（计算机应用技术专业论文）基于曲面匹配的虹膜识别方法的研究.pdf

摘要 iii i i i i i i 一ii i 鼍曼曼皇皇曼曼曼曼 摘要 虹膜识别是模式识别领域的前沿研究方向，是一种新颖的基于生物特征的身 份鉴别方法，也是一项具有广阔应用前景的身份认证技术，在信息及安全领域有 着重要的应用价值，业已得到国内外政府部门、学术界和工业界的广泛关注。 本文在总结前人工作的基础上，对虹膜图片分割和定位、图片有用区域的提 取的关键技术进行了研究和讨论，然后利用灰度曲面匹配的方法在虹膜识别系统 上的应用进行研究，在此基础上实现一个小规模的虹膜识别系统，并通过该系统 验证基于灰度曲面匹配对虹膜识别的可行性和实用性。 目前的虹膜识别技术，一般是将原始虹膜图像通过处理后，再利用各种数学 手段提取虹膜图像的特征值，然后再利用提取的特征值与之前虹膜数据库中注册 的某一用户的特征值进行比较，根据两副虹膜图像的特征值匹配程度大小来确定 二者是否来自于同一只眼睛。 本文使用的虹膜识别方法是在虹膜灰度图像这个层面上直接进行匹配操作， 相当于是虹膜图片与虹膜图片之间进行匹配。因为该方法没有特征提取这个步 骤，参与匹配的是整个虹膜区域图像，而不是一组作为特征值的数据，因而相对 于常用的基于特征的虹膜识别方法，该方法可能具有相对安全性的特点。通过本 文的研究，将灰度曲面匹配的方法应用于虹膜识别，并且通过两次不同规模的实 验验证了该方法的有效性。 关键词模式识别；虹膜识别；曲面匹配 a b s t r a c t a b s tr a c t i r i sr e c o g n i t i o ni st h ef o r e f r o n to ft h ef i e l do fp a t t e r nr e c o g n i t i o nr e s e a r c h , i ti san e w b i o m e t r i c b a s e di d e n t i f i c a t i o nm e t h o d ，a n dt h ep r o s p e c to fi r i sr e c o g n i t i o ni sab r o a d a p p l i c a t i o no ft h ei d e n t i t ya u t h e n t i c a t i o nt e c h n o l o g y i nt h e f i e l do fi n f o r m a t i o n s e c u r i t yi th a si m p o r t a n ta p p l i c a t i o nv a l u ea n d i th a sb e e n g a i n st h eg o v e r n m e n ts e c t o r ， a c a d e m i aa n di n d u s t r yw i d ea t t e n t i o n a tt h ec o n c l u s i o no fp r e v i o u sw o r ki nt h i sa r t i c l e ，d ot h er e s e a r c ha n dd i s c u s s i o no n t h ei r i si m a g es e g m e n t a t i o na n dp o s i t i o n i n g ，e x t r a c t i o nu s e f u lr e g i o nf r o mp i c t u r e t h e nu s et h em e t h o do fm a t c h i n gg r a ys u r f a c eo fi r i sr e c o g n i t i o ns y s t e m si nt h e a p p l i c a t i o no fr e s e a r c h , o nt h i sb a s i sp r o d u c ea i r i sr e c o g n i t i o ns y s t e m ，a n dt h r o u g h t h es y s t e mt e s ta n dv e r i f yt h eg r a ys u r f a c em a t c hi sf e a s i b i l i t ya n dp r a c t i c a l i t yo nt h e i r i sr e c o g n i t i o nm a t c h i n g c t m e n ti r i sm a t c ht e c h n o l o g yi su s u a l l yp r o c e s s i n gt h e 耐g i n a ji r i si m a g e ，t h e nu s e s o m em a t h e m a t i c a lm e t h o d st oe x t r a c tt h ec h a r a c t e r i s t i c sv a l u eo fi r i si m a g e ，a n du s e t h ee x t r a c tc h a r a c t e r i s t i c sv a l u et o c o m p a r e w i t hs o m e r e g i s t r a t i o n u s e r s c h a r a c t e r i s t i c sv a l u ei nt h ei r i sd a t a b a s e ，a c c o r d i n gt ot h et w oe i g e n v a l u e so ft h ei r i s i m a g et od e t e r m i n et h ee x t e n to f w h e t h e rm e yc o m ef r o mt h es a m ee y e i nt h i sp a p e r ，i tu s e st h ei r i sg r a yp i c t u r et od ot h em a t c h i n go p e r a t i o n ，w h i c hi s e q u i v a l e n tt od ot h em a t c h i n gb e t w e e ni r i si m a g et oi m a g e i nt h em e t h o d t h e r ei sn o t c o n t a i nt h es t e po ff e a t u r ee x t r a c t i o n , i tu s ea l lo ft h ei r i sp i c t u r et om a t c h i n g ，n o tt h e e i g e n v a l u e so ft h ed a t a , s oc o m p a r ew i t hb a s e do nt h ec h a r a c t e r i s t i c so ft h ei r i s r e c o g n i t i o nm e t h o d ，t h i sm e t h o dm a yb em o r es a f e t y t h r o u g ht h es t u d yo ft h i sp a p e r ， iu s et h eg r a ys u r f a c em a t c h i n gm e t h o dt op r o d u c eai r i sm a t c h i n gs y s t e m , t h e ni t h r o u g ht h et w oe x p e r i m e n t st op r o v et h i sm e t h o d i su s e f u l k e y w o r d sp a t t e mr e c o g n i t i o n ；i r i sr e c o g n i t i o n ；s u r f a c em a t c h i i i 独创性声明 本人声明所呈交的论文是我个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，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 签名：显篡主! 兰奎日期：兰1 2 望! 旦三日 关于论文使用授权的说明 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：导师签名：凌圣丝日期：竺望生! 堑罗 第1 章绪论 1 1 课题背景 第1 章绪论 生物特征识别是根据人体自身所具有的生物特征( 包括指纹、虹膜、人脸、声 音和笔迹等) 来识别个人身份和进行身份认证的技术【l 】。身份识别技术在当今的信息 化社会得到了广泛的应用，但随着人类社会的进步和信息技术的发展，对身份识别 的安全性提出了新的要求和更高的挑战。一些传统的身份识别方法：例如身份证或 注册卡、密码、签名等，因为其自身存在的易丢失、易被破解、易被伪造等局限性， 使得这些传统的身份识别方法已经渐渐不能满足现在社会的需要。这时应运而生的 基于生物特征的身份识别技术由于其自身具有稳定、便捷、不易伪造等优点，近年 来已成为身份识别的热点。 虹膜是一种在眼睛中瞳孔内的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、结构、凹点、射线、皱纹和条纹等特征 的结构。相对于其他生物特征识别技术，虹膜识别具有以下三个特点：稳定性，唯 一性，和非侵犯性【2 j 。 稳定性【3 】：人发育n ) k 个月左右，虹膜就基本上发育到了足够尺寸，进入了相对 稳定的时期。除非极少见的反常状况、身体或精神上大的创伤才可能造成虹膜外观 上的改变，虹膜形貌可以保持数十年没有多少变化。另一方面，虹膜是外部可见的， 但同时又属于内部组织，位于角膜后面。要改变虹膜外观，需要非常精细的外科手 术，而且要冒着视力损伤的危险。因此虹膜具有高度稳定性及不可更改的特点。 唯一性：虹膜组织具有因人而异的固有特征。即使是同卵双胞胎，也不存在特 征相同的实际可能性【4 】，就是同一个人的左右两眼，其细节特征也不相同。虹膜识别 技术是已知的精确度最高的生物识别技术，两个不同的虹膜信息有7 5 匹配信息的 可能性是1 1 0 6 ，误识率为1 ：1 2 0 0 0 0 0 卯，两个不同的虹膜产生相同虹膜代码的可能性 是1 ：1 0 5 2 ，所以虹膜具有唯一性的特点。 非侵犯性：而现代社会随着对人自身权益的日益重视，虹膜识别属于非侵犯性 识别，可以通过相隔一定距离的摄像机捕获，而不需对人体进行侵犯，因此相对于 指纹识别和视网膜识别等侵犯性识别技术，虹膜识别有着显著的优势。 除此之外，虹膜识别自身还具有防伪性，虹膜本身具有规律性的振颤特性 6 1 以及 虹膜随光强度变化缩放的特性，利用这些特性，我们可以很方便地开发出具有防伪 功能的虹膜识别系统。 而对于一些特殊行业来说，虹膜识别比其他的生物识别有着与生俱来的优势。 北京工业大学工学硕士学位论文 例如：矿井工人下井归来时其脸部与手部的生物特征提取都受到了影响用，此时如果 使用虹膜识别，会比其他的生物特征识别更方便。 因而，基于虹膜的身份识别目前已成为一个模式分类研究的热点领域。 1 2 虹膜识别常见算法 虹膜识别技术是利用虹膜终身不变性和差异性来识别身份的，虹膜识别技术与 相应的算法结合后可以达到十分优异的身份鉴别准确度。世界各国的研究人员也提 出了很多不同的虹膜识别算法【8 】，而目前比较常用的识别算法主要有d a u g m a n 的基于 虹膜纹理的识别算法、w i l d e s 的线性判别式分析方法、b o l e s 的过零点检测方法等。 英国剑桥大学的j o h n o d a u g m a n 提出了基于2 dg a b o r 9 1 4 、波变换的虹膜识别 方法，主要思想为：首先对虹膜图像进行1 0 2 4 个小波变换，再将相位信息粗量化， 从而获得2 5 6 b 的虹膜编码，使用海明距离进行匹配。 w i l d e s 【l0 j 提出了用高斯型滤波器在不同分辨率下分解虹膜图像，对分解的图像 进行编码，使用相关系数匹配。 b o l e s 的基于过零点检测的算法【1 1 1 ，提取虹膜过零点作为特征值，使用相似度进 行匹配。 在现有的虹膜识别方法中，由英国牛津大学d a u g m a n 博士开发的虹膜识别方法， 其技术成熟度最高，已经产品化，并小批量生产。 目前的虹膜识别技术，一般是将原始虹膜图像通过处理后，再利用各种数学手 段提取虹膜图像的特征值，然后再利用提取的特征值与之前虹膜数据库中注册的某 一用户的特征值进行比较，根据两副虹膜图像的特征值匹配程度大小来确定二者是 否来自于同一只眼睛。这种虹膜识别方法的特征是，在由原始灰度图像中提取的特 征值这个层面上进行匹配操作，因为特征值仅仅是一组数据，所以可以在不使用原 始眼睛图片，而仅仅通过输入一组特征值数据进行虹膜识别，这样的话就完全绕过 了虹膜识别系统，带来了很大的安全隐患。但这类通过特征值进行匹配的方法优点 是匹配操作速度很快，非常适合于在大的数据库中寻找相同的虹膜。在特征提取过 程中，由于所采取的数学手段和实现方法不同，因此所消耗的时间也不相同，但都 远远大于匹配过程所消耗的时间。与此同时这类方法存在的问题是，尽管匹配速度 快，但是由于匹配的是一组数值，所以非常容易被窃取和仿照，因此如果要入侵一 个身份鉴别系统，完全可以绕过虹膜采集器，而通过线路直接输入一组被窃取的匹 配码，来实现虹膜匹配，所以这类方法在安全性方面有待提高。 本课题使用了一种不同的虹膜识别方法：即在虹膜灰度图像这个层面上直接进 行匹配操作，而没有特征提取这个步骤，使得参与匹配的是整个虹膜区域图像，而 不是一组作为特征值的数据。该方法能较好的解决特征值匹配方法的安全性问题， 第l 章绪论 并且通过其他专家学者的验证该方法也具有识别效率高，识别速度快等特点。 1 3 虹膜识别技术发展概况 国际上主要的虹膜识别厂商：i r i s c a n ，从1 9 9 4 到1 9 9 8 年的5 年间公司收入增 长了1 0 倍，公司入选全球增长最快的公司5 0 0 强。到2 0 0 2 底为止，公司提供的虹 膜识别产品已经在全球超过i 0 0 0 家单位使用，包括银行、机场、学校、政府等各种 各样的单位。累计销售收入超过1 亿美元【1 2 1 。同时，公司的销售收入从1 9 9 4 年开始， 每年均以超过8 0 的规模增长。在i t 大环境一冷再冷的同时，以虹膜识别技术为核 心技术的i r i s c a n 却取得了令人惊讶的增长速度。 根据国际生物特征识别集团( i n t e r n a t i o n a lb i o m e t i cg r o u p ) 的统计分析，2 0 0 7 年，基于人的生物特征( 如指纹、虹膜、人脸、声纹等) 而实现身份识别的全球市 场为3 0 亿美金，而虹膜识别占其中的5 1 ，约为1 5 3 亿美金。2 0 0 7 年，美国f b i 宣布投资1 0 亿美金建立名为“识别下一代”的公民生物特征数据库，并希望在此基 础之上进一步构建美国的反恐和公民安全网络，而虹膜是其重点考虑的生物特征之 一，足见虹膜识别技术的应用前景十分广阔。有资料显示，美国军方和政府部门正 在有计划的购买和使用虹膜身份认证设备和系统，比如在2 0 0 7 年仅从l 1i d e n t i t y s o l u t i o n s 公司就购买了超过8 0 0 0 万美金的虹膜设备。在中东，i r i s g u a r d 公司已 经建立了一个超大规模的虹膜识别架构i r i s f a r m 1 3 】，完成了阿联酋全国的机场旅客 虹膜通关和恐怖分子黑名单比对。 在中国，全国共有超过1 万家支行级的银行分支机构，大约1 5 0 家机场运用了 虹膜识别技术，仅这两个市场的应用潜力就达到了2 5 亿人民币。其他如：军事基地、 枪械库、核能设施、物料放置库房、电脑机房、政府办公室、保密资料室等重要区 域的门禁管制等有潜力应用虹膜识别技术的市场超过3 0 亿人民币【1 4 1 。以上估计不包 括相关的配套设备的市场。所以，在国内虹膜识别产业是一个尚未开发的，有着巨 大潜力的产业。 1 3 1 虹膜技术的大规模应用 2 0 0 2 年2 月8 日，英国伦敦希思罗机场开始对一种先进的保安系统进行测试， 新系统可扫描乘客的眼睛，以代替检查乘客的护照。据悉，该项试验计划为期五个 月，搭乘英航及维京航空公司班机的乘客都可参与这项试验。国际航空运输联合会 对这一研究结果极感兴趣，他们鼓励伦敦希思罗机场进行试验i l5 1 ，通过检查登机旅 客的虹膜来确定其身份并作为登机牌。 美国“i r i s c a n ”研制出的虹膜识别系统已经应用在美国得克萨斯州联合银行 的三个营业部内。储户两手空空地来办理银行业务，无需银行卡，更没有回忆密码 北京工业大学工学硕士学位论文 量曼! 曼曼曼曼曼舅舅曼曼曼! 曼曼曼! 曼曼! 曼曼曼曼曼曼! 曼! ! ! 曼曼曼蔓! ! ! 曼曼曼曼! 曼皇! 曼：! 曼曼曼! ! 曼! ! 曼曼曼! ! 曼曼曼曼曼! ! 曼曼曼! 曼曼曼曼 的烦恼。他们在该取款机上取钱时，一台摄像机首先对用户的眼睛进行扫描，然后 将扫描图像转化成数字信息与数据库中的资料核对，以对用户的身份进行检验。 美国新泽西州的p l u m s t e d ，学校已经在校园里面安装了虹膜识别的装置进行安 全控制，任何学校的学生以及员工都不再使用任何形式的卡片与证件，只要他们在 虹膜摄像头之前经过，他们的身份便被系统识别出来，所有外来的人员都必须进行 虹膜资料的登录才能进入到校园中。同时，通过中央登录与权限控制系统对进入这 个活动范围进行控制。系统安装以后，校园内的各种违反校规以及犯罪活动大大减 少，极大的减轻了校园管理难度。 在阿富汗，联合国( u n ) 与美国联邦难民署t h eu n i t e dn a t i o n sr e f u g e ea g e n c y ( u n h c r ) 使用虹膜识别系统鉴定难民的身份，以防止同一个难民多次领取救济品【1 6 1 。 同样的系统在巴基斯坦与阿富汗的难民营中使用。总共有超过2 0 0 万的难民使用了 虹膜识别系统，这套系统对于联合国供品的分配人道主义援助物资起到了关键的作 用。 2 0 0 3 年3 月1 8 日，阿布扎比( 阿拉伯联合酋长国之一) 宣布世界上第一套国家 级的基于虹膜识别技术的针对被驱逐的外国人虹膜追踪与国界控制系统开始启用， 这套系统从2 0 0 1 年开始建设，它的目的是对阻止所有被阿布扎比所驱逐的旅游者及 其他人员进入阿布扎比。在以前没有这套系统的时候，由于阿拉伯人的独特面相特 征( 胡须多) ，以及被驱逐的人数众多，海关检查人员很难区分哪些是被驱逐的人。 【l7 】通过使用这套系统，所有的非法入境都被避免，国家安全得到了最大限度的保证。 新泽西州的肯尼迪国际机场( j o h nf k e n n e d yi n t e r n a t i o n a la i r p o r t ) 在它的 国际航班第四登机口岸安装了虹膜识别系统，所有1 3 0 0 名员工的3 0 0 人已经开始使 用这套系统进行登录控制。通过使用这套系统，所有能进入到停机坪的人员必须是 经过系统安全认证的人员。未经授权的人员想要强行通过的话，系统将自动采取紧 急应对措施将试图强行通过的人员封闭在警戒空间。使用这套系统后，肯尼迪国际 机场的安全等级从b + 上升到了a + 等级【l 引。通过肯尼迪国际机场乘机前往其他地方的 旅客也上升了1 8 7 。 总体上说来，虹膜识别技术在国际上已经开始在各行各业以各种形式进行应用。 同时，给他们的应用单位都带了看得见的与看不见的种种社会效益以及经济效益。 这种应用趋势正在以较大速度的增强，未来1 0 年内必然是虹膜识别逐步在各个行业 内取得全面应用的时候。 1 3 2 我国虹膜识别产品 我国市场上有多家致力于虹膜识别产品的公司，但目前国内的公司大多代理国 外产品，可自行生产虹膜识别产品的厂商仅少数几家。 第1 章绪论 _i i ii ii i i i 作为中科院自动化所虹膜技术产业化基地的中科虹霸科技有限公司的产品主要 包括i k e m b 一0 0 0 1 嵌入式虹膜识别设备，虹膜综合人员管理系统以及可以进行二次开 发的s d k 1 9 1 。公司共获得虹膜专利1 5 项，其中发明专利8 项，实用新型专利4 项， 外观专利3 项，专利涵盖虹膜识别软硬件系统等各个环节。其中虹膜图像采集设备 获得实用新型专利，实现所见即所得的功能，使虹膜识别的速度和精度达到市场上 目前主流产品的3 倍之多。 北京凯平艾森信息技术有限公司的基于多人种虹膜鉴别技术的两大产品包括物 理通道门禁控制系统的p a 系列和信息安全身份认证的i s 系列。 上海邦震科技发展公司拥有虹膜识别门禁b v 系列产品，包括b v - 6 1 0 壁挂式虹 膜识别系统、b v 一2 0 0 系列便携式虹膜识别系统等【2 0 j 。 1 4 主要研究内容 1 4 1 虹膜图像数据库 本课题直接采用c a s i ai r i si m a g ed a t a b a s e ( 中科院自动化所虹膜数据库) 的 虹膜数据库，是国际上最大规模的共享虹膜图像数据库，已有7 0 多个国家和地区的 1 0 0 0 多个研究单位使用，其已经成为国际虹膜识别研究最重要的数据基础。 1 4 。2 虹膜图像分割与定位 在原始的人眼图片中，为了迅速地得到虹膜图像，必须对虹膜内外边缘进行定 位。由于虹膜本身具有较好的环状特性，因此，可以采用圆心及半径可变的圆作为 模板来定位虹膜边缘。且人眼图片的灰度分布具有一定的规律性，一般而言，虹膜 灰度值比巩膜灰度值小，而瞳孔的灰度值又比虹膜灰度值小。瞳孔一般并不位于虹 膜的中心，常常会有一定的偏离。设瞳孔圆心坐标为( x p ，y p ) ，虹膜圆心坐标为( x i ，y i ) ， 瞳孔半径为r ，虹膜半径为r ，一般情况下，虹膜圆心纵坐标可以认为等于瞳孔圆心 纵坐标即y j = y p 。一幅灰度分布为i ( x ，y ) l 撇i 膜输入图像，其在x 方向的灰度投影量 及在y 方向的灰度投影量的分布分别为1 2 1 ： ii ( x ) 。i ( x ，y ) 1i 陟承，y ) ( 1 1 l x 利用式( 1 1 ) 在x 方向、y 方向的灰度投影量分布特点，可以得到瞳孔圆心坐标 ( x p ，y p ) ，虹膜圆心坐标( x i ，y i ) ，以及瞳孔的半径r ，虹膜的半径r 。 1 4 3 矩形虹膜特征曲面分析 通过对虹膜的纹理特征进行观察和研究我们可以发现，通过剔除虹膜图片的无 北京工业大学工学硕士学位论文 效区域( 如：眼睫毛) 后，提取虹膜图片的一个矩形有效区域，该矩形虹膜图像在 三维灰度级空间上的分布曲面的起伏波动形状与虹膜纹理分布具有明显的对应关 系，从而可以用该灰度分布曲面表示纹理特征。 以矩形图像水平方向为x 轴，垂直方向为y 轴，以像素灰度值为z 轴建立三维空 间坐标系，则虹膜图像中任意像素都可由坐标( x ，y ，z ) 来表示，也就得到了矩形虹膜 图像在三维灰度级空间上的分布曲面，进一步可以称这个曲面为矩形虹膜特征曲面。 虹膜图片中其纹理灰度越深，特征曲面的起伏就越大。从而曲面的形态就能直接反 映了虹膜的纹理特征，如果两个特征曲面具有相同的或相似的形状，则它们在三维 空间中的位置关系必然是重合或者平行。因此我们可以通过计算两个特征曲面之间 距离的方式，来测量二者在形状上的差异。 1 4 4 虹膜图像的特征曲面匹配 经过虹膜的特征曲面分析及预处理后，要判定两幅虹膜是否为同一虹膜的问题 就可以转化为空间曲面的匹配问题。假设待匹配曲面为a 、匹配曲面为b ，可以看出， 若两个虹膜来自同一只人眼，则曲面a 与b 的形状将完全或者基本一致。否则，二者 的灰度起伏波动形状将具有很大的差异。从数学的角度讲，空间曲面形状上的差异， 完全可以用二者之间的某种距离来测量。以下为常用的曲面匹配的方法【2 2 】： ( 1 ) 两曲面相减，若高度差为零，则曲面完全匹配。 ( 2 ) 两曲面相减，若高度差为一常数( 存在高度差的原因可能是因为一个光强、一个 光弱) ，即曲面a 灰度级高的地方在曲面b 灰度级也高，两曲面变化程度相同， 两曲面匹配。 ( 3 ) 两曲面相减，若高度差是一变量( 光照不均造成) ，则需要考虑变量的变化程度， 变化程度小，则两曲面匹配，变化程度大则两曲面不匹配。 通过以上的分析，可以初步的得到灰度曲面匹配算法实现的基本步骤： ( 1 ) 分别建立登录虹膜的特征曲面a 和已注册虹膜的特征曲面b ： ( 2 ) 计算曲面a 和b 对应位置上像素的灰度差，得到曲面a 和b 的灰度差曲面r ； ( 3 ) 计算灰度差曲面r 的方差，根据方差给出识别结果。 1 5 本文结构 1 ，绪论。对虹膜识别技术和常用的虹膜识别算法进行了介绍，介绍了目前虹膜 识别技术的发展现状，并据此引出了本文的选题依据和主要的研究方法和主要研究 内容。 2 ，第2 章虹膜图像预处理。本章节详细介绍了如何从一幅人眼图片中找到有 效的可供识别使用的虹膜区域部分，为以后的对虹膜进行识别提供了基础。并经过 第1 章绪论 实验，证明了本章所使用的方法是切实有效的，但依然存在缺陷，例如，当求取虹 膜的外边缘时，也就是长半径r ，目前使用的方法是手工标注，这种方法效率比较 低，而且在瞳孔区域已经能自动进行识别的情况下，虹膜外边缘却不能自动识别， 会降低整个系统的可用性，这也是以后需要进行更进一步研究的地方。 3 ，第3 章虹膜匹配。本章详细阐述了由上一章所得到的处理后的虹膜图片生 成灰度曲面的详细过程，接着介绍了两幅虹膜图片所生成的三维曲面如何进行匹配， 并讨论了在匹配过程中可能存在各种误差的处理方法。 4 ，第4 章系统实现。介绍了虹膜识别系统的实现过程，并对实现的程序的重 要部分进行了介绍，最后通过两次实验对虹膜识别系统进行验证。 5 ，结论。对本文所做工作的总结以及对后续工作的展望。 2 ，1 虹膜图像 第2 章虹膜图像预处理 _ 一 图2 - i 虹膜数据库中的一幅图片 f i g u r e 2 - iap i c t u r e f r o m t h e i r i sd a m b a s e 图2 - 1 是来自本课题研究的虹膜数据库中的一幅虹膜图片，从该图片中能清楚 的看到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 ；目睛中心为瞳孔部分，约占5 ；虹膜位于巩膜和瞳孔之间，虹 膜是人眼的可见部分，处在巩膜的保护下，具有极强的生物活性田】。例如，瞳孔的 大小随光线强弱变化；视物时有不自觉的调节过程，有每秒可达十余次的无意识瞳 孔缩放，在人体脑死亡、处于深度昏迷状态或眼球组织脱离人体时，虹膜组织即完 全收缩，出现散瞳现象。这些生物活性与人体生命现象同时存在共生共息，所以 想用照片、录像、尸体的虹膜代替活体的虹膜图像都是不可能的，从而保证了生理 组织的真实性。虹膜包含了最丰富的纹理信息，占据5 5 。外观上看虹膜由许多腺 窝、皱褶、色素斑等构成，是人体中最独特的结构之一。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，而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。这些特征通常称为虹膜的纹 理特征。 本课题直接采用c a s i ai r i si m a g ed a t a b a s e ( 中科院自动化所虹膜数据库) 的 虹膜数据库，是国际上最大规模的共享虹膜图像数据库，已有7 0 多个国家和地区的 1 0 0 0 多个研究单位使用，其已经成为国际虹膜识别研究最重要的数据基础。 北京工业大学工学硕士学位论文 j i i 一 一1 - - 1 蔓曼曼蔓曼曼曼曼曼曼曼皇 2 。2 虹膜定位 虹膜定位，包括虹膜内边界的定位和外边界的定位。虹膜内边界也就是瞳孔的 边界，瞳孔呈圆形，可以用瞳孔的中心坐标及半径表征。圆形边缘检测器检测瞳孔 的效果比较好，但是如果对整幅图像搜索，却极为费时。一种新的粗定位与精定位 相结合的方法可快速定位瞳孔的中心及半径，这样既可减少定位搜索的盲目性，节 省计算时间，又可避免采用较为复杂的定位过程【2 4 】。先通过粗定位找到瞳孔的大致 位置，然后在这个位置附近较小的范围内利用圆形检测器进行精定位，从而找到瞳 孔的精确位置及半径。粗定位的方法比较简单、高效，充分利用了图像的灰度特征。 瞳孔明显比眼睛的其他部分暗，因此可以采用二值化的方法定出瞳孔，提取瞳孔边 界。为了求出瞳孔的参数，需要求出二值化后的图像在水平方向的灰度投影量及垂 直方向的灰度投影量，然后分别求导、平滑。通过检测明显的峰值找到瞳孔中心的 坐标及半径。由于二值化后的图像中不仅包括瞳孔，还有部分灰度值比较小的睫毛 存在，因此这种方法定位不够精确，但给出了精定位的大致范围。将圆形检测器的 搜索范围限制在这个范围内进行精确定位，这样定出的参数可达到单像素精度，有 利于精确的匹配。对于虹膜外边界的定位，由于虹膜略偏向于鼻侧，瞳孔是不同心 的，因此可以利用类似的边缘检测器分别求出瞳孔中心到虹膜左右边界的距离。虹 膜外边界其他各点的位置及到瞳孔中心的距离可以通过几何方法计算求得。通过虹 膜定位，就将虹膜从图像中分离出来，补偿了虹膜平移引起的变异。 由图2 1 可以清晰的看到，虹膜的形状是近似于一个圆环。其是位于瞳孔和角膜 之间的环状区域，它内侧与瞳孔相邻，外侧与角膜相邻，其内外边界可以近似的看 作两个非同心的圆形。虹膜定位就是要计算出内外边界的圆心和半径，根据所得的 圆心和半径，将环状虹膜区域从原始眼部图像中提取出来，并且去除干扰信息。 2 2 1 计算虹膜短半径 所谓的短半径即人眼图片中中间瞳孔区域的圆形区域的半径，如图2 2 所示。 图2 2 中的白色直线就是短半径r ，和眼睛的其他部分相比，瞳孔的灰度值要小 得多，也就是颜色要暗得多，而且在灰度级上有一个明显的突变，也就是说在瞳孔 的灰度级要比其他部分的灰度级“黑得多”。因此，可以充分利用这个特性，对图 2 2 进行直方图分析【2 川，结果如图2 3 所示。 对图2 3 计算结果可以得出，图像灰度值从6 2 开始，且图中存在若干个峰值点。 我们已知瞳孔的颜色最暗，因此可以判定第一个波峰为瞳孔的灰度分布。在图2 3 中第一个波峰，其基本呈正弦函数状分布【2 6 】，以7 2 为波峰( 值：8 8 4 ) ，左侧6 2 ( 值： 0 ) 为波谷，1 4 周期为1 0 。据此，我们确定右侧的波谷为8 2 。具体体现在图2 - 2 的 虹膜图片上，即图片中的瞳孔部分颜色的灰度值均低于8 2 。 群 图2 - 2 虹膜图片的短半径 f i g u r e 2 - 2s h o r tr a d i u s o f t h e j r i s 但从2 - 2 的图片中同时能发现眼睛上下眼睑的位置有眼睫毛，而且睫毛的颜色灰 度值也是低于8 2 的，此时就必须去除眼睫毛对结果的干扰。因此，又使用了如下的 方法来从2 2 的图片中提取瞳孔位置。 图2 - 3 灰度直方图 f i g u r e2 - 3g r a yh i s t o g r a m s 首先，以图片的左下角为坐标原点，从2 - 2 的图片的x 轴大于1 ，4 ，小于3 4 y 轴大于l 4 ，小于3 ，4 的位置找到一个灰度值低于8 2 的点。之所以选择1 ，4 和3 4 就 是为了尽量避开选到眼睫毛的像素点，而且取出的该点的位置应该尽量靠近整个图 片的中心，这样的目的也是尽量使得点的位置处于瞳孔中。 接下来，以该点为中心，探测与该点相邻的8 个点的灰度值，如下图2 - 4 所示- 若p 5 为找出来的一个像素点，接下来就探测跟p 5 相邻的p o ，p l ，p 2 ，p 4 ，p 6 ，p 8 ， p 9 ，p 1 0 八个像素点的灰度值，如果小于8 2 ，则将该点的颜色置为0 即为全黑，否 则将该点颜色置为2 5 5 即为全自。 堡j ：翟翟：鲨譬 p o p 1 p 2p 3 p 4 p 5 p 6 p 7 p 8 p 9p 1 0 p 1 1 p 1 2 p 1 3 p 1 4p 1 5 图2 4 相邻像素点图示 f i g u r e2 - 4a d j a c e n tp o i n t s 最后，重复之前的工作，直到在整个虹膜图片中找到一个连续的区域，并将该 区域的灰度置为0 ，于是就得到了虹膜图片的瞳孔位置。 找到瞳孔的位置后，接下来就要求短半径了，方法如下，在瞳孔区域内找出最 长的一条直线，该直线就是瞳孔的直径，而该直线的中点坐标就是瞳孔的圆心坐标 ( x i ，y i ) 。因为在前面得到的一片连续的近似于圆形的区域内，找一条于圆形的 边界相交的直线段，且该线段是能抗到的线段中最长的，该线段就必定是圆形的直 径了。此时就得到了虹膜图片的短半径和虹膜的圆心坐标。 22 2 计算虹膜长半径 如图2 5 所示，r 即为虹膜图片的长半径，由2 2 1 节可以得到虹膜的圆心坐标 于是r 的值就是圆心到虹膜边缘的直线长度田】。 图二5 虹膜图片的长半径 f i g u r e2 - 5s h o r tr a d i u s o f t h e i r i s 但为得到r 值，如果还是使用求短半径r 值一样的方法来算的话，效果会很不 至：茎垩霎呈堡堡丝矍 明显，原因是虹膜中像素点的灰度值和眼白的像素点灰度值相比较，二者的值相差 不是很明显，而且不同的图片差异很大，这跟瞳孔在眼睛区域内的灰度值的特殊性 有着明显的不同，所以，求r 值的时候选择了手工标记的方法，如下图2 - 6 所示。 圈2 巧手工标记虹膜的外边缘 f i g u r e2 - 8t a g s t h ee d g eo f t h e i r i s 图2 - 6 中，在虹膜的边缘手工添加了一条灰度值为0 的直线，求r 值方法就是 由上节求得的圆心向图片的右边探测到0 的像素点，然后求的长半径值r 。 22 3 提取虹膜区域 从2 2i 和2 2 2 两节中，已经得到了虹膜图片的圆心，长短半径，这时可咀将 属于虹膜环形区域的像素点提取出来，而不属于虹膜区域的像素点的灰度值全部置 为2 5 5 。效果如下图2 7 所示。 图2 - 7 虹膜区域提取 f i g u r e2 - 7s e l e c t t h e i r i s 北京工业大学工学硕士学位论文 曼曼曼曼! 曼i 一一i 一一一i i ! i 皇曼! 蔓! 蔓! 曼曼皇曼! 曼! ! ! 曼曼鼍曼曼曼曼曼曼! 曼曼曼! ! ! 曼! ! 曼曼曼曼曼! 曼曼 至此，虹膜提取的步骤就完成了。 2 3 提取有效的虹膜图像区域 由上节中的步骤，已经提取了虹膜图片，但从提取的图片中，还是可以看到相 当多的对虹膜识别没有意义的区域。例如瞳孔旁边的黑色像素块、眼睫毛、上下眼 睑，这一节介绍从虹膜的环状图片中提取有效的供识别的区域。 2 3 1 常用去除眼睑区域方法 去除眼睑遮挡的关键是检测眼睑边缘，目前眼睑边缘的检测方法基本可分成三 大类【2 8 】： ( 1 ) 基于抛物线模型的积分差分法； ( 2 ) 边缘检测与h o u g h 变换相结合的方法： ( 3 ) 最短路径检测法。 前两类方法都是基于抛物线模型在四维空间中搜索，计算量很大，难以满足实 时性要求，同时基于抛物线模型的方法对于不符合抛物线模型的眼睑边缘检测误差 较大。最短路径检测法是先找到两个眼角点，然后通过搜索两个眼角点间最短路径 得到眼睑边缘上各点的位置，但由于这是一个不断搜索的过程，因而检测速度较慢， 且对角点检测的准确性依赖很大。针对上述检测方法的局限性，可首先运用灰度形 态学方法得到一个直方图具有三段特性的虹膜图像，并进行图像分割，再结合原始 图像中眼睑边缘的灰度信息得到它的一个候选点集，最后利用b 6 z i e r 曲线拟合得到 眼睑边缘。 眼睑边缘检测包括上眼睑边缘检测和下眼睑边缘检测，由于两者方法类似，以 上眼睑为例说明眼睑边缘检测过程。 上眼睑对虹膜图像区域的遮挡是最常见的，如果遮挡过于严重，则该图像就很 难用于识别。上眼睑边缘检测过程可分为上眼睑分割、寻找上眼睑边缘点集和曲线 拟合三个部分【2 9 】。上眼睑分割的目的是从虹膜图像中分割出包含上眼睑边缘的区域， 并用二值图像表示，寻找上眼睑边缘点集是从该二值图像中去除噪声，得到更精确 的上眼睑边缘候选点集，曲线拟合是根据上眼睑边缘候选点集，通过b 6 z i e r 曲线拟 合得到上眼睑边缘。 采集得到的虹膜图像通常包含较多面部部分，为了提高检测速度，可利用瞳孔 位置参数切割原始图像得到一个包含上眼睑的图像块，后续处理均在此图像块上进 行。上眼睑分割就是利用灰度形态学运算从图像块中分割出包含上眼睑边缘的区域。 其中在虹膜图像的直方图中间一段主要对应上眼睑边缘、眼睫毛和瞳孔部分。为确 定眼睑边缘，选择直方图中间一段对应的图像像素为目标，置为2 5 5 ，其他像素区域 第2 章虹膜图像预处理 为背景，置为0 ，从而实现了对灰度开启后图像的灰度切分。通过灰度切分，得到只 包含上眼睑边缘、眼睫毛和瞳孔部分的二值图像。 接下来寻找上眼睑边缘点集，灰度切分后得到的图像中除了包含上眼睑边缘点 集外，还包含瞳孔和眼睫毛等部分，为了准确地找到曲线拟合所需的候选点，必须 先去除这些噪声。瞳孔部分可以根据其位置参数去除，眼睫毛和其他噪声基本可通 过二值形态学的开运算消除【3 0 】。由此可得到一个只包含上眼睑边缘点集和较少残留 噪声的二值图像，设此图像为g 。 从g 中准确地找到上眼睑边缘上的点是精确分割上眼睑的关键 3 1 】。设点( i ，j ) 原 始图像i 中上眼睑边缘上的一点，则在一个小邻域内，其灰度f ( i ，j ) 在水平方向的 变化较小，而在垂直方向变化较大。在原始图像i 上对g 中每个可能的上眼睑边缘 点进行判断，满足下列条件的点认为是上眼睑边缘上的点。 2 3 2 常用去除眼睫毛区域方法 现有文献中关于眼睫毛遮挡检测方法的报道并不多，较为有效的是由k o n g 等提 出的分步检测眼睫毛的方法，其基本思想是把眼睫毛分为孤立的眼睫毛和重叠的眼 睫毛两类【3 2 】。前者可通过i dg a b o r 滤波的方法检测，后者则采用灰度方差的方法来 判断；最后利用眼睫毛连接属性去除噪声。这种方法的优点是检测精度较高，缺点 是需要根据所用图像库预先设定较多的参数值，且检测过程较复杂。因此可使用如 下的方法进行眼睫毛遮挡检测方法：通过灰度形态学操作，根据所得图像直方图的 第一个峰值，将形态学运算后的图像二值化，即可检测出眼睫毛和瞳孔区域。 虹膜图像区域内的眼睫毛遮挡会影响虹膜图像特征的提取，因此有必要在特征 提取前去除。为了提高检测速度，眼睫毛遮挡检测在归一化后的虹膜图像区域上进 行。观察发现，眼睫毛通常呈线状，且其基本分布在q - 4 5 。范围之内，因此用于眼 睫毛遮挡检测的结构元素设置为交叉形。结合灰度归一化后眼睫毛的灰度信息，通 过新构造的结构元素对灰度归一化后的图像进行灰度开启运算，得到一个直方图具 有分段特性的图像【3 3 】。此时直方图中第一个峰值主要对应眼睫毛部分，经过二值化 后很容易得到只包含眼睫毛和少量噪声的二值图像，通过二值形态学开运算可滤除 其中的大部分噪声。 经过上述处理基本可去除虹膜图像中的眼睑和眼睫毛遮挡噪声，有利于下一步 的特征提取和匹配。 i ：窑三兰銮茎圭茎垩耋茎堡呈耋 2 33 去除无效区域 麓骊圈敞 霜 罗1 豳l 一 鬻霸罗 图2 - 8 虹膜区域划分 f i b r e28c u tu p t h e i r i s 如图2 - 8 示，将提取得虹膜图片分割成了9 个区域。 这九个区域中，完全没有受到无效像素影响的有区域a 和区域b ，如上图2 8 所示。而图像的分割方法则是，沿着内圆的上下左右作四条切线，其中，上切线能 去掉上眼睫毛和上目昆脸的影响，下切线能去掉下眼睫毛和下眼睑的影响。左切线和 右切线是为了去掉瞳孔附近位置的黑素像素块的干扰。 型2 - 9 提取虹膜区域 f i b r e2 - 9e x t r b c tt h ei r i s 然后，从虹膜图片中提取出供识别使用的区域a 和区域b ，效果如图2 - 9 所示。 24 本章小结 本章节详细介绍了如何从一幅人跟图片中找到有效的可供识别使用的虹膜区域 第2 章虹膜图像预处理 部分，为以后的对虹膜进行识别提供了基础。 经过实验证明，本章所使用的方法是切实有效的，但依然存在缺陷，例如，当 求取虹膜的外边缘时，也就是长半径r ，目前使用的方法是手工标注，这种方法效 率比较低，而且在瞳孔区域已经能自动进行识别的情况下，虹膜外边缘却不能自动 识别，会降低整个系统的可用性，这也是以后需要进行更进一步研究的地方。 第3 章虹膜匹配 , _ i ii i 皇曼曼曼曼皇曼曼! 曼曼曼寰 3 1 灰度色彩模式 第3 章虹膜匹配 在计算机领域中，灰度数字图像【f j 4 j 是每个像素只有一个采样颜色的图像。这类 图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜 色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在 计算机图像领域中黑白图像只有黑色与白色两种颜色，灰度图像在黑色与白色之间 还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度 图像 ，例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单 色图像等同于灰度图像，在另外一些文章中又等同于黑白图像。 灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的。用 于显示的灰度图像