（计算机软件与理论专业论文）基于多小波变换的虹膜识别方法研究.pdf

摘要 在现代社会中，随着科技和经济的飞速发展，人们对身份识别技术的重视 程度也进一步提高。传统的身份识别技术，如密码等，由于防伪性比较差，已 经不能适应现代社会对身份识别的要求。为了克服传统身份识别技术的缺点， 人们提出用人体的生物特征进行身份识别，如指纹、虹膜和语音等。其中，虹 膜身份识别技术由于具有唯一性、稳定性、不易伪造性等优点，正成为生物特 征识别技术领域中的研究热点。 虹膜图像预处理和特征提取是虹膜识别技术中的关键点和难点。小波分析 理论是一种优秀的时频分析工具，被众多研究者应用于虹膜识别技术，并取得 了一定成果。近年来，多小波理论作为单小波技术新的发展，已开始逐步进入 各种应用领域。它既保持了单小波所具有的良好的时域与频域的局部化特性， 又克服了单小波的缺陷，可同时拥有许多良好的性质，如对称性，短支撑性， 正交性和高阶消失矩等，在虹膜纹理特征的表示和提取中有着不俗的表现。 本文针对现有虹膜识别算法中的不足之处，对虹膜识别系统中的图像预处 理和特征提取进行了深入研究。主要研究工作如下： 1 、在详细分析虹膜图像预处理过程的基础上，提出了一种改进的虹膜定 位方法，利用形态学的算法来定位虹膜的内外边缘，避免了搜索的盲目性，通 过实验证明，此方法减少了h o u g h 变换的计算量，同时提高了算法的可靠性。 2 、将多小波理论引入虹膜图像特征提取中，提出了基于多小波子带直接 编码和余弦距离匹配的方法和基于多小波多尺度信息的二维虹膜纹理特征量 化编码。最后，通过实验数据，将g h m 多小波余弦距离方法与基于支持向量 机的检测方法、超香肠神经网络检测方法和小波过零点检测方法在识别性能上 进行了比较和评价。 关键词：多小波；虹膜识别；特征提取；g h m ：虹膜定位 a b s t r a c t i nm o d e r nt i m e s ， g o i n gw i t ht h cd e v e l o p m e n to fs c i e n c e ，t e c h n o l o g ya n d e c o n o m y p e o p l e t h i n km u c ho fi d e n t i t yr e c o g n i t i o nm o r ea n dm o r e b u t t r a d i t i o n a li d 9 n t i t yr e c o g n i t i o nt e c h n o l o g i e ss u c ha sp a s s w o r de t c h a v en o ts u i t t h ei d e n t i t yr e c o g n i t i o ni nm o d e r nt i m e sf 0 rt h e i rb a da b i l i t ya g a i n s tf 0 r g i n g f o r o v e r c o m i n g t h ed i s a d v a n t a g e so ft r a d i t i o n a li d e n t i t yr e c o g n i t i o nt e c h n o l o g i e s ， b i o m e t r i c sr e c o g n i t i o nm e t h o d sw e r eb r o u g h tf b r w a r ds u c ha sf i n g e r p r i n t ，i r i sa n d v o i c e a m o n gt h e s eb i o m e t r i c sr e c o g n i t i o nm e t h o d s ， t h er e s e a r c ho ni r i s r e c o g n i t i o nh a sr e c e i v e di n c r e a s i n ga t t e n t i o nb e c a u s e o fi t su n i q u e n e s s ，s t a b l e n e s s a n dd if 1 f i c u l t yo fc o u n t e r f e i t i n g 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 np l a yak e yr o l ea n da r et h e d i f f i c u l t i e si ni r i sr e c o g n i t i o n w a v e l e ta n a l y s i st h e o r yi s as oe x c e l l e n t t i m e f r e q u e n c ya n a l y s i s t o o l st h a tm a n yr e s e a r c h e r sh a v ea p p “e di tt oi r i s r e c o g n i t i o nt e c h n o l o g ya n da c h i e v e dc e r t a i nr e s u l t s i nr e c e n ty e a r s ，m u l t i w a v e l e t t h e o r ya st h ed e v e l o p m e n to fs c a l a rw a v e l e tt e c h n o l o g y h a sb e g u n t ob e e na p p l i e d i n t ov a r i o u sn e l d sg r a d u a l ly i td o e sn o to n l yk e e pt h eg o o dl o c a l i z a t i o n c h a r a c t e r i s t i c si nt i m ed o m a i na n df r e q u e n c yd o m a i no fs c a l a rw a v e l e t ，b u ta l s o o v e r c o m e st h es h o r t c o m i n g so fs c a l a rw a v e l e t i to w n sal o to fg o o dp r o p e r t i e sa t t h em e a nt i m e ， s u c ha st h es y m m e t r y ，c o m p a c t l ys u p p o r t ，o r t h o g o n a l i t ya n d v a n i s h i n gm o m e n t so rh i g h e ra p p r o x i m a t i o no r d e r ，a sar e s u l t ，t h em u l t i v a v e l e t h a sag o o dp e r f o r m a n c ei nt h ee x p r e s s i o na n de x t r a c t i n go fi r i st e x t u r ef e a t u r e s t h i sa r t i c l e ，t oo v e r c o m et h ed i s a d v a n t a g e so fi r i sr e c o g n i t i o na l g o r i t h mi n e x i s t e n c e ， m a k e sat h o r o u g hr e s e a r c ho ni m a g ep r e p r o c e s s i n g a n df i e a t u r e e x t r a c t i o no fi r i sr e c o g n i t i o ns y s t e m a n dt h em a i nr e s e a r c hw o r k sa r ea sf o l l o w s ： 1 b a s e do nt h ed e t a i l e da n a l y s i so ft h cp r o c e s so fi r i si m a g ep r e p r o c e s s i n g ，i t p r o p o s e sa ni m p r o v e di r i sl o c a t i o nm e t h o d ，u s i n go fm o r p h o l o g i c a la l g o r i t h m st o l o c a t et h ei n t e r n a la n de x t e r n a le d g eo ft h ei r i s ， w h i c ha v o i d sb l i n ds e a r c h e x p e r i m e n tp r o v e st h i sm e t h o dr e d u c e st h ec o m p u t i n go fh o u g ht r a n s f o ma n d i m p f o v e si t sr e l i a b i l i t y 2 i ti n t r o d u c e st h et h e o r yo fm u l t i w a v e l e ti n t oi r i si m a g ef e a t u r ee x t r a c t i o n ， p r o p o s e st h em e t h o do fd i r e c t l yc o d i n ga n dc o s i n ed i s t a n c em a t c h i n gb a s e do n m u l t i w a v e l e ts u b c i n g u l u ma n dt h ec o d i n gm e t h o do ft w o d i m e n s i o n a l i r i st e x t u r e f e a t u r em e a s u r eb a s e do nm u l t i w a v e l e tm u l t i - s c a l ei n f o r m a t i o n a tl a s t ，t h r o u g h e x p e r i m e n t a ld a t a ，i tc o m p a r e st h em e t h o do fg h m m u l t i w a v e l e tc o s i n ed i s t a n c e w i t ht h em e t h o do fd e t e c t i o nb a s e do ns v m ， s u p e rs a u s a g en e u r a ln e t w o r k d e t e c t i o na n d w a v e l e tz e r o - c r o s s i n gd e t e c t i o no nr e c o g n i t i o n c a p a b i l i t y a n d e v a l u a t e sa l io ft h e m k e yw o r d s ：m u l t i w a v e l e t ；i r i sr e c o g n i t i o n ；f e a t u r ee x t r a c t i o n ；g h m ；j r i s l o c a l i z a t i o n i i i 长沙理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行 研究所取得的研究成果。除了文中特别加以标注引用的内容外， 本论文不包含任何其他个人或集体已经发表或撰写的成果作品。 对本文的研究做出重要贡献的个人和集体，均已在文中以明确方 式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：鸯i 驾k 日期：2 0 0 9 年易肿日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权长沙理工大学可以将本学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密町。 ( 请在以上相应方框内打“”) 作者签名：鹰秀运日期：2 0 0 9 年( ) 月p 日 铷虢曩哂眺2 年月日 第一章绪论 小波理论自1 9 1 0 年以来，在信号去噪、数据压缩、数值分析和模式识别 等领域有着广泛的应用，成为信号处理的一种强大工具。多小波是小波理论的 新发展，它克服了单小波的缺陷，同时又具有对称性、正交性和紧支撑性等重 要性质。与单小波相比，多小波的自由度更大，具有更多的优势，是分析二维 信号时的理想工具。小波与多小波理论的发展为生物识别技术的发展提供了强 大的动力和保证。随着电子信息时代的到来，信息安全和身份认证成为人们普 遍面临和广泛关注的问题。 1 1 课题研究背景及意义 在现代社会，身份识别己经渗透到了人们日常生活中的每一个方面。另外， 随着交通、通讯和网络技术的飞速发展，人类的活动范围也越来越大，身份识 别的难度和重要性也越来越突出。美国每年大约发生4 5 亿美元的信用卡诈骗 案件，其中一部分诈骗案件就是利用丢失和被盗的信用卡进行犯罪活动，如果 销售场所能够准确地识别持卡入的身份，那么类似的案件就会大大减少【l 】。 因此，由于不能准确地进行身份识别给经济、社会安全和利益都带来了巨 大的损害。像传统身份识别方法中的仅仅靠口令、密码和身份证号码等手段来 进行确认越来越受到威胁，另外，传统身份识别方法也具有易遗忘和易假冒等 缺点，己经不符合现代社会人们对身边识别的要求。 为了克服上述的缺点，人们提出了使用人体的生物特征来进行识别的方 法。人体生物特征识别是根据人类本身所固有的一些生理特征或行为特征通过 计算机综合运用人工智能、图像处理和模式识别等方法来进行身份识别的一种 技术【2 ，3 】。生物识别技术中的首要的关键问题就是采取怎样的方式来对人体中 独一无二的生理特征进行采集，然后将采集到的模拟量转换成数字量；其次是 使用数据压缩等技术将数字量按照特定的格式创建并且存储在特征数据库中， 然后设计出一个误判率最低的匹配识别算法，最终达到实现个人身份的验证和 识别的目标。 一般要求用于身份识别的生物特征要具有普遍性、唯一性、稳定性和可测 性等特点。生物识别技术包括人脸识别、指纹识别、掌纹识别、签名识别、虹 膜识别、语音识别、笔迹识别、视网膜识别、步态识别及多种生物特征融合识 别等诸多种类【4 1 。在这些生物特征识别技术中，虹膜识别技术虽然起步较晚， 但因为它具有高度的准确性、唯一性、稳定性和非侵犯性，受到了越来越多的 研究者们的关注，被认为是目前最具有发展前景和潜力的生物特征识别技术之 一。 多小波作为单小波技术新的发展和延伸，已经被逐步应用于各个领域。多 小波指的是由两个或两个以上函数作为尺度分量生成的小波。除h a a r 小波以 外，一般的单小波大都无法同时满足正交性、对称性和短支撑性等特性，所以 在应用上受到了限制。而多小波正好可以弥补它的这个缺陷，多小波比单小波 具有更大的自由度，而且能够同时拥有以上这些良好的性质。在图像处理的应 用中，正交性可以保持图像的能量，对称性既适合于人眼的视觉系统，又使相 应的快速小波变换的和是有限和。小波变换的光滑性在图像处理中也起着非常 重要的作用。当对一幅图进行小波变换时，使用的小波不是光滑的，那么由小 波变换所带来的误差就很容易从视觉中被检查出来。因为多小波是由多个尺度 函数和小波函数所组成，所以它具有更高的自由度，图像经过一次多小波分解 后，能得到比单小波分解更多的子块，在子块的选择上更加灵活，所以，多小 波是处理多维信号的理想分析工具。 众多研究者的工作使得多小波理论在短短的几年内得到了快速的发展，人 们正在积极探索它在图像处理方面的应用，而且在静止图像编码和图像去噪等 方面已经取得了一定的成果。所以，我们尝试将多小波理论引入到虹膜识别技 术中，进行虹膜纹理特征的表示和提取，并针对其设计出了对应的特征编码和 模式匹配方法进行实际测试，并将测试结果与现有的方法进行了定量比较，得 到有意义的结论。 1 2 虹膜识别技术的国内外研究现状 近年来，虹膜识别技术在国内外获得了飞速的发展，越来越多的研究者和 厂商开始投身于虹膜识别技术的研发。目前，已经有很多公司完成了虹膜识别 技术的商品过程。 1 2 1 国外虹膜识别研究状况 用虹膜进行身份识别的设想最早出现在l9 世纪8 0 年代，19 8 7 年，眼科专 家l e o n a r df l o m 和a r a ns a 6 r 首次提出了利用虹膜图像进行自动虹膜识别的概 念，并获得了虹膜识别概念的专利，但是他们并没有开发出一个实际的应用系 统。直到l9 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，这是有文献记载以来的第一个虹膜识别应用系统。l9 9 3 年，英 国剑桥大学的j o h n gd a u g m a n 给出了一个较完整的虹膜识别算法，获得了“基 于虹膜分析的个人身份识别系统 专利【5 6 1 ，这个算法的准确性高、速度快， 是目前很多商用虹膜识别系统的理论基础。d a u g m a n 使用积分微分算子来对虹 膜的内外边缘进行定位，另外，为了排除睫毛和眼睑等的干扰，虹膜的有效区 域只选择卜l 4 万一3 4 万】和【l 4 万一3 4 万】之间的部分，并对定位后的虹膜图像进 行归一化处理。虹膜的特征提取则采用多尺度2 d g a b o r 小波对虹膜的局部纹 理进行滤波，再将滤波后得到的结果进行虹膜纹理相位编码。虹膜编码的模式 匹配采用统计理论：对虹膜码间进行按位异或，计算出归一化后虹膜图像之间 的海明距离。 w i i d e s 等人【7 ，8 】在l9 9 8 年以。自动的非接触的虹膜识别系统与方法一申请 了专利。w i l d e s 使用的是图像登记技术，先利用高斯一拉普拉斯算子对虹膜图 像进行各向同性的频带分解，得到拉普拉斯金字塔，然后对分解后的图像进行 登记，这种方法的缺陷是太过繁琐，导致计算量大，且不易用于实际操作。 w i l d e s 的系统表示和匹配虹膜图像的方法包括注册捕获到的图像，按照存储的 模板图像规范化，采用各向同性的带通滤波器进行滤波，然后进行相关性匹配。 因为d a u g m a n 的方法实现的是虹膜图像的紧凑表示，而w i l d e s 的方法则是完 全地利用虹膜图像中所有可能的纹理信息，所以w i l d e s 的方法能够更好地区 分不同的虹膜图像，但是，相应地，这种方法的计算量也大得多。 法国c h “s t e l 1 0 i c 采用的是积分微分算子与r o u g h 变换结合的办法来对虹 膜边缘进行定位，然后对定位后的有效区域进行极坐标转化，并进行归一化处 理。按照j p h a v l i c e 提出的瞬时相位和即时频率的多维h i l b e n 变换进行特征 提取，将变换结果按照实部和虚部分别进行编码，编码规则和d a u g m a n 中使 用的虹膜编码规则相同，匹配过程则使用海明距离的判决方法，这种方法的计 算量比d a u g m a n 使用g a b o r 变换的计算量小。 b o l e s 等【9 ，1 0 】提出了一种基于小波变换过零点检测的虹膜识别方法，此方 法通过实现小波变换的过零点检测，建立了虹膜灰度等级轮廓的一维表达式， 小波变换的过零点表示法通常用来从灰度虹膜图像中提取特征点。这种方法克 服了以往系统容易受漂移、旋转和比例放缩所带来的局限性，且对亮度变化和 噪声不敏感。 1 2 2 国内虹膜识别研究状况 国内在虹膜识别算法研究上起步较晚，主要是一些科研机构和高校在对虹 膜识别进行研究。目前，中国科学院自动化研究所的成果处于国内的领先水平， 他们已经完成了虹膜识别系统实验室阶段的研究。上海交通大学、浙江大学和 华中科技大学等一些高校也已经开始了相关的研究，而且也都取得了一定的研 究成果。 在进行虹膜边缘提取的研究上，中科院提出了一种使用图像二值化的方法 先将虹膜的内圆也就是瞳孔和虹膜的边界提取出来，再利用高斯低通滤波结合 边缘检测方法提取出外圈的边界，最后使用h o u g h 变换的方法求取外圆的参 数。王蕴红和谭铁牛等】开发的虹膜识别系统包括四个部分：虹膜图像的摄取、 图像的预处理、特征提取以及匹配。其中，采用g a b o r 滤波和d a u b e c h i e s 4 小 波变换等纹理分析方法进行特征提取，这种方法与现有的其它方法相比，利用 了二维虹膜图像丰富的纹理信息，而且具有旋转、平移和尺度不变性。 上海大学的陈颖等研究了虹膜图像的定位和增强等预处理方法，然后提出 了一种采用基于低通滤波和傅里叶频谱的相位相关的匹配算法对虹膜图像进 行识别和判断。这种方法的运算速度快，而且具有较高的识别率。 上海交大电子工程系的徐国治【1 2 】等在虹膜识别方法中尝试了d a u g m a n 和 b o l e s 的方法，并提出了能量编码和相位编码，采用了基于加权海明距离的识 别方法以及有限变形相似度的算法。 华中理工大学的叶虎年f 1 3 ，1 4 】等根据虹膜的几何特点，采用高斯一拉普拉斯 二阶微分算子滤波提取边缘，用h o u g h 变换提取内外圆几何参数，用虹膜的中 心定位，用虹膜的半径来校正比例畸变，用相关系数作为匹配的测度。为了提 高虹膜定位的速度以及虹膜定位算法的健壮性，提出了一种粗定位精定位相结 合的两步定位法，用以进行虹膜定位，并对现有的虹膜定位算法进行了一些改 进。用两步法进行虹膜定位可以加快定位速度，减少搜索计算的盲目性。 电子科技大学的李庆嵘【”】等提出一种粗定位和精定位相结合的方法。根据 对人眼部的生理特性和采集到的眼部图像进行分析，先利用灰度投影量的分布 特点进行粗定位，再利用变圆模板精定位。该方法提高了准确度和速度，有效 地解决了目前算法处理包含大量脸部区域的虹膜图像时会遇到的困难。 另外，中国科学院生物物理研究所的严民军、齐翔林和汪云九【l6 】研究了与 传统身份识别不同的虹膜识别，在获取虹膜采样图以后，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。并以海明距离作为决策空间的 判决标准，实现人的虹膜图像识别的全过程，并对一些特定干扰条件下的虹膜 图像进行计算机模拟试验，取得了较好的结果。 综上所述，在现有的各种虹膜识别方法当中，都有各自的优缺点，还没有 出现一种被业界所公认的通用方法，而且每一种识别方法都有它的使用范围和 局限性，当然，不可否认，虹膜识别技术正在日趋走向成熟【i 7 1 。 1 3 本文的主要研究工作和章节安排 通过对大量的虹膜识别算法进行研究，发现目前基于图像多小波域的虹膜 识别算法还比较少。考虑到多小波在信号处理方面比单小波具有更多的优势， 本文将多小波理论应用到虹膜识别技术中，从图像的多小波分解特性出发，对 虹膜纹理的提取特征和匹配方法进行了研究。本论文结构安排如下： 第一章：介绍了虹膜识别算法的研究背景以及国内外发展现状； 第二章：主要描述了虹膜的纹理特征和虹膜识别的工作原理，简略介绍了 组成虹膜识别系统的四个步骤：虹膜图像的摄取、虹膜图像预处理、特征提取、 匹配和识别。其中，详细阐述了特征提取中b o l e s 的基于小波变换的过零点检 测编码方法； 第三章：首先叙述了小波变换的基本理论，分析了单小波的不足，在此基 础上，提出了多小波理论，将多小波与单小波进行比较，突出了多小波的优势， 重点介绍了正交多小波和平衡多小波。最后，使用多小波变换对图像进行了分 解，并分析了图像的多小波系数特征： 第四章：详细介绍了虹膜识别算法的实现过程，重点研究了虹膜的定位和 特征提取，并提出了相应的特征编码及匹配方法。首先，在虹膜定位时，采用 了一种改进的虹膜定位算法，利用形态学的算法来定位虹膜的内外边缘，避免 了搜索的盲目性，减少了h o u g h 变换的计算量，同时提高了算法的可靠性。其 次，使用了多小波变换进行特征提取，详细叙述了g h m 多小波提取虹膜特征 的过程，针对直接编码和多尺度量化编码，分别介绍了利用余弦距离和 h a m m i n g 距离进行模式匹配的方法，并利用余弦距离方法进行了实验。最后， 通过实验数据，将g h m 多小波余弦距离方法与基于支持向量机的检测方法、 超香肠神经网络检测方法和小波过零点检测方法在识别性能上进行了比较。通 过比较，可以看出本文提出的算法在识别性能上能够较好地满足识别要求； 第五章：对本文研究的总结和未来工作的展望。 5 第二章虹膜识别概述 虹膜识别技术是模式识别技术中的一种。模式识别包括统计模式识别和结 构模式识别【”，”1 两种基本方式模式识别主要是对待识别的物体进行特征提取 和模式匹配。而虹膜识别则是根据不同的虹膜所具有的独特生物特征，对其进 行模式匹配的过程。下面简单介绍虹膜识别系统的工作原理。 2 1 虹膜的结构和生理特征 每个人的虹膜结构都不相同，而且它的这种独特性在人的一生中基本上不 发生变化。即便是同一个人，他的左眼和右眼的虹膜结构也有非常明显的区别， 同时，科学家们还发现，虹膜的基本结构是由遗传基因决定的，而虹膜的细微 结构却由外部环境决定。这种外部环境是指在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口”。科学家们通过大量观察发现， 在虹膜完成其发育后，它在人的一生中是稳定不变的。因此具有稳定性。另外， 虹膜外部有一层透明的角膜将虹膜和外界隔离，因此发育完全的虹膜不容易因 受到外界的伤害而产生变化。虹膜的这些特点都是虹膜作为身份识别的物质基 础。 首先，我们来了解一下虹膜的结构，图2 1 为人眼的结构示意图。 蹦21 人腱的结构示意图 图22 虹膜的组织结构图 人眼眼球包括眼球壁及其内容物，而眼球壁又分为外膜、中膜和内膜三层。 其中，外膜是眼球壁的最外层，由角膜和巩膜两部分组成。中膜为棕黑色，紧 贴在巩膜内面，含有丰富的血管和色素细胞，包括虹膜、睫状体和脉络膜三个 部分。居于虹膜中间的为瞳孔。虹膜的颜色各有不同由虹膜中色素细胞的多 少来决定。色素细胞少的虹膜显示为蓝色；色素细胞多的虹膜显示为棕色。内 容物又由房水、晶状体和玻璃体三部分组成。它们都是无色透明体，没有血管， 而且具有折光作用，所以组成了眼睛的折光系统【2 1 1 。 虹膜位于角膜和晶状体之间，呈扁平状，中央是瞳孔。图2 2 为虹膜的组 织结构图。 在组织结构上，因为有角膜将虹膜和外界隔绝，所以受到隔离和保护，如 果想利用外科手术改变虹膜，就会有失明的危险；虹膜的形成具有随机性，不 是单纯由遗传所决定，超越了解剖学形态、生理学、颜色和遗传表现。虹膜的 细节信息还依赖于胚胎发育中期的外界环境，即使是由相同遗传基因决定的两 个虹膜的细节信息也没有一点关联性，因此，它的模式具有高度的随机性，虹 膜的上述生理特性是虹膜作为身份识别的科学依据。 2 2 虹膜识别系统简介 图2 3 为虹膜识别系统的基本构成，由虹膜图像的摄取、虹膜图像预处理、 特征提取、匹配和识别四部分组成。本文主要讨论的是虹膜识别算法。 虹膜定位、 未知虹膜 通过 +归一化、去 特征提取 图像输入 识别结果 噪、增强 h a m m i n g 地商l 虚 l 距离匹配 骊的厍 l 图2 3 虹膜识别系统的基本构成 2 3 1 虹膜图像摄取 要进行虹膜识别，首先要解决的问题就是虹膜图像的摄取，这是虹膜识别 中最困难的一部分，也是今后需继续研究的一个难点问题。虹膜的直径约为十 几毫米，而且虹膜的颜色根据人种的不同有很大的差异。白种人虹膜颜色一般 较浅，纹理特征显著。而黄种人的虹膜颜色多为深褐色，纹理特征也不是很明 显。要获取虹膜图像，首先要设计一个合理的光学系统，包括怎样选取光源波 长、怎样配置光源和电子控制单元以及选择什么样的照明角度等等，再使用适 当的软件算法，来降低系统对硬件的要求。 目前，已经有很多公司在进行虹膜图像摄取技术研究，而且已经研究出了 适合远距离获取虹膜图像的装置，如美国的i n d i a nt e c h n o i o g i e s 公司、英国的 电信公司、日本的松下公司、o k i 公司和韩国的l g 公司等。在进行虹膜图像 摄取时，主要需要注意以下几点： ( 1 ) 需要加入辅助光源，使得图像有足够的分辨率和清晰度； 7 ( 2 ) 光照要充足，但又不能让人感觉眼睛不舒服，要使获得的虹膜图像 具有良好的对比度； ( 3 ) 获得的虹膜图像必须是在一定的范围内，图像中不应该包含过多如 鼻子或嘴巴等其他部位的信息； ( 4 ) 在获取虹膜图像时，镜片的反光以及光学上的色差等都应该尽可能 的消除。 2 3 2 虹膜图像预处理 虹膜图像的预处理是虹膜识别中的第一个步骤，主要目标是改善由图像 的传送和转换所带来的图像质量降低。预处理的过程也就是对原始图像进行整 形加工的过程，包括滤波、平滑、增强、复原、提取边缘、图像分割等。虹膜 图像的预处理包括虹膜的定位、虹膜的归一化和虹膜图像的增强【2 2 】三部分。 虹膜处于瞳孔和巩膜之间，虹膜的定位也就是将虹膜与瞳孔、巩膜边缘进 行分离的过程。在进行虹膜定位时，根据虹膜的几何特征，我们可以将虹膜与 瞳孔、虹膜与巩膜的边缘近似当成圆形来处理，那么，虹膜定位就转化成了寻 找近似圆形的瞳孔以及虹膜的圆心和半径。在虹膜定位中，两种最传统、也最 经典的定位方法就是d a u g m a n 的圆形检测算子定位法和h o u g h 变换定位法【2 3 1 。 d a u g m a n 的圆形检测算子定位法具有很高的精度，但是它在检测过程中使 用了积分微分运算，使其计算量过大；而且它是在整个图像平面内进行搜索， 搜索速度慢；另外，此算法对图像灰度的梯度有很强的依赖性，只适合于待处 理图像照度较均匀且没大面积灰度反常区域的情况。虽然此后d a u g m a n 改进 了他的算法，使其搜索速度有所加快，但是搜索的前提一直是需要一个稳健的 方法来确定瞳孔的圆心。h o u g h 变换定位的缺陷是它的搜索范围是由圆心( 口，6 ) 和半径，这三个参数确定的整个参数空间，因此，不仅计算量大，也需要占用 较大的存储空间。这两种定位算法所需的运输时间都较长，不适合于处理实时 图像识别。 国内虹膜识别技术的研究以中科院的各研究者为代表，其中，谭铁牛教授 等提出了先将虹膜图像进行二值化，以此分离出瞳孔，然后使用c a n n y 算子检 测图像边缘信息，二外边缘的拟合则使用最小二乘法。这个算法同样有它的局 限性，因为使用此算法的基础是图像的直方图必须有明显的双峰性，否则提取 出来的二值化图像将不能准确地分离出瞳孔和睫毛、眼角等低灰度区域。 本文在虹膜定位时采用了一种改进的虹膜定位算法，即基于形态学的虹膜 定位算法。虹膜归一化的目的是将直角坐标系下的环状虹膜映射到极坐标系 下，从而将环状虹膜展开成矩形虹膜，消除虹膜图像进行平移和缩放时的影响。 然后采用局部直方图均衡化，并用滤波器去除图像中的噪声，从而实现图像的 8 增强。第四章将详细介绍这方面的内容。 2 3 3 虹膜特征提取和匹配 虹膜识别算法最核心的步骤就是对虹膜进行特征提取，也就是使用有效的 特征来描述虹膜。 现有的特征提取方法包括基于相位分析的方法、基于过零点检测的方法和 基于纹理分析的方法三大类。d a u g m a n 先使用g a b o r 小波对虹膜进行特征提取， 然后利用海明距离进行特征匹配。因为g a b o r 小波的视觉特性与人类的视觉细 胞相似，可以较好地分析现实世界中的各种模式【2 4 25 1 。d a u g m a n 的这个方法是 目前识别方法中性能最好的方法，现在很多商用的虹膜识别系统采用的就是 d a u g m a n 的这个核心识别算法。b o l e s 【2 6 】则是用一维小波对与虹膜中心为同心 圆的采样曲线进行过零点检测，通过两个自定义的相似度函数完成分类。这个 算法的理论基础是m a l l a t 提出的信号过零点描述重建理论。它的测试只在很小 规模的数据库上进行过。w i l d e s 使用拉普拉斯金字塔进行多分辨分析，先计算 两个虹膜图像在不同尺度下的归一化相关系数，然后使用f i s h e r 线性判据对其 进行分类。这个算法使用的是图像匹配技术，它的不足之处在于计算的复杂度 高，而且只能在认证模式下进行工作。中科院的谭铁牛教授【1 1 ，2 7 ，2 8 】提出先使用 g a b o r 滤波器来提取不同频率和方向下虹膜的纹理信息，然后使用基于加权欧 氏距离的最近中心分类器进行分类。谭铁牛教授【27 】还提出先使用圆对称滤波器 来提取不同的虹膜区域在不同频率下的纹理信息，然后使用改进的最近特征线 分类器来进行分类。上述几种方法的共同点是都将虹膜的特征看成了一种随机 纹理，只是采用了不同的纹理分析策略。l i m 【2 9 】提出先使用h a a r 小波分解虹 膜图像，再提取图像的高频信息作为特征，最后采用l v q 神经网络的分类方 法。陈良洲【3 0 】贝0 提出使用相关系数确定虹膜之间的相似度，这种算法实际上也 是一种基于图像匹配的方法。在上述的这些方法中，d a u g m a n 提出的方法是相 位分析法【3 1 1 ，b o l e s 提出的方法是过零点检测法，而其余的都是基于纹理分析 的方法。 下面详细介绍b o l e s 的基于小波过零点检测的虹膜纹理特征提取方法【2 引。 在b o i e s 的基于小波过零点检测方法中，进行虹膜图像编码之前，要先使 用一维小波对以虹膜中心为圆心的同心圆进行虹膜图像采样，将二维的虹膜信 号转变为一维信号，然后用小波函数对其进行变换。这里使用的小波函数是一 个光滑函数的二阶导数，它的母函数为 缈( x ) ：型婴 ( 2 1 ) ? 出 式( 2 1 ) 中，9 ( 曲是一个光滑函数。从二进小波变换的定义可知： 9 ，似) = 2 2 。专( 厂。包 ( 2 2 ) 从式( 2 2 ) 我们可以看出，厂( z ) 的二进小波变换吸，厂( z ) 与经过函数 只，( 工) = ( 1 2 7 ) 口 2 7 ) “光滑化一的厂( 功的二阶导数是正比关系。通过变换得到 的结果的零点即厂幸只，( 工) 的拐点，也就是函数曲线中变化剧烈的部分。m a l l a t 提出，只要知道了吸，厂( 工) 的每个过零点位置z 。和任意的两个相邻盟零点之间小 波变换结果的积分值 巳= 炽，( 曲出 z 0 1 ( 2 3 ) 就可以通过有限的迭代运算重构出函数八j ) 。如果厂( x ) 是虹膜图像的样本，那 么二元点序列( z 。，p 。) ，刀z 就可以看作是虹膜的特征编码。 本文第四章中对该方法进行了实现，这里使用的平滑函数是b s p i i n e 样条 函数一阶导数的小波函数，如图2 4 所示，使用这个函数可以把经过预处理后 的虹膜图像从二维信号转化成一维信号，如图2 5 所示。 0 图2 4 三次b 样条小波函数 先使用m a l l a t 提出的塔形分解算法分解图像，再根据b o l e s 的方法对其进 行过零点检测，利用检测到的一维多尺度过零点进行过零点表示。 图2 5 虹膜图像预处理后的一维信号 l o 2 4 本章小结 综上所述，本章主要描述了虹膜的纹理特征及虹膜识别系统的工作原理， 虹膜识别系统分为四部分：虹膜图像的摄取、虹膜图像预处理、特征提取及匹 配和识别。其中，详细阐述了特征提取中b o l e s 的基于小波变换的过零点检测 编码方法。 第三章多小波理论及其应用 小波理论自九十年代以来一直在不断地发展，且被广泛地应用于各个领 域。小波分析理论是傅立叶变换的一个重大突破，因为它提供了一种可进行调 解的时间一频率窗，如果遇到高频信号，则时间一频率窗会变窄，而遇到低频 信号时，则时间一频率窗会变宽。小波函数有两个很重要的特性：一是具有振 荡性，小波函数的波形为振荡波形，且围绕时间轴的面积为零；二是具有衰减 性，小波函数的两端能迅速衰减为零。因此，小波变换是一种时频局部化的变 换。小波分解是按层来进行分解的，且每层的尺度参数不同，所以小波分解又 称为多分辨率分析。在实际使用中，我们多使用离散小波变换，而在工程中， 最常用的是二进小波变换。小波分解可以看成是由一个高通滤波器和一个低通 滤波器组成，每层小波分解都是把原信号分解为一个高频信息和一个低频信 息，在下一层分解时再对低频信息进行同样的分解，这样分解n 次后就能得到 第n 层小波分解的结果。现在，小波理论已经在信号分析、系统控制、计算机 识别和合成等领域得到了广泛的应用。 多小波技术是小波分析的一种推广【3 2 1 。多小波是一种由两个或两个以上函 数作为尺度分量生成的小波，它比单小波具有更大的自由度，且能同时拥有许 多良好的性质，如对称性、短支撑性、正交性和高阶消失矩等，因此，多小波 比单小波具有更多的优势，特别是随着g h m 多小波【3 2 ，3 3 1 的成功构造将有广 阔的应用前景。使用不同的多小波基对图像进行处理，能得到不同性质的子图 像。因此，人们开始研究怎样构造不同的多小波，且将其运用在信号去噪及图 像压缩等领域。 3 1 小波的基本理论 3 1 1 连续小波变换 小波变换的实质是对选用的基本小波进行伸缩和位移，基本小波一般都具 有振荡快、速衰减的特性，且积分应为零【3 4 1 ，如式( 3 1 ) 所示，式( 3 2 ) 是它的频谱条件。 i 少( f ) 出= o ( 3 1 ) q = 华出 1 ，6 o 。可得出如式( 3 12 ) 所 示的小波基函数。 k 曲= 赤坂寿卜岫 m n 为整数j 2 然后选择合适的和，使j l 。( 工) 构成一个规范的正交基。一般情况下， 我们取口o = 2 ，= 1 ，构成一个离散的二进小波。其中，在空间r ( 尺) 中，一个 最典型的规范正交基就是砌r 基，此小波基中，口o = 2 ，= 1 ，小波函数族可 用式( 3