（通信与信息系统专业论文）基于gaussianhermite矩虹膜识别算法的研究.pdf

中山大学硕士学位论文基于a n - h e r m i t e 矩虹膜识别算法的研究 基于c a u s si a n - h e r m it o 矩虹膜识别算法的研究 专业：通信与信息系统 姓名：刘军林 指导老师：沈伟教授 摘要 比尔盖茨曾经断言：生物特征识别技术将成为未来几年i t 产业的重要革 新。以鉴定人体自身生物特征的方式实现身份识别与认证的生物特征识别技术， 相对于传统的方法，在可靠性、适应性等方面具有明显的优势。虹膜作为人体生 物特征的重要特征之一，研究虹膜识别技术进行身份鉴别与认证，如同指纹、面 像等识别技术一样，已受到人们越来越多的关注。 虹膜轮廓的准确定位以及虹膜特征信息的提取，对于虹膜识别的效率与精 度至关重要。通过对文献资料的分析与研究发现，对于虹膜的定位，目前的方法 主要可以分为两类：基于h o u g h 变换的方法和基于d a u g m a n 的圆灰度梯度检测算 子的方法；虹膜识别的算法基于所提取的虹膜特征，目前虹膜特征的选取大致也 可归纳为如下两类方法：基于纹理分析的方法和基于局部变化分析的方法。就目 前虹膜识别技术的研究现状而言，尚有许多问题有待进行深入的探讨与研究。 本文在虹膜定位环节上，提出了一种先快速粗定位瞳孔，再精定位的基于 虹膜图像灰度和几何特点的虹膜快速定位算法，跟其它传统算法比，速度优势比 较明显；在虹膜特征提取环节上，提出了一种基于g - h 矩分析虹膜特征区域形状、 位置和大小变化的方法进行虹膜识别，具有较高的精度，同时可以方便解决旋转 问题。为了验证这两种方法的实际效果，采用中国科学院自动化研究所提供的虹 膜图像库进行了实验，实验结果表明本文提出的新方法是可行的、有效的。 中山大学硕士学位论文基于g a u s s i h e r m i t e 矩虹膜识别算法的研究 关键词 虹膜识别身份鉴定虹膜定位虹膜特征提取g a u s s i a n - h e r m i t e 矩 中山大学硕士学位论文 基于g a e s s i a n - h e r m a e 矩虹膜识别算法的研究 t h e s t u d yo f i d sr e c o g n i t i o nb a s e do n m a j o r ： n a m e ： g a u s s i a n h e r m i t em o m e n t c o m m u n i c a t i o na n di n f o r m a t i o ns y s t e m j u n l i n s u p e r v i s o r ：p r o f s h e nw e i a b s t r a c t b i l lg a t e so i i c ca s s e r t e dt h a tt h e t e c h n o l o g yo fb i o m e t r i c s f o rh u m a n i d e n t i f i c a t i o nw i l lb ea l li m p o r t a n tr e n o v a t i o no fi ti n d u s t r yi nt h e f u t u r ey e a r s c o m p a r e dt o t h et r a d i t i o n a lm e t h o d s , t h et e c h n o l o g yo fb i o m e t r i c sf o rh u m a n i d e n t i f i c a t i o n , w h i c hg e t st oi di d e n t i f i c a t i o na n da u t h e n t i c a t i o nb a s e do nt h eh u m a n s p h y s i o l o g i c a lo rb e h a v i o r a lc h a r a c t e r i s t i c s , p r o v i d e sm o r ea d v a n c e da n dr e l i a b l e s o l u t i o n s f o rs e c u r i t yp r o b l e m s i r i si so n eo ft h ei m p o r t a n ts u c ha sf i n g e r p r i n t r e c o g n i t i o n , f a c er e c o g n i t i o n ，c t c ，i r i sr e c o g n i t i o n i s a t t r a c t i n gm o r ea n dm o r e a t t e n t i o n o f r e s e a r c h e r s a n d o f t h es o c i e t y t h er a t eo fs u c c e s s f u lr e c o g n i t i o na n d p r e c i s i o nd e p e n d s m u c ho nt h e p e r f o r m a n c eo fi r i sl o c a t i n ga n df e a t u r ee x t r a c t i o nu s e d f o ri r i sl o c a t i n g , m a n y m e t h o d sw e r ep r o p o s e d ；t h e y 咖b ec a t e g o r i z e di n t ot w oc l a s s e s ：t h o s em e t h o d s b a s e do nh o u g ht r a n s f o r ma n dt h o s em e t h o d sb a s e do nd a u g m a n sc i r c u l a rt e m p l a t e m a n yf e a t u r e so fi r i sh a v eb e e np r o p o s e d ，w h i c hc a nb ea l s od i v i d e di nt w om a j o r c a t e g o r i e s ：l o c a lv a r i a t i o na n a l y s i sb a s e dm e t h o d sa n dt e x t u r ea n a l y s i sb a s e dm e t h o d s b u tt h e r ea r es t i l lm a n yp r o b l e m sa n dq u e s t i o n sw h i c hn e e dt h o r o u g ha n dd e e pg o i n g e x p i o r a t i o na n dr e s e a r c h a tt h ep a r to fk i sl o c a t i n gi nt h i sp a p e r , w ep r e s e n tan c wm e t h o db a s e do nt h e g e o m e t r i c a la n dg r a yc h a r a c t e r i s t i co fe y e sa n d 啪d e t e c tt h ep u p i lr a p i d l y b y 中山大学硕士学位论文 基于g a u s s i a n - h e r m i t c 矩虹膜识别算法的研究 c o m p a r e dw i t ht h et r a d i t i o n a lm e t h o d s ，t h i sm e t h o di m p r o v e st h es p e e d m e a n w h i l e ， a tt h ep a r to ff c a t u r ee x t r a c t i o n , w ep r o p o s eam e t h o db a s e do ng a u s s i a n h e r m i t e m o m e n tt oa n a l y z ec h a n g e so f t h es h a p e ，p o s i t i o na n ds i z eo fi r i sc h a r a c t e r i s t i cd i s t r i c t ， w h i c hh a v eh i g h e ra c c u r a c ya n dc a ns o l v et h er e v o l v e dp r o b l e me a s i l ya tt h es a m e t i m e o u rm e t h o d sa r ei m p l c m e n t e da n dt e s t e df o rr e a li r i si m a g e s ，a n dt h e e x p e r i m e n t a lr e s u l t ss h o wt h ee f f i c i e n c ya n dp r e c i s i o no fo u rs y s t e m k e y w o r d s i r i s r e c o g n i t i o n , p e r s o n a li d e n t i f i c a t i o n ，i r i sl o c a t i n g , i r i s f e a t u r ee x t r a a i o n , g a u s s i a n - h e r m i t em o m e n t - i v 第1 章绪论 第1 章绪论 在以信息、自由为特点的2 1 世纪，人体生物特征识别与认证作为国家未来 重大战略关键技术矧，必将在社会生活中占据越来越重要的位置，并将在很大程 度上改变人们的生活方式。本章通过对传统的身份认证技术和当今人体生物特征 认证技术的分析，展示出虹膜识别技术的应用前景和研究虹膜识别技术的价值。 1 1 身份认证技术 身份认证，一个古老而又永恒的话题，只要有人涉足的地方就有身份认证 的问题。随着科技的发展，电子技术与人们生活之间的关系日益密切，越来越多 的电子设备进入到我们的生活当中，也越来越多的场合要求有可靠的个体身份认 证。然而，通过各种各样的方式来盗取他人的密码、身份号以及其它的起钥匙作 用的物品的情形不断发生。下面是一组相关的统计信息1 2 5 】： 内部网安全 在一份对5 3 3 名i t 经理的调查报告中显示，在公司内部，非授权使用计算 机系统的比例从1 9 9 6 年的4 2 增长到1 9 9 7 年的4 9 ，而且，因此造成的损失超 过一亿美元。 假信用卡 假信用卡一年所造成的损失在4 0 到6 0 亿美元之间，而且在逐年增长。 建筑物通道安全 企业的员工和建筑物的主人出入各种建筑物的通道，进行必要的身份认证， 防止未经授权的进出。目前使用的出入控制手段主要是各种卡片、证件等，然而 卡片和证件非常容易丢失、借用和被仿制，而且携带麻烦。 中山大学硕士学位论文基于g a u s s i - h e m n i t e 矩虹膜识别算法的研究 i n t e r n e t 安全 所有的通过i n t e r n e t 发送资料的公司都在寻找一种安全发送资料的方式， 尤其是在发展电子商务的时候，在牵涉到信用卡交易时，对身份认证的可靠性的 要求更是非常迫切。 i n t r a n e t 安全 随着网络技术的发展、在很多公司内部，企业与员工之间、员工与员工之 间进行业务沟通主要都是基于i n t r a n e t ，从发送合同到各种各样的健康表格。 而这一切都需要一个安全，可靠的i n t r a n e t ，可以让不同的人以不同的权限存 取公司不同的信息。传统的基于身份号和口令的系统显然是无法提供足够的安全 性的。 鉴别系统的安全 美国c o n n e c t i c u t ( 康涅狄格) 州，曾经最早使用指纹识别系统，估计它因 这项技术节约了大约7 5 0 万美元的社会福利开销，而l o sa n g e l sc o u n t y 通过 将此项技术用于公众救助系统，则预计节约了l 亿美元，。 由以上信息可知：在我们生活的很多方面，对于方便、安全的身份认证系 统的需求是日益迫切。 传统的身份认证方法大体上可以分为以下几类： 标识性物体比如钥匙、身份证、驾照、信用卡以及其他各种各样的i c 卡，即你拥有什么： 特定性知识比如密码、口令、暗语等等，即你知道什么； 两者结合比如信用卡加密码等等。 这些传统方法固然简单，但作为身外之物，必然会带来很多不便，比如密 码遗忘，很多人有持一堆信用卡却因为忘记密码而很多时候束手无策的经历；比 第1 章绪论 如智能卡丢失、被盗，任何人拣到或者偷到智能卡都拥有了该卡原主人的所有相 关权利。而且作为身外之物始终不大可靠，伪造假证、假卡，泄漏密码的事情时 有发生。 身份的失窃与假冒不仅会造成很大的经济损失，而且会直接威胁着国家的 安全。因此，我们必须寻找一种更加可靠便捷的身份认证方法。 人即在此，为什么还要借助身外之物来证明自己的身份呢? 人体生物特征认证利用人体自身的生物特征来进行身份识别或认证， 即你是什么，用自己来证明自己。 利用人体自身的生物特征来身份认证，既不需要个人记住什么特定的信息、 又不容易遗失、不容易被窃取，而且必然随身携带，从而弥补了传统身份认证方 法的不足。虽然在技术上可能复杂一点，但是在可靠性上有比较高的保证。因此， 采用生物认证技术去实现自动身份认证，越来越受到人们的重视 1 1 1 1 2 1 1 1 4 1 【3 5 蚓。 1 2 人体生物认证技术 人体生物认证技术【l 】【1 5 1 6 】1 1 7 】( b i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y ) 是 利用人体生物特征进行身份认证的一种技术。人体生物特征是唯一的( 与他人不 同) ，可以测量或可自动识别和验证的生理特性或行为方式，可以分为生理特征 和行为特征。生理特征是与生俱来的，比如指纹、掌纹、人脸、虹膜、i ) n a 等人 体所具有的器官或组织；行为特征是后天习惯使然，比如声音、笔迹、步态等特 征信息。作为人体身份认证的特征必须满足以下几个条件【1 7 】： 1 是人各有异的，如指纹、掌纹、虹膜等。相反，身高虽然也是人体的一 个指标之一，但是它不是一个各不相同的指标，不同的人有相同的高度是非常大 概率的事件，所以，一般情况下，我们很难单一地根据身高来识别某个个体。 2 必须是稳定的。指纹、掌纹、虹膜都具备这个条件，但是我们同样不可 以单一地把发型当作人体身份识别的生物特征。 中山大学硕士学位论文基于g a u s s i a n - h e r m i t e 矩虹膜识别算法的研究 3 从安全性与可靠性方面考虑，最好是不可轻易改变的。如虹膜就是一种 非常精细的特征，是一个位于透明的角膜之后，外部可见的内部器官，一般的手 术很难改变虹膜的结构。 基于以上几个限制条件，指纹识别、掌纹识别、人脸识别、声音识别、步 态识别、虹膜识别、视网膜识别1 】【3 5 】等等都得到不同程度的发展，其中尤以指纹 识别最为突出。图卜i 是几个典型的应用案例。虽然目前指纹识别技术已相当成 熟，应用也比较广泛，但在应用中暴露了一些缺点，比如指纹图像比较容易被别 人仿制，且指纹图像的获取一般都是接触式的，这在一定程度上造成大众对指纹 识别这种方式的心理抵触，从而人们希望能有更好的人体生物认证技术的出现， 虹膜识别技术1 4 】【7 l 便是其中发展较快的一种技术。 图i - i 人体生物认证应用实例。( a ) 、( b ) 、( c ) 、( h ) 基于指纹识别的身份认证系 统；( d ) 、( f ) 基于掌纹识别的机场身份认证系统；( e ) 基于虹膜识别的伦敦 h e a t h r o w 机场身份认证系统；( g ) 基于面部识别的a t m 第1 章绪论 1 3 各种人体生物认证技术的比较阎 划 1 3 1 指纹识别技术 指纹识别技术的研究已有很长的历史，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、 谷和端点、分叉点或分歧点，从指纹中抽取的特征值可以非常详尽以便可靠地通 过指纹来确认一个人的身份。 平均每个指纹都有几个独一无二可测量的特征点，每个特征点都有大约七 个特征，我们的十个手指产生最少4 9 0 0 个独立可测量的特征，这足够来确认指 纹识别是否是一个更加可靠的鉴别方式。 指纹识别的优点 指纹识别相对其它众多基于人体生物特征的身份认证技术而言是研究 最充分的； 指纹是人体独一无二的特征，并且它们的复杂度足以提供用于鉴别的 足够特征： 采集指纹的速度很快，使用非常方便； 指纹采集设备可以更加小型化，并且价格会更加的低廉。 指纹识别的缺点 某些人或某些群体的指纹因为指纹特征很少，无法对其进行有效的识 别； 由于指纹图像的获取到目前为止都是接触式的，也就是说参与指纹识 别的个体必须将手指与指纹图像获取装置( 如半导体指纹采集器、红 外指纹采集器等) 直接接触，这对一些人来说可能也是一种侵犯； 每一次的使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这 些指纹痕迹有可能被用来复制指纹，而现有的方法在区分真伪指纹上 都还不是特别成功。 中山大学硕士学位论文基于g a u s s i a n - h e r m i t e 矩虹膜识别算法的研究 1 3 2 签名识别技术 签名识别技术，是一种行为测定识别的技术。其作为身份认证的手段已经 用了几百年了。识别过程中，签名数字化是这样一个过程：测量签名图像本身以 及整个签名的动作在每个字母以及字母之间的不同的速度、顺序和压力。 签名识别的优点： 使用签名识别更容易被大众接受而且是一种公认的身份识别的技术。 签名识别的缺点： 随着经验的增长，性情的变化与生活方式的改变，签名也会随着而改 变； 因为签名的采集过程的速度依赖人本身手写的速度，因此相对其他方 式而已速度较慢； 用于签名的采集设备结构复杂而且价格昂贵，因为和笔记本电脑的触 摸板的分辨率有着很大的差异，我们在技术上很难将两者结合起来， 而且很难将它的尺寸小型化。 1 3 3 声音识别技术 和签名识别相同，声音识别也是一种行为识别技术，声音识别设备不断地 测量、纪录声音的波形和变化。而声音识别是基于将现场采集到的声音同登记过 的声音模板进行精确的匹配的过程。 声音识别的优点： 声音识别也是一种非接触的识别技术，用户可以很自然地接受。 声音识别的缺点 声音因为变化的范围太大，环境中的噪声过多，故而很难进行一些精 确的匹配； 声音会随着音量、速度和音质的变化( 例如感冒时声音的变化) 而影响 到采集与比对的结果； 目前的技术还无法准确的识别声音来源于人自身还是录音设备： 高保真的麦克风是很昂贵的。 第1 章绪 论 1 3 4 面部识别技术 面部识别技术通过对面部特征和它们之间的关系来进行识别，用于捕捉面 部图像的两项技术为标准视频技术和热成像技术，其识别技术是基于人脸中非常 复杂的特征。 面部识别的优点： 面部识别是非接触的，用户不需要和设备直接的接触； 采集过程更加人性化。 面部识别的缺点： 使用者面部的位置、面部的遮挡物及周围的光环境都可能影响系统的 精确性； 人脸自身的变化对识别的准确度也存在影响； 目前而言，面部识别所需要的设备成本还比较高。 1 3 5 视网膜识别技术 视网膜也是一种被用于生物识别的特征，某些研究学者认为视网膜是比虹膜 更为唯一的生物特征，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。 视网膜技术的优点： 视网膜是一种极其固定的生物特征，因为它是“隐藏“的，故而不可 能磨损，老化或是为疾病影响； 视网膜图像的获取一般通过红外技术或造影技术来实现，使用者不需 要和设备进行直接的接触； 因为视网膜不是直接可见的，故而很难被伪造。 视网膜识别的缺点： 对视网膜识别技术的研究相对比较少，对这种方法的可靠性没有太多 的论证和实验证明； 采集设备昂贵。 中山大学硕士学位论文 基于c , a u s s i a n - h c r m i t c 矩虹膜识别算法的研究 1 3 6 虹膜识别技术 虹膜是一种在眼睛中瞳孔内的织物状的各色环状物，每一个虹膜都包含一 个独一无二的基于水晶体、像冠、细丝、斑点、结构、凹点、射线、皱纹和条纹 等特征的结构。 虹膜技术的优点： 细节丰富，特征复杂，其特征不易被复制，安全性高； 只需用户位于设备之前而无需物理的接触，便于用户使用。 虹膜技术的缺点： 采集设备昂贵； 图像获取比较困难，需要一个比较好的光源才能获得比较高质量的虹 膜图像。 1 3 7 各种生物认证技术方式性能比较 我们可以将上述提到的几种人体生物认证技术以及其他几种做如下直观的 比较，如表1 - 1 所示： 表卜1 几种人体生物认证技术性能比较 生物特征普遍性 唯性 可采集性可接受性稳定性可靠性安全性 指纹中高中 由 高高高 签名 低 低 高高低低低 声音 凼 低中高低低低 面部高低高高低中低 视网膜高高低低高 中 高 虹膜高高中 由 高高 高 d n a 高高低低高高低 步态 由 低 高高低低中 手形中中 高中 由 中 由 第1 章绪论 表卜1 备注： 普遍性：是指适用的人群比例。 唯一性：是指每个人的特征相同几率的大小，越大则唯一性能越低。 可采集性：是指特征是否能方便被采集。 可接受性：是指被采集者在采集过程中对采集过程的接受程度。 稳定性：是指特征在人年龄变化过程中自身变化的大小，变化越小则稳定性越 高。 可靠性：是指特征识别的精度和误差。 安全性：是指特征是否容易被复制或修改以欺骗识别。 从上表中我们可以看出，在诸多生物识别中，虹膜识别各项性能均较优，因此采 用虹膜识别技术进行身份的识别是较好的选择。 1 4 人体生物认证技术市场浅述 比尔盏茨曾经断言：生物认证技术将成为未来几年l t 产业的重要革新【5 “。 支撑这段言论的事实是：越来越多的个人、消费者、公司乃至政府机关都承认现 有的基于智能卡、身份证和密码的身份认证系统远远不够的，人体生物认证技术 将在提供个人身份认证解决方案方面占据重要的地位。 我们可以从来源于网络上公开的技术资料获得以下信息。 f o r e s t & s u l l i v a n 根据最近的f o r e s t & s u l l i v a n 战略研究报告，世界 生物识别技术市场一主要是硬件设备和相关软件市场在1 9 9 6 年所获得的利润是 一亿零三百万美圆，到2 0 0 3 年，利润将增加到一亿七千万美圆。平均年增长率 为7 5 。现有生物识别技术市场竞争环境受到若干因素的影响，该市场也表现 出市场脆弱，工业结构不明确，资金有限等特点。报告指出自动身份鉴定产业 也正在演变。例如传统条形码i d 技术，o c r 和磁条技术都面临来自更复杂的 r f i d 技术，智能卡技术和生物识别技术的市场冲击。专家指出所有专业自动身 份人证技术公司在今后5 年内将形成一个数十亿美圆的市场。 根据从s t a m f o r d 的一份报告，生物认证技术是唯一能够达到医疗保险 部门安全标准的技术。密码丢失每年已经造成数百万美圆的损失。据g a r t n e r 集 团统计，有大约2 0 9 6 到5 0 的公司会遇到需要重新设定密码问题，以一个拥有 中山大学硕士学位论文基于c m l - h e r m i t e 矩虹膜识别算法的研究 2 ，5 0 0 台桌面计算机的机构为例，每年在重设口令上的花费就可能达到 $ 8 5 0 ，0 0 0 。国际生物识别集团( i c g ) 1 9 9 9 生物识别的收入；$ 5 8 4 0 万。2 0 0 3 生 物识别的收入：$ 5 9 4 亿( 估计) 注意：这些数字包括生物识别的硬件和抽取 比较算法。生物识别的集成，中间件( 例如，n t 登录) 并且a f i s 系统( 例 如，大规模的f b i 系统) 没在这些数字。生物识别市场会在2 - 3 年里达到一 个新的增长水平，主要有4 个内部和外部因素来促使这种新的增长。这些因素 之一是价格的降低。价格降低的例子在生物识别技术技术市场中是十分明显的： 以手指扫描设备为例，2 年前需花费$ 5 0 0 才能购买到的外部设备现在只需花 费$ 1 0 0 左右即可得到，多数外部设备的价格都在$ 2 0 0 以下。属于外部设备的 生物识别专用照相机的价格也降到了$ 5 0 - $ 7 5 ，这就使面部扫描技术进入家庭成 为了可能。最昂贵的虹膜扫描识别技术，以前一套的价格在$ 7 0 0 0 左右，现在 价格只有$ 4 0 0 0 - 5 0 0 0 虹膜扫描识别设备也已经由l g 公司生产出来了。 m e n t i s 公司公布了题为( p i n 以外应用生物识别技术为金融服务的策略 实现的报告，报告中指出金融服务行业将不断增加在生物识别技术领域的投 资。当金融服务领域对生物识别技术的需求量不大时，生物识别技术主要在队下 4 个领域：门禁，电子设备访问权限，支票信用卡验证，a t m 使用认证得到了广 泛应用。生物识别技术增加了用户身份认证准确性，从而也减少了授权人的损 失。随着生物识别技术的不断发展和价格的不断下降，生物识别技术在金融服务 行业中运用的可行性一定会更大。 据国际生物认证集团预测：美国生物认证市场到2 0 0 5 年将达到1 9 亿美 元，其中指纹识别占4 0 ，虹膜识别占1 0 左右。另据一家权威调研机构对中 国市场的预测：到2 0 0 5 年，中国指纹识别市场将突破3 5 亿元；虹膜识别市场将 突破5 亿元。 同时从i n t e r n a t i o n a lb i o m e t r i cg r o u p 的网站上我们获得了关于2 0 0 3 到 2 0 0 8 生物识别市场预测规模的数据。如图1 - 2 所示。 第1 章绪论 ，期嘲m o , m m 她髓v 量n 嘲绋黼2 0 0 0l 事哪 _ 嶂州_ 聃 棚鞘绷黼黼糊 铂嘲m 辑0 - 种_ 酗一蛳- 撕 图1 22 0 0 3 到2 0 0 8 人体生物识别市场预测 从以上分析中可以看出，人体生物认证技术发展迅猛，其应用范围也越来越 广泛。 1 5 总结 我们通过第一节，描述了身份认证的目的和实现方式。在第二、三节中，我 们简单的介绍了人体生物认证技术和人体身份认证的特征必须满足的几个条件， 以及各种生物认证的实现方式和优缺点，并通过表格的方式，在安全性，可靠性， 可采集性和公众可接受性等方面进行了对比。从而得出，虹膜识别技术的综合指 标最高，其是最值得采用的生物认证技术。在 3 3 1 1 3 4 1 的报告中也指出，虹膜是最 可靠的生物特征之一。同时通过第四节的市场分析，我们可以看出，生物认证技 术的应用范围逐年上升。因此，对虹膜识别技术的研究，具有非常重要的价值。 这正是我们选择虹膜识别技术作为研究工作的原因。 第2 章虹膜识别技术 第2 章虹膜识别技术 虹膜作为一种人体生物特征必然有其生理基础，虹膜识别系统【1 l 【1 2 1 1 4 1 1 2 1 1 如 其他的系统一样，通过模块的划分，可分为不同的部分，每个部分中都包含着各 自的技术点。本章主要简单介绍一下虹膜识别的生理基础，以及虹膜识别系统中 各个模块的组成和所包含的技术。 2 i 虹膜识别的生理基础 图2 - 1 虹膜示意图 如图2 - 1 所示，虹膜是眼球的一部分，眼球的可见部分俗称眼珠，眼珠的 中心是黑色的瞳孔，瞳孑l # i - 缘和巩膜间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。虹膜具有多层结构，包括有颜色的上皮细胞、毛细血管、环状和放射状的肌 肉等生理组织。从识别的角度来说，虹膜的颜色信息并不具有广泛的区分性，而 那些相互交错的类似于斑点、细丝、冠状、条纹、隐窝等形状的细微特征才是虹 膜唯一性的体现【3 1 【5 i 】n 1 1 3 1 。这些特征称通常为虹膜的纹理特征。 虹膜具有很好的稳定性。临床观察发现：虹膜在人出生后半年至一年半后 能够在相当长的时期内基本保持不变，也难以在对视觉无严重影响的情况下用外 科手术改变虹膜特征，更难以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，身体其它组织或器官的一般性疾病也不会对虹膜组织造成损伤。 中山大学硕士学位论文基于g a u s s i a n h e r m i t c 矩虹膜识别算法的研究 研究还发现，虹膜具有非常高的唯一性。其组织细节的形成与胚胎发生阶 段的环境有关，具有极大的随机性。人跟的虹膜包括从形状到纹理结构 具有明显可区别的模式特征。每个眼睛的虹膜可以说是绝对不同的，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 征也不尽相同。 同时，瞳孔的缩放使虹膜组织具有活体组织的显著特征。可见，虹膜具有 作为人体生物特征识别的依据所必须具备的唯一性、可靠性、稳定性等特征，而 且相对指纹而言，虹膜更难以伪造，更重要的是，虹膜的复杂结构提供了更多的 特征量。 2 2 虹膜识别技术的发展 大约在1 8 8 5 年，法国人a l p h o n s eb e r t 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，不过当时主要依赖于人的观察l 硼。直到二十世纪九十 年代，虹膜识别才取得了快速的发展。近几年，它已成为生物特征识别领域的热 门研究方向。现在已经有了一些成功的应用案例【1 1 3 5 1 1 3 6 1 ，比如加拿大的温哥华、 多伦多国际机场，伦敦的h e a t h r o w 机场等，利用虹膜识别系统来进行边境检查、 通关认证；在其他比如信息管理以及建筑安全等方面也得到了比较广泛的应用。 图2 2 巴黎刑事监狱尝试利用虹膜进行身份认证的报道 目前，虹膜识别技术已经有了很大的发展，很多相关的科研机构如i r i s c a n 、 m i t 等，还有个人如剑桥大学的j o h nd a u g m a n 教授1 2 h 1 们，m i t 的r i c h a r dp w il d e s 教授1 1 2 】【1 3 】和啊b o l e s 先生【1 4 】，都有自己的一套识别方法。国内也有一些机构在 这方面取得一定的成绩，如上海交大【冽、华中理工刚和中科院模式识别实验型1 9 1 第2 章虹膜识别技术 【2 1 h 2 3 】等等。 2 3 虹膜识别系统组成 总的来说虹膜识别系统的一般流程如下图所示 图2 3 虹膜识别系统一般流程 主要包含两大子系统：建库系统和识别系统。这两个子系统在结构上基本 相似，都是对输入的虹膜图像进行一系列的处理以提取虹膜图像的某些特征。其 中：虹膜获取模块是通过虹膜采集仪获取一系列虹膜图像；预处理与质量评估是 对采集到的一帧帧图像进行评估，滤掉不合格的虹膜图像，以提高效率和精度； 虹膜定位的目的是找出眼部图像中感兴趣的区域一一虹膜区域，以提高速度；特 征提取与匹配是识别算法的核心，根据提取的虹膜特征进行匹配，以进行身份的 识别与认证。但是二者的含义有所不同，前者提取特征是为了建立虹膜特征库， 这个特征库在识别之前已经建立，并固定作为后续匹配的基础；而后者才是某次 具体识别的关键部分，通过提取特征与虹膜特征库进行比对，得出匹配结果。虽 然不同设计方案的虹膜识别系统1 2 1 1 4 l 填有大体相同的一般流程，但是在各个环 节的具体实现上却存在着巨大的差异。 中山大学硕士学位论文基于c r a u s s i a t t - i - i e r m i t e 矩虹膜识别算法的研究 2 3 1 虹膜图像的采集 虹膜图像的采集是一个非常重要的环节。在2 0 世纪9 0 年代中期以前，主 要研究开发的是近距离图像采集装置；9 0 年代中期之后，由于电子技术的发展 以及实际应用的需求，其研究重点开始转移到远距离图像采集装置上来。采集到 清晰、高质量的虹膜图像，是虹膜识别的首要问题，其图像质量的好坏直接影响 到虹膜识别系统的性能，同时也是虹膜识别所面临的主要困难之一。当前的主要 研究机构有美国的i r i d i a n t e c h n o l o g i e s 公司、日本的o k i 公司、韩国l g 公司以 及中国的中科院自动化所等。以下图2 4 所示是两种比较好的虹膜图像获取装置 示意图【1 2 1 1 1 3 1 。 i 图2 - 4 ( a ) 与( b ) 两种虹膜图像获取装置示意图 一一，、一一 第2 章虹膜识别技术 图2 - 4 ( a ) 所示的装置比较简单，由点光源、分光镜、摄像机、l c d 显示屏 和图像抓取设备组成，整个装置非常紧凑。将点光源放在斜下角的位置，就可以 在图像中避开光源发射造成的影响，不过，通常在比对的时候要忽略底下四分之 一部分的图像。利用l c d 显示屏让识别对象主动调整位置以得到居中的虹膜图 像。 图 4 ( b ) 装置在光源上做了一些改进，让点光源经过一个散射板转变为面 光源，还要经过一个起偏器，整个系统复杂了不少，但是却能大大改善图像质量。 第一，减少了瞳孔镜面反射对图像采集的影响，使可利用的虹膜图像区域 第二，利用一对低亮度的光源，不会对人的眼睛造成刺激； 第三，增加了两个形状相同大小不同的方形窗，只有在适当的位置，识别 对象才会看到重叠合一的图像，否则会有重影。 总的来说，当前，一个专用的虹膜图像采集装置包括光学成像系统、用户 定位系统、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) 【3 1 脚】。其中：光学成像系统包括光学镜头组、主动光源等，用于虹膜物理 成像；用户定位系统用来辅助用户录入虹膜图像；电子控制单元，使计算机( 或 其他的微处理器) 能够方便地控制整个采集装置；适当的软件算法可以降低装置 对硬件要求。 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。在d a u g m a n 9 l 和w i l d e , s 1 3 l 的工作中也提到了这 个话题，给出了一些简单的可能利用的策略，包括眼皮变化的检测、反射光点的 检测、频谱分析、虹膜震颤的检测等等，但是并没有具体的实现方法。中科院自 动化所提出了一种基于动态特性描述子和频率描述子的虹膜活体检测方法( 朔， 并得出了一些初步的结论，但因其伪造的虹膜途径单一，所以还需要进一步的完 善。因此，活体检测是一个非常值得研究的主题。 中山大学硕士学位论文基于g a u s s i a n - h e r m t c 矩虹膜识别算法的研究 2 3 2 虹膜图像质量评估 一般来说，我们获取的虹膜图像是一序列的图像而不仅仅是一幅图像。同 时，由于虹膜的获取技术还不是非常理想，现有的设备获取到的虹膜图像有一部 分是无法用于身份识别的，如果系统不分优劣对所有的虹膜图像都加以处理势必 会影响效率和准确度，所以，在虹膜图像处理里面，第一个环节就是质量评估部 分，要在识别和匹配之前选择高质量的、过滤掉不合格的虹膜图像，以提高效率。 d a u g m a n l 9 1 通过测量虹膜图像二维傅里叶交换的总的高频能量来估计图像的聚 焦情况，高频能量越大，则图像质量越好；w i l d e s 1 3 】则提出计算虹膜与巩膜区 域边界的灰度梯度，梯度较大的图像被认为质量较好；文【2 8 】提出一种计算灰度 差值评判因子的算法，具有简单、计算量小、容易实时实现的优点；文【3 9 l 提出了 “图像清晰度”、“内外偏心度”和“虹膜可见度”三个衡量图像质量的指标，实 现对虹膜图像进行实时质量评价的要求。下面介绍一种基于小波包分解的虹膜图 像质量评价算法1 3 0 1 。 纹理清晰与否的差异在频域上主要反映在高频部分，可以根据图像小波变 换后高频分量含量的多少来评价图像的质量，高频分量越多则认为图像质量越 好。高频分量中不仅包含了纹理产生的有用信息，还包含了c c i ) 引入的随机噪声。 为了减小噪声的干扰，引入特征子频带的概念，其定义为小波包的每次分解过程 中具有最大信噪比的子频带。由于随机噪声的小波变换系数在频域呈均匀分布， 因此纹理高频分量分布最集中的子频带即为特征子频带。以特征予频带的能量作 为评判图像质量的准则，可以突出信号削弱噪声，达到较好的判别不同质量图像 的效果。 虹膜纹理主要基于径向分布，虹膜定位提取虹膜纹理，展开到极坐标系中则 纹理主要沿垂直方向分布，小波包分解后纹理对应的高频能量主要集中在水平高 频区，即f l 。因此可选择h l 作为特征子频带。具体实现如下： ( 1 ) 虹膜定位，求出瞳孔、虹膜的圆心及半径，确定虹膜纹理的所在区 域： ( 2 ) 作归一化处理，将虹膜纹理区域展开到极坐标系下，沿虹膜内沿取 出细节含量丰富的大小为6 4 1 2 8 点的一段来作为小波包分解的数 第2 章虹膜识别技术 据； ( 3 ) 作6 4 x1 2 8 点的小波包分解。为降低运算量，选择双正交、短系数的 d b 5 3 小波基。使用行列分解算法，奇对称镜像的边界处理。采用快速 小波包分解算法，第一级分解时仅计算水平高频予块h l 其能量记为 e h l 4 对h l 作进一步分解时仅计算h l o 和h l l 子块。取权重因子p = 【15 1 ，对小波包分解结果计算子频带【h l o 网1 的加权能量总和，用 e w p 表示。 该算法根据虹膜纹理的特点确定小波包的分解方式，选取纹理高频分量分 布最集中的子频带作为特征子频带，以其能量作为判别图像质量的准则。小波包 分解能有效利用虹膜纹理方向上的信息，并且小波包具有灵活的分解方式，通过 对高频空间继续剖分，针对不同频段乘以不同的加权系数，突出并进一步增大不 同质量的图像间的差异；通过计算特征子频带的能量即可作出判断，避免了计算 全部高频空间的能量，增强了抵抗随机噪声的能力。该算法也可用于其它纹理图 像的质量评价中。 2 3 3 虹膜图像预处理 虹膜图像预处理的目的是虹膜定位和归一化。通过获取装置采集到的虹膜 图像通常不可能仅仅包含虹膜，往往还有其它一些“无用”的部分，比如眼睑、 睫毛、瞳孔等；而且在高度非侵犯性系统中，由于对受试者不做过多限制，同一 个人的虹膜在几次采集的图像中的位置、大小以及虹膜的面积都会发生变化。因 此在提取特征之前，需要对虹膜图像进行预处理，确定出虹膜在图像中的位置， 补偿平移、大小及瞳孔缩放引起的变异，将虹膜图像归一化。在某些情况下，虹 膜图像的光照是不均匀的，这样会给虹膜识别的准确性带来影响。为了实现精确 的匹配，就要通过预处理消除上述各种因素对虹膜图像的影响。虹膜图像预处理 包含虹膜定位、虹膜图像归一化和虹膜图像增强这三个步骤。 2 3 3 1 虹膜定位 虹膜定位，亦即虹膜i 勾j l - 边缘的定位，就是要找出虹膜与瞳孔之间的内分界 轮廓线和虹膜与巩膜之间的外分界轮廓线。内外分界线是两个近似圆形的边界， 1 9 中山大学硕士学位论文基于g a u 镕i a n - h e n n i t e 矩虹膜识别算法的研究 如图2 5 所示，不过这两个圆并不是完全同心的，可以分别用中心坐标及半经 表征。由于眼睑和睫毛很容易对图像产生干扰甚至遮挡，所以，虹膜定位算法必 须能够分辨很宽范围的边缘对比度，能够排除不规则的边缘干扰和遮挡。 图2 - 5 虹膜定位示意图 虹膜定位的依据是虹膜、巩膜与瞳孔之间灰度级的不同，一般来说，瞳孔 和虹膜具有比巩膜低得多的灰度，瞳孔与虹膜之间也存在着可辨别的差异。 由于虹膜内外边界均可近似为圆形，因此，虹膜定位问题可以转化为在图 像中确定圆形边界的问题。对此，不同的研究学者采取了不同的方法【琊1 【1 3 】【2 1 h 矧 2 6 1 | 2 7 4 0 1 - 4 4 。主要可以分为两类：基于h o u g h 变换【1 3 1 2 l h 2 3 1 1 2 r l 4 2 1 “l 和基于 d a u g m a n 的圆灰度梯度检测算予【3 】【7 1 1 2 6 1 1 4 1 1 1 4 3 1 。前者需要在参数空问内对3 个参数 ( 圆心( x ，y ) 和半经r ) 进行搜索，计算量和存储量都很大，为减少h o u g h 变换 的计算量，文 4 2 1 采用了“先采样后变换”、“由粗到精”的方法，利用虹膜内外 边界之间的耦合关系缩小在边界参数空间内的搜索范围；后者虽然速度快，但是 前提条件是用一个稳健的方法来确定瞳孔的中心，文【4 3 】提出了一种基于最长弦 的瞳孔定位算法，能快速地检测到瞳孔的位置，在文陋l 中提出了一种利用灰度 投影先对瞳孔进行粗定位然后再用圆灰度梯度检测算子精确定位瞳孔和虹膜外 边缘的两步定位算法，在定位速度上有所改进。 以下分别介绍两种有代表性的虹膜定位的算法： 第2 章虹膜识别技术 ( 1 ) 虹膜定位方法1 叨 这种方法把边缘检测和h o u g h 变换相结合来进行虹膜定位。检测一阶导数 局部最大值或者二阶导数过零点是边缘检测的基本方法。虽然这两种方法是等同 的，但在实际算法实现上，检测二阶导数过零点的算法比检测局部最大值的算法 简单，这里选用商斯一拉普拉斯二阶微分滤波器v 2 g 。v 2 g 为二维高斯平滑滤波 g ( x ，) ，) 与拉普拉斯算子v 2 f ( x ，y ) 的组合，即： 二阶微分滤波器为： g 聃壶叶等 亿， v 2 服小軎+ 軎 ( 2 2 ) v 2 g 一害+ 害一刍