第10章 应用实例1虹膜识别 数字图像处理课件.ppt

* * 2、曲面匹配实现 由上述曲面匹配的理论可知，两曲面是否匹配，只需判断差图像的离散程度。具体实现分为以下两步： （1）图像经过预处理后，两曲面对应位置的灰度作差， ， 为待匹配图像灰度值， 为匹配图像的灰度值， 为差图像灰度值。 （2）对差图像求平方和，公式为： 最后，通过给定的1个阈值与Y进行比较就可以判断出2幅虹膜是否是同一虹膜。 该阈值是这样选取的：先按照已定的测试方法进行同类以及异类间的虹膜测试，在测试的同时记录测试计算出来的两图像的差值平方和Y。完成所有测试后，将所有测试结果的数据进行汇总分析，通过分析这些数据，我们人为的选出最优的阈值。 最后，给出了比较典型的同类间以及异类间的测试结果图 4.2和图 4.3。在测试时，给定的阈值T=6501。图 4.2进行的同类间测试的差值平方和Y=4254，图 4.3进行的异类间测试的差值平方和Y=7819。 * * 图 4.2 同类间测试结果 图 4.3 异类间测试结果 * * * * 3、旋转矫正 在图像摄取时由于测试者的头或眼睛的偏移都会使纹理的位置不对应，从而导致即使是相同图像做差后，差图像的平方和也会很大，这就需要旋转一定角度，使得两曲面位置对应。 若两曲面相同，则经过旋转，一定存在某个位置使得两曲面达到最佳匹配，所以为克服头偏移（即旋转）对识别的影响，在求出差值平方和后，如果它大于阈值（有可能是不同虹膜，也有可能是相同虹膜的旋转造成）则平移归一化后的矩形图像（对应曲面的旋转），直到差值平方和最小。 图 4.5 旋转校正前的结果图 图 4.6 旋转校正后的结果图校正前的差值平方和Y=6727，校正后的差值平方和Y=5659。 * * * * 10.1.5 虹膜纹理的相位编码及匹配 1、Gabor滤波器 2、Daugman编码方法 3、虹膜纹理的相位编码 4、编码识别 经过预处理后的虹膜图像可以看成一幅纹理图像，具有明显的、可区分的各种空间模式特征，这些特征可从很多方面来体现。虹膜的这些纹理结构就是不同人的虹膜具有差别的地方，所以对虹膜识别的关键就是提取这些纹理的特征信息，形成表征虹膜特征的特征量。 识别时主要提取纹理幅度信息和相位信息，其中纹理的相位信息最重要，这是因为幅度信息差异不明显，它受很多的外在因素，比如图像的对比度、获取图像时的光照、摄影机增益等影响。 * * 从图像中提取纹理信息的有效策略之一是将图像与带通滤波器卷积，采用二维Gabor带通滤波器对虹膜图像进行分解滤波，从中提取相位信息，并根据滤波的结果对归一化后的虹膜图像进行纹理编码。 * * * * 1、 Gabor滤波器 Gabor函数最早是由物理学家Gabor于1946年提出的，Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果。。 Gabor函数的特性可以较好地抽象视觉神经细胞的工作机理。图像处理领域常用到的是2-D Gabor函数，其形式为： * * 2、 Daugman编码方法 Daugman系统采用了极坐标下的二维Gabor滤波器对虹膜细节的特征进行提取。其形式如下： 其中 共同变化，且与w反向。这样产生一组求积分形式的选择频率的滤波器，中心位置在 ，位置参数为 。将每一个滤波器作用于整个无量纲的虹膜区域，得到的系数大小用两个位来表示 。 实部和虚部二进制编码为是0还是1按下面的计算式进行： * * 这样，在Daugman系统中依靠一个Gabor滤波器簇，作为一种局部纹理的量化器，形成 。将1024块这样的区域的编码结果依次排列，形成了2*1024位的虹膜编码。 * * 3、虹膜纹理的相位编码 Daugman编码方法给我们启示，通过合理的利用Gabor滤波器的性质就可以提取出虹膜的各种模式特征，包括从虹膜的形状到其纹理结构。因此，我们在Daugman编码方法的基础上提出利用Gabor函数的空间局部特性和其方向选择性，如右图， 进行虹膜纹理的相位编码。 （a） 时的实部顶视图 （b） 时的实部顶视图 * * 对中心在 的Gabor函数集中的每一函数作积分： 其中， 为图像中的某个分块。即我们把虹膜图像分为N个区域 ，每个相邻区域的边界都是可区分且连续的。 在本算法中，将预处理好的图像分成