一种快速而准确虹膜识别方法.docVIP

一种快速而准确的虹膜识别方法 　　摘 要：提出了一种快速而准确的虹膜识别算法，基本思想是：通过图像预处理，确定虹膜的位置和大小，并将直角坐标系下的环形虹膜展开成极坐标系下的矩形虹膜；利用寻找局部灰度极小值点的方法寻找图像中每条扫描线上的特征点，去掉伪特征点以后，得到固定长度的虹膜编码；计算两个虹膜编码之间的海明距离，根据海明距离给出识别结果。 　　关键词：局部灰度极小值； 特征提取； 编码； 匹配 　　中图分类号：TP391.41文献标志码：A 　　文章编号：1001-3695(2007)06-0197-04 　　 　　0 引言?? 　　在高度信息化的现代社会, 人们的身份鉴别已经渗透到日常生活的每一个方面。同时, 由于交通?p通信和网络技术的飞速发展, 人类的活动范围越来越大, 身份鉴别的难度和重要性也越来越突出。对于中国这样一个人口众多的国家,身份鉴别有着特别广泛的应用前景和重要的战略意义, 金融、安全、网络、电子商务等无一不需要可靠的身份鉴别。近年来已成为身份鉴别的热点。常用的生物特征包括指纹、掌纹、虹膜、脸像、声音、签名和笔迹等。?? 　　虹膜作为重要的身份鉴别特征, 具有唯一性、稳定性、可采集性、非侵犯性等优点。非侵犯性(或非接触式)的生物特征识别是身份鉴别研究与应用发展的必然趋势, 与脸像、声音等非接触式的身份鉴别方法相比, 虹膜具有更高的准确性。据统计虹膜识别的错误率是各种生物特征识别中最低的［1］。基于虹膜的身份鉴别技术逐渐得到学术界和企业界的重视。 ?? 　　对于每个人来说, 虹膜的结构各不相同, 并且这种独特的虹膜结构在人的一生中几乎不发生变化。眼科学家［2］和解剖学家［3］经过大量的观察发现虹膜具有独特的结构, 即使对于同一个人, 左眼和右眼的虹膜区别也是十分明显的, 而且自童年以后,虹膜在人的一生中所发生的变化十分微小。因此, 自然界不可能出现完全相同的两个虹膜。发育生物学家通过大量观察发现，当虹膜发育完全以后,它在人的一生中是稳定不变的，因而具有稳定性［3］。?? 　　最早是由Flom和Safir提出自动虹膜识别的概念［1］。后来又有很多学者进行了相关方面的研究［4－12］。Daugman［4－6］ 提出利用2D Gabor滤波器对虹膜纹理进行局部相位量化和编码。这种算法识别准确性高、速度快,是目前虹膜识别商用系统的基础；但其需要处理纹理的二维信息,增加了特征提取的运算时间。Wildes等人［7,8］ 采用Gauss??Laplace滤波器在不同分辨率下分解虹膜图像,并将对应的图像进行相关比较,计算量比较大。Boles和Boashash［9］ 提出了一种新颖的基于小波变换过零检测的虹膜识别算法,只在小样本集里取得了有限的结果。这种算法对灰度值变化比较敏感,因而识别率比较低。文献[10,11]提出了圆对称滤波器，即把Gabor滤波器的方向信息去掉，把它的虹膜图像分成了8×8像素窗口的384个特征提取区，分别对它们进行多分辨率滤波，应用最近特征线的方法进行匹配。在提取全局特征的同时，文献[10，11]利用Log??Gabor小波滤波后的方向能量作为虹膜纹理的局部纹理特征［12］。?? 　　本文虹膜识别方法包括如下几个步骤：图像预处理；特征提取及编码；匹配。图像进行预处理中，先通过灰度投影的方法找到瞳孔内一点，接着用方向边缘检测算子分别找到虹膜内圆上的三个点以及外圆上的四个点，从而定位出虹膜；然后将环形虹膜图像展开成矩形并进行归一化与图像增强，通过笔者自行设计的模板来找虹膜上的斑痕点（局部灰度极小值点），也就是笔者要找的特征点，并进行二进制编码；最后计算每个码间的距离，进而进行匹配。要指出的是本算法均是基于灰度图像的。虹膜图像如图1所示。 　　 　　1 虹膜图像预处理?? 　　图1中为随机取出的四幅眼睛图像(图像下边的编号表示该图像在虹膜库中的编号)。通过观察发现虹膜图像通常不可能仅仅包含虹膜, 往往还有眼睛的其他部分, 如眼睑、睫毛、眼白等。在某些情况下，虹膜图像的光照是不均匀的, 会给虹膜识别的准确性带来影响，影响虹膜图像的质量从而给下一步的虹膜定位和准确匹配带来困难。因此, 在进行虹膜识别之前, 必须先确定出虹膜在图像中的位置并进行大小归一化。同时, 虹膜的内边界即瞳孔的大小是会发生变化的, 这将会使虹膜的纹理产生变形。以上这些情况均会影响虹膜图像的质量，从而给下一步的特征提取和准确匹配带来困难。为了实现精确地匹配, 就要通过预处理消除上述各种因素对虹膜图像的影响。虹膜图像的预处理包含虹膜定位、虹膜图像归一化和虹膜图像增强等三个步骤。 　　1.1 虹膜定位?? 　　首先通过灰度投影的方法找到瞳孔内一点，接着通过笔者自行设计的检测模板找到虹膜内圆上三个不共线的点，从而快