毕业论文-基于虹膜的身份识别系统的研究10653.pdf

西安电子科技大学 硕士学位论文 基于虹膜的身份识别系统的研究 姓名：油长江 申请学位级别：硕士 专业：计算机技术 指导教师：姜昱明;张阳 20071201 摘要 摘要 随着科学技术的发展，在高度信息互联的社会，准确、真实的个人身份识别 成为安全领域里的重要环节，传统的个人身份识别方法( 比如说密码，p i n ) 存在 一系列的缺陷，很难满足需要。基于人体的生物特征识别个人身份成为当前身份 识别领域的研究热点，虹膜识别技术是利用人眼的虹膜纹理特征来确定人的身份 识别方法，由于人的虹膜纹理具有稳定性、唯一性、人工改变困难等特点，因此， 虹膜图像身份识别方法是最为准确的利用人的身份特征识别个人身份的身份识辨 方法之一。 论文的主要工作和成果为： 首先，综合运用图像处理技术和模式识别技术，针对虹膜识别的一些关键技 术和难点，研究了虹膜图像预处理、虹膜图像定位、特征提取和匹配方面一些算 法，并以此为基础构建了一个虹膜身份识别系统平台。 其次，提出了基于m o r l e t 小波变换的虹膜图像特征提取算法。首先根据虹膜 生理的特点对虹膜图像进行分区，对不同的虹膜区域发分别采用一维和二维 m o r l e t 复小波变换来提取特征数据，并用二比特格雷编码来表征提取的虹膜纹理 图像的相位信息；最后得到虹膜图像的特征编码。 最后通过计算虹膜图像特征编码问的海明距离进行匹配，最终实现虹膜图像 识别。实验结果表明，与现有算法相比，该算法识别速度快，图像提取特征的效 果好，识别率高。 关键词：虹膜图像识别；图像预处理，m o r l e t 小波变换；图像编码 a b s t r a c t a b s t r a c t w i t ht h ed e v e l o p m e n to ft h et e c h n o l o g y , a na c c u r a t ep e r s o n a li d e n t i f i c a t i o ni st h e m o s tc r i t i c a lh i n g eo fas a f es y s t e mc h a i n t 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 nm e t h o d s ( e g ，p a s s w o r d s ，p i n ) s u f f e rf r o ma n u m b e ro fd r a w b a c k sa n da r eu n a b l et os a t i s f yt h e s e c u r i t yr e q u i r e m e n t s o fo u rh i g h l yi n t e r - c o n n e c t e di n f o r m a t i o ns o c i e t y t o d a y b i o m e t r i c s b a s e dp e r s o n a li d e n t i f i c a t i o nh a sb e e nai m p o r t a n tr e s e a r c h a so n eo f b i o m e t r i c s - b a s e dp e r s o n a li d e n t i f i c a t i o n ，i r i si d e n t i f i c a t i o ni sam e t h o dw h i c hi su s e dt o i d e n t i f yo n ep e r s o n a lf i g u r ew i t ht h em st e x t u r e b e c a u s eo fs t a b i l i t y , u n i q u e n e s sa n d d i f f i c u l t y i nm a n u a l c h a n g e ， i r i si d e n t i f i c a t i o ni so n eo ft h em o s ta c c u r a t e b i o m e t r i c s b a s e dp e r s o n a li d e n t i f i c a t i o n i tc o n s i s t e do ft w op a r t si nt h i sp a p e r ： f i r s t l y , s o m en e wm e t h o d sw e r ep r e s e n t e di ni r i si m a g ep r e p r o c e s s i n g 、i r i si m a g e l o c a t i n g 、c h a r a c t e re x t r a c ta n dm a t c h i n gb a s e do nt h er e s e a r c ho fs o m ek e yt e c h n o l o g y a n da r i t h m e t i ca b o u ti 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 nt e c h n o l o g y a n db a s e do n t h e s em e t h o d sa ni r i s - b a s e db i o m e t r i cp e r s o n a li d e n t if i c a t i o ns y s t e m s e c o n d a r i l y , c h a r a c t e re x t r a c ta r i t h m e t i cb a s e do nm o i l e rw a v e l e tt r a n s f o r mw a s p r e s e n t e d a l g o r i t h m sa t t a i nt h ep h a s ei n f o r m a t i o no ft h et e x t u r ec h a r a c t e rp o i n t sw i t h o n ed i m e n s i o na n dt w od i m e n s i o nm o r l e tc o m p l e xw a v e l e t t r a n s f o r ma c c o r d i n gt ot h e d i f f e r e n ti r i sa r e aa n da t t a i nt h ec o d eo fi r i si m a g ec h a r a c t e r a tl a s t ，b yc a l c u l a t i n gt h eh a m m i n gd i s t a n c eb e t w e e nt w oc o m p a r e di r i s e sa j u d g e m e n tw a sg i v e n t h er e s u l ts h o w st h a tt h i sa p p r o a c hh a sav e r yh i g hs p e e do f o p e r a t i o na n dg o o dr e s u l ta n dc a nb eu s e dt oa c t u a l l yi r i sr e c o g n i t i o ns y s t e m k e y w o r d s ：i r i si m a g er e c o g n i t i o n ，i m a g ep r e p r o c e s s i n g ，m o r l e tw a v e l e t t r a n s f o r m ，i m a g ec o d i n g 第章绪论 第一章绪论 1 1 生物特征识别技术的意义 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，金融、 安全、网络、电子商务等无一不需要可靠的身份鉴别，随着社会经济的发展，身 份认证系统越来越受到重视，应用范围也越来越广泛身份识别的难度和重要性也 越来越突出。传统的利用密码等身份识别的方法具有遗忘、易假冒等缺点，已经 不符合现代数字社会的需求。生物特征识别技术是为了进行身份验证而采用自动 技术测量其身体特征或是个人行为特点，并将这些特征或特点与数据库的模板数 据进行比较，完成认证的一种解决方案。 近年以来，各种对身份鉴定的技术日新月异，其中生物特征识别技术是一个 极具发展前途的方向，人的生物特征是惟一的，基于生物特征的身份识别技术利 用人体本身所拥有的生物特征来判别人的身份，有着“人各有异、终生不变、随 身携带“ 的优点，这种稳定、便捷、不易伪造和若非侵犯性( 或非接触式) 等明显 优于传统识别方特点，使其近年来成为身份识别的热点，并逐渐成为身份识别领 域研究与应用发展的必然趋势。生物特征识别技术的基本工作就是对这些基本的、 可测量或可自动识别和验证的生理特征进行统计分析。过程大多包括四个步骤： 图像获取、抽取特征、比较和匹配。生物特征识别系统捕捉到生物特征的样品， 惟一的特征将会被提取并且被转化成数字的符号，这些符号被存成个人的特征模 板，模板可能会在识别系统中，也可能在各种各样的存储器中，如计算机的数据 库、智能卡或条码卡中，人们同识别系统进行交互，认证其身份，以确定匹配或 不匹配。 生物特征识别技术是一门利用人的生理上的特征来识别人的科学。用人本体 的唯一的生物特征来鉴别自己，和传统方法的不同在于，生物特征识别方法依据 的是我们所拥有的东西，是我们的个体特性。生物特征分为身体特征和行为特点 两类。身体特征包括：指纹、掌形、眼睛( 视网膜和虹膜) 、人体气味、脸犁、 皮肤毛孔、手腕手的血管纹理军i d n a 等；行为特点包括：签名、语音、行走的步 态、击打键盘的力度等。我的研究课题就是其中的虹膜识别技术。 2 基于虹膜的身份识别系统的研究 1 2 虹膜识别技术的发展 眼科学家，解剖学家和发育生物学家经过大量的观察发现：对于不同的人， 虹膜的结构各不相同，即便对于同一个人，左眼和右眼的虹膜区别也是十分明显 的，而且自童年后，虹膜在人的一生中所发生的变化十分微小，当虹膜发育完全 以后，它在人的一生中是稳定不变的；虹膜的基本结构是由内在的遗传基因决定 的，但是虹膜形成之前的胚胎发育环境却对虹膜独特的细微结构起着决定性的作 用，人眼中的虹膜是由随瞳孔直径变化而拉伸的复杂纤维状组织构成，人在出生 前的随机生长过程，造成了各自虹膜组织结构的差异。虹膜总体上呈现一种由里 到外的放射状结构，包含许多相互交错的类似斑点、细丝、冠状、条纹、隐窝等 形状的细微特征。这些特征信息对每个人来说都是惟一的，其惟一性主要是由胚 胎发育环境的差异所决定的。通常人们将这些细微特征信息称为虹膜的纹理信息。 与其他生物特征相比，虹膜是一种更稳定、更可靠的生理特征。因此，自然 界几乎不可能出现完全相同的两个虹膜，也就是说，具有终生不变性和差异性； 另外，由于虹膜的外部有透明的角膜将其与外界隔离，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，由于虹膜是眼睛的外在组成部分，因此基于 虹膜的身份鉴别系统对使用者来说可以是非接触的。惟一性、稳定性和非侵犯性， 同时和脸像、声音等非接触式的身份识别方法相比，它还具有更高的准确性和隐 蔽性，因而是一种非常有前途的生物识别方法h 1 。 在红外光照射下，反映其图像特征的模拟信号被高分辨率的摄像机接收采样， 经数字化后存入计算机，每个虹膜数据长度为2 5 6 字节，整个过程在系统中瞬间完 成。虹膜识别技术的优点是：精确度高；建库和识别的速度快；无需人工干预； 用者无需与设备直接接触。而缺点是：虹膜技术对于盲人和眼疾患者无能为力而 且系统成本过高，需要比较好的光源，对黑眼睛识别比较困难。 最初有文字记载的使用虹膜纹理来识别人的想法是在由j a m e sd o g g a r t s 在 1 9 4 9 年写的一本眼科学的教科书上，1 9 8 7 年，眼科学家a r a ns a f o r 和l e o n a r df l o m 申请这一思想的专利并在2 年后邀请当时在哈佛大学任教的j o h nd a u g m a n 试着建 立实际的用于虹膜识别的算法。1 9 9 4 年，d a u g m a n 为他的算法申请了专利，当前 虹膜识别算法的研究和各种虹膜识别系统和产品开发都是基于1 9 9 4 年d a u g m a n 申请专利的基础上【5 】，许多从事开发虹膜识别的专用平台的系统集成商和开发商都 是通过被授权的方式获得该算法的使用权。 虹膜识别可应用于存在人的身份必须得到验证和确认的场合，包括护照管理、 电子商务、医疗服务、授权支付、使用专有信息、授权、政府服务、机场、电脑 登陆等。近几年来国外已经开发了许多获取虹膜图像的产品，包括在不同的距离 第一章绪论 和不同的使用场合。其中，被授权人s e n s a r 在1 9 9 6 年开发出一种使用特殊相机的主 动式虹膜图像采集系统，应用于银行的a t m 机上，可以获取几乎一米距离的虹膜 图像( 这一技术后来被i r i d i a n 公司获得) 。在1 9 9 7 1 9 9 9 的两年里，该系统被安装在 n c r 和d i e b o l d 两家公司的取款机上在许多国家进行了成功的公开使用。另外， p a n a s o n i c 公司开发了一种n q a u t h e n t i c a m 数码相机的更新、更小、更便宜的图像设 备，可以适用于手持、台式、电子商务和其他信息安全领域的应用。k o r e a n 的l g 公司推出了一种可以自动取景和自动对焦，称为i r i s a c c e s s 的相机，应用于身体检 查和门禁：e y e t i c k e t 公司也开发出号称“d o c u m e n g f r e ea i rt r a v e l ”的基于虹膜识别的 立式系统( 有点象个售货亭) ，应用于机场的身份检查，通关和一些安全程序。世界 上许多机场近来相继安装了虹膜识别设备用于安全和入境控制，包括 h e a t h r o w ，s c h i p h o l ，f r a n k f u r t 和c h a r l o n e 机场。 现在出于对国防安全的重大意义，虹膜识别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 ) 就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“月，美国中央情报局( c i a ) 也开始研究用于监 控目的的虹膜识别系统。9 1 1 恐怖事件发生后，西方各国都加大了高性能身份认 证技术的研发投入。 对于我国这样一个人口众多的国家，研究和开发具有自主知识产权的虹膜识别 系统具有深远的意义。目前在我国越来越多的科研工作者正投身于虹膜识别国产 化的进程，虽然起步较晚，但是部分研究成果已经达到了国际领先水平。中国科 学院自动化研究所的模式识别国家重点实验室是国内最早从事虹膜识别研究的单 位之一，从1 9 9 8 年至今已经开发了三代虹膜识别系统，包括虹膜采集装置、图像 预处理、特征抽取和匹配等基本模块。从硬件到软件都实现了完全自主知识产权 的目标，突破了早期西方国家的技术垄断与封锁。利用自主开发的采集设备，我 国科研人员建立了目前世界上规模最大的共享虹膜图像数据库c a s i ai r i si m a g e d a t a b a s e ，为国内外同行提供了研究平台。截至目前为止，已有7 0 个国家和地区 的8 0 0 多个研究单位申请使用此虹膜图像数据库，大大提高了我国在该领域的学 术影响和国际地位【6 j 1 7 】。 虹膜作为一种发展中的识别技术还有其自身的缺点。虹膜识别系统是一个较复 杂的系统，在硬件方面，很难将图像获取设备的尺寸小型化；因聚焦的需要而需 要昂贵的摄像头，一个这样的摄像头的最低报价为4 0 0 0 美元；镜头可能会使图像 畸变而使得可靠性大为降低等；软件上由于成像条件千差万别，还有即使同一成 像条件下的一些不确定成像因素，以及编码、识别算法的复杂性，增加了虹膜识 别的难度峭j 。 4 基于虹膜的身份识别系统的研究 1 3 本论文所完成的工作及成果 本文综合运用图像处理技术和小波分析方法，在借鉴国内外已有研究成果的基 础上，利用眼科生理学和视觉神经系统得知识，研究了包括虹膜身份识别系统的 工作原理，内外边界的定位，尺寸和光照的归一化，特征提取和识别匹配的新算 法。本文的研究成果主要有： 1 构建了一个虹膜身份识别系统，叙述了该系统的工作原理，并对现有经典 的虹膜认证系统作了比较研究。 2 将虹膜图像的预处理分为虹膜的图像边缘提取、虹膜定位、虹膜图像归一 化和虹膜增强几个步骤来完成； 3 在分析大量人眼虹膜原始图像的基础上，根据虹膜分区的概念提出对不同 的分区有针对性的采取不同的特征提取算法； 4 受到人类视觉神经系统大脑对应皮层区单细胞感知特性的启发，同时考虑 到虹膜灰度图像的相位信息才是图像细节纹理的主要信息，本文提出了一种采用 一维和二维m o r l e t 复小波提取虹膜纹理特征的新算法，根据复小波变换的实部和 虚部系数来获得图像的相位信息，最后通过虹膜编码的汉明距离进行判断。 第二章虹膜身份识别的基本原理与构成 第二章虹膜身份识别系统的基本原理和构成 2 1 虹膜身份识别的原理 5 虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身份的。虹膜识 别技术将虹膜的可视特征转换成一个5 12 个字节的i r i sc o d e ( 虹膜代码) ，这个代 码模板被存储下来以便后期识别所用，5 1 2 个字节，对生物识别模板来说是一个十 分紧凑的模板，但它相对从虹膜获得的信息量来说是十分巨大的。虹膜识别技术 与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录 入到一个数据中，出现认假和拒假的可能性也相当小，虹膜识别技术的高精度使 它能够在众多识别技术中占有一席之地。 目前的虹膜自动识别系统一般是采用先进的传感器设备对活体虹膜图像进行 实时采集，然后利用计算机图像处理和模式识别对数字化的虹膜图像进行处理、 分析和比较，从而自动、迅速、准确地识别个人身份【z 且丌。 2 2 虹膜识别原理的医学原理 2 2 1 眼睛的结构 眼的组成结构 为了进一步阐述将虹膜作为一种模式来进行识别的理论基础，有必要先详细 的介绍一下眼睛的结构。如图2 1 所示，眼睛的外观图由角膜、虹膜、瞳孔三部分 组成，角膜即眼球外围的白色部分，约占总面积色3 0 ；眼睛的中心为瞳孔部分， 约占5 ；虹膜位于角膜和瞳孔之间，它的纹理含有极为丰富的特征，占6 5 。眼 球可分为眼球壁和眼内容物两部分，眼球壁分为三层膜，外为纤维膜，中为色素 膜，内为视网膜。眼内容物包括房水、晶状体和玻璃体；如再加上角膜，就构成 眼的屈光系统。虹膜小环将虹膜表面分为两部分，小环外侧的虹膜叫做睫状部或 睫状区，内有许多放射性隆起代表虹膜血管从大环走向小环所经过的路径。睫 状区又分为三部分：靠近虹膜小环的一部分最光滑，中间区有许多收缩纹或收缩 沟，形成与瞳孔为同心的圆圈，当瞳孔扩大时最显著：靠近睫状体的区域为筛状 区，此区内虹膜表面有许多虹膜小坑。小环以内的虹膜称为瞳孔部虹膜。 基于虹膜的身份识g 憬统的研究 玻璃律晶状体 图2 1 目e 膊结构图 虹膜的结构 准确的说，虹膜就是黑色瞳孔和白色角膜之问的那部分换装组织，是葡萄膜( 或 者说是眼睛的中间层) 的一部分，位于角膜与晶状体之间，因人种不同而呈现不同 的颜色，呈扁圆盘状口虹膜直径约1 2 m m ，厚约05 m m ，根部最薄，虹膜中央有 一2 5 到4 5 毫米的圆孔，称为瞳孔。虹膜内有瞳孔括约肌和瞳孔开大肌调节瞳孔 的大小。虹膜表面高低不平，有皱裂和凹陷，凹陷又称为隐窝( c r y p t ) 。近瞳孔处 的皱裂特别明显，称虹膜皱裂( r u g a i r d i s ) 或领带韧带( c o l l a n e t t e ) ，它是虹膜小动 脉环的位置标志。虹膜后表面较平坦。由于虹膜内血管分布不均匀，使虹膜表面 出现许多有规则的放射性条纹。在近瞳孔缘约1 5 毫米处，有一条弯弯曲曲的环形 隆起，有如花边表领，是虹膜小环。 虹膜伸展在眼睛前部，是一层很薄的横隔膜，而且它受到晶状体的支撑。正因 为晶状体的支撑作用，所以虹膜呈现出一个去掉顶部的圆锥体。在底部虹膜与眼 睛的睫状体相连，在另一端虹膜通向瞳孔。角膜位于虹膜之前，为虹膜提供了一 层透明的保护层。虹膜是唯一外部可见的人体内部组织，它是弹性连接组织和分 隔带网络组成的，其中分隔带网络的形态是在怀孕的第八个月中形成的。如图2 2 所示。 圈2 2 虹膜纹理的图 分隔带网络包括那些附着在具有条纹特征的无序网孔上的梳状韧带、纤毛状突 蒸三皇墼竖量堂望型盟至查堕堡兰塑堕 7 起、小囊、环状物、皱纹状物、冠状物 2 3 所示。 有时还有斑点、血管等其他特征，如图 色量瞻零 图2 3 虹膜小环结构圈 在腱状部边缘部分的虹膜也有一些虹膜小坑，称为睫状区小坑( c i l i = r y c r y p y ) ， 但和瞳孔部的虹膜小坑相比、睫状区小坑比较小和浅。位于两个小坑之问的虹膜 组织往往有一条梳状突起，跨过睫状体表面延伸到前房角内与房角两状组织相 连续，此突起即被称为梳状韧带。 在虹膜的瞳孔领游离缘，有一条粗细不匀的黑边，是虹膜背面的色素上皮向 前延伸的结果。 从纵向结构来看( 图2 4 ) ，虹膜从前到后可分为5 层：1 内皮细胞层它与 角膜内层细胞相连续；2 ，前界膜层，含有色素细胞，无血管；3 基质层( 即血管层) 由疏松结缔组织构成，内含有丰富的血管、神经、色素细胞和瞳孔括约肌：4 后界 膜，d 由一层平滑肌纤维构成，称瞳孔开大肌：5 后上皮层，由睫状体上皮层延续 而来，共分两层，两层均含有黑色素。 r ，- 一 吲2 4 帅膜削日1 鲇构 基于虹膜的身份识别系统的研究 2 2 2 虹膜识别的医学基础 将虹膜应用于身份识别领域的依据来自于两方而，一个是来自于眼科医生和 解剖学家的大量临床观察，另一个是来自于发生生物学。相关的研究表明虹膜有 以下几方而特点使得它适用于身份识别： 1 个体差异性大： 从虹膜的结构可以看出虹膜纹理含有丰富的特征，大量的观察表明虹膜的细 节纹理差异极大，即使是同一个人的左右眼虹膜也有着显著的不同。虽然虹膜的 整体形态是由人体基因决定的但是它许多细节纹理的形成依赖于虹膜形成初期 的外界环境，比如存胚胎期的初始环境因此由于自然原因使得两个虹膜纹理相 同的可能性极小。 2 ( 自然) 结构稳定： 根据发生生物学，虹膜的很大一部分在一个人出生时便已固定，其余部分大 约在两周岁时成熟。从儿童到成年这段时间内虹膜的平均尺寸增加很少。成年以 后虹膜几乎不变，因此虹膜的生理特征很稳定。随着年龄的增长，虹膜会发生轻 微的色素衰退而且瞳孔平均张开半径会轻微萎缩，但这些变化对虹膜形态的影响 非常小，临床医学的观察充分地说明了这一特点。另外虽然有证据表明某些疾病 和外伤会改变虹膜的纹理特征但这些情况非常罕见。 3 人工改变虹膜特征困难： 这一特点是很明显的，由于虹膜在人体中的位置特殊使得通过医学手段改 变其特征相当困难而且具有一定的危险性。 2 3 虹膜身份识别系统的基本构成 一般的，一个自动虹膜识别系统包含硬件和软件两大模块：虹膜图像获取装 置和虹膜识别算法，分别对应于图像获取和模式匹配这两个基本问题。 虹膜识别系统原理框图如图2 5 所示，分为虹膜图像采集装置、图像预处理、 虹膜特征提取和编码、匹配识别四个部分，其中特征提取和匹配则是虹膜识别系 统中最核心的部分，即使用有效的特征对虹膜图像进行描述，并刻画特征向量之 间的相似性。 第_ 二章虹膜身份识别的基本原理与构成 9 图2 5 虹膜身份识别系统原理框图 虹膜图像的采集是虹膜识别中的第一步，同时也是比较困难的步骤，这是因 为在虹膜识别应用系统中，系统工作的可靠性和准确性在很大程度上依赖于原始 输入图像的质量。专用的虹膜图像采集装置包括光学成像系统、电子控制单元和 适当的软件算法( 如图像恢复与增强、聚焦判断等算法) 。虹膜面积小，而且不同 人种的虹膜颜色有着很大差别，这些使得普通的摄像头无法拍摄出可以用于识别 的清晰虹膜图像。虹膜图像拍摄一般使用c c d ( c h a r g ec o u p l ed e v i c e ，即电荷 祸合器件) 摄像机，此种摄像机采用了固体器件摄像管这种新型摄像器件。固体器 件摄像管由具有光电效应的半导体器件组成一个面阵单元，随景物变化而感受受 到的信号的电荷量先存储在器件内，然后转移到移位寄存器中去。在控制信号作 用下，移位寄存器中的电荷类似电子管型的扫描工作一样，顺序地逐行输出。 影响图像质量的关键除了摄像机本身的性能外，照明角度和强度影响也很大。 在不同的状况下，拍摄的图像质量有很大区别，为了提高图像质量，获得较好的 识别效果，可以通过照明控制来提高输入图像的质量。 系统识别的过程为：利用特殊的图像采集装置获取虹膜的图像后，先进行预 处理，预处理包括图像边缘提取、虹膜图像定位、虹膜图像归一化和虹膜图像增 强几个步骤，目的是去除噪声，加强有用信息，并对测量仪器或其他因素所造成 的退化现象进行复原。预处理后的图像可看作为一幅纹理图像，用纹理分析的方 法来将虹膜图像中的细微特征转化为对应的特征向量，产生特定的虹膜特征向量， 登录到虹膜编码数据库上，将该虹膜特征向量数据与数据库上的特征向量数据进 行对比，根据若干准则及专家知识进行判决，输出身份验证结果，即实现了身份 鉴别。 在实际的应用中，虹膜识别系统还应当能够可靠地鉴别出采集到的图像是否 来自有生命的个体，即系统应具有活体虹膜检测的功能从而彻底排除利用他人 虹膜图像进行非法活动的可能。活体检测算法应充分利用眼睛的生理和光学特性。 第三章虹膜识别技术中的快速定位和预处理 l i 第三章虹膜识别技术中的快速定位和预处理 虹膜图像的预处理( 即虹膜定位) 是虹膜特征提取的前提，预处理的好坏直接 影响到图像特征提取的精度，以及最后图像识别的准确性。虹膜图像预处理的主 要步骤如图3 1 所示，包含了图像边缘提取、虹膜定位、虹膜图像归一化和虹膜 增强四个步骤。 图3 1 虹膜图像预处理的主要步骤 虹膜识别系统中的关键部分即虹膜的快速定位。虹膜定位的准确与否，将直 接影响虹膜的特征提取的有效性和准确性。虹膜定位的速度也对整个虹膜识别系 统能否实用特别是在安检领域得到广泛使用的关键。 虹膜一般可以假设为一个圆环，但是由于虹膜本身的结构和虹膜图像采集器 的特点，直接采集得到的虹膜中存在这一定程度的遮挡。以往的算法是直接按照 在图像中检测圆的方法进行虹膜的检测，严重影响了虹膜检测算法的实时性。因 此需要设计一种快速的虹膜定位算法来进行虹膜定位。 采集得到的虹膜图像在分割后，并不是所有图像都能进行识别和鉴定的，需 要设计一种准则来消除低质量虹膜的虹膜图像给分类器训练和识别带来的困难。 本章将结合虹膜图像的特点，对虹膜图像进行预处理以减少虹膜定位中的噪 声。然后对虹膜图像设计一种快速的虹膜定位算法同时定义一种有效的虹膜质量 评估准则。 3 1 定位前虹膜图像的预处理 因为虹膜图像处理只对纹理进行操作。颜色对识别无影响，所以只要采集图 像为8 位的灰度图即可。 图像预处理一般是数字图像处理的第一个步骤，用于改善处理在各类成像系 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，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，缅 节明显：强化低频分量可减少图像中噪声影响。 1 2 基丁虹膜的身份识别系统的研究 们6 第三章虹膜识别技术中的快速定位和预处理 1 3 使用差分方程对x 和y 方向上的二阶偏导数近似如下： ( 3 1 ) 警= 等= 丛掣= 掣一幽0 x 2 ， 叙2叙 缸 叙 u 名 = ( f ，j + 2 ) 一2 j ( f ，j + 1 ) + f ( i ，) 上式近似是以点( f ，+ 1 ) 为中心的，以点( f ，) 为中心的近似式为： a z ， 三0 争= f ( i ，+ 1 ) 一2 f ( i ，_ ，) + f ( i ，歹一1 ) ( 3 3 ) 类似地有： 窑：f ( i + 1 ，加2 f ( i ，卅f ( i _ 1 ，) ( 3 4 ) 把这两个式子合并为一个算子，就成为下面能用来近似拉普拉斯算子的模板： l0 10l v 2 ll 一41i l0 l0i 3 2 虹膜图像定位 由于虹膜的内外边缘的圆心不是完全同心，虹膜定位的目的是将虹膜从眼睛 图像中提取出来，确定虹膜的内、外边缘的位置，这是虹膜识别的重要而关键的 一步【l0 1 。虹膜的特征分析处理是在抽取的虹膜图像上进行变换、滤波和分析，虹 膜内外边缘的定位能否准确定位，关系到虹膜纹理特征的提取的正确率，对分析 结果产生重要影响。虹膜定位的速度和精度对虹膜识别系统的性能有很大影响。 此虹膜区域定位是虹膜纹理研究的前提和重要环节，在一些虹膜识别系统中，虹 膜定位费时最长，系统中虹膜定位占总时间的5 5 左右【l l 】【1 2 】【1 3 】。 论文针对虹膜内边缘易变形，外边界边缘模糊从而虹膜定位困难等问题，采 用对内外两个边界分别进行处理。对内边界采用灰度差别法来确定。对外边界采 用基于h o u g h 变换的方法。h o u g h 变换特别适合提取规则几何形状的图形，如：直线、 圆等。h o u g h 变换的优点在于：它对图像中的噪声点不敏感，利用它得到的结果可 有效的滤除噪声的影响以提高结果的置信度；这种变换便于并行计算，并行计算 是提高计算速度的有效方法。 3 2 1 内边界的定位 从图3 2 所示的灰度直方图可以看出，瞳孔的灰度远小于眼睛其它部分的灰度 值，并且瞳孔区近似灰度值的像数点分布集中。根据瞳孔的这一特征，首先用二 值化的方法分离出瞳孔，然后再确定瞳孔的圆心位置和半径大小。具体步骤是： 1 4 基于虹膜的身份识别系统的研究 ( 1 ) 计算出整个图像的灰度直方图 ( 2 ) 灰直方图中，像数最集中，灰度值最小的那个峰值区域，为瞳孔区的灰 度分布，如图3 2 最左侧第一个峰值区域。选取左侧第一个峰值和第2 个峰值之间 的最小值的灰度值作为二值化的阈值，对整个图像进行二值化。 图3 2 瞳孔灰度直方图 ( 3 ) 为了除掉图像中几个无关的点，采用形态学中腐蚀和膨胀的方法，对图 像进行处理，从而分离出瞳孔，如图3 3 所示。 图3 3 虹膜内边缘的定位图 ( 4 ) 运用投影法确定瞳孔的圆心和半径，将瞳孔的图像分别投影到x 轴和y 轴方向，分别得到x 轴和y 轴的投影坐标的最大值和最小值：x ，x m i n ，y 一，y 晌， 则瞳孔的圆心坐标( x ，y ) 为 弘( 工一m i n ) 他( 3 5 ) 【y = ( y 。+ y 。i 。) 2 瞳孔的半径为r = - m a x ( x 一一x 。；。) 2 ， 3 2 2 外边界的定位 由于虹膜外边界与角膜的灰度差别不明显，尤其在摄像光照条件不是很好的 蔓三童堑竖型茎垄主堕堡墨塞焦型塑丝里 ” 时候，采用灰度差别法来分离边界就不合适了口”。论文里采用h o u g h 变换的方法。 算法的原理为：设虹膜外边界圆方程为协一4 j 4 - o ，一2 r e , 式中( a ，b ) 为 虹膜外边界的圆心坐标，r 为虹膜边界的半径值，( x ，y ) 为蜒膜外边_ ； 上惠的坐 标值。将( x ，y ) 取遍图像空间每一点，这时该式可写为肛- - a ) 2 + o - b ) 一彳降毒， 式中菩是人为设定的较小的值。适当调整h o u g h 变换的翊值和搜索半径的范围， 就可以准确地提取到虹膜的圆心和半径。首先用经典的s o b e l 算于检测边缘后得 到二值化图像，然后对图像进行h o u g h 变换。就可以提取出虹膜的圆心和外缘半 径，结果如图3 4 所示。算法的具体步骤如下： ( 1 ) 求出原图像的外边缘图 ( 2 ) 建立一个三维矩阵v ( m ，n ，k ) 矩阵中每一个元素对应( a ，b ，一) 的一个特定值，开始计算前将该矩阵清零： ( 3 ) 对外边缘图像中的每一个点( x ，y ) ，求出满足圜的参数方程的所有参 数( a ，b ，r t ) 点，然后对每一个参数点在矩阵v 中找到与之对应的单元。由于v 是离散的，实际上是找到与( a ，b ，p ) 最接近的单元，把该单元的数字加l ； ( 4 ) 找到矩阵v 中数字最大的单元，它所对应得圆参数( a ，b ，l t ) 便是外 边缘图中虹膜所对应的圆心和半径。 图3 4 给出了虹膜图像最终定位结果。 图3 0 虹膜图像最终定位结果 3 3 虹膜图像的分区和归一化 通过获取装置采集的虹膜图像通常不可能仅仅包含虹膜往往还有眼睛的其它 部分，比如眼睑睫毛巩膜等，而且在高度非侵犯性系统中，由于对被试者不做要 求所以可能还会在图像中包含其它东西比如眼镜、人脸其它器官等因此在进行 虹膜识嬲之前必须先确定出虹膜的位置，检测出虹腆在图像中的位置。 由于虹膜的内外因形边界是不同心的，所以需要分别提取本系统使用图像二 值化先提取出内圆即瞳孔和虹膜的交界，再使用高斯低通滤波的方法结合边缘检 测提取出外圈的边界，然后使用h o u g h 变换的方法求出外圆的参数使用图像二值 化先提取出内圆( 即瞳孔和虹膜的交界) ，再使用高斯低通滤波的方法结合边缘检 测提取出外围的边界然后使用h o u g h 变换的方j 去求出外圆的参数。由于不可能对 1 6 基丁虹膜的身份识别系统的研究 采样者采取过分的限制采集得到的图像通常不可能仅仅包括虹膜部分而是包括虹 膜周围的部分，如眼睑、睫毛等因此在开始识别之前必须将得到的图像中对应虹 膜的那一部分，也就是巩膜与瞳孔之间的部分提取出来。 如果眼睑遮住了部分的虹膜则只有在上眼睑与下眼睑之间的虹膜部分才是可 用的，在采用红外照明的条件下得到的图像中瞳孔与虹膜的边界对比度较大，而 虹膜与巩膜的边界对比度较低，同时由于睫毛的存在眼睑的边缘变得不规则，考 虑到以上因素虹膜定位的算法必须适用于不同的对比度。 仔细观察虹膜的图像，可以发现，虹膜图像具有极为丰富的细节特征经过虹 膜图像的归一化，我们首先将虹膜图像展开成固定分辨率的矩形在实际的展开过 程中，由于虹膜内外圆的半径不同，当进行环形的图像采样时，内外圆的图像分辨 率是不同的，所以应该进行插值运算对整个识别过程而言，这样的插值处理并不 会影响识别的准确性首先，对于每个人的虹膜而言，如果不考虑瞳孔收缩和放大 带来的虹膜特征的非线性影响，可以认为瞳孔的缩放不会使插值运算对虹膜特征 的提取造成影响其次，每个人的虹膜都经过同样的插值变换过程，这样的影响即 使有也几乎是等同的：在此，每个的训练样本和测试样本都是在这一变换前提下生 成的，测试时匹配的虹膜样本也是经过与库中的样本相同的变换，而这种变化不影 响特征的稳定性。 由于虹膜的实际面积非常小，眼科学统计表明成年人的虹膜直径约为1 1 1 2 r a m ，所以虹膜图像采集一般采用微距摄影技术来实现。在采集过程中虹膜到物 镜的距离一般只有2 至3 厘米，由于成像距离很小所以每次采集时虹膜与成像设 备之间相对位置的细微变化都会造成比较大的虹膜图像畸变。实验发现通过采用 多透镜组可以对微距拍摄的虹膜图像进行一定程度的校正，如消除图像边缘的桶 形失真，但是并不能从根本上解决畸变问题。眼球在图像采集过程中不可能保持 绝对的固定，比较同一个虹膜样本采集得到的一组图像序列可以发现每一帧虹膜 图像都会呈现比较大的差异，通过对多个虹膜图像序列的观察发现这种差异主要 体现两个方面：虹膜的偏转和瞳孔的缩放。 为了对虹膜图像进行精确的特征提取必须首先解决虹膜图像序列的差异问 题，排除偏转缩放等变化因素的干扰，即实现虹膜的归一化。所谓虹膜的归一化 就是将未经处理各不相同的虹膜图像纹理变换到相同的尺寸和位置使尺寸与位 置。这两个参数对于采集到的任何虹膜图像都具有不变性从而消除镜头平移、瞳 孔缩放和眼球旋转对虹膜特征提取造成的影响。虹膜是环形结构的内边缘是虹膜 与瞳孑l 的交界外边缘，是虹膜与巩膜的交界。眼科学研究表明虹膜的内外边缘并 不是正圆形，但在研究中可以采用正圆对边缘进行拟合，利用瞳孔和虹膜接近圆 形的特性和虹膜边缘灰度的梯度变化可以定位图像中的虹膜位置并确定其内外圆 心和半径。虹膜归一化的过程就是在虹膜定位完成后以内外圆圆心和半径为参数 第三章虹膜识别技术中的快速定位和预处理 1 7 将笛卡尔坐标系下虹膜的灰度图像i 。映射到双无量纲的极坐标系i ，。可以表示如 下 i 。，一 i ，。其中r ( 0 ，1 ) 0 ( 0 ，2 ) 显见经过归一化的虹膜图像可以统一采集设备的调焦参数从而排除采集过程 中由于成像焦距不同造成的虹膜大小不一的影响。由于虹膜可以看成一张各向同 性的橡皮薄膜虹膜纹理，由瞳孔边缘开始向外呈放射状分布终止于巩膜边缘，无 论瞳孔如何缩放虹膜纹理对于瞳孔边缘和巩膜边缘的相对位置是不变的，即虹膜 纹理具有仿射不变性，由此可见归一化之后的虹膜图像可以消除瞳孔收缩放大的 影响。 3 3 1 虹膜图像的分区 由于虹膜纹理的生物机理造成了它具有的一些分布特点，即在离瞳孔越近的 地方，纹理分布越密集，而在离瞳孔越远的地方，纹理分布越稀疏。因此，在文 献阳1 的虹膜分区的基础上，同时考虑到实际虹膜图像的一些特点，提出了新的分区 识别算法。新的虹膜分区如图3 5 所示。深色区表示瞳孔，r 1 为虹膜圆心，r 2 为 瞳孔圆心，深色区外的阴影区设为a 区。a 区是靠近瞳孔的虹膜区域，b 区是虹 膜的外部区域。 图3 5 虹膜分区示意图 由于a 区通常是完整的因此仍然保留a 区，同时选取b 区中的b 1 和b 2 两个 区域用来进行特征提取。b 1 和b 2 两个区域的选择是考虑到这两块区域受到上下眼 睑和睫毛的干扰较少，同时考虑到要尽可能的保持虹膜图像的完整。 3 3 2 尺寸的归一化 不同个体的虹膜尺寸有差异，并且成像位置不同，即物距不同引起成像放大 率不同，也必然引起采集到的虹膜尺寸有所不同。为实现虹膜的匹配，采用归一 化操作。虹膜归一化的目的是将每幅原始图像调整到相同的尺寸和对应位置，从 而消除平移，缩放和旋转对于虹膜识别的影响。 在获得了虹膜内外圆参数后，发现瞳孔的圆心和虹膜的圆心并不完全重合， 基于虹膜的身份识别系统的研究 但差距并不大。因此对虹膜进行分割时是以瞳孔的圆心作为圆心，采用极坐标的 方式将虹膜展开成矩形后获得了尺寸归一化6 4 x 5 1 2 的矩形虹膜图像( 如图3 6 所 示) 。 图3 6 归一化虹膜图像 变换过程如式( 3 6 ) 所示 卜艘2 “ “徊) ( 3 6 ) i y o ( p ) = h + p s i n ( e ) 其中，x o ( 力和y o ( 力分别表示角度为e ，长度为p 时的虹膜图像坐标；而， 表示瞳孔圆心坐标；p e 【0 ，l 】：口e 【o 扫】当p 变化时口e p ，2 卅上以一定的采样率 提取特征点，采样率不随p 变化。考虑到在采样点不是在整数坐标点的情况下， 采用双线性插值的方法来解决这个问题。职线性插值的方法已经考虑到了像素点 的直接零点对它的影响，所以可以得到满意的插值效集。 之后则极坐标系单位区域内的任意点都可以在原笛卡尔坐标系虹膜纹理区域 内找到对应的像素，这种变换在极坐标系下重建了虹膜纹理，并且该纹理的尺寸 是统一的极坐标系下的单位区域面积不受笛卡尔坐标系下原始图像尺寸的约束， 事实上观察实际采集得到的虹膜图像可以发现大多数图像都存在上眼睑以及眼睫 毛遮挡部分虹膜的问题，所以在宴际进行虹膜归一化时为了排除眼睑和睫毛的干 扰并不需要将p 的取值范围确定为整个虹膜区域p el o 2 z i 。只需对一部分区域的 纹理进行变换，即可研究表明只要参与计算的虹膜面积超过虹膜整体面积的8 0 就可以满足虹膜识别的需要。实验中取值范围定为p ( 0 8 9 # ) 。在标准虹膜的前 提下即保证虹膜内外圆心完全重合以上的归一化理想模型具有良好的处理结果。 事实上，在采集得到的虹膜图像中虹膜内外圆心不重合的情况是非常多见的。 所不同的只是内外圆心的偏离程度造成这种情况的原因是复杂的；大体上可以从 两个方面来进行分析：第一由眼睛的生理结构决定的眼科学研究表明人眼的虹膜 与瞳孔不是正圆形，所以在用正圆形对其边缘进行拟合时会出现内外圆心偏差观 察发现由生理性原因造成的虹膜内外圆心偏差一般都比较小在虹膜图像分辨率为 3 7 2 * 2 4 5 的情况下生理原因造成的圆心偏差一般小于2 个像素；第二采集过程中 由于眼球转动造成的圆心偏差当眼球转动一个小角度时，由于虹膜内圆比较小并 且接近镜头中心，所以成像时不会产生很大的变形，但由于微距成像的作用靠近 外侧的虹膜外圆却会产生比较大的畸变，从而导致内外圆心的偏差，这样的偏差 一般比较严重在虹膜图像分辨率为3 7 2 * 2 4 5 的情况下多数圆心偏差太于3 个像 素。 墨三墨堑竖型茎查! 盟堡墨垂堡塑塑墼墨 悖 3 3 3 光照的归一化 虹膜尺寸归一化以后，算法对于虹膜图像的平移、尺度变化以及瞳孔的收缩 都具有不变性。由于在室内光照环境下对虹膜的采集可能会造成光照的不均匀分 布，会影响后面对虹膜纹理的特征提取。为了提高识别效果，对虹膜图像采用了 局部动态直方图均衡的方法，对接近瞳孔的区域和接近虹膜外边界的区域采用不 同的均衡系数，获得了良好的增强效果。具体方法如下： 首先，结合虹膜图像的实际特点，我们将虹膜图像分成靠近虹膜内四和靠近 外圆2 部分。对于靠近虹膜内圆的图像小块，由于舍有丰富的纹理信息，灰度动 态范围比较大，因此采用全范围的灰度直方图均衡化，这样就克服了局部直方图 均衡化方法过度放大某些小块的灰度动态范围的缺陷；其次，对于靠近