用于身份識(shí)別的虹膜圖像預(yù)處理方法研究

摘要：跟蹤研究了虹膜圖像的預(yù)處理方法；針對(duì)現(xiàn)有算法的局限性作了改進(jìn)，提出了基于小波變換的虹膜圖像消噪的方法，并針對(duì)虹膜圖像的特點(diǎn)，提出了新的虹膜定位檢測(cè)算子，使虹膜定位更加迅速、精確；最后進(jìn)行了虹膜圖像的增強(qiáng)和校準(zhǔn)處理。實(shí)驗(yàn)結(jié)果表明，該方法能精確地檢測(cè)到虹膜，提高了虹膜識(shí)別的速度和精確性，并有良好的穩(wěn)健性。

關(guān)鍵詞：虹膜識(shí)別； 預(yù)處理； 小波變換；圖像消噪； 虹膜定位

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2007)07－0303－03

0引言

虹膜的表面形貌高度細(xì)節(jié)化，非常復(fù)雜。它是整個(gè)人體中最為獨(dú)特的結(jié)構(gòu)之一，每個(gè)人都互不相同。虹膜表面特征的復(fù)雜多樣性為虹膜進(jìn)入身份識(shí)別領(lǐng)域奠定了最重要的生理基礎(chǔ)。虹膜識(shí)別技術(shù)是剛興起的生物特征識(shí)別技術(shù)，它是目前被認(rèn)為可靠性最高的生物測(cè)定技術(shù)，有很好的發(fā)展前景。虹膜識(shí)別的獨(dú)特優(yōu)勢(shì)包括：①獨(dú)特性。人的虹膜具有大約173個(gè)自由度，相比之下，人的指紋只有大約35個(gè)自由度。②穩(wěn)定性。虹膜特征在人的一生中均保持相當(dāng)高的穩(wěn)定性。③防偽性。對(duì)光具有生理反應(yīng)，這樣可排除死的或塑料的虹膜，避免了偽造品。④無(wú)侵犯性。虹膜圖像由攝像頭采集，無(wú)須操作者的物理接觸[1]。統(tǒng)計(jì)測(cè)試表明[2]，虹膜識(shí)別的錯(cuò)誤率僅為1/2173。虹膜技術(shù)的里程碑是J. Daugman提出的虹膜識(shí)別系統(tǒng)[2]，虹膜識(shí)別技術(shù)中的關(guān)鍵技術(shù)之一是虹膜圖像的預(yù)處理。

1虹膜圖像的預(yù)處理方法

虹膜是眼睛的一個(gè)受保護(hù)的內(nèi)部器官，位于角膜和水樣液的后方，晶狀體的前方，它是唯一在外部可見(jiàn)的人體內(nèi)部器官。虹膜即是瞳孔外的圓環(huán)部分，在虹膜表面有各種可見(jiàn)特征，在可見(jiàn)光下或紅外光下可形成明顯的紋理。虹膜圖像可通過(guò)采集裝置輸入計(jì)算機(jī)。圖1左為采集到的一幅虹膜圖像。其中虹膜占有較大部分，但由于沒(méi)有對(duì)操作者施加過(guò)多的限制，圖像中還包括眼睛周圍的區(qū)域；而且每次虹膜在圖像中的位置、大小以及虹膜的面積均不一樣。為得到優(yōu)良的虹膜識(shí)別效果，必須對(duì)原始圖像進(jìn)行預(yù)處理，以提高圖像的視覺(jué)質(zhì)量或有利于提取圖像的特征。圖像預(yù)處理包括圖像消噪、虹膜定位、圖像增強(qiáng)以及校準(zhǔn)等。

1．1虹膜圖像的消噪

虹膜圖像在采集、轉(zhuǎn)換和傳輸中，常常受到成像裝置與外部環(huán)境噪聲干擾等影響，產(chǎn)生降質(zhì)。虹膜圖像噪聲來(lái)源有兩類：①電子學(xué)噪聲。在圖像獲取過(guò)程中，光電轉(zhuǎn)換、信號(hào)放大以及量化等過(guò)程都會(huì)產(chǎn)生噪聲。②光學(xué)噪聲。采用非相干光照明，物體表面就已經(jīng)包含有引起波面統(tǒng)計(jì)起伏的噪聲；受外界光強(qiáng)影響或光源本身強(qiáng)度變化的影響，兩幅來(lái)源于同一虹膜的圖像所接收的光照射強(qiáng)度不同；由于光源的傾斜照明，圖像上會(huì)產(chǎn)生緩慢變化的照明梯度；角膜的反射率很強(qiáng)，容易在虹膜圖像上產(chǎn)生局部的奇異反射，尤其是采用點(diǎn)光源照明時(shí)。對(duì)上述的光學(xué)噪聲和電子學(xué)噪聲，從頻譜的角度主要分為高頻噪聲和低頻噪聲。電子學(xué)噪聲以及非相干光照明引起的波面統(tǒng)計(jì)起伏的噪聲主要屬于高頻噪聲，其他光學(xué)噪聲主要屬于低頻噪聲。

通常的圖像消噪方法是將被噪聲干擾的信號(hào)通過(guò)一個(gè)濾波器，濾掉噪聲頻率成分，但對(duì)于虹膜圖像的噪聲存在一定的局限性。對(duì)這類信號(hào)，在低信噪比情況下，經(jīng)過(guò)濾波器處理不僅信噪比得不到較大改善，而且信號(hào)的位置信息也被模糊了。基于小波變換的消噪方法利用小波變換中的變尺度特性對(duì)確定信號(hào)具有一種“集中”的能力。對(duì)小波系數(shù)進(jìn)行閾值處理可以在小波變換域中除去低幅度的噪聲和不期望的信號(hào)，然后再進(jìn)行逆離散小波變換。盡管所恢復(fù)的信號(hào)丟失了一點(diǎn)細(xì)節(jié)，但仍能恢復(fù)成所期望的信號(hào)。紋理清晰與否的差異在頻域上主要反映在高頻部分。可根據(jù)圖像小波變換后高頻分量含量的多少來(lái)評(píng)價(jià)圖像的質(zhì)量，高頻分量越多則認(rèn)為圖像質(zhì)量越好，高頻分量中不僅包含了紋理產(chǎn)生的有用信息，還包括了CCD引入的隨機(jī)噪聲。用二維小波變換進(jìn)行虹膜圖像的消噪步驟如下：

1．2虹膜定位

虹膜定位是虹膜身份識(shí)別技術(shù)的關(guān)鍵環(huán)節(jié)。虹膜圖像具有較好的環(huán)狀特征，通常都用圓作為匹配模板，定出虹膜的內(nèi)外邊緣后，再提取內(nèi)外邊緣之間的環(huán)狀虹膜的紋理特征進(jìn)行模式識(shí)別。所以虹膜定位的本質(zhì)是復(fù)雜環(huán)境下的圓匹配問(wèn)題。Hough變換具有一系列優(yōu)點(diǎn)被認(rèn)為是高效的匹配濾波工具，但是其計(jì)算量和存儲(chǔ)容量與參數(shù)空間成指數(shù)關(guān)系而難以實(shí)時(shí)應(yīng)用。針對(duì)這個(gè)問(wèn)題學(xué)術(shù)界出現(xiàn)了許多改進(jìn)的Hough變換檢測(cè)圓算法。這些算法可以分成兩類，即多級(jí)參數(shù)分解[3]與利用圓的對(duì)稱幾何特征[4，5]。這些方法對(duì)于提取精確的外邊緣圖像有較大的困難。虹膜圖像的平移補(bǔ)償實(shí)質(zhì)上是虹膜定位，即把虹膜部分從獲得的圖像中分離出來(lái)。虹膜內(nèi)邊緣就是瞳孔的邊界，瞳孔呈圓形，可由瞳孔的中心坐標(biāo)及半徑表征。圓形邊緣檢測(cè)器檢測(cè)瞳孔的效果較好，但是如果對(duì)整幅圖像搜索，需大量的開(kāi)銷。鑒于此，本文采用由粗到精的兩步定位法，減少了定位搜索的盲目性，節(jié)省了計(jì)算時(shí)間。將圖像消噪與邊緣檢測(cè)結(jié)合起來(lái)，將消噪后的值作為邊緣檢測(cè)的中間值使用，可使存儲(chǔ)空間和計(jì)算量大為減少。人眼的虹膜部分即黑色瞳孔和白色鞏膜間的環(huán)狀紋理組織，是兩個(gè)圓形邊界之間的環(huán)域，但是這兩個(gè)圓并不互為真正的同心圓[6]，因此要對(duì)它們分別進(jìn)行搜索和提取。

1．2．1新的檢測(cè)算子檢測(cè)虹膜內(nèi)邊緣及圓心

如圖1所示，虹膜的內(nèi)外緣近乎同心，所以求得瞳孔中心對(duì)整個(gè)定位算法大有益處。瞳孔比眼睛的其他部分暗，通過(guò)二值化的方法即可大致求得瞳孔的中心。具體方法如下：先對(duì)獲取的眼睛圖像進(jìn)行二值化處理；然后用3×3的模板數(shù)據(jù)矩陣d（元素全為1）與圖像進(jìn)行卷積運(yùn)算，為0的數(shù)據(jù)即為瞳孔數(shù)據(jù)，這樣便粗略地提取出瞳孔；進(jìn)而運(yùn)用最大弦交點(diǎn)的方法定出瞳孔中心，即可獲得虹膜內(nèi)緣的粗定位值。

1．3虹膜圖像的校準(zhǔn)

對(duì)于尺度補(bǔ)償，采用雙無(wú)維極坐標(biāo)變換[6]的方法，不僅可以補(bǔ)償由于眼睛沿著相機(jī)光軸方向的偏移所引起的方法倍數(shù)的變化，而且可以補(bǔ)償因光強(qiáng)或情緒變化引起的瞳孔大小的改變，還可以把環(huán)形虹膜展開(kāi)為矩形表示，從而加快了虹膜識(shí)別的速度。將定位得到的虹膜部分映射到極坐標(biāo)系中一個(gè)固定大小的區(qū)域內(nèi)：

1．4虹膜圖像的增強(qiáng)

為了突出虹膜的紋理特征，需對(duì)虹膜圖像進(jìn)行增強(qiáng)，采用同態(tài)濾波的方法增強(qiáng)，實(shí)驗(yàn)結(jié)果如圖8所示。

實(shí)際上，將兩邊界近似圓定義為虹膜并不嚴(yán)格，因?yàn)樵摥h(huán)域中還包括了應(yīng)該去除的眼皮部分。筆者采用的辦法是以虹膜中心為兩坐標(biāo)系的共同原點(diǎn)，將直角坐標(biāo)系轉(zhuǎn)換為極坐標(biāo)系，定義{(ρ，θ)|80°<θ<100°}為含眼皮部分，將其去除。這樣保留下來(lái)的可用于識(shí)別的虹膜面積約占全部虹膜面積的85%以上，足夠識(shí)別用[8]。

2實(shí)驗(yàn)結(jié)果

對(duì)采集到的眼部圖像用本文算法進(jìn)行虹膜圖像的預(yù)處理，在Pentium 4 2.4GHz主機(jī)，MATLAB 6.0仿真平臺(tái)上進(jìn)行實(shí)驗(yàn)。為了直觀地看到實(shí)驗(yàn)效果，筆者對(duì)獲取的結(jié)果作了顯示效果上的處理。實(shí)驗(yàn)結(jié)果及比較如表1、2所示。

3結(jié)束語(yǔ)

本文研究了虹膜識(shí)別系統(tǒng)中的關(guān)鍵技術(shù)，即圖像的預(yù)處理。提出的基于小波變換的消噪方法有效地改善了虹膜定位的精度，提出的虹膜定位方法中對(duì)虹膜內(nèi)外緣分別設(shè)計(jì)檢測(cè)算子進(jìn)行精確提取。這種兩步定位法可精確地定位出虹膜，同時(shí)避免了用文獻(xiàn)[3]的方法搜索的盲目性，減少了計(jì)算量。

參考文獻(xiàn)：

［1］ 范科峰，王美華，莫瑋.一種新穎的基于小波變換的虹膜識(shí)別算法[J].紅外技術(shù)，2005，27（4）：333－337.

［2］DAUGMAN J. Biometric personal identification system based on iris analysis[P].US Patent，5291560，1994.

［3]IOANNOU D，HUDA W，LAINE A F. Circle recognition through a 2D Hough transform and radius histogram[J]. Image and Vision Computing，1999，17(1):15－26.

［4］LEI Y， WONG K C. Ellipse detection based on symmetry[J]. Pattern Recognition Letters， 1999， 20(1):41－47.

［5］KIM H S，KIM J H.A two－step circle detection algorithm from the intersection chords[J]. Pattern Recognition Letters， 2001，22(3):787－798.

［6］WILDES R P.Iris recognition:an emerging biometric technology[J].Proc of the IEEE，1997，85(9):1348－1363.

［7］CASTLEMAN K R.Digital image processing[M].北京：清華大學(xué)出版社，2002.

［8］DAUGMAN J. High confidence recognition of person by rapid video analysis of iris texture[C]//European Convention on Security and Detection.Brighton， UK:INSPEC， 1995:244－251.

［9］FAN Kefeng， MO Wei， WANG Meihua， et al. Human identification technique based on iris feature watermarking[J].Chinese Journal of Electronics，2006， 15（2）:251－256.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文”