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

2、理信息。與其它生物識別技術相比 ,虹膜識別具有法取代的生理方面的優勢。在圖像處理技術逐步成熟的今天，在虹膜識別系統上圖像處理技術得到了廣泛的應用，利用對虹膜圖像的獲取、分析、預處理并定位，實現虹膜識別的功能，實現身份認證的功能。所以，研究圖像處理技術在虹膜識別系統上的應用具有深遠的意義。（二） 國內外研究現狀和發展趨勢1、 研究現狀現今，圖像處理技術在許多應用領域受到廣泛重視并取得了重大的開拓性成就，屬于這些領域的有航空航天、生物醫學工程、工業檢測、機器人視覺、公安司法、軍事制導、文化藝術等，使圖像處理成為一門引人注目、前景遠大的新型學科。 2、 發展趨勢隨著計算機技術和人工智能、思維科學研究

3、的迅速發展，數字圖像處理向更高、更深層次發展。人們已開始研究如何用計算機系統解釋圖像，實現類似人類視覺系統理解外部世界，這被稱為圖像理解或計算機視覺。很多國家，特別是發達國家投入更多的人力、物力到這項研究，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展(jnzhn)，但它本身是一個比較難的研究領域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機視覺是一個有待人們進一步探索的新領域。二、數字圖像處理概述(i sh)數字圖像(t xin)處理（Digital Image Processing）又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號并利用計算機對

4、其進行處理的過程。數字圖像處理最早出現于20世紀50年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數字圖像處理作為一門學科大約形成于20世紀60年代初期。早期的圖像處理的目的是改善圖像的質量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質量低的圖像，輸出的是改善質量后的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。（二） 數字圖像處理的研究內容數字圖像處理主要研究的內容有以下幾個方面：1、 圖像變換由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。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，將空間域的處理轉換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數字濾波處理）。目前新興研究的小波變換在時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用。2、 圖像編碼壓縮圖像編碼壓縮技術可減少描述圖像的數據量（即比特數），以便節省圖像傳輸、處理時間和減少所占用的存儲器容量。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行。編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。3、 圖像增強和復原圖像增強和復原的目的是為了提高圖像的質量，如去除噪聲，提高圖像的清晰度等。圖像增強不考慮圖像降質的

6、原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中噪聲影響。圖像復原要求對圖像降質的原因有一定的了解，一般講應根據降質過程建立降質模型，再采用某種濾波方法，恢復或重建原來的圖像。4、 圖像(t xin)分割圖像分割是數字圖像處理中的關鍵技術之一。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、區域等，這是進一步進行圖像識別、分析和理解(lji)的基礎。雖然目前已研究出不少邊緣提取、區域分割的方法，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之一

7、。5、 圖像(t xin)描述圖像描述是圖像識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，它有邊界描述和區域描述兩類方法。對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展，已經開始進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（識別）圖像分類（識別）屬于模式識別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。圖像分類常采用經典的模式識別方法，有統計模式分類和句法（結構）模式分類，近年來新發展起來的模糊模式識別和人工神

8、經網絡模式分類在圖像識別中也越來越受到重視。（三） 數字圖像處理優點1、 再現性好數字圖像處理與模擬圖像處理的根本不同在于，它不會因圖像的存儲、傳輸或復制等一系列變換操作而導致圖像質量的退化。只要圖像在數字化時準確地表現了原稿，則數字圖像處理過程始終能保持圖像的再現。2、 處理精度高 按目前的技術，幾乎可將一幅模擬圖像數字化為任意大小的二維數組，這主要取決于圖像數字化設備的能力。現代掃描儀可以把每個像素的灰度等級量化為16位甚至更高，這意味著圖像的數字化精度可以達到滿足任一應用需求。對計算機而言，不論數組大小，也不論每個像素的位數多少，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，處理總是能實現的，只要在處理時改變程序中的數組參數就可以了?；叵胍幌聢D像的模擬處理，為了要把處理精度提高一個數量級，就要大幅度地改進處理裝置，這在經濟上是極不合算的。 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鏡圖像。這些來自不同信息源的圖像只要被變換為數字編碼形式后，均是用二維數組表示的灰度圖像（彩色圖像也是由灰度圖像組合成的，例如RGB圖像由紅、綠、藍三個灰度圖像組合而成）組合而成，因而

10、均可用計算機來處理。即只要針對(zhndu)不同的圖像信息源，采取相應的圖像信息采集措施，圖像的數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)的內容。由于圖像的光學處理從原理上講只能進行線性運算，這極大地限制了光學圖像處理能實現的目標。而數字圖像處理不僅能完成線性運算，而且能實現非線性處理，即凡是可以用數學公式或邏輯關系來表達的一切運算均可用數字圖像處理實現。三、虹膜識別技術（一） 虹膜識別技術概述1、 虹膜識別技術的發展虹膜識別技術是根據人體的生物特征虹膜經過圖像處理與分析后，來識別個人身份和進行身

11、份認證的新技術，它是集數學、光學、電子學、生理學和計算機科學等于一體的多學科交叉的高新技術。在20世紀30年代中期，人們已經開始設想用虹膜來識別身份，但是直到20世紀90年代虹膜識別技術才成為現實。1987年，眼科專家Aransafir和Leonardflom首次提出利用虹膜圖像進行自動虹膜識別的概念，但是他們并沒有開發出實際的應用系統。到1991年，美國洛斯阿拉莫斯國家實驗室的Johnson實現了一個自動虹膜識別系統。在1993年，John Daugman實現了一個高性能的自動虹膜識別系統。1996年，Richard Wildes研制成功基于虹膜的身份認證系統。2、 虹膜識別的步驟和原理虹膜

12、識別系統的包括虹膜圖像獲取、虹膜圖像質量檢測和預處理、虹膜圖像定位、虹膜特征提取和圖像的分類識別幾個步驟。如下圖3.1.1所示：圖3.1.1虹膜識別系統首先是獲取要注冊的已知虹膜的紋理圖像，進行虹膜圖像的質量檢測和預處理。其次是對虹膜的定位，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，進行虹膜特征的提取與識別，根據功能的區別對歸一化的虹膜紋理進行特征編碼，將得到的“虹膜(hngm)代碼”存入虹膜數據庫中進行注冊(zhc)或者將“虹膜代碼”與虹膜數據庫中的虹膜代碼進行比對，根據判決條件判斷是接受還是拒絕。一套完整的虹膜識別系統總體上包含“硬件和軟件”兩部分，虹

13、膜圖像獲取裝置和虹膜識別算法，它們分別對應于圖像獲取和模式匹配這兩個基本問題。（二）虹膜圖像的獲取1、 Daugman的采集系統虹膜圖像的獲取是虹膜識別的第一步 ,也是十分關鍵的一步 。虹膜圖像采集的目的是清晰 、準確地捕捉到虹膜圖像 ,并將其數字化存儲 ,以供圖像識別的實現 。因此要獲得高質量的虹膜圖像 ,需要專門的設備和細心的操作。Daugman的采集系統如圖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。在該系統中 ,虹膜最佳的

14、對焦位置需要用戶自己移動眼睛在攝像頭前的位置實現。攝像頭將連續采集虹膜的圖像并在LCD面陣上顯示 ,以提示用戶移動眼睛的部位。當成像有足夠的銳度時自動采集虹膜圖像樣本。圖3.2.12、 Wildes的采集(cij)系統Wildes的采集(cij)系統(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)圖像的預處理虹膜圖像(t xin)預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 ) ,這就需要對虹膜圖像進行定位和歸一

15、化操作 ,即找出虹膜的中心和內 、外邊緣以及對定位出來的虹膜圖像大小進行歸一化處理 ,從而糾正圖像漂移 、旋轉和比例放縮 。虹膜圖像的預處理包括虹膜定位 、歸一化和增強3個步驟 。圖3.3.1顯示了經預處理后的虹膜圖像 。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預處理后的數據進行分析 、去粗存精的過程 。由于原始圖像數據量相當大 ,需要把這些數據轉換為若干特征 ,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、位移不變性。圖3.4.1顯示的是一個虹膜編碼的圖像示意。圖3.4.1四、虹膜(hng

16、m)識別算法（一） 定位(dngwi)算法 （1）D augman提出(t ch)了一個微積分算子,如式 ( 1)其中，是一個尺度為 的高斯函數 ,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行反復地尋找虹膜的內外邊緣 ,直至找到最佳匹配的兩個圓。對于上下眼瞼的邊緣檢測 ,把曲線積分路徑變成弧形 ,相應的信息參數也隨之調整即可。許多(xdu)研究者就此定位方法提出了許多減小初始圓心(yunxn)候選點集合(jh)大小的算法 ,有效地縮短了虹膜定位的時間。（2）Wildes提出了兩步虹膜定位方法,其

17、思想是先進行邊緣檢測再進行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 ,標準差為 的二維高斯函數,用來平滑圖像及確定邊界。得到邊界后,通過對邊緣點的投票來確定虹膜的圓形邊界參數, Hough變換定義為:（二） 歸一化算法Daugman的橡膠皮彈性模型對環形虹膜圖像進行了歸一化 ,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 ,為大多數虹膜識別研究者所采用 , 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 ( x, y )轉化為極坐標的形式 ( r,) ,轉化公式為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。（三） 特征提取與編碼算法（1）Daugman采用極坐標下的復值二維Gabor濾波器對歸一化后的虹膜圖像進行虹膜細節的特征提取 ,使用1024個小波對圖像進行處理 ,得到2048 bit,即256 byte的編碼 。二維Gabor濾波器在極坐標下形式為產生一組中心位置在 ( r0,0) ,位置參數

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點位置的功能 ,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 。對圖像在每個尺度上濾波 ,用粗略的一位實部和虛部數來對虹膜圖像進行編碼 ,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)的帶通濾波器組對虹膜圖像進行4級塔式分解(fnji)，產生Lap lacian金字塔來代表虹膜圖像，這些濾波器定義為：其中，為Gaussian函數的標準差，表示點到濾波器中心的半徑距離。五、結束語目前，虹膜識別技術被廣泛應用于監獄、機場、邊境、銀

20、行，也被用來控制自動取款機的賬戶進入，同時應用于網絡身份認證，將虹膜的特征信息設為個人的網絡ID，給網絡信息安全帶來了新的革命。但是，基于圖像處理技術的虹膜識別仍然有一些關鍵技術有待解決，例如（1）遠距離不停頓的自動對焦虹膜采集設備；（2）不完美的虹膜識別會導致錯誤拒絕率（FAR）的增高，如何保證在FAR滿足的情況下進一步降低拒絕率FAR；（3）建立虹膜紋理在形變過程的數學模型以適應復雜環境下的識別性能；（4）實現自動化的虹膜紋理(wnl)分類；（5）建立大規模的圖像(t xin)庫及性能評價體系；（6）采用(ciyng)多模生物技術的集成與融合等。所以，在未來隨著圖像處理技術的不斷發展，虹膜識別的功能將會得到更廣泛的提升，在人體識別技術上也會成為主要的生物識別技術手段之一。參考文獻1 呂鳳軍 數字(shz)圖