一種高效的虹膜特征提取算法

陳 劍 孫秋成 徐中宇/長春工業(yè)大學(xué)基礎(chǔ)科學(xué)學(xué)院

?

一種高效的虹膜特征提取算法

陳 劍 孫秋成 徐中宇/長春工業(yè)大學(xué)基礎(chǔ)科學(xué)學(xué)院

【摘 要】本文提出了一種高效的虹膜特征提取算法。首先，利用灰度直方圖，實(shí)現(xiàn)了虹膜內(nèi)邊界的準(zhǔn)確定位；隨后，為了克服眼睫毛和下眼瞼的遮擋影響，給出了一種虹膜外邊界定位方法，能夠準(zhǔn)確獲得虹膜的有效部分；最后，利用歸一化算法，將環(huán)狀的虹膜特征轉(zhuǎn)化為矩形特征，便于虹膜的訓(xùn)練和識(shí)別。通過實(shí)驗(yàn)驗(yàn)證，該方法是準(zhǔn)確的和有效的。

【關(guān)鍵詞】虹膜；圖像二值化；邊緣檢測

一、介紹

虹膜識(shí)別在當(dāng)下備受推崇和關(guān)注，虹膜識(shí)別的研究和應(yīng)用成為熱門研究方向，這使得虹膜識(shí)別技術(shù)很快得到推廣和應(yīng)用。虹膜識(shí)別技術(shù)在很多領(lǐng)域得到了很好的應(yīng)用，其優(yōu)點(diǎn)如下：（1）唯一性高，（2）穩(wěn)定性好，（3）具有防偽性，（4）準(zhǔn)確性高，（5）速度快[1]。虹膜識(shí)別系統(tǒng)由三個(gè)基本單元組成：圖像采集；特征提取；比對(duì)。虹膜包含紋理的部分是內(nèi)外兩個(gè)近似圓形邊界之間的部分，虹膜內(nèi)側(cè)與瞳孔相鄰，外側(cè)與鞏膜相鄰。但是，這兩個(gè)圓不是完全同心的[2]。需要分別對(duì)內(nèi)外兩個(gè)邊界進(jìn)行處理。虹膜定位的目的是要找出瞳孔與虹膜，虹膜與鞏膜之間的兩個(gè)邊界。目前，具有代表性的方法是Daugman虹膜提取算法[3]，但是，由于受到眼睫毛和下眼瞼等遮擋因素的影響，虹膜特征往往不能被準(zhǔn)確的提取，造成最終識(shí)別精確度低。

二、虹膜圖像獲取

在攝取圖像時(shí)需要注意：（1）保證圖像具有足夠的分辨率和清晰度；（2）須保證攝取的虹膜圖像有很好的對(duì)比度；（3）攝取的圖像要限制在一定范圍內(nèi)；（4）人工因素應(yīng)盡可能的消除。

三、虹膜定位

（一）虹膜內(nèi)邊界定位

與眼睛的其它部分相比，瞳孔的灰度值要小得多，因此采用二值化的方法分離出瞳孔，從而提取內(nèi)虹膜邊界。首先，通過灰度直方圖，確定二值化方法的閾值。在直方圖中有兩個(gè)主要的峰值，其中的第一個(gè)峰值，對(duì)應(yīng)的就是瞳孔區(qū)域灰度集中的范圍，第二個(gè)峰值對(duì)應(yīng)的是虹膜區(qū)域的灰度集中范圍。顯然，提取瞳孔的二值化閾值應(yīng)該選擇在第一個(gè)峰值的右側(cè)。確定閾值后，虹膜內(nèi)邊界即可被定位。

圖1　虹膜外觀圖圖

圖2　虹膜內(nèi)邊界定位

（二） 虹膜外邊界定位

在以往的方法中，通常采用最小二乘法擬合的方法提取外圓邊界。由于上下下眼瞼的遮擋，虹膜并不能被完整的定位和提取，導(dǎo)致虹膜識(shí)別精度降低。本文針對(duì)上述問題，提出了一種有效的虹膜外邊界定位方法。首先，利用獲得的虹膜內(nèi)邊界數(shù)據(jù)，擬合出虹膜內(nèi)邊界的圓心和半徑。為了克服眼睫毛的影響，本文舍去虹膜的上半部分，同時(shí)為避免下眼瞼被誤檢，虹膜的下半部分也只提取有限部分。如圖3所示，紅色邊界內(nèi)部即為檢測獲得的虹膜。

圖3　虹膜有效區(qū)域

四、虹膜圖像的歸一化

為了補(bǔ)償大小和瞳孔縮放引起的變異，還要對(duì)圖像進(jìn)行歸一化。虹膜的內(nèi)外邊界都為圓形，可以利用極坐標(biāo)變換的方法進(jìn)行歸一化。以瞳孔圓心為起點(diǎn)，與虹膜內(nèi)外邊界的交點(diǎn)坐標(biāo)分別為和

其中r∈[0,1 ] , θ [ 0, π ]，可將虹膜圖像中的每個(gè)點(diǎn)一映射到極坐標(biāo)(r , θ )中。這種映射對(duì)于平移和內(nèi)外圓環(huán)的大小變換具有不變性。歸一化之后的圖像在極坐標(biāo)系(r, θ )下，可以展成為一個(gè)矩形。

圖4　虹膜歸一化圖像

五、結(jié)束語

本文提出一種新型的虹膜特征提取方法，避免了眼睫毛和下眼瞼等遮擋因素對(duì)虹膜特征提取的影響。通過實(shí)驗(yàn)驗(yàn)證，該方法有較高的識(shí)別精度是準(zhǔn)確的和有效的。

參考文獻(xiàn):

[1]黃惠芳，胡廣書，虹膜識(shí)別算法的研究及實(shí)現(xiàn) [J];紅外與激光工程; 2002年05期.

[2]Mann I. The Development of the H uman Eye. New York: Grune and Stratton，1950.

[3]J. G. Daugman. High confidence visual recognition of person by a test of statisticalin dependence. IEEE Transactions on Pattern Analysis and Machine Intelligence.1993， 15(11): 1148～1161.

[4]R.P. Wildes. Iris Recognition: An Em erging Biometric Technology. Proceeding of the IEEE， 1997，85(9):1348～1363.

[5]王蘊(yùn)紅，朱勇，譚鐵牛. 基于虹膜識(shí)別的身份鑒別[J]. 自動(dòng)化學(xué)報(bào)，2002，28(1):1-10.

[6]中國科學(xué)院自動(dòng)化研究所.CASIA 虹膜圖像數(shù)據(jù)庫(版本1.0). http://www.sinometrics.com.