（计算机应用技术专业论文）基于虹膜识别的身份鉴别技术的研究与应用.pdf

中文摘要 摘要 生物识别技术在当今世界中已经得到了广泛的应用。虹膜身份识别是一种新 兴的生物身份识别技术，由于其具有唯一性、稳定性、可采集性、非侵犯性等优 点而逐步受到人们的重视。与脸像、声音、指纹等身份鉴别方法相比，虹膜具有 更高的准确性。近些年来虹膜识别技术在研究和应用方面都得到了长足的进步， 并表现出了广阔的前景和市场。 本文研究了虹膜身份识别的相关技术，并开发了基于虹膜的身份鉴别系统。 此系统由虹膜图像预处理、虹膜图像定位、虹膜图像归一化、虹膜特征提取和匹 配等几部分组成。 在预处理方面，本系统采用中值滤波和改进的盐和胡椒滤波两种方法对虹膜 图像进行滤波处理，达到了很好的去噪效果。 虹膜图像的定位分为内边缘定位和外边缘定位。在定位内边缘时，本系统先 对虹膜图像进行闽值分割，然后采用点h o u g h 变换来确定瞳孔的圆心和半径；在定 位外边缘时，将d a u g m a n 环量积分算子改进为在一定区域内的面积积分算子，借助 已经求出的内圆的圆心和半径来搜索外圆的圆心和半径。 在归一化方面，本系统先选择纹理细节比较丰富的虹膜区域，然后再运用线 段提取的方法对已选择的虹膜区域进行归一化处理，从而将环形虹膜区域归一化 为矩形。在虹膜图像展开的过程中，必然会出现新图像中某些点无法与原图像中 的点进行匹配，系统针对这一情况采用双线性插值法进行处理。为了提高识别效 果，系统中对展开后的虹膜图像进行了局部的直方图均衡化。 本系统采用g a b o r 变换对虹膜纹理进行编码，同时利用海明距离对编码后的虹 膜图像进行模式匹配。 从实验结果来看，本系统达到了很高的识别率。 关键字：图像预处理；定位；归一化；虹膜特征提取；匹配 英文摘要 s t u d ya n da p p l i c a t i o no i lp e r s o n a li d e n t i f i c a t i o nb a s e d o l li r i sp a t t e r n a b s t r a c t b i o l o g i c a lr e c o g n i t i o nt e c h n o l o g yh a sb e e nw i d e l yu s e d i nr e c e n tw o r l d i r i s r e c o g n i t i o ni sa l le m e r g i n gb i o m e t r i ct e c h n o l o g y f o ri t se x c l u s i v e ，s t a b i l i t y ，c o l l e c t i b l e a n dn o ti n v a d a b l e ，i r i sr e c o g n i t i o ni sb e i n gm o r ea n dm o r er e g a r d e db yp e o p l e i nr e c e n t y e a r s ，i r i sr e c o g n i t i o nh a sm a d ep r o g r e s si nt e c h n o l o g yr e s e a r c ha n da p p l i c a t i o n ，a n dh a s aw i d ep r o s p e c ta n dm a r k e t c o m p a r e dw i t hf a c e ，v o i c ef i n g e r p r i n ta n do t h e rb i o m e t r i c t e c h n o l o g y ，h i sr e c o g n i t i o nh a sh i g h e rp r e c i s i o n t h es y s t e mb a s e do ni r i s r e c o g n i t i o n i sm a d eu po fs e v e r a l p a r t s ：i r i s p r e p r o c e s s i n g ，i r i sl o c a t i n g ，i r i sn o r m a l i z a t i o n ，i r i sf e a t u r ee x t r a c t i n g , c o d i n ga n di r i sc o d e m a t c h i n g h lt h ea s p e c t so fi r i sp r e p r o c e s s i n g , t h ep a p e ru s e st w ok i n d so fm e t h o d st og e tr i d o ft h en o i s e ，t h a ti sm e d i a nf i l e ra n di m p r o v i n gt h es a l ta n dt h ep e p p e rf i l e r i no r d e rt og e tt h ei n n e rb o u n d a r yo fi r i s ，w eu s et h r e s h o l dv a l u ed i v i s i o nt o s e p a r a t et h ep u p i lf r o mt h ei m a g e ，t h e np e r f o r mp o i n th o u g ht r a n s f o r mt od e t e r m i n et h e r a d i u sa n dc e n t e ro ft h ep u p i l w eu s ei m p r o v i n gd a u g r n a ni n t e g r a la r i t h m e t i co p e r a t o r s t od e t e r m i n et h er a n g eo ft h eo u t e rr o u n da c c o r d i n gt ot h er a d i u sa n dc e n t e ro ft h ep u p i l w ec h a n g e dt h ee a r v i l i n e a ri n t e g r a lt os u r f a c ei n t e g r a li nt h et h i nr i n ga r o u n dt h ec u r v e s ot h a tt h ei n f l u e n c eo fn o i s ec a l lb ed e c r e a s e d t h ep a p e ri m p r o v e st h et r a d i t i o n a li r i sn o r m a l i z a t i o na l g o r i t h ma n dw o r ko u tt h e h i sn o r m a l i z a t i o na l g o r i t h mb a s e d o nl i n ep i c k e d u pt on o r m a l i z et h ea n n u l a rr e g i o no f h i si n t oar e c t a n g l e i ta d o p tt h em e t h o do fb i l i n e a ri n s e r td u r i n gt h en o r m a l i z a t i o n t o g e ta b e t t e ri r i si m a g e , w eu s eh i s t o g r a mt oe q u a l i z et h ei r i si m a g e a l g o r i t h mb a s e do i lg a b o rt r a n s f o r mi su s e dt oe x t r a c ta n dc o d et h ef e a t u r eo fi r i s w en e e dt oc a l c u l a t et h eh a m m i n gd i s t a n c eo fb o t ho fi r i sc o d e st oj u d g ew h e t h e rt h e t w oi r i s e sc o m ef r o mo n ep e r s o n j u d g i n gf r o mt h er e s u l t so ft h ee x p e r i m e n t ，t h ei d e n t i f ys y s t e mi nt h i sp a p e rc o m e t oah i g h e rr i g h tr a t e 英文摘要 k e yw o r d s ：i m a g ep r e p r o c e s s i n g ；l o c a t i n g ；n o r m a l i z a t i o n ；i r i sf e a t u r ee x t r a c t i n g ； m a t c h i n g 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果， 撰写成博士硕士学位论文 ：基王堑堪迟别的星俭鳖剔撞盔的班窒皇廛旦：。除 论文中已经注明引用的内容外，对论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。本论文中不包含任何未加明确注明的其他个人或集体已 经公开发表或未公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名：童母了己面1o 侔月日 学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连海事大学研究生学位论文提交、 版权使用管理办法”，同意大连海事大学保留并向国家有关部门或机构送交学位论 文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于：保密口 不保密( 请在以上方框内打“”) 论文作：籼蛔新躲茑气也 日期：2 1 年。专月u 日 基于虹膜识别的身份鉴别技术的研究与应用 第1 章绪论 随着社会的进步，在互联网迅速发展的今天，人们对信息的需求越来越大， 因而涉及信息安全的问题越来越突出，对于身份鉴别的准确性、安全性与实用性 也提出了更高的要求。i d e n t i f i c a t i o n ( 鉴定) 和v e r i f i c a t i o n ( 确认) 在很长一段时 间内是通过出示“s o m e t h i n gy o uh a v e ”来完成的，如身份证、驾驶执照和钥匙( 即 卡和令牌) 。有时候是通过“s o m e t h i n gy o uk n o w ”，如密码、p i n 或个人身份证号 码。传统的密码方式，可以称之为文本密码，存在着局限性，比如：为了不被他 人盗用，只好将密码设得比较复杂，因而不易记忆；为了方便记忆，又存在着密 码会被盗用的安全漏洞。当进入一个需要更多安全和精确方法的时代，人们开始 着眼于“s o m e t h i n gy o ua r e ”，即生物特征，人体特有的生理和行为特征( 我们称之 为生物密码) 为此提供了一个可靠的解决方案。 在所有的生物认证方法中，虹膜识别是其中的主要研究方向之一，其目的就 是对虹膜之间的相似程度进行度量，实现虹膜识别和分类。与其他生物信息识别 一样，它利用人们与生俱来的特征，但是虹膜识别还具有其它方法没有的优势， 如不侵犯性、不易改变性、唯一性等。不侵犯性指人们不需要某种特别的操作或 接触别人接触过的设备就可以完成虹膜图像的获取，因为虹膜位于透明的角膜之 后，是一个外部可见的内部器官；不易改变性指虹膜自从婴儿出生七到八个月以 后就稳定不变，这是经过临床观察发现的结果1 1 l ；唯一性指基于虹膜特征可以达到 人人可分。正是上述这些特点使得虹膜识别系统在与信息安全有关的生物认证领 域具有极为广泛的应用前景【2 1 。 1 1 课题的目的及意义 b i l lg a t e s 曾做过这样的断言，生物识别技术，利用人的生理特征，例如像指 纹等来识别个人的身份，将成为今后几年i t 产业的重要革新。g a t e s 的这段言论 是因为有越来越多的个人、消费者、公司和政府机关都承认现有的基于智能卡、 身份证号码和密码的身份识别系统是远远不够的。生物特征识别技术将在未来提 供安全解决方案方面占据重要的地位。生物识别技术是目前最为方便与安全的识 第1 章绪论 别系统，它不需要你记住象身份证号码和密码之类的号码，也不需随身携带象智 能卡之类的东西。生物测定学认定是你就是你，没有什么能比此更安全或更方便 的了。 那么社会对一种安全的身份认证方式的需求到了什么程度呢? 下面列举几个 数字，应该可以说明一定的问题【3 j ： ( 1 ) 据著名市场调研商f r r e s t e r 公司最新的调查结果，2 0 0 3 年，美国网上购物 额已经超过1 0 0 0 亿美元，这也是美国网上购物额首次超过1 0 0 0 亿美元。据统计， 2 0 0 3 年，美国通过网上购物的家庭己有3 9 0 0 万户，比2 0 0 2 年增加5 0 0 万户；另 外，美国居民的网上购物总额已占其居民消费总额的6 。 ( 2 ) 与此同时，其中潜在的不安全性也越来越明显，通过身份证号码和密码来 取代传统的直接接触显而易见是过时了。假信用卡所造成的损失一年在4 0 到6 0 亿美元之间，而且在逐年增长。 ( 3 ) 据美国移民局统计，如果在美国墨西哥边境采用快速准确的身份鉴别 系统，可以在不影响人员正常入境的情况下，每天查出3 , 0 0 0 件非法入境案件。 这些数据表明，有效地鉴定个人的身份有着重大的社会和经济意义，它可以 有效地防止犯罪和诈骗、提高办公效率、节约资源。身份鉴别技术正受到前所未 有的关注。特别是9 1 1 恐怖袭击事件以后，这方面的研究持续升温，大家切实意 识到通过高科技手段来解决安全问题的重要性和迫切性。生物信息特征识别也因 能在安全保密方面发挥关键作用而日益受到重视。 生活在一个高度信息化的现代社会，身份鉴别己经渗透到人们日常生活的每 一个方面。同时，由于交通、通讯和网络技术的飞速发展，人类的活动范围越来 越大，身份鉴别的难度和重要性也越来越突出。对于我国这样一个人口众多的国 家，身份鉴别有着极其广泛的应用前景和重要的战略意义。金融、安全、网络、 电子商务等无一不需要可靠的身份鉴别。在信息社会发展的今天，为了信息既安 全又操作方便，越来越多的生物识别技术逐渐得到了人们的认可。 基于虹膜识别的身份鉴别技术的研究与应用 1 2 几种生物识别技术 所谓生物识别技术就是指通过计算机，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、脸像、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，同时也代表着科学技术的发展，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，它几乎不给人们带来任何不便 之处，很容易被人们所接受。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。 ( 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。 ( 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。 ( 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。 ( 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 第1 章绪论 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。 ( 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。 1 3 虹膜识别技术的特点 人眼虹膜的复杂结构提供了一种准确的生物认证方法。虹膜是位于瞳孔和巩 膜间的环状颜色区域，虹膜丰富的纹理图案构成了虹膜识别系统的基础。与指纹 等其他几种生物特征相比，基于虹膜特征的生物识别技术具有其独有的优越性： ( 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【4 1 ，而一般指纹识别只有3 5 个自由剧5 l 。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【6 】，虹膜识别的错误率仅为1 2 ”。 ( 2 ) 虹膜特征在人的一生中均保持相当高的稳定性，不易病变，一般疾病不 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，而 指纹可以采用外科手术的方法比较容易进行改变。 ( 3 ) 虹膜的结构还不具有遗传性，即使是同卵双胞胎，虹膜也各不相同。 ( 4 ) 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。 ( 5 ) 瞳孔的缩放使虹膜组织具有活体组织的显著特征，可以有效地防止人工 4 基于虹膜识别的身份鉴别技术的研究与应用 伪造，而指纹等其他生物特征没有这方面的功能。 1 。4 虹膜技术的诞生与发展 早在1 8 世纪，法国的警察就通过观察犯人的虹膜颜色来辨别罪犯；1 9 8 7 年， f l o m 和s a f i r 首先提出了自动虹膜识别的思想m ；1 9 9 3 年，剑桥大学的d a u g m a n 提出了基于2 dg a b o r 小波变换的虹膜识别方法降9 1 ，d a u g m a n 的开创性工作使得 自动的虹膜识别成为可能，由于这种方法只是对相位信息进行粗量化，因此优点 是计算简单、速度快，但是存在着要求获取图像的分辨率、大小以及光照等条件 保持基本不变的缺点【1 0 1 ；1 9 9 4 年，普林斯顿的w i l d e s 等人提出了基于区域图像注 册技术的虹膜识别系统，这种方法识别精度高，但是计算复杂，识别速度慢；1 9 9 8 年，昆士兰大学的b o l e s 等人【1 1 】提出了基于零交叉小波变换的虹膜识别方法，这种 方法对于光照变化、噪声的干扰不敏感。 近几年来随着我国经济建设和信息产业技术的深入发展，国家公共安全和个 人身份安全方面暴露的问题日益明显。为了有效地解决这些问题，大力发展生物 识别领域的相关产业有重要的现实意义。目前，国内研究虹膜识别技术被信息技 术产业普遍看好，以中科院自动化所、上海交通大学为代表，他们主要的算法仍 然是基于国外的算法，并在此基础上改进和修正，或提出自己的新算法，如康浩1 1 2 - 1 4 1 在d a u g m a n l 筝3 算法基础上提出了虹膜纹理的能量编码和方向编码，应忍冬1 1 5 1 在 b o l e s 的算法基础上提出了小波变换的模极大值编码，而朱勇i 幡1 7 】利用g a b o r 滤波器 提出了多通道的特征提取的算法，同时华中科技大学i 体1 9 1 、中科院生物物理研究 所等都就虹膜识别进行了卓有成效的研究和探索。 1 5 本论文完成的工作 本论文完成的工作主要有以下几点： ( 1 ) 完成了虹膜图像的预处理工作。文中说明了预处理的目的和常用的方法， 在本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。 ( 2 ) 完成了虹膜图像分割，即虹膜内外圆定位工作。在定位内边缘的时候， 一5 第1 章绪论 介绍了离散圆形动态轮廓线法、灰度闽值分割法、圆h o u g h 变换方法；在定位虹膜 外边缘的时候，文中根据虹膜和巩膜的灰度差别不大的特点，给出了动态轮廓线 方法、c a n n y 边缘检测、c a n n y 边缘检测结合h o u g h 变换算法，并对这些算法进行 了分析和比较。鉴于以上所介绍方法的优缺点，在本论文中采用如下方法进行虹 膜定位：先对虹膜图像进行阈值分割，然后对阈值分割后的图像采用h o u g h 变换的 改进方法点h o u g h 变换来确定瞳孔的圆心和半径；在计算外边缘参数的时候， 根据内外圆不同心的特点，充分利用已经求出的瞳孔的圆心和半径，将d a u g m a n 环量积分算子改进为在一定区域内的面积积分算子，搜索外圆的圆心和半径。 ( 3 ) 完成了虹膜图像的归一化。文中分析了内外圆不同心的原因，阐明归一 化的目的，介绍了一种最常用的归一化方法一d a u g m a n 约橡皮纸模型，d a u g m a n 的橡皮纸模型的归一化方法虽然比较常用，但是原理比较复杂、不够直观，而且 要分5 种情况进行分析，效率不是很高。本文采用一种基于线段提取的虹膜归一化 方法，这种方法的思想是均分内外圆，把内外圆对应点相连，构成线段，将线段 均分，这样整个虹膜区域就有若干个点，通过公式，可以把原图像中对应点的灰 度值赋给矩形的相对位置上，从而达到归一化的目的。文中在此方法的基础上， 进行了改进：先选择有效的虹膜区域，然后再利用基于线段提取的虹膜归一化方 法进行归一化处理。改进后的方法去除了一部分噪声的干扰，提高了计算速度。 在归一化的过程中采用双线性插值法进行了处理。为了提高识别效果，文中对展 开后的虹膜图像进行了局部的直方图均衡化。 ( 4 ) 完成了虹膜图像的特征提取和匹配。文中介绍了几种虹膜识别的算法， 分析了各自的特点。在本系统中采用g a b o r 变换对虹膜纹理进行编码，同时利用海 明距离对编码后的虹膜图像进行模式匹配。 本论文的组织结构如下： 第1 章绪论部分，主要介绍了虹膜识别的目的和意义，对几种生物识别技术 进行了比较，详细阐述了虹膜识别技术的特点，介绍了虹膜识别技术的诞生和发 展，并对全文进行了总结和概括。 第2 章虹膜识别介绍，主要介绍了虹膜识别的生理基础以及模式识别的基 6 基于虹膜识别的身份鉴别技术的研究与应用 本概念并介绍了本文的虹膜识别系统。 第3 章图像预处理，介绍了图像平滑和锐化的主要目的和常用的方法。 第4 章虹膜的定位，介绍了定位虹膜内外圆的几种方法，和本文所使用的 方法。 第5 章虹膜图像的归一化，分析了虹膜内外圆不同心的原因，介绍了一种 最常用的虹膜归一化方法和本文所使用的方法。 第6 章特征提取和匹配，介绍了虹膜识别的几种方法，和本文所使用的方 法，并分析了实验结果。 最后，对本文的工作做了总结，分析了不足的地方和未来的研究方向。 第2 章虹膜识别介绍 第2 章虹膜识别介绍 虹膜识别系统使用虹膜纹理作为独特特征，被广泛认为是最有前途的生物识 别技术之一，也是迄今为止可信度最高的生物认证方法之一。 2 1 虹膜识别的生理基础 虹膜呈圆环形，在葡萄膜的最前部分，位于晶体前，有辐射状褶皱纹理，表 面含不平的隐窝，中央有2 5 4 r a m 的圆孔，称瞳孔。不同种族人的虹膜颜色不同。 图2 1 人眼正面图【2 1 】 f i g 2 1t h ep i c t u r eo f e y e 虹膜表面高度细节化，包含了极为丰富的信息，外观上看由许多腺窝、皱褶、 色素斑等构成，是人体中最独特的结构之一，如图2 1 所示：靠近瞳孔部分的皱璧 特别显著，它是虹膜小动脉的位置标志。由于虹膜内血管分布不均，使虹膜表面 出现许多无规则的放射性条纹，内有许多放射性隆起，代表虹膜血管的路径。所 有这些无规则的血管和隆起就构成了每个人唯一且终生不变的虹膜纹理。 基于虹膜识别的身份鉴别技术的研究与应用 图2 2 虹膜结构图【2 2 1 f i g 2 2t h es t r u c t u r eo fi r i s 每个人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【7 1 7 , 2 3 1 经过大量的观察发 现，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，就是同一个人的左右两眼，其细节特征也不相同。 支持这一观点的第二个证据来自发育生物学【1 1 。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细微结构起着 重要作用。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。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r 随 着年龄老化，会出现轻微的色素沉积和瞳孔扩张范围减小，这些对虹膜特征的影 响较小) ，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。而且，据研究我国 单眼先天性无虹膜的发病率为1 ：5 6 1 1 5 1 3 1 。可见虹膜识别技术适用人群广。 第2 章虹膜识别介绍 图2 3 人眼正面与剖视图对应关系【2 q f i g 2 3t h er e l a t i o no fe l e v a t i o na n dc u t a w a yv i e w 图2 1 和图2 2 之间存在一个对应关系，为了看得更加清楚，列在图2 3 中。 眼球的可见部分俗称眼珠，眼珠的中心是黑色的瞳孔，瞳孔外缘问的环形组织即 为虹膜。虹膜不同于视网膜，视网膜位于眼底，难以取像，虹膜可以直接看到， 可以用摄像设备获取精细的图像。 2 2 模式识别基本概念【2 5 侧 “模式”( p a t t e r n ) 是一个客观事务的描述，是指建立一个可用于仿效的完善的 标本。它广泛存在于自然科学( 如图像、文字、声音、物体等) 和社会科学( 如 经济模式、政治模式等) 。 “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。 2 2 1 模式识别系统介绍 典型的模式识别系统如图2 4 所示。 基丁：虹膜识别的身份鉴别技术的研究与应用 图2 4 模式识别系统框图 f i g 2 4t h ef r a m eo fp a t t e r nr e c o g n i t i o ns y s t e m 如果输入的是图像信息，那么该系统就成为典型的图像识别系统框图。其中： ( 1 ) 图像数据获取 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。它将景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。 ( 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 识别的任务是如何作出最优决策问题。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。 第2 章虹膜识别介绍 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，从而建立了独立科学体系的一门新兴科学。 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 统计模式识别是以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 句法模式识别是以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”等都是带 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 基于虹膜识别的身份鉴别技术的研究与应用 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 识别具有独到之处。 神经网络分类器的基本框图如图2 5 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。 图2 5 神经网络分类器框图 f i g 2 5t h ef r a m eo fn ng r a d e r 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 u ，起到数据压缩作用。 2 3 虹膜识别系统 虹膜识别技术的应用一般分为两类：一类是身份验证，它的任务是判定测试 者虹膜纹理特征是否和数据库中的某一特定的虹膜特征一样；另一类是身份查询， 它的任务是在数据库中查找和测试虹膜特征一样的虹膜数据。无论是哪一种方法 都需要多次计算两个虹膜纹理的相似度，好的相似度必须满足快速、稳定，即能 第2 章虹膜识别介绍 够在短时间内进行大量的比较，且不受外界因素的影响。 本论文的虹膜识别系统包括虹膜图像预处理、虹膜图像内外圆定位、图像归 一化和特征提取与匹配。虹膜识别系统的框图如图2 6 所示： 虹膜图像 ( 8 位灰度) 识别 结果 虹膜图像预处理 ( 平滑、锐化) 特征提取与匹配( 求待识别 的两虹膜的相似度) 虹膜图像内外 圆定位分割 虹膜图像归一化 ( 归一化为矩形) 图2 6 虹膜识别系统框图 f i g 2 6t h ef r a m eo fi r i sr e c o g n i t i o n 1 4 - 基丁二虹膜识别的身份鉴别技术的研究与应用 第3 章图像预处理 图像预处理一般是数字图像处理的第一个步骤，用于改善和处理在各类成像 系统中由于图像的传送和转换如成像、复制、扫描、传输及显示造成的图像质量 降低。改善的方法分为图像的增强、复原两类，包括：灰度修正、图像的同态增晰、 平滑、锐化、几何校正、线性滤波恢复等等。其目的是为了提高图像的质量，如 提高图像的清晰度、去除噪声等。 图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像 高频分量，可使图像中物体轮廓清晰、细节明显；强化低频分量可减少图像中噪 声影响。图像复原要求对图像的降质原因有一定的了解，一般根据降质过程建立 “降质模型”，再采用某种滤波的方法，恢复或重建原图。 3 1 平滑 图像平滑的主要目的是减少噪声，图像中的噪声种类很多，它们对图像信号 的幅度和相位的影响十分复杂，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f 和噪声n 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 = f + f x n 。 ( 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概率密度函数选择量化 级的最优量化措施。 ( 4 ) “盐和胡椒”噪声：由图像切割引起的如黑图像上的白点、白图像上的 黑点，在变换域引入的误差，图像反变换后造成的变换噪声等都属于这一类噪声。 一般情况下，在空问域可以用邻域平均来减少噪声；在频率域，因为噪声频 谱多在高频域，所以采用各种形式的低通滤波的办法来减少噪声。而图像中的噪 声往往和信号交织在一起，尤其是乘性噪声，但平滑的代价就是细节如边缘、轮 第3 章图像预处理 廓线条模糊不清。所以，平滑要在去掉噪声的基础上尽量保持图像细节。 典型的去除噪声的算法有：领域平均法、低通滤波和中值滤波法。在本系统 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。 中值滤波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( x ，y ) 为中心的小窗1 ：1 内的所有相似的灰度按从大到 小的顺序排列，将中间值作为( x ，y ) 处的灰度值( 若窗口中有偶数个像素，则取 两个中间值的平均) 。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；它能很好地去 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。 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，改进的算法将应 用于灰度图像噪声的去除。 其改进的算法为：构造一个3 x 3 的模板，表示空间的9 个像素点： 尸( 4 ) p ( 3 ) p ( 2 ) j ( 5 ) p ( o ) p ( 1 ) ( 3 1 ) p ( 6 ) p ( 7 ) p ( 8 ) 其中p ( 0 ) 是判断是否是噪声点的那个像素点，将p ( o ) 像素点周围的像素点 p o ) 、p ( 3 ) 、p ( 5 ) 、p ( 7 ) 的像素值相加，将p ( 2 ) 、p ( 4 ) 、p ( 6 ) 、p ( 8 ) 的像素值相加： 曰( p ) m p ( 1 ) + p ( 3 ) + p ( 5 ) + p ( 7 ) ( 3 2 ) n ( e ) m p ( 2 ) + p ( 4 ) + p ( 6 ) + p ( 8 ) ( 3 3 ) 然后通过判断来确定p ( o ) 像素点新的像素值： ( 1 ) 如果是黑白二值图像，1 代表白色的颜色值，0 代表黑色的颜色值，设阈 值为l ： 如果b ( p ) l ，那么p ( o ) 像素点应被置成黑色； 如果b ( p ) = l 那么p ( 0 ) 像素点原来是什么颜色还保持什么颜色； 基于壹t 膜识别的身份鉴别技术的研究与应用 ( 2 ) 如果是黑白灰度图：设两个阈值分别为和k 2 如果b ( p ) k 1 4 x 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 ) , 否则应 被置成b ( p ) 4 ； 如果不满足以上判断，那么p ( 0 ) 像素点原来是什么灰度还保持什么灰度。 图3 1 ( a ) 为加入盐和胡椒噪声的虹膜图像，图3 1 ( b ) 用盐和胡椒滤波的 方法来去除噪声的效果： a 加入盐和胡椒噪声的图像b 盐和胡椒滤波后图像 图3 1 盐和胡椒滤波效果图 f i g 3 1t h e s a l ta n dt h ep e p p e rf i l e r 3 2 锐化 图像锐化处理的目的就是使边缘和轮廓线模糊的图像变得清晰，并使细节清 晰，一般采用的是平均或积分运算的逆运算，如微分运算。从频谱的角度来讲， 图像锐化可以通过加重高频分量来实现。应该注意的是，进行锐化处理的图像必 须要求有较高的信噪比，否则图像锐化之后图像的信噪比会更低。锐化可以采用 一阶微分和二阶微分两种方法。 对于一阶微分，设图像为f 伍，y ) ，在点( x ，y ) 的梯度矢量为g t f ( x ，y ) 】，则其方向 为函数的最大变化率方向，其幅度： 第3 章图像预处理 町删悯2 饼】1 2 c s a ， 对于数字图像，则上式改为： g f ( x ，) ，) 】。 ，( f ，j ) 一，a + 1 ，j ) 】2 + ，o ，j ) 一f ( i ，+ 珩乒 ( 3 5 ) 在此基础上衍生出了罗伯茨( r o b e r t s ) 算子、索伯尔( s o b e l ) 算予、普鲁伊特 ( p r e w i t t l 算子；r o b e , s 算予，它是在2 x 2 的邻域上计算对角倒数： r ，_ ) ，) 。t 厂o ，y ) 一f ( x + l , y + 1 ) r + 驴 ，y + 1 ) 一，o + 1 ，y ) 】2 乒 ( 3 6 ) 对应模板为： 矧 c s 7 ， s o b e l 算子，它将方向差分运算与局部平均相结合，即在以f ( x ，y ) 为中心的3 x 3 邻域上计算x , y 方向的偏倒数： ；x 。【，g + l y 一1 ) + 2 ，o + l y ) + ，o + l , y ，+ 1 ) j 一 ( 3 8 ) 【，( 芦一1 ，_ ) ，一1 ) + 2 f ( x l y ) 4 - ， 一1 ，y4 - 1 ) j ；，。【，o 一1 ， ) ，+ 1 ) + 2 ，o ，y + 1 ) + ，o + 1 , y ，+ 1 ) j 一 ( 3 9 ) g ( x ，y ) 一厕 雕非i 只。 ，( x + 1 ，) ，一1 ) + ，( x + 1 ，y ) + f ( x + l , y 一1 ) 】一 ，( x 一1 ，_ ) ，一1 ) + f ( x 一1 ，y ) + i ( x 一1 ，y + 1 ) ( 3 1 0 ) ( 3 1 1 ) ( 3 1 2 ) 墨! 堑堕望型塑皇丝篷! ! 垫查塑堡壅兰查旦 孑(-善一f1，(x)，-一11,)y+1)+f一(x1),y+1)+f(x+一l1)yf(x,yf ( x + l y 】+ d 1 一 ( 3 1 3 ) 扩0 1 ，) ，一1 ) + 一1 ) + 一1 ) j g o ，y ) 。肥+ 弓) ( 3 1 4 ) 雕州；i 】 式( 3 1 6 ) 是一个拉普拉斯算子的形式，为标量： v 2 舷y ) i 学+ 学 在图像处理中，其离散形式为式( 3 1 7 ) ： v胞zf(x,ym)-l(x,yyf ( x ，；茫锟挈f ( x 铡y 妒加m 咖娜+ m 【，0 ，+ 1 ) 一 ，y ) j l 厂 ，y ) 一，一1 ) 丑 “7 l ( x ，y ) - f ( x + 1 y ) + f ( x l y ) + ，o ，y + 1 ) + f ( x ，y 一1 ) 一4 f ( x ，) ，) ( 3 1 8 ) k 爿 一阶微分是矢量，它的数据存储量大，但二阶算子对噪声更加敏感，容易使 噪声成分加强，所以常常在进行平滑操作的同时进行二阶微分。图像边缘检测， 采用的也是一阶或二阶算子，可以说边缘检测也是一种广义的锐化操作，两者不 第4 章虹膜的定位 第4 章虹膜的定位 由图2 1 可以看出，虹膜包含纹理的部分是内外两个近似圆形边界之间的部 分，虹膜内侧与瞳孔相邻，外侧与眼白相邻。但是，这两个圆不是完全同心的吲， 需要分别对内外两个边界进行处理。 虹膜能否准确定位，关系到虹膜纹理特征的提取，从而对分析结果产生重要 影响。因此虹膜定位是虹膜识别技术的关键环节，它的精确定位是有效进行虹膜 识别的前提。对虹膜的定位分为两个部分：内边缘的定位和外边缘的