维特征向量表示为： 贾= 0 。，而，k r ( 2 一1 ) 在图像识别中，常被选择的特征有：图像幅度特征、图像统计特征、图像几 何特征、图像变换系数特征等，此外还有一些其它描述图像的特征，如纹理特征、 三维几何结构描述特征等。 4 决策分类 这是模式识别的理论与方法要解决的关键问题。一般的讲，决策分类没有能 不能进行的问题，因为毫无根据的“瞎猜”也可以认为是一个“决策”。所以模 式识别的任务是如何做出最优决策问题。也就是说，根据具体问题的性质，提出 一个反映分类好坏的标准，从而找到最符合这一标准的分类方法。例如分类错误 率就可以作为这样的一个标准。 从数学观点来看，决策分类就是找出决策函数( 边界函数) 。关于决策函数 浙江大学硕士学位论文 的产生，当已知待识别模式的完整的先验知识时，则可据此确定决策函数 的数学表达式。如果仅知待识别模式的定性知识，则在确定决策函数的过程中， 通过反复学习( 训练) 、调整，以达到满意的决策函数表达式，作为决策分类的 依据。 2 。3 几种已完成的虹膜识别系统及算法的比较研究 本章着重比较研究了几种已经完成的虹膜识别系统及算法，对本论文的系统 开发及算法实现做出了理论方向上的指导。 2 3 1 d a u g m a n 系统 d a u g m a n 系统是虹膜识别技术中比较成熟的一套系统。j 。 1 虹膜采集系统 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。 它的镜头f ：3 3 0 x n ，工作距为1 5 - - 4 6 m m ，采用的是窄视场镜头，景深较小( 约 1 0 m m ) ，采集的虹膜图像在虹膜半径尺度上为1 0 0 2 0 0 p i x e l s 。 采用l e d 点光源照明，因此在采集的虹膜图像中有点光源的反光，屏蔽了该 位置的虹膜图像，这需要在后一步的匹配识别当中把这一部分去除。 在该系统中，虹膜最佳的对焦位置需要用户自己用移动眼睛在摄像头前的位 置实现。摄像头将连续采集虹膜的图像并在l c i ) 面阵上显示，以提示用户移动眼 睛的部位。当成像有足够的锐度时自动采集虹膜图像样本。 浙江大学硕士学位论文 2 虹膜定位与分离 圈2 - - 3d a u 鲫a n 的虹膜采集系统 假设，0 ，y ) 为坐标为x ，y ) 处的图像强度，并且将虹膜内边界( n t u 蜮) 和外边界( 巩膜边缘) 模型化为圆心在：b 。，y 。) ，半径为：r 的圆。 通过求 f 昙o rg o ) ，, y e 挚7 0 i 4 一f ， z 的最大值求上述三个参数。 其中：6 ( ，) ：6 、，磊a 一( ( r m ) 2 2 a 2 ) 为g a u s s i a n 算子，用于平滑图像， 代表卷积。 3 虹膜特征编码和识别 ( 2 2 ) ( 2 3 ) d a u g m a n 的系统采用半径放缩比例来归一化虹膜的半径，也就是使用一个基 于线性伸展的瞳孔变化模型。它将图像从笛卡儿坐标b ，y ) 转化为极坐标的形式 ( p ) ，转化公式为： fj，x(pr,，o口)=：(1-一r，)bxp，(p0)+rxl，(p0)0r y ) 2 4 lj ，p ，口) = 一r b ，p ) + ，p ) “ 其中：，【o ，l l0 ，2 石】； 浙江大学硕士学位论文 b ，p lj ，p ) ) ，0 ，p l y ，p ) ) 分别代表在0 方向上的瞳孔和巩膜的( 即虹膜 内、外边缘) 边缘点。并且在匹配中靠0 的微量变化来弥补旋转带来的误差。 然后，对于虹膜细节特征的提取，d a u g m a n 系统采用了极坐标下的二维o a b o r 滤波器进行处理。上世纪8 0 年代初，m e y e r 等人创导了小波潮流，将一维信号 多尺度的分解成自相似的小波族，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2 dg a b o r 小波系列，这时2 dg a b o r 函数作为基小波经膨胀、 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。尉一般的图像编 码原理一样：一系列的小波族能很好的表征原图像，选取一些能捕捉原图像典型 特征的小波一一这如同傅立叶变换里选取一些能量比较集中( 即代表图像信息) 的傅立叶展开项。对于不同的图像，例如不同的虹膜图像，则各小波的系数是不 同的，将这些小波系数规划并数字化，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为： 日( ，臼) = e - i t u ( 0 - 0 0e - ( r 一仍) 2 a 2 。一j ( 目- 0 0 ) 2 p 2( 2 5 ) 其中a 、b 共同变化，且与。反向。这样产生一组求积分形式的选择频率的 滤波器，中心位置在，o o ) ，位置参数为，o o ，口，声，国) 。这些滤波器在 空间域、频率域有良好的获取节点位置的功能，而且由于良好的积分特性，这些 滤波器能够获取本地相位信息。将每一个滤波器作用于整个无量纲的虹膜区域 r ，目) ，得到的系数大小用两个位来表示：o 贸，勰) h ，唧j 小勘p 一妒k o p ) 2 吒一j p 一妒) 2 2 。咖，妒蚴p o l p ，妒j ( 2 6 ) 胁o ，卿ji f e 砌p 一妒b p 一，) 2 a 2 。一j p 一妒) 2 肋2 。，妒鼬pl o x i y _ o v 3 ) i x o x ，i y 兰o y4 ) i x o x ，i y o y 5 ) i x o x ，l y o y 不失一般性，以2 ) 情况 为例如下图所示，以内圆圆心作为极坐标系统的中心，做与水平线成。角的射 线，它与内、外边界各有一个交点。分别记做b ( t ( 臼) ，y i ( 口) ) ，a ( x 。( 臼) ，y 。( 臼) ) 。 则有： 浙江大学硕士学位论文 图2 - 8虹膜归一化 ，z o 纠= ；r e 一0 + 口( 21 1 ) 么o a j = a r c s i l l r i s i n z o i a ，么i o a = 丌一么。朋一么o a t( 2 - 1 2 ) r 。 s a ( o ) = 丑? + r ；一2r 只f r 。- c o s z i o a ( 21 3 ) 其它四种情况的结果可以类似推导出来。于是，射线上两个交点之间的任何一点 都可以用a ( x 。( 口) ，y 。( 护) ) ，b ( x i ( p ) ，y 。( 口) ) 的线性组合表示 j2 ( 7 ，口) 2 ( 1 7 ) 。r ( 口) 一7 。( 8 ) ( 2 - 1 4 ) l y ( r ，臼) = ( 1 一，) y i ( 口) 一，y 。( 目) 其中r 【o ，1 ，0 【o ，2 7 c 。该变换将虹膜图像中的每个点一映射到极坐标对( r ， 0 ) 中去，这种由直角坐标下的虹膜图像到极坐标下的映射可以表示为 i ( x ( r ，口) ，y ( r ，臼) ) ，( r ，口) ( 2 - 1 5 ) 这种映射对于平移和内外圆环的大小变换具有不变性。而对于旋转变化，将在后 面的算法中提取旋转不变的特征。综上所述，整个虹膜识别的过程对于虹膜图像 的旋转、平移和尺度变化以及瞳孔的收缩都具有不变性。归一化之后的图像在极 坐标系( r ，0 ) 下，展开成一个大小为6 4 l0 2 4 矩形。如图2 7 的( g ) 。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，这样将会影响纹理分析的 效果，为了更好地提高识别效果，对展开后的虹膜图像进行了局部的直方图均衡 化。从而实现了图像增强，减少了非均匀光照的影响，增强后的图像如图2 7 的 ( h ) 所示。 浙江大学硕士学位论文 仔细观察虹膜图像发现，虹膜图像包含有丰富的细节特征。将圆环的虹膜 图像首先展开成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，对 整个识别过程而言，这样的处理并不影响准确性。首先，每个人的虹膜都经过同 样的插值变换过程，这种影响即使有也几乎是等同的；其次，每个人的训练样本 和测试样本都是在这一变换前提下生成的，测试时匹配的虹膜样本也是经过与库 中图像相同的变换，而这种变化不影响特征的稳定性。如果将预处理后的图像看 作为一幅纹理图像，那么许多纹理分析的方法都可用来抽取虹膜特征。这罩采用 二维小波变换 小波变换是一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的一维小波变换。二维小波变换将一幅图像分 解成一系列的低频子图像。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。这里采用广泛使用的d a u b e c h i e s - - 4 型小波。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 与原图像相同。例如一幅l6 1 6 的图像经过三层小波分解，得到如下图所示的 l o 块小波分解结果， * l h i l h l “h h h ( a )c b ) 图2 - 9 小波分解示意图 。一共2 5 6 个系数。把这些分解出来的子图像称为小波分解通道。一共有四种小波 通道：l l ，l h ，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。l l 通道代表了图像在水平低频和垂直低频下的信息；l h 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的输出就具有较 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和方差来表 示。第1 3 个通道的平均能量和方差由下式给出 浙江大学硕士学位论文 甄= 嘉否m 荟n ) s m c 。 ( 2 - 1 6 ) ( 2 1 7 ) 其中m x n 为小波通道的尺寸，i ，j 分别代表通道中元素的行值和列值；x 是该通道的小波分解系数。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。因此使用图 2 - 9 ( b ) 中阴影部分的共7 个通道来进行纹理分析。对于每个通道的滤波结果，提 取均值和方差作为其特征。由于在小尺度下的小波子图像受噪声的影响比较严 重，为了增加识别算法的抗噪声性能，在具体算法中，对6 4 x1 0 2 4 的归一化图 像，进行3 次小波分解，对3 个尺度下的小波系数进行处理，这样总共有7 个小 波通道，每幅输入图像提取出1 4 个特征。 5 该系统的局限 这个系统的算法没有对眼皮的遮挡进行处理，仅是根据经验抛弃可能包含眼 皮部分的图像，这样会损失部分虹膜的信息。 2 3 3 本课题前任研究的系统 1 。采集系统 将采集装置直接置于眼睛上，用环形灯作为照明的光源，其亮度能使虹膜成 清晰的像。数字图像传感芯片采用o v 7 i1 0 型号，然后通过u s b 传输给计算机，存 储在计算机内。整个的采集装置示意框图如下所示“： 图2 一l o 采集系统示意框图 2 1 孽 浙江大学硕士学位论文 采集的虹膜图像如下图所示 图2 - 1 1虹膜图像 2 图像预处理和定位 所采集的原始图像由于传输、转换等的影响会产生噪声，为了提高图像质量， 改善噪声，必须对图像进行预处理。首先对图像进行高斯平滑，以减少噪声。然 后对图像进行拉普拉斯锐化，突出边缘轮廓。 虹膜的象素灰度值分布规律为从瞳孔向外逐渐增加，在x ，y 方向的灰度投 影上，呈现中心低，周围高的分布规律。根据这一规律可以粗略定出瞳孔中心， 以这一点为中心，向不同的方向移动，采用梯度检验的方法寻找虹膜的内边缘。 但由于瞳孔内部的一些干扰因素，如睫毛、闪耀光斑等，单纯用梯度检测会产生 错误判断。必须再加上一个评定标准，采用领域像素平均值检验的方法，从瞳孔 估计中心位置点向6 个不同的方向检验，得到边界上的6 个点，用这种方法检测 处理的边缘点比较准确。通过对这6 个点的圆拟合方法，即求一点( a ，b ) 和半径 ， 使它与这几个边缘点的距离差最小。同理，采用简化模型，近似认为虹膜的外边 缘圆心和内边缘圆心重合，寻找虹膜的若干外边界点，按圆心( a ，b ) 进行拟合， 得到虹膜的外边缘半径屯。 3 虹膜分割和特征提取 先提取出环形虹膜部分。考虑到虹膜图像的上部被眼皮遮挡，并且多眼睫毛， 下部为照明灯光的镜面反射，这些部分的虹膜纹理往往残缺不全。针对这一情况， 将虹膜上、下半区一部分按扇形去除。扇形所在圆的圆心即虹膜的内边界的圆心 浙江大学顽士学位论文 ( 玛，口，) 。虹膜纹理多集中在虹膜的内半圆，外半圆环的细节不多，对于识 别的意义不大，因此，可再减少识别面积，只选择虹膜的内半圆环用于识别。这 样也同时减少了计算量。所选环形图像为： ( p ，日) h sv s ( + ) 2 , - 4 t g o j 4 2 1 8 因为不同个体的虹膜尺寸有差异，并且成像位置不同，即物距不同引起成像放大 率不同，也必然引起采集到的虹膜尺寸有所不同，为实现虹膜的匹配，采用归 化操作。先将两个扇形区域变换成梯形，最后用线性插值，分段进行，归一化为 矩形。 4 相关匹配 采用常见的相关系数匹配。其中相关系数为： f _ 舻丽 设图像匹配的两图像的图像强度为i ( x ，y ) ，i c = ，0 。y ) 一p 扛，强 ，g ，y ) 一e 1 。b ，碉d 吣 i ik 0 c = j ，o ，) 一 ，b ，y 2 蛐 ( 2 一1 9 ) ( x ，y ) ，恻为图像的面积，则： ( 2 - 2 0 ) ( 2 2 1 ) c s 扩 ，+ b ，y ) 一e 口g ，y ) b 2 蛐 ( 2 2 2 ) b y ) d 其中： f 2 陬1 黔y 蚴 2 2 3 f y 2 吼1 北。，y 蚴 2 2 4 g ，y ) 为各象素点坐标，d 为图像区域。然后根据相关系数的大小来判断两虹 膜的匹配程度。 5 该系统的局限 该采集装置因为光源本身形状的问题，所采集的图像存在两点不足。一是虽 浙江大学硕士学位论文 然采用环形灯，但并不是整个圆周上都是均匀发光，存在着光照的不均匀 性，影响成像质量。二是因为灯光反射的环形光斑落在虹膜上，造成虹膜的细节 被屏蔽掉一部分。 2 4 介绍本论文的识别方法 综上所述，在各家的基础上，扬长避短，提出了本项目的识别方法。 2 4 1 本系统要求的提出 综合了各家的研究情况，并根据现在的市场发展对虹膜识别技术的要求，提 出了本项目组对虹膜识别系统的具体要求： 1 d a u g m a n 经典系统虽采集的图像精度高，像质清晰，但该系统的成本 。高，操作复杂，未经培训的人员无法直接操作该系统。谭铁牛教授 研究开发的虹膜采集装置已申请专利，但该装置的实际操作情况与 理论描述有一定的差距，毛玻璃无法很有效地削弱光源的高光反射 点，在虹膜上会留下明显的光斑，对虹膜造成细节的损