（计算机软件与理论专业论文）基于haar小波的虹膜识别算法研究.pdf

摘要 摘要 虹膜识别是一种基于生物特征的身份鉴别方法，在信息及安全领域有着重要 的应用价值。相对于其它生物识别技术，虹膜识别具有以下优点：虹膜具有丰富 而独特的纹理特征，非常适用于身份鉴别；虹膜特征精度高、长期稳定、难于伪 造，更可靠：另外采集虹膜图像时不具有侵犯性。基于虹膜的上述特点，虹膜识 别技术得到了国内外许多研究机构的重视，并展开了深入的研究，被认为是未来 占主流地位的生物识别技术之一 虹膜识别首先属于模式识别的范畴。在文章中我们首先介绍了虹膜识别系统 的结构，一个完整的虹膜识别系统是由虹膜图像获取、虹膜图像预处理( 包括虹膜 区域定位、归一化、图像增强) 、虹膜特征提取与编码、模式匹配与分类器设计等 环节所构成的。 在文章中，我们利用灰度阈值分割结合边界跟踪的方法定位虹膜的内边缘， 利用c a n n y 算子和h o u g h 变换方法定位虹膜的外边缘，从而把虹膜从眼睛里分离 出来。为了消除虹膜图像的平移、缩放问题，我们采用直角坐标到极坐标的转换 的方法。同时利用直方图均衡化的方法消除了由于光照不均所造成的影响。 小波变换是一种信号的时间一尺度( 时间一频率) 分析方法，它具有多分辨率分析 的特点。在虹膜纹理的特征提取方面，本文提出了通过h a a r 小波对归一化的虹膜图 像进行三层小波分解，来提取虹膜图像的特征，实验表明这种方法是很有效的， 与d a u s m a n 的方法比较 该方法在编码长度和编码时间上都有较明显的改进。 在虹膜识别中，我们采用h a m m i n g 距离判断虹膜识别结果实验表明，这种 方法快速、有效。 关键词z虹膜识别，h o u g h 变换，小波变换，h a m m i n g 距离 a b s t r a c t a b s l r a c t i r i sr e c o g n i t i o ni sal l c wm e t h o df o rp 目s o n a li d e m t i f i c a t i o nb a s e do nt h e b i o l o g i c a lf e a t u r e s ，w h i c hh a st h es i g n i f i c a n tv a l u ei nt h ei n f o r m a t i o na n ds e c u r i t yf i e l d i nc o n t r a s tw i t l lt h eo t h e rb i o m e t r i c si d e n t i f i c a t i o n , i th a st h ef o l l o w i n ga d v a n t a g e s ： a b u n d a n ta n du n i q u et e x t u r e s , h i g hp r e c i s i o n , s e c u l a rs t a b i l i t y , m o r ee r e a i b i l i t y , a n d d i f f i c u l tt ob ef o r g e d 。i na d d i t i o n , i r i sc a p t u r i n gc n o ti n f r i n g eu s e r s a b o v ea l l ，i r i s r e c o g n i t i o n ，a sa l le m e r g u a gb i o m e t r i cr e c o g n i t i o na p p r o a c h , i sb e c o m i n gav e r ya c t i v e t o p i c i nb o t hr e s e a r c ha n d p r a c t i c a la p p l i c a t i o n s i r i sr e c o g n i t i o ni sak i n do fp a t t e r nr e c o g l l i 石o ma t 矗r s tw eh a v ei n t r o d u c 硝t h e s t r u c t u r eo fi r i sr e c o g n i t i o ns y s t e m at y p i c i a ls y s t e mi sc o m p o s e do fi r i si m a g e o b t a i n i n g , i r i si m a g ep r e p r o c e s s i n g ( i n c l u d i n gi r i sl o c a t i o n , n o r m a l i z a t i o n , i m a g e e m p h a s i z i n g ) ，i r i sf e a t u r e se x t r a c t i o na n de n c o d i n g , p a t t e r nm a t c h i n g , c l a s s i f i e r d e s i g n i n g , a n ds oo i l h t h e t h e s i s t h e t h r e s h o l d o f g r e y a n d e d g e t r a c k a g m u s e d t o g e t t h ec e n t r ea n d r a d i u so f i n n e rc i r c l eo f i r l s a n dt h eh o u g ht r a n s f o r ma n dc a n n yo p e r a t o r sa g ou s e dt o e x t r c a c tt h a to fo u t e rc i r c l eo fi r i s t h u sw ec a l ls e p a r a t et h ei r i sf r o me y e i no r d e rt o r e l n o v ct h ee f f e c t sc a u s e db yd i s p l a c e m e n ta n dz o o mo fi r i si m a g e , i r i si m a g ei s t r a n s f o r m e df r o mc a r t e s i a nc o o r d i n a t e st op o l a rc o o r d i n a t e s f o ri m p r o v i n gt h ee f f e c t o fi r i sr e c o g f i t i o na n dr e d u c i n gt h ei n f l u e n c eo fa n s y m m e t r i e a li l l u m i n a t i o n , t h ei r i s i m a g ei st r a n s f o r m e db yh i s t o g r a me q u a l i z a t i o n w a v e l e tt r a n s f o r m 缸at i m e - f r e q u e n c y 锄a l 蜘c a lm e t h o dw h i c hi sc h a r a c t e r i z e d b ym u l t ir e s o l u t i o na n a l y s i s f o rf e a t u r ee x t r a c t i o n , h o a rw a v e l e tt r a n s f o r mi su s e dt o e x t r a c tt h e f e a t u r eo fi r i si m a g eb yd e c o m p o s i t i o nt o3l e v e l s t h et e s t ss h o wt h a t c o m p a r e d 谢t l ld a n g m a ni r i sr e c o g n i t i o na l g d r i m m ，t h i sm e t h o dh a si m p r o v e dt h e c o d e dl e n g t ha n dc o d e dt i m e f o ri r i sr e c o g n i f i l , j u d g i _ n gi r i s o u t c o m eb yh a m m i n gd i s t a n c e e x p e r i m e n t s h o w st h ea p p r o a c hs p e e d i n e s sa n df e a s i b i l i t y k e y w o r d s ： i r i sr e c o g n i t i o n , h o u g ht r a n s f o r m ，w a v e l e tt r a n s f o r m ，h a m m i n gd i s t a n c e 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，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或撰写过的研究成果，也不包含 为获得电子科技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。 签名： 扯 日期：咖7 年4 月乡日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 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。 ( 保密的学位论文在解密后应遵守此规定) 导师签名： 日期：如7 | 第一章绪论 1 1 生物认证 第一章绪论 1 1 1 生物认证技术研究背景 随着社会经济的高速发展，身份认证系统越来越受到重视，应用范围也越来 越广。而传统的身份认证技术，一直游离于人类体外，有关身份验证的技术手段 一直在兜圈子，而且兜得越来越大，越来越复杂。以“用户名+ 口令”方式过渡到智 能卡方式为例，首先需要随时携带智能卡，其次容易丢失或失窃，补办手续繁琐 冗长，并且仍然需要你出具能够证明身份的其它文件，使用很不方便直到生物 识别技术得到成功的应用，这个圈子才终于又兜了回来。这种“兜回来”，意义不只 在技术进步，站在“体验经济 和人文角度，它真正回归到了对人类最原始生理性的 贴和，并通过这种终极贴和，回归给了人类“绝对个性化”的心理感受，与此同时， 还最大限度释放了这种“绝对个性化”原本具有的，在引导人类自身安全、简约生活 上的巨大能量l i 州。 上世纪九十年代末和本世纪初，特别是“9 1 1 ”恐怖事件后生物识别技术的重要 性被全球各国政府更加清楚地认识到。传统的身份鉴别技术在面临反恐任务时所 表现出来的缺陷，使得各国政府在研究与应用上对生物特征识别技术开始了大规 模的投资。在美国，三个相关的法案( 爱国者法案、边境签证法案、航空安全法案) 都要求必须采用生物识别技术作为法律实施保证。总体上来说在国外生物认证 技术的应用已经进入了以政府应用为主的阶段。 在我国，生物认证技术除了能够繁荣一个新兴的产业，更重要的是其提供的 身份鉴别能力对国家安全的重要意义首先，中国作为最耀眼的社会主义国家， 国家安全问题仍然需要警惕；其次，中国人口多、流动性大，需要有更为先进的 身份鉴别技术来保证社会秩序；再次，生物认证技术将有效解决国内的假冒伪劣 证件、证书问题；最后也是最实际的、需要迫切而对的问题，那就是2 0 0 8 年奥运 会和2 0 1 0 年世博会，如果能将生物认证技术用于大型集会的身份鉴别无疑能够更 加确保盛会的安全。 我国对于生物识别技术的开发应用也十分重视。2 0 0 0 年7 月，国家8 6 3 计划 电子科技大学硕士论文 智能计算机系统主题专家组和中国科学院自动化研究所模式识别国家重点实验室 还在北京组织召开了国内首次身份识别新技术研讨会，开发推广生物识别技术是 此次会议讨论的重点。对于国内来说，基于生物特征的身份鉴别也将是国家重点 鼓励及发展的关键技术之一中国生物识别若要进入国家级应用，这一方面取决 于有关部门的决心，另一方面也取决于国内自主产品的进步状况。目前在一些发 达地区，比如上海市，政府的政务网上己经开始使用生物识别技术，还有利保系 统广泛使用指纹、考试指纹准考证等等已经得到不少应用。中国正成为继美国、 日本之后最具潜力的发展市场。 1 1 2 生物认证技术介绍 生物认证技术主要是指通过可测量的身体或行为等生物特征进行身份认证的 一种技术。生物特征指的是唯一的可以测量或可自动识别和验证的生理特征或行 为方式。生物特征分为身体特征和行为特征两类身体特征包括：指纹、虹膜、 脸型等；行为特征包括：签名、语音等。目前部分学者将视网膜识别、虹膜识别 和指纹识别等归为高级生物识别技术。生物认证技术的核心在于如何获取这些生 物特征，并将其转化为数字信息，存储于计算机中，利用可靠的匹配算法来完成 验证与识别个人身份表1 1 对常用的几种生物认证技术作了简单的比较【l j 。 表1 1 常用生物识别技术的比较 1 1 3 生物认证技术的的优点 由于生物特征独有的与个人一一对应的惟一性，与传统身份认证技术相比； 第一章绪论 生物识别技术具有以下特点 2 】： ( 1 ) 随身性：生物特征是人体固有的特征，与人体唯一绑定，具有随身性。 ( 2 ) 唯一性：每个人拥有的生物特征各不相同 ( 3 ) 稳定性：指纹、虹膜等生物特征不会随时间等条件的变化而变化。 ( 4 ) 广泛性：每个人都具有这种特征。 ( 5 ) 方便性：生物识别技术不需记忆密码与携带使用特殊工具，不会遗失。 ( 6 ) 可采集性：选择的生物特征易于测量。 可接受性：使用者对所选择的个人生物特征及其应用愿意接受。 基于以上特点，生物识别技术具有传统的身份认证手段无法比拟的优点。采 用生物识别技术，可不必再记忆和设置密码，使用更加方便。 1 1 4 生物认证的特征 有很多因素会影响生物认证的发展，其中最关键的是健壮性和独特性。健壮 性( r o b u s l n e s s ) 指的是某种生物特征能够在相当长的时间内反复表现出来，并让生物 认证系统成功进行自动测量的性质。独特性( d i s t i n c t i v e n e s s ) 指的是某种生物特征在 人与入之间存在足够大的差异，并且这种差异能够被测量出来。从某种程度上讲， 所有的生物特征都包括遗传、表现和行为几种因素【2 】。 ( 1 ) 遗传因素：这种人生的特征( 比如发色和虹膜颜色) 是从双亲获得的。从理论上 讲，这些遗传因素是很难改变的，所以这类特征具有很好的独特性。 ( 2 ) 表现因素：这类特征在胚胎发育的早期形成，并且会发展成独特的结果。比如 虹膜的模式和血管的分布。 ( 3 ) 行为因素：这类后入学习的行为会表现出不同习惯带来的不同后果( 如在手写 和讲话中) 。从理论上讲，行为是可以改变和重新学习的，但成年人的行为模 式很难改变。 1 2 虹膜识别 在各种不同的生物特征中，虹膜是最健壮、最持久的特征之一。虹膜作为身 份识别的特征与其它的生物特征相比具有更多优秀的性质。据统计，虹膜识别的 错误率是各种生物特征识别中最低的1 ”，基于这点虹膜的身份识别技术逐渐得到 学术界和企业界的重视。 电子科技大学硕士论文 1 2 1 虹膜的生物结构和特征 虹膜( i r i s ) 这个词来源于古罗马时代的“彩虹词，但后来人们用它来描述 眼睛中那些外部可见的彩色部分，这个时间可能要追溯到十六世纪，当时它用来 表示这个结构( 眼睛中外部可见的彩色部分) 丰富多彩的外貌 图1 - 1 人眼外观图 由文献”j 可知，眼睛的外观图由巩膜、虹膜、瞳孔三部分组成，如图1 - 1 所示 巩膜即眼球的外围白色部分，约占总面积的3 0 0 0 ；眼睛中心为瞳孔部分，约占5 ： 虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据6 5 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。虹膜与巩膜、瞳孔的边界均近 似为圆形，是图像匹配时可以利用的重要几何信息。虹膜表面由许多隐窝、皱褶、 色素斑等构成，形貌高度细节化，包含了极为丰富的信息，是人体中最独特的结 构之一。 l 一色素褶边，2 一瞳孔区，3 一虹膜卷缩轮，4 一睫状区，5 一隐窝，6 一色素斑 图l - 2 虹膜图像正视圈 图1 - 2 是虹膜的正视图“翔。虹膜表面被虹膜卷缩轮( c o l l m e ) 分为瞳孔区 4 第一章绪论 ( p u p i l l a r y a r e a ) 和睫状区( c i l i a r y a r e a s ) 。睫状区又分为内、中、外三个区域内区域 相对平坦，存在径向皱褶( r a d i a lf u r r o w s ) ，中部区域分布着不定向的纹路，纹路脊 g j l ( r i d g e s ) 堆积色素外边缘区域存在大量周边隐窝( p e n p h e r yc r y p t s ) 。虹膜表面车 富的细节纹理提供了重要的身份特征，特别是色素相关的纹理信息以及不规则分 布的皱褶等。 虹膜用于身份鉴别的生理和医学特征有： ( 1 ) 虹膜组织细节丰富# ( 2 1 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一个人的虹膜组织特征； ( 5 ) 得与某特定对象的特征相同； ( 6 ) 一般性疾病不会对虹膜组织造成损伤； f n 瞳孔的缩放使虹膜组织具有活体组织的显著特征 虹膜组织具有因人而异的固有特征。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，其细节特征也不相同 1 2 2 虹膜识别技术的发展及国内外研究的状况 虹膜用于身份识别可以追溯到大约1 8 8 5 年，法国人a l p h o n s eb r i l l i o n 在巴黎 的刑事监狱中尝试利用进行身份的确认。当时主要依赖予人的观察虹膜而自动 虹膜识别系统则是上世纪末才出现。 直n - - 十世纪九十年代，虹膜识别才取得了快速的发展。近两年，它已成为 生物特征识别领域的热门研究方向。目前国外的虹膜识别技术研究较多，1 9 8 7 年， 眼科专家a r a n8 a f i r 和i - _ c o n a r df l o r i n 首次提出了利用虹膜图像进行自动身份识别 的概念嘲。1 9 9 1 年，在美国洛斯阿拉莫斯国家实验室内j o h n s o n 实现了文献记载得 最早的虹膜识别应用系统口j 。1 9 9 3 年，j g d a u g m a n 率先研制出基于g a b o r 变换的 虹膜识别算法，实现了一个高性能实用的虹膜识别系统。目前，i r i d i a n 公司的产品 采用了d a u g m a n 的核心算法h 1 。随后，1 9 9 4 年r p w i l d e s 研制出基于图像登记技 术的虹膜识别系统1 9 j 。1 9 9 7 年w w b o t e s 等人用小波变换进行虹膜的识剐，并取 得好的结果【l q 。最近。法国人t i s s o 等提出用瞬时相位技术提取虹膜特征的方法； 韩国人l i m 等人用二维小波变换实现了虹膜的编码。i r i s e a n 公司研制出的虹膜识 。别系统己经应用在美国得克萨斯州联合银行的三个营业部内储户两手空空就可 5 电子科技大学硕士论文 以来银行办理业务。他们在取款机上取钱时，一台摄像机首先对用户的眼睛进行 扫描，然后将扫描图像转化成数字信息与数据库中的资料核对，以对用户的身份 进行检验。 在国内，虹膜识别的研究工作开始相对较晚，上世纪末虹膜识别技术的研究工 作开始兴起。上海交通大学1 9 9 8 开始从事虹膜识别技术的跟踪研究。2 0 0 0 年华中 科技大学的科研人员根据图像的相关性进行虹膜识别；2 0 0 2 年，中国科技大学也 实现了虹膜识别演示系统。中国科学院自动化所的研究人员，用不同的方法进行 虹膜识别的研究，并取得较好的结果。2 0 0 0 年以来，北京大学信息科学中心也开 展了虹膜识别技术的研究，并研究出一套独特的高效方法1 ”目。 目前虹膜识别技术的应用还处于初级阶段，产品种类很少，价格高，使用也 不太方便。但随着研究工作的不断深入，大量方便、廉价、实用的产品将不断涌 现，虹膜识别产品将会得到愈来愈广泛的应用。 1 2 3 虹膜识别系统研究过程中面临的问题 虹膜识别技术是集数学、光学、电子学、生理学和计算机科学等多学科交叉 的高新技术。该技术的研究虽然取得了很大成绩，但由于起步晚，仍然面临着许 多困难“”j 。具体表现在： ( 1 ) 虹膜纹理是否具有稳定性有待研究。目前医学理论认为，虹膜纹理具有终 身不变的稳定性，但这一认识还有待于接受严格的实验数据论证因为虹膜纹理 识别技术诞生不久，很难获得同一个人1 0 年乃至于更长时间间隔的虹膜图像。有 资料显示，在眼部或其他部分发生病变的情况下，虹膜纹理会发生部分或全部改 变，大致有破裂脱落、穿孔、炎症增生、萎缩、血管新生等多种情况。 r 虹膜采集技术有待提高。获取高质量的虹膜图像是制约虹膜识别技术发展 与应用的一个瓶颈。图像获取设备的小型化与方便化、高分辨率摄像头及其照明 技术，是推广虹膜识别技术的主要障碍；镜头可能会使图像畸变而使得可靠性大 为降低；黄种人多为深褐色，纹理非常不明显，很难获取细节清晰、对比度高的 虹膜图像。 ( 3 ) 高重复性的虹膜识别算法有待进一步开发。当前的虹膜识别算法还不能很 好地提取因人而异的特征向量，存在着匹配还不精细，计算量大等问题 ( 4 ) 性能评价体系有待建立。虹膜识别系统性能评价应该由国家甚至世界性的 专门检测机构来进行。该机构应该有一个样本容量足够大的虹膜数据库，制定一 6 第一章绪论 套科学、严谨的测试方案，能够对各种虹膜识别系统的性能给出准确、统一、权 威的评价。但是，目前对虹膜特征识别尚无评价机构，尚未形成统一的标准及足 够大的虹膜数据库，仍然处于无序状态。 ( 5 ) 系统的可行性有待验证。当前的虹膜识别系统只是用统计学原理进行小规 模的试验，而没有进行过现实世界的唯一性认证的试验。 1 3 论文结构 针对研究的内容，本文的具体章节安排如下： 第一章，绪论部分，主要介绍课题的研究背景，对生物认证的技术、虹膜的 生物特征和目前国内外研究情况及发展进行简要的介绍，并且提出了虹膜识别研 究中面临的问题。 第二章，虹膜识别系统介绍：简要介绍了模式识别的方法和虹膜识别系统的 工作流程以及系统的主要性能指标 第三章，虹膜图像的定位：首先介绍了以存在的定位算法，然后提出了本文 的定位算法并实现。 第四章，虹膜图像的归一化及增强：应用经典的d a u g m a n 的橡皮纸模型算法 对分离出的虹膜图像归一化，然后利用直方图均衡化的方法消除了由于光照不均 所造成的影响以方便后续工作 第五章，虹膜特征的提取及编码：通过h a a r 小波交换对归一化的虹膜图像进 行三层小波分解，来提取虹膜图像的特征，然后对提取的特征进行编码。 第六章，虹膜识别：研究常用虹膜匹配的算法以及通过h a m m i n g 距离进行虹 识别。 第七章，总结与展望：指出算法的不足以及今后需要做的工作。 7 电子科技大学硕士论文 2 1 模式识别 第二章虹膜识别系统介绍 模式识别1 1 6 , 1 7 1 ( p a t t o r nr e c o n g n i t i o n ) 是人类的一项基本智能，在日常生活中， 人们经常在进行“模式识别”。随着2 0 世纪4 0 年代计算机的出现以及5 0 年代人工 智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。( 计 算机) 模式识别在2 0 世纪6 0 年代初迅速发展并成为- - 1 3 新学科。 模式识别是指对表征事物或现象的各种形式的数值、文字和逻辑关系的信息 进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学 和人工智能的重要组成部分。 模式还可分成抽象的和具体的两种形式前者如意识、思想、议论等，属于概 念识别研究的范畴，是人工智能的另一研究分支。我们所指的模式识别主要是对语 音波形、脑电图、图片、照片、文字、符号、生物的传感器等对象进行测量的具 体模式进行分类和辨识。 模式识别研究主要集中在两方面，一是研究生物体( 包括人) 是如何感知对象的， 属于认识科学的范畴，二是在给定的任务下，如何用计算机实现模式识别的理论和 方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容，后者通 过数学家、信息学专家和计算机科学工作者近几十年来的努力，已经取得了系统的 研究成果。 应用计算机对一组事件或过程进行鉴别和分类。所识别的事件或过程可以是 文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数 字形式的信息相区别，称为模式信息。 模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有 关系。它与人工智能、图像处理的研究有交叉关系。例如自适应或自组织的模式 识别系统包含了人工智能的学习机制；人工智能研究的景物理解、自然语言理解 也包含模式识别问题又如模式识别中的预处理和特征抽取环节应用图像处理的 技术；图像处理中的图像分析也应用模式识别的技术。 第二章虹膜识别系统介绍 2 2 模式识别的方法 ( 1 ) 决策理论方法 又称为统计方法，是发展较早也比较成熟的一种方法。被识别对象首先数字 化，变换为适于计算机处理的数字信息。随后是进行特征抽取，即从数字化后或 预处理后的输入模式中抽取一组特征。特征提取过程将输入模式从对象空问映射 到特征空间。这种映射不仅压缩了信息量，而且易于分类。目前主要的决策理论 识别方法有两类：一类是基于似然函数的模式分类方法，主要有b a y e s 决策、 n o y m a n - - - p e a r s o n 块策等：另一类基于距离函数的模式分类方法，这是一种集群分 析方法。 ( 2 ) 句法方法 又称为结构方法或语言学方法。其基本思想是把一个模式描述为较简单的子 模式的组合，子模式又可描述为更简单的子模式的组合，最终得到一个树形的结 构描述，在底层的最简单的子模式称为模式基元。在句法方法中选取基元的问题 相当于在决策理论方法中选取特征的问题。通常要求所选的基元能对模式提供一 个紧凑的反映其结构关系的描述，又要易于用非句法方法加以提取。模式以一组 基元和它们的组合关系来描述，称为模式描述语旬。基元组合成模式的规则，由 所谓语法来指定。一旦基元被鉴别，识别过程可通过句法分析进行，即分析给定 的模式语句是否符合指定的语法，满足某类语法的即被列入该类。 ( 3 ) 模糊模式识别方法 模糊模式识别是模糊集理论在模式识别中的应用。人对客观事务的认识带有 模糊性，如通常所说的“高矮、胖瘦”、“青年、老年”、温和、剧烈”等等都是带有 模糊性的语言，人类利用这些模糊语言进行交流，并通过大脑分析和决策。模糊 数学就是研究如何利用模糊信息对确定事物进行定量分析。园此，将模糊集理论 用于模式识别系统，利用模糊信息进行模式决策分类，使计算机或机器带有接近 人类的智能，这是非常重要的研究课题。 目前模糊模式识别的主要方法有：最大隶属原则识别法、接近原则识别法和 模糊聚类分析法。 ( 4 ) 神经网络模式识别 人工神经网络具有信息分布式存储、大规模自适应并行处理、高度的容错性 等优点，是应用于模式识别的基础，特别是其学习能力和容错性对不确定的模式 识别具有独到之处。在神经网络分类器中，首先计算匹配度，然后将其送到第二 电子科技大学硕士论文 级输出，再反馈到分类器的第一级，用学习算法洲练相应的网络权值，重复上述 过程，直到达到期望目标为止。图2 - 1 所示为其基本框图。 输 入 计算度匹配 工1。 提高并选 取最大值 输 出 图2 - 1 神经网络分类器的框图 神经网络分离器可完成以下任务： ( a ) 在输入被噪声污染的情况下，确定最能代表输入样本的类： f b ) 分类器具有联想记忆功能，可用于残缺输入信息的恢复与联想； ( c 】用作矢量编码器，作为图像识别的a d ，起到数据压缩作用。 神经网络分类器是一种智能化模式识别系统，它可增强系统的学习能力、自 适应能力和容错性，具有很强的发展应用前景。 2 3 虹膜识别系统 虹膜识别系统由四个基本单元组成：图像采集、虹膜图像预处理、特征提取、 模式匹配。图2 - 2 是虹膜识g 系统的原理图t i t s ! 。 圈2 - 2 是虹膜识别系统的原理图 第二章虹膜识别系统介绍 2 3 1 图像采集 图像采集是虹膜识别过程中最为关键的部分之一，采集设备的优劣将决定所 采集虹膜图像的质量和使用的方便性，影响系统的性能和应用。 虹膜区域相对较小、颜色暗，而且人们对自己的眼睛十分敏感，不希望受到 干扰。采集设备必须精心设计，以满足实际应用的需求。首先，要求图像有足够 的大小和清晰度；其次在不让使用者感到不适的前提下保证虹膜图像中纹理的 对比度；第三，不要求使用者将脸、眼睛等置于固定位置上，尽量减少使用者的 参与。 2 3 2 虹膜图像预处理 虹膜( i r i s ) 图像预处理的目的是定位虹膜与归一化。通过虹膜获取装置采集的虹 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( s e l e r a ) 等，而且在高度非侵犯性系统中，由于对被试者不做任何要求，所以 虹膜在图像中的位置与大小都会发生变化，瞳孔会产生收缩或扩张，牵动虹膜的 变化引起虹膜的变形。因此，在进行虹膜识别之前，必须先确定出虹膜在图像中 的位置并进行大小归一化。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；同时，虹膜的内边界即瞳孔( p u p i l ) l 拘大小是会发生 变化的，这将会使虹膜的纹理产生变形。以上这些情况都会影响虹膜图像的质量 从而给下一步的特征提取和准确匹配带来困难。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。虹膜图像的预处理包含虹膜定位、 虹膜图像归一化和虹膜图像增强、去噪等三个步骤，如图2 3 所示。 r r r 1 l 虹膜内外边界定位i- l 虹膜图像归一化|i 虹膜图像增强，去噪l l - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - _ j i - - - - - - - - - - - - - - - _ ji - - - - j 圈2 - 3 虹膜图像预处理步骤 2 - 3 3 特征提取 在获取了归一化的虹膜图像后，对虹膜进行特征码提取处理，特征提取和选 择是对预处理后的数据进行分析、去粗存精的过程。由于原始图像数据量相当大， 需要把这些数据转换为若干特征，这称为特征提取。为了提高分类处理的速度和 精度，对提取的特征还需要选择最有代表性的特征，其信息冗余度最小，而且希 望具有比例、旋转、位移不变性。 1 1 电子科技大学硕士论文 从数学上讲，特征提取相当于把一个物理模式变为一个随机向量，如果抽取 和选择了m 个特征，则物理模式可用一个m 维特征向量描述，表现为m 维欧式空 间中的一个点。m 维特征向量表示为： x = ( 五，屯，“，) 1( 2 - 1 ) 在图像识别中，常被选择的特征有：图像幅度特征、图像统计特征、图像几 何特征、图像变换系数特征等，此外还有一些其它描述图像的特征，如纹理特征、 三维几何结构描述特征等。目前的主要方法都是基于全局和局部纹理特征的分析， 如g a b o r 滤波和小波分析”, 2 0 l 等。其中d a u g m a n 利用g a b o r 变换提取局域纹理特 征的方法最为成熟，应用最广。 2 3 4 模式匹配 虹膜识别技术的应用一般可以分为两类，一类是身份验证，它的任务是判定 测试者是否与数据库中的某一个特定虹膜特征的一样；另一类是身份查询，它的 任务是在数据库中查找和测试和虹膜特征一样的虹膜数据无论是哪一类问题都 可以归属为统计判决理论的框架内。 基于己提取的虹膜特征向量来进行虹膜识别，是一个典型的模式匹配问题， 有很多分类器可以用在这里。根据分类器的设计原理，变换的有效性最好用分类 器的错误概率来衡量。可惜的是，在大多数情况下，错误概率的计算是十分复杂 的，因此必须采用其他近似的判别度量来判断分类效果的好坏【2 1 1 。判别度量的方 法有很多，比较常用的方法如：按距离度量的方法 2 2 1 ，按概率距离判据的方法， s a i t o 提出的基于时频域能量分布来构建小波基函数的l d b ( l o c a ld i s o r i m i n a n t b a s 曲方法【”1 等等。这些方法都各有千秋，在不同的领域有自己的实用价值。 2 4 缸膜识别系统的性能指标 虹膜识别系统的性能在很大程度上取决于所采用算法性能的好坏。为了便于 采用量化的方法表示其性能。人们引入了几个指标来描述系统工作的精确度。在 生物识别领域通常把这几个概念作为衡量系统性能的重要指标肼, 2 5 1 。 ( 1 ) 误拒率 误拒率( f a l s er e j e c t i o nr a t ef p g ) 又称拒真率，指将相同的虹膜误认为是不同 的虹膜，而加以拒绝的出错概率。其定义为： 第二章虹膜识别系统介绍 f r r = 误拒的虹膜数日，考察的虹膜总数目x 1 0 0 ( 2 - 2 ) f 误识率 误识率( f a l s ea c c e p tr a t ef a r ) 又称认假率，指将不同的虹膜误认为是相同的 虹膜，而加以接收的出错概率。其定义为： f a r = 误识的虹膜数目考察的虹膜总数目x 1 0 0 ( 2 3 1 ( 3 1 拒登率 拒登率( e r r o rr e g i s t r a t i o nr a t ee r r ) 用来描述虹膜设备的适应性。e r r 指的是 虹膜设备出现不能登录及处理的虹膜的概率，拒登率e r r 过高将会严重影响设备 的使用范围。 ( 4 ) 速度 虹膜识别系统的工作速度主要由采集时间、图像处理时间、比对时间和平均 识别速度几项指标构成采集时间通常包含了采集的操作时间和图像的传输时间； 图像处理时间指的是从计算机处理虹膜图像到提取出所有特征、输出特征模版所 耗费的时间；比对时间，指计算机对两组虹膜特征模版进行比对并给出结果所耗 费的时间；平均识别速度，指计算机从虹膜特征模版库中搜索出特定虹膜特征模 版的速度，通常是一个统计平均值。 ( 5 ) 对一与对多” 虹膜识别系统有两种典型的工作方式：认证( v 硪f i c a t i o n ) 和识别 ( i d e n t i f i c a t i o n ) 认证是指将现场采集到的待测虹膜样本与标本虹膜特征模版进行 “一对一”比对，得出“是否是同一人”的结论；而识别则是将现场采集到的待测虹膜 样本与虹膜特征数据库中的标本虹膜进行“一对多”的搜索比对，得出“有无此人” 以及“此人是谁”的结论。一般说来，“一对一”认证多用于民用场合，“一对多”的识 别主要用于刑侦领域。 2 5 本章小结 本章首先简要介绍了模式识别的基本概念；然后对虹膜识别系统的工作流程 以及其主要性能指标进行简单的阐述。一个完整的虹膜识别系统必须包括虹膜图 像的采集、预处理( 虹膜定位，图像归一化和图象增强) 、特征提取以及模式匹配四 大部分。 电子科技大学硕士论文 第三章虹膜图像的定位 虹膜图像的定位是指在拍摄的图像中确定瞳孔和虹膜的位置，因为瞳孔和虹 膜都是比较标准的圆形，我们只要找到瞳孔和虹膜的圆心和半径就可以确定它的 位置，从严格意义上讲瞳孔的圆心和虹膜的圆心是不同心的，需要分别计算瞳孔 的圆心和虹膜的圆心。虹膜定位精度的要求很高，定位结果在很大程度上将影响 识别效果，不管是圆心还是半径的较大误差，都会造成计算虹膜码时的严重误差， 甚至导致识别结果的错误。 3 1 已存在的典型的虹膜定位算法 目前已存在的典型的虹膜定位算法有三种：一种是d a u g m a n 的圆模板匹配法， 另一种是h o u g h 变换法，还有就是基于活动轮廓的分割算法 3 1 1 d a u g m a n 圆模板匹配法 d a u g m a n 圆模板匹配法嘲由英国剑桥大学d a u g m a n 教授提出。在拍摄获取的 虹膜图像中，灰度分布存在着一定的差异，一般而言虹膜比瞳孔亮，巩膜又比虹 膜亮。再根据虹膜的形状类似圆环形的状况，d a u g m a n 利用圆形检测匹配器的方 法分割虹膜，其数学模型为： 呱圳+ 瓤。掣刮 ， 其中：q ( 力= ( 2 万力矿1 r 2 一是中心为r o 、标准偏差为。 o a u s s j a n 函数，用来平滑图像，叶表卷积。f i x , 力代表“力处的图像灰度值，r 为圆周的半 径。公式( 3 1 ) 的物理意义是，查找随着半径，变化相应圆周上像素平均值变化最大 的值所对应的( 啪抑) ，以此来确定瞳孔和虹膜的边缘以及虹膜与巩膜的边缘。卷 积用来对图像进行平滑，消除区域边缘中噪声的影响，平滑模板的大小与定位的 精度有关。为了方便公式( 3 1 ) 0 q 离散化实现，利用卷积性质，把公式( 3 - 1 ) 转化为： n l a x ( r 。# o ) i 掣唾而。警叫 c ，国 1 4 第三章虹膜图像的定位 其中掣m q = 吉q ( ，一古q 沏一1 ) r ) 对公式( 3 2 ) 进行离散化，用累加和来代替卷积和曲线积分，转换为； 卿。，b 斟q c 喀地蚓 其中： q ( r ) = q 一七) r ) 一o o ( ( n k 1 ) a r ) ；。( 而力= 1 ( k 出 c o a ( m a o ) + x o ) ，( 女血s i n ( m r , o ) + ) 】 ( 3 3 ) ( 3 4 ) ( 3 5 ) 抄表示半径搜索的步长，目表示沿着圆弧分隔的角度的步长。何家峰等 1 9 】对式 ( 3 - 2 ) 进行改进，使得能更好的定位虹膜内边缘： 其中r 略小于，它们之间的距离是一定的，且r 随着r 变化；a 为预设的值，防 止分母为0 式( 3 。6 ) 利用了这样一个事实，即不论瞳孔比虹膜亮还是暗，瞳孔的灰 度分布总是均匀的。因此，当搜索的圆弧与瞳孔边缘很好匹配时，式( 3 6 ) 的分母 非常小，因而式子会有一个突变值。 3 1 2w i l d e s 虹膜定位算法 w i l d e s 【1 9 1 的虹膜定位采取了两步法。首先根据虹膜强度信息把虹膜转化成二进 制边缘图像。然后用对边缘点进行投票的方法得到参数值。获得边缘图像采用的 是基于梯度的边缘检测方法，也就是对图灰度梯度取阈值。即： l v g 也y ) ，似y _( 3 7 ) 其中眠) 水表( b 力处的图像灰度值，v e ( a a l 影砂) ， 1 妊辽甚趟 c - ( x , y ) = ；三了g 搿 是中心为( ，) 标准偏差为口的2 维g m m s i a l l 函数， w 用来平滑图像。这样得到了虹膜内外边缘的边缘点集合，都可以表示为： ( x ，y ，) ，j = 1 ，n 。在此基础上进行投票，投票是通过对虹膜边缘点集合进行h o u g h 电子科技大学硕士论文 变换实现的。另外，对圆形虹膜内外边缘和一系列边缘点来说来说，h o u g h 变换 定义为： 日( ，y c ，) = ( _ ，y ，t ，y c ，r ) i = 1 其中 辨以力= l 譬成以，卜。 ( 3 - 9 ) 并且g 惦j y i ，x ：。y c ，n = 咕i x 了+ oj y 了一， 对于每个边缘点( ，乃) ，每组使g ( 一，y j ，只，r ) = 0 的参数( t ，以，) 代表了过 这个点的圆。对 个边缘点分别投票，使得日取最大值的参数组( t ，儿，) 就是最 理想的圆模型。 3 1 3 基于活动轮廓的虹膜分割 活动轮廓模型1 2 6 ( a c t i v ec o n t o u rm o d e l ，又称为m a k 神是k a s s 等人首先介绍 的。活动轮廓是在图像中定义的曲线，这条曲线能在由曲线本身决定的内能和由 图像数据决定的外能的影响下在图像中移动，通过对内能和外能的定义来使得曲 线移动到物体的边缘位置或图像中其它的特征位置。 传统的活动轮廓定义为一条曲线v ( s ) = z ，o ) 其中j 【0 ，1 】，该曲线在图像 中移动以极小化能量函数： f 0 0 ) ) = ( v o ) ) + 尸州，) ) ( 3 一l o ) 其中玩。是影响曲线形状的内能，一般定义为： 最。( “s ) ) = f ( 搿卜如) 1 2 + p 卜) 1 2 ) 出( 3 7 1 1 ) 其中口和分别是控制曲线的张力( t e n s i o n ) 和刚性( r i g i d i t y ) 的权值参数，r u ) 和 v 弋曲定义了v o ) 相对于j 的一阶和二阶导数。外能函数p ( 如) ) 是从图像数据中导 出的，它在图像中感兴趣的特征位置如物体边界位置取得较小的值。 叫v 0 ) ) z 【p ( v ( s ) ) d a ( 3 一1 2 ) 其中p ( v ) 定义在图像平面取，力中的一个标量势能函数。典型的势能函数例子是对 线条