（控制理论与控制工程专业论文）虹膜识别算法研究.pdf

哈尔滨丁程大学硕十学位论文 摘要 电子信息时代，人们需要一种更加方便、有效的安全身份认证技术，这 种技术就是生物识别技术。生物识别技术是指依靠人类自身所固有的生理或 行为特征进行身份验证。由于虹膜生理上具有唯一、稳定和活体的特性以及 虹膜识别技术在实际应用中表现出的非侵犯采集、高可靠、高稳定的特点， 因此在生物识别领域，虹膜识别技术研究受到科技人员更多重视，成为研究 热点。 论文总结了虹膜用于身份识别的独特优势，并对虹膜识别技术的几个关 键问题进行了研究，包括虹膜图像获取、预处理、特征提取和模式匹配。在 分析了眼球运动机制的基础上，将眼球的跳视运动用于活体虹膜的检测。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，c a n n y 算子结合 h o u g h 变换方法定位虹膜的外边缘。为了消除虹膜图像的平移、缩放所引起 的问题，采用了直角坐标到极坐标转换的方法。同时利用直方图均衡化的方 法减少了由于光照不均所造成的影响。 虹膜识别的核心技术之一是虹膜图像的特征提取。小波包变换是从小波 变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。 此外，考虑到奇异值特征作为一种性质良好的代数特征，能够有效的描述图 像信息的本质特征，论文将小波包分解和奇异值分解用于提取虹膜的特征信 息。最后，采用欧氏距离进行匹配得到识别结果。 通过在现有虹膜数据库上的实验，验证了本文识别算法的有效性。 关键词：虹膜识别；活体检测；特征提取；小波包；奇异值分解 哈尔滨工程大学硕士学位论文 a bs t r a c t i na g eo fe l e c t r o n i ci n f o r m a t i o n ，am o r ec o n v e n i e n ta n de f f e c t i v e i d e n t i t y v e r i f i c a t i o nt e c h n o l o g yi sn e e d e d b i o l o g i c a lr e c o g n i t i o nt e c h n o l o g ym a k e su s eo f t h ei n h e r e n tp h y s i o l o g i c a lo rb e h a v i o u r a lc h a r a c t e r i s t i c so fh u m a nb e i n g st o i d e n t i f yi n d i v i d u a l s d u et ot h eu n i q u e ，s t a b l ea n dl i v ep h y s i o l o g i c a lp r o p e r t i e so f t h ei r i s ，n o n i n v a s i v et o u s e r s ，a n dm o s ts t a b l e ，r e l i a b l ef o ri d e n t i f i c a t i o ni n p r a c t i c a la p p l i c a t i o n so fi r i s - b a s e ds y s t e m ，i r i sr e c o g n i t i o ni sr e c e i v i n ge x t e n s i v e a t t e n t i o na n db e c o m i n ga na c t i v et o p i ci nb i o l o g i c a lr e c o g n i t i o nt e c h n o l o g y i nt h i s d i s s e r t a t i o n ，t h ep a r t i c u l a ra d v a n t a g eo fi r i sf o rr e c o g n i t i o ni s d i s c u s s e da n ds u m m a r i z e d a n dt h e ns o m eo ft h ek e yi s s u e sr e l a t e dt oi r i s r e c o g n i t i o nt e c h n o l o g y a r e i n v e s t i g a t e d ，i n c l u d i n g i r i s a c q u i s i t i o n ，i r i s p r e p r o c e s s i n g ，i r i sf e a t u r ee x t r a c t i o na n dm a t c h i n g a tt h eb a s i c so fa n a l y z i n gt h e m e c h a n i s mo fe y e b a l lm o v e m e n t ，s a c c a d em o v e m e n to fe y e b a l li su s e df o rl i v e i r i sd e t e c t i o n b a s e do nt h eg r e ys c a l et h r e s h o l da n de d g et r a c i n gt h ep u p i li s l o c a t e d t h eo u t e rc i r c l ei sd e t e c t e du s i n gc a n n yo p e r a t o r st o g e t h e rw i t hh o u g h t r a n s f o r m i no r d e rt or e m o v et 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 s i m a g e ，t h e i r i s i 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 o p o l a r c o o r d i n a t e s f o rr e d u c i n gt h ei n f l u e n c eo fu n s y m m e t r i c 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 o n eo ft h ec o r e so fi r i sr e c o g n i t i o nt e c h n o l o g yi st h ei r i sf e a t u r ee x t r a c t i o n t h em e t h o do fw a v e l e t p a c k e t sd e c o m p o s i t i o n so r i g i n a t i n g f r o mw a v e l e t t r a n s f o r mi sm o r ea c c u r a t ei ns i g n a la n a l y s i s ，w i t ht h ep r e d o m i n a n c eo f a n a l y z i n g d e t a i l si n f o r m a t i o no f h i g hf r e q u e n c y e x c e p tt h a t ，s i n g u l a rv a l u e ，a sa ne x c e l l e n t a l g e b r a i ct e x t u r e ，c a l ld e s c r i b et h es u b s t a n t i a lc h a r a c t e ro fi m a g es i g n a le f f e c t i v e l y t h em e t h o d ，b a s e do nw a v e l e t p a c k e t sd e c o m p o s i t i o n sa n ds i n g u l a r v a l u e d e c o m p o s i t i o n s ，i sa p p l i e dt oe x t r a c ti r i sf e a t u r ei nt h i sd i s s e r t a t i o n e u c l i d e a n d i s t a n c ei sa d o p t e dt op e r f o r m p a t t e r nm a t c h i n gb e t w e e nt w oi r i s e s e x p e r i m e n tr e s u l t sf o ro u ri r i sd a t a b a s ep r o v et h a tt h ea p p r o a c hi se f f e c t i v e 哈尔滨丁程大学硕士学位论文 k e yw o r d s ：i r i sr e c o g n i t i o n ；l i v e i r i sd e t e c t i o n ；f e a t u r ee x t r a c t i o n ；w a v e l e t p a c k e t s ；s i n g u l a rv a l u ed e c o m p o s i t i o n 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献的引用已在文中指出，并与参考文献相对应。除文中已 注明引用的内容外，本论文不包含任何其他个人或集体已 经公开发表的作品成果。对本文的研究做出重要贡献的个 人和集体，均己在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 作者( 签字) ： 日期：2 闪g 年乃月i o 日 哈尔滨i ：程大学硕+ 学位论文 第1 章绪论 1 1 课题的背景及意义 随着信息技术的发展及安全的需要，生物识别技术正得到迅速 的发展，国家自然科学基金委员会都将生物特征识别作为一个重要 的支持方向。传统的以密码为特征的身份识别技术1 已经难以满足某 些行业对高安全性的要求，而虹膜识别是最可靠的生物特征识别之 一，必将成为一种有应用前景的身份鉴别方法。 生物识别技术，或称生物测定技术p 1 ，是使用人体本身所固有的 物理特征及行为特征，通过图像处理和模式识别的方法来自动鉴别 个人身份的技术。由于生物特征不会像密码那样被忘记和破解，也 不会像诸如身份证等持有物那样容易被窃取或转移，因此生物特征 识别被认为是一种更加可靠、方便、快捷的大众化身份识别手段。 这一技术的安全系数较传统意义上的身份验证机制有了很大的提 高。常用的生物特征主要包括：指纹、掌纹、虹膜、声音、脸相、 d n a p l 等与生俱来的终身难以改变的生理特征以及笔迹、步态等后天 形成的行为特征。与传统的身份鉴别手段相比，基于生物特征的鉴 别技术具有无需记忆、防伪性能好、不易伪造或被盗，以及随时随 地可用的优点1 。所以用它们来识别人的身份，是最安全、最可靠、 最方便的方法。 “9 11 事件是生物特征认证技术在全球发展的一个转折点。 “9 1 1 以后，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，生物特征识别技术有着巨大的市场应用前景。 哈尔滨工程大学硕士学位论文 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、需要迫切面对的问题，那就是2 0 0 8 年奥 运会和2 0 10 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。 虹膜识别作为一种新的身份鉴别方法，通过特定的识别算法， 可以达到极高的准确率。据统计，虹膜识别是最可靠的生物特征识 别之一，其误识率是各种生物特征识别中最低的，而且虹膜发生损 伤的可能性很小。这些特点使得虹膜识别成为一种有应用前景的身 份鉴别方法，具有极其广泛的应用领域，适用于需要进行安全性防 范的诸多场合。由于虹膜识别具有广阔的应用前景，比如在金融证 券、信息安全、国防、交通、公安司法、高级公寓、宾馆、机场通 关、生物护照、矿井及食品卫生等领域，越来越多的研究机构和公 司企业已经加入到虹膜识别领域中，基于虹膜的身份鉴别技术日益 得到学术界和企业界的重视，所以对虹膜识别算法的研究具有重要 的实际意义。表1 1 对几种重要的身份识别技术进行了比较p 1 ，可以 看出，虹膜特征不仅具有其它生物特征所具有的优点，而且还具有 唯一性、稳定性、可采集性、非侵犯性等优点，能有效地解决其它 生物识别技术难以解决的问题。 2 坚查堡! ；些奎兰塑圭兰堡篁兰 表11 几种重要生物特征识别技术比较 、特诬 虹膜 人脸 指纹 声音 掌纹 菇傍 翟盘黼 e1 - ? 阚 【，嗣 麓皇：o w - 舯伊 o= = j 精确度非常高高高局局 简易度中等中等易 易 易 防伪性 非常高 中等 高中等局 入侵性否是 是是 是 稳定性 高 中等 高 中等 向 安全度 1 常高 局高高 接受度中等中等中等高中等 成本 局 由 中 低中 采集方式图像图像图像语音信号图像 光照、化皮肤干燥、噪声、疾皮肤干燥、 影响冈素光照条件 妆、表情损伤病、情绪灰尘 l2 虹膜的生理和医学特征分析 121 虹膜生理构造 首先，目1l 给出了眼睛生理结构，图11 f a ) ”1 为眼球断面图， 图11 ( b ) ”1 为裂隙灯显微镜下的虹膜正视图，从图上可以清楚的看到 虹膜的纹理。 篁i ：堡兰；垒尘兰尘圭兰堡兰圣 图12 不同人种的虹膜图像 哈尔滨| 样大学硕士学位论文 l2 2 虹膜身份识别的依据 虹膜由许多胶原纤维、蛇纹微管束、色素、横纹、收缩沟 ( c o n t r a c t i l ef u r r o w ) 、冠状物( c o r o n a ) 、凹陷( c r y p t ) 、斑点( f r e c k l e ) 、 裂缝( r i f t ) 和深坑( p i t ) 所组成，其颜色因含色素的多少与分布不同而 异。图13 ”显示了虹膜生理结构的解剖图。从虹膜横切面可见，虹 膜由很多层组成，表面高低不平；从虹膜前视图可见，虹膜表面分 布着很多凹陷、收缩沟和斑点。 ( a ) 剖面图 图13 虹膜的解剖图 ( b 1 前视图 虹膜自胚胎期生成，其上的动静脉血管、神经纤维组织、收缩 沟等亦形成。按目前医学、遗传学理论认为，正常情况下，虹膜具 有终身不变的稳定性。虹膜结构对每个人都是唯一的1 ，并且它不 随年龄的变化而变化，这种说法主要有两个根据”： ( i ) 临床观察在对大量的眼睛进行观察的过程中，眼科弩家和 解剖专家们注意到，虹膜具有高度独特和复杂的模式孪生子以及 同一个人的左右眼的虹膜都完全不同。 ( 2 ) 发育生物学虽然虹膜的总体结构由遗传确定，但是虹膜的 细节主要取决于环境条件。除非是极特殊的情况，否则虹膜的纹理 是相当稳定的。从生物测定学的观点来看虹膜的另一个让人感兴趣 的方面是虹膜处于一刻不停的运动状态。这种运动状态具有潜在的 价值，通过对它的检测就可以知道i f 在被使用的虹膜是否是一个活 体样本。 总结起来，以下特性是虹膜适用于高可信度的身份识别的优点： 一 哈尔滨丁程大学硕士学位论文 ( 1 1 极高的独特性虹膜的模式高度随机，它的内部组成具有17 3 个自由度1 。统计测试表明”1 ，虹膜识别的错误率仅为1 2 ”3 。 ( 2 ) 高稳定性虹膜形成于胚胎期，1 2 岁以后就不再发生变 化。 ( 3 ) 高度防伪性虹膜随光强变化的缩放特性以及自身有规律的 振颤，提供了对伪造虹膜的自然测试方法，除非冒着失明的危险， 否则要改变虹膜的纹理结构，l 乎是不可能的。 ( 4 ) 天然的被保护特性虹膜与外部环境隔绝，使它不易受外部 环境的伤害，从而保证了纹理的清晰稳定。 ( 5 ) 采集的非侵犯性虹膜的获取不需要身体接触，在一定的距 离内都可以获得。 ( 6 ) 分析方便虹膜固有的环状特性提供了一个天然的极坐标系 统。 上述特性使得虹膜识别成为当前最为安全町靠的生物测定学身 份识别方法，在某些方面的性能甚至优于d n a 测定。因此，基于 虹膜识别的身份识别系统有着广阔的应用前景和重要的研究价值。 123 虹膜图像分析 虹膜具有丰富的纹理，图14 t l o 给出了虹膜纹理分布特点的示意 图。 。矽荟专冬j 、t - s 曩 ， 程竹 晨 g 受适 佶e 图14 虹膜纹理特征分布图 ， f _ 畦 龌瘦 、1上j， 、， l ， 哈尔滨t 程大学硕十学位论文 对摄取到的虹膜图像进行分析町以看到，虹膜图像具有如下特 占 j ( 1 ) 虹膜图像除了包含虹膜区域外还包括了巩膜、瞳孔、眼睑、 睫毛等干扰部分。 ( 2 ) 虹膜图像具有特殊的圆环形状，由外到内分别是巩膜、虹膜 和瞳孔，平均灰度成阶梯递减，瞳孔的颜色最深，灰度值最小；虹 膜的纹理较多，灰度比较丰富，灰度值比瞳孔大；虹膜外面的巩膜 的灰度值最大。 ( 3 ) 虹膜和瞳孔通常不同心。 1 3 虹膜识别技术的研究现状 d a u g m a n 博士卜1 提出了基于g a b o r 交换的虹膜识别算法之后， 虹膜识别技术引起了广泛的重视，后来很多的虹膜识别算法都是以 此为基础展开的。而后，美国普林斯顿d a v i ds a r n o f f 研究中心的 r i o h a r dp w i l d e s 教授4 ”1 研究了采用多尺度匹配识别方法的虹膜识 别系统。19 9 7 年，澳大利亚q u e e n s l a n d 大学的b o l e s 6 。 1 提出了一 种基于小波变换过零检测的虹膜识别方法，有效的克服了漂移、旋 转、比例缩放及环境亮度变化和噪声给系统带来的影响。 d a u g m a n 的虹膜识别系统”采用窄视场成像光学镜头、中等分 辨率的摄像头、点光源照明、l c d 反馈显示辅助物位置校正的方式 采集虹膜图像；通过求g a u s s i a n 平滑后的圆形轮廓的梯度最大值的 参数( 半径、圆心) 进行虹膜分割；对半径按比例放缩归一化虹膜的 半径；使用若干个不同参数的g a b o r 滤波器对虹膜图像进行滤波得 到虹膜特征编码，计算特征编码的h a m m i n g 距离得出识别结论。 w i l d e s 的虹膜识别系统4 1 同样采用窄视场成像光学镜头、中等 分辨率的摄像头、光源发出的光经散射片( 使偏振态均匀分布) 和偏 振片( 产生特定偏振态) 后照明人眼、偏振片过滤反射光、双圆形轮 廓辅助物位置自校j 下的方法采集虹膜图像；通过g a u s s i a n 平滑化的 一阶算子求边缘，并使用h o u g h 变换获取虹膜内、外圆模型参数得 到虹膜分割的结果；对所获得的虹膜图像的半径和旋转角度参数微 7 哈尔滨工程大学硕士学位论文 调，最小化它和已存储的虹膜样本之差获取半径比例和旋转角度， 完成归一化；使用多尺度匹配方法，采用f i s h e r 的线性区分方法得 到最后识别结果。 以上识别算法已较成熟，并且有的已应用于一些安全领域，如 自动取款机、机场等。但是虹膜识别系统中仍有不完善的地方，比 如：获取图像需要被测者操作，并且获取装置要考虑对比度、图像 旋转和平移、阴影等。因为图像获取方法直接影响到算法的研究。 并且实际应用算法的运行速度也是需要考虑的关键因素。 d a u g m a n 的定位算法的搜索具有盲目性，时间的消耗较大，因 此他的算法对虹膜在图像中的位置和大小都有一定的限制，否则定 位的时间很长。实际上，d a u g m a n 算法要求参与认证的人员严格的 站在一定的拍摄范围内，正对摄像机眨眼。也就是说d a u g m a n 的系 统要求被认证者高度的配合。w i l d e s 基于h o u g h 变换的定位算法对 图像的质量要求比较高，对于光照不足和有较多干扰的图像，则很 难准确定位。 在国内，虹膜识别系统的研究也逐渐成为热点。比如谭铁牛教 授提出的虹膜识别算法引，虹膜图像摄取采用了自主开发研制的装 置。在虹膜定位上，先采用c a n n y 算子对原图像进行边缘提取，然 后采用最小二乘法进行拟合。特征提取采用了g a b o r 滤波和 d a u b e c h i e s 。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。古红英提出的识别算法9 1 ，针对虹膜纹理具有自相似的 特点，在传统的分形理论基础上，提出一种新的分形维数一一变化 分数位作为其特征。然后使用增量支持向量机对不同条件下获得的 虹膜样本进行学习，所得的增量支持向量机用于识别测试虹膜样本。 黄惠芬提出的识别算法0 1 ，利用了小波带通特性和小波变换检测奇 异点的原理，将虹膜纹理分成8 个分析带，每个分析带只采用一个 合适尺度的小波滤波，然后将滤波结果量化，产生2 5 6 b y t e 的虹膜特 征码，最后利用h a m m i n g 距离进行模式识别。 综上所述，在所有已有的虹膜识别方法当中，各种方法都有各 自的优缺点，没有一种是业界公认的通用方法。虹膜识别技术还处 哈尔滨t 秤大学硕十学佗论文 于一种百花争放的时期，每一种识别方法都有它的使用范围和局限 性，但是不可否认，虹膜识别技术正在日趋走向成熟。 1 4 课题来源及论文的主要研究内容 本课题源于黑龙江省科技厅的科技攻关项目“虹膜自动识别技 术的研究和系统开发 。 本文的研究内容包括： 第1 章绪论：介绍本文的研究背景，虹膜的生理结构和生物特 性，以及虹膜识别技术的国内外研究现状。 第2 章虹膜识别技术：介绍了虹膜识别技术的各个环节以及虹 膜识别的技术难点。 第3 章虹膜图像的预处理：对虹膜图像预处理的过程进行了分 析，将虹膜图像的预处理分为四个部分：活体虹膜检测、虹膜图像 定位、归一化和图像增强。本文通过对眼球运动的生理特性分析， 着重研究了活体虹膜的检测。 第4 章基于小波包分解和s v d 的虹膜识别：通过分析小波变 换和小波包变换，以及虹膜纹理的特点，应用基于小波包分解和s v d 的虹膜特征提取方法，最后采用欧式距离匹配方法实现模式匹配。 第5 章实验结果及数据分析：将本文方法进行小样本实验，并 对结果进行数据分析，得到结论。 9 哈尔滨- r 程大学硕+ 学何论文 第2 章虹膜识别技术 虹膜识别系统由图像获取、虹膜预处理、虹膜特征提取和模式 匹配四部分组成。通过图像采集系统实时采集虹膜图像；通过有效 的方法实现活体虹膜检测、虹膜定位，以及归一化和图像增强来完 成虹膜图像的预处理；对预处理后的数据进行分析提取虹膜特征； 最后通过模式匹配得到识别结果。 2 1 虹膜图像获取 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。 在数字摄像机外围加入红外和可见光l e d 辅助光源，以提高图 像的对比度，本文摄得分辨率为3 4 0 2 8 0 像素的眼部图像。由于虹 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。 d a u g m a n m l 和w i l d e s 4 1 的图像获取装置都是目前比较成熟的虹 膜数据获取装置，随着虹膜技术的发展，许多新的虹膜采集装置也 陆续出现心1 七2 1 。 2 2 虹膜图像预处理 预处理模块实际上包括四个主要的步骤：活体检测、虹膜定位、 虹膜图像的归一化、虹膜图像的增强。 活体检测，用于判断被检虹膜是否来自活体，以区分真假虹膜。 在通过图像采集设备获取的图像中，虹膜只占一部分区域，图 像还包含眼睛的其他部分，比如眼睑、睫毛、巩膜、瞳孔等，因此， 1 0 哈尔滨工程大学硕士学位论文 在对虹膜纹理进行分析处理之f j ，要把虹膜区域从图像中分割出来， 需要进行虹膜的中心和内、外边缘的检测，这就是虹膜的定位。目 前应用较多的定位方法有两步虹膜定位法2 1 、边缘检测和h o u g h 变 换定位法4 1 、主轮廓线法、基于形态学和h o u g h 变换法、参数空间 分级收缩的快速定位算法等。 由于在采集过程中，人眼到镜头距离的变化、瞳孔的缩放、眼 睛的偏移和旋转以及个体的差异等，造成获取的虹膜大小并不是固 定的，即便是同一个人在不同时间采集的样本也会有差异，因此必 须对定位后的虹膜进行归一化处理，即将环形的虹膜归一化到一个 固定尺寸的图像中，从而纠正上面提到的图像的漂移、旋转及比例 缩放。d a u g m a n 在文献 11 1 3 】中采用的极坐标归一化方法本质上属 于线性映射，而w i l d e s 在文献 1 4 1 5 中的归一化方法则属于一种仿 射变换。中科院自动化所的马力聆”和张德馨心4 1 也分别给出了线性映 射、分段线性映射和非线性映射的归一化方法。 由于光源的位置以及光照的强度，采集到的虹膜图像会存在光 照不均匀的问题，另外由于外界干扰，图像中会产生一定程度的噪 声，为了消除光照不均、噪声等对系统的影响可以对图像进行增强。 目前在虹膜识别算法中进行了图像增强研究的主要是中科院自动化 所的研究者口引。 虹膜图像的预处理是虹膜识别系统中非常重要的模块，后续的 虹膜纹理分析都是基于它的处理结果来完成的。 2 3 虹膜特征提取 虹膜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，这就是特征提取。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。 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n 个特征，则物理模式可用一个, 维特征 哈尔滨t 程大学硕十学位论文 向量描述，表现为n 维欧式空间中的一个点。万维特征向量可以表 示为x = ( x l ，x 2 ，x 。) r 。 在图像识别中，最基本的依据是图像的光谱( 灰度) 特征和空 间( 纹理) 特征。图像的纹理特征反映的是像素灰度值的空间分布 情况，图像中的纹理提取一般是指对随机性纹理特征的提取，为了 能对图像中的纹理进行分析提取，就必须能够对其进行量化，即通 过某种算法能够对图像中物体灰度级的变化进行量化表示。特别的， 如果一个物体的灰度值接近于常数( 即没有变化) ，则该物体就没 有纹理。随机纹理一般用具有统计性质的参数来表示，如灰度级的 标准偏差和自相关函数。纹理特征提取的结果是通过对给定邻域内 像素灰度值的空间变化的分析计算得出反映纹理特征的某一统计指 标，形成纹理图像。纹理图像中每一像素的值反映了该像素在邻域 内的某一纹理特征口 。 在虹膜特征提取方面，已经取得了很多的研究成果，如 d a u g m a n 1 的虹膜识别系统使用二维g a b o r 滤波器对虹膜图像进行 分解滤波，从中提取相位信息；b o l e s q 提出把图像的小波变换过零 信息作为虹膜特征；w i l d e s 4 1 的基于拉普拉斯金字塔的特征提取方 法。此外，还有利用独立成分分析法提取虹膜特征瞄6 1 、用h a r r 小波 提取虹膜特征心7 1 、用小波包提取虹膜特征弘8 1 、用二维希尔伯特变换 提取虹膜特征等方法。以上方法在虹膜识别算法中都取得了比较好 的效果，但也存在着各自的不足。 2 4 虹膜特征模式匹配 在特征提取之后，虹膜特征被记录到一个特征向量。基于已提 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。 对于虹膜识别来讲，利用前面提取的特征得到数据库，然后通过虹 膜数据库中的特征数据来实现与未知虹膜特征的匹配。比较常用的 匹配方法如：按距离度量的方法，如h a m m i n g 距离、欧氏距离；基 于人工神经网络；基于支持向量机弘9 1 等。这些方法都各有千秋，但 也各有不足之处。距离函数是现在用的比较普遍的方法，虽然精度 1 2 哈尔滨工程大学硕士学位论文 有限，但基本上达到了识别率的要求，因此得到普遍采用。 2 5 虹膜识别的技术难点 尽管虹膜识别的研究己经取得了一定的成果，但是大部分研究 都基于较理想的状况，在实际的应用中仍有许多问题都没有能够根 本的解决，需要进一步研究改进，主要的技术难点如下： 1 虹膜图像的获取。虹膜图像的采集是识别算法的前提和基础， 虹膜采集装置不过关，虹膜识别就成了无源之水。虹膜采集装置这 一基础平台实质上要整合光、机、电等元器件为一体化，并涉及多 道设计与加工工艺，实现起来相当复杂。清晰虹膜图像的获取受到 多方面的影响，比如镜头焦距和景深的变化、外部环境光线的变化、 用户的配合程度等，这些都给自动虹膜图像采集带来了一定的困难。 此外，如何更加人性化的减少用户的参与程度，比如：在用户佩带 眼镜( 包括墨镜、普通镜片等) 的情况下获取虹膜图像也是一个很 具有挑战性的问题。同时在不同的光照环境下不影响虹膜图像质量， 也为虹膜采集设备的研究增加一定的难度。要解决这些问题，必须 和光学领域的相关研究人员密切合作。除了从硬件方面考虑外，从 图像处理算法上提供辅助的解决策略也是必要的。 2 虹膜定位。虹膜定位是虹膜图像预处理过程中的重要环节， 它不仅决定了虹膜识别的后续过程能否继续，而且决定了虹膜特征 抽取及匹配是否有效。同时，虹膜定位也是整个虹膜识别系统占用 时间较多的过程。由于本身睫毛浓密或年老导致的眼睑下沉等所造 成的虹膜区域遮挡严重，以至于无法正常分割，但又不能将其通过 质量检测排除在识别之外，而目前对眼睑和睫毛并没有有效及快速 的检测方法；而且虹膜内外边界通常被建模为圆形，很多情况下与 标准圆形偏差较大；因此开发出鲁棒性好且快速有效的虹膜定位算 法也是值得研究的问题。 3 虹膜防伪。基于生物特征的身份鉴别方法优点之一是具有很 高的可靠性，但是各类生物特征也有被伪造的危险，所谓道高一尺 魔高一丈。因此，实用的基于虹膜识别的身份鉴别系统应当具有防 哈尔滨t 程大学硕士学位论文 伪的功能，也就是能够准确判断采集对象是否来自有生命的个体。 目前比较常见的伪虹膜主要有：虹膜照片，纸质打印虹膜，戴隐形 眼镜( 主要是彩色隐形眼镜) ，模拟眼及与眼睛很相似的物体等。 如何将所有可能的攻击手段都予以排除也是一个具有挑战性的问 题。 4 特征提取及匹配。虹膜特征提取及匹配是虹膜识别系统最后 的处理过程，是虹膜识别中的核心问题，对整个识别系统的性能有 决定性的作用。对虹膜的特征进行描述是一个十分困难的问题。同 时，瞳孔随光照条件变化而引起的虹膜形变是一种非线性形变，这 使得虹膜特征提取更加困难和复杂。此外，由于东西方虹膜纹理本 身的差异，如何针对东方人的纹理特征，突破d a u g m a n 的算法仍然 是一个值得探讨的问题。 此外，虹膜识别算法的通用性不强，也是目前存在的一个主要 问题h 。由于目前各种图像采集装置的工作原理、硬件条件存在显 著差异，研究者也大都在自己的图像采集设备所采集的图像库上进 行算法研究。不同的采集设备采到的图像的灰度分布特征存在差异， 而虹膜定位和特征提取算法又非常依赖于特定的灰度分布特征，因 此，同一个虹膜识别算法很难成功地应用于不同类型的虹膜图像。 2 6 本章小结 本章描述了虹膜识别的基本步骤，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( 包括活体虹膜检测、虹膜区域 定位、归一化、图像增强) 、特征提取和模式匹配四个环节所构成 的。最后讨论了虹膜识别技术的研究难点。 由于本章只是虹膜身份识别系统的概述，所以对虹膜识别系统 的各个环节所用到的具体技术和算法仅加以概括和整理，并没有作 深入的研究，在以下的章节中会逐步对各个环节的算法作详细的分 析。需要指出的是虹膜识别在生物认证领域是个发展很快的研究方 向，新的方法层出不穷，它必将全面走向实际应用，走进人们的日 常生活之中。 1 4 哈尔滨丁程大学硕+ 学位论文 第3 章虹膜图像的预处理 虹膜图像的预处理在整个虹膜识别系统中具有重要意义，处理 结果的好坏直接影响到后续工作的有效性。通过采集装置摄取的虹 膜图像，往往受到诸如光照、失焦、眼睛运动以及操作者的误操作 等因素的影响，造成成像质量的降低甚至无效。为了提高系统的可 靠性，首先就要对虹膜进行活体判别，从而使系统具备防伪功能。 对于质量较好的图像，也要先消除上述因素对虹膜识别造成的影响， 使虹膜特征的提取有效，这就是虹膜预处理需要完成的工作。 虹膜图像预处理主要包括：活体虹膜检测、虹膜定位、虹膜图 像归一化以及图像增强。本章后续各节将详细介绍虹膜图像预处理 四个组成部分。 3 1 活体虹膜检测 基于生物特征的身份鉴别方法的优点之一是具有较高的可靠 性，但是各类生物特征也有被伪造的危险，作为误识率最低的虹膜 识别也不例外，面临着被攻击的危险。因此，研究虹膜识别的防伪 技术显得尤为重要，也成为目前国际上研究的热点之一。总结下来 虹膜识别系统存在的潜在威胁主要来自以下几类1 ： ( 1 ) 眼睛图片( e y ei m a g e ) ：屏幕硬拷贝、照片、纸质打印、视频 信号等； ( 2 ) 人造眼( a r t i f i c i a le y e ) ：玻璃及树胶等； ( 3 ) 自然眼( 用户) ( n a t u r a le y e ( u s e r ) ) ：强迫使用； ( 4 ) 自然眼( 冒名顶替者) ( n a t u r a le y e ( i m p o s t o r ) ) ：移植眼睛、 彩色隐形眼镜等； ( 5 ) 虹膜模板的攻击( i r i st e m p l a t e ) ，即将虹膜模板( i r i st e m p l a t e ) 替换成攻击者的虹膜模板。比如，替换护照、虹膜数据库系统中的 虹膜模板。 因此，实用的基于虹膜识别的身份鉴别系统应当具有防伪的功 篁垒鉴；矍奎茎堡圭兰堡兰圣 能，也就是能够准确判断聚集对象是否来自有生命的个体。 311 眼球结构及眼球运动系统的基本理论 31 11 眼球结构及其运动机制 眼球的直径约25 公分，由外至内分别由巩膜、脉络膜及网膜所 包住，如图31 ”2 所示。 图31 眼球的构造图 眼球有眼内肌和眼外肌两组眼肌，眼内肌包括虹膜和睫状肌， 可调节瞳孔的大小和水晶体的焦距。六条眼外肌控制服球运动，如 图32 ”所示，每条肌肉的功能说明如下： ( 1 ) 上直肌：使眼球上转； ( 2 ) 下直肌：使眼球下转： ( 3 ) 外直肌：使眼球外转； ( 4 ) 内直肌：使眼球内转； ( 5 ) 上斜肌：使眼球在它的轴上旋转，角膜向卜外侧做斜向运动； 哈尔滨 _ 程大学硕士学位论文 动 井 ( 6 ) 下斜肌：使眼球在它的轴上旋转，角膜向上外侧方做斜向运 图32 眼外肌示意图 人类之所以需要眼球的运动，是由于大部分视网膜的分辨能力 很差，空间敏感度最高的部位集中在中央凹。所以为了能看清楚目 标对象，人类必须移动眼睛，使目标对象正好落在两眼敏感的中央 凹上。 眼球的运动包含转向和转斜两种成分。转向运动是两眼一起移 动凝视h 标，其视角均相等，是一种共轭式的运动。转斜运动是由 凝视远近不同的两目标所构成，属于一种非共轭式的运动。当两眼 运动时，其视角有所改变，以使视网膜的影像落在两眼的中央凹上。 3112 眼球的运动类型及参数 跟球的运动系统是由前运动系统发布讯号来控制，运动系统及 前运动系统构成“终端共同路径”。终端共同路径接受四个控制系 统所发布的信息：跳视、追踪、前庭和视运动，缚个控制系统之特 定功能如下1 ： 哈尔滨工程大学硕士学位论文 ( 1 ) 跳视运动( s a c c a d em o v e m e n t ) ：只要有新视标物出现在视野 周围，就触发脉冲产生器，产生一种快速的眼球运动，将新视标物 置于中央凹上。 ( 2 ) 追踪运动( p u r s u i tm o v e m e n t ) ：负责监视目标物的移动且产生 追踪式的运动，使眼睛盯住目标物，保持目标物落在中央凹上。 ( 3 ) 前庭运动( v e s t i b u l a rm o v e m e n t ) ：接受半规管传来的刺激之 调整运动，其作用在于头部移动时，保持视觉之平衡。 ( 4 ) 视运动( o p t o k i n e t i e ) ：校正头部平衡运动，负责保持视标物 落在中央凹上。它与前庭运动联合时，就产生一种代偿性的眼球运 动，以使眼睛能盯住目标。 眼球运动可以用一组参数来描述。这些相对容易计算或测量的 来自眼睛位置的数据的收集可用于对上述眼球运动方法描述，即这 些参数可以用于逼近任何眼睛运动。主要的参数有s a c c a d e s 集和 p u r s u i t 集。s a c c a d e s 参数集描述跳视运动。典型的s a c c a d e s 曲线如 图3 3 1 3 5 1 所示。 一 l t = o r s 潜伏时问 持续时圆 图3 3s a c c a d e s 参数描述 哈尔滨t 程大学硕十学何论文 s a c c a d e 参数集包括： ( 1 ) 幅度一一s a c c a d e 的大小，通常用度或弧度为单位，幅度决 定了s a c c a d e 的精确度。许多的先天条件，疾病或药物作用会造成 s a c c a d e 峰值异常。 ( 2 ) 峰值速度一一在s a c c a d e 期间达到最大的速度。s a c c a d e 速 度曲线对于小的或中等的s a c c a d e 而言，通常是对称的，因此，决定 了该峰线通常是笔直向上的，最大可达到8 0 0 4 s 。 ( 3 ) 持续时间一一s a c c a d e 完成的时间，该参数最容易从速度曲 线中测量。大多数s a e c a d e s 均在几十毫秒中完成，然后用大约8 0 m s 将视觉信息送到视觉外皮层。这些短的持续时间意味着s a c c a d e s 不 能编辑快速移动的视觉信息，即对于一个运动目标，新的信息被用 于触发一个修正的s a c c a d e s 。 ( 4 ) 潜伏时间一一从目标的出现到开始s a c c a d e 对该目标作出反 应所花的时间。对于一组给定的事件其它参数趋向于落在一个狭小 的范围，然而，潜伏时间是极易变化的。潜伏时间对大多数中等幅 度s a c c a d e ( 5 。1 0 。) 而言，通常大约为2 0 0 m s 。当然它也可能是较低 的10 0 m s 或较高的3 5 0 m s 。 ( 5 ) 在正常的眼球运动测量中，跳视幅度和持续时间之间的关系 是完全线性的，如图3 4 所示。即： d u r a t i o n = 2 2 a + 2 1 ( 3 1 ) 式中：彳是跳视幅度。 跳视幅度 图3 4 跳视幅度与持续时间的关系 1 9 哈尔滨t 程大学硕士学位论文 从上述人体生理特性分析可以得出：为了在采集虹膜图像时认 证目标对象是活体虹膜，可以设计一种能在一个适当范围内增加随 机的动态目标对象的虹膜采集器，并引用上述s a c c a d e 参数对虹膜进 行跟踪采样，通过对所获得的眼球运动方位图像、时间与标准参数 对照，即可实现活体虹膜识别功能。 3 1 2 基于眼球跳视运动的活体虹膜检测 根据眼球的跳视运动进行活体虹膜的检测，整个活体虹膜检测 包括硬件和软件两部分。 3 1 2 1 硬件部分 硬件部分由虹膜c c d 和随动光学目标发生器组成，使被测试者 的眼球在该随动目标的刺激下发生跳视；虹膜c c d 不仅要采集正常 的虹膜图像，还要采集被测者眼球跳视后的虹膜图像。 1 硬件结构 本设计在虹膜c c d 的周围增加由发光l e d 组成的光学目标环， 并以1 0 。左右的斜角来安装，如图3 5 3 6 1 所示。 图3 5 虹膜c c d 及随动光学目标 c b ) 2 随动光学目标发生器 由八个发光l e d 、随机触发器组成。发光l e d 采用对人眼刺激 性较小的绿光l e d ，且为低亮度，以避免造成对眼睛的损害。由主 控系统实现的随机触发器，应在虹膜c c d 完成了第一次采集后，通 哈尔滨丁程大学硕十学位论文 过随机产生的l 8 数值，来控制对应的l e d 发光。 3 虹膜采集 虹膜c c d 要完成二次采集：常规虹膜采集和跳视后的虹膜采集。 据统计，当s a c c a d e s 角度在5 。1 0 。时，人眼的潜伏时间大约2 0 0 m s ， 而我们可以利用式( 3 1 ) 求出s a c c a d e s 的持续时间( 4 3 m s ) 。因此，当 l e d 发光后，应延迟2 4 5 m s ，对跳视后的虹膜进行第二次采集。 3 1 2 2 算法实现 通过对所采集的两幅虹膜图像进行处理、比较和判决，以确定 是否是活体虹膜。对两幅虹膜图像进行处理的关键是找出两幅图像 的瞳孔中心坐标。 1 首先分别对采集的两幅图像进行二值化p 刀运算和边界跟踪 ( 详见本文3 2 2 节) ，将瞳孔从图像中分割出来，以得到一个