（电子科学与技术专业论文）人眼虹膜图像分割方法研究.pdf

国防科学技术大学研究生院工学硕士学位论文 a b s t r a c t b i o m e t r i cr _ e c o g n i t i o nt b c h n 0 1 0 9 yd e v e l o p sv e r yf h s tr e c e n t l y ，w h i c hr c c o g n i z e p e 叩l eb ym e a n so fs o m es 0 1 ea n ds t a b l e f e a t u r e s s o i ti sh 谵h l yr e l i a b l ea n ds a f c d u r i n gv a r i o u se x t c m a if e a t u r e so fh u m a nb o d y ，i r i sh a sv e r ys p e c i a ls m j c t u mw h i c h p r o v i d e st l e i r i si d e n t j 6 c a t i o nw i t he x c e l s i o ra c c u r a c y i r i si d e n t i 6 c a t i o nt e c h n o i o g y i sr e g a r d e da so n eo ft h em o s tp r o m i s i n gb i o m e t r i cr e c o g n i t i o nt e c h n o l o g y a sa n e w l ye m e 唱i n gb i o m c t r i ct e c h n o l o g y ，i r i sr e c o g n i t i o nh a sb e e n 心c c i v i n gm o r e 粕d m o r ei n t e r e s t s i nt h sp a p e r ，t l l ed e v e l o p m e mo fb i o m e t r i cr e c o g n i t i o na n ds o m ek i n d so f b i o m e 圩i cr e c o g n i t i o nt e c h n i q u e sa r ei n 仃o d u c e d t h ea i g o r 曲mo fi r i sp e c o g n i t i o nh a s a i s ok e nr e s e a r c h e dd e e p l y t h er e a n z a t i o na n dk l n e 丌n e n to ft h ea l g o r i t h m so fi r i s l o c a t i o na n dt l i ec o m p a r eo f t h er e s u l t sa r cf o c u s c do nr e s e a r c h i n g i nt h em o s ti m p o r t 明t 行x e dp o s i t i o nr e s p e c to ft h i sp a p e r ag r e a tn u m b e ro fm e i a 钯s tc l a s s i c a l i r i sl o c a l i z a t j o na l g o r i t h ma r er e a d ，粕ds e v e r a la l g o r i 廿1 m sa r er e a l i z e d t h e s ea l g o r i t h m sa r ej m p r o v e da c c o r d i n gt oa d 叩t e dp i c t u r e s 。c h a r a c t e r i s t i c t h e r e s u l t sa r ec o m p a r e d 卸d锄a i y z e d h o w e v e r ，t h e s ea r cs o m ea d v a l l t a g e sa n d d i s a d v a l l t 8 9 e si np r e c i s i o no ro p e r a t i o n a t h r e e - s t e pl o c a t i o na p p r o a c hc o m b i n i n gc o a r s el o c a t i o nw i t hf i n ei o c a t i o nm l d r e s u l tc o r r e “i o ni sp r e s e n t e d ，a n da ne x t 柚t 试sl o c a t i o na l g o r i t h mj si m p r o v e di n o r d e rt of a s t e nt h es p e e do fi r i sl o c a t ；o n 明dm a k et h ei r i sl o c a t i o nm o r er o b u s t e x p e r i m e n t ss h o wt h a tt h em e t h o dh a sg o o dp e r f o m m n c eo fs u b - p i x e lp r e c i s i o na n d u s e sl e s st i m ec o m p a r c dw i t ho r i g i n a l ir sl o c a t i o nm e t h o d t h et h r e e s t e p 】o c a t i o n a p p r o a c hc a nf a 曲e nl o c a t j o ns p e e da n dd e c r c a s et 1 1 eb l i n d n e s so fs e a r c hc o m p u t a t i o n ， a n dt h ei m p r o v e di r i sl o c a t i o na l g o r i t h mi sr e a s o n a b l ym o r er o b u s tt h a no “g i n a lo n e k e y w o r d s ：i r i s i r i sr e c o g n i t i o n p r e p r o c e s s i n g i r i sl o c a 】i z a t i o n e y e l i d d e t e c t i o n 第i i 页 国防科学技术大学研究生院工学硕士学位论文 表目录 表1 1 各种生物识别技术的比较4 第哪页 国防科学技术大学研究生院1 二学硕士学位论文 图目录 图2 1 眼睛结构的示意图7 图2 2 虹膜结构示意图。8 图2 3 虹膜识别系统的结构图9 图2 4 虹膜识别系统流程图，1 1 图2 5 虹膜识别系统的基本工作原理框图1 l 图3 1g a u s s i 锄平滑前后的虹膜图像1 3 图3 2 拉普拉斯算子锐化后的虹膜图像1 4 图4 1 圆的对称性2 0 图4 2 离散圆周点的判决2 0 图4 3 四副人眼图像及活动模板匹配法定位结果2 1 图4 4d 算子边缘提取结果2 5 图4 5 四副人眼图像及基于h o u g h 变换定位法结果2 7 图4 6 确定边缘点的方法2 8 图5 1 虹膜内边缘定位过程3 2 图5 2 虹膜图像的直方图3 3 图5 3 虹膜图像的二值化图3 4 图5 4 弧a b 示意图3 8 图5 5 改进算法与采用活动模板法所得到的定位结果对比3 9 第1 v 页 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，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 经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它教育机构的学 位或证书而使用过的材料。与我一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。 学位论文题目： 厶! 基蜒膜图倦金割左洼珏客 学位论文作者签名：莲立：垫日期：2 口眄年l f 月l 日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权国 防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档，允 许论文被查阅和借阅；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、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密学位论文在解密后适用本授权书。) 学位论文题目： 厶眍堑堪圈篮金割左洼堑究 学位论文作者签名：彗童：! 查日期：哩口。s 年 1 月日 作者指导教师签名：立蕃e k日期：埘年月p 日 第一章绪论 1 1 引言 随着现代社会的发展，我们处在一个高度信息化的社会，身份识别越来越得到人们的 重视。据有关资料统计【l 】，在美国，每年大约有上亿美元的福利款被人以假冒的身份领 取；m a s t e 庀a r d 公列每年约有价值四亿五千万美元的信用诈骗案其中就包括利用丢失和 被盗用的信用卡犯罪；由于使用盗窃的身份识别码，造成移动电话通讯的损失高达十亿美 元，等等。以上的数据表明，有效地鉴定个人的身份有着重大的社会意义和经济意义，同 时可以防止犯罪、提高效率和节约资源。目前，身份识别的方法大致可以分为三类： 1 ) 基于个人持有的物件，如钥匙、信用卡等。 2 ) 基于个人所知道的信息，如密码、用户名等。 3 ) 根据个人所固有的生理和行为特征，如指纹、语音、步态等。 第一和第二类是传统的身份鉴别方法，第三类是生物特征识别方法，它是随着计算机 技术、数字信号处理技术和先进的传感设备的发展而蓬勃发展起来的一门多学科交叉的技 术，是近几年来热门研究课题之一。由于个人拥有的物品易丢失或被伪造、个人的密码易 遗忘或记错等，使得传统的身份识别系统有时无法区分本人和冒充者，而生物识别技术克 服了传统身份鉴别的缺点，即不丢失、不遗忘和难伪造，使生物识别技术得到了多方的关 注。 要把人体的特征用于身份鉴别，这些特征必须具有唯一性和稳定性。经过生物学和医 学的研究表明，人类的某些特征具有唯一性和稳定性，如脸型、指纹、虹膜、视网膜、声 音、签名等，即每个人的这些特征都与别人不同、且终身不变。 从理论上讲，只要满足下面条件，人的生理和行为特征就可以用于身份识别【2 】- i ) 普遍性，即每个人都必须具有。 2 ) 唯一性，即不同人的该特征必须不同。 3 ) 永久性，即该特征终身不变。 4 ) 可采集性，即这一特征可以通过一定的设备和手段采集到。 但是从实际应用的角度上讲，满足以上条件的生物特征并不都可以用于生物识别系 第l 页 国防科学技术大学研究生院工学硕士学位论文 统，实际的应用中还要考虑以下问题和因素： 1 ) 可行性，既可以达到的准确率、速度。 2 ) 可接受性，即人们是否愿意接受这种方式。 3 ) 安全性，即系统是否能够防止被攻击。 目前还没有任何一种单一的牛物特征可以满足上述的全部要求。基于各种不同生物特 征的身份鉴别系统都各有优缺点，适用于一定的范围。下面简要的介绍一些用于身份识 别的生物特征。 1 2 几种典型的生物识别技术 下面就几种典型的生物识别技术分别加以叙述。 1 ) 脸形识别 脸形识别系统是人们最早使用的生物特征识别技术之一，近年来发展十分迅速。它利 用面部各器官及特征部能的方位关系，形成识别参数，与数据库中的原始参数比较、判 断、确认，在短时间内迅速给出判断结果。例如鼻子的长度和两眼之间的距离，或是对面 部区域周围的几十个点进行分析，将这些点排列成幅图像，并与数据库中储存的模板图 像进行比较。在实际应用中，脸形识别是一种非干涉性生物识别技术，他几乎不给人们带 来任何不便之处，很容易为人们所接受。计算机视觉算法能够提出人脸的特征向量，把复 杂的人脸低维化，并保持高的分辨率能力。面部特征识别系统辨识速度较快，但是唯一一性 及抗干扰性却较差。对双胞胎的鉴别仍然无能为力，肤色、胡子的变化以及是否戴眼镜都 会影响到系统的识别。 2 ) 指纹识别 指纹识别技术是生物特征识别技术的热点，最早被应用。指纹识别系统充分利用了两 个人的指纹完全一样的几率是十亿分之一【3 】。这一特性，通过特殊的光电扫描和计算机 图像处理技术，对活体指纹采集、分析和比对，自动、迅速、准确地鉴别出个人身份的系 统。这个系统由活体指纹采集仪、图像板、计算机及指纹自动识别软件、数据库和结果输 出组成。在实际应用中，由于预先建立了指纹数据库，新的指纹图像获取非常方便，如入 的手指在采集仪上轻轻一按就完成了，所以应用起来十分便捷。再加上计算机对人体指纹 的特征计算、指纹比对，很快就可以得出被检人的身份。但这种技术要求在按指纹时手指 第2 页 国防科学技术大学研究生院工学硕士学位论文 保持洁净、光滑，脏东西或者疤痕都会给识别带来困难，特别是难于对老人和手工劳动者 的指纹进行特征提取。指纹识别虽然可靠性较高，但是辨识过程的数据库检索需要较长的 响应时间，比对速度慢，有时还会出现误识。另外，由于指纹特征比较细小，因此对指纹 采集设备精度的要求也非常高。 3 ) 语音识别 语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面，此 外。还涉及到语音识别单元的选取。语音识别系统的成本非常低廉，现代多媒体计算机系 统中，语音采集设备已经逐渐成为标准配置，要在此基础上实现语音识别只需增加软件成 本。对使用者来说不需要与硬件直接接触，而且说话是一件很自然的事隋，使用者很容易 接受。语音识别的主要缺点就在于它的准确性较差。同一个人由于音量、语速、语气、音 质的变化，甚至感冒时嗓音发生了变化，都容易造成系统的误识。 4 ) 手形识别 手形的测量比较容易实现，对图像获取的要求比较低，手形的处理相对也比较简单， 在所有的生物识别方法中手形认证的速度最快。目前手形识别主要有两种方法，基于特征 矢量的方法和基于点匹配的方法。 5 ) 签名识别 签名识别是一种行为识别技术，目前签名大多数还只用于认证。签名认证按照数据的 获取方法可以分为两种：离线和在线。该识别的方法有模板匹配、隐马尔可夫模型、谱分 析法等。 6 ) 虹膜识别 虹膜识别，作为重要的身份鉴别特征，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 脸形、声音等非接触式的身份鉴别方法相比，虹膜的组织结构在胎凡的中胚发育阶段就己 经定型了，它具有唯一性并终身不变。虹膜隔离于外部环境而且不能通过手术修改。从理 论上讲，虹膜的这些特性可以成为防伪性能最好的生物识别手段。 以上只介缁了凡种普遍的生物识别技术，还有步态、d n a 等识别技术没有提到，步 态识别还处于初期研究阶段，d n a 识别技术属于化学的技术，这里只选择比较典型的生 物识别技术来介绍。每一个生物特征识别都有其优缺点和应用范围，下表1 1 是各种生物 识别技术的性能的比较【4 5 】。 第3 页 生物特征普遍性独特性稳定性可采集性可接受性安全性 人脸 高低中高高低 指纹中高高中中高 手形中中中高中中 虹膜高高高中中高 视网膜高高中低低高 签名低低 低高高低 声音中低低中高低 表1 1 各种生物识剐技术的比较 一般来说，人们可以通过三方面评价一种人体生物识别技术的好坏：安全性、实用性 和公众能否接受。虹膜身份认证的可靠性高，虹膜认证的错误接受和错误拒绝率是最低 的：虹膜在眼睛的内部，用外科手术很难改变其结构；由于瞳孔随光线的强弱变化，想用 伪造的虹膜代替活的虹膜是不可能的；虹膜认证不让受试者有犯罪感或被调查的感觉，在 不接触状态下摄取图像，对人身没有侵犯，因而容易被公众接受。 虹膜识别技术美国开发商i r i d i 锄t c c h n 0 1 0 9 i e s 引用英国国立物理研究所( n p l ) 的调查 结果：与其它的人体特征测量系统( 如脸形、指纹、手型、静脉类型、声音识别) 相比， 虹膜识别技术的识别率最高。这足在办公室环境中对上述6 种人体特征检测系统的识别精 度和处理速度进行测试后得出的。 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。脸形特征具有很多优 点( 如非侵犯性、用户友好) ，但脸形随年龄变化，而且容易被伪装。声音特征具有与脸形 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e 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 3 虹膜识别技术 1 3 1 虹膜识别的发展 利用虹膜纹理来识别身份的想法，最初是位眼科医生f r a n k b u r c h 在1 9 3 6 年提出的。 到了8 0 年代，又有两位眼科医生a m ns a f i r 和l e o n a r df l o m 在1 9 8 7 年为这个想法申请了 专利【6 】，1 9 8 9 年，他们请j o h nd a u g m a i l 为虹膜识别技术设计了算法，1 9 9 4 年 d 鲫g m 柚为他的发明申请了专利【7 】，该算法成为当前所有虹膜识别设备的基础。同 时，与d a u g m 锄一样，r i c h a r dp w i d l e s 【8 】也独立开发了自己的虹膜识别算法专利，但 他的方法还主要是实验研究，没有投入商业应用。w wb o l e s 【l o l l 】也提出了一种 小波变换的过零点的算法，但他的实验数据没有前面的两个的充分，也只是在研究阶段。 现在，只有d a u g m a i l 的算法实现的虹膜识别系统更为有效、实用。 近几年来随着我国经济建设和信息产业技术的深入发展，在国家公共安全和个人身份 安全方面暴露的问题日益明显。为了有效的解决这些问题，大力发展生物识别领域的相关 产业有重要的现实意义。目前，国内研究虹膜识别技术被信息技术产业普遍看好，以中科 院自动化所，上海交通大学为代表，他们主要的算法仍然是基于国外的算法，并在此基础 上改进和修正，或提出自己的新算法，如康浩【1 2 】在d a u g m 肌的算法基础上提出了虹 膜纹理的能量编码和方向编码，应忍冬【1 3 】在b o l e s 的算法基础上提出了小波变换的模 极大值编码，而朱勇【1 4 】利用g a b o r 滤波器提出了多通道的特征提取的算法，同时还有 华中科技大学【1 5 】，中科院生物物理研究所【1 6 】等也都就虹膜识别进行了卓有成效的 研究和探索。 虹膜识别属于生物识别领域中的新技术，不断地有新的数学方法应用到虹膜纹理分析 技术上来，这将为虹膜识别关键技术的突破产生重大的影响。国外的虹膜识别的研究工作 开展较早，且取得了一定的研究成果。目前在这一领域的研究中，他们处于领先地位。不 过，近年来国内的研究工作也取得了很多成果。 1 3 2 虹膜识别的特点 虹膜识别技术之所以能够在多种生物识别技术中独领风骚，并成为生物识别研究的热 点，其主耍优点是：【1 7 1 8 】 第5 页 国防科学技术大学研究生院工学硕士学位论文 1 ) 虹膜与外界隔离开，不易受损。 2 ) 一般手术不能改变虹膜的纹理。 3 ) 瞳孔的大小即使在注视时也是变化的，如果盗用他人的虹膜不可能对光线起 反应，瞳孔的大小不发生变化，虹膜识别系统就会捕捉到这种惰性，检测出真 假虹膜图像。 4 ) 不须接触，虹膜图像在定的距离内可以捕获。 5 ) 生来具有的极坐标几何特性，提供天然的极坐标系统。 正是由于这些特点，才使虹膜识别技术得到多方的关注，虹膜识别技术必将成为新一 代生物识别技术研究的热点。 1 4 本论文的研究意义 虹膜识别技术是近年来新兴起的一种生物识别技术，具有极大的发展潜力。尽管目前 商品化的虹膜识别系统已经出现，但其尚待发展和完善的地方仍然很多，有必要对该技术 深入研究，期望能拥有自己的专利算法，服务于国民经济的各部门，如保密机关、银行自 动存取款系统及各种需要身份校验的地方等。虹膜识别的关键技术在于模式识别方法，即 虹膜的精确定位和纹理特征提取方法。虹膜识别的工作也是主要集中在这类问题的解决。 第6 页 国防科学技术大学研究生院工学硕士学位论文 第二章虹膜生理结构及虹膜识别系统的组成 2 1 虹膜的结构和生理特点 将虹膜应用于身份识别领域的依据来自于两个方面：一个是来自于眼科医生和解剖 学家【1 9 】的大量的临床观察，另一个是来自发育生物学【2 0 ，2 1 】。 虹膜( i r i s ) 位于角膜于晶状体之间，呈扁圆盘状，中央是瞳孔( p u p i l ) 。虹膜将眼房分隔 为阿房和后房，前房和后房内的房水借助瞳孔相通。虹膜的直径约1 2 m m ，厚约0 5 m m 。 根部最薄，见下图2 1 。 图2 1 眼睛结构的示意图 虹膜表面高低不平，有褶皱和凹陷，凹陷又称隐窝。近瞳孔处的褶皱特别显著，称 作虹膜褶皱或领状韧带，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，使虹膜表面出现许多有规则的放射形条纹。在近瞳孔边缘约1 5 m m 处，有一条条弯弯曲曲的环形隆起，犹如花边衣领，为虹膜小环。 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 放射形隆起，代表虹膜血管从大环走向小环所经过的路径：小环以内的虹膜称为瞳孔部 虹膜。睫状部又分为两部分：靠近虹膜小环附近的一部分最光滑，中间区内有许多收缩 纹和收缩沟，当瞳孔扩大时最显著；靠近睫状部的区域为筛状区，此区内虹膜表面有许 多虹膜小坑。在睫状部边缘部分的虹膜，也有一些小坑，称为睫状区小坑。和瞳孔处的 第7 页 国防科学技术火学研究生院工学硕士学位论文 虹膜小坑相比较。睫状小坑比较小和浅。位于两个小坑之间的虹膜组织往往有十条梳状 突起，跨过睫状体表面，延伸到前房以内与房角网状组织相连续，此突起即被称做梳状 韧带。整个虹膜表面结构见图2 2 。 图2 2 虹膜结构示意图 由虹膜的生理结构分析知，虹膜包含了丰富的纹理信息，瞳i l 随光线的变化，会产生 收缩和扩展，牵动虹膜的变化。虹膜与巩膜，瞳孔的边界近似圆形，是图像匹配的重要的 信息。虹膜的形成是由遗传基因决定的，人体的基因决定了虹膜的形态，纹理，颜色，和 总的外观，即使是双胞胎，虹膜纹理的表达也是不相关的。同一个人左右眼的虹膜也有显 著的差异，这也说明两个虹膜的纹理相同的可能性很小。 虹膜用于身份识别有如下的生物特征： ( 1 )虹膜组织细节丰富； ( 2 ) 虹膜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； ( 3 ) 虹膜组织特征在出生后半年至一年半后保持不变； ( 4 ) 不可能用外科手术改变虹膜特征，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； ( 5 ) 一般性疾病不会对虹膜组织造成损伤； ( 6 ) 瞳孔的缩放使虹膜组织具有活体组织的显著特征。 与其他的生物特征相比虹膜具有以下优点：高度安全性，虹膜可以得到1 7 3 个自由度 第8 页 旦堕型堂垫垄盔堂塑塞皇堕三堂堡土堂壁迨塞 【2 2 】，而指纹只能有3 0 到4 0 个【2 3 】，另外，利用虹膜特有的对光的震颤现象可以判断 是否为活体虹膜。从而可防止伪造；高度稳定性和唯一性，因为虹膜纹理是随机形成的， 而且出生一年后纹理固定不再变化，同时虹膜本身也极少受到损害。 从上面的分析，虹膜独特的纹理结构以及解剖学、遗传学的知识，可以看到虹膜完全 能够用于生物识别，而且稳定性和唯一性相当的好，并具有明显的优势。 2 2 虹膜识别系统的结构 2 2 1 系统结构的组成 整个虹膜识别系统可分为四部分：图像采集、图像预处理和虹膜编码、虹膜数据库、 虹膜匹配。其中图像预处理和虹膜编码，虹膜匹配和查询是虹膜识别的关键。虹膜识别的 系统结构如下图2 3 。 图2 3 虹膜识别系统的结构图 2 2 2 虹膜图像采集 自动虹膜识别系统的关键技术之一，就是如何在不侵犯入体的情况下，获取高质量的 虹膜图像用于系统识别。因为虹膜的面积比较小( 一般直径在1 c m 左右) ，而且眼睛又足人 国防科学技术大学研究生院工学硕士学位论文 体极为敏感的部位，无法承受强烈的光照，因此，获取高清晰度、高对比度得虹膜图像需 要优良的设备和较好的操作方式。在采集虹膜图像时，耍注意以下几点： ( 1 )要保证虹膜图像具有足够的分辨率和对比度，这就要求在系统中要加上 辅助光源。 ( 2 )必须保证采集到的图像能够正确的反映虹膜图像本来的纹理情况。即不 能因为光源的照射不均，使虹膜纹理的亮度发生大的变化。 ( 3 )采集的图像必须限定在一定的范围内，也就是不能够过多的包含人脸的 其它部位，如鼻子，嘴巴等。正是由于这一点，使虹膜识别的过程中还 要求有人的参与，爿能够减少拒识率。 ( 4 )要尽量减少所获图像的无效区域，最好采用红外光源作为辅助光源。 现在，虹膜采集的装置已经有产品问世，如i r i s d i a n 公司的p a n a s o n i ca u t h e n t i c a m ， 0 k ii r i s p a s s e v e r k d i a 公司的i r i s a c c e s s 等产品，这些产品已经应用到实际中去。 2 2 3 数据库的构成 为了将虹膜数据用于身份识别和查询，需要一个大型的数据库存储和查询，以配合整 个系统的正常运行。该数据库要求： ( 1 )安全，即存放在数据库的数据代表了个人的身份信息，因此对数据库内的 数据的窃取和篡改将严重威胁到整个系统的安全。 ( 2 ) 快速，即虹膜编码的查询往往要检索数据库中大量的数据，数据库系统必 须保证在足够的时间内提供这些查询结果。 2 2 4 编码和匹配 虹膜识别技术的应用一般分为两类：一类是身份验证，它的任务是判定测试者虹膜纹 理特征是否和数据库中的某一特定的虹膜特征一样；另一类是身份查询，它的任务是在数 据库中查找和测试虹膜特征一样的虹膜数据。无论是哪一种方法都需要多次计算两个虹膜 纹理的相似度，好的相似度必须满足快速、稳定，即能够在短时间内进行大量的比较，且 不受外界因素的影响。虹膜识别系统大致的流程图2 4 ， 国防科学技术大学研究生院工学硕士学位论文 圈廿b 母扭 图2 4 虹膜识别系统流程图 2 2 5 基于虹膜的身份识别系统的工作过程 基了：虹膜的身份识别系统的基本工作原理框图如图2 2 所示 图2 5 虹膜识别系统的基本工作原理框图 系统的主要工作过程如下：通过图像采集硬柞系统采集人眼的图像系列，将满足一 定要求的帧图像作为需要处理图像送至p c 机内，由p c 机内的软件模块对愉入图像进行 处理，首先是数据处理模块，包括图像处理子模块和虹膜编码子模块，图像处理子模块 是对输入图像进行图像预处理。通过预处理完成了虹膜定位与归一化，并且使虹膜特征 得到增强。虹膜编码子模块是在图像处理子模块的基础上，将预处理后的图像看作为一 幅纹理图像，用纹理分析的方法来抽取虹膜特征，产生特定的虹膜特征向量，将该虹膜 特征向量数据登录到虹膜编码数据库上。最后，编码识别模块根据内部的分类器设计算 法，将登录的数据与数据库上的数据进行对比，得到并输出识别结果，激发相应的操 作。 第l l 页 国防科学技术大学研究生院工学硕：学位论文 第三章虹膜图像的预处理与定位经典算法介绍 虹膜定位是虹膜识别处理过程中的最重要的环节，它不仅决定了后续过程能否继 续，而且决定了提取特征是否有效和编码是否准确，最终决定虹膜识别结果。在研究中 我们也确实发现虹膜定位的决定性的地位，同时也是占用最多系统时间的进程。所以说 一种简洁有效的虹膜定位算法对于虹膜识别技术的实用化是至关重要的。 简而言之，虹膜定位算法就是要在一幅人的眼部图像中找到虹膜和瞳孔的圆心和半 径，将虹膜从图像中分割出来，用于后续的特征提取算法来处理。 虹膜的定位可以分为以下三个子进程来完成：确定虹膜的圆心和半径，一次图像分 割；确定瞳孔的圆心和半径，二次图像分割；获取虹膜图像。 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。 3 1 1 虹膜图像的平滑 图像平滑的主要目的是减少噪声，图像中的噪声种类很多，他们对图像信号的幅度 和相位的影响十分复杂，一般常见的噪声有：加性噪声、乘性噪声、量化噪声、“盐和胡 椒”噪声。 一般情况下，在空间域可以用邻域平均来减少噪声；在频率域，因为噪声频谱多在 高频域，所以采用各种形式的低通滤波的办法来减少噪声。而图像中的噪声往往和信号 第1 2 页 国防科学技术大学研究生院工学硕士学位论文 交织在一起，尤其是乘性噪声，但平滑的代价就是细节如边缘、轮廓线条模糊不清。所 以，平滑要尽量在去掉噪声的基础上尽量保持图像细节。 本论文采用g a u s s i a n 模板对数字图像进行处理。平滑模板的思想是通过一点和周围 几个点的运算( 通常为平均运算) 来去除突然变化的点，从而滤掉一定的噪声，但图像有一 定的程度模糊。而减少图像模糊代价是图像平滑研究的主要问题之一。这主要就取决于 噪声本身的特性。一般情况下通过选择不同的模板来消除不同的噪声。这里选用常见的 g a u s s j a n 模版： r l l 1 6 帝1 2 l l 21 1 4 2i 2 1 j ( 3 1 ) 原始图像( a )平滑后的图像( b ) 图3 1g a u s s i a n 平滑前后的虹膜图像 从图4 1 中两幅图像的比较及后面的试验可以看出，在噪声不明显的情况下，平滑对 于图像分割和图像匹配的贡献不大，反而会因为边界变的模糊而使边缘点的寻找变的困 难。 3 1 2 虹膜图像的锐化 锐化图像锐化处理的目的就是使边缘和轮廓线模糊的图像变得清晰，并使细节清 晰，一般采用的是平均或积分运算的逆运算，如微分运算。从频谱的角度来讲，图像模 糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来进行清晰图像。应该注意 第1 3 页 e 嗣 2 ， ( a ) 原始图像锐化结果( b ) 平滑后图像锐化结果 图3 2 拉普拉斯算子锐化后的虹膜图像 图4 2 为拉普拉斯变换后的虹膜图像，可以看出，经锐化后图像的边缘虽然得到加 强。但噪声增加的比较严重，但是预先对图像进行平滑处理可以得到有效的避免。 3 2 虹膜定位的经典算法 根据d 叫g m a n 和，i i d e s 等入的红腆识别系统对虹膜定位的处理，本文将在下面进一 步说明这些问题。这两个系统都使用了图像强度的一阶微分来表示与虹膜边界相应的边 缘位置。在这里图像边界上微分的大小会由于图像强度的局部变化而出现一个局部最大 值。同时，这两个系统都对不同的边界进行建模，这样就可以使用简单的几何模型来将 第1 4 页 罾堕型主垫查盔堂婴壅生堕三差堡主堂垡堕塞 虹膜边界划分出来例如，它们都用圆形模板来为虹膜外边界和虹膜内边界建模。w i l d e s 等人的系统还用抛物线( 弧) 来为上下眼睑明确地建模，而d a u g m a n 系统则简单地将有 可能出现眼睑遮盖情况的上部和下部的大部分图像区域排除在外。在两个系统中可以用 模型元素的结构来对图像强度的微分信息进行“微调”，这里的微调实际上是指有选择性 地使用这些微分信息。特别是对于虹膜外边界，微分值经滤波后可选择垂直边缘进行检 测。进行这种方向选择的主要原因是：如果假设人的头部是笔直的，那么即使有眼睑和 睫毛的遮盖和干扰虹膜外边界的左边和右边部分还是可见的，而且定位在垂直方向附 近。相似情况，在定位眼睑边缘时，微分值经滤波后可选择水平边缘进行检测，相反， 因为整个瞳孔边缘都会出现在图像中，所以对这种结构进行定位时微分信息将以各向同 性的形式加以使用。在实践中。现已证明图像信息的这种微调对于精确定位而言是非常 重要的。例如，如果不使用这样的调节，系统有可能会被虹膜图像引入歧途。比如眼睑 干扰了虹膜外边界的定位等。 在搜索参数空间内用边界模型对图像信息进行适应操作时，这两个系统所使用的方法 是具有很大不同的。 3 2 1 d a u g m a n 系统的定位算法 为了更好地理解搜索的过程，现假设，( x ，j ，) 代表在位置( x ，y ) 处的图像强度值， 并将虹膜内外边界的回形轮廓进行参数化，使其成为中心位置为( t ，儿) 和半径为， d a u g m a n 系统通过公式( 4 3 ) 在参数集( ，k ，r ) 上使用梯度上升法求得最大 酗矿工南蚝警刮。， 其中 g ( r ) = ( 1 芴仃) e _ ( ( ) 2 2 仃2 、( 4 - 4 ) 第1 5 页 国防科学技术入学研究生院工学硕士学位论文 是一个以，为中心呈放射状的高斯曲线，其标准偏差为盯，它可使图像平滑并可 以此在所考虑的边缘上选择空间尺度；书代表卷积，础是圆弧上的一个元素，而除以 2 ，是将积分值归一化。 内边界检测出来后，可在它所限定的范围内，采用同样的方法，搜索外边界， 该算法基于人眼图像的环状灰度特性，利用微分积分算子，结合高斯滤波平滑，对人 眼虹膜的内外边界进行定位和检测，从而为虹膜特征分析和识别打下了良好的基础，缺 点是搜索有一定的盲目性导致搜索时间较长，若能基于一定的先验知识( 如成像系统的 标定和成像距离要求) 则能更好的提高这一算法的性能( 算法的速度和抗噪声性能) 。 3 2 2w d e s 系统的定位算法 w i l d c s 等人的系统的轮廓定位过程是分两步完成的【2 4 】。首先，i 訇像强度信思被转 换成一幅二元边界图：然后，用边缘点去选出特殊的轮廓参数值。这里的二元边界图是 通过基于梯度边缘检测方法得到的，图像强度梯度值的阀值在这里需要加以规定，边缘 检测的闽值应根据图像采集系统的参数( 如亮度、对比度) 进行合理选择，太小则无法 有效削弱噪声的干扰；太大则会过分削弱虹膜内外边界，降低后续边界定位的精度。 用j ( x ，y ) 表示虹膜图像，定义虹膜图像边界点集合如下： 即m = 们鼬嚣躺 在获得虹膜图像边界点集合后，可以对其进行h o u 曲变换，以求得虹膜内外边界的参数。在 虹膜图像直角坐标系中定义一个圆心和半径均可变化的圆c ( ，b ，肋，粕) ( ，y o ) 为圆心在 ，( x ，) ，) 中的坐标，r 为半径。将参数适当离散化后，枚举出图像中所有可能的圆，并统计 每个圆经过的边界点数目为： ( ，虬，) = 氐蜘，( x ，y ) ( ，儿，r ) d 4 5 第1 6 页 其中，d 为经离散化后所有可能的参数值集合。 h 嘎n ，( x ，v ) 一 其中，e 为一足够小的正数。这个过程可以看成是从图像平面直角坐标域e 0 ，y ) 到几 何模型参数域( ，j ，o ，r ) 的一个变换，称为h o u 曲变换 r ( ，蜘，) = 厶b 增噼( e ，y ) ) 通常，可以认为经过边界点数目最多的圆就是与边 界最吻合的圆。 显然，由以上可知圆的h o u 曲变换的过程，存在着三个变量。这个计算量是非常大 的。另外在第一步边缘检测过程中，除了检测出的正确的边缘以外，还检测出了很多非 虹膜的边缘，带来了大量的干扰信息，对h o u g h 变换造成了很大的不利因素。因此，在 本算法中采用h o u 曲变换的方法对运算的速度和精度都不十分合理。 第1 7 页 + r 芷 c 刖，他：一其 一一订， ) y y 沁 e o 国防科学技术大学研究生院工学硕士学位论文 第四章虹膜定位算法实现与分析 4 。1 引言 在虹膜识别系统中，一幅采集到的虹膜图像中不仅包含虹膜，还包含眼睛的其它部 分，比如瞳孔、巩膜、眼睑、睫毛等等。我们在识别之前必须进行虹膜定位工作。对于 有些虹膜图像，眼睑对虹膜有部分的遮挡，如果想对这部分虹膜图像进行识别，就有必 要将眼睑检测出来，以消除眼睑遮挡对虹膜图像的影响。 我们可以将虹膜的内外边缘近似认为是两个圆形边缘，但一般这两个圆并不同心。 虹膜定位必须找到内外圆的半径和圆心。拍摄到的虹膜图像的灰度分布具有一定的规 律： 1 ) 眼睛中各个部位对红外光线的反射率是不一样的，所以从虹膜中心沿放 射状方向，梯度在不同区域之间的边界总会出现局部极大值。 2 ) 虹膜各个部分区域对红外光线的反射率是比较均匀的，所以在这些区域 里虹膜图像的梯度是比较小的。 3 ) 靠近中心的部分总是比靠外面的部分暗一些。除了某些疾病的影响，一 般而言，虹膜灰度值比巩膜灰度值小，而瞳孔灰度值又比虹膜灰度值 小。这个规律可以利用在虹膜和瞳孔圆心的选取上。w i l d e s 提出的梯度 最优定位法就利用了这个规律。【2 5 】 虹膜定位的时间占到了整个虹膜识别过程的一半以上，是影响整个系统实时性的主 要因素。因此，如何迅速和准确的定出虹膜一直是虹膜图像预处理的一个研究热点和难 点。本章将详细介绍并实现目前比较流行的虹膜定位方法并进行结果分析。 4 2 活动模板匹配法 这个方法由剑桥大学的。d a u g m a n 首先提出的。其思想就是在虹膜图像中一定的区 域内以一个圆形边缘探测器反复寻找虹膜的内外边缘，直至找到最佳匹配的两个圆。下 面具体叙述此方法。 在叙述之前，需要指出一点：d a u g m n 所用的图像和n o r 实验室所用的图像有一些 第1 8 页 国防科学技术大学研究生院工学硕士学位论文 细微差别。由于人种和采集设备的不同，d a 嵋m a n 处理的虹膜图像外边缘比内边缘明 显，而本文中所采用的虹膜数据库中的图像内边缘比外边缘明显。因此，在叙述 d a u g m a n 方法的时候，我们是以所采用的数据库的图像为处理对象的，这和d a u g m n 提 出的活动圆模板匹配法在定位顺序上有一点差别。 4 2 1 算法原理 人眼虹膜是黑色瞳孔和白色巩膜间的那部分环状组织。虹膜分析的第一步即是确定虹 膜在数字图像中是否可见，并且对虹膜的内外边界圆环位置进行准确界定。基于虹膜的 圆形几何特征，采用以下积分微分算子检测虹膜内外边界： m a x ( 川秘矿工南虬掣叫。， 此积分微分算子对输入图像， ，y ) 进行搜索，以图像上每点( ，见) 为中心 逐步增加半径计算归一化的圆积分沿半径方向的灰度梯度，使此值最大的点及半径即为 所要搜寻的虹膜中心及边界。 4 2 2 算法实现 在拍摄图像时，由于各种因素，常会在瞳孔和虹膜部分形成一些亮点，对提取虹膜边 界产生不利的影响。为了去除这部分干扰，采用高斯平滑对图像进行平滑处理。 ，= 击唧( _ 寺 ：， 需要提出的是，从图( 2 1 ) 可以看出本文所采用的虹膜图像库中，人眼的瞳孔和虹 膜成像的灰度梯度较大，平滑参数盯在检测虹膜内边界时，使平滑在较大范围内进行， 可取大一些，以便于噪声抑制，首先检测出最突出的从虹膜到瞳孔的边缘变化，而检测 虹膜外边界则在内边界所界定的小范围内进行，盯应适当取小一些。【2 6 】 由于数字图像是离散的，需要用离散方法判决那些像素点位于特定圆心和半径的圆周 上，在本文中，我们采用圃中点法，具体算法如下：利用圆的对称性，只需确定第一象 限中，圆弧段从y = x 到y = o 的八分圆的象素位置，其余七个八分圆的位置可由对称性得 第1 9 页 到，如图4 1 所示。 一，例0 硝 k久h 广k v 一， 卜r ，一田咄一卅 图4 1 圆的对称性图4 2 离散圆周点的判决 定义圆函数：五( x ，y ) = x 2 + y 2 一r 2 为决策函数。 采用此决策函数判断任何点( x ，y ) 的相对位置： f z o( z ，y ) 位于圆边界外 上式中圆函数的检测在每个取样步上对接近圆周的两个象素的中点进行。如图4 2 所 示，第一象限中，在圆弧段从y = 0 到y = x 的八分圆上沿正y 方向取单位步长。设 ( ，败) 为圆上的象素，计算决策函数在两个象素( 坼一l ，几十1 ) 和( ，儿十1 ) 中点 处的值： 效= 正( 一丢，y 。+ 1 ) ：( 吆一丢) 2 + ( _ y 。+ 1 ) z 一，z 若仇 o ，中点在圆内，下一象素取( 赡，y + 1 ) ，否则中点在劂上或圆外，下一 象素取( 一1 ，鼽+ 1 ) 。 利用增量运算可推导出决策函数的循环表达式： 若玖 o +坼 “之 1妖+ 2 “ + 虼 凤也 既 r，、l | | +巩 国防科学技术大学研究生院工学硕士学位论文 为了加快搜索速度，参考虹膜外边界可能的范围，可根据入眼图像的成像参数，对 半径和圆心附加一些约束，以减少搜索范围。 4 2 3 实验结果及算法分析 我们将上述方法用于实际的眼睛图像，搜索虹膜位置，一般可以获得较好的结果 大部分图像可以精确的定位出虹膜的内外边界。图4 3 给出了四副人眼图像及定位结果 ( a ) 人眼图像1 ( c ) 人眼图像2 ( b ) 图像