（电力电子与电力传动专业论文）基于灰度的虹膜识别算法的研究.pdf

湖北工业大学硕士学位论文 a b s t r a c t w i t ht h ed 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 yi nc o n t e m p o r a r ys o c i e t y , t h e d e m a n d sf o rs e c u r i t ya r eb e c o m i n gm o r ea n dm o r ei m p o r t a n t s ot h et e c h n o l o g yo f b i o m e t r i e si d e n t i f i c a t i o nh a sb e e ni m p r o v e da n d a p p l i e d i n m a n y f i e l d s i r i s i d e n t i f i c a t i o ni so n eo fp o t e n t i a lb i o m e t r i c st e c h n o l o g y , i th a sb e e ng r a d u a u ya p p l i e dt o s a f e t yf i e l d s i r i si d e n t i f i c a t i o ni sb a s e do ni r i st e x t u r et oi d e n t i f yp e r s o n s ，a n di ti so n e o fm o s ta c c u r a t eb i o m e t r i c st e c h n o l o g i e s a p e r s o n a li d e n t i f i c a t i o ns y s t e mb a s e do ni r i sp a t t e r ni sc o m p o s e do fi r i si m a g e a c q u i s i t i o n ，i m a g ep r p p r o c e s s i n g ，f e a t u r ee x t r a c t i o na n dm a t c h i n g i r i si m a g e sf o rt h i s p a p e ra r ep r o v i d e db yi n s t i t u t eo fa u t o m a t i o nc h i n e s ea c a d e m yo fs c i e n c e t h i sp a p e r p r e s e n t sa ni r i sr e c o g n i t i o na r i t h m e t i cw h i c hg e t sab e t t e rr e s u l ti ut h ee x p e r i m e n t t h c m a i nw o r ko ft h ed i s s e r t a t i o ni sa sf o l l o w s ( 1 ) t h ew a y so fs o m ep o p u l a ri r i sl o c a t i o na l g o r i t h m sa r ea n a l y z e df i r s t l y , t h e na l l i m p r o v e dc o a r s e - t o - f i n ea p p r o a c hi sp r o p o s e d ，w h i c hr e d u c e st h ee f f e c t so fe y e l a s h o c c l u s i o na n db o u n d a r yb l u r r i n g , t w om a j o ra f f e c t e df a c t o r s w i t ht h i sa p p r o a c h , t h e i n n e rb o u n d a r yi sq u i c k l yl o c a t e db ys e a r c h i n gac o a r s ec e n t e ra n dt h eo u t e ro n eb y i m a g ec o n v e n i n g , e n h a n c i n g a n dd i f f e r e n t i a t i n g n ep r o p o s e da p p r o a c hi sc o m p a r e d w i t ht w oc o m m o n l yu s e do n e sb ye x p e r i m e n m lr e s u l t sa n di sp r o v e di t ss o m er a p i d i t y a n dp r e c i s i o n ( 2 ) a f t e rt h ep o s i t i o n i n go ft h ei r i s ，w et a k ea ne f f e c t i v ew a yo fn o r m a l i z a t i o n u n d e r t h ep o l a r , w ec o n v e r tt h ei r i si n t ot h er e c t a n g u l a r i no r d e rt or e d u c et h ei m p a c to nt h e e y e f i d s ，t h ei r i sc o v e r e db yt h eo v e re y e l i d sw a s n o tc o n v e r t e d t h ec o n v e r s i o no fp a r to f t h ei r i si s m o r et h a n8 0p e r c e n to ft h ei r i s ，a n dt h e ne n h a n c et h ec o n v e n e dr e c t a n g u l a r i m a g e ，t h u sr e d u c i n gt h eu n e v e ni l l u m i n a t i o na n dr o t a t i o no ft h ei r i sr e c o g n i t i o no ft h e a d v e r s ee f f e c t s ( 3 ) w em a t c ht h ee n h a n c e m e n ti r i si m a g e sb ym e a s u r e i n gt h ec o r r e l a t i o nc o e f f i c i e n t ； f i r s t l y , s t a t i s t i ct h ec o r r e l a t i o nc o e f f i c i e n to ft h es m a l ls a m p l e ；w ec a ng e tt h et h r e s h o l d u s e dt od i s t i n g u i s hb e t w e e nd i f f e r e n ta n dt h es a m ei r i s ；t h e na n o t h e rl a r g es a m p l ew a s m a t c h e db yt h ec o r r e l a t i o nc o e f f i c i e n tw eg e tb e f o r et og a i nt h ef a u l s er c j a c tr a t ea n dt h e f a u l s ea c c e p t a n c er a t ea n dc o m p a r ew i t ht h er e l a t e dd a t ai nt h el i t e r a t u r e ( 4 ) a l lt h ee x p e r i m e n t a lr e s u l t si nt h i sp a p e ra r ed r a w nf r o mt h em a t l a b 7 0 w ea n a l y s e t h ee x p e r i m e n t a lr e s u l t s ，d i s c u s sa n do u t l o o kt h et h en u m b e ro fs h o r t c o m i n g si nt h e e x p e r i m e n t s i no r d e rt oi m p r o v et h ef u t u r ew o r k ，w eo f f e ran u m b e ro ft a r g e t e d i m p r o v e m e n tm e a s u r e s i tc a nb ep r o v e dt h a tt h ei r i sr e c o g n i t i o na l g o r i t h mp r o p o s e db y t h i sp a p e rh a sa c h i e v e dab e t t e ra c c u r a c ya n ds p e e d a n di tc a nb u i l dar e l i a b l es y s t e mo f i r i sr e c o g n i t i o na l g o r i t h mb a s e do nt h er e f e r e n c e k e y w o r d s ：i r i sr e c o g n i t i o n ，c o r r e l a t i o nc o e f f i c i e n t ，h o u g ht r a n s f o r m ，i r i s l o c a t i o n ，h a n n l n gd i s t a n c e n 诹1 j l 童工靠火洛 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：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取 得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经 发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方 式标明。本声明的法律结果由本人承担。 学位论文作者签名：万里知 日期：2 0 0 8 年6 月，6 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，即：学校有权保留 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 权湖北工业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。 三一 学位论文作者鲐万里灿指导蝴张黝 日期：刎3 年占月，日日期：z i ) i ) 8 年6 月f 7 日 湖北工业大学硕士学位论文 1 1 生物识别技术简介 第1 章引言 近几年，人们对身份的自动鉴别产生了极大兴趣，希望找到可靠、快速和无侵 犯的身份鉴别方法。一种新的身份鉴别方法是基于人体自身所固有的生理特征， 这些特征包括指纹、掌形、脸像、虹膜等。与传统方法中身份标识物相比，生物 特征的优点是不会丢失、遗忘和伪造，是安全的鉴别方式。 生物识别技术是依靠人体的身体特征来进行身份认证的一种解决方案。在当 今世界中已经得到了广泛的应用。其中的虹膜识别技术由于具有稳定性好、准确 率高等优点而逐步受到人们的重视。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，并表现出广阔的前景和市场。 对于虹膜身份识别这一技术，国际上有许多研究机构和商业性的公司投入力 量对其进行了研究，如剑桥大学的j o h ngd a u g m a n 博士、m i t 人工智能实验室的 r i c h a r d p w i l d e 博士、s i e m e n s n i x d o r f 公司等，其中d a u g m a n 提出的算法比较优 越，以他的算法为基础制作的系统可靠性较高。 虹膜身份识别具有如此多的优点，因此这个技术必将成为新世纪最具有光明 前途的技术之一，必将在我们今后的生活中发挥巨大作用【“。 下面先简要的叙述一下各种生物识别技术的原理及其优缺点。 ( 一) 指纹 指纹是手指末梢乳突纹突起形成的纹线图案，指纹的稳定性、惟一性早己获得 公认，目前指纹识别主要利用指纹纹线所提供的细节特征( 即纹线的起终点、中断 处、分叉点、汇合点、转折点) 的位置、类型、数目和方向的比对来鉴别身份。指 纹识别在所有生物特征识别中无论从硬件设备还是软件算法上都是最成熟、应用 最早、使用最广泛的。尽管如此，指纹识别技术也有不足之处，对指纹质量较差 的人群如皮肤干燥、有疤痕、老茧、表面磨损严重和有病变的人无法取得好的识 别效果，指纹使用接触式采集，传感器表面灰尘油污附着物等会影响识别，留在传 感器上的指纹存在被盗取复制的可能性。 ( 二) 掌纹 掌纹指手掌内侧表面的纹线图案，一般由3 5 条明显的屈肌纹、众多皱纹和 乳突纹交错构成。掌纹形态受遗传基因控制，一旦形成终生不变。每个人的掌纹 湖北工业大学硕士学位论文 形态均不相同，掌纹纹理复杂，所提供的信息量较指纹丰富，利用掌纹的线特征、 点特征、纹理特征及几何特征完全可以确定人的身份。掌纹主要特征明显( 如屈 肌纹和皱纹所形成的线特征) ，可在低分辨率图像中提取，不易受噪声干扰，特征 空问小，可实现快速检索和匹配。乳突纹形成的细节特征与指纹相似，但比指纹 纹型丰富。从理论上说有更高的鉴别能力，但需要在较高分辨率图像中获得，因 掌纹面积大，导致图像数据量及特征空间太大，为图像处理带来一定难度。掌纹 采集方便，设备成本低，可按受度高，是很具潜力的身份识别方式，但因研究起 步晚，理论和应用上都还有待进一步深入。 ( 三：1 虹膜 虹膜是位于瞳孔和巩膜间的环状区域，每个人虹膜上的纹理、血管、斑点等 细微特征各不相同，且一生中几乎不发生变化i m 。用摄像机捕获用户眼睛的图像， 进行定位并从中分割出虹膜图像，归一化增强后进行特征提取，对提取的特征编 码后就可以用以匹配。到目前为止，虹膜识别的错误率是各种生物特征中最低的。 但虹膜因受到眼睑，睫毛的遮挡，准确捕获虹膜图像是很困难的，并且一旦发生 眼部疾病就会影响识别的效果，还有就是对白内障患者该识别方法无效【2 1 。 ( 四) 视网膜 视网膜识别是利用人眼视网膜上分布的毛细血管网的差异性来鉴别身份，是 目前生物特征中可靠性最高的身份鉴别方法，视网膜隐藏在眼球中，不磨损，不 易受老化和一般疾病的影响，更具独特性和稳定性【3 1 。因鉴别时需用红外线扫描眼 底视网膜以获得血管网图像，存在着长期使用会对使用者的健康构成伤害的问题， 所以该方法接受程度最低，另外，由于系统技术含量及成本很高，实用推广难度 较大。 ( 五) 人脸 人脸识别研究热潮出现在计算机视觉兴起的初期，用人脸进行身份识别直观、 友好、方便、用户接受程度高。但计算机对人脸的识别还远达不到对人眼识别的 准确程度。目前在限制性输入条件下，在小样本数据库中人脸识别取得较好的效 果，但识别准确率低于指纹和虹膜识别。人面部表情、姿态、化妆、年龄等的变 化及采集图像时光线、角度、距离、面部遮挡等问题一直是人脸识别领域中的难 题。因而这套系统是非常昂贵和不可靠的。例如，它无法分辨出长相很相似但是 完全不同的人，也无法辨认出理发前后的同一个人。 ( 六) 声音 语音识别利用说话者发音频率和幅值的不同来辨识身份。语音识别大体分2 类：一是依赖特定文字识别，如让说话者说某个特定的词语或几个特定词语中随 2 湖北工业大学硕士学位论文 机的某个来识别真伪，这种方式系统设计简单，较易实现，但安全性较差；另一 种是不依赖特定文字识别即说话者可随意说任何词语，由系统找出说话者发音中 具有共性的特征进行识别，该方式虽有很好的防伪性，但系统复杂，实现起来存 在一定困难。因语音远程传递的方便性，可以通过电话等方式很方便的进行远距 离传播，这是和其他生物特征相比声音所独具的优势，不过它也存在不足，因为 语音受到说话者心理紧张程度和一些疾病如感冒和咳嗽等的影响，并且在声音的 传播过程中会夹着噪声，还有就是信道的可靠性也会对语音识别的可靠性产生影 响；另外，利用磁带录音和语音模仿可以方便的进行欺诈，对这些问题也没有很 好的解决办法。 综合上面所述，可以看出，在所有生物特征中，指纹相对稳定但获取指纹不 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，而且语音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 具有的一些优点，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。 1 2 虹膜识别的基本概念与识别系统简介 i 2 1 虹膜的基本概念 人类的眼球壁分为三层：外层为纤维膜，中层为葡萄膜，内层为视网膜。纤 维膜由纤维组织构成，前部为角膜，后部为巩膜。视网膜主要由各种神经细胞组 成，实际应属于大脑的一部分，结构非常复杂汹。在纤维膜和视网膜之间的眼球壁 因为含有大量的色素和丰富的血管，颜色呈黑色，像紫色的葡萄，所以被称为葡 萄膜吐 葡萄膜分为虹膜、睫状体、脉络膜三个部分。虹膜位于葡萄膜的最前部，位 于晶状体的前面，为一个圆盘型膜。在三维的形态上，虹膜像一个截去尖端的圆 锥。虹膜中央有一个圆孔，为大家熟知的瞳孔。 虹膜的组织结构主要分为二层。即虹膜基质层，由疏松结缔组织、血管、神 经和色素细胞构成。内层为色素上皮层，这一层是不透光的。通常虹膜的颜色主 要由这一层细胞内的所含有色素的多少而不同。白色人种因为缺乏色素，虹膜呈 黄色或淡蓝色，有色人种因为富含色素，虹膜呈棕褐色。 虹膜前面是用来控制瞳孔的肌肉组织的，一组是有副交感神经控制的瞳孔括 湖北工业大学硕士学位论文 约肌，使瞳孔收缩；另一组是由交感神经控制的瞳孔舒张肌，使瞳孔放大。再前 一层是基质层，主要是由胶原组织构成，三维形状是呈拱形的突起。在这一层中 放射状地排列着许多弯弯曲曲的血管。虹膜的最前面一层相较基质层更为紧密， 而且包含了很多的个体的色素细胞。虹膜的多层结构，造成了虹膜彩色的外部视 觉表现。 1 2 2 虹膜纹理特征和技术优势 虹膜纹理具有以下特征： 1 虹膜纹理具有绝对的唯一性。每个人的虹膜具有不同的特征，任意两个虹 膜纹理相同的概率小于1 0 “。可以说在整个人类中，任意两个虹膜纹理的数字特 征都是不同的，即便是对于双胞胎也是如此“1 。 2 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“1 。 3 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。 4 虹膜具有内在的隔离和保护能力。 同其它的生物识别技术( 如指纹识别、脸型识别等) 相比，虹膜识别技术具有 非常明显的优势。表卜1 为几种生物识别方法技术指标的比较。 表1 1 几种生物识别方法技术指标的比较嘲 通过以上的数据对比可以看出，虹膜识别在正确率、识别时间、可靠性等方 面都要优于其它的生物识别技术脚。 1 2 3 虹膜识别的主要步骤 虹膜识别系统通常包括五个步骤，其中虹膜编码模块和识别模块是整个系统 中最为关键的两个模块。各步骤如下所示旧： 4 湖北工业大学硕士学位论文 ( 一) 虹膜图像的采集 人类虹膜的直径约为1 厘米，为了获得有足够的信息量的虹膜图像通常要求 具有超长焦距的摄影器材，拍摄距离一般不超过十几厘米。湿度的照明对于虹膜 图像采集也是非常重要的，太强的照明会令人眼感到不适，光照太弱会令图像缺 乏必要的灰度对比，增大量化误差。对拍摄的眼部图像还需进行采样、量化，使 其成为数字图像。 ( 二) 虹膜定位 虹膜定位也就是虹膜的边界确定，目的是从采集得到的眼部图像中提取虹膜 信息，为下一步对虹膜进行分析提供必要的条件。这一步的准确度直接关系到虹 膜身份识别的准确性。这将会在后面详细地分析。 ( 三) 虹膜的归一化与增强 由于在高度非侵犯性系统中，对被试者不做要求，并且，人的瞳孔会因光线 强弱自动缩张，虹膜在图像中的位置和大小都会发生变化，且可能发生旋转。因 此，在已经对虹膜定位，确定了它的位置后，必须要对虹膜进行大小归一化和消 除旋转因素。又因为在某些情况下，虹膜图像的光照不均匀，或者图像采集设备 的限制，造成了所得虹膜纹理图像的模糊和失真，从而给识别的准确性带来影响， 因此我们还需要对虹膜图像进行增强，加强有用的信号，使虹膜纹理的对比度增 强，以提高识别效果。 ( 四) 虹膜编码 这一步主要是提取虹膜特征并采取适当的特征记录方法，以此构成虹膜编码， 为下一步的比较判决做准备。 目前报道的虹膜身份编码识别算法分为3 种：( 1 ) d a u g m a n 提出的基于g a b o r 滤 波器的虹膜纹理相位编码算法，该算法利用g a b o r 滤波器的局部性和方向性对虹 膜纹理进行分解编码。( 2 ) w i l d e s 提出用高斯型滤波器在不同分辨率下分解虹膜图 像，并把结果进行存储比较。上述两种算法的性能容易受外界环境影响，眼球表 面反光、虹膜的几何变形、睫毛遮挡、噪声等问题也严重影响识别性能，且实际 应用中对测试环境和设各要求较高。( 3 ) b o l e s 提出的基于小波变换的虹膜识别方 法，它有效地克服了图像平移、旋转、图像缩放等前者未能解决的问题，提高了 识别性能。 ( 五) 比较和判决 这一步是对上一步获得的虹膜编码同样本库中的样本进行比较，再对匹配的 结果利用合适的阈值进行判决。不同的虹膜编码方式通常会有不同的比较方法， 其阈值的选择一般通过实验获得。( 四) 、( 五) 步又可合称为虹膜模式匹配( i r i s 湖北工业大学硕士学位论文 p a t t e r nm a t c h ) 。 为了完成上述的步骤，虹膜识别系统由光源、摄像头( c c d ) 、图像分析系统 ( 计算机) 三部分构成。光源提供照明，使虹膜可以清晰成像，以获得高信噪比 的信号。光源应稳定，因为瞳孔随入射光线强度的变化，会产生收缩或扩张，牵 动虹膜变化，增大了匹配时的误差。稳定光源，即稳定了虹膜，可以提高匹配的 精度。摄像头将光信号转变为电信号，经a d 转换后，送入计算机进行分析。计 算机内装有虹膜图像识别的分析软件，计算机内预存有已分割好的虹膜参考图像， 参考虹膜图像的半径、中心坐标已归一化，所有虹膜的半径均相同，所有虹膜的 中心坐标值相同。识别过程即将实时捕捉的图像与预存参考图像进行匹配的过程， 比较图像之间的相似程度，确定图像是否来自同一对象，以确定拒绝或接受。 1 3 虹膜识别技术的国内外研究和应用现状 1 3 1 虹膜识别技术的国内外研究历史和现状 虹膜识别的研究可追溯到1 9 3 6 年，眼科专家f r a n kb u r c h ，m d 提出虹膜识别 概念；在1 9 8 7 年，两个美国眼科专家l e o n a r df l o m 和a r a ns a f i r 获得虹膜识别 概念的专利，但他们不能开发虹膜识别的处理过程。在1 9 9 4 年，d a u g m a n 获得“基 于虹膜分析的个人身份识别系统”专利，这就是当前最流行的虹膜识别算法”1 。利 用积分微分算子进行虹膜内外边缘定位，并进行归一化处理：虹膜特征提取采用 多尺度2 dg a b o r 滤波器进行虹膜局部纹理滤波，并对其结果进行虹膜纹理相位编 码。虹膜纹理“特征点”形成2 5 6 字节的“虹膜码”。虹膜编码的模式匹配采用统 计理论：虹膜码间进行按位异或，计算归一化汉明距离。概括地说，d a u g m a n 是利 用2 dg a b o r 滤波器对虹膜纹理进行一种简单的粗量化和相位编码。 利用6 b o r 滤波器提取特征的方法还包括，叶学义等用一维g a b o r 复小波对虹 膜图像进行滤波，引入复小波是为了方便获得特征点的实部和虚部的小波系数， 以便对于特征点相位的编码。文献蛳对d a u g m a n 的方法进行尝试，从归一化的虹膜 图像中，选取几行作为分析的信号，对信号进行滤波。文献叫介绍的多通道g a b o r 滤波器提取纹理特征，从另一个角度来选取纹理的特征值。在该方法中，首先把 归一化的虹膜图像划分成长宽等同的子图像，然后以各个子图像作为输入图像， 进行不同方向与尺度的滤波，以得到的滤波图像的狄度平均值和方差作为特征值， 其中每个通道对应特定方向与尺度的滤波器。另外马力等还认为分析虹膜纹理特 征时，方向不是主要因素，起着关键作用的是尺度的选择。他们对g a b o r 滤波器 的调制函数进行改换，使g a b o r 滤波器成为圆形滤波器，进行特征提取，取得了 6 湖北工业大学硕士学位论文 良好的实验结果。 w i i d e s 等人于1 9 9 8 年以“自动的非接触的虹膜识别系统与方法”申请了专利。 w i l d e s 依赖于图像登记技术，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，构成拉普拉斯棱锥，然后对分解后的图像进行登记，这种方法比较 繁琐，计算量较大，不易用于实际操作中，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m 。d a u g m a n 的方法实现了虹膜图像的紧凑表 示，然而w i i d e s 的方法完全利用了所有可能的虹膜纹理信息，因此能够更好地区 分不同的虹膜图像，但计算量比较大。 b o l e s 等提出了一种基于小波变换过零点检测的虹膜识别算法，它通过实现小 波变换的过零点检测，建立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“1 。该算法的实现分为两个部分，第 一部分建立一维的虹膜特征过零点表达式：第二部分是虹膜编码匹配过程。此方法 克服了以往系统受漂移、旋转和比例放缩所带来的局限，并且对亮度变化及噪声 不敏感。 韩国s h i n y o u n gl i m 利用g a b o r 和h a a r 小波变换进行特征提取，将虹膜特征 编码作为特征向量集，采用竞争学习神经网络进行分类，即模式识别。小波变换 将虹膜有效区域分为4 层，将最粗层的h 集进行二值化编码，并在每位增加3 个 附加位，即h h 层正系数为1 ，负系数为0 ，将其它3 个较高层h h 集的系数按照二 值化编码作为附加位；识别通过增加修改权重向量的初始值和胜利者选择机制竞 争学习神经网络( l v o ) 对虹膜分类。 法国c h r i s t e l l o i c 对虹膜边缘定位采用了积分微分算子与h o u g h 变换结合 的办法，对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 k 提 出瞬时相位和即时频率的多维h i l b e r t 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，编码规则与d a u g m a n 的虹膜编码规则相同，匹配过程采用 汉明距离的判决方法，该方法计算量比d a u g m a n 利用g a b o r 变换的计算量小。 新加坡e r i cs u n g 提出非协作式虹膜识别思想。虹膜采集过程采用非协作的 办法，实现自动采集，首先进行内眼角的探测，进而进行瞳孔的定位，完成虹膜 有效区域的处理，虹膜有效区域与g a b o r 滤波器进行卷积完成特征提取然后利 用汉明距离进行虹膜匹配。 国内的虹膜识别技术起步较晚，一些科研院所和高校投入了精力和人力进行 虹膜识别的研究，如：中科院自动化所、上海交大、华中科大、电子科技大学、 吉林大学、上海大学等已取得一定成效。 7 湖北工业大学硕士学位论文 中科院自动化所王蕴红、谭铁牛等开发的虹膜识别系统其虹膜图像摄取采用 了自主开发研制的装置，特征提取采用g a b o r 滤波和d a u b e c h i e s 一4 小波变换等纹 理分析方法，匹配采用方差倒数加权欧氏距离方法“”。与现有的其它方法相比， 该方法利用了二维虹膜图像丰富的纹理信息并具有旋转、平移和尺度不变性。 上海交大电子工程系徐国治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，并提出能量编码和相位编码，采用了基于加权汉明距离的识别方法以及有 限变形相似度的相似度算法。 华中科技大学叶虎年等根据虹膜的几何特点，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 变换抽取内外圆几何参数，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o ”。为了提高虹膜定位的 速度以及虹膜定位算法的健壮性，提出了一种粗定位与精定位相结合的两步定位， 用以进行虹膜定位，并对现有的虹膜定位算法进行了些改进。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。 电子科技大学李庆嵘等提出一种粗定位和精定位相结合的方法o ”。根据对人 眼部的生理特性和采集得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。 北京交通大学的黄雅平等利用独立分量分析( i c a ) 提取虹膜的纹理特性，采 用竞争学习机制进行识别，并证明了该方法在图像模糊，噪声干扰等不利条件下， 仍然能够j 下确识别。 中国科学院生物物理研究所视觉信息开放实验室的严民军、齐翔林、汪云九 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，经小波变化， 松弛神经网络算法及稀疏编码，形成虹膜纹理的代码，并以汉明距离作为决策空 间的判决标准，实现虹膜图像识别的全过程。 中科院自动化所的马力等基于多个训练样本，用g a u s s i a n h e r m i t e 矩提取虹 膜的纹理特征，再利用线性鉴别分析( l d a ，l i n e a rd i s c r i m i n a n ta n a l y s i s ) 压 缩特征向量的维数，最后用最小中心距离分类“。实验表明，与上述多个算法相 比，该算法有很好的识别效果。但基于l d a 的特征压缩方法在实际应用中会受到 多方面的限制，甚至当训练样本个数小于特征维数时l d a 方法无从求解，也就是 所谓的小样本问题。 虹膜识别是刚刚兴起的前沿方向，科学意义重大，应用前景广泛。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 e 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 湖北工业大学硕士学位论文 化所模式谚 别国家重点实验室所主导。 1 3 2 虹膜识别技术的国内外应用 在2 0 0 0 年中期，美国开始专为航空公司飞行员、机组服务人员和机场职员设 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。为防恐怖分子渗透，美国2 0 0 2 年6 月起将发放具有生物识别技术的高科 技签证。 近年来，虹膜识别系统应用更加广泛。维珍大西洋航空公司和e y e t i c k e t 公 司已经进行一次突破性的试验，在伦敦希一思罗机场采用j e t s t r e a m ( t m ) 虹膜识别 技术加快航空公司的护照检查。 美国新泽西的虹膜技术公司研制的新型安全眼“一眼看穿”对每个人的眼睛 中的虹膜加阻记录识别，准确率达到百分之百“。其执行总裁比尔沃特莫指出， 一组代码大约只有5 1 2 字节，非常易于在“智能卡”这样的小型内存中存储。目 前这一系统正在美国的六个主要机场进行识别检测。 英国最大的房屋建筑公司( n a t i o n w i d e ) 已经在该公司的建筑街面墙内自动取 款机上使用虹膜图像个人识别技术，用户插卡以后，无论白天、黑夜或用户是否 戴普通( 深色镜片除外) 或者隐形眼镜，均可摄取准确的虹膜图像，并与存储的比 较、核对身份，如确认用户即可进行下一步操作，提取现金“。美国的s e n s a r 公 司认为，该系统检查眼睛是否颤动，判定机器前面的是死人或者照片，以防冒颁 者。 在技术动向方面，美国m s c a n 公司研制的出入口控制系统，利用虹膜图像识 别个人，不用激光或者红外光束。仅用普通的视频光学装置，即可从某一舒适的 距离提取虹膜图像。一台计算机将图像数字化，分析虹膜特征，并生成2 5 6 个字 节的虹膜编码，储蓄在数据库中。识别时被测者走进光学装置并注视摄像机镜头， 使系统获得虹膜编码，若匹配即允许进入。一种不要求被检者注视摄像头，几英 尺外即可摄取虹膜的视频图像系统正在研制中，可以更为方便用于识别个人“”。 剑桥大学的科学家开发出了一种虹膜识别系统，他们将先扫描的虹膜图像转 换为一系列的三维等高线图形，然后在将这些信息压缩成为2 0 4 8 位的数字代码。 当进行身份识别时，只需将扫描的待检测者的虹膜图像与之前储存的数字代码相 对照，即可判明身份。 2 0 0 0 年七月，国家8 6 3 计划智能计算机系统主题专家组主办“身份鉴别新技 术学术研讨会”在北京召开，推动我国在此国际前沿方向的研究，讨论身份识别 技术的发展动态与趋势，促进我国科研人员在此领域的交流与合作“。 9 湖北工业大学硕士学位论文 1 4 本论文的研究内容 本论文在阅读大量的国内外该领域的相关文献和书籍的基础上，对论文中用 到的虹膜识别算法从理论上进行了详尽的分析和说明，并在实践中在m a t l a b 7 0 上进行了基于本算法的虹膜识别仿真实验。 论文的主要内容如下：第2 章介绍了虹膜图像预处理的一些基本方法，由于 获取的虹膜图像的质量总会存在这样那样的问题，因此有必要对虹膜进行预处理 操作，以便判断其是否适合后续操作。第3 章介绍了虹膜的定位归一化与增强。 虹膜的定位是很关键的操作，直接影响到后面的匹配，该章介绍了定位中需要用 到的边缘检测算子以及圆定位中的h o u g h 变换方法：之后就是介绍d a u g m a n 在虹 膜图像的归一化中所采用的方法；最后是利用直方图均衡化对虹膜图像进行增强。 第4 章介绍了虹膜特征提取编码以及匹配的传统方法。第5 章是对本论文从原始 虹膜图像开始到最终的匹配的结果的全部过程中所采用的各种方法进行了详细的 介绍。第6 章对实验结果进行了分析，从实践上证明了本论文中所提出的各种算 法的可行性。第7 章对全文进行了总结，对论文中存在的一些问题进行了分析讨 论，并对未来的工作进行了展望。 1 0 湖北工业大学硕士学位论文 第2 章虹膜图像预处理 虹膜图像预处理是对含有虹膜的数字图像进行相关的操作，让它更加适合于 虹膜识别的后续步骤的处理。一般来说，直接通过摄像头采集得到而没有经过预 处理的虹膜图像是无法被识别的。 在虹膜的采集过程中，虹膜采集者离摄像头都很近，这就很容易造成对焦不 准的现象，在预处理前还可以先对虹膜图像进行清晰度评价，判断其是否可以用 于预处理。 2 1 虹膜图像质量评价 目前存在着各种各样的图像质量评价方法，按照其评价方式来分类，可分为 主观评价和客观评价；按照评价对象来分类，可以分为有参照质量评价和无参照 质量评价( 即图像序列质量评价) 。 在实际应用中，图像的主观质量评价方法受到了严重限制，甚至根本不适合 于某些应用场合。本论文这里只是对虹膜图像进行简单的质量评价，以简单高效 准确为主要原则。对将要处理的图像进行质量评价，如果检测为不合格( 清f 1 8 i 度 不够) ，则放弃对该图像的进一步处理。 下面是几种客观评价方法。 2 1 1 能量梯度函数 对焦良好的图像有更尖锐的边缘，即有更大的梯度函数f ( i ) 。能量梯度函数 是用相邻点的差分计算一个点的梯度值“”( 图像大小为n n ) ： 1 w ( x , y ) | = 修0 1 + ( 寻a l2 卜1 ，y ) 一，+ + 1 ) 一，堋y 2 ( 2 1 ) 用相邻点的差分计算一个点的梯度值，然后叠加： f u ) 一 ，b + 1 ) r ) 一，b ，y 砰+ ，g ，_ ) ，+ 1 ) 一j g ，y ) 】2 f f 2 + 2 ( 2 2 ) 式中i ( x ，y ) 为图像在点( x ，y ) 的灰度值。 1 1 湖北工业大学硕士学位论文 2 1 2 方差函数 巾崞莩卜，一午x x i ( x , y ) 】2 + 2 熵函数是基于这样一个前提：对焦良好的图像的熵h ( i ) 大于对焦不清晰的图 像的熵n 7 1 。 e o ) = ，g ，y ) ( 2 4 ) h ( ，) 一一ee i ( x ，y ) l n 【，g ，y ) 】 ( 2 5 ) 根据香农信息理论，熵最大时候信息量最多，将此原理应用于对焦过程中( 同 一画面) ，可以认为e ( ，) 一定时，h 【，) 越大，则图像越清晰。在实际应用中，可以 由先验知识决定清晰图像的评价的阈值。因为上面3 种评价函数都是数值越大图 像越清晰的，所以大于这个闽值就认为符合处理要求，否则相反。图2 一l 表示的 清晰图像和对应较模糊的图像，表2 - 1 为这两幅图像分别在上述3 种清晰度评价 函数下的函数值的对比。 唼蝴羚 图2 - 1 清晰图像和对应的较模糊的图像 表2 1 清晰图像和较模糊图像的评价函数的值n 刚 从表2 1 的数值可以看到清晰图像的评价函数值基本上比较模糊的图像的评 价函数值大。虽然清晰图像的方差函数和熵函数的数值比模糊图像大，但是没有 1 2 湖北工业大学硕士学位论文 明显的分界，很难准确的判别清晰图像和模糊图像，而清晰图像的能量梯度函数 比模糊图像的大很多，其他的图像基本上符合这种情况，所以用能量梯度函数可 以较好的判别清晰图像和模糊图像。 2 2 图像平滑滤波 平滑技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行，基本方法 是求像素灰度的平均值或中值【1 9 1 。为了既平滑噪声又保护图像信号，也有一些改 进的技术，比如在频域中运用低通滤波技术。 2 2 1 线性滤波 对一些图像进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均 法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。对于给定 的图像f ( i ，) 中的每个像点，竹) ，取其邻域s 。设s 含有m 个像素，取其平均值 作为处理后所得图像在该象索点， ) 处的灰度。用像素邻域内各像素灰度平 均值来代替该像素原来的灰度，即是邻域平均技术。 邻域s 的形状和大小根据图像特点确定，一般取的形状是正方形、矩形及十 字形等，s 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部 统计特性而变化，点，n ) 一般位于s 的中心。如s 为3 x 3 邻域，点b ，忍) 位于s 中心，则： ，似，厅) - 吉玉薹，“n + j ) ( 2 - 6 ) 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0 ，方差为62 ，g 是未受 污染的图像，含有噪声的图像f 经过邻域平均后为： 于似，n ) 一吉，o ，) 一吉g ( i ，j ) + 吉以( f ，) ( 2 7 ) 由上式可知，经邻域平均后，噪声的均值不变，方差仃：。亩盯2 ，即噪声方差 变小，说明了噪声强度减弱了，也就是说抑制了噪声。由上式还可以看出，邻域 平均法也平滑了图像信号，特别是可能使图像目标区域的边界变得模糊。可以证 明，对图像进行邻域平均处理相当于图像信号通过一低通滤波器。 2 2 2 中值滤波 中值滤波是抑制噪声的非线性处理方法。对于给定的n 个数值k ；，口：，口。j ， 湖北工业大学硕士学位论文 将它们按大小有序排列。当n 为奇数时，位于中间位置的那个数值称为这n 个数值 的中值。当n 为偶数时，位于中间位置的两个数值的平均值称为这n 个数的中值， 记作m 耐k ，口：，棚) 。中值滤波就是这样的一个变换，图像中值滤波后某像素的 输出等于该像素邻城中各像素灰度的中值。 中值滤波的方法运算简单，易于实现，而且能较好地保护边界，但有时会失 掉图像中的细线和小块的目标区域。邻域的大小决定在多少个数值中求中值，窗 口的形状决定在什么样的几何空间中取元素计算中值。对二维图像，中值滤波窗 口的形状可以是矩形、圆形及十字形等，它的中心一般位于被处理的点上。窗口 的大小及形状有时对滤波效果影响很大。 一维信号中值滤波具有如下重要性质： 1 输入是阶跃信号或斜坡信号时，输出信号和输入信号相同。 2 输入脉宽为小于窗口一半的脉冲时，该脉冲被滤除，否则输入和输出相同。 3 输入是三角形信号时，输出信号顶部被削平。 二维信号的中值滤波性质与之类似，在对虹膜图像的中间处理过程中，用中 值滤波可以得到良好的效果，这一点也在本论文的实验中得到了验证。 2 3 数字形态学图像处理 数字形态学中最基本的运算是腐蚀和膨胀。腐蚀和膨胀的定义是和集合及集 合的运算密切相关的，下面介绍数字形态学的基本概念和运算。 设q 为二维欧几里德空间，图像a 是q 德一个子集，结构元素b 也是q 德一 个子集，b e q 是欧几里德空间的一个点，定义如下两个概念。 1 平移；定义为a 被b 平移后的结果，表示为： a 6 一k + b l a 爿 ( 2 8 ) a 6 中所有元素是a 中的对应元素平移到以6 为原点的坐标系内的结果。 2 反射：a 定义为图像a 对于图像原点反射的结果，亦即： 一r a 一 ：- a l a e a ( 2 9 ) 图像彳中的所有元素是a 中对应的元素被原点反射的结果。 根据上述两个概念，可以定义数字形态学中的两个基本运算：膨胀( d i l a t i o n ) 和腐蚀( e r o s i o n ) 。 3 膨胀的运算定