基于图像处理的虹膜识别技术研究.pdf

《基于图像处理的虹膜识别技术研究.pdf》由会员分享，可在线阅读，更多相关《基于图像处理的虹膜识别技术研究.pdf（58页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、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和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得云洼王些太堂或其他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了谢意。学位论文作者签名： 殇以l签字日蝴年多月日学位论文版权使用授权书本学位论文作者完全了解丞洼王些太堂有关保留、使用学位论文的规定。特授权云洼王些太堂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，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送

2、交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位做储签名：1以签字日期：乡年多月，日导师签名： 乏幺签字日助步乡月日学位论文的主要创新点一、为了提高虹膜识别系统的准确性，在虹膜识别之前对所采集的图像进行质量评价，选择符合一定质量要求的虹膜图像作为识别系统的输入。本文提出了一种分步式虹膜图像质量评价算法，对所采集的序列虹膜图像层层筛选，最终选择一幅质量较好的图像进入到后续的识别过程。二、从眼部的灰度图像上可以明显地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素点分布集中。本文针对这一特点提出了利用二值化和数学形态学相结合的方法来快速定位内边界。三、结合WB

3、CT的构造方法并应用于图像压缩编码，且取得较好的效果。本文以此为启发，提出一种基于WBCT的特征提取方法，分别使用表示子带系数统计特性的均值、能量、标准差和不变矩等作为虹膜特征值。四、针对Snake模型对于复杂图像的边缘提取有非常明显的优势，本文提出了一种改进的Snake模型用于虹膜卷缩轮的边缘提取。摘要本文结合相关生物认证技术，分析虹膜的独特性和稳定性这两个主要生物特征，采用基于图像处理的虹膜识别技术进行详细研究。虹膜识别课题研究过程中，主要结合图像预处理、虹膜特征提取与编码、模式匹配与分类器设计问题，重点针对虹膜识别技术的算法做了深入研究与探讨。同时，结合虹膜识别技术的实际需要对虹膜识别领

4、域的研究重点和难点提出了一些新的改进算法。本文对虹膜定位方法的一些处理技巧和相关的理论进行了概括，对虹膜特征提取与编码的传统方法进行了详细的阐述和分析。主要分析了二维Gabor变换，分析了多通道滤波器的方法，并提出了32通道的Gabor方法。对Snake算法进行了研究和改进，提出了二阶优化算法。通过大量的试验，就所涉及的算法进行了系统的比较，并指出了不同算法的识别速度与精度等问题。虹膜图像处理技术内容十分丰富，应用前景也十分广阔。伴随着计算机行业的迅猛发展，产品的性能指标越来越高，价格也相对来说不断下降，数学与计算机科学也不断发展，这些都给生物特征识别技术的发展和应用提供了巨大的支持。关键词：

5、图像处理；虹膜；识别技术ABSTRACTIn this article，the biometric authentication technology，to analyze the uniquenessand stability of the iris biometric，iris recognition based on image processingtechnology researchIris recognition in the oDUlSe of the study，the main combinationof image preprocessing，feature extract

6、ion,coding，paaern matching classifier designproblem and made a thorough study algorithms for iris recognition technologyActualcombination of iris recognition technology to the field of iris recognition researchpriorities and difficulties，we present a new improved algorithmThis article summarized the

7、 method of iris location processing skills and theoryiris feature extraction detailed exposition and analysis with the traditional method ofencodingMajor analysis of two-dimensional Gabor transform analysis ofmultichannel filter，and 32 channel Gabor methodSnake algorithm research andorder optimizati

8、on algorithms，algorithms involved in the comparison of the systemby a large number of experiments，and pointed out that the recognition speed andaccuracy of the different algorithmsIris image processing technology content is very rich,very broad applicationprospectsAlong with the rapid development of

9、 the computer industry，theperformance of the product is getting higher and higher,the price is relativelydeclining，Mathematics and Computer Science has evolved,which gave thedevelopment and application of biometric identification technology provides仃emendous supportKeywords：Image processing；iris；rec

10、ognition technology目 录第一章 绪论l11 弓l言112 生物特征识别113 虹膜识别技术314 本文采用的虹膜数据库和研究内容8第二章 虹膜图像定位1121 传统分割定位方法1l22 改进的虹膜定位方法15第三章虹膜图像噪声处理2131 眼睑2132 睫毛。2233 光斑23第四章 虹膜图像校正和归一化处理25第五章 虹膜特征提取与匹配2951 二维Gabor滤波法2952 Wildes高斯拉普拉斯金字塔法3l53 过零点检测3254 多通道Gabor滤波法3355 Gabor滤波器提取虹膜纹理特征。3456 基于小波的轮廓波变换特征提取3957 Snake模型的虹膜卷缩

11、轮提取4l第六章 总结与展望47参考文献49发表论文和参加科研情况51j改谢53第一章绪论11引言第一章 绪论随着网络与通信技术的发展，传统的身份识别方法和手段显然己不能满足当今数字化社会信息安全的要求，必须寻求更为安全可靠、便捷的新途径。由于生物特征具有普遍、稳定、便捷、不易伪造的优点，且其识别技术在识别率、错误拒绝率等方面的性能指标都优于其它身份识别方法。另外由于其软件、硬件设备的市场不断扩大、价格下降等因素，生物特征识别技术在金融、海关、司法、军事以及人们日常生活的各个领域中扮演着越来越重要的角色。因此，生物特征识别技术有着很好的发展前景和科学价值，近年来己成为身份识别的热剧。虹膜识别技

12、术作为生物特征识别技术之一，具有唯一、稳定、可采集、非侵犯性的优点，与人脸、声音等识别方式相比，有着更高的准确性，因此，虹膜识别技术日益得到学术界和企业界的重视。12生物特征识别121典型的生物识别技术生物特征识别包括如人脸、虹膜、指纹、掌纹等与生俱来、多为先天的生理特征识别，也包括像声音、步态、笔迹等虽是习惯使然但多为后天的行为特征识别。所有的这些生物特别都能在一定程度上满足特征识别技术的需要，然而也都有自己的适用范围。比如，有些人的指纹无法提取特征，患有白内障的人虹膜会发生变化，身体相应部位有残疾的人无法进行身份认证等。在对安全有严格要求的应用领域，人们常常需要融合多种生物特征来实现高精度

13、的身份识别，多生物特征融合认证技术将是未来身份识别领域发展的必然趋势12J。下面就简要介绍一些主要的生物特征识别技术。指纹识别指纹识别是最早出现的生物特征识别技术，也是目前应用最广泛的身份识别技术。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，对活体指纹进行采集、分析和比对，能够自动、迅速、准确地鉴别出个人身份。在实际应用中，由于预先建天津工业大学硕士学位论文立了指纹数据库，新的指纹图像获取非常方便，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。随着指纹识别技术的发展以及指纹采集设备价格的降低，指纹识别不

14、仅广泛应用于司法、商务活动中，也越来越多地在笔记本电脑、手机、存储器等终端设备中使用。但这种技术要求在按指纹时手指保持洁净、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，每个人都有自己唯一的指纹，指纹识别的缺点是：首先，指纹很容易留下痕迹，因此易被伪造；其次，虽然指纹本身不会发生变化，但易受外界干扰，如油污，伤疤、有绷带包扎、皮肤干燥、干湿度、长老茧、病态的皮肤、手指窄小和输入传感器受污染等都会影响识别效果。另外，在实际采集中发现

15、，由于在犯罪记录中常使用指纹，导致很多人害怕将指纹记录在案，从心理上不愿意接受这种识别方式。人脸识别人脸识别技术是目前生物识别领域比较热门的前沿课题，也是模式识别和人工智能领域的一个研究热点。由于采集人脸图像自然、直观，是最容易被接受的生物特征识别方式。人脸识别技术通过分析用户面部特征的唯一形状、模式和位置，与数据库中的人脸参数进行比较来判断和确认【3】。该方法的优点是：易于使用，无需使用者的主动配合，适于隐蔽地进行采集、比对，直观性好，可跟踪性好，尤其适于视频监控等应用。缺点是稳定性较差，易受周围环境、头部饰物、表情变化、年龄增长等因素影响。除此之外，因为通过化妆和整容可以改变人脸的特征，这

16、增加了人脸识别的难度，并且人脸识别技术很难分辨出双胞胎。视网膜识别视网膜识别是利用视网膜上的血管模式进行身份识别。视网膜图像难于获取，摄像头的激光必须通过角膜，在扫描时会对眼睛造成损害，并且在采集图像时，被采集者需要反复盯着一个小点几秒钟不动，因此视网膜识别的个人侵犯性高、接受程度低而且技术难度大。此外视网膜扫描设备的成本是所有安保设备中最昂贵的。由于上述缺点，视网膜识别技术在推广应用上存在一定难度。但是因为视网膜是外部不可见的，故而不会被伪造。视网膜识别的优点：1精度高；2使用者不需要与设备直接接触；3样本稳定，除了受某些退化疾病的影响外，视网膜在人的一生中保持稳定；4记忆模版小。第一章绪论

17、在众多的生物特征识别技术中，虹膜识别技术由于其高可靠性得到越来越广泛的关注和应用。有统计表明，虹膜识别的错误率在各种生物特征识别方式中是最低的。个体的虹膜结构独一无二、不具遗传性(即便是同卵双胞胎的虹膜也各不相同)，并且自童年以后，基本不发生变化。虹膜识别具有唯一性、稳定性、可采集性和非侵犯性等优点，这些优点使得虹膜识别成为目前有广阔应用前景的身份鉴别方式。对于我们这样一个人口众多的国家，对身份鉴别的需求显得极为迫切，对虹膜识别算法的研究具有重要的实际意义。虹膜是位于巩膜和瞳孔之间的圆环状区域，是由一种随瞳孔直径变化而伸缩的纤维状组织构成的，具有丰富的纹理信息。每个人的虹膜纹理结构各不相同，并

18、且这种结构在人的一生中几乎不发生变化。解剖学家和眼科学家经过大量的观察发现，虹膜具有独特的结构，即使是双胞胎，甚至是同一个人的左右眼的虹膜纹理也是不同的，自然界不可能存在完全相同的两个虹膜。虹膜对光的反应可以用作活体检测。虹膜识别具有唯一性、稳定性、可采集性、非侵犯性、防伪性141。而在生物特征识别技术中，非侵犯性恰是身份鉴别应用与研究发展的必然趋势。当然，虹膜识别也有它自身的缺点：1虹膜识别还没有经过大规模数据库的测试，目前的识别系统只是应用统计学原理进行了小规模的试验。2镜头可能使图像产生几何畸变，从而使可靠性降低或出现误判。3采集虹膜图像时调焦困难，对摄像用光线要求较高。4黑眼睛的虹膜纹

19、理难以读取。13虹膜识别技术131虹膜结构和特征巩貘镜|_lII反射图1。1虹膜的结构和特种：黎泠瞅睫邑童t膜液孔F缀黢天津工业大学硕士学位论文人眼的外观图由巩膜、虹膜、瞳孔组成，如图11所示。其中，外周白色部分为巩膜，约占眼睛总面积的35，中心部分为瞳孔，约占总面积的5，巩膜和瞳孔之间的环状部分即为虹膜，约占总面积的65。虹膜的平均直径约为12ram。但是，虹膜可以通过括约肌和扩张肌的收缩扩张来调整瞳孔的大小，以使得适量的光线通过瞳孔。瞳孔的直径可在虹膜直径的100旷80之间变化。虹膜是葡萄膜最前部分的圆环形薄膜，位于晶体前，有辐射状褶皱纹理，其表面高度细节化，包含了极为丰富的信息。每个虹膜

20、都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构。丰富的纹理信息使得一个虹膜可以提供多个特征读取点，这就肯定了虹膜测定的精确程度【5】o虹膜用于身份鉴别的生理和医学特征如下：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；7虹膜组织具有因人而异的固有特征。即使克隆人、同卵双胞胎、同一个人左眼右眼的虹膜

21、图像之间也存在显著差异。132虹膜识别系统的构成一个典型的识别系统都包含四个部分：图像获取、预处理、特征提取和模式匹配，其中虹膜定位和特征提取是虹膜识别过程中最重要的环节，虹膜识别与其它的模式识别在总体结构上是类似的，其系统结构图如图12所示。图1-2虹膜识别系统的构成l识别缡聚第一章绪论虹膜采集是指利用拍摄设备快速获取包含清晰可用的虹膜区域的活体人眼图像。人类虹膜的直径约为1厘米，为了获得尺寸足够大的虹膜图像，需要进行微距摄影，拍摄距离一般为十几几十厘米，而合适的照明对于虹膜图像采集也是非常重要的。太强的照明会令人眼感到不适，光照太弱会令图像缺乏必要的灰度对比，增大量化误差。对拍摄的眼部图像

22、还需进行采样、量化，使其成为数字图像。由于虹膜图像细节丰富，面积较小，获取图像会面临一定困难。虹膜定位：虹膜定位也就是虹膜的边界定位，其目的是对人眼图像中的虹膜区域的内外边界进行检测，并计算出能够弥合其内外边界的最佳曲线，以便于分离出完整的虹膜区域。即从采集得到的眼部图像中提取虹膜信息，为下一步对虹膜进行分析提供必要的条件，这一步的准确度直接关系到虹膜身份识别的准确性。由于虹膜是位于瞳孔和巩膜中间的环形区域，它的外边缘和内边缘可以近似地看作圆形，所以定位的过程就是找出内外两个圆的半径和圆心的过程。Daugman利用眼睛不同区域灰度差比较大的特点，采用圆形边缘检测器法进行虹膜的内、外边缘定位。W

23、ilde S的定位算法首先是通过边缘检测将图像转换成二值图像，然后利用Hough变换法进行虹膜的内外边缘定位。尽管两种算法各有优点，但共同的缺点在于计算量大，占用内存大，提取的参数受参数空间的量化间隔制约【6J。干扰检测：一般来说，人眼虹膜会被上下眼皮和睫毛或多或少地遮挡，由于个体本身的生理或年龄特征，上下眼皮常常遮挡住部分虹膜区域，因此损失部分可用的虹膜纹理。甚至有些虹膜图片受眼睫毛影响很大，在分割出的瞳孔中部分眼睫毛也同时被分割出来，影响着虹膜识别的准确率，即分割下来的虹膜有时会包含光斑及睫毛等噪声，对后续的虹膜识别造成影响。为了提高识别率，在识别时应该将光斑及睫毛区域尽可能地去除，因此，

24、干扰检测目标就是判断眼皮和睫毛对虹膜的遮挡程度，将相应区域检测出来并加以去除。为了准确的估计出瞳孔的圆心位置以及半径长度，需要尽量消去睫毛等干扰因素的影响。眼睑检测可以快速准确地拟合出眼睑边界；眼毛检测可以有效地检测人眼图像中的眼毛。目前常用的干扰检测方法也是主要来自于Daugman和Wilds提出的基于圆积分微分算子【7】和边缘信息结合Hough变换的算、法【引。归一化处理：由于瞳孔受光照强度影响会发生缩放，因此不同的人眼图像中虹膜的宽度是不同的。另外，图像采集设备与人眼的距离远近差别也会造成虹膜的宽度差异。再者，虹膜的内外边缘常常也不是同心圆。所有这一切都会给后续的识别工作带来不同程度的困

25、难。归一化的作用就是针对对这些变化和不同进行补偿，将虹膜从人眼图像中分离出来，并将虹膜的大小调整到统一的尺寸。针对该问题Daugman采用极坐标归一的方法进行处理，它的本质是属于线性映射；天津工业大学硕士学位论文Wfldes则采用映射函数将输入虹膜图像与数据库中的模板进行逐点映射，以补偿虹膜的缩放和旋转。虹膜增强：拍摄环境以及照明角度、聚焦程度的影响，使得拍摄到的虹膜图像常会出现图像对比度过低或图像的亮度不均等情况，有时候甚至很难辨别其纹理细节，这些将严重影响虹膜识别算法的准确性，因此需要去除拍摄到的图像进行去除噪声，均衡背景照明，增强对比度，以便为后续的特征提取和识别工作提供可靠的条件。主要

26、步骤为：首先估计图像的背景光照，然后利用背景光照对图像进行光照调整，最后对图像进行均衡化。特征提取：因为虹膜纹理的形成过程中存在的随机性因素，所以图像所包含的细节纹理具有不同的如块状、斑点状、条状等各式各样的形状，并且灰度差别也比较明显，同时它们的分布也是极不均匀的，这些各不相同的纹理就构成了虹膜的特征。膜特征提取的目的就是有效地提取并描述虹膜图像中那些能够用于进行人体身份识别的特征区域。最主要的特征提取方法有Daugman提出二维变换法和Wildes提出的高斯一拉普拉斯滤波器法。匹配识别：经过特征提取后，虹膜图像被表示为相应的特征向量，匹配识别所要做的工作就是度量虹膜图像特征向量之间的相似性

27、，并根据相似程度来决定两幅虹膜图像是否来自于同一个主体。虹膜识别中常用的描述相似性度量指标有：海明距离【9】，加权欧式距离【10】，归一化相关值，相似性测量值等。在实际的匹配中，通常选取一个适当的阈值作为依据，若相似度大于该值，则认为相比较的两幅虹膜图像来自于同一个主体，否则可认为来自于不同的主体。133虹膜识别系统的评价指标英国剑桥大学的John Daugman博士对他的虹膜识别系统进行了910万次虹膜识别实验，实验用虹膜图像分别采自美国人、英国人、韩国人和日本人。但Daugman同时承认虹膜图像的质量好坏会直接影响同类虹膜间的海明距离，在实验中，他发现存在散焦模糊、运动模糊、瞳孔过度变形、

28、眼睑睫毛遮挡和光斑噪声等问题的虹膜图像会增大同类虹膜之间的差异，最终增加识别系统的错误拒绝率。所以，为了提高虹膜识别系统的准确性，在虹膜识别之前，必须对所采集的图像进行质量评价，选择符合一定质量要求的虹膜图像作为识别系统的输入。通常所用的质量评价方法分为主观评价和客观评价两种。主观评价是指以人的视觉效果作为评价准则，由观察者对图像质量作出评价。考虑到这种评价方法的主体是人，而每个人的评价标准又各不相同，其应用受到很大限制。图像质量的客观评价方法是指使用一定的客观评价标准，通常是对图像内容进行数学描述，来判断图像质量是否达到应用要求。常用的方法有峰值信噪比(PSNR)、基第一章绪论于小波视觉门限

29、的感知度量83】均方误差方法。这些方法都是将原图像和处理后的图像进行相关参数的比较来评判图像质量，但由于在虹膜识别中，并没有所谓的“标准图像”，因此无法利用传统的图像质量评价方法来评价虹膜图像。针对所采集的虹膜图像中经常出现的散焦模糊和眼睑睫毛严重遮挡问题，本文提出了一种分步式虹膜图像质量评价算法，对所采集的序列虹膜图像层层筛选，最终选择一幅质量较好的图像进入到后续的识别过程。134虹膜识别系统的发展和研究现状虹膜识别技术的提出与发展经历了一个漫长的过程。1885年在巴黎的监狱管理者曾利用虹膜的结构和颜色区分同监狱中的不同犯人，这是最早利用虹膜进行的身份识别。1936年，眼科专家FranLkB

30、urch指出虹膜具有独特的信息，可用于身份识别。1987年，眼科专家AranSafir和LeonardFlorm首次提出了利用虹膜图像进行自动身份识别的概念。1991年在美国洛斯阿拉莫斯国家实验室内，Johnson实现了文献记载得最早的虹膜识别应用系统。1993年，剑桥大学的Daugman教授提出基于Gabor变换的虹膜识别算法，利用Gabor滤波器对虹膜纹理进行一种简单的粗量化和编码，实现了一个高性能、实用的虹膜识别系统【8】，Daugman算法的提出对于虹膜识别领域的研究具有里程碑式的意义，它将AmnSafir和LeonardFlorm提出的利用虹膜图像进行自动身份识别的设想变成现实，被由

31、此引发了虹膜识别研究的热潮【11|。1994年，MIT人工智能实验室的Wildes博士设计出基于图像注册技术，通过拉普拉斯金字塔将虹膜区域图像分解为四个水平，根据图像的相关性进行匹配度计算的虹膜认证系统。1997年澳大利亚昆士兰大学的Boles等人提出了基于小波变换过零点检测的虹膜识别算法。2000年中国科学院自动化所提出了基于多通道Gabor滤波器提取虹膜特征的方法。2008年，中科院自动化研究所和英国Iris Guard公司签署了虹膜识别技术授权协议，Iris Guard购买了自动化所虹膜识别核心算法的全球使用许可。IrisGuard公司是国际虹膜识别领域的著名企业，在系统集成和商业推广方

32、面具有很强的实力，曾开发出世界上规模最大、应用最成功的国家级虹膜识别系统一阿联酋边境安检系统。这标志着我国在虹膜识别领域通过自主创新掌握了核心技术，突破了国外早期的技术封锁，并从受制于人的被动局面走向了技术出口的主动局天津工业大学硕士学位论文面。虹膜识别技术如今被广泛地应用在各行各业，其中最具代表性的应用是在安全要求最为严格的机场和海关，部分应用的例子包括在Amsterdam Schiphol、Frankfurt、十个英国机场以及八个加拿大机场利用虹膜识别系统对入境乘客进行验证；在Boston、LosAngeles、Minneapolis、Houston、Washington Reagan、M

33、ilan机场利用虹膜识别系统对离境乘客进行验证：在Charfotte Douglas机场利用虹膜识别系统对1200名飞行员和乘务人员每天进行安全验证。在阿拉伯联合酋长国的35个空中、陆地和海上的关口，对所有到达的乘客都要利用虹膜识别系统将获取的到达人员虹膜图像与监视列表中存储的禁止进入该国人员的虹膜图像进行对比，至今己对几百万人进行对比，其中已经被系统识别出大约40000人次。部队对防止保密信息和绝密资料外泄以及军械、尖端武器的保护等问题上历来都非常重视。对于安全保密部门的人员出入管理，除了严格的管理制度外，也需要一种能改善安全管理方式的强有力技术层面上的保障，而虹膜识别技术的应运而生和日臻成

34、熟使这一系列问题迎刃而解。这种基于人体生物特征识别的身份认证技术，可以广泛应用于部队的信息网络系统(如作战参谋部门、机要档案管理系统等)以及物理通道控制系统(如机要档案室、首长办公室、枪械管理等重要部f3)。从20世纪90年代末起，随着对身份鉴别的需要越发迫切，越来越多的科研工作者、研究机构和公司(如松下、IridianTechnologies、LG、OKI等)投入到虹膜识别的研究中来，加速了该技术的蓬勃发展。在国外，虹膜识别系统已经广泛应用在金融、国防和公安刑侦等领域。其中影响力较大的商用虹膜识别系统有Daugman系统、Wildes系统、Boles系统和中国科学院自动化所开发的虹膜识别系统

35、【12】。14本文采用的虹膜数据库随着虹膜识别算法研究的发展，广大研究者对用于测试算法性能的虹膜图像库的需求也越来越高。在此领域上应用最广泛的虹膜图像库是中国科学院自动化研究所公开的CASIA虹膜图像库，己被超过来自70个国家和地区的800多个研究单位申请使用，成为国际虹膜识别研究最重要的数据基础。它的虹膜库分为三个版本，包括超过10，000幅虹膜图像，采集设备为中科院自主研发的设备，采用近红外光源，图像为灰度图像。被采集者主要为亚洲人。采集分为两阶段，时间间隔一个月左右。第一章绪论另外还有样本质量较复杂的Ubiris数据库：只包括清晰虹膜纹理的UPOL虹膜图像库；其它的还有MMU虹膜图像库、

36、Bath虹膜图像库、ICE虹膜图像库以及w7虹膜图像库等等。各个图像库都有各自的特点。本文利用的是中科院CASIA虹膜图像库。实验采用中科院自动化研究所提供的CASIAl0和CASIA20 verl虹膜图像数据库。CASIA 10虹膜库采自80人108只眼睛共756幅灰度虹膜图像，其中有28人采集了左右两只眼睛的虹膜图像，每只眼睛采集7幅，图像分辨率为320 X 280。CASIA 20 verl虹膜库是使用手持设备采集的来自60只眼睛的1200幅灰度虹膜图像，每只眼睛采集20幅，分辨率是640480。不同于CASIAl0，该库的眼睑、睫毛、光斑等噪声较多。天津工业大学硕士学位论文10第二章虹

37、膜图像定位第二章虹膜图像定位由于装置采集的图像不是纯粹的虹膜图像，还包含瞳孔、巩膜、眼睑、眼睫毛等部分，其次采集还受到光线、距离等因素的影响，因此在进行特征提取前，必须对图像进行预处理。由于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位灰度图即可。虹膜识别算法中图像预处理的部分，主要包括图像平滑、虹膜定位与提取、虹膜图像的归一化、图像去噪、图像增强等过程。21传统分割定位方法虹膜定位是对虹膜的内外边缘进行检测，分离出采集图像中的环形虹膜区域，为后续的过程提供可靠的数据信息。定位的精度和速度影响着整个虹膜识别系统的性能。为便于处理，虹膜区域的边界一般被近似为两个圆，其中外

38、圆是虹膜与巩膜的边界，内圆为虹膜与瞳孔的边界，虹膜定位的任务就是分别计算出内外圆的圆心和半径大小。由于光照不均、眼睑与睫毛遮挡、反光光斑、图像模糊等因素的干扰，定位需要一种既可以将虹膜区域有效地分离又可以去除干扰的算法。目前常用的虹膜定位算法主要有Daugman最早提出的基于微分积分算子的圆形边缘检测算法和Wildcs提出的基于边缘信息与Hongh变换相结合的算法，以及基于活动轮廓的分割法【l引。(a)图21分割定位天津工业大学硕士学位论文图22定位失败的典型实例211 Daugman圆形边缘检测算法Daugman提出了微积分方法：在Daugman虹膜识别算法中定位虹膜的边缘主要采用一种由粗糙

39、到精细的策略，根据大量的统计资料可以了解到瞳孔和虹膜的外边缘通常不是一个同心圆，瞳孔的半径大约是虹膜半径的0108倍，将虹膜的形状大体估计为环形，从瞳孔、虹膜到巩膜，灰度值呈阶梯状增大的趋势，虹膜的边界正是处于这些梯度变化最大的位置。当沿径向方向增大半径时，图像在圆周上的积分对半径的微分最大处对应的位置作为边界【14】。对于人眼图像，这种搜索是关于不断增加的半径r，以及图像沿着半径为r及中心坐标的曲线弧的标准化的曲线积分来实现的，然后相对于半径r的局部求导，导数最大处对应的位置即为所求边界。其公式如式(21)所示。m蚓ax啪，奉昙虫知掣叫，坠：丝q(，)=P矿-9(2-1)qZTtp定位过程实

40、际上就是以整个图像上每个点都作为中心，搜索某一半径范围的最有可能为虹膜边界的位置。图23给出了虹膜、瞳孔和眼睑的定位结果。图23 Daugman虹膜摄取装置获得的图像和定位结果及特征码第二章虹膜图像定位212 Wildes虹膜定位算法Wildes提出Hough变换方法MIT人工智能研究室的Wildes博士于1997年在文献中提出了基于Hough变换的定位算法。Hough变换是标准的计算机视觉算法，可用来检测具有己知形状的目标，在图像中常用来检测简单的几何目标，如直线和圆。圆的Hough变换可以用来在图像中检测虹膜内外半径和内外边界中心，实现自动虹膜图像分割【l 51。Wildes提出的算法分为

41、两步，第一步对灰度图进行二值边缘化，第二步由边缘点进行投票得到准确的边界轮廓参数值。边缘是图像中灰度发生急剧变化的区域边界，图像灰度的变化情况可以用图像灰度分布的梯度来反映。因此可以利用基于梯度的边缘检测算子来检测边缘像素。这个算子可以用公式22来表示。lVG(x,y)幸l(x，力1 一(x-xo)2-(户)2难(昙，争G加去P丁(2-2)G(x，们是一个二维高斯函数，通过选择不同的J来进行平滑滤波，消除噪声以利于检测边界处的梯度变化。投票过程是通过Hough变换来实现的，最后得到虹膜图像内外边界的参数。Hough变换定义为：H(xc，虬，)=h(xj，yj，)， 、fl纩1 g(xj，巧，咒

42、，)=o吣飙，xc，ycr)2 t0萨gbxc。ycno。g(xj，乃，r)=(勺一)2+劬一)2一，2 (23)将虹膜的内、外边界都采用圆的模型，根据边缘点对参数进行投票。用同样的方法可以去检测上下眼睑，只不过眼睑的形状是弧形的，可以把式2-3中圆的方程改变为椭圆方程。图24 Wildes方法的定位结果13天津工业大学硕士学位论文213最小二乘法拟合算法中科院自动化研究所的王蕴红、谭铁牛等2002年在文献中提出基于最小二乘法的虹膜定位方法。这个方法对虹膜的内外边界采取不同的办法分别处理。对于内边界：与眼睛的其它部分相比，瞳孔要暗得多。因此先采用二值化的方法分离出瞳孔，提取内虹膜边界。二值化方

43、法的关键在于阈值的选取，具体做法是：先计算出整个图像的灰度直方图，它应该有两个主要的峰值，其中第一个峰值对应的就是瞳孔区域灰度集中的范围，第二个峰值对应的是虹膜区域的灰度集中范围。显然，提取瞳孔的二值化阈值应该选择在第一个峰值的右侧。从图中可以看出，瞳孔被成功地分离出来。对于外边界：采用最小二乘法拟合的方法提取外圆边界。首先使用算子对原图像进行边缘提取，然后根据瞳孔的位置和其他的先验知识去除一些无用的点，比如眼眉和内边界，最后采用最小二乘法进行拟合。214算法的比较分析以上是三种比较典型、常见及应用比较广泛的虹膜定位算法。Daugman的虹膜定位算法的优点是定位比较准确，但是该算法较强地依赖图

44、像亮度的梯度，因此只有在被处理的图像照度比较均匀而且没有大面积的亮度反常区域时有效，另外，该算法利用虹膜环形的几何特点，通过一个微积分算子提取虹膜的内外边缘。因为采用盲目搜索，这种方法检测时间长【1 6|。Wildes的虹膜定位算法，必须边缘化虹膜图像，边缘检测阈值的选取直接决定到定位的准确性。该方法还有鲁棒性不强、三维参数搜索、计算量大，定位时间长等缺点。活动轮廓线定位法的优势是：不用边缘检测和二值化，对瞳孑L初始的圆心要求不高，算法的鲁棒性更强。缺点是对初始位置敏感，需要依赖其它机制将Snake放置在感兴趣的图像特征附近，另外由于Snake模型的非凸性，它有可能收敛到局部极值点，甚至发散。

45、与此同时，近几年有不少从事图像处理的研究者提出了一些基于以上几种算法的改进方法，Daugman的虹膜定位算法是利用虹膜环形的几何特点，通过一个微积分算子提取虹膜的内外边缘。这种方法因为采用盲目搜索，检测时间长，造成计算上的浪费。Wildes的虹膜定位算法是对虹膜图像边缘检测后提取边界，再对二值化边缘图像进行Hough变换。这种定位圆心和半径的方法需要根据三个参量的变化来搜索，因此计算量和存储量与参数空间呈指数关系而造成搜索复杂，所用时间较长。王蕴红、谭铁牛等提出的虹膜定位算法利用二值化的方法分离瞳孔，用canny算子提取图像边缘，然后用最小二乘法拟合外边界，但是由于瞳孔以外低灰度区域的存在，这

46、样分离后仍然可能无法准确定位瞳孔。文献提出第二章虹膜图像定位了一种利用标准差定位瞳孔结合圆检测算子的算法，定位速度比Daugman的方法快45倍，但是该算法和文献中的算法一样，必须保证图像的直方图有明显的双峰特性，除了瞳孔之外，其它区域再没有低灰度区域，否则无法把瞳孔和睫毛、眼角等低灰度区域区分开来【r。为了避免计算上的浪费，文献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；文献提出了一种利用眼睛的灰度特征，快速检测瞳孔的最大弦长从而定位瞳孔的方法。对比上述用圆灰度梯度检测算子的瞳孔定位方法，该方法在准确度和速度上都有较大改进；根据圆的对称性和基于Hough变换的半径直方图投票决策进行虹膜定位；由于虹膜和巩膜的界通常较模糊，采用一般的边缘检测方法较难找到虹膜外边缘轮廓。因此，这三种虹膜定位算法几乎无一例外地都使用了文献提出的微积分算子进行虹膜外边缘的定位，而这种微积分算子的计算开销较大【l引。22改进的虹膜定位方法为了解决虹膜定位的快速性和准确性问题，本文采用自适应阈值和数学形态学相结合的方法进行内边缘定位，并用改进的Canny、Hough定位法进行外边缘定位。2