模式识别论文——虹膜图像评估采集算法的实现.doc

虹膜图像评估采集算法的实现 摘要：随着计算机技术的发展，模式识别的理论和方法逐渐得到也越来越广泛的应用。这其中包括图像评估采集问题。本文主要是利用已搭建好的一套低成本的虹膜识别采集系统，选择了基于空域方法的 Robert算子作为清晰度评价的梯度函数，实现一种基于普尔钦斑分析的虹膜图像评估采集算法，并对该算法的有效性进行了分析。 关键字：虹膜识别、普尔钦斑分析、采集算法 研究背景与目的 随着科学技术的发展，特别是计算机技术的突飞猛进和人工智能的兴起，模式识别成为一门学科并迅速地发展，并且得到了越来越多的重视，应用范围也越来越广泛。通过对具体个别事物进行观测所得到的具有时间和空间分布的信息称为模式，都可以称为模式。模式识别的作用和目的就是按照其所面向的事物相似程度，将该事物归于某一类别。 身份认证即是模式识别的一种应用。）很好 生物特征识别是指依靠人体的身体特征来进行身份认证的方法。这些身体特征既包括人体的生物特征，如人脸、指纹、虹膜、掌纹、指关节、视网膜和DNA等，也包括个人的行为特征。生物特征识别的核心是获取个人的身体特征后，将其转化为数字信息存储于计算机内，并利用稳定可靠的匹配算法验证身份。生物特征识别方法比传统的身份识别方法更具安全、保密和方便性，具有不易遗忘、防伪性能好、随身“携带”等优点，广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。 虹膜是重要的生物识别特征，它具有唯一性、稳定性、可采集性、非侵犯性等优点。与指纹识别相比，虹膜识别具有非侵犯性、活体验证等优点，通过改变光照强度，瞳孔大小会发生改变，因此可以方便地进行活体检测；和语音、人脸等非接触式等相比，虹膜具有更高的准确性，眼科学家和解剖学家经过大量的观察发现虹膜具有独特的结构，即便对于同一个人，左眼和右眼的虹膜区别也是十分明显的。以上这些优点， 人眼的虹膜具有一些特殊性质：虹膜的面积小，平均直径约 11mm，一般的拍摄方法无法得到可以用于识别的虹膜图像，需要采用放大倍数较大的镜头；不同人种虹膜颜色不同，西方人虹膜颜色较浅，纹理分明，大部分在可见光下可以采集到清晰的虹膜，东方人虹膜颜色较深，需要采用主动的红外光源才能采集到满意的虹膜图像。 图1 虹膜识别简要流程 虹膜识别的基本流程如图1所示。一个典型的虹膜识别系统一般包括图像采集、图像预处理、虹膜特征提取以及特征匹配四个模块组成，其中图像预处理模块包括了活体检测、图像评价、虹膜定位归一化、图像增强四个部分。通过专用的摄像头采集的虹膜图像，经过图像预处理，可以得到只包含有效虹膜纹理信息的归一化图像。特征提取后，可以得到虹膜图像的代码，并存入特征数据库中。当需要身份认证时，只需要将提取出的虹膜代码与数据库中的已注册代码进行比对，即可得到识别结果。其中，虹膜采集是虹膜识别系统当中的关键技术之一。虹膜采集技术一方面决定了虹膜图像的质量，另一方面也决定了虹膜识别系统的易用性。 虹膜采集系统大体分为接触式和非接触式两种。接触式采集系统要求用户将眼眶紧靠在采集腔体前端，手动触发采集。此方法固然简单、稳定，但抛弃了虹膜识别本身的一大优势，造成了用户的不舒适和一些卫生隐患，所以大部分已有产品不采用此方法。本文采用的是非接触式虹膜图像获取装置。 目前，在取得了一定的成果，并开发出了一些相应的产品。 国内对虹膜识别的研究起步相对较晚，但在虹膜图像采集方面已经有了很多显著的研究成果和相关产品。谭铁牛院士带领的中科院模式识别国家重点实验室是国内最早开展虹膜识别研究的单位之一，并于 2000 年初开发出了自主的虹膜识别核心算法。谭教授团队发明制造出了一代双目嵌入式虹膜识别产品IKEMB -100在采集方法上，与其他虹膜识别产品所采用的镜面反射、语音提示、LED指示等方式不同，嵌式虹膜识别仪IKEMB-100 采用主动视觉反馈方法。在虹膜识别仪上添加了图像显示设备，实时显示出由采集设备所获取的双眼虹膜图像，实现了“所见即所得”的虹膜识别效果。这种方式可更方便地引导用户采集虹膜图像，大大提高了产品的易用性。该产品的采集范围是 22cm-40cm，实现了网络化和活体检测的功能。目前，该产品已经应用在国内煤矿人员考勤，计划生育身份验证等领域当中。 本文研究的目的是通过使用 图2虹膜采集装置工作示意图 图2是本文所用的使用的一种低成本虹膜采集系统。它主要的工作流程如下：红外光源为虹膜采集营造一个均匀光照的近红外环境；半透半反的带通滤波器具有双重功能，一方面，它能有效地滤除周围可见光的影响，另一方面，它能反射可见光，这样用户就能像照镜子一样看到自己的眼睛，帮助用户在方位上对准摄像机。当用户的眼睛在方位上对准后，需要用户利用位置辅助单元移动头部，确定合适的距离，使得在此位置得到的虹膜图像大小适宜，成像最为清晰。同时，摄像机利用高通红外