虹膜識(shí)別算法的應(yīng)用研究

1、虹膜識(shí)別算法的應(yīng)用研究【提要】研究虹膜識(shí)別問(wèn)題。針對(duì)傳統(tǒng)識(shí)別算法不能夠很好的消除平移，縮放和旋轉(zhuǎn)對(duì)于虹膜識(shí)別的影響，以及一維log Gabor 濾波特征提取方法丟失二維信息的缺陷，導(dǎo)致虹膜識(shí)別的正確率低的難題，提出一種改進(jìn)的虹膜識(shí)別算法。首先在虹膜預(yù)處理過(guò)程中采用粗定位和精定位相結(jié)合的虹膜定位方法獲取虹膜內(nèi)外邊緣，并用直方圖均衡化來(lái)增強(qiáng)歸一化的虹膜圖像，突出虹膜紋理，從而降低光照不均勻性的影響，然后二維log Gabor 濾波取代一維log Gabor 濾波來(lái)提取虹膜紋理特征，克服一維log Gabor 濾波丟失二維信息的缺陷，最后對(duì)提取的特征進(jìn)行編碼，采用歐式距離進(jìn)行匹配得到識(shí)別結(jié)果。通過(guò)C

2、ASIA 虹膜數(shù)據(jù)庫(kù)進(jìn)行了仿真，實(shí)驗(yàn)結(jié)果表明，相對(duì)于當(dāng)前典型的虹膜識(shí)別方法，提高了虹膜識(shí)別的正確率，識(shí)別速度相應(yīng)加快，在虹膜識(shí)別領(lǐng)域中有著廣闊的應(yīng)用前景?！娟P(guān)鍵詞】 虹膜識(shí)別; 特征提取; 模式匹配; 歸一化1 引言隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，個(gè)人的身份鑒別變得越來(lái)越重要。傳統(tǒng)的利用密碼等身份鑒別的方法具有易假冒和易遺忘等缺點(diǎn)，與現(xiàn)代數(shù)字社會(huì)的需要已經(jīng)逐漸不符合。近年來(lái)，基于指紋、虹膜、聲音、臉部、掌紋等生物特征的識(shí)別技術(shù)引起人們的關(guān)注，其中虹膜識(shí)別由于具有呈唯一性、穩(wěn)定性高可靠性和非侵犯性等優(yōu)點(diǎn)，正成為生物特征識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)。在過(guò)去的十多年里，虹膜識(shí)別技術(shù)已經(jīng)取得了巨大的進(jìn)展。在

3、虹膜識(shí)別的研究中，主要有相位編碼方法、基于小波過(guò)零點(diǎn)描述的方法、基于拉普拉斯金字塔的圖像匹配方法、二維紋理分析方法和基于Gabor 濾波器的方法等。相位編碼方法能夠有效提取虹膜特征，并編碼速度快，但由于需要對(duì)同一虹膜生成不同角度下的多個(gè)特征模板，因此占用存儲(chǔ)空間過(guò)大，識(shí)別效率低。而二維紋理分析方法和普通Gabor 方法均采用Gabor 濾波器進(jìn)行虹膜特征提取，然后從紋理分析的角度對(duì)虹膜進(jìn)行識(shí)別，但是由于Gabor 濾波器會(huì)出現(xiàn)非零直流分量問(wèn)題以及最大帶寬范圍被限制在一倍頻，嚴(yán)重影響了后繼紋理特征分析和提取效果。后來(lái)有學(xué)者提出了一維log Gabor 濾波器算法，該算法通過(guò)把二維虹膜圖像展開(kāi)成一

4、維信號(hào)，然后通過(guò)采用一維Log Gabor 對(duì)信號(hào)進(jìn)行特征提取并識(shí)別，這樣該算法不僅具備Gabor 濾波器優(yōu)點(diǎn)，同時(shí)克服了傳統(tǒng)Gabor 濾波器帶寬限制問(wèn)題，有效地提高了虹膜識(shí)別率。但是由于虹膜特征主要表現(xiàn)為二維紋理，一維Log Gabor 算法對(duì)二維虹膜圖像展開(kāi)成一維信號(hào)必然導(dǎo)致二維特征信息的丟失，同時(shí)Gabor 濾波器提取特征時(shí)存在特征角度方向過(guò)大，從而導(dǎo)致非有效特征提取率增加問(wèn)題。如何克服因Gabor 濾波器特征提取算法的局限帶來(lái)的不足，是虹膜識(shí)別研究的一個(gè)關(guān)鍵問(wèn)題。二維log Gabor 濾波器是近年來(lái)出現(xiàn)的一種新的特征提取方法，其可以進(jìn)行多尺度和多方向?qū)μ卣鬟M(jìn)行提取。針對(duì)當(dāng)前虹膜識(shí)別

5、算法存在的不足，本文在深入分析虹膜識(shí)別原理的基礎(chǔ)上，將二維log Gabor 濾波器引入到虹膜識(shí)別過(guò)程中，提出一種改進(jìn)的虹膜識(shí)別方法。并通過(guò)仿真驗(yàn)證其有效性和可行性。2 虹膜識(shí)別系統(tǒng)框架虹膜識(shí)別屬于模式識(shí)別這一范疇。虹膜自動(dòng)識(shí)別原理是首先通過(guò)虹膜圖像采集器對(duì)人眼圖像進(jìn)行采集并收集到的人眼圖像進(jìn)行預(yù)處理; 然后通過(guò)對(duì)預(yù)處理的虹膜圖像進(jìn)行定位、歸一化、去噪和圖像增強(qiáng)等處理，從而獲得比較理想的虹膜圖像; 最后采用相應(yīng)的圖像特征提取算法對(duì)虹膜圖像的感興趣部分進(jìn)行特征提取并編碼; 選擇合適的虹膜分類器完成對(duì)虹膜圖像特征的分類和模式匹配，達(dá)到識(shí)別的效果。一般的虹膜識(shí)別系統(tǒng)原理如圖1 所示。 圖1 虹膜識(shí)別

6、系統(tǒng)原理圖3 虹膜識(shí)別算法3 1 虹膜圖像的預(yù)處理在虹膜圖像采集過(guò)程中，由于受到人眼與采集裝置距離的變化、光照不均勻等因素影響，同時(shí)，將會(huì)影響虹膜識(shí)別效果，降低虹膜識(shí)別的準(zhǔn)確率。為了準(zhǔn)確提取虹膜信息，消除上述因素帶來(lái)的影響，在特征提取進(jìn)行之前，要對(duì)虹膜圖像進(jìn)行預(yù)處理。虹膜圖像的預(yù)處理一般包括虹膜定位，圖像歸一化和增強(qiáng)等步驟。31.1虹膜的定位虹膜定位一般采用由粗到精的定位方法，首先對(duì)虹膜內(nèi)邊緣圓心和半徑的進(jìn)行粗定位，然后精確定位虹膜的內(nèi)外邊緣，最后將將虹膜區(qū)域分割出來(lái)。1 粗定位。原始虹膜圖像的瞳孔顏色明顯要比眼睛的其它部分要黑一些，這說(shuō)明瞳孔的灰度值相對(duì)來(lái)說(shuō)較小，且是面積最大的連通區(qū)域，但是

7、虹膜相對(duì)眼睛的其它部分要明亮一些，這表明虹膜的灰度值相對(duì)來(lái)說(shuō)要大一些，在人的眼睛中虹膜是最白的，其灰度值相應(yīng)也是最大的。因此，可以利用人眼的灰度級(jí)變化的突變和虹膜的良好的環(huán)狀特性，進(jìn)行人眼睛的瞳孔的圓心和半徑粗定位。2 精定位。當(dāng)瞳孔的圓心和半徑大致確定之后，就可以根據(jù)虹膜的圓形結(jié)構(gòu)特征，可以對(duì)虹膜的內(nèi)外邊緣進(jìn)行精定位。首先對(duì)虹膜的內(nèi)邊緣進(jìn)行精定位， 其中，D( x，y 為利用Canny 算子獲得的灰度邊緣圖像，G0( r 表示高斯函數(shù)，r0表示粗定位后的瞳孔半徑，r 表示確定的搜索范圍。由于虹膜外邊緣相對(duì)于內(nèi)邊緣來(lái)說(shuō)是比較模糊，如果采用與內(nèi)邊緣相同的精定位方法，那么就容易產(chǎn)生定位不準(zhǔn)的現(xiàn)象，

8、為防止定位不準(zhǔn)的現(xiàn)象的發(fā)生，本文采用面積分代替線積分，具體如下: 其中，r 表示搜索范圍; R0的值根據(jù)虹膜內(nèi)外徑的大致比例關(guān)系來(lái)確定，從為搜索范圍，D( x ，y 為利用Canny 算子獲得的灰度邊緣圖像。經(jīng)過(guò)上述步驟虹膜的定位完成。31.2 虹膜的歸一化由于不同人的虹膜大小不一，即使同一虹膜受光照不均和瞳孔放縮等影響，會(huì)引起虹膜大小的變化，為了消除這種不利的影響，必須對(duì)定位的虹膜圖像進(jìn)行歸一化處理，將每幅原始圖像調(diào)整為與原始圖像相同的尺寸和對(duì)應(yīng)的位置，從而消除縮放、旋轉(zhuǎn)和平移對(duì)于虹膜識(shí)別的影響。本文以瞳孔圓心為中心點(diǎn)，將虹膜的環(huán)形區(qū)域歸一化為矩形區(qū)域的方法。首先設(shè)虹膜圖像的內(nèi)外邊緣的交點(diǎn)位

9、置分別為( xi( ，yi( 和( x0( ，y0( ，然后通過(guò)采用式( 3可將虹膜圖像中的每一點(diǎn)全部映射到極坐標(biāo)( r， 中，這樣虹膜經(jīng)過(guò)歸一化處理后的r 0， 1 ， 0，2，最后就在極坐標(biāo)( r， 平面上獲得64 × 256 大小的歸一化虹膜圖像。歸一化虹膜圖像通過(guò)上述映射后，對(duì)于消除縮放、旋轉(zhuǎn)和平移等具有不變性。 由于歸一化后的矩形虹膜圖像由于眼瞼遮擋的影響，從而使虹膜圖像含有噪聲信息，為了消除噪聲干擾作用，在對(duì)虹膜進(jìn)行歸一化的同時(shí)，需對(duì)噪聲進(jìn)行相應(yīng)標(biāo)記，生成一個(gè)與歸一化虹膜相對(duì)應(yīng)的噪聲屏蔽模板。在噪聲屏蔽模板中，噪聲信息被標(biāo)記為0，虹膜信息被標(biāo)記為1。313 虹膜圖像的增強(qiáng)

10、由于角膜反射和光源位置等因素的影響，虹膜圖像上的光照分布不能完全均勻，從而影響后繼的紋理分析效果。為了更好的提高識(shí)別效率，在特征提取之前必須先對(duì)歸一化的虹膜圖像進(jìn)行增強(qiáng)。本文對(duì)歸一化后的虹膜圖像采用局部的直方圖均衡化。設(shè)原始圖像的灰度級(jí)為rk ，直方圖均衡化使用一個(gè)灰度函數(shù)作為變換函數(shù)，灰度函數(shù)為T( r ，虹膜圖像中總的像素?cái)?shù)目為N ，輸入直方圖做修正，得到化后圖像的灰度分布函數(shù)S( r ，圖像中灰度級(jí)為ri 的像素總數(shù)，則有： 經(jīng)過(guò)直方圖均衡化后的圖像是一幅灰度級(jí)均勻分布的圖像，圖像灰度級(jí)的動(dòng)態(tài)范圍得到增大，從而實(shí)現(xiàn)了圖像增強(qiáng)，減少了非均勻光照的影響。經(jīng)過(guò)以上預(yù)處理以后的虹膜展開(kāi)圖像。32

11、 虹膜特征提取傳統(tǒng)的虹膜特征提取采用一維log Gabor 濾波器進(jìn)行。對(duì)于二維虹膜圖像，其虹膜紋理的特征信息不僅反映在徑向方向上，同時(shí)也體現(xiàn)在角度方向上，如果采用一維log Gbaor 濾波器對(duì)虹膜特征進(jìn)行提取，將失去虹膜二維特征信息丟失。為了克服一維log Gabor 濾波器特征提取算法帶來(lái)的不足，能夠從徑向和角度兩個(gè)方向上同時(shí)提取虹膜紋理的信息，本文采用二維Gabor 濾波器對(duì)虹膜特征進(jìn)行提取。根據(jù)頻域分析，二維Log Gabor 是一種特定方向的帶通濾波器。一個(gè)濾波器只能夠?qū)σ欢ǖ念l率和方向進(jìn)行覆蓋，稱為一個(gè)通道。通過(guò)采用二維Log Gabor 濾波器從徑向和方向?qū)缒ぬ卣鬟M(jìn)行提取。二

12、維Log GaboGabor 函數(shù)的一般形式為: 其中，U ，V 分別表示濾波器徑向中心頻率兩個(gè)軸的分量。偶Gabor 函數(shù)定義為: 其中， 表示濾波器的方向，f 表示濾波器的徑向頻率;( x ，y 表示高斯函數(shù)標(biāo)準(zhǔn)差。本文選16個(gè)Gabor 濾波通道，即選擇中心頻率2槡2、4槡2、8槡2和16槡2及0°、45°、90°和135°四個(gè)方向，通過(guò)Gabor 濾波器的對(duì)稱性可知，這樣就構(gòu)成了不同方向和頻率下的Gabor 濾波器。如圖2 所示。通過(guò)利用式( 3 對(duì)虹膜圖像進(jìn)行處理，從而得到各個(gè)通道上的濾波結(jié)果，來(lái)表達(dá)不同紋理之間的差異。 其中， 表示卷積，I(

13、 x，y 表示處理后虹膜圖像; k 表示第k 個(gè)尺度，j 表示第j 個(gè)方向，F(xiàn)kj( x，y 表示卷積后結(jié)果。3 4 特征編碼通過(guò)采用不同頻率尺度和方向的濾波器對(duì)虹膜進(jìn)行濾波處理后，獲得了子塊濾波模的最大值所小波號(hào)。本文通過(guò)采用分塊方式對(duì)特征進(jìn)行編碼，提取局部相位信息。設(shè)整個(gè)虹膜圖像( x，y 被分M × N 大小的若干個(gè)子塊，子塊大小與濾波器模板大小一樣。通過(guò)( 6對(duì)局部相位信息值進(jìn)行計(jì) 算，得到一個(gè)復(fù)數(shù)。如果這個(gè)復(fù)數(shù)的實(shí)部大于等于0，則表示該特征碼為1，否則為0; 如果這個(gè)復(fù)數(shù)的虛部大于等于0，則表示該特征碼為1，否則為0，因此，最后得到虹膜特征碼。每個(gè)子塊進(jìn)行計(jì)算公式為: 其中

14、，( i，j 表示每個(gè)子塊的中心坐標(biāo)。3 5 虹膜分類匹配進(jìn)行虹膜特征提取后，就要對(duì)提取的虹膜特征向量來(lái)進(jìn)行虹膜識(shí)別，因引虹膜識(shí)別是一個(gè)典型的模式匹配問(wèn)題，即將采集的圖像與數(shù)據(jù)庫(kù)中的虹膜圖像進(jìn)行比對(duì)，判斷兩個(gè)虹膜是否屬于同一類。綜合考慮虹膜的物理征點(diǎn)及物理意義。本文采用著名的歐式距離分類器來(lái)進(jìn)行識(shí)別。設(shè)，未知虹膜的特征向量為V1，同知類別的虹膜特征向量為V2，那么這兩個(gè)特征點(diǎn)之間的歐式距離計(jì)算公式為: 其中，i = 1，2，n 定義特征向量均值MD和絕對(duì)變差均值MAD: 如果兩個(gè)虹膜的歐式距向量有著均值和絕對(duì)變差均值小于設(shè)定的閾值，就表示同一類，否則，不是同一類。4 仿真研究4 1 虹膜數(shù)據(jù)庫(kù)

15、本文仿真對(duì)象來(lái)自CASIA 數(shù)據(jù)庫(kù)中的虹膜樣本處理對(duì)象。CASIA 虹膜數(shù)據(jù)庫(kù)是當(dāng)前國(guó)際上最大的共享虹膜數(shù)據(jù)庫(kù)，是由中國(guó)科學(xué)院自動(dòng)化研究所虹膜識(shí)別研究小組提供的虹膜圖像樣本數(shù)據(jù)庫(kù)，專用于虹膜識(shí)別。CASIA 虹膜數(shù)據(jù)庫(kù)包含男62 和女18 人總共108 只不同眼睛的虹膜圖像樣本，眼睛圖像的分辨率為320 × 280 及256 級(jí)灰度，每只眼睛均有7 幅8 位灰度圖像。4 2 虹膜預(yù)處理過(guò)程對(duì)虹膜預(yù)處理過(guò)程如圖3 所示。 4 3 識(shí)別性能的測(cè)試虹膜識(shí)別是一種一對(duì)多的匹配，通過(guò)采用未知虹膜的特征與已知分類的虹膜庫(kù)中的特征進(jìn)行匹配，最后獲得用戶的身份識(shí)別，對(duì)比實(shí)例為主成分析分析法( PCA

16、 和小波算法，對(duì)比結(jié)果如表1 所示。本文采用常用的評(píng)價(jià)指標(biāo)是正確識(shí)別率( CRR ，作為該算法的虹膜識(shí)別能力。CRR 定義如下:CRR =識(shí)別正確的樣本數(shù)/樣本總數(shù) （12 從表1 的識(shí)別正確率和錯(cuò)誤率結(jié)果來(lái)看，本文提出的算法是有效的，而且是提高了識(shí)別的正確率，識(shí)別的錯(cuò)誤率相應(yīng)的降低。4 4 算法的認(rèn)證性能測(cè)試虹膜的認(rèn)證實(shí)驗(yàn)是一對(duì)一的匹配模式，在該模式下輸入的數(shù)據(jù)聲稱自己是來(lái)自某一個(gè)特定的類別，測(cè)試目的判斷測(cè)試算法能否有能力正確判斷。為了對(duì)二維Log Gabor 濾波對(duì)虹膜特征提取的有效性的測(cè)試，本文一維log Gabor 濾波和普通的Gabor 濾波特征算法作為參照模型，其它過(guò)程均相同。通過(guò)

17、采用不同的閾值下錯(cuò)誤接受率( FAR 和錯(cuò)誤拒絕率( FRR 比較來(lái)衡量其有效性。圖4 為三種算法的FAR 和FRR 比較結(jié)果圖。表2 為三種算法在錯(cuò)誤接收率( FAR 為0 01% 條件下的比較結(jié)果。從表2 和圖4 可知，與一維log Gabor 濾波和普通的Gabor 濾波特征算法相比，在采用同一相似度度量下，本文的基于二維Log Gabor 濾波的虹膜特征提取方法在相同錯(cuò)誤接受率下更小的錯(cuò)誤拒絕率，表示虹膜的識(shí)別性能大大改善，這是因?yàn)槎SLog Gabor 濾波在提取虹膜特征的尺度信息的同時(shí)也提取其方向結(jié)構(gòu)特征，得到的特征更加細(xì)化和全部，加大了對(duì)虹膜局部紋理信息的分析和表達(dá)。因此，本文提

18、出的二維Log Gabor 濾波得到的特征濾波器在提取虹膜特征方面效果更好，可以提高識(shí)別的效果。 圖4 三種算法的FAR 與FRR 的關(guān)系 5 結(jié)束語(yǔ)虹膜識(shí)別作為身份認(rèn)證的一種新的技術(shù)，得到人們廣泛的關(guān)注。針對(duì)當(dāng)前虹膜識(shí)別算法存在的問(wèn)題，本文提出一種改進(jìn)的虹膜認(rèn)別算法。該算法在虹膜預(yù)處理過(guò)程中采用粗定位和精定位相結(jié)合的虹膜定位方法，加快了算法的速度，在特征提取過(guò)程，采用二維log Gabor 濾波器取代一維log Gabor 濾波器進(jìn)行特征提取，解決了一維Log Gabor 濾波器無(wú)直流分量和帶寬受限制的缺陷，有效地提取虹膜紋理特征。仿真結(jié)果表明，與傳統(tǒng)的虹膜識(shí)別算法相比，本文提出的方法識(shí)別的正確率大大提高，識(shí)別速度也相應(yīng)加快，說(shuō)明對(duì)傳統(tǒng)算法的改進(jìn)利于提高系統(tǒng)的識(shí)