第10章 應用實例(1 虹膜識別) 數(shù)字圖像處理課件

第10章應用實例

10.1虹膜定位和識別算法研究10.2基于DSP的掌紋識別10.3變電站紅外圖象的預處理及識別

2022/11/171第10章應用實例2022/11/1112022/11/172

原始虹膜圖像

10.1虹膜定位和識別算法研究2022/11/112 原始虹膜圖像10.1虹膜定位和2022/11/1731、緒論2、虹膜定位3、虹膜圖像歸一化及增強處理4、基于曲面匹配的虹膜識別算法5、虹膜紋理的相位編碼及匹配6、實驗結果及分析7、結論及展望2022/11/1131、緒論2022/11/174 10.1.1緒論1、虹膜識別技術的研究目的和意義2、虹膜識別的流程3、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀2022/11/114 10.1.1緒論12022/11/1751、虹膜識別技術的研究目的和意義

現(xiàn)代社會的發(fā)展對人類自身身份識別的準確性、安全性與實用性提出了更高的要求。由于生物特征的獨特優(yōu)點，使得生物識別技術開始興起。 與其他生物特征相比，虹膜具有以下幾方面的優(yōu)勢： （1）虹膜具有隨機的細節(jié)特征和紋理圖像，具有唯一性。 （2）虹膜具有內(nèi)在的隔離和保護能力。 （3）虹膜紋理具有穩(wěn)定性和不變性。 （4）虹膜圖像可以通過相隔一定距離的攝像機捕獲，不需對人體進行侵犯。2022/11/1151、虹膜識別技術的研究目的和意義 現(xiàn)2022/11/1762、虹膜識別的流程

一個通用的虹膜識別系統(tǒng)一般由以下四個部分組成即，

虹膜圖像獲取，虹膜圖像預處理、虹膜特征提取、匹配與識別。

其流程圖如右圖1所示。圖1虹膜識別系統(tǒng)的流程

2022/11/1162、虹膜識別的流程 一個通用的虹膜2022/11/1773、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀

（1）研究現(xiàn)狀

虹膜識別的研究可追溯到1936年，眼科專家FrankBurch，MD提出虹膜識別概念?，F(xiàn)在虹膜識別算法研究都是基于1994年Daugman申請的專利基礎上。 國外研究比較多的還有澳大利亞、韓國、法國等。 國內(nèi)的虹膜識別技術起步較晚，一些科研院所和高校投入了精力和人力進行虹膜識別的研究，如：中科院自動化所、上海交大、電子科技大學、浙江大學等已取得一定成效。2022/11/1173、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀2022/11/1783、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀（2）應用現(xiàn)狀

美國的IridianTechnology公司是當前技術領先的虹膜識別技術廠商，它的主要技術即來源于英國劍橋大學Daugman教授的專利。目前，該公司和世界一些著名的電子設備商如LG，Panasonic等公司合作，開發(fā)出了多款產(chǎn)品，已在北美及歐洲得到實際應用。 在國內(nèi)，中科院自動化所已經(jīng)完成了虹膜識別的實驗室階段的研究，并且申請了虹膜采集裝置的專利，其成果處于國內(nèi)領先地位。2022/11/1183、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀2022/11/179 10.1.2虹膜定位1、瞳孔內(nèi)一點定位2、虹膜內(nèi)邊緣定位3、虹膜外邊緣定位4、定位結果及分析2022/11/119 10.1.2虹膜定位1、瞳孔內(nèi)2022/11/17101、瞳孔內(nèi)一點定位

算法首先定位瞳孔內(nèi)任意一點，觀察眼睛圖像可以發(fā)現(xiàn)瞳孔具有以下特點： （1）瞳孔近似圓形，其灰度分布比較均勻。與鞏膜、虹膜區(qū)域相比，它的灰度值整體偏小。 （2）瞳孔在整個圖像上僅占較小一部分面積。 根據(jù)以上特點，算法使用求灰度最小的方法來定位瞳孔內(nèi)一點。設為虹膜圖像的灰度函數(shù)I(x,y)，圖像大小為M*N，則有：2022/11/11101、瞳孔內(nèi)一點定位 算法首先定位瞳2022/11/1711

在定位過程中，采用灰度求和算子的方法，在虹膜圖像上移動，直到求得的最小值，此最小值就位于瞳孔內(nèi)一點。綜合考慮定位速度和定位準確度，本文算法所選取模板大小為35*35，這樣可以找到瞳孔內(nèi)一點，記為：。

定位結果如右圖2。圖2瞳孔內(nèi)一點

2022/11/1111 在定位過程中，采用灰度求和算子的2022/11/17122、虹膜內(nèi)邊緣定位

在內(nèi)邊緣具體定位時，利用虹膜與瞳孔交界處的灰度突變（即邊緣強度），結合邊界檢測模板，沿所找到點的左、右及向下的3個不同方向出發(fā)，可以找到邊緣上的3個點，再用“非共線三點”來定圓的參數(shù)。

但考慮到可能定位到瞳孔的偏上或偏下部分，從而導致找到的3點的左下、右下（或左上、右上）的距離太近，其連線的斜率相應會產(chǎn)生數(shù)學上的奇異值，使得圓的參數(shù)計算不準確。利用A、C、D、E四點來確定內(nèi)圓的參數(shù)。2022/11/11122、虹膜內(nèi)邊緣定位 在內(nèi)邊緣具體2022/11/1713

先沿已找到點的左、右水平方向找邊緣點A、C，再求得這2點中點 的x軸坐標，此坐標值 也即為內(nèi)圓圓心的x軸坐標。然后分別沿該中點的上、下方向找到內(nèi)邊緣的另2個邊緣點D、E，算出D、E中點的y軸坐標，就能確定出內(nèi)圓圓心坐標，再計算出半徑就定位出了虹膜的內(nèi)邊緣。如右圖3所示。圖3內(nèi)圓定位示意圖

2022/11/1113 先沿已找到點的左、右水2022/11/17143、虹膜外邊緣定位

在計算出內(nèi)圓參數(shù)后，從內(nèi)圓圓心沿左、右水平方向出發(fā)，利用邊緣檢測模板檢測出左、右兩個邊界點、。在找到第一組邊界點后，我們再沿內(nèi)圓底部邊緣點 沿左、右水平方向搜尋第二組邊界點 和。 計算每組的x坐標與內(nèi)圓圓心x坐標的偏差、每組點到內(nèi)圓圓心距離之差（即與）。然后比較這2組參數(shù)和，取較小的那組值作為圓心的x軸坐標。2022/11/11143、虹膜外邊緣定位 在計算出內(nèi)圓2022/11/1715

在計算圓心y的坐標時，選用哪組點用這樣的準則：

比較與 的值，取值較小的那組計算圓心y坐標。 最后計算外圓半徑。圖4外圓定位示意圖

2022/11/1115 在計算圓心y的坐標時，選用哪組點2022/11/1716定位結果示意圖

圖5準確定位例圖

圖6定位不準確例圖

2022/11/1116定位結果示意圖

圖5準確定2022/11/17174、定位結果及分析

算法對中科院自動化所提供的CASIA（v1.0）虹膜圖庫進行了定位，有741幅圖像定位準確，準確定位率為98.15%。比一次定位要準確很多（準確定位率為93.51%）。為方便比較，將幾種算法正確率列于右表。算法準確率/%基于Hough變換的方法94.7改進的RANSAC方法95.7非線性最小二乘法96.3三點一次性定位法93.51本文方法98.152022/11/11174、定位結果及分析 算法對中科院2022/11/171810.1.3虹膜圖像歸一化及增強1、虹膜圖像歸一化2、雙線性插值3、虹膜圖像增強2022/11/111810.1.3虹膜圖像歸一化及增強2022/11/17191、虹膜圖像歸一化

歸一化的目的是要把環(huán)形的部分展成一個m*n大小的矩形圖像，這樣每一次處理的不同虹膜圖像的大小都會相同，如此在采集中引起的大小改變和縮放等因素所造成的影響就會減少。在轉化時，采用把笛卡爾坐標下的環(huán)形虹膜中的每個點一一映射到極坐標中去。 設內(nèi)圓圓心為，半徑為，外圓圓心為 ，半徑為。以內(nèi)圓圓心作為極坐標系統(tǒng)的中心，做與水平線成角的射線，它與內(nèi)、外邊界各有一個交點，分別記作、。

如圖7。2022/11/11191、虹膜圖像歸一化 歸一化的目的2022/11/1720

則有：

r是一個無量綱的參數(shù)且r∈[0，1]，∈[0，2∏]。 本文將虹膜區(qū)域歸一化成128*512的矩形。其結果如圖8。圖7虹膜歸一化

圖8歸一化虹膜圖像

2022/11/1120 則有：圖7虹膜歸一化圖2022/11/17212、雙線性插值

歸一化時，在將極坐標映射到直角坐標的過程中，我們必須考慮一種特殊的情況，即該采樣點被映射到直角坐標系中是非整數(shù)位置。此時，將無法求得該點的灰度值，所以必須進行灰度插值運算，用點(x,y)附近的某一點來表示它。如圖9所示。圖9像素的坐標變化圖2022/11/11212、雙線性插值 歸一化時，在將極2022/11/1722

用以下公式就可以擬合出點(x,y)的像素值。 式中a、b、c、d這四個系數(shù)由四個頂點的像素值確定。將圖9中的數(shù)值代入公式可得：

經(jīng)過上面的插值運算后，就可將原來的環(huán)狀區(qū)域變成了矩形區(qū)域。2022/11/1122 用以下公式就可以擬合出點(x,2022/11/17233、虹膜圖像增強－直方圖均衡化

直方圖均衡化是通過對原圖像進行某種變換，使原圖像的灰度直方圖修正為均勻分布的直方圖的一種方法。 在一幅虹膜圖像中，灰度級出現(xiàn)的概率可以近似表示為：

其中，n是圖像中像素的總和，是圖像中灰度級為 的像素個數(shù)，L是圖像中可能的灰度級總數(shù)目。2022/11/11233、虹膜圖像增強－直方圖均衡化 2022/11/1724

直方圖均衡的離散形式如下：

通過上面的式子就將輸入圖像中灰度級為的各像素映射到輸出圖像中灰度級為的對應像素上了。 圖10是均衡化結果圖。2022/11/1124 直方圖均衡的離散形式如下：2022/11/1725圖10直方圖均衡化前、后的虹膜圖像

圖

均衡前后的灰度直方圖2022/11/1125圖10直方圖均衡化前、后的虹膜2022/11/172610.1.4基于曲面匹配的虹膜識別算法1、曲面匹配理論2、曲面匹配實現(xiàn)3、旋轉矯正2022/11/112610.1.4基于曲面匹配的虹膜識2022/11/17271、曲面匹配理論

虹膜圖像在3-D灰度級空間上的分布曲面的起伏波動形狀與虹膜紋理分布具有明顯的對應關系，可以用該分布曲面表示紋理特征。

從不同的角度考慮，用一種與現(xiàn)有方法完全不同的虹膜識別方法，即在虹膜灰度圖像這個層面上直接進行匹配操作，沒有特征提取這個步驟，參與匹配的是整個虹膜區(qū)域圖像，而不是一組作為特征值的數(shù)據(jù)。仿照一幅活體虹膜圖像是十分困難的，因此，該方法的最大優(yōu)點在于提高了系統(tǒng)的安全性。

2022/11/11271、曲面匹配理論 虹膜圖像在3-2022/11/1728

以圖像水平方向為x軸，垂直方向為y軸，以像素灰度值為z軸建立三維空間坐標系，則虹膜圖像中任意像素都可由坐標(x,y,z)來表示，也就得到了矩形虹膜圖像在三維灰度級空間上的分布曲面。如右圖所示。圖12虹膜曲面圖

2022/11/1128 以圖像水平方向為x軸，垂直方向為2022/11/1729

當兩個虹膜來自于同一個眼睛時，由于虹膜紋理分布相同，這個灰度級分布曲面具有相同或相似的形狀。當兩個虹膜來自于不同的眼睛時，由于虹膜紋理分布不同，這個灰度級分布曲面具有不同的形狀。如果能夠檢測兩個虹膜在三維灰度級空間中分布曲面的差異性，即可確定這兩個虹膜是否來自于同一個眼睛。 經(jīng)過上述分析及處理，判定兩幅虹膜是否為同一虹膜的問題就可以轉化為空間曲面的匹配問題。

2022/11/1129 當兩個虹膜來自于同一個眼睛時，由2022/11/17302、曲面匹配實現(xiàn)

由上述曲面匹配的理論可知，兩曲面是否匹配，只需判斷差圖像的離散程度。具體實現(xiàn)分為以下兩步： （1）圖像經(jīng)過預處理后，兩曲面對應位置的灰度作差，，為待匹配圖像灰度值，為匹配圖像的灰度值，為差圖像灰度值。 （2）對差圖像求平方和，公式為：最后，通過給定的1個閾值與Y進行比較就可以判斷出2幅虹膜是否是同一虹膜。

2022/11/11302、曲面匹配實現(xiàn) 由上述曲面匹配該閾值是這樣選取的：先按照已定的測試方法進行同類以及異類間的虹膜測試，在測試的同時記錄測試計算出來的兩圖像的差值平方和Y。完成所有測試后，將所有測試結果的數(shù)據(jù)進行匯總分析，通過分析這些數(shù)據(jù)，我們?nèi)藶榈倪x出最優(yōu)的閾值。最后，給出了比較典型的同類間以及異類間的測試結果圖4.2和圖4.3。在測試時，給定的閾值T=6501。圖4.2進行的同類間測試的差值平方和Y=4254，圖4.3進行的異類間測試的差值平方和Y=7819。2022/11/1731該閾值是這樣選取的：先按照已定的測試方法進行同類以及異類間的圖4.2同類間測試結果圖4.3異類間測試結果2022/11/1732圖4.2同類間測試結果圖4.3異類間2022/11/17333、旋轉矯正

在圖像攝取時由于測試者的頭或眼睛的偏移都會使紋理的位置不對應，從而導致即使是相同圖像做差后，差圖像的平方和也會很大，這就需要旋轉一定角度，使得兩曲面位置對應。

若兩曲面相同，則經(jīng)過旋轉，一定存在某個位置使得兩曲面達到最佳匹配，所以為克服頭偏移（即旋轉）對識別的影響，在求出差值平方和后，如果它大于閾值（有可能是不同虹膜，也有可能是相同虹膜的旋轉造成）則平移歸一化后的矩形圖像（對應曲面的旋轉），直到差值平方和最小。2022/11/11333、旋轉矯正 在圖像攝取時由于測圖4.5旋轉校正前的結果圖圖4.6旋轉校正后的結果圖校正前的差值平方和Y=6727，校正后的差值平方和Y=5659。2022/11/1734圖4.5旋轉校正前的結果圖圖4.6旋轉校正后的結2022/11/173510.1.5虹膜紋理的相位編碼及匹配1、Gabor濾波器2、Daugman編碼方法3、虹膜紋理的相位編碼4、編碼識別2022/11/113510.1.5虹膜紋理的相位編碼及經(jīng)過預處理后的虹膜圖像可以看成一幅紋理圖像，具有明顯的、可區(qū)分的各種空間模式特征，這些特征可從很多方面來體現(xiàn)。虹膜的這些紋理結構就是不同人的虹膜具有差別的地方，所以對虹膜識別的關鍵就是提取這些紋理的特征信息，形成表征虹膜特征的特征量。識別時主要提取紋理幅度信息和相位信息，其中紋理的相位信息最重要，這是因為幅度信息差異不明顯，它受很多的外在因素，比如圖像的對比度、獲取圖像時的光照、攝影機增益等影響。2022/11/1736經(jīng)過預處理后的虹膜圖像可以看成一幅紋理圖像，具有明顯的、可區(qū)從圖像中提取紋理信息的有效策略之一是將圖像與帶通濾波器卷積，采用二維Gabor帶通濾波器對虹膜圖像進行分解濾波，從中提取相位信息，并根據(jù)濾波的結果對歸一化后的虹膜圖像進行紋理編碼。2022/11/1737從圖像中提取紋理信息的有效策略之一是將圖像與帶通濾波器卷積，2022/11/17381、Gabor濾波器 Gabor函數(shù)最早是由物理學家Gabor于1946年提出的，Gabor變換屬于加窗傅立葉變換，Gabor函數(shù)可以在頻域不同尺度、不同方向上提取相關的特征。另外Gabor函數(shù)與人眼的生物作用相仿，所以經(jīng)常用作紋理識別上，并取得了較好的效果。。Gabor函數(shù)的特性可以較好地抽象視覺神經(jīng)細胞的工作機理。圖像處理領域常用到的是2-DGabor函數(shù)，其形式為：2022/11/11381、Gabor濾波器 Gabo2022/11/17392、Daugman編碼方法 Daugman系統(tǒng)采用了極坐標下的二維Gabor濾波器對虹膜細節(jié)的特征進行提取。其形式如下： 其中共同變化，且與w反向。這樣產(chǎn)生一組求積分形式的選擇頻率的濾波器，中心位置在，位置參數(shù)為。將每一個濾波器作用于整個無量綱的虹膜區(qū)域，得到的系數(shù)大小用兩個位來表示。 實部和虛部二進制編碼為是0還是1按下面的計算式進行：2022/11/11392、Daugman編碼方法 D2022/11/1740

這樣，在Daugman系統(tǒng)中依靠一個Gabor濾波器簇，作為一種局部紋理的量化器，形成 。將1024塊這樣的區(qū)域的編碼結果依次排列，形成了2*1024位的虹膜編碼。2022/11/11402022/11/17413、虹膜紋理的相位編碼 Daugman編碼方法給我們啟示，通過合理的利用Gabor濾波器的性質(zhì)就可以提取出虹膜的各種模式特征，包括從虹膜的形狀到其紋理結構。因此，我們在Daugman編碼方法的基礎上提出利用Gabor函數(shù)的空間局部特性和其方向選擇性，如右圖， 進行虹膜紋理的相位編碼。

（a）時的實部頂視圖（b）時的實部頂視圖2022/11/11413、虹膜紋理的相位編碼 Daug2022/11/1742

對中心在的Gabor函數(shù)集中的每一函數(shù)作積分：

其中，為圖像中的某個分塊。即我們把虹膜圖像分為N個區(qū)域，每個相鄰區(qū)域的邊界都是可區(qū)分且連續(xù)的。在本算法中，將預處理好的圖像分成256個16×16的小塊。Gabor函數(shù)的方向為等間隔地抽取的[-90,90)的16個方向（每個方向用4bits表示）。分別計算實部和虛部，尋找其模值最大值的那個方向。2022/11/1142 對中心在的Gabo2022/11/1743

該模值最大的第k個方向就是該區(qū)域內(nèi)虹膜紋理的局部相位角編碼。編碼器原理圖如右圖。 圖13虹膜相位編碼器原理圖

2022/11/1143 該模值最大的第k個方向就是該區(qū)域2022/11/17444、編碼識別

經(jīng)過編碼之后，采用比較常用的決策理論，即比較虹膜代碼的海明距離(HammingDistance)來實現(xiàn)虹膜識別?？紤]到每位編碼的權重不同，不妨設：一個圖像塊的相位編碼為實部4bits+虛部4bits，即可表示成 則兩個不同虹膜間的歸一化碼間距離為：2022/11/11444、編碼識別 經(jīng)過編碼之后，采用如果兩編碼相同（即兩幅圖像完全匹配），

兩編碼各位均相反（即兩幅圖像完全不匹配），這樣，我們通過選擇一個恰當?shù)拈撝稻涂梢詫崿F(xiàn)虹膜的識別了。在本文中，閾值T=0.49。該閾值的選取方法同基于曲面匹配的識別方法。2022/11/1745如果兩編碼相同（即兩幅圖像完全匹配），2022/11/1110.1.6測試結果及分析算法測試均在CASIA1.0虹膜庫上進行，該庫由中國科學院自動化研究所模式識別國家重點實驗室采集，是大樣本的共享數(shù)據(jù)庫，圖像極具代表性，是目前測試虹膜識別算法的最佳樣本。該庫主要由亞洲人的虹膜圖像組成，而且來源于不同的年齡階段。庫內(nèi)圖像是在不同的時間段拍攝得到的。對同一類虹膜，分兩次拍攝，時間間隔為一個月。圖像性質(zhì)：8bit灰度圖像，分辨率為320×280。圖像總數(shù)：756幅。圖像組成：包括80人（其中男62人，女18人）108只不同眼睛的虹膜樣本，每只眼睛7幅圖像。2022/11/174610.1.6測試結果及分析算法測試均在CASIA1.0虹2022/11/174710.1.6測試結果及分析

測試辦法分為以下兩種：同類間測試：庫中的每個樣本與相同虹膜的其余樣本逐一進行匹配識別。如果g已經(jīng)對h進行匹配，則對稱的h對g無需做匹配。這樣實際測試總數(shù)為：

[（7*6）*108]/2=2268。異類間測試：庫中的每幅虹膜圖像的第一個樣本與庫中其它虹膜的第一個樣本相匹配。如果g已經(jīng)對h進行匹配，則對稱的h對g無需作匹配。這樣實際測試的總數(shù)為：（108*107）/2=5778。2022/11/114710.1.6測試結果及分析 測2022/11/1748

算法實現(xiàn)工具為VisualC++6.0。測試機器為CPUP42.0GHz，2G內(nèi)存，操作系統(tǒng)為WindowsXPProfessional。該識別系統(tǒng)的運行界面如右圖14。圖14程序運行界面圖2022/11/1148 算法實現(xiàn)工具為VisualC+

算法評測指標：虹膜識別采用“是/否”模式識別的方案有四種可能的結果：認假（FA，F(xiàn)alseAccept）：把另一虹膜認作可以接受的虹膜；認真（CA，CorrectAccept）：接受同一虹膜為可以接受的虹膜拒真（FR，F(xiàn)alseReject）：拒絕把同一虹膜認作可接受得虹膜拒假（CR，CorrectRejext）：拒絕把另一虹膜認作可以接受的虹膜。顯然“認假”和“拒真”是兩種錯誤的結果，

而“認真”和“拒假”是兩種正確的結果。2022/11/1749

算法評測指標：虹膜識別采用“是/否”模式識別的方案有四種2022/11/1750

為了便于比較，現(xiàn)將所有數(shù)據(jù)列于右表。 實驗數(shù)據(jù)表明，本方法的正確識別率和計算耗時性能都要優(yōu)于原方法。算法正確識別率/%最大耗時/ms最小耗時/ms平均耗時/ms原算法88.0310589541020本算法91.61394178298相位編碼法93.71160814831519表1各算法的實驗數(shù)據(jù)比較2022/11/1150 為了便于比較，現(xiàn)將所有數(shù)據(jù)列于右2022/11/1751

結論及展望

本文與原算法相比提出了以下幾個方面的改進： （1）在外邊緣定位時，本算法提出采用4點2次定位，再在其中選出較合理的定位結果，而非簡單的3點一次定位。這樣可以有效減少定位誤差，增加定位的準確率及定位精度。 （2）針對原方法沒有有效解決在虹膜采集過程中的光照強度不完全相同從而造成對識別結果的影響，提出先將圖像的灰度調(diào)整到同一個等值灰度平面上來再匹配，從而減少該因素對虹膜識別的影響。2022/11/1151 結論及展望 本文與原算法相2022/11/1752

（3）針對原方法計算方差的計算量比較大的缺點，本文提出直接用兩圖像的差值平方和作為匹配判斷準則的值，從而縮短了匹配耗時。 通過這些改進，不但簡化了算法的復雜度同時也提高了匹配速度以及正確識別率，但還是有許多需要改進的地方。

2022/11/1152 （3）針對原方法計算方差的計算量2022/11/1753展望 1、由于本算法有計算耗時方面上的優(yōu)勢，但識別率較低，因此可以與傳統(tǒng)的識別方法相結合，分粗匹配和精匹配兩步來提高識別率。即先用本方法進行粗匹配再用某一傳統(tǒng)方法來進行精匹配。

2、尋找一種方法來解決眼瞼及眼睫毛的遮擋問題。

3、設計出一程序使計算機自動尋找最優(yōu)化的閾值而不是通過人為的尋找閾值。

4、結合數(shù)據(jù)庫來自動載入圖像自動匹配，實現(xiàn)整個匹配的智能化。2022/11/1153展望 1、由于本算法有計算耗時方2022/11/1754Thankyou!2022/11/1154Thankyou!第10章應用實例

10.1虹膜定位和識別算法研究10.2基于DSP的掌紋識別10.3變電站紅外圖象的預處理及識別

2022/11/1755第10章應用實例2022/11/1112022/11/1756

原始虹膜圖像

10.1虹膜定位和識別算法研究2022/11/112 原始虹膜圖像10.1虹膜定位和2022/11/17571、緒論2、虹膜定位3、虹膜圖像歸一化及增強處理4、基于曲面匹配的虹膜識別算法5、虹膜紋理的相位編碼及匹配6、實驗結果及分析7、結論及展望2022/11/1131、緒論2022/11/1758 10.1.1緒論1、虹膜識別技術的研究目的和意義2、虹膜識別的流程3、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀2022/11/114 10.1.1緒論12022/11/17591、虹膜識別技術的研究目的和意義

現(xiàn)代社會的發(fā)展對人類自身身份識別的準確性、安全性與實用性提出了更高的要求。由于生物特征的獨特優(yōu)點，使得生物識別技術開始興起。 與其他生物特征相比，虹膜具有以下幾方面的優(yōu)勢： （1）虹膜具有隨機的細節(jié)特征和紋理圖像，具有唯一性。 （2）虹膜具有內(nèi)在的隔離和保護能力。 （3）虹膜紋理具有穩(wěn)定性和不變性。 （4）虹膜圖像可以通過相隔一定距離的攝像機捕獲，不需對人體進行侵犯。2022/11/1151、虹膜識別技術的研究目的和意義 現(xiàn)2022/11/17602、虹膜識別的流程

一個通用的虹膜識別系統(tǒng)一般由以下四個部分組成即，

虹膜圖像獲取，虹膜圖像預處理、虹膜特征提取、匹配與識別。

其流程圖如右圖1所示。圖1虹膜識別系統(tǒng)的流程

2022/11/1162、虹膜識別的流程 一個通用的虹膜2022/11/17613、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀

（1）研究現(xiàn)狀

虹膜識別的研究可追溯到1936年，眼科專家FrankBurch，MD提出虹膜識別概念?，F(xiàn)在虹膜識別算法研究都是基于1994年Daugman申請的專利基礎上。 國外研究比較多的還有澳大利亞、韓國、法國等。 國內(nèi)的虹膜識別技術起步較晚，一些科研院所和高校投入了精力和人力進行虹膜識別的研究，如：中科院自動化所、上海交大、電子科技大學、浙江大學等已取得一定成效。2022/11/1173、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀2022/11/17623、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀（2）應用現(xiàn)狀

美國的IridianTechnology公司是當前技術領先的虹膜識別技術廠商，它的主要技術即來源于英國劍橋大學Daugman教授的專利。目前，該公司和世界一些著名的電子設備商如LG，Panasonic等公司合作，開發(fā)出了多款產(chǎn)品，已在北美及歐洲得到實際應用。 在國內(nèi)，中科院自動化所已經(jīng)完成了虹膜識別的實驗室階段的研究，并且申請了虹膜采集裝置的專利，其成果處于國內(nèi)領先地位。2022/11/1183、虹膜識別技術的國內(nèi)外研究和應用現(xiàn)狀2022/11/1763 10.1.2虹膜定位1、瞳孔內(nèi)一點定位2、虹膜內(nèi)邊緣定位3、虹膜外邊緣定位4、定位結果及分析2022/11/119 10.1.2虹膜定位1、瞳孔內(nèi)2022/11/17641、瞳孔內(nèi)一點定位

算法首先定位瞳孔內(nèi)任意一點，觀察眼睛圖像可以發(fā)現(xiàn)瞳孔具有以下特點： （1）瞳孔近似圓形，其灰度分布比較均勻。與鞏膜、虹膜區(qū)域相比，它的灰度值整體偏小。 （2）瞳孔在整個圖像上僅占較小一部分面積。 根據(jù)以上特點，算法使用求灰度最小的方法來定位瞳孔內(nèi)一點。設為虹膜圖像的灰度函數(shù)I(x,y)，圖像大小為M*N，則有：2022/11/11101、瞳孔內(nèi)一點定位 算法首先定位瞳2022/11/1765

在定位過程中，采用灰度求和算子的方法，在虹膜圖像上移動，直到求得的最小值，此最小值就位于瞳孔內(nèi)一點。綜合考慮定位速度和定位準確度，本文算法所選取模板大小為35*35，這樣可以找到瞳孔內(nèi)一點，記為：。

定位結果如右圖2。圖2瞳孔內(nèi)一點

2022/11/1111 在定位過程中，采用灰度求和算子的2022/11/17662、虹膜內(nèi)邊緣定位

在內(nèi)邊緣具體定位時，利用虹膜與瞳孔交界處的灰度突變（即邊緣強度），結合邊界檢測模板，沿所找到點的左、右及向下的3個不同方向出發(fā)，可以找到邊緣上的3個點，再用“非共線三點”來定圓的參數(shù)。

但考慮到可能定位到瞳孔的偏上或偏下部分，從而導致找到的3點的左下、右下（或左上、右上）的距離太近，其連線的斜率相應會產(chǎn)生數(shù)學上的奇異值，使得圓的參數(shù)計算不準確。利用A、C、D、E四點來確定內(nèi)圓的參數(shù)。2022/11/11122、虹膜內(nèi)邊緣定位 在內(nèi)邊緣具體2022/11/1767

先沿已找到點的左、右水平方向找邊緣點A、C，再求得這2點中點 的x軸坐標，此坐標值 也即為內(nèi)圓圓心的x軸坐標。然后分別沿該中點的上、下方向找到內(nèi)邊緣的另2個邊緣點D、E，算出D、E中點的y軸坐標，就能確定出內(nèi)圓圓心坐標，再計算出半徑就定位出了虹膜的內(nèi)邊緣。如右圖3所示。圖3內(nèi)圓定位示意圖

2022/11/1113 先沿已找到點的左、右水2022/11/17683、虹膜外邊緣定位

在計算出內(nèi)圓參數(shù)后，從內(nèi)圓圓心沿左、右水平方向出發(fā)，利用邊緣檢測模板檢測出左、右兩個邊界點、。在找到第一組邊界點后，我們再沿內(nèi)圓底部邊緣點 沿左、右水平方向搜尋第二組邊界點 和。 計算每組的x坐標與內(nèi)圓圓心x坐標的偏差、每組點到內(nèi)圓圓心距離之差（即與）。然后比較這2組參數(shù)和，取較小的那組值作為圓心的x軸坐標。2022/11/11143、虹膜外邊緣定位 在計算出內(nèi)圓2022/11/1769

在計算圓心y的坐標時，選用哪組點用這樣的準則：

比較與 的值，取值較小的那組計算圓心y坐標。 最后計算外圓半徑。圖4外圓定位示意圖

2022/11/1115 在計算圓心y的坐標時，選用哪組點2022/11/1770定位結果示意圖

圖5準確定位例圖

圖6定位不準確例圖

2022/11/1116定位結果示意圖

圖5準確定2022/11/17714、定位結果及分析

算法對中科院自動化所提供的CASIA（v1.0）虹膜圖庫進行了定位，有741幅圖像定位準確，準確定位率為98.15%。比一次定位要準確很多（準確定位率為93.51%）。為方便比較，將幾種算法正確率列于右表。算法準確率/%基于Hough變換的方法94.7改進的RANSAC方法95.7非線性最小二乘法96.3三點一次性定位法93.51本文方法98.152022/11/11174、定位結果及分析 算法對中科院2022/11/177210.1.3虹膜圖像歸一化及增強1、虹膜圖像歸一化2、雙線性插值3、虹膜圖像增強2022/11/111810.1.3虹膜圖像歸一化及增強2022/11/17731、虹膜圖像歸一化

歸一化的目的是要把環(huán)形的部分展成一個m*n大小的矩形圖像，這樣每一次處理的不同虹膜圖像的大小都會相同，如此在采集中引起的大小改變和縮放等因素所造成的影響就會減少。在轉化時，采用把笛卡爾坐標下的環(huán)形虹膜中的每個點一一映射到極坐標中去。 設內(nèi)圓圓心為，半徑為，外圓圓心為 ，半徑為。以內(nèi)圓圓心作為極坐標系統(tǒng)的中心，做與水平線成角的射線，它與內(nèi)、外邊界各有一個交點，分別記作、。

如圖7。2022/11/11191、虹膜圖像歸一化 歸一化的目的2022/11/1774

則有：

r是一個無量綱的參數(shù)且r∈[0，1]，∈[0，2∏]。 本文將虹膜區(qū)域歸一化成128*512的矩形。其結果如圖8。圖7虹膜歸一化

圖8歸一化虹膜圖像

2022/11/1120 則有：圖7虹膜歸一化圖2022/11/17752、雙線性插值

歸一化時，在將極坐標映射到直角坐標的過程中，我們必須考慮一種特殊的情況，即該采樣點被映射到直角坐標系中是非整數(shù)位置。此時，將無法求得該點的灰度值，所以必須進行灰度插值運算，用點(x,y)附近的某一點來表示它。如圖9所示。圖9像素的坐標變化圖2022/11/11212、雙線性插值 歸一化時，在將極2022/11/1776

用以下公式就可以擬合出點(x,y)的像素值。 式中a、b、c、d這四個系數(shù)由四個頂點的像素值確定。將圖9中的數(shù)值代入公式可得：

經(jīng)過上面的插值運算后，就可將原來的環(huán)狀區(qū)域變成了矩形區(qū)域。2022/11/1122 用以下公式就可以擬合出點(x,2022/11/17773、虹膜圖像增強－直方圖均衡化

直方圖均衡化是通過對原圖像進行某種變換，使原圖像的灰度直方圖修正為均勻分布的直方圖的一種方法。 在一幅虹膜圖像中，灰度級出現(xiàn)的概率可以近似表示為：

其中，n是圖像中像素的總和，是圖像中灰度級為 的像素個數(shù)，L是圖像中可能的灰度級總數(shù)目。2022/11/11233、虹膜圖像增強－直方圖均衡化 2022/11/1778

直方圖均衡的離散形式如下：

通過上面的式子就將輸入圖像中灰度級為的各像素映射到輸出圖像中灰度級為的對應像素上了。 圖10是均衡化結果圖。2022/11/1124 直方圖均衡的離散形式如下：2022/11/1779圖10直方圖均衡化前、后的虹膜圖像

圖

均衡前后的灰度直方圖2022/11/1125圖10直方圖均衡化前、后的虹膜2022/11/178010.1.4基于曲面匹配的虹膜識別算法1、曲面匹配理論2、曲面匹配實現(xiàn)3、旋轉矯正2022/11/112610.1.4基于曲面匹配的虹膜識2022/11/17811、曲面匹配理論

虹膜圖像在3-D灰度級空間上的分布曲面的起伏波動形狀與虹膜紋理分布具有明顯的對應關系，可以用該分布曲面表示紋理特征。

從不同的角度考慮，用一種與現(xiàn)有方法完全不同的虹膜識別方法，即在虹膜灰度圖像這個層面上直接進行匹配操作，沒有特征提取這個步驟，參與匹配的是整個虹膜區(qū)域圖像，而不是一組作為特征值的數(shù)據(jù)。仿照一幅活體虹膜圖像是十分困難的，因此，該方法的最大優(yōu)點在于提高了系統(tǒng)的安全性。

2022/11/11271、曲面匹配理論 虹膜圖像在3-2022/11/1782

以圖像水平方向為x軸，垂直方向為y軸，以像素灰度值為z軸建立三維空間坐標系，則虹膜圖像中任意像素都可由坐標(x,y,z)來表示，也就得到了矩形虹膜圖像在三維灰度級空間上的分布曲面。如右圖所示。圖12虹膜曲面圖

2022/11/1128 以圖像水平方向為x軸，垂直方向為2022/11/1783

當兩個虹膜來自于同一個眼睛時，由于虹膜紋理分布相同，這個灰度級分布曲面具有相同或相似的形狀。當兩個虹膜來自于不同的眼睛時，由于虹膜紋理分布不同，這個灰度級分布曲面具有不同的形狀。如果能夠檢測兩個虹膜在三維灰度級空間中分布曲面的差異性，即可確定這兩個虹膜是否來自于同一個眼睛。 經(jīng)過上述分析及處理，判定兩幅虹膜是否為同一虹膜的問題就可以轉化為空間曲面的匹配問題。

2022/11/1129 當兩個虹膜來自于同一個眼睛時，由2022/11/17842、曲面匹配實現(xiàn)

由上述曲面匹配的理論可知，兩曲面是否匹配，只需判斷差圖像的離散程度。具體實現(xiàn)分為以下兩步： （1）圖像經(jīng)過預處理后，兩曲面對應位置的灰度作差，，為待匹配圖像灰度值，為匹配圖像的灰度值，為差圖像灰度值。 （2）對差圖像求平方和，公式為：最后，通過給定的1個閾值與Y進行比較就可以判斷出2幅虹膜是否是同一虹膜。

2022/11/11302、曲面匹配實現(xiàn) 由上述曲面匹配該閾值是這樣選取的：先按照已定的測試方法進行同類以及異類間的虹膜測試，在測試的同時記錄測試計算出來的兩圖像的差值平方和Y。完成所有測試后，將所有測試結果的數(shù)據(jù)進行匯總分析，通過分析這些數(shù)據(jù)，我們?nèi)藶榈倪x出最優(yōu)的閾值。最后，給出了比較典型的同類間以及異類間的測試結果圖4.2和圖4.3。在測試時，給定的閾值T=6501。圖4.2進行的同類間測試的差值平方和Y=4254，圖4.3進行的異類間測試的差值平方和Y=7819。2022/11/1785該閾值是這樣選取的：先按照已定的測試方法進行同類以及異類間的圖4.2同類間測試結果圖4.3異類間測試結果2022/11/1786圖4.2同類間測試結果圖4.3異類間2022/11/17873、旋轉矯正

在圖像攝取時由于測試者的頭或眼睛的偏移都會使紋理的位置不對應，從而導致即使是相同圖像做差后，差圖像的平方和也會很大，這就需要旋轉一定角度，使得兩曲面位置對應。

若兩曲面相同，則經(jīng)過旋轉，一定存在某個位置使得兩曲面達到最佳匹配，所以為克服頭偏移（即旋轉）對識別的影響，在求出差值平方和后，如果它大于閾值（有可能是不同虹膜，也有可能是相同虹膜的旋轉造成）則平移歸一化后的矩形圖像（對應曲面的旋轉），直到差值平方和最小。2022/11/11333、旋轉矯正 在圖像攝取時由于測圖4.5旋轉校正前的結果圖圖4.6旋轉校正后的結果圖校正前的差值平方和Y=6727，校正后的差值平方和Y=5659。2022/11/1788圖4.5旋轉校正前的結果圖圖4.6旋轉校正后的結2022/11/178910.1.5虹膜紋理的相位編碼及匹配1、Gabor濾波器2、Daugman編碼方法3、虹膜紋理的相位編碼4、編碼識別2022/11/113510.1.5虹膜紋理的相位編碼及經(jīng)過預處理后的虹膜圖像可以看成一幅紋理圖像，具有明顯的、可區(qū)分的各種空間模式特征，這些特征可從很多方面來體現(xiàn)。虹膜的這些紋理結構就是不同人的虹膜具有差別的地方，所以對虹膜識別的關鍵就是提取這些紋理的特征信息，形成表征虹膜特征的特征量。識別時主要提取紋理幅度信息和相位信息，其中紋理的相位信息最重要，這是因為幅度信息差異不明顯，它受很多的外在因素，比如圖像的對比度、獲取圖像時的光照、攝影機增益等影響。2022/11/1790經(jīng)過預處理后的虹膜圖像可以看成一幅紋理圖像，具有明顯的、可區(qū)從圖像中提取紋理信息的有效策略之一是將圖像與帶通濾波器卷積，采用二維Gabor帶通濾波器對虹膜圖像進行分解濾波，從中提取相位信息，并根據(jù)濾波的結果對歸一化后的虹膜圖像進行紋理編碼。2022/11/1791從圖像中提取紋理信息的有效策略之一是將圖像與帶通濾波器卷積，2022/11/17921、Gabor濾波器 Gabor函數(shù)最早是由物理學家Gabor于1946年提出的，Gabor變換屬于加窗傅立葉變換，Gabor函數(shù)可以在頻域不同尺度、不同方向上提取相關的特征。另外Gabor函數(shù)與人眼的生物作用相仿，所以經(jīng)常用作紋理識別上，并取得了較好的效果。。Gabor函數(shù)的特性可以較好地抽象視覺神經(jīng)細胞的工作機理。圖像處理領域常用到的是2-DGabor函數(shù)，其形式為：2022/11/11381、Gabor濾波器 Gabo2022/11/17932、Daugman編碼方法 Daugman系統(tǒng)采用了極坐標下的二維Gabor濾波器對虹膜細節(jié)的特征進行提取。其形式如下： 其中共同變化，且與w反向。這樣產(chǎn)生一組求積分形式的選擇頻率的濾波器，中心位置在，位置參數(shù)為。將每一個濾波器作用于整個無量綱的虹膜區(qū)域，得到的系數(shù)大小用兩個位來表示。 實部和虛部二進制編碼為是0還是1按下面的計算式進行：2022/11/11392、Daugman編碼方法 D2022/11/1794

這樣，在Daugman系統(tǒng)中依靠一個Gabor濾波器簇，作為一種局部紋理的量化器，形成 。將1024塊這樣的區(qū)域的編碼結果依次排列，形成了2*1024位的虹膜編碼。2022/11/11402022/11/17953、虹膜紋理的相位編碼 Daugman編碼方法給我們啟示，通過合理的利用Gabor濾波器的性質(zhì)就可以提取出虹膜的各種模式特征，包括從虹膜的形狀到其紋理結構。因此，我們在Daugman編碼方法的基礎上提出利用Gabor函數(shù)的空間局部特性和其方向選擇性，如右圖， 進行虹膜紋理的相位編碼。

（a）時的實部頂視圖（b）時的實部頂視圖2022/11/11413、虹膜紋理的相位編碼 Daug2022/11/1796

對中心在的Gabor函數(shù)集中的每一函數(shù)作積分：

其中，為圖像中的某個分塊。即我們把虹膜圖像分為N個區(qū)域，每個相鄰區(qū)域的邊界都是可區(qū)分且連續(xù)的。在本算法中，將預處理好的圖像分成256個16×16的小塊。Gabor函數(shù)的方向為等間隔地抽取的[-90,90)的16個方向（每個方向用4bits表示）。分別計算實部和虛部，尋找其模值最大值的那個方向。2022/11/1142 對中心在的Gabo2022/11/1797

該模值最大的第k個方向就是該區(qū)域內(nèi)虹膜紋理的局部相位角編碼。編碼器原理圖如右圖。 圖13虹膜相位編碼器原理圖

2022/11/1143 該模值最大的第k個方向就是該區(qū)域2022/11/17984、編碼識別

經(jīng)過編碼之后，采用比較常用的決策理論，即比較虹膜代碼的海明距離(HammingDistance)來實現(xiàn)虹膜識別?？紤]到每位編碼的權重不同，不妨設：一個圖像塊的相位編碼為實部4bits+虛部4bits，即可表示成 則兩個不同虹膜間的歸一化碼間距離為：2022/11/11444、編碼識別 經(jīng)過編碼之后，采用如果兩編碼相同（即兩幅圖像完全匹配），

兩編碼各位均相反（即兩幅圖像完全不匹配），這樣，我們通過選擇一個恰當?shù)拈撝?/p>