基于零譜矩濾波器的虹膜識別方法

吳岸雄

摘? 要：提出了一種基于低通平衡式零譜矩濾波器的虹膜識別算法，通過對歸一化后的虹膜紋理運用零譜矩濾波器提取特征，然后采用支持向量機實現編碼識別匹配。最終實驗結果顯示，此算法識別率高，識別速度快，穩定性好。

關鍵詞：虹膜識別;零譜矩濾波器;小波變換

中圖分類號：TP391.41 文獻標志碼：A 文章編號：2095-2945（2020）33-0138-02

Abstract： An Iris Recognition Algorithm based on low pass balanced zero spectral moment filter is proposed， which extracts features from normalized iris texture using zero spectral moment filter， and then uses support vector machine code to realize recognition and match. Finally， the experimental results show that the algorithm has high recognition rate， fast recognition speed and good stability.

Keywords： iris recognition; zero spectral moment filters; wavelet

1 概述

21世紀，信息社會中的個人信息安全保護已成為一個必須解決的關鍵社會問題。因此，基于生物特征的識別技術更顯其價值[1]。人類虹膜具有獨特性、穩定性、可收集性和不可侵犯性等優點，使得該技術容易被用戶所接受以及推廣。

2 虹膜圖像預處理

虹膜識別系統通常包括虹膜圖像預處理（圖像采集、虹膜定位、歸一化）、特征提取和編碼識別。虹膜圖像預處理如圖1所示。

2.1 虹膜定位

虹膜的位置是在兩個邊界即內邊界和外邊界之間找到瞳孔和虹膜、虹膜和鞏膜，如果得到了圓心和半徑，這個圓我們就能唯一確定，換句話說：虹膜定位就是在人眼圖像中確定兩對圓心和半徑。找到虹膜位置后的最終結果如圖2c。

2.2 歸一化

虹膜圖像由于受光線等因素的影響可能會導致虹膜區域大小不同，為了便于識別，虹膜圖像必須進行相同尺寸的擴展。同時，虹膜圖像具有良好的極坐標特性，因此本文采用極坐標變換方法，原理如圖3。

圖3 虹膜圖像展開

用戶上眼瞼將部分覆蓋虹膜的頂部。為了排除這部分，以瞳孔為中心，逆時針方向攔截150～210～330～390度的虹膜區域，如圖4a所示。將截獲的虹膜區域在極坐標下展開為40×256的矩形，如圖4b所示。

3 特征提取

現在，大多數現有的虹膜識別方法使用線性變換（如伽柏濾波和小波）來提取虹膜紋理的局部特性。而本文提出的零矩濾波器是傳統信號處理中優于有限脈沖響應濾波器的一種具有良好正常平滑度和阻帶衰減特性的新型濾波器，本文在研究零譜矩濾波器的基礎上，提出了一種基于零譜矩濾波器的虹膜紋理特征提取算法。采用平衡零矩濾波器對虹膜圖像進行分解，提取更精確的虹膜紋理特征。

3.1 零譜矩濾波器

設{hk}和H（？棕）是由一個多分辨分析導出的頻率響應和傳遞函數，其中濾波器H（？棕）=hke，在適當的正則性假定下，有以下式子成立：

|H（？棕）|2=|H（？棕+？仔）|2=1，H（0）=1? ? ? ? ? ? ? （1）

譜矩定義為

Hi（？棕）=hkeki? ?（2）

如果在？棕=？棕0處H（？棕）滿足Hi（？棕0）=0，（i=1，...，I），而

HI+1（？棕0）≠0，則稱H（？棕）在？棕=？棕0處具有I階零譜矩，記為

I，在這里特別考慮在？棕0=0，？仔處的I0與I？仔階零譜矩。

對于（3），由于H（0）=1，故H（？仔）=0，因此{hk}稱為低通濾波器，這里有以下對應的等式成立：

hk=，hk（-1）k=0? ? ? （3）

而在？棕0=0，？仔處具有I0與I？仔階零譜矩，意味著有以下的等式成立：

這樣的H（？棕）稱之為零譜矩濾波器。

3.2 基于零譜矩濾波器的特征提取

利用上述計算的濾波器和圖像的線分解，可將上述零譜矩濾波分解方法應用于該圖像由于LL子圖是下一層原始圖像尺度空間的近似表示，我們從中選取三個LL子圖進行特征提取，經過三次分解，三個LL子圖的大小為8×128。將三個TJIJ子圖的特征值全部取出，得到3072，做比較需要很多計算。你可以用一個2×16的模板在它們之間移動，你會得到96個特征區域，你會得到圖像的平均值和方差。

4 實驗結果及分析

本文采用了一種帶方差的歐式距離逆加權分類器。108個人的虹膜數據可以通過虹膜圖像數據庫獲得320× 280，這樣，虹膜數據庫中有756個虹膜圖像樣本。經過大量實驗，在選擇正常閾值的情況下，待識別虹膜的特征提取和匹配速度小于200ms，準確識別率達到98%。實驗結果表明，本文所研究算法速度快，有較好的識別效果。

參考文獻：

[1]Daugman J G.How Iris Recognition Works [J].IEEE Transactions on Circuits and Systems for Video Technology，2004，14（1）：21-30.

[2]徐中宇，馬駟良，羅宏文.基于二維小波變換的虹膜識別方法[J].吉林大學學報（理學版），2005，43（2）：179-181.