基于局部序列圖像虹膜特征提取及分類探究

1、基于局部序列圖像虹膜特征提取及分類探究【摘要】目前虹膜識(shí)別的算法主要都集中在單幅圖像的優(yōu) 化上，它忽視了人眼序列圖像中存在的必然聯(lián)系。本文選取 受光照、眼瞼、睫毛等影響較少的區(qū)域作為特征點(diǎn)采樣區(qū)， 并通過(guò)比對(duì)序列圖像不斷剔除特征模板中不可靠特征點(diǎn)，達(dá) 到提高虹膜識(shí)別準(zhǔn)確率的目的。實(shí)驗(yàn)結(jié)果表明適當(dāng)?shù)脑黾幼?冊(cè)圖像數(shù)量可以明顯拉大類內(nèi)類間距離，從而提高虹膜識(shí)別 的準(zhǔn)確率?！娟P(guān)鍵詞】局部；虹膜；圖像【中圖分類號(hào)】tp【文獻(xiàn)標(biāo)識(shí)碼】a【文章編號(hào)】1007-4309 (2012) 07-0093-2由于虹膜圖像采集過(guò)程中容易受到光照、眼瞼、睫毛等 影響，使得采集到的圖像存在大量噪聲，而有用虹膜紋理區(qū) 域

2、只是被噪聲覆蓋圖像的一個(gè)部分，因此需要將虹膜區(qū)域從 原始圖像中分離出來(lái)，并采取一系列措施消除上述不利因素 對(duì)后繼虹膜特征提取及識(shí)別算法精度的影響。虹膜圖像預(yù)處 理過(guò)程通常包括：圖像質(zhì)量評(píng)價(jià)、虹膜邊界定位、規(guī)范化和 圖像增強(qiáng)等過(guò)程。一、虹膜識(shí)別系統(tǒng)的工作原理(-)虹膜圖像預(yù)處理由于虹膜圖像采集過(guò)程中容易受到光照、眼瞼、睫毛等 影響，使得采集到的圖像存在大量噪聲，而可信度高的虹膜 紋理區(qū)域只是被噪聲覆蓋圖像的一個(gè)部分，因此需要將虹膜 區(qū)域從采集圖像中分離出來(lái)，并應(yīng)用一系列措施消除上述不 利因素對(duì)后繼虹膜特征提取及識(shí)別算法精度的影響。虹膜圖 像預(yù)處理過(guò)程通常包括：圖像質(zhì)量評(píng)價(jià)、虹膜邊界定位、干 擾檢

3、測(cè)、歸一化和圖像增強(qiáng)等過(guò)程。（二）虹膜紋理特征點(diǎn)提取算法虹膜特征采樣區(qū)域的選取。由上圖可以看出，經(jīng)過(guò)預(yù)處理的圖像已經(jīng)消除了眼瞼、 睫毛、光斑等干擾，但這些處理后區(qū)域所包含的可靠紋理信 息數(shù)量相較于那些未被干擾或很少被干擾區(qū)域來(lái)說(shuō)仍然低 很多。另外，虹膜紋理信息相當(dāng)豐富，只要用于虹膜識(shí)別的 有效區(qū)域大于虹膜總面積的1/6,其虹膜特征的唯一性就可 以得到保證。因此，本文選擇虹膜圖像中受干擾相對(duì)較小的局部區(qū) 域，作為虹膜特征提取的數(shù)據(jù)采樣區(qū)，該區(qū)域也是整個(gè)虹膜 圖像中可靠紋理信息分布密度最大的區(qū)域，從中提取出來(lái)的 特征模板的唯一性和可靠性也是相對(duì)較高的。值得注意的是在該區(qū)域中仍然可能包含眼瞼、睫毛干

4、擾 等，所以前面提到的虹膜預(yù)處理過(guò)程仍然是必要的。（三）可靠特征模板的生成算法目前有很多虹膜特征提取算法，如gabor濾波方法、局 部過(guò)零檢測(cè)方法、小波變換等方法。這些方法都是將虹膜的 紋理特征用二值相位特征表示，在識(shí)別時(shí)提取的特征都參與 了比較。但由于這些特征中存在大量不穩(wěn)定的干擾點(diǎn)，就使 得相似度計(jì)算受到了很大的影響。從相似度的統(tǒng)計(jì)來(lái)看，同 類虹膜比對(duì)的相似度和不同虹膜比對(duì)的相似度形成了大的 交叉區(qū)域，難以得到較高的分類正確率，分類閾值的選擇范 圍也很小。即使閾值大小有小的變化也會(huì)引起錯(cuò)分率明顯增 大。增大分類閾值的選擇范圍，減小錯(cuò)分率一直是模式識(shí)別 領(lǐng)域的學(xué)者所關(guān)注的問(wèn)題。本文采用2d-

5、gabor濾波器，選取0°、45°、90°、135° 四個(gè)方向分別進(jìn)行特征提取，以響應(yīng)最劇烈的方向作為特 征，并用該方向所對(duì)應(yīng)的符號(hào)信息進(jìn)行特征編碼。1. 2dgabor濾波器加波由于虹膜紋理在幾何特征上呈現(xiàn)出多方向、不規(guī)則的特 性，而2d-gabor濾波器的方向選擇性和頻率選擇性恰好可 以將虹膜的這種特性完整的表示出來(lái)，它可以提取出紋理在 不同頻率下的方向特征。因此本文選擇2d-gabor濾波器進(jìn)行虹膜紋理方向編碼。 其直角坐標(biāo)系下變化函數(shù)如下：gabor (x, y) =exp- (xx0) 2/?琢 2+ (y-yo) 2/? 茁 2) xesp2

6、?仔 i (uo (xx0) +v0 (y-yo) (1)其中：(xo, yo)表示濾波器中心位置，(？琢，？茁) 表示高斯函數(shù)的有效寬度和長(zhǎng)度，(uo, vo)表示濾波器的 頻率和方向。(1)式也可以寫成如下形式：gabor (x, y)二exp- (x-xo) 2/?琢 2+ (y-yo) 2/? 茁 2) xesp2?仔 i ( 3 (x-xo) cos 9 + w (y-yo) sin 9 (2)其中，3和9分別表示濾波器的頻率和方向，3二，9 =arctan (vo/uo)那么由(？琢，？茁，xo, yo, o , 0 ) 六個(gè)參數(shù)就可以確定不同性能的濾波器。選取0。、45。、90&

7、#176;、135°四個(gè)方向分別進(jìn)行特征提 取，其對(duì)應(yīng)的方向符號(hào)為0, 1, 2, 3； intensity是用來(lái) 評(píng)判響應(yīng)劇烈程度的函數(shù)，它是幅值的平方，它值越大表示 響應(yīng)越劇烈；sign表示相應(yīng)最劇烈時(shí)所對(duì)應(yīng)的特征點(diǎn)方向符 號(hào)。那么經(jīng)過(guò)(2) - (4)可以的得到虹膜紋理方向特征矩 陣s。intensityk=mag2k=re2k+im2k (3)sij=sign (max (intensityk) =kman kman 0,1, 2, 3 (4)2位置配準(zhǔn)虹膜圖像采集時(shí)，錄入的人眼角度不一定都是一致的， 存在一定的旋轉(zhuǎn)失真(=2)幅圖像左側(cè)位置對(duì)齊，進(jìn)行步幅 為1,總步長(zhǎng)為2*

8、step+l的水平右移比對(duì)。取sumn最大時(shí) 對(duì)應(yīng)roin作為第n幅圖像的配準(zhǔn)特征。rsi k=rs«nrsb k>0orlor2or3sumk二sumk+l 0<=k<2*step+l (5)rsn表示第n幅圖roi區(qū)域的方向特征矩陣，k表示當(dāng) 前位移次數(shù)，3. k次可靠特征模板將第一幅圖像對(duì)應(yīng)的特征模板rs1與類內(nèi)訓(xùn)練模板rsn(l<n<=k)進(jìn)行逐位比對(duì)，如果矩陣rsi, j值相同，則可 靠特征點(diǎn)數(shù)count加;如果不同，則令rsi, j=-lo如 此便得到k次可靠特征矩陣rs,該矩陣元素包括有效特征點(diǎn) 0, 1, 2, 3和無(wú)效特征點(diǎn)-1。(四)

9、 相似度計(jì)算將k次可靠特征模板分別與類內(nèi)、類間訓(xùn)練模板集的特 征進(jìn)行比對(duì)，計(jì)算兩個(gè)特征矩陣相同元素?cái)?shù)量stab 1 ecounto 根據(jù)公式得到類內(nèi)、類間相似度。sm=stablecount/count (6)需要說(shuō)明的是相似度的計(jì)算也要進(jìn)行位置配置，即移動(dòng) step步選取stablecount值最大的作為相似度計(jì)算的配置參 數(shù)，得到的sm也必然是所有相似度中最大的。二、實(shí)驗(yàn)結(jié)果與分析本文選取30個(gè)人的左眼，共30類，每類有30張虹膜 圖像，選取1-10作為備用k次模板注冊(cè)圖像，11-20作為類 內(nèi)訓(xùn)練數(shù)據(jù)，21-30作為測(cè)試數(shù)據(jù)；其他類每類區(qū)1-10作為 類間訓(xùn)練數(shù)據(jù)，21-30作為測(cè)試數(shù)據(jù)。由上表可以看出隨著注冊(cè)圖像數(shù)的增加類內(nèi)、類間的可 區(qū)分度也隨之逐漸增大，k=4時(shí)區(qū)分度最大，其后，區(qū)分度 隨著注冊(cè)圖像數(shù)增加逐漸降低。因此，可以采用適當(dāng)增加注 冊(cè)圖像數(shù)量的方法來(lái)提高虹膜識(shí)別的準(zhǔn)確率?！緟⒖嘉墨I(xiàn)】1田啟川，等不完全虹膜模式唯一性實(shí)驗(yàn)研究計(jì) 算機(jī)應(yīng)用研究，2006.2john g daugman. how iris recognition works j. ieee transactionson circuits an