虹膜图像的归一化.doc

虹膜图像的归一化虹膜识别系统由光源、摄像头、图像分析系统三部分构成，对光源、摄像头、计算机均没有特殊的要求。摄像头将光信号转变成为电信号，经A/D转换后，送入计算机进行分析，计算机内装有虹膜识别的图像分析软件，计算机内预存有已经分割好的虹膜参考图像。识别过程即将实时捕捉的图像与预存的参考图像进行匹配，比较图像的相似性，确定图像是否来自同一对象，以确定拒绝或接受。在这里，重点分析虹膜身份识别系统中的虹膜归一化和匹配模块。虹膜图像的归一化的作用主要是，消除由于瞳孔的伸缩、虹膜的平移和虹膜的旋转给识别所带来的影响。图像匹配模块的任务主要是，利用已经建立好的虹膜的数据库来识别所给图像的身份。对于一般成像系统所拍摄的虹膜图像，需要一种对尺度、旋转、平移等变化具有不变性的高鲁棒性算法，因为虹膜图像需要经过归一化处理，得到相同大小的纹理图像。然后才能应用诸如多尺度的纹理分析等方法提取全局特征——均值和方差等等。这样要求使用的算法具有平移和旋转不变性，并且对于光照的变化不敏感。1. 基于坐标变换的虹膜归一化方法由于人眼的虹膜在不同的外光环境下会有大小变化，当外界的光照强度变强时，人的瞳孔会收缩；相反的，当外界的光照强度变弱时，人的瞳孔会扩大。无论瞳孔怎么变化，都会引起虹膜的变化。若处理不当，这种情况会对系统的识别结果有一定的影响。而一套健壮的系统不应该受采集图像时的光照强度的影响，而且也不应该受虹膜的位置的影响。虹膜图像归一化的目的是将每幅原始图像调整到相同的尺寸和对应的位置，从而消除平移、缩放和旋转对于虹膜识别的影响。一般而言，两个边界圆之间的区域定义为虹膜，实际上并不准确。区域中还包括了不是虹膜的眼皮部分，这部分未提供匹配时可以利用的有效信息，应该去除。去除操作在直角坐标系下不易进行，在极坐标系下通过限定角的范围却很容易处理。为此，以虹膜的中心为两坐标系的共同原点，将原直角坐标系转化为极坐标系。在极坐标系中，可以假定诸如的区域是含眼皮部分，应该将它去除。其余部分为只含有虹膜的部分，应该保留。这样，虽然损失了一部分虹膜信息，但是却去除了眼皮部分的干扰。保留下来可用于匹配、识别的虹膜部分约占全部虹膜部分的85%。实验证明，利用保留的这部分虹膜提供的信息已经完全可以将不同的个体区分开来。这一点很重要，因为任何虹膜自动身份识别系统实时采集均无法获得完整的虹膜图像，捕捉的图像通常均为局部图像，识别过程用到的信息也仅仅是这些局部区域的信息，如果利用局部区域信息不能完成识别的任务，达到识别的效果，实际上就是在理论上宣告了虹膜自动识别的不可能性。但是很幸运，有关学者的研究和实验表明，70%以上的保留区域足以保证把来自不同个体的虹膜区别开，而且误识率极低，即等同于利用完整的虹膜进行识别的效果。当保留区域仅剩下30%以下时，误识率才急剧上升，导致无法识别的结果。如果已经得到虹膜的内、外边界圆周的参数，即圆心的坐标和半径，可以采用极坐标变化的方法进行归一化。由于虹膜的内外圆边界不是同心的，所以这种极坐标变换也不是同心的，参见图1。图1 虹膜归一化示意图假设虹膜内圆的圆心为，半径为，外圆圆心为，半径为，根据，的相对位置，可以分为几种情况：（1）；（2）；（3）；（4）；（5）。不失一般性以（4）情况为例，如上图所示，以虹膜内圆的圆心作为极坐标系统的中心。做与水平线成角的射线，则它与虹膜的内、外边界各有一个交点，分别记作和，则有：，，对于其它的四种情况，可以类似的推导出来相似的结果。于是射线上两个交点之间的任何一点都可以用的线形组合来表示：其中，经过以上的归一化处理以后，虹膜图象中的所有直角坐标点，均被映射为极坐标，从而构成的集合为一单位圆。这样，利用该变换将虹膜图像中的每个点一一映射到极坐标对中去。这种由直角坐标系下的虹膜图像到极坐标系下的映射可以表示为：并且，这种映射对于平移和内、外圆环的大小变换具有不变性。另外，为了方便图像的匹配，将极坐标表示成在直角坐标系中的习惯表示方法，即把极坐标下的单位圆展开为直角坐标系下的矩形。这样，极坐标中的旋转在直角坐标系中变成了平移，避免了“插值”运算，节省了处理时间。2. 虹膜归一化的实验结果为了验证以上的算法，对图2所示的虹膜输入图象，编程实现其归一化处理方法。把虹膜信息分为510份，径向共分为64份，则可以将图1的虹膜图象展开成64*510的长方形。如图3。图2 输入的虹膜图象图3 归一化结果以瞳孔的中心为极坐标的中心点，也称为极点，以极点的横坐标为水平方向再求出在瞳孔的边缘上的点，而且这一点于极点的连线于水平方向的夹角是零度；再求出在虹膜的边缘上的点，而且这一点于极点的连线于水平方向的夹角也是零度。这样就把着两点连线之间的点平均分成64份将其灰度值分别写在提前设置好的64*510的矩阵里面去。然后，在求在瞳孔和虹