用于身份识别虹膜图像预处理方法研究.docVIP

用于身份识别虹膜图像预处理方法研究 　　摘要：跟踪研究了虹膜图像的预处理方法；针对现有算法的局限性作了改进，提出了基于小波变换的虹膜图像消噪的方法，并针对虹膜图像的特点，提出了新的虹膜定位检测算子，使虹膜定位更加迅速、精确；最后进行了虹膜图像的增强和校准处理。实验结果表明，该方法能精确地检测到虹膜，提高了虹膜识别的速度和精确性，并有良好的稳健性。 　　关键词：虹膜识别； 预处理； 小波变换；图像消噪； 虹膜定位 　　中图分类号：TP391文献标志码：A 　　文章编号：1001－3695(2007)07－0303－03 　　 　　0引言?? 　　 　　虹膜的表面形貌高度细节化，非常复杂。它是整个人体中最为独特的结构之一，每个人都互不相同。虹膜表面特征的复杂多样性为虹膜进入身份识别领域奠定了最重要的生理基础。虹膜识别技术是刚兴起的生物特征识别技术，它是目前被认为可靠性最高的生物测定技术，有很好的发展前景。虹膜识别的独特优势包括：①独特性。人的虹膜具有大约173个自由度，相比之下，人的指纹只有大约35个自由度。②稳定性。虹膜特征在人的一生中均保持相当高的稳定性。③防伪性。对光具有生理反应，这样可排除死的或塑料的虹膜，避免了伪造品。④无侵犯性。虹膜图像由摄像头采集，无须操作者的物理接触[1]。统计测试表明[2]，虹膜识别的错误率仅为1/2173。虹膜技术的里程碑是J. Daugman提出的虹膜识别系统[2]，虹膜识别技术中的关键技术之一是虹膜图像的预处理。?? 　　 　　1虹膜图像的预处理方法?? 　　 　　虹膜是眼睛的一个受保护的内部器官，位于角膜和水样液的后方，晶状体的前方，它是唯一在外部可见的人体内部器官。虹膜即是瞳孔外的圆环部分，在虹膜表面有各种可见特征，在可见光下或红外光下可形成明显的纹理。虹膜图像可通过采集装置输入计算机。图1左为采集到的一幅虹膜图像。其中虹膜占有较大部分，但由于没有对操作者施加过多的限制，图像中还包括眼睛周围的区域；而且每次虹膜在图像中的位置、大小以及虹膜的面积均不一样。为得到优良的虹膜识别效果，必须对原始图像进行预处理，以提高图像的视觉质量或有利于提取图像的特征。图像预处理包括图像消噪、虹膜定位、图像增强以及校准等。?? 　　 　　1．1虹膜图像的消噪?? 　　虹膜图像在采集、转换和传输中，常常受到成像装置与外部环境噪声干扰等影响，产生降质。虹膜图像噪声来源有两类：①电子学噪声。在图像获取过程中，光电转换、信号放大以及量化等过程都会产生噪声。②光学噪声。采用非相干光照明，物体表面就已经包含有引起波面统计起伏的噪声；受外界光强影响或光源本身强度变化的影响，两幅来源于同一虹膜的图像所接收的光照射强度不同；由于光源的倾斜照明，图像上会产生缓慢变化的照明梯度；角膜的反射率很强，容易在虹膜图像上产生局部的奇异反射，尤其是采用点光源照明时。对上述的光学噪声和电子学噪声，从频谱的角度主要分为高频噪声和低频噪声。电子学噪声以及非相干光照明引起的波面统计起伏的噪声主要属于高频噪声，其他光学噪声主要属于低频噪声。?? 　　通常的图像消噪方法是将被噪声干扰的信号通过一个滤波器，滤掉噪声频率成分，但对于虹膜图像的噪声存在一定的局限性。对这类信号，在低信噪比情况下，经过滤波器处理不仅信噪比得不到较大改善，而且信号的位置信息也被模糊了。基于小波变换的消噪方法利用小波变换中的变尺度特性对确定信号具有一种“集中”的能力。对小波系数进行阈值处理可以在小波变换域中除去低幅度的噪声和不期望的信号，然后再进行逆离散小波变换。尽管所恢复的信号丢失了一点细节，但仍能恢复成所期望的信号。纹理清晰与否的差异在频域上主要反映在高频部分。可根据图像小波变换后高频分量含量的多少来评价图像的质量，高频分量越多则认为图像质量越好，高频分量中不仅包含了纹理产生的有用信息，还包括了CCD引入的随机噪声。用二维小波变换进行虹膜图像的消噪步骤如下：?? 　　 　　1．2虹膜定位?? 　　虹膜定位是虹膜身份识别技术的关键环节。虹膜图像具有较好的环状特征，通常都用圆作为匹配模板，定出虹膜的内外边缘后，再提取内外边缘之间的环状虹膜的纹理特征进行模式识别。所以虹膜定位的本质是复杂环境下的圆匹配问题。Hough变换具有一系列优点被认为是高效的匹配滤波工具，但是其计算量和存储容量与参数空间成指数关系而难以实时应用。针对这个问题学术界出现了许多改进的Hough变换检测圆算法。这些算法可以分成两类，即多级参数分解[3]与利用圆的对称几何特征[4,5]。这些方法对于提取精确的外边缘图像有较大的困难。虹膜图像的平移补偿实质上是虹膜定位，即把虹膜部分从获得的图像中分离出来。虹膜内边缘就是瞳孔的边界，瞳孔呈圆形，可由瞳孔的中心坐标及半径表征。圆形边缘检