（计算机应用技术专业论文）基于虹膜的身份认证方法研究.pdf

摘要 在信息技术飞速发展的今天，信息安全显示出前所未有的重要性。电子商务、电子银 行、网络安全等应用领域更是急需高效的自动身份认证技术，生物特征识别技术以其特有 的稳定性、唯一性和方便性，得到越来越广泛地应用。 生物特征识别技术将信息技术与生物技术相结合，利用人体本身具有的物理特征( 如 掌纹、虹膜、人脸等) 或行为特征( 如步态、签名、声音等) 来确定人的身份，以取代或 加强传统的身份识别方法。生物特征识别技术是一项很有前途的生物技术，在市场上已经 有很多可行的系统。它以人体唯一的、可靠的和稳定的生理学特征作为鉴别个人身份的依 据，采用计算机强大的计算能力和网络技术进行图像处理和模式识别，从而自动验证个人 的身份。 本文描述了一个新的虹膜识别方法首先，对虹膜图像进行预处理，主要包括虹膜感 兴趣区域定位、归一化操作，截取两个几乎不受眼毛、眼睑的影响感兴趣区域。然后。采用 小波矩方法提取虹膜的统计特征。最后，在识别阶段，采用主成分分析法和一对一的b p 神 经网络结构对特征向量进行特征选择和识别。利用部分虹膜区域进行识别可提高系统的速 度。并且利用主成分分析法对原始信息进行筛选，既保证了原始资料信息的完整性，又避 免了原始信息的重叠，形成新的训练样本集，减小了b p 网络建模时的网络结构，从而大大 提高了网络的学习速率。 本文的最后对虹膜识别技术的未来工作进行了展望生物认证技术与数字水印技术相 结合是应用前景很广泛的新技术，也是本论文未来工作研究的方向 关键词：虹膜识别；小波矩；主成分分析；b p 神经网络 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o g y , i n f o r m a t i o ns e c u r i t yb e c o m e sm o r e a n dm o r ei m p o r t a n tt o d a y s o m ea p p l i c a t i o nd o m a i n sn e e de f f i c i e n ta u t o m a t i cp e r s o n a l i d e n t i f i c a t i o nt e c h n o l o g y , s u c ha se l e c t r o nc o m m e r c e ，e l e c t r o nb a n k ，n e t w o r ks e c u r i t ya n d o n b i o m e t r i c sg e t sm o r ea n dm o r ew i d e l ya p p l i c a t i o ni nv i e wo fi t ss t a b i l i t y , u n i q u e n e s sa n d c o n v e n i e n c e f r o mt h ew a r r a n t yo fe n t r a n c et ol o c kc r i m i n a li nc r o w d a l la r er e l a t e dt ot h e m a r k e to fa p p l i c a t i o na n dt r e n do ff u t u r eo ft h i st e c h n o l o g y b i o m e t r i c sc o m b i n e st h ei n f o r m a t i o nt e c h n o l o g yw i t hb i o l o g yt e c h n o l o g y , w h i c hn s e s h u m a ni n h e r e n tb i o l o g i c a lc h a r a c t e r i s t i c ss u c ha sp a l m - p r i n t ，i r i s , a n df a c e ，a n db e h a v i o r a l c h a r a c t e r i s t i c ss u c ha sg a i t ，s i g n a t u r ea n ds p e e c ht oc o n f i r mp e r s o n a li d e n t i t yf o rr e p l a c i n go r s t r e n g t h e n i n gt h et r a d i t i o n a lp e r s o n a li d e n t i f i c a t i o na p p r o a c h e s b i o m e t r i ct e c h n o l o g yi s a n u p a n d - c o m i n gb i o l o g yt e c h n o l o g ya n dh a sb e e na p p l i e dt of e a s i b l es y s t e m si nt h em a r k e t i t r e g a r d si t su n i q u e ，r e l i a b l ea n ds t a b l ep h y s i o l o g i c a lc h a r a c t e r i s t i c sa st h ee v i d e n c eo fi n d i v i d u a l i d e n t i t ya n da p p l i e st h ep o w e r f u lc o m p u t e da b i l i t yo fc o m p u t e ra n dt e c h n i q u eo fn e t w o r kt o i m a g ep r o c e s s i n ga n dp a t t e r nr e c o g n i t i o n ，t h e na u t o m a t e dv e r i f yt h ei n d i v i d u a li d e n t i t y t h i sp a p e rd e s c r i b e san o v e li r i sv e r i f i c a t i o n a p p r o a c h f i r s t l y , t h ei r i si m a g e i s p r o - p r o c e s s e d ，w h i c h i n c l u d e st h el o c a l i z a t i o no fr e g i o no fi n t e r e s t , n o r m a l i z a t i o na n d e n h a n c e m e n to fi r i s t h et w os e g m e n t e dr e g i o n so fi n t e r e s ta r en e a r l yn o to c c l u d e db ye y e l a s h a n de y e l i d t h e n ，w a v e l e tm o m e n t sm e t h o di su s e dt oe x t r a c tt h es t a t i s t i c a lf e a t u r e s f i n a l l y , i n t h ev e r i f i c a t i o ns t a g e ，w ea d o p t ( p r i n c i p l ec o m p o n e n ta n a l y s i s ) p c aa n do n e - t o - o n eb pn e u r a l n e t w o r ks t r u c t u r et or e d u c et h ed i m e n s i o no ff e a t u r ev e c t o ra n dv e r i f i c a t i o n i tc a ne n h a n c et h e v e l o c i t yo fv e r i f i c a t i o nw h e np a r t i a li r i si su s e df o rv e r i f i c a t i o n t h ec o m b i n a t i o no fp c aw i t hb p g u a r a n t e e st h ei n t e g r i t yo fo r i g i n a ld a t a , a v o i d st h es u p e r p o s i t i o no fo r i g i n a ld a t a , f o r m st h en e w t r a i n i n gs s m p l e sa n dr e d u c e st h es t r u c t u r eo fb pn e u r a ln e t w o r kt h a tc a ne n h a n c et h es p e e do f s t u d yg r e a t l y a tt h ee n do ft h i sp a p e r , w ep r e s e n tt h ep r o s p e c to fi r i sv e r i f i c a t i o nf o rf u t u r ew o r k t h e c o m b i n a t i o no fb i o m e t r i c sa n dd i g i t a lw a t e r m a r ki st h en o v e lt e c h n o l o g yo fe x t e n s i v e a p p l i c a t i o n s ，w h i c hi sa l s ot h ed i r e c t i o no ff u t u r er e s e a r c h e so ft h i sp a p e r k e yw o r d s ：i r i sv e r i f i c a t i o n ；w a v e l e tm o m e n t s ；p c a ；b pn e u r a ln e t w o r k 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究 成果。据我所知，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，也不包含为获得东北师范大学或其他教育机构的学位或证 书而使用过的材料。与我二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 明确的说明并表示谢意。 学位论文作者签字：望耻 日期：曼! 幽 学位论文版权使用授权书 本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规定，即： 东北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权东北师范大学可以将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、缩印或其它复制手段保存，汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：虹指导教师签名：f 垂3 塑葺 日 期：龀三2 归期：盘璺l 驾 学位论文作者毕业后去向： 工作单位： 通讯地址： 电话： 邮编； 第一章引言 1 1 生物特征识别技术研究的背景和意义 随着信息时代的到来和网络技术的广泛应用，信息安全成为人们面临的一个重要而迫 切的问题。传统的密码、智能卡、个人识别账号等识别方法由于其可以被复制或盗用而不 能满足当今的高度安全系统的要求，故不能作为实际的用户鉴别方法。如何准确、方便地 鉴定用户的身份，保障信息安全，防止金融诈骗和各种犯罪活动已成为新时代的一项新课 题。正在兴起的生物识别技术正好可以解决上述问题，它以人体唯一的、可靠的和稳定的 生理特征和行为特征作为鉴别个人身份的依据进行自动身份鉴别。与传统的身份鉴定手段 相比，基于生物特征识别的身份鉴定技术具有以下优点； ( 1 ) 不易遗忘或丢失 ( 2 ) 防伪性能好，不易伪造或被盗 ( 3 ) “随身携带”，随时随地可用。 生物识别技术是利用人体的一些生物特征来进行身份识别的技术。人体有很多的生物 特征，但并不是每一种生物特征都可以用于身份识别。可用于身份识别的人体生物特征必 须满足以下几个基本条件： ( 1 ) 普遍性：是指每个人都必须具有的特征。 c 2 ) 唯一性：是指任何两个人都可以用某一不相同的特征来进行区分 ( 3 ) 永久性：是指某特征应该具有足够的稳定性，即不会随着时间或环境的变化而发生 大的改变。 ( 4 ) 可采集性：是指某特征应该可以较为方便地被采集和量化。 ( 5 ) 可接受性：是指基于某特征的识别系统应该比较容易被用户接受。 ( 6 ) 性能要求：是指基于某特征的系统应该能获得足够高的识别精度，并且对资源和环 境的要求都应该在一个合理的范围内。 f 7 ) 安全性：是指某特征不容易被伪造或模仿 由于生物特征识别固有的优越性，使它在身份认证中有着其它认证信息所不能比拟的 优势。因此，建立基于生物特征识别的身份认证系统是生物特征识别技术的一个重要研究 方向。 总的说来，人体生物特征分为两大类：生理特征和行为特征。到目前为止，生物特征 识别技术主要有1 0 种身份识别方法： ( 1 ) 虹膜识别：虹膜是一种在眼睛中瞳孔内的织物状各色环状物，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。据称，没有任何两个虹膜是一样的。 ( 2 ) 视网膜识别：视网膜也是一种用于生物识别的特征，有人甚至认为视网膜是比虹膜 更唯一的生物特征，视网膜识别技术要求激光照射眼球的背面以获得视网膜特征的唯一性。 ( 3 ) 人脸识别：人脸识别技术通过对面部特征和它们之间的关系来进行识别，识别技术 基于这些唯一的特征时非常复杂，需要人工智能和机器知识学习系统。 ( 4 ) 指纹识别：指纹识别作为识别技术已经有很长的历史了，有着坚实的市场后盾。按 照一般人的看法，指纹识别技术通过分析指纹的全局特征和指纹的局部特征。特征点如嵴、 谷和终点、分叉点或分歧点，从指纹中抽取的特征值可以非常的详尽，可以可靠地确认一 个人的身份 ( 5 ) 掌纹识别：掌纹识别是近年来兴起的一种身份识别技术，是对基于指纹和手形的身 份鉴别技术的重要补充。掌纹上乳突纹、皱纹和屈肌纹等形态各有规律，而且易于提取， 因此掌纹具有稳定性、唯一性和可分性的特点，使得掌纹可以通过计算机分析和识别。 ( 6 ) 耳廓识别：人的耳廓是个体形态的组成部分，耳廓上的耳轮、耳屏、耳垂等多个部 位的宽度，弧度、位置、形态、形状及其相互关系，构成了个体耳廓所固有的相对稳定的 特征，这些特征可以有效地被用来进行身份识别。 ( 7 ) 体昧识别：即人体气味，指人体不问断地向环境散发出的能使鼻子和大脑皮层产生 某种嗅觉的挥发性物质。体味是人体固有的、相对稳定的内源性气味。每个人体昧的化学 成分各不相同，因而可用来进行身份识别。 ( 8 ) 步态识别：是指每个人走路时特有的姿态，可实现远距离身份识别。 ( 9 ) 声音识别：声音识别也是一种行为识别技术，识别设备不断地测量、记录声音的波 形和变化，声音识别基于将现场采集到的声音同注册过的声音模板进行精确的匹配 ( 1 0 ) 签名识别：签名作为身份认证的手段已经用了几百年了，而且我们都很熟悉在银 行的格式表单中签名作为我们身份的标志。将签名数字化是这样一个过程：测量图像本身 以及整个签名的动作一一在每个字母以及字母之间的不同的速度、顺序和压力。签名识别 和声音识别一样，是一种行为测定学。 在身份识别领域生物特征的选择主要依赖于具体的应用，没有一种技术能够在所有方 面胜过其他技术，也就是说各有利弊。如果能根据使用需要，选用合适的方法，或是将使 用不同的识别技术建成的多个系统组成一个复合的识别系统，可以得到更高的识别率和更 好的系统性能。 利用人眼虹膜的终身不变性和差异性的特点来识别人的身份，是具有唯一性、稳定性、 可采集性、非侵犯性等优点，被广泛认为是最有前途的生物认证技术之一。虹膜，是位于 眼睛黑色瞳孔和白色巩膜之间的圆环状部分，总体上呈现一种由里到外的放射状结构，由 相当复杂的纤维组织构成，包含有很多相互交叉的类似于斑点、细丝、冠状、条纹、隐窝 2 等细节特征，这些特征在出生之前就以随机组合的方式确定下来，具有终身不变性和差异 性，没有任何两个虹膜的结构是完全相同的，即使是一个人的左眼和右眼的虹膜结构也不 相同。另外，发育完全的虹膜不易受到外界的伤害而产生变化。虹膜的高度独特性、稳定 性及不可更改的特点，是虹膜可用作身份鉴别的物质基础。与脸像、声音等非接触式的身 份鉴别方法相比，虹膜具有更高的准确性。据统计，虹膜识别的错误率是各种生物识别中 最低的【随着社会信息载体的便携性、高安全性及容易使用等方面提出更高的要求，基 于虹膜识别技术的门禁解决方案及其产品，便成为极具潜力的新军而倍受业界瞩目。 虹膜识别技术涉及现代数学、信号处理、模式识别、图像处理等多个领域，是当今国 际计算机应用领域前沿性的研究课题之一。与其它生物特征相比，虹膜识别被公认为生物 特征识别中最为准确的方法。虹膜具有以下特点： ( 1 ) 虹膜具有随机的细节特征和纹理特征，且这些特征在人的一生中保持相当高的稳 定性。 ( 2 ) 虹膜具有内在的隔离和保护能力，一般性疾病不会对虹膜组织造成损伤。 ( 3 ) 在不冒影响视力危险的情况下，难以通过手术修改虹膜的结构，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。 ( 4 ) 虹膜图像可以通过相隔一定距离的摄像机捕获而不须对人体进行侵犯。 1 2 虹膜识别技术国内外研究现状 随着生物学技术的发展，人们对生物识别技术的研究越来越多。国际上已有许多研究 机构投入力量对虹膜识别进行了研究，如剑桥大学的d a u g m a n 博d ： ”，m i t 人工智能实验 室的w i l d c s 博士聊，韩国汉城k o n k u k 大学的l j m 【4 】博士等。基于虹膜的身份识别思想最 早可以追溯到1 9 世纪8 0 年代1 5 】。1 9 8 5 年，a l o h o n s b c r t i u o n 将利用生物特征识别个体的思路 应用在巴黎的刑事监狱中，但是所用的生物特征包括：耳朵的大小、脚的长度、虹膜等。 受技术的限制，当时的虹膜识别主要依据颜色和形状信息，而且信息通过的人观察获取。 1 9 8 7 年，由眼科专家a r a ns a f i r f f g l e o n a r df l o m 首次提出利用虹膜图像进行自动虹膜识别的 概念，但是他们并没有开发出一个实际的应用系统。到1 9 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。随后1 9 9 3 年，英国剑桥大学d a u g m a n 博士提 出了一套成功的虹膜特征描述和相似性判别算法，从此就开始了虹膜识别产业化的进程， 现有国外的商业虹膜识别产品的核心软件大都是基于d a u g m a n 的算法，已经成功地用于大 规模人群的身份鉴定，如海关出入境检查、社会福利发放、建筑物的进出控制和银行自动 提款机等。从已经公布的大规模实验室测试实际应用的结果来看，虹膜是最可靠和最稳定 的生物特征。 虹膜识别技术的研究已经上升到了战略高度。2 0 0 0 年美国国防高级研究项目署( d a r p a ) 启动了远距离生物特征识别的研究项目，其中也包括虹膜识别。2 0 0 3 年1 1 月，美国中央情 3 报局( c i a ) 也开始研究用于监控目的的虹膜识别系统。对于我国这样一个人口众多的国家， 研究和开发具有自己知识产权的虹膜识别系统具有深远的意义国内虹膜识别的研究工作 开始相对较晚，处于起步阶段目前，中国科学院自动化所的成果处于国内领先，上海交 通大学、浙江大学等也在进行相关研究，国内还有几家公司在进行这方面的研究。但是， 国内的研究还主要集中在算法的研究上，虹膜识别系统的硬件上与一些国家相比仍存在很 大差距。 随着生物技术、模式识别、人工智能及计算机技术的发展，通过建立大规模的虹膜数 据库，人们将会在虹膜识别技术等生物识别领域的研究及应用等方面取得突破性进展。 1 3 虹膜识别技术的应用 生物识别技术的应用非常广泛，在任何需要进行身份识别的地方，都可以用到生物识 别技术。下面列举一些生物识别技术的应用领域： ( 1 ) 刑侦破案：这可能是生物识别技术应用得最为广泛的领域。2 0 世纪6 0 年代以来，生 物识别技术已经广泛应用于刑侦破案中美国联邦调查局( f e d e r a lb u r e a uo f i n v e s t i g a t i o n ， f b l ) 和巴黎警部开发的“自动指纹识别系统”( a u t o m a t e dl d e n t i f i e a t i o ns y s t e m s ，a f i s ) 已经成 功地破获了大量案件 ( 2 ) 银行系统：银行部门的自动柜员机( a u t o m a t e dt e l l e rm a c h i n e s , a t m ) 、电话银行和 网络银行等系统，比较容易被非授权者利用，从而造成重大的损失。生物识别技术的引入， 可以减少或避免这些非法事件的发生 ( 3 ) 逻辑访问控制：在信息社会，人们对于各种信息的需求量越来越大，获取信息的 渠道越来越多，信息的共享程度也越来越大。但是，在很多时候，信息和资源并不是对每 个人都完全共享，而是对不同的人设置不同的访问权限。生物识别技术可以用来控制对信 息资源的访问权限。 ( 4 ) 物理访问控制：生物识别技术可以用来限制人们可进入的地方，如某些军事基地 和核电站等，从而降低安全威胁。 ( 5 ) 社会福利：福利机构每年都会因假冒者的欺骗行为，遭受重大的损失。生物识别 技术可以从根本上杜绝这些事情的发生。 ( 6 ) 海关：恐怖分子、毒贩、非法移民和越来越多的游客使各国海关受到的压力越来 越大如何能快速、自动、有效地区分合法者和非法者是各海关面临的紧迫问题。生物识 别技术是解决这个问题的有效方法。 ( 7 ) 民政部门：各国政府已经开始用生物识别技术来记录本国人口的增长，鉴别公民 的身份和防止选举中的作假行为等。 ( 8 ) 电话系统：在过去的十几年里，全球通信技术已经发展起来。但各国电话公司同 样面临通信资源被非法利用的问题。生物识别技术，特别是声音识别技术，是解决这个问 4 题非常有效的措施。 ( 9 ) 作息考勤：生物识别技术可用来记录和监控公司职员的作息和出勤等情况。 以上只是列举了生物识别技术广阔应用领域中的一部分，随着社会的飞速发展，生物 识别技术作为一种最有效的身份识别技术，其应用范围必将迅速扩大。 1 4 论文结构 针对研究内容，本文的结构安排如下： 第一章：介绍了生物特征识别技术研究的背景和意义，虹膜识别技术国内外研究现状 及应用。 第二章：阐述了虹膜识别的系统结构，对识别系统的各阶段的任务进行了简要的叙述。 第三章：具体介绍了本文的特征提取算法。 第四章：介绍了生物特征识别中常用的分类器，并详细的介绍了b p 神经网络分类器的 学习原理。 第五章：描述了本文的实验过程，并给出结论。 第六章：对本文未来研究方向进行了展望。 1 5 论文主要工作 经过阅读大量的中外文文献，分析了虹膜识别相关的技术及其研究现状，提出了一种 基于部分虹膜识别的方法。本文提出的虹膜识别系统分为两个阶段：训练阶段和识别阶段。 在训练阶段，首先对虹膜图像进行预处理操作，主要包括虹膜感兴趣区域限o i ) 定位、归一 化等操作。然后对截取的感兴趣区域进行特征提取，本文采用小波矩方法提取虹膜的统计 特征。最后，使用p c a 技术进行特征选择，形成特征空间，并存入模板库，并用特征空问里 的特征向量训练b p 神经网络；在识别阶段，首先对测试样本进行与训练阶段同样的预处理 和特征提取操作，然后将提取的特征向量映射到模板特征空间上，形成新的低维的特征向 量，最后将其输入到相应的b p 神经网络中进行身份识别。 5 第二章虹膜识别系统 2 1 虹膜识别系统的组成结构 一般地。一个完整的虹膜识别系统主要由注册阶段和识别阶段两部分构成，如图2 1 所示。在注册阶段，首先对获取的虹膜图像进行预处理，然后进行特征提取，最后将提取 的特征形成模板库，以备和测试样本进行匹配。在识别阶段，首先对获取的测试样本经过 与训练样本相同的预处理和特征提取操作，然后将提取的特征向量输入到分类器中进行分 类。可见，这两个阶段都包括图像获取，预处理和特征提取三个步骤。 注册阶段 | 回日圆日回岛囤i = j ：二：二：二：j ：j ：j ：! ：j ：= ：二二二二二：二二：二：丑：二：j ： l 囤日叵圈日匝回日臣垂困il jl jl - j l _ j ： 识别阶段 图2 1 虹膜识别系统框图 自动虹膜识别系统一般包括以下过程： ( 1 ) 数据采集：虹膜识别的首要任务是获取高质量的虹膜图像，这是虹膜识别最难解决 的关键技术之一。由于虹膜的区分主要在于纹理细节的不同，而虹膜的纹理不是很清晰，特 别是黄种人。所以，获取图像纹理的清晰程度会严重影响识别的结果。为了使计算机能够 对来自不同人的虹膜进行分类识别，还要用计算机可以运算的符号来表示研究的对象，并 将图像转换成计算机能接受的数字信号。 c 2 ) 预处理：虹膜图像的预处理是虹膜识别系统的关键步骤，它的效果直接影响着识别 结果。预处理的目的是去除噪声，加强有用信息，并对输入测量仪器或其它因素造成的退 化现象进行复原。由于原始信号中存在着许多噪声和冗余信息，一般要进行滤波、归一化、 图像感兴趣区域定位等操作，为特征提取和选择做准备。 ( 3 ) 特征提取：由于获得的图像数据量是相当大的，为了有效地实现分类识别就要对原 始数据进行变换，得到最能反映分类本质的具有最强分辨性能的特征。 6 ( 4 ) 分类决策：根据所提取的特征在特征空间中用统计方法把识别对象归为某一类别或 者拒绝识别。通过在训练样本基础上确定某个判决规则，使按这种规则对被识别对象进行 分类所造成的错误识别率最小。 2 2 图像获取 获取虹膜图像是虹膜识别过程中最为关键的步骤，虹膜采集设备的优劣将决定所采集 虹膜图像的质量和使用的方便性，实时快速高质量的虹膜图像是提高识别有效性的根本目 标。由于人眼本身就是一个镜头，若不采取一定的措施，在摄取虹膜图像的时候，很多无 关的杂光也会在人眼中成像，从而被摄入图像中。用普通的c c d 摄像头和在正常的光照条 件下很难获得清晰的虹膜图像，下面介绍几种典型的虹膜获取设备及原理。 d a u 鲫a n 系统刚，如图2 2 ( a ) 所示，用3 3 0 r a m 的透镜，从1 5 - 4 6 m m 的距离摄取虹膜图 像，这些虹膜图像的直径在1 0 0 2 0 0 个像素之间。w i l d e s 系统f _ “，如图2 2f b ) 所示，利用8 0 r a m 的透镜，从2 0 c m 处摄取图像，图像的直径大约2 5 6 个像素。为了让参与者舒服，照明度应 尽可能的低，因此光圈不能太小，两个系统的孔径都是l c m 。两种系统都利用摄像机的极 限摄取速率，从而克服由于眼球的移动带来的模糊。结果证明，从这些摄取装置中所得到 图像的空间分辨率足以用来进行虹膜识别。 e d o 8 0 f 戳精e s 广 l 一 e o o f 8 0 fk 啼 ；、 a l i g n h 娜 u ”e s ( a ) 图2 2d a u g m a n 和w i l d e s 等人的图像获取设备 7 文献【8 】用改装的数码相机作为采集装置，为避免外界杂光的干扰，采集环境设计成封 闭型，同时考虑到人眼的舒适度要求，经过周密计算，采用若干红外l e d 按某种方式布置的 圆周上，利用透射光对虹膜进行照明，并用发光二极管作为采集时的人跟的定位指示作用， 以最大限度减弱或减少留在虹膜上的光斑，获得尽可能多的虹膜细节，图2 - 3 为装置示意 图。 人眼 l e d 数码相机 图2 3 虹膜采集装置 经过认真研究和分析，借鉴国内外专利产品的思想和原理，文献【9 】采用的系统基于 m e t e o r i i 图像采集卡和n i l m n i 普通黑白摄像头( 3 5 8m i l l 变焦镜头) ，对成像距离、镜头 参数和光源设置等进行了反复实验，研制出了能够满足分析和识别需要的成像装置。该装 置价格低廉，能够满足实验需要，其原理如图2 4 所示 图2 4 虹膜采集原理 本文实验采用c a s i a ( 1 0 版本) 虹膜图像数据库进行仿真实验，此图像库中包括7 5 6 张图片来自1 0 8 只不同的眼睛，每只眼睛有7 幅8 位灰度图像，图像大小为3 2 0 x 2 8 0 ，图2 5 显示了c a s n 数据库中部分虹膜图像。 h t t p ：w w w s i n o b i o m e t r i c s c o m i r i s d a t a b a s c i r i s l o g i n h t m l 8 图2 5c a s l 削k 膜图像库中的部分虹膜图像 2 3 预处理 虹膜图像的预处理，主要包括对虹膜定位和归一化两个步骤。 2 3 1 虹膜定位 虹膜定位是指找到虹膜内外边缘，它是蛭膜身份识别技术的关键环节。准确的虹膜定 位是通过纹理细节进行虹膜识别的基础。虹膜是位于眼睛黑色瞳孔和白色巩膜之间的圆环 状部分，总体上呈现一种由里到外的放射状结构，由相当复杂的纤维组织结构成，包含有 很多相互交错的类似于斑点、细丝、冠状、条纹等的细节特征，这些特征在出生之前就以 随机组合的方式确定下来了，一旦形成便终生不会改变 目前，关于虹膜的边界定位方法主要有d a u g m a n 等人提出的微积分方法【l o l 和c a n n y 边缘 检测与h g h 变换结合的方法【1 1 1 4 1 。微积分方法利用的是边缘幅度信息，h o u g h 变换方法利 用的是二值化边缘信息。 ( 1 ) 微积分方法 d a u g m a n 等人提出的微积分操作定位瞳孔和虹膜边界，将虹膜的内外边界近似为圆。 其原理是：当沿径向方向增大半径时，检测不同圆周上的梯度和最大值对应的圆周参数作 为定位的边界 通过微积分操作在中心位置，y 。) 及不同半径，的弧度凼上积分，然后计算相邻半径 9 上的梯度变化，将变化最大的位置作为虹膜的边界，所以虹膜边界定位实际上是参数的寻 优过程 微积分操作定义为： m a x 。，i c o ( r ) 昙l 。警竽出l ( 2 1 ) 其中，为卷积符号，t ( x ，_ y ) 为人眼图像，是搜索的圆的半径，c o ( ，) 是高斯光滑函数， q ( r ) 一( 1 芝；0 弦嘶- t o ) 2 1 2 ”2 ) ，s 是由，、而和确定的圆周，除以2 万用来标准化积分该 操作用来检测由半径和中心位置确定的最可能边界，用式( 2 1 ) 定位虹膜内、外边界的过程 就是对半径和中心位置碑宅的边界圆进行寻优的过程。图2 6 显示了用微积分方法进行虹 膜定位的结果。 图2 6 用微积分定位虹膜结果图 微积分算法在理论上，定位精度高于基于二值边缘信息的定位方法，不存在二值化的 问题，但是对光源像点等局部干扰等很敏感，要想利用微积分算法正确定位虹膜边界，必 须消除光源像点的影响问题。 ( 2 ) c a n n y 边缘检测与h o u g h 变换相结合的方法 边缘检测方法很多，如s o b e l ，p r e w w i t t ，r o b e n s 和l o g 算子等，大部分为局域窗口梯度算 子，对噪声敏感。因此，在虹膜定位中，大多数实验都采用c a n n y 算子。c a n n y 算子是类 具有优良性能的边缘检测算子，具有定位精度高、单一边缘和检测效果好等优点，它在许 多图像处理领域里都得到广泛的应用。 c 卸n y 算子【1 1 】的基本思想是：先对待处理的图像选择一定大小的g a u s s 滤波器进行平滑 滤波，然后通过非极值抑制的技术，对平滑后的图像处理后，彳导到最后所需的边缘图像， 这种算子采用两个阈值以同时检测出强边缘以及和强边缘相邻的弱边缘。因此，这种方法 对噪声和弱边缘有更强的适应性。 边缘检测的结果还不是图像边缘提取最终的结果，还必须把边缘点连接成边缘链，形 成直线、曲线、各种轮廓线等，直到能表示图像中物体的边缘。h o u g h 变换 明的实质是将 图像空间中具有一定关系的像素进行聚类，寻找能把这些象素用某一解析形式联系起来的 参数空间累积对应点。 h o u g h 变换圆定位的方程为：o 一口) 2 + o ，一2 - ，2 ，利用它来求得瞳孔的半径、圆心 和虹膜的半径。 h o u g h 变换的优点主要在于：它对于图像中的噪声点不敏感，利用它得到的效果可以 有效地消除噪声的影响缺点在于计算量大，占用内存大，以及提取的参数受参数空问的 量化间隔制约。 图2 7 显示了采用c a , m y 边缘检测算子和h o u g l l 变换方法进行虹膜定位的结果。 图乞7 虹膜定位效果图 除了上述两种方法主要方法，还有许多其它的方法，也得到了很好的定位效果。文献 【1 6 】首先用基于最长弦的方法定位瞳孔，然后用环形模板搜索虹膜的外边界文献【1 7 】使用 了分水岭分割算法与区域合并相结合的方法，有效地对虹膜图像进行分割，并减少过度分 割的现象。仿真结果表明，把这种方法用于虹膜区域割中，可以得到精确的、封闭的虹膜 边缘。文献1 1 8 】利用二值化后的灰度图像进行内边缘的粗定位，然后通过对直方图均衡后的 图像提取虹膜的外边缘进行粗定位，最后利用 d a u g m a n 算子的改进进行模板精定位。实验结果表明，该方法提高了定位的准确度和速度。 文献【1 9 】提出一种结合梯度检测和随机圆检测的虹膜定位方法，实验结果表明该方法有效可 行，可达到9 8 1 的成功定位率。 2 3 2 虹膜归一化 不同人眼图像定位出的虹膜区域大小不同，即使是同一人，由于光照和其它因素的影 响也可能造成虹膜区域的大小变化。为了便于识别必须将虹膜按同样的维数展开，因为虹 膜图像具有良好的极坐标特性，故很多文献采用极坐标转换方法 常用虹膜归一化的方法【1 2 】如下： 沿虹膜内边界向外，取各同心圆，对所有的虹膜都保持不变在每个同心圆上取 m 个采样点，这样得到一个( m ) 的矩阵，m 是常数，在所有的图像中保持不变，这 样就做到虹膜区域的归一化可利用下式将虹膜图像展开成固定大小的矩形。 1 1 j 。，y ) 一i o ) ，) 扣引“吖呦专 ( 2 2 ) y 。y p p ) + 眠( 8 ) 一) ，( 口) ) 亩， 口一2 j r x n 其中，l 为归一化后的固定大小( m ) 的图像，o ，p ) y ，p ”和瓴( p ) _ ) ，( p ) ) 为虹膜内外 边界在原图像，。中方向为口的坐标。归一化后的图像如下图( b ) 所示 图2 8 ( a ) 定位后的虹膜区域。( b ) 展开的虹膜图像 考虑到虹膜图像的上部很容易被眼皮遮挡，并且多眼睫毛，下部为照明灯光的镜面反 射或被眼睑遮挡，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，且虹膜纹理多集中在虹膜的内半圆环，外半圆环的细节不多，对于识 别的意义不大，文献【1 6 】只截取虹膜下半部分的内半圆环的3 4 部分，之后用公式2 2 展开 成大小为6 4 x2 5 6 的矩形，如图2 9 所示。文献1 2 0 为了排除上眼皮会部分地遮挡虹膜顶端， 以瞳孔为中心，按逆时针方向截取1 5 0 度到3 9 0 度的虹膜区域，然后将截取的虹膜区域在极 坐标系展开成大小为4 0 x 2 5 6 的矩形。 图2 9 虹膜部分图像极坐标展开效果图 本文预处理操作主要包括如下6 个步骤： ( 1 ) 虹膜图像中，瞳孔的灰度值远小于眼睛其他部分的灰度值，与虹膜的对比度很 大，并且瞳孔区域近似灰度值的像素分布很集中根据瞳孔的这一特征，在虹膜图像中， 1 2 找到某一固定大小窗口，此窗口为包含瞳孔的像素灰度值总和最小的那个区域，并截取 这个区域。这个窗口的大小的选取应该是对所有虹膜图片都适用，经过大量实验，本文 中截取窗口大小为1 3 0 x 1 3 0 的区域，如图2 1 咐所示。 图2 1 0 瞳孔定位过程( a ) 原始虹膜图像( b ) 标记的部分虹膜图像( c ) 截取的包含瞳孔区域的图像( d ) 为图( c ) 二值化后的效果图( e ) 去除非瞳孔区域的效果图( d 定位的瞳孔效果图 ( 2 ) 将截取的区域二值化，如图2 1 0 ( d ) 所示。用形态学操作去除非瞳孔区域，如图 2 1 0 ( e ) 所示。 ( 3 ) 找到瞳孔区域的外接矩形，如图2 1 0 ( 0 所示。矩形的中心作为瞳孔的中心，矩形 较长的边界作为瞳孔的直径 ( 4 ) 取两倍瞳孔半径的长度作为虹膜的外边界半径，如图2 1 0 嘞所示。 ( 5 ) 截取两边界之问的区域，作为部分虹膜区域。由于不同的人眼获取的区域大小不同， 将此圆形区域展开，并归一化到固定大小，本实验中，将展开的矩形归一到大小为3 6 0 c 4 8 ， 如图2 1 1 ( a ) 所示。 ( 6 ) 截取两个感兴趣区域( r o i s ) 由于虹膜区域容易受到眼毛和眼睑的影响，我们截 取部分虹膜图像，即截取展开图像的6 1 列到1 0 8 列与2 5 3 列到3 0 0 列之间的两个区域，这两个 区域受眼毛和眼睑的影响较小，如图2 1 1 ( b ) 所示 图2 1 1 ( a ) 是图2 1 0 0 ) 的虹膜图像展开结果图是在( a ) 中截取的两个r o i s 2 4 特征提取 在识别过程中，特征提取是尤为重要的步骤，也是本文研究的重点，应用不同的特征方 法提取的特征有不同的代表性。 目前的虹膜识别方法主要分为三类：基于相位的方法，基于零交叉的方法和基于纹理 特征的方法。 2 4 1 基于相位的识别方法 d a u g m a n 2 , 2 1 , 2 2 荆用2 d g a b o r 滤波器对虹膜纹理进行局部相位量化和编码，编码原理如 图2 1 2 所示，一共提取了2 0 4 8 位纹理信息，并按海明距离对虹膜进行匹配。该算法识别准 确性高，速度快，是目前虹膜识别商用系统的基础。 g a b o r 滤波、g a b o r 变换和g a b o r d 、波已经广泛的应用于图像处理、机器视觉和模式识别 等领域中。基于g a b o r 滤波的纹理分析是一种空间一频率域联合分析的方法，它具有在空间 域和频率域同时取得最优局部化的特性。文献【2 3 ，2 4 采用多通道g a b o r 滤波器获取虹膜纹理 的全局和局部细节信息。 2 4 2 基于零交叉的识别方法 盼 迸 缈 夕 图2 1 2d a u g m a n 算法编码原理图 b o l e s 等人1 2 5 】计算虹膜图像多尺度同心环的一维小波变换的零交叉点。该方法对虹膜图 像的一维信号进行四个尺度上的小波分解，并选n d 波信号的过零点作为特征值，使用相 1 4 似函数进行匹配。cs a n c h e z - a v i l a 等人l 冽推进- f b o l e s 等人提出了方法，用g a b o r 滤波器和 多尺度零交叉两种方法进行虹膜特征提取，并用欧式距离和海明距离进行匹配 小波变换【2 7 】属于时频变换的一种，是傅立叶变换发展的一个新阶段小波变换基于一 些小型波，称为小波，具有变化的频率和有限的持续时间，它具有多分辨率分析的特点， 而且在时频两域都有表征信号局部特征的能力，很适合于探测正常信号中夹带的瞬间反常 现象并展示其成分，可以为信号的分析提供一种强有力的分析手段。信号经过一级小波交 换后，将原始信号分成两个子带，一个是近似子带( 低频) ，另一个是细节子带( 高频) 。 若进行多级小波分解，则每次都在近似子带上进行小波变换。所谓小波零交叉点是指细节 子带中信号由正值变化到负值或由负值变化到正值所进过信号值为零的点 2 4 3 基于纹理特征的识别方法 w i l d s 等人田锚述了基于拉普拉斯金字塔结构的四级不同分辨率的虹膜纹理。用归一化 相关函数决定两个虹膜纹理的相似程度。l i m 等人1 4 墚用二维哈尔小波变换对虹膜图像进行 四级分解，对第四级高频信息积分形成8 7 位编码，利用改进的竞争学习神经网络进行分类。 文献 2 9 。3 0 该文提出了一种基于多层小波分解的虹膜识别算法，该算法既考虑了虹膜纹理 的全局特征又考虑了局部特征。文献【3 1 】提出了一种基于局部小波变换和奇异值分解的虹膜 识别算法，该算法首先对虹膜图像实行分窗小波分解，并对各窗口的子带图像作筛选处理； 然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特 征；最后利用加权欧氏距离分类器进行识别，基于c a s i a 虹膜数据库的实验结果表明了该 算法的有效性。文献【3 2 】利用四级小波包分解产生1 6 6 4 位编码，并用海明距离进行匹配。文 献【3 3 】针对虹膜纹理图像的特征表示主要集中在中高频能量部分，对图像进行二级小波包分 解，提取出第一级和第二级的中高频部分的能量分量作为特征向量，并采用欧式距离作为 模式识别方法。此方法克服了用小波分解只提取虹膜的低频部分，从而不能充分地反映纹 理的特征的缺陷。文献【3 4 】提出了一种基于小波包变换和支持向量