（计算机应用技术专业论文）基于虹膜的人体特征识别方法研究与实现.pdf

摘要 近年朱，各种各样静人体特鬣识剐方法的研究已经褥到了广泛的重橇，也有 越来越多的基于人体特征识别方法的身份认证系统达到了商用豹阶段。本文首先 对葺前 t 较前沿酶凡种人体特征谈翔方法进行了分缙，并主要针辩其中研究空间 较大，商用范围棚对较小的虹膜识别技术进行了研究。 本文在对虹貘谈弱按术静繇究中，掇舞了墓予塑像获发壹方灏分析懿、自动 选取闽值来二值化图像的方法确定虹膜的圆心和长、短半径，提取虹膜图像。该 方法蓄惫针对瞳强灰度餐与黢罄冀德部分获疫爨鸯突变饿静特餐，选择塞方圈中 第一个波峰的结柬点作为闽值来二值化眼部图像，分离出瞳孔，然后从下而上扫 攘瞳琵切线确定戆藐懿毽心帮拳经，簌露褥至l 薹蒌黢鎏稼瓣瑟心褰缝半弪。其次， 通过迭代法来计算区域灰度平均值，二值化后确定虹膜的外边界，实际上是确定 了虹貘与戮貘的边器，孬 薯摇切线嚣褥到戆摸懿长半径。凝惹枣长半径与短半径 的差得到虹膜的宽度。 在特征提取瓣，不嗣于髫兹饕遗采爆熬对获取列静蛙貘图缳遴行对域秘频域 分析特征的方法，对虹膜图像进行了矢量化，即用双三次样条函数对虹膜图像进 行分析，撂到了炽貘图像的特征镶( 二阶导数) 。使虹骥识剐技术的识别速度以 及识别精确性上襻到一定程度的提高。 在本文的工稷实现中，采用了目前价格比较低廉的e c d 摄像头装置摄取虹 膜图像，并开发了虹膜图像摄取装置的驱动程序。强化了对虹膜图像的顽处理， 希望在能够保证识别精确性的前提下，降低商用蜕膜识别系统的硬件成本。 关键词：人体特征识别方法；虹膜识别；直方图；图像矢量化；取三次样条 函数；图像颓处蠖；边缘提取；特征提取 引言 人体特征识别方法，也叫生物特征识别方法，是指利用人的独特的生理及行为特 征进行撩别的身份认证的技术手段。它的产生殿发展源于人们在近谶数字时代的过程 中对身份验证方法的准确憔与便捷性不断提高的需求。传统的身份验证方法主要包括 舅徐稼浚秘( 舞锈建、诬磐麓) 戳及骞爨据谈臻惑( 熟张号、蜜殛笛) ，蕺老戳上二豢 酶结合( 如银行卡等) 。人们在使用过程中发现，蚀 f j 都存在着共同的缺点：易于遗失 和伪造。而且传统的身份验证系统并不能有效的识别持有这些身份标识事物的人是否 是真正的拥有者。因此，一旦被冒充，真正的拥有者将遭受极大额的损失。因此，人 体特征识别方法作为一个更加有效的解决方案逐渐得到广泛应用”1 。 人体特蔹识舅l 方法的 茏点及意义 由于人体特征识别方法魑针对人们自身独特的生理和行为特征来进行识别，因此 与传统的身份标识事务相比，它不会被人们遗忘溅丢失，也不容易被伪造或窃取。所 以它被营遍认力是一种更加方便、可靠、成本低廉的大众他的身份识别手段。屋前， 荚国爱羹本瓣黎分壤毒亍，邑嚣始在龚囊藿员橇主袋弱蓬魏鉴麓方法塞臻谈耀户。美謦、 中国香漆等许多国家帮地嚣鹣大学郡藏立了以人体生物特征识别技术为主要研究方向 的实验塞或研究中心。0 13 据科学时报报道，在我国发行的第二代居民身份证上也设有 专门芯片来存储指纹信息、虹膜特征等人体特征傣息。这些事实袭明，有效地开发和 利用人体特征识别系统有麓煎大的社会和经济徽义”1 。 人体特征谖舅l 方法的种类 一般来说，人体特征识别方法包含有两类：一类是根据人的行为特征进行识别的 方法：另一类是根据人的生物特征进行识别的方法“3 。 根掇人的行为特征识别方法主要包括：笔避豢别、步态识别和声绞识别等。 笔逡鏊臻：每令人写爨寒瓣字迹邦是不弱茨，因筵霹强震来对书写入豹令葵进 亍 区分。镶迹鉴别方法有两静：静态识舅g 和动态识剐。静态识别就是对准备荮的字迹的 几何特征进行辨别，但是字逊易于伪造和模仿，因此应用价值不大。动态识别是指对 书写者的书写全过程进行监控、采样和鉴别，包括运笔的方向、顺序、速度、加速度 等，再继合字迹的静态特征进行识别。这种方法被伪造和模仿的困难狠大，因此防伪 性缀毫。毽是动态识裂霉要蕊技术本身分复杂，要求麴精确度也缀态，灏殴怒运囊 虹膜识别方法与其他人体特征识别方法的比较 在所有生物特征中，指纹相对稳定但录取指纹不是非侵犯性的。脸像特征具有很 多优点( 如主动性、非侵犯性和用户友好等) ，但脸像随年龄变化，而且容易被伪装。 声音特征具有与脸像特征相似的优点，但它随年龄、健康状况和环境等因素变化，而 且说话人识别系统也容易被录音所欺骗，容易被伪造。虹膜特征识别解决了这些问题 而且同时还具有上述其他生物特征所不具备的一些优点，故在近年来虹膜识别技术被 广泛认为是最有前途的生物识别技术之一”3 。 虹膜识别技术国内外研究现状 近年来，国内外学者对虹膜识别技术进行了深入和广泛的研究，并取得了较大的 进展。具有虹膜识别功能的自动取款机、出入口虹膜识别系统近年来也先后在美国、 同本、英国等国家开发并应用。我国的虹膜识别技术由于刚刚起步，投入的人力、物 力很少，目前仍没有生产出实用产品。中科院自动化研究所、深圳思创集团、吉林大 学等研究机构均已开展了虹膜识别技术的研究，并取得了一定的理论和实验成果。 目前国际上该方向的研究与应用主要由美国i r i s c a n 和s e n s a r 两家公司所主导( 其 中i r i s c a n 被评为美国1 9 9 8 年5 0 0 家发展最快的公司之一) 。国内主要有中科院自动化 所模式识别国家重点实验室“1 。 指纹”。 虹膜纹理具有稳定性和不变性。除非发生病变等特殊情况，人的虹膜纹理在一生之 中都不会改变，并且通过手术改变虹膜纹理的风险也很高。 虹膜纹理可提供的特征信息量大，因而在应用于识别的时候可靠性高。 虹膜具有内在的隔离和保护能力。 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 体进行侵犯均，因此有别于指纹识别和视网膜识别等侵犯型性识别。 1 2虹膜识别技术的发展历程 虹膜识别的发展已有了很长的历史，它的发展大致可分为三个阶段“1 ： 第一阶段是理论提出阶段。大约在1 8 8 5 年，法国人a l p h o n s eb e n i l l o n 在巴黎的 刑事监狱中尝试利用虹膜进行身份的确认，当时主要依赖于人的观察。在1 9 8 7 年，两 个眼科专家l e o n a r df l o m 和m a i l s a f i r 提出人的虹膜具有唯一特征，并可以作为识别 身份的有效手段。 第二阶段是理论研究阶段。1 9 9 3 年，英国剑桥大学的j o l nd a u 舯a i l 博士研究出 一套数学算法，可以通过捕捉虹膜的视频图像，进行数字编码、分类、存储，最后和 实时捕捉的虹膜图像对照。但是d a u g m a n 博士只给出了算法的框架，有关算法的具体 实现却未见文献报道，在实现的过程中有许多问题仍然值得研究。尽管如此，后来很 多的虹膜识别算法都是以此为基础展开的。近年来，国内外学者对虹膜识别技术进行 了深入和广泛的研究，并取得了较大的进展。1 第三阶段是实用发展阶段。近年来，具有虹膜识别功能的自动取款机、出入口虹 膜识别系统先后在美国、日本、英国等国家开发并应用。另外在网上支付、门禁保安、 远程登录以及对罪犯或嫌疑人的识别与管理等领域都有很好的应用前景。2 0 0 0 年开 始，美国开始专为航空公司飞行员、机组服务人员和机场职工设计的“虹膜通行证”在 机场启用，这是该技术在全球航空公司和机场首次得到正式应用。 1 3虹膜识别技术的优点及意义 虹膜识别具有唯一性、稳定性、可采集性、非侵犯性等优点。非侵犯性( 或非接 触式) 的生物特征识别是身份鉴别研究与应用发展的必然趋势，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，到目前为止，虹膜识 别的错误率是各种生物特征识别中最低的。因此，基于虹膜的身份鉴别技术日益得到 学术界和企业界的重视。”1 第二章虹膜谖别技术韵一般过程 虹膜识别技术的过程一般来说分为：虹膜图像获取，图像预处理，特征提取和特 征匹配四个步骤。虹膜图像获取是指使用特定的数字摄像器材对人的整个眼部进行拍 摄，著将籀摄蚕静蓬像逶遭图豫采集卡健输弱计算稳中存储。图像颈处遴是稽鑫；i 予拍 摄到的眼部图像包括了很多多余的信息，并且在清晰度等方面不能满足隳求，需要对 其进行包括麟像平、娼、边缘检测、图像分离等预处理操作。特铤提取是掺通过一定豌 算法从分离磁的虹膜圈像中提敬幽独特的特征点，并对其进行编码。最艏，特征隧配 是指根据特糕编码与数据库中事先存储的盥e 膜图像特征编码进行比对、验证，从而达 到谈别魏譬鹣。 2 虹貘圈像获取 蓬簇霆稼兹获致楚嫠令薤貘谚 裂过程戆第一多，瞧是最堂要豹一步。蠢为摄敬鹫 符台要求的虹膜图像怒实现虹膜识别的基础。一般情况下，虹臌图像获取过程如图2 1 所示； 圈2 一l 虹膜图像获取过穰 拍摄时被拍摄者将眼睛置于摄像镜头前5 一l o c m 处，此时摄像机获取到的人的眼 爨踅豫最大，涛摄缘瓿焦距谖整豹较枣哥激饺豪嫠黧後更清辫，为了不受鬟嚣境礞声 的干扰，一般情况下需矮构建人工暗室，并配以辅助光源。摄像机通过图像捕捉卡捕 获剥眼部图像后，首先进行内部的数字化，然蜃姆图像数据传送到计算耋豫的图像采集 卡中。荐通过应霜程序将图像数据存储，颓处理后保存迸数攒瘁。 6 一组自相似的小波“。利用这些小波对图像进行变换，就称为g a b o r 小波变换。这些 函数与原始图像像素相乘和积分可产生一系列系数，从而可以提取图像纹理信息1 。 2 3 2 引入神经算法 在获取虹膜采样图后，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“3 。这种方法主要是用一维小波变换“o 分析虹膜图像的灰度值，用松弛神经网 络算法寻找全局的最优解，并在编码的方式上采用一种稀疏编码的方法来表征虹膜独 特的纹理“3 。 2 4 特征匹配 特征匹配的任务是根据以上分析得到的特征编码，与识别系统内置的特征编码进 行比对，进而得出结论。特征匹配的模式也可分成两类，即验证( 即判断是否是此人) 和辨识( 即查找有没有这个人) “。特征匹配的方法目前主要有3 种“： 2 4 1 通过比较两个虹膜特征码的h a m m i n g 距离( h d ) 来实现 该算法是通过比较两个虹膜特征码是来自相同的个体的虹膜，还是来自不同个体 的虹膜。比较虹膜代码a 和虹膜代码b 的l 位的每一位( 一般取1 0 2 4 或2 0 4 8 ) “。 h d 定义为： 月d ：三争彳 b 上智。 2 ( 式2 - 4 ) 由上式可知，a i 、b i 进行异或运算，只有2 个编码相同，h d = o ；若2 个编码不 相同，h d = 1 。大量实验结果表明，由于受环境等因素的影响，把同一虹膜的不同时 间提取的特征码进行比对时，h d 分布的峰值将在o 1 附近。不同虹膜的特征码进行 比对时，h d 分布的峰值将在0 5 附近，如图3 2 所示的特征匹配部分： 0 0 5 薹n 0 4 g 窭0 0 3 蕻 趔 罄仉0 2 譬o o i 皇 00 20 4o 60 8 图3 2 虹膜特征码的h a m m i n g 距离” 横轴为码间距离 i d ，纵轴为概率密度函数。这样通过计算h d 就可以进行个人 身份识别“1 。 2 4 2 基于一种加权的h 锄i n g 距离( w e i g h th 姗i n gd i s t a n c e ) 这种算法是对上一算法的改进，其如下定义两个不同虹膜间的归一化码间距离 ( 2 5 6 2 5 6 的图像共分为2 5 6 个1 6 1 6 的小块) 。”： 击 去 ( 雾南e 卜+ 曙4 ：。马：) 。+ 曙4 - 。骂。 4 ：+ 曙厶。弘t + 皋疃h 扣小博h 扣岛 8 u 憎蛳。， 定义虹膜的码间距离体现了编码的权重，避免了象常规h a m m i n g 距离那样把各个码元 等同对待。如果两编码相同，w 壬d = 0 ；如果两编码各位均相反w h d = 1 ，设编码的各 位为1 或等概率，且相互独立，易推知ew h d = o 5 。这样，通过计算虹膜图像间的w h d ， 就可以进行身份识别了。“ 2 4 3 用相关系数作为匹配的测度 这种方法省略了特征提取的步骤，直接采用相关系数测度“”： 其中 舻赢甸 1 0 c 。f x 1 鼍g x ，。_ e l g f x ，y j j i g x ，y j - e lg j x ，西j ) d x 。y c 鼹2 f x 。l 鼍i g x ，。e lg l x ，y l j ：d x d y c i s 2 。1 鼍：g l ，茹一基l g j x ，茹3 ；! d x e c g x 圳。志。酚洲， 耽阮加高h 皿阢胁n ( 搠 歇x ，y ) 为参考蓬豫羰发蕴，| 毯为转之嚣积“8 。 但怒，这种方法的在蕊配的准确度l 奠及速度上都无法与特征掇取后的特征匹配方 潍柏似 1 8 3 1 2 三次样条函数张翡醚蛆鼙墼；掣嘉翌驰翔一垄鲤再币崮孥彰型? j 际哥一辱弭埠 罐潦谣潆嗜灌麓。濮撼珲型算慧i i ? 疆行| 驰耕弭型缈官丽羊耍任务是清除漂移掰碟哨孺疆； 纛渊翼雾氍继，z 鬻夏瓣纛；囊 囊瓣一：黛藤委! 鬻鲁熏纛纂薹瓣影 # 巨接着进行虹；刚曼s 群掣刍裂藩； 鋈鬟鬻。裂拳；薹 蘸巨!毒障。 酥葬薪j 霆菇重蠢警嚣羹。蓁震；i?瞳孔的平均 灰度值基本上成阶梯状分布，所以可以利用这 一特征搜索虹膜内外边缘”1 。 虹膜定位比较传统的做法是首先用经典的s o b e l 算子检测边缘，然后进行h o u 曲 变换，提取虹膜圆心及外缘半径，接着进行虹膜与瞳孔的分离。 目前比较新颖的做法是一种新的粗定位与精定位相结合的方法“3 ，首先先通过粗 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，它利用了图像的灰 度特征。由于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“。为了求出瞳孑l 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。但是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，但已经给出了精定位的大致范围。然后 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，这样定出的参数据称可达 到单像素精度，有利于精确的匹配。通过这两步法，瞳孔定位不仅准确，而且速度很 快。对于虹膜外边界的定位，由于虹膜略偏向于鼻侧，与瞳孑l 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 m - 一云【，( 咿m - 2 ) m ” 凸：三【，( 船+ ，) 一，( 赫一。) 】 圾 员l 上述方程缀可以表示为： 不难看出，上述方程组为带状方程组，求解此方程组便可获得鱼竽。 3 2 双纛次样条函数 3 2 1 双三次埃尔米特蛹数 h ，l 曩，( x ，y ) = ，( x ，弦) 垂( x ) 痧( y ) r ， 十4 拶笔墨屿：( x ) ( y ) 暑a z a y 1 、“7 其中： x f 、y ；、，( x ，弦) 为已麴 ( x r 并x + i ) 、( m y + 1 ) 笪掣、望掣、望掣镣定 g xdva 羔d v 晚o“舢* 比如肌址缸址 ooiioijoooooo皿 0 0 o o l 4 0 o o l 4 ， o o 0 4 l o 一 一 o l 4 爵o o ，4 l o o o 4 ，o e 0 o 菱劫 f 幺w 岫f 幺 令： j = x f + 1 一x f ， y = 弦+ l 一弦，则 痧c ( x ) = 庐r + l ( x ) ( 工r + l x ) 2 2 ( x x 一) + 矗， 纵炉皿型号 盟型 咖+ ，( y ) 妒一( 工) = + l ( x ) = 一 y j ( y ) = o ) ：一业_ 丛华旦型 n 3 2 2 双三次样条函数 建立双三次样条函数的过程，可以简化为沿着x 、y 方向分别建立三次样条函数。 首先，沿着x 方向确定旦粤业；次之，沿着y 方向确定旦粤型；再次 d xv 之，利用曼笔生上立沿着y 方向确定旦二里冬_ 业。详见三次样条函数。 d xdxdv 4 1 获取眼部图像 第四章本论文工程综述 4 1 。l 目前图像获取方式存在的问题 国外及国内的一些实力雄厚的科研机构因此开发出了自有知识产权的符合其要求 的虹膜图像获取装置。例如，美国的m s c a i l 公司开发出来的虹膜识别设备w 从约3 0 c m 努获得清瘊謦像 鏊蠹豹中释浣蠢动诧礤究所模式谈箍国家重点实验室鑫行疆稍窭了 具脊自主知识产权的虹膜摄取装鬣，从拍摄效果来看缎比较理想。但是，这些装置目 前的徐格都十分昂赛，像l 疽a n 公司的设餐售价高达6 5 0 0 美元，两中科院的的蟋膜 图像摄取装置套装( 含接口软件程序) 售价也达5 0 o 元人民币以上。遮些装置高昂 的售价使普邋的爱好虹膜识别系统开发的研究人员望丽却步。 4 1 2 本论文工程采用的图像摄取装擞 随着科学技术的不断发展，目前市面上销售的各种低价位的图像摄像装置如：数 码捆机、摄像头等层出不穷。它们摄取到的图像的清晰度也在不断提高。虽然现在还 不髓完全达到技术主要求，但是经过软襻技术酶嚣赣处理，氇游经完全貔够满是研究 上的需要。 本论文工程敢蛭貘蹦像摄取装霪采用瞧是卓为( s o v l c ) s p 。3 1 3 摄像头，在嚣裁市 面上属于中稻偏上的款主流摄像头，价格约为r m b l 3 0 元左右。该摄像头采用的是 最新c c d 效果的c m o s 感光芯片，图像分辨率为3 s 万象素( 6 4 0 4 8 0 无软件插值) ， 内黉低嚣度浆疆秘光滚，毯最大漩麦减少对人鼗豹裁澈，霞臻辩酝瑷久王密室，馈人 的服部图像觉清晰、明亮。图4 1 是本论文工程采用的摄像头虢取到的人限部图像： l 矗 f i l t e r 负责数据的输出，例如i 将数据送到显卡、声卡避行多媒侮搔放，或者输出劐文 件进行存储等0 3 。 使用d i r e c t s h o w 来驱动摄像头，一般要求摄像头的驱动是w d m 格式的，些比 较老的驱动格式( 如v f w 格式的) d i r e c t s h o w 也可支持。d i r e c t s h o w 驱动摄像头的 过程分二步，如图4 3 所示： c 矗p n ”e m o l l i t 甜s c l e 蝴1 p m c a p m r ef i i t e r r e n d e r i i 培f i l t e i ( s o i l l c ef 王 e 1 ) 秘糌妇w v 树 裴翱d # f m l蛐l 图4 寸d i 撺c t s h o w 驱动摄像头的滚程囤 第一步，通避c a p 妞譬f i l t e f 来支持对摄像头的擒获，c a p t u r ef i l t e r 属予s o u r c e f i l t e r 的一种，一般对应着计算机的图像采榘卡。它的数据传送模式属于“撼”模式。这矛中 模式能够主动产生数据并使用专门的线程使数据继续传送下去。e a 群u f ef i l 据f 有多个 撬臼p 巍，其中的c a p t u r e p i n 和p r e v i e wp i n 都楚输酲采集的视频数据的，值前者主要 用于写文件，输出的每个帧上都有时间戳，丽质者主要用于显示，输出的帧上没有时 间戳。函此，我们需要使用的是p r e v i e wp 纽。由于c a p t u f i l 砉e f 采集到的视频帧都是 符合显示接式的，函诧在这里可以省略t r a n s f o n nf i l t e r 的过程，壹接送到r c n d e r i n g f i l t e r 中。 第二步，数据从p r e v i e wp 泣出来屠，调用r e n d e 如gf i l l e r 中的r e c e i v e 两数，实 现数攒从c a p t u r ef i l t e r 到r e n d e r i n gf i l t e r 的传送，最后到达输出设各，即照示器屏幕。 成功的对摄像头进行驱渤扁，就可以在应用程序中对摄像头捕获的图像进行即时 预蹩，帮助拍摄者调整眼睛在摄像头的镜头中的位置。 4 ，1 4 本论文工程应罱程序对圈像韵存储方式 d i r e c t s h o w 技术提供了一矛中抓取褫频顿的工其：s 鼬p l e 研a b b e rf i l 协f 。实际上 s 锄p l eg f a b b 牲可以抓取任傅类型的s a m p l e ，但我们只需使用它抓取视频帧的方法。 抓取过程如下，如图4 4 所示： 翻4 - 4s a m p l eg r a b b e r 抓取图片的流程圈 第一步，宅i 建s a m p i og r a b b 甜，并将箕加入菇f i l t e rg 张p hm a n a g e r 中。 第二步，为s a m p l e0 r a b b e r 设置p i n 上连接用的媒体类型。一般情况下，我们抓 取翡莛2 4 经或3 2 使酶r g b 图片。实际土，在程序星我稻可戮撮据当前显示器静酝置 来设置s a m 出g r a b b e r 接受的r g b 类型。 第三多，采矮d i r e 融s h o w 酶“餐麓连接”辊露l 来完藏f i l t e r 国a 馥斡褥建。这是 因为，我们已经在s 锄p l eg r a b b e r 上设置了媒体类型，其他的f i l t e r 必须以这种媒体 类黧才能与s 啦静l eg f a b b e 磅l 连接。 最后，运行f i l t e rg r a p h ，将输入的s a m p x 4 2 1 将获取到的眼部图像转换为灰度图像 b m p 图形文件是w i n d o w s 采用的图形文件格式，在w i n d o w s 环境下运行的图像 图像处理软件一般都支持b m p 图形文件。晰n d o w s 操作系统内部的各个图像绘制操 作也都是以b m p 图像格式为基础的。b m p 图像文件格式主要分为设备无关位图( d i b ： d e v i c e i n d e p e n d e n tb i t m a p ) 和设备相关位图( d d b ：d e v i c e d e p e n d e n tb i 舡n a p ) 两种 格式。w i n d o w s3 o 以后的w i n d o w s 操作系统都极力推荐使用d i b 格式，目的是使 w i n d o w s 能够在任何类型的显示设备上显示所存储的图像。 b m p 图像文件格式主要有1 、4 、8 、1 6 、2 4 和3 2 位等图像格式。3 2 位b m p 图 像文件格式表示该图像有“种颜色，图像中的每个象素用3 2 位表示，一般情况下该 文件格式没有调色版，3 2 位中的最高8 位保留，其余8 位表示红色，8 位表示绿色，8 位表示蓝色。8 位b m p 图像文件表示该图像有2 5 6 种颜色。图像中的每个象素用8 位 表示，并用这8 位作为索引在彩色表中查找该象素的颜色，8 位b m p 图像一般也叫做 灰度图像。 在本论文工程中获取到的图像是3 2 位的彩色b m p 图像。3 2 位的彩色图像存储的 图像色彩数据较多，图像文件的体积也较大。但是从本论文工程中图像识别的要求来 看，这些都是不必要的，因此有必要将其转换为8 位的灰度图像。 转换公式为： g 瑚l y ( i j ) = o 1 1 + r ( i j ) + 0 5 9 + g ( i x 4 2 2 平滑眼部灰度图像( 去噪声) 目前，通过大部分的低端或者高端的摄像装置摄取到的图像由于硬件设计上的原 因，都在摄取到的图像中形成一些噪声，这些噪声一般用用肉眼不易发现，但在图像 识别时会对识别效果造成极大的影响，甚至于导致识别的失败。因此，必须将其从待 识别图像中去除掉。这也是目前图像处理中的难点之一。 图像平滑主要是为了消除噪声。噪声通常并不只是人眼能够看见的失真和变形， 有些噪声只有在进行图像处理时才可以发现。图像的常见噪声主要有加性噪声、乘性 噪声和量化噪声等。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平 滑不当，就会使图像本身的细节如边界轮廓、线条等变得模糊不清，如何既平滑掉噪 声有尽量保持图像细节，是图像平滑主要研究的任务。 由于一幅图像的大部分像素的灰度与临近像素的灰度差别不大，存在很大的灰度 相关性，这就导致了图像的能量主要集中于低频区域，只有图像的细节部分的能量处 于高频区域中。由于噪声的随机性，它们对某一像素点的影响将使其灰度和邻近点灰 度大为不同，这样图像噪声和假轮廓就往往出现在高频区域中。这样我们就找到了去 掉噪声的有效途径。 去掉噪声，即衰减高频分量，增强低频分量( 即低通滤波) 。这样平滑的缺陷是在 衰减噪声的同时，对图像细节也有影响，使图像变得模糊。就一种平滑方法而言，要 兼顾去掉噪声和假轮廓而保持不要太模糊。 图像平滑方法包括空域法和频域法两大类。本论文工程中采用的是空域法中的加 权均值滤波，它是用一个有奇数点的滑动窗口在图像上滑动，将窗口中心点对应的图 像像素点的灰度值用窗口内的各个点的灰度值的平均值代替，如果滑动窗口规定了在 取均值过程中窗口各个像素点所占的权重，也就是各个像素点的系数，这时候就称为 加权均值滤波”。图4 6 是本论文工程应用程序平滑后的人眼图像： 图4 6 本论文t 程应用程序平滑后的人眼图像 经过平滑后的图像，由于摄取时摄像头分辨度不足造成的噪声已经较大程度的被 消除，边界也比较模糊。 4 3提取虹膜图像 4 3 1 读取眼部图像的数据 在瓣b 麓p 凌豫逡嚣楚爨蔫，蓄先要了瑟瑟醚p 文箨瓣结褥。b m 挚文舜兹遗容大 致可以分成4 个部分： 第一部分是b m p 的文件头。结构如下： t y p e d e f s t r u c tt a g b i t m a p f i l e h e a d e r u 戮攀 b 曩箩辨； d w o r db 塔i z c ： u i n tb f r e s e r v e d l ： u i n tb f r e s e r v e d 2 ： d w o r db f o f l b i t s ： b l t 鹾a p f l l e h e a d e r ，率p b l 下醚a p f i l e 挂e a d e 廷： 它的佟用是描述整个搀m p 文俘的清潺。其中：b 毋p e 瘸子表示文件类型，鲤栗 它是b m p 文件，那么它这个位踅的值一定是“b m ”也就是o x 4 d 4 2 ；b f s i z e 表示整个文 件的字节数；b 艰e s e r v e d l 和b 缎e s e r v e d 2 保留，灏意义；最后一个袭示位图的数据信 息离文件头的偏移量，以字节为单位。 第二部分是位匿售息头，帮b l t m a p i n f 0 差嚣a d 嚣r 。 髓法f 惑瑚e tt a g b l t 嫩a p 粼f 攒 嚣a d e r d w o r db i s i z e ： l o n gb i w i d t h ： l o n g b i h e i 垂l t ； w o r 转b i p l 强o s ： w o r d琰b i t c o u n t ： d w o l t db i c o m p r e s s i o n ； d w o r db i s i z e i m a 萨； l o n gb i x p e l s p e f m e t o r ： l a n gb i y p e l s p 爨l e 捷g ： d w o 张db i c l r u s e d ： d w o r db i c l r h n p o r t a n t ； b i t m a p i n f o h e a d e r ，嗥p b i 下m a p i n f o h e a d e r ： 它的作用是描述整个位图文件的情况。其中：b i s i z e 表示本结构的大小；b i w i d t h 表示位圈鲍突凄；b 激e i 曲t 表示位图魏高度；b i b i l e 铺n t 表示位图的缱数；b i s i z e l m a g e 析，结果如图4 9 所示 图4 9 灰度南方图 在本论文工程中对图4 - 8 的直方图计算结果可以得出，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。具体观察第一个峰值，其基本呈j 下弦函数状分布，以7 2 为波峰( 值：8 8 4 ) ， 左侧6 2 ( 值：o ) 为波谷，1 4 周期为1 0 。据此，我们确定右侧的波谷为8 2 。根据分析结 果，对图4 8 进行二值化( 程序见附录1 ) ，阈值为8 2 ，结果如图4 1 0 所示： 图4 1 0 二值化结果 从图4 1 0 可以看出，得到的瞳孔( 虹膜内圆) 比较完整，边界比较清晰，基本没 有噪声。接下来对可以对图4 1 0 进行从下至上的逐行扫描，寻找瞳孔的上下切线。基 本算法( 程序见附录2 ) 是： ( 1 ) 从y = o 开始逐行扫描，每次y 十1 ，将扫描到的每行的黑色象素( 灰度值 为0 ) 的个数存入数组c o u n t i 中。 ( 2 ) 从i _ o 开始分析c o u n t i 】的内容，每次i 十1 。第一次出现c o u n t 【i 】的值不等于 o 时，一定是瞳i l 的下切线，i 等于下切线的y 值，记为m i n y 。此后的c o u n t i 】的值均 不等于o ，继续分析，当出现c o u n t i 】的值为o 时，一定是瞳孔的上切线的上一行，因 图4 。1 4 环形的虹膜图像部分 4 3 5 建娆极坐标蘸，分离虹膜图像 莆先声明个矩形数组，数缎的高度等于虹膜图像的宽度，然后以任意角度为越 点( 傻每次选取的起始角疫应一致) ，将扫过的面积的宽度作为艇形数组驰x 僮。本文 选取了虹膜纹理最丰富的o 度到9 0 度之闯豹虹簇图像。这样就勰扇形的虹膜图像平簇 成了矩形。得到的图像擞然可能包含部分眼睑和睫毛，但至少可以保证8 0 以上的有 效聱分，符合霾酝懿要求。霆4 一1 5 是努裹爨瓣蛭貘爨像： 图4 ，1 5 分离出的虹膜图像 强4 一1 6 楚图豫增强薅薤簇銎稼： 4 3 6 特征提取 图4 。1 6 是图像增强后虹膜图像 建立一个特征矩阵数组，x 、y 值与上一步中的矩形数组一致，用来存放相或的 特征值。由于猩第( 二) 个步骤中进行边缘提取时，对虹膜图像进行了双三次样条函数 豹分梗，努裂褥到了蛭簇露豫中每令象素点数x 、￥坐据瞧一导滋数戆篷r x ，d r y 季l 二 导函数的值d r x x ，d r y y 。这些值对于虹膜图像中的每个象素点来说都是其独有的、 能对篡进行唯一标识的傻，因此都可以作为特征值来利用。本工程中提取的是每个象 素点瀚二导丞数作为其将征僮，因戴在本步骤中可以誊菠将萁读入至l 特征辍澎数缰中。 4 4 特征匹配 4 4 1 用海明距( h a m m i n gd i s t a n c e ) 进行特征匹配 海明距( h 跗m i n gd i s t a l l c e ，简称h d ) 是理查德海明( 甜c h a r dw e s l e y h 锄m i n g ，1 9 1 5 1 9 9 8 ) 最初为了解决通信中存在的误码问题而发明的。简单来说，它 是指同样长度的两个码中，对应位不同的码的个数。比如：1 0 1 0 1 和0 0 1 1 0 ，海明距为 3 。海明距定义的公式见式4 3 ，其中4 和e 为待比较的两端代码，圆为异或运算，l 为代码的长度： 肋2 寺萎4 z ( 式4 - 3 ) 在第二章已经介绍过，将两幅虹膜图像的特征编码进行按位比较时。同一虹膜的 不同时间提取的特征码，其h d 分布的峰值将在o 1 附近：而不同虹膜的特征码进行 比对时，h d 分布的峰值将在o 5 附近。这里所说的分布的峰值是按位比较时，两段 特征编码相应位相同的概率的最大值。 因此，对已经得到的虹膜图像特征矩阵数组，首先要从中随机的选择一段l 长度 的代码( 二进制) ，即随即选择代码段的起始位置。这里要注意的是，对于待识别的两 段代码，起始位置要尽量一致。l 的值可随意设定，但l 的值越大，匹配的时间越长， 速度越满，识别的精度越高，匹配的正确率越大；反之，l 的值越小，匹配的时间越 少，速度越快，识别的精度越低，匹配的正确率越小。本工程中l 的值设为2 0 4 8 。 4 4 2 本论文工程采用的身份识别模式 进行虹膜匹配时，有两种身份识别模式：验证( v e r i 丘c a t i o n ) 和辨识( i d e n t m c a t i o n ) 。 验证指的是验证用户是否为他所声明的身份，而辨识指的是确定用户的身份。 从实现方法来看，验证模式由于已经知道了用户所声称的身份，因此应首先搜索 数据库中是否存在该用户：如不存在，直接返回错误信息；如存在，将即时获取的虹 膜特征码与系统数据库中已存在的该用户的虹膜特征码进行比对：如相同，进行下一 步操作( 如返回正确信息) ；如不同，直接返回错误信息。而辨识模式在识别时不清楚 用户的身份，因此需要用即时获取的虹膜特征码与系统数据库内所有用户的虹膜特征 码进行类似于搜索似的一一比对，直到匹配成功或全部搜索完毕。如比对成功，则返 回该用户的身份，并进行下一步操作；如比对失败，则直接返回错误信息。 从效率上来看，验证模式需要的处理及匹配次数只是1 次，而辨识模式需要的处 理及匹配次数大于等于1 次，小于等于系统数据库中的用户的个数。因此，验证模式 的效率骚商予辨识模式。本互程中即采用了验诞模式来进行身份谈剐。 4 5 虹膜识别系统的性鲢评价指标 甄膜识剐系统综合性熊 j i 精确性、速度、铸棒性等项目来评彳蠢“”： 4 5 1 精确性 耩确经是最重要黥一个健能指标，般掰识别率来表示，主要露耀判率、误判零 纛等谈攀来溅定。 掇剿率f r r ( f a b el 猢e c tr a t e ) ：也称错误拒读率或称错误不觋配率，表示授权 人( 合法的用户) 不被准确承认( 误认为冒名顶替者) 的程度。f r r 越大，系统越精确， 安全性也越高，但宽容度越来越低，致使越来越多的合法用户被系统错误的拒绝。反 之授权入越容易通过，未授权者也变褥容易混入。f r r 实际上也是系统可接受性的重 要捂檬瓣3 。 谈刿率f a r ( f a l s e 觚c e p tr a t e ) ：也称错谈接收率或称错误嚣配率，表示未授税 的人( 冒名顶替者) 被确认成授权人( 有效的个体) 的程度。f a r 的德越小，说明未授权 的人越瓣法通过，系统越发全。但是，授权人的邋过将变得越发豳难。如在对安全有 严格要求的应用领域，可以运行在很小的f a r 上o 。 f r 鬏寝强r 之问静荚系魏图5 1 瑟示： 圈5 1 拒判率和误判率之间的关系“” 因戴，要求垂臣貘谖弱系统霈兼颓f r r 茅鼙善a r 之阕懿平衡。系统豹精确废捂标不 能仅用f r r 或f a r 其中的一个来衡量。一般用等误率来衡量。 等谈率e e r ( e q u a ie r r o rr a t e ) ：是当一个生物认证系统运行在f a r 等于f r r 的点上时系统的错误率，要对系统精确性进行简洁描述时常用此概念。由图5 一l 可知， 系统2 在精确性性能上始终不如系统l ，据统计甄膜特征识别是等误率最低f o 0 0 0o g 争蛰豹一释皇耪谈爰毅术。 3 0 4 5 2 系统识别速度 系统识别速度是判断系统是否具有易用性、可接受性的重要指标。在个人识别系 统中，人们愿意等待的时间是有一定限度的，其极限根据特定的应用而不同。例如， 进入机场等安全检查的过程0 5 1 8s 被认为是可以接受的时间。“。 4 5 3 鲁棒性 鲁棒性是指对被检验者和外界环境的适应能力。一个好的系统应对被检验者不做 任何限制，对光照等外部条件没有苛刻的要求，这需要有一个环境适应能力极强的图 像采集装置和对尺寸、旋转、平移等变化具有不变性的高鲁棒性算法啪1 。 5 1 工作总结 第五章总结与展望 提取有效的虹膜区域是完成本论文工程的重要内容，它包括边缘提取和区域分割 等内容，本文主要研究了以下内容： 第一，首先针对识别技术性能上的要求，开发了本论文工程的图像获取装置的硬 件驱动程序。其次，基于面向对象数据库程序，开发了以获取到图像及其附加信息为 整体的虹膜图像数据库管理程序。 第二，提出了基于图像灰度直方图分析的、自动选取阈值的二值化图像的方法来 提取虹膜图像。首先，针对瞳孔灰度值与眼部其他部分灰度具有突变性的特征，二值 化分离瞳孔，并通过计算切线的办法确定瞳孔的圆心和半