基于數(shù)字圖像處理的虹膜識(shí)別技術(shù)的研究-正文(共13頁)

1、PAGE PAGE 17基于數(shù)字圖像處理的虹膜識(shí)別技術(shù)的研究 一、引言(ynyn)（一） 選題(xun t)的目的和意義隨著信息技術(shù)的發(fā)展 ,身份識(shí)別的難度和重要性越來越突出 。密碼、身份證等傳統(tǒng)的身份識(shí)別方法由于其局限性 易丟失、易被偽造(wizo)、易被破解等,已不能滿足當(dāng)代社會(huì)的需要 ?；谏锾卣鞯纳矸葑R(shí)別技術(shù)由于具有穩(wěn)定 、便捷 、不易偽造等優(yōu)點(diǎn) ,近幾年已成為身份識(shí)別的熱點(diǎn)。生物特征識(shí)別是根據(jù)人體的生物特征 (包括指紋 、虹膜 、人臉 、聲音和筆跡等 ) 來識(shí)別個(gè)人身份和進(jìn)行身份認(rèn)證的新技術(shù) 。虹膜位于眼睛的鞏膜和瞳孔之間 ,由許多腺窩 、皺褶 、色素斑等構(gòu)成 ,包含了極為豐富的紋

2、理信息。與其它生物識(shí)別技術(shù)相比 ,虹膜識(shí)別具有法取代的生理方面的優(yōu)勢。在圖像處理技術(shù)逐步成熟的今天，在虹膜識(shí)別系統(tǒng)上圖像處理技術(shù)得到了廣泛的應(yīng)用，利用對(duì)虹膜圖像的獲取、分析、預(yù)處理并定位，實(shí)現(xiàn)虹膜識(shí)別的功能，實(shí)現(xiàn)身份認(rèn)證的功能。所以，研究圖像處理技術(shù)在虹膜識(shí)別系統(tǒng)上的應(yīng)用具有深遠(yuǎn)的意義。（二） 國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢1、 研究現(xiàn)狀現(xiàn)今，圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就，屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、機(jī)器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)等，使圖像處理成為一門引人注目、前景遠(yuǎn)大的新型學(xué)科。 2、 發(fā)展趨勢隨著計(jì)算機(jī)技術(shù)和人工智能、思維科學(xué)研究

3、的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展。人們已開始研究如何用計(jì)算機(jī)系統(tǒng)解釋圖像，實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像理解或計(jì)算機(jī)視覺。很多國家，特別是發(fā)達(dá)國家投入更多的人力、物力到這項(xiàng)研究，取得了不少重要的研究成果。圖像理解雖然在理論方法研究上已取得不小的進(jìn)展(jnzhn)，但它本身是一個(gè)比較難的研究領(lǐng)域，存在不少困難，因人類本身對(duì)自己的視覺過程還了解甚少，因此計(jì)算機(jī)視覺是一個(gè)有待人們進(jìn)一步探索的新領(lǐng)域。二、數(shù)字圖像處理概述(i sh)數(shù)字圖像(t xin)處理（Digital Image Processing）又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)

4、其進(jìn)行處理的過程。數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計(jì)算機(jī)來處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對(duì)象，以改善人的視覺效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。（二） 數(shù)字圖像處理的研究內(nèi)容數(shù)字圖像處理主要研究的內(nèi)容有以下幾個(gè)方面：1、 圖像變換由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接

5、處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。目前新興研究的小波變換在時(shí)域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。2、 圖像編碼壓縮圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。3、 圖像增強(qiáng)和復(fù)原圖像增強(qiáng)和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強(qiáng)不考慮圖像降質(zhì)的

6、原因，突出圖像中所感興趣的部分。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯；如強(qiáng)化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對(duì)圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立降質(zhì)模型，再采用某種濾波方法，恢復(fù)或重建原來的圖像。4、 圖像(t xin)分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解(lji)的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一

7、。5、 圖像(t xin)描述圖像描述是圖像識(shí)別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對(duì)于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進(jìn)行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。6、 圖像分類（識(shí)別）圖像分類（識(shí)別）屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。圖像分類常采用經(jīng)典的模式識(shí)別方法，有統(tǒng)計(jì)模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識(shí)別和人工神

8、經(jīng)網(wǎng)絡(luò)模式分類在圖像識(shí)別中也越來越受到重視。（三） 數(shù)字圖像處理優(yōu)點(diǎn)1、 再現(xiàn)性好數(shù)字圖像處理與模擬圖像處理的根本不同在于，它不會(huì)因圖像的存儲(chǔ)、傳輸或復(fù)制等一系列變換操作而導(dǎo)致圖像質(zhì)量的退化。只要圖像在數(shù)字化時(shí)準(zhǔn)確地表現(xiàn)了原稿，則數(shù)字圖像處理過程始終能保持圖像的再現(xiàn)。2、 處理精度高 按目前的技術(shù)，幾乎可將一幅模擬圖像數(shù)字化為任意大小的二維數(shù)組，這主要取決于圖像數(shù)字化設(shè)備的能力。現(xiàn)代掃描儀可以把每個(gè)像素的灰度等級(jí)量化為16位甚至更高，這意味著圖像的數(shù)字化精度可以達(dá)到滿足任一應(yīng)用需求。對(duì)計(jì)算機(jī)而言，不論數(shù)組大小，也不論每個(gè)像素的位數(shù)多少，其處理程序幾乎是一樣的。換言之，從原理上講不論圖像的精度有

9、多高，處理總是能實(shí)現(xiàn)的，只要在處理時(shí)改變程序中的數(shù)組參數(shù)就可以了?；叵胍幌聢D像的模擬處理，為了要把處理精度提高一個(gè)數(shù)量級(jí)，就要大幅度地改進(jìn)處理裝置，這在經(jīng)濟(jì)上是極不合算的。 3、 適用(shyng)面寬 圖像可以來自多種信息源，它們可以是可見光圖像，也可以是不可見的波譜圖像（例如X射線圖像、 射線圖像、超聲波圖像或紅外圖像等）。從圖像反映的客觀實(shí)體尺度看，可以小到電子顯微鏡圖像，大到航空照片、遙感圖像甚至天文望遠(yuǎn)鏡圖像。這些來自不同信息源的圖像只要被變換為數(shù)字編碼形式后，均是用二維數(shù)組表示的灰度圖像（彩色圖像也是由灰度圖像組合成的，例如RGB圖像由紅、綠、藍(lán)三個(gè)灰度圖像組合而成）組合而成，因而

10、均可用計(jì)算機(jī)來處理。即只要針對(duì)(zhndu)不同的圖像信息源，采取相應(yīng)的圖像信息采集措施，圖像的數(shù)字處理方法適用于任何一種圖像。4、 靈活性高圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每一部分均包含豐富(fngf)的內(nèi)容。由于圖像的光學(xué)處理從原理上講只能進(jìn)行線性運(yùn)算，這極大地限制了光學(xué)圖像處理能實(shí)現(xiàn)的目標(biāo)。而數(shù)字圖像處理不僅能完成線性運(yùn)算，而且能實(shí)現(xiàn)非線性處理，即凡是可以用數(shù)學(xué)公式或邏輯關(guān)系來表達(dá)的一切運(yùn)算均可用數(shù)字圖像處理實(shí)現(xiàn)。三、虹膜識(shí)別技術(shù)（一） 虹膜識(shí)別技術(shù)概述1、 虹膜識(shí)別技術(shù)的發(fā)展虹膜識(shí)別技術(shù)是根據(jù)人體的生物特征虹膜經(jīng)過圖像處理與分析后，來識(shí)別個(gè)人身份和進(jìn)行身

11、份認(rèn)證的新技術(shù)，它是集數(shù)學(xué)、光學(xué)、電子學(xué)、生理學(xué)和計(jì)算機(jī)科學(xué)等于一體的多學(xué)科交叉的高新技術(shù)。在20世紀(jì)30年代中期，人們已經(jīng)開始設(shè)想用虹膜來識(shí)別身份，但是直到20世紀(jì)90年代虹膜識(shí)別技術(shù)才成為現(xiàn)實(shí)。1987年，眼科專家Aransafir和Leonardflom首次提出利用虹膜圖像進(jìn)行自動(dòng)虹膜識(shí)別的概念，但是他們并沒有開發(fā)出實(shí)際的應(yīng)用系統(tǒng)。到1991年，美國洛斯阿拉莫斯國家實(shí)驗(yàn)室的Johnson實(shí)現(xiàn)了一個(gè)自動(dòng)虹膜識(shí)別系統(tǒng)。在1993年，John Daugman實(shí)現(xiàn)了一個(gè)高性能的自動(dòng)虹膜識(shí)別系統(tǒng)。1996年，Richard Wildes研制成功基于虹膜的身份認(rèn)證系統(tǒng)。2、 虹膜識(shí)別的步驟和原理虹膜

12、識(shí)別系統(tǒng)的包括虹膜圖像獲取、虹膜圖像質(zhì)量檢測和預(yù)處理、虹膜圖像定位、虹膜特征提取和圖像的分類識(shí)別幾個(gè)步驟。如下圖3.1.1所示：圖3.1.1虹膜識(shí)別系統(tǒng)首先是獲取要注冊(cè)的已知虹膜的紋理圖像，進(jìn)行虹膜圖像的質(zhì)量檢測和預(yù)處理。其次是對(duì)虹膜的定位，即從輸入的人眼(rn yn) 中找到虹膜的位置，并將虹膜從圖片中分割出來。第三，進(jìn)行虹膜特征的提取與識(shí)別，根據(jù)功能的區(qū)別對(duì)歸一化的虹膜紋理進(jìn)行特征編碼，將得到的“虹膜(hngm)代碼”存入虹膜數(shù)據(jù)庫中進(jìn)行注冊(cè)(zhc)或者將“虹膜代碼”與虹膜數(shù)據(jù)庫中的虹膜代碼進(jìn)行比對(duì)，根據(jù)判決條件判斷是接受還是拒絕。一套完整的虹膜識(shí)別系統(tǒng)總體上包含“硬件和軟件”兩部分，虹

13、膜圖像獲取裝置和虹膜識(shí)別算法，它們分別對(duì)應(yīng)于圖像獲取和模式匹配這兩個(gè)基本問題。（二）虹膜圖像的獲取1、 Daugman的采集系統(tǒng)虹膜圖像的獲取是虹膜識(shí)別的第一步 ,也是十分關(guān)鍵的一步 。虹膜圖像采集的目的是清晰 、準(zhǔn)確地捕捉到虹膜圖像 ,并將其數(shù)字化存儲(chǔ) ,以供圖像識(shí)別的實(shí)現(xiàn) 。因此要獲得高質(zhì)量的虹膜圖像 ,需要專門的設(shè)備和細(xì)心的操作。Daugman的采集系統(tǒng)如圖3.2.1,包括光源 、成像鏡頭 、攝像頭 、光束分離片 、LCD 顯示和圖像幀采集器等 ,其鏡頭采用焦距為330 mm的透鏡 ,可以從1546 mm 的距離攝取虹膜圖像 ,成像的徑在100200 pixel。在該系統(tǒng)中 ,虹膜最佳的

14、對(duì)焦位置需要用戶自己移動(dòng)眼睛在攝像頭前的位置實(shí)現(xiàn)。攝像頭將連續(xù)采集虹膜的圖像并在LCD面陣上顯示 ,以提示用戶移動(dòng)眼睛的部位。當(dāng)成像有足夠的銳度時(shí)自動(dòng)采集虹膜圖像樣本。圖3.2.12、 Wildes的采集(cij)系統(tǒng)Wildes的采集(cij)系統(tǒng)(xtng)如圖3.2.2，它是利用80mm的透鏡 ,從20cm處攝取圖像 ,圖像的直徑大約為256 pixel,其孔徑為1cm。圖3.2.2（三） 虹膜(hngm)圖像的預(yù)處理虹膜圖像(t xin)預(yù)處理的目的是虹膜定位與歸一化 。在獲取的虹膜圖像中有可能包含有許多其他部分 (如眼瞼(ynjin) 、睫毛等 ) ,這就需要對(duì)虹膜圖像進(jìn)行定位和歸一

15、化操作 ,即找出虹膜的中心和內(nèi) 、外邊緣以及對(duì)定位出來的虹膜圖像大小進(jìn)行歸一化處理 ,從而糾正圖像漂移 、旋轉(zhuǎn)和比例放縮 。虹膜圖像的預(yù)處理包括虹膜定位 、歸一化和增強(qiáng)3個(gè)步驟 。圖3.3.1顯示了經(jīng)預(yù)處理后的虹膜圖像 。圖3.3.1（四） 虹膜特征的提取與編碼虹膜特征提取和編碼是對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行分析 、去粗存精的過程 。由于原始圖像數(shù)據(jù)量相當(dāng)大 ,需要把這些數(shù)據(jù)轉(zhuǎn)換為若干特征 ,即特征提取 。為了提高分類處理的速度和精度 ,對(duì)提取的特征還需要選擇最有代表性的特征 ,其信息冗余余度最小，而且具有比例、旋轉(zhuǎn)、位移不變性。圖3.4.1顯示的是一個(gè)虹膜編碼的圖像示意。圖3.4.1四、虹膜(hng

16、m)識(shí)別算法（一） 定位(dngwi)算法 （1）D augman提出(t ch)了一個(gè)微積分算子,如式 ( 1)其中，是一個(gè)尺度為 的高斯函數(shù) ,起平滑濾波的作用 ;積分表示的是圖像I ( x, y)在以 ( x0, y0)為圓心 , r為半徑的圓上的曲線積分。此算法采用圓形邊緣檢測器進(jìn)行反復(fù)地尋找虹膜的內(nèi)外邊緣 ,直至找到最佳匹配的兩個(gè)圓。對(duì)于上下眼瞼的邊緣檢測 ,把曲線積分路徑變成弧形 ,相應(yīng)的信息參數(shù)也隨之調(diào)整即可。許多(xdu)研究者就此定位方法提出了許多減小初始圓心(yunxn)候選點(diǎn)集合(jh)大小的算法 ,有效地縮短了虹膜定位的時(shí)間。（2）Wildes提出了兩步虹膜定位方法,其

17、思想是先進(jìn)行邊緣檢測再進(jìn)行Hough變換 ,其邊緣檢測的算子為|G ( x, y) *I ( x, y) | ,其中，是以（x0,y0）為圓心 ,標(biāo)準(zhǔn)差為 的二維高斯函數(shù),用來平滑圖像及確定邊界。得到邊界后,通過對(duì)邊緣點(diǎn)的投票來確定虹膜的圓形邊界參數(shù), Hough變換定義為:（二） 歸一化算法Daugman的橡膠皮彈性模型對(duì)環(huán)形虹膜圖像進(jìn)行了歸一化 ,有效地解決了瞳孔縮放以及瞳孔與虹膜邊緣不同心所帶來的問題 ,為大多數(shù)虹膜識(shí)別研究者所采用 , 其模型示意圖如圖2.1.1所示。圖2.1.1它將圖像(t xin)從笛卡兒坐標(biāo) ( x, y )轉(zhuǎn)化為極坐標(biāo)的形式 ( r,) ,轉(zhuǎn)化公式為x ( r,

18、) = ( 1 - r) xp() + rxs() ,y ( r,) = ( 1 - r) yp() + rys() ,其中(qzhng) , r 0, 1 , 0, 2 , ( xp() , yp() ) , ( xs() , ys() ) 分別代表在 方向(fngxing)上的瞳孔和鞏膜的邊緣點(diǎn)。（三） 特征提取與編碼算法（1）Daugman采用極坐標(biāo)下的復(fù)值二維Gabor濾波器對(duì)歸一化后的虹膜圖像進(jìn)行虹膜細(xì)節(jié)的特征提取 ,使用1024個(gè)小波對(duì)圖像進(jìn)行處理 ,得到2048 bit,即256 byte的編碼 。二維Gabor濾波器在極坐標(biāo)下形式為產(chǎn)生一組中心位置在 ( r0,0) ,位置參數(shù)

19、為 ( r ,0,)的選擇頻率濾波器 ,在空間域和頻率域具有良好地獲取節(jié)點(diǎn)位置的功能 ,而且由于良好的積分特性 ,這些濾波器能夠獲取本地相位信息 。對(duì)圖像在每個(gè)尺度上濾波 ,用粗略的一位實(shí)部和虛部數(shù)來對(duì)虹膜圖像進(jìn)行編碼 ,公式如下：（2）Wildes使用(shyng)從Gaussian-Lap lacian算子衍生而來的各向同性( xin tn xn)的帶通濾波器組對(duì)虹膜圖像進(jìn)行4級(jí)塔式分解(fnji)，產(chǎn)生Lap lacian金字塔來代表虹膜圖像，這些濾波器定義為：其中，為Gaussian函數(shù)的標(biāo)準(zhǔn)差，表示點(diǎn)到濾波器中心的半徑距離。五、結(jié)束語目前，虹膜識(shí)別技術(shù)被廣泛應(yīng)用于監(jiān)獄、機(jī)場、邊境、銀

20、行，也被用來控制自動(dòng)取款機(jī)的賬戶進(jìn)入，同時(shí)應(yīng)用于網(wǎng)絡(luò)身份認(rèn)證，將虹膜的特征信息設(shè)為個(gè)人的網(wǎng)絡(luò)ID，給網(wǎng)絡(luò)信息安全帶來了新的革命。但是，基于圖像處理技術(shù)的虹膜識(shí)別仍然有一些關(guān)鍵技術(shù)有待解決，例如（1）遠(yuǎn)距離不停頓的自動(dòng)對(duì)焦虹膜采集設(shè)備；（2）不完美的虹膜識(shí)別會(huì)導(dǎo)致錯(cuò)誤拒絕率（FAR）的增高，如何保證在FAR滿足的情況下進(jìn)一步降低拒絕率FAR；（3）建立虹膜紋理在形變過程的數(shù)學(xué)模型以適應(yīng)復(fù)雜環(huán)境下的識(shí)別性能；（4）實(shí)現(xiàn)自動(dòng)化的虹膜紋理(wnl)分類；（5）建立大規(guī)模的圖像(t xin)庫及性能評(píng)價(jià)體系；（6）采用(ciyng)多模生物技術(shù)的集成與融合等。所以，在未來隨著圖像處理技術(shù)的不斷發(fā)展，虹膜識(shí)別的功能將會(huì)得到更廣泛的提升，在人體識(shí)別技術(shù)上也會(huì)成為主要的生物識(shí)別技術(shù)手段之一。參考文獻(xiàn)1 呂鳳軍 數(shù)字(shz)圖