基于分數(shù)維的虹膜身份信息穩(wěn)健識別方法仿真

涂 娟

(西華大學(xué)，四川 成都 610082)

1 引言

隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)今社會已經(jīng)變?yōu)楦叨刃畔⒒ヂ?lián)的社會，真實、準確的對個人身份信息識別是至關(guān)重要的。如何快速、準確的對身份信息進行穩(wěn)健識別已經(jīng)成為現(xiàn)今主要研究課題之一[1]。隨著研究的推進，目前使用最為廣泛的是虹膜身份信息識別方法，該方法屬于一種新興的生物識別方法，其具有眾多優(yōu)點，主要包括高穩(wěn)定性、唯一性、非侵犯性與方便性等，這些優(yōu)勢使得虹膜身份信息識別方法在身份信息識別領(lǐng)域中占據(jù)著重要的位置。

就現(xiàn)有的研究來看，使用較為廣泛的虹膜身份信息穩(wěn)健識別方法主要分為三種，分別為基于SIFT和SDM的虹膜身份信息穩(wěn)健識別方法[3]、基于高斯-拉普拉斯算子的虹膜身份信息穩(wěn)健識別方法[4]以及基于小波變換的虹膜身份信息穩(wěn)健識別方法[5]。其中，基于積分微分算子的虹膜身份信息穩(wěn)健識別方法主要是采用積分微分算子對虹膜內(nèi)外緣進行定位，同時對其進行歸一化處理，然后通過特征提取對其虹膜紋理進行相位編碼，對其歸一化海明距離進行計算，以此為基礎(chǔ)，實現(xiàn)虹膜身份識別；基于高斯-拉普拉斯算子的虹膜身份信息穩(wěn)健識別方法主要是利用高斯-拉普拉斯算子對采集的虹膜圖像進行頻帶分解，以此為基礎(chǔ)，構(gòu)造拉普拉斯棱錐，并對分解后的圖像進行相應(yīng)的登記，實現(xiàn)身份信息的識別；基于小波變換的虹膜身份信息穩(wěn)健識別方法主要是利用小波變換方法構(gòu)建虹膜灰度等級輪廓的一維表達式，以此為基礎(chǔ)，對虹膜中的特征點進行提取，以特征點為基礎(chǔ)對其進行身份信息識別。但是上述三種方法均存在著識別準確率低、速率低的缺陷，無法適應(yīng)現(xiàn)今身份識別的需求，為此引入分數(shù)維技術(shù)對虹膜身份信息穩(wěn)健識別方法進行設(shè)計，并設(shè)計仿真對比實驗對設(shè)計的方法性能進行驗證與分析。

2 虹膜身份信息穩(wěn)健識別方法設(shè)計

2.1 虹膜圖像預(yù)處理

為了對虹膜身份信息進行穩(wěn)健的識別，首先要對采集的虹膜圖像進行預(yù)處理，為最終的虹膜身份信息識別做準備。虹膜圖像預(yù)處理是虹膜身份信息識別方法的關(guān)鍵步驟，主要是對虹膜圖像傳遞、轉(zhuǎn)換、復(fù)制、顯示與掃描導(dǎo)致的圖像質(zhì)量降低情況進行改善，提升虹膜圖像的質(zhì)量，降低虹膜圖像中噪聲對圖像的影響。虹膜圖像預(yù)處理主要是對其進行平滑與銳化處理。其中，虹膜圖像平滑處理主要的功能是減少圖像中的噪聲。所以，在平滑處理過程中，需要采用不同的Gaussian模板對不同的噪聲進行濾除，這樣既可以極大程度的對噪聲進行濾除，還可以使圖像更加清晰，該過程主要采用的是二維Gaussian模板，其表達形式為

(1)

由于虹膜圖像平滑處理后的圖像比較模糊，需要對其進行銳化處理，主要的目的就是使虹膜邊緣、廓線與細節(jié)變得清晰，方便虹膜身份信息的識別。采用微分法對虹膜圖像進行銳化。微分法主要分為兩種，一種是一階微分法，該方法是矢量，因此，其具有較大的存儲空間；另一種是二階微分法，該方法對噪聲更加敏感，會使噪聲加強，因此，在進行虹膜圖像平滑處理時主要采用二階微分法。具體的平滑處理過程如下所示。

對于虹膜圖像二階導(dǎo)數(shù)來說，其具有零點，相應(yīng)的即是虹膜圖像的邊緣位置，因此，可以采用這種方法對虹膜圖像邊緣進行相應(yīng)的檢測[6]。

二階微分法中的拉普拉斯算子表示為

(2)

其中，?2f表示的是調(diào)和函數(shù)，上式表示對虹膜圖像邊緣進行混合二階求偏導(dǎo)。

采用差分方程對x，y方向的二階偏導(dǎo)數(shù)進行求取，得到

(3)

其中，(i，j)表示的是函數(shù)中的一點。

將式(3)中的偏導(dǎo)數(shù)進行整合，則得到平滑處理算子為

(4)

通過上述過程實現(xiàn)了虹膜圖像的預(yù)處理，為最終虹膜身份信息識別做準備。

2.2 虹膜圖像定位

以上述預(yù)處理后的虹膜圖像為基礎(chǔ)，采用灰度級分布函數(shù)與灰度差分法分別對虹膜圖像內(nèi)邊界與外邊界進行定位。虹膜圖像定位主要是將虹膜在眼睛圖像中提取出來，對其內(nèi)、外邊界位置進行定位，是虹膜身份信息識別的關(guān)鍵步驟[7]。采用灰度級分布函數(shù)對虹膜圖像內(nèi)邊界進行定位。獲得虹膜圖像灰度直方圖如圖1所示。

圖1 虹膜圖像灰度直方圖

為了將虹膜圖像中無關(guān)的點進行去除，利用形態(tài)學(xué)膨脹方法，對上述圖像進行相應(yīng)的處理，對虹膜圖像內(nèi)邊界進行定位，其定位圖如圖2所示。

圖2 虹膜圖像內(nèi)邊界定位圖

根據(jù)圖2采用投影法對虹膜圖像的圓心與半徑進行相應(yīng)的計算，其圓心坐標表示為

(5)

虹膜圖像的半徑為

(6)

其中，xmax，xmin分別表示的是虹膜圖像在x上的投影坐標最大值與最小值；ymax，ymin分別表示的是虹膜圖像在y上的投影坐標最大值與最小值。

采用灰度差分法對虹膜圖像的外邊界進行定位。具體過程如下所示。

首先設(shè)定虹膜圖像外邊界表現(xiàn)形式為

(7)

其中，(x，y)表示的是虹膜圖像外邊界上的坐標值；(a，b)表示的是虹膜圖像外邊界圓心坐標；r1表示的是虹膜圖像外邊界的半徑。

將(x，y)取遍外邊界上的所有點，則有

(8)

其中，ζ表示的是閾值，主要是由人根據(jù)具體的情況對其進行相應(yīng)的設(shè)定。

對ζ進行適當(dāng)?shù)恼{(diào)整與搜索，即可得到精準的虹膜圖像圓心與半徑值。具體的步驟如下所示。

第一步：求取虹膜圖像外邊界圖；

第二步：以上述得到的圖像為依據(jù)，構(gòu)建三維矩陣V(M，N，K)，該矩陣中元素對應(yīng)的即為(a，b，r1)，并對矩陣進行初始化；

第三步：對外邊界的任意點(x，y)對應(yīng)的參數(shù)方程與參數(shù)進行相應(yīng)的計算，然后將其映射到矩陣V中，并找出對應(yīng)的單元。在實際情況中，矩陣V是離散的，無法直接找出參數(shù)對應(yīng)的單元，這種情況下找出與參數(shù)最接近的單元，并將其單元數(shù)加上1，即為參數(shù)對應(yīng)的單元；

第四步：矩陣V中數(shù)字最大的單元對應(yīng)的參數(shù)(a，b，r1)即是虹膜圖像所對應(yīng)的圓心與半徑參數(shù)。

通過上述過程實現(xiàn)了虹膜圖像的定位，為下述虹膜圖像的分區(qū)與歸一化做準備。

2.3 虹膜圖像分區(qū)與歸一化

以上述定位的虹膜圖像為基礎(chǔ)，采用虹膜圖像法分區(qū)算法對其進行分區(qū)，并通過歸一化算法對虹膜圖像的尺寸與光照進行歸一，方便后續(xù)的處理，簡化虹膜身份信息識別過程[8]。由于虹膜生物機理的特點導(dǎo)致虹膜圖像具有一定的分布特征，離瞳孔近的部分其紋理分布密集，反之則稀疏。因此，采用虹膜圖像法分區(qū)算法對其進行分區(qū)，這樣可以極大的簡化識別的計算量，提升識別的效率。虹膜圖像分區(qū)示意圖如圖3所示。

圖3 虹膜圖像分區(qū)示意圖

如圖3所示，深色區(qū)域表示的是瞳孔；A區(qū)表示的是靠近瞳孔的虹膜區(qū)域；B區(qū)表示的是虹膜的外部區(qū)域；r1表示的是虹膜的圓心；r2表示的是瞳孔圓心。不同的虹膜尺寸存在著不同，從未得到的虹膜圖像尺寸也存在著較大的差異。為了提升虹膜身份信息識別的精準度，采用歸一化算法對其尺寸進行歸一，從而改善尺寸對虹膜識別的影響。采用極坐標方式對虹膜圖像尺寸進行相應(yīng)的轉(zhuǎn)換，轉(zhuǎn)換的過程如下所示

(9)

其中，x0(ρ)、y0(ρ)表示的是長度為ρ，偏移角度為θ；(x0，y0)表示的是瞳孔圓心坐標；ρ的取值范圍為[0，1]；θ的取值范圍為[0，2π]。

虹膜圖像尺寸歸一化后，虹膜圖像尺寸趨于一致。但是由于虹膜圖像采集環(huán)境的影響，導(dǎo)致虹膜圖像光照具有不均勻的情況，其會對虹膜圖像特征提取產(chǎn)生較大的影響。所以，為了提升虹膜身份信息識別的準確率，采用局部動態(tài)直方圖均衡方法，賦予虹膜圖像不同區(qū)域以不同的均衡參數(shù)，使其圖像效果更好。具體的實現(xiàn)過程如下：

第一步：根據(jù)虹膜圖像分區(qū)的結(jié)果，對全范圍的灰度直方圖進行均衡化；

第二步：根據(jù)不同區(qū)域虹膜圖像的特征設(shè)定不同的閾值，當(dāng)灰度動態(tài)范圍小于閾值時，按照一定比例對其進行均衡化。

通過上述兩個步驟，完成了虹膜圖像的光照歸一，增強了虹膜圖像的紋理特征。

上述過程實現(xiàn)了虹膜圖像的分區(qū)與歸一化，為下述虹膜圖像特征提取打下堅實的基礎(chǔ)。

2.4 虹膜圖像特征提取

以上述得到的虹膜圖像為基礎(chǔ)，采用二維Gabor濾波器對虹膜圖像特征進行提取，為虹膜身份信息識別提供數(shù)據(jù)支撐。虹膜圖像特征提取過程如圖4所示。

圖4 虹膜圖像特征提取過程

虹膜圖像特征提取實現(xiàn)步驟如下：

第一步：虹膜圖像定位后，將虹膜圖像劃分為三條環(huán)帶；

第二步：根據(jù)虹膜圖像噪聲等的分布特性，對不同區(qū)域的半徑與角度進行確定，最終形成3個相互獨立的區(qū)域；

第三步：對每個區(qū)域分別進行歸一化，并采用濾波器進行聯(lián)合尋優(yōu)，得到最優(yōu)的結(jié)果；

第四步：通過二維Gabor濾波器對3個區(qū)域特征進行提取，需要注意的是每個濾波器組對應(yīng)一個相應(yīng)的SROI；

第五步：將提取的虹膜圖像特征進行整合，為虹膜身份信息識別提供數(shù)據(jù)支撐。

通過上述過程完成了虹膜圖像特征的提取，為下述虹膜身份信息識別提供精準的、豐富的數(shù)據(jù)支撐。

2.5 實現(xiàn)虹膜身份信息的識別

在上述基礎(chǔ)上，對上述虹膜圖像特征進行格式標準化，主要采用的是Rubber-sheet模型對其特征格式進行相應(yīng)的轉(zhuǎn)換，其轉(zhuǎn)換公式為

(10)

其中，(k，l)表示的是原始直角坐標；I(k，l)表示的是虹膜區(qū)域；(r，θ)表示的是標準極坐標；(kρ，lρ)表示的是虹膜內(nèi)邊界坐標向量；(ki，li)表示的是虹膜外邊界的坐標向量。

其次，采用加權(quán)融合匹配算法對特征進行相應(yīng)的匹配運算，然后根據(jù)計算得到的匹配分數(shù)作為匹配層融合模型的輸入，得到相應(yīng)的匹配分值，以此為基礎(chǔ)對虹膜身份信息進行識別。

對上述得到的虹膜圖像特征通過等錯率加權(quán)融合算法對其進行相應(yīng)的融合，主要對權(quán)值進行相應(yīng)的計算，權(quán)值與等錯率之間是反比例關(guān)系，因此，等錯率越低的虹膜圖像特征，其權(quán)值越大。權(quán)值計算公式表示為

(11)

其中，ωi表示的是第i個虹膜圖像特征對應(yīng)的權(quán)值，其范圍為[0，1]；vi表示虹膜圖像的離散化參數(shù)，EERi表示的是第i個虹膜圖像特征對應(yīng)的等錯率。

則虹膜圖像特征匹配算法具體過程為

(12)

其中，Score表示的是虹膜圖像特征的加權(quán)距離，是虹膜圖像特征匹配的基礎(chǔ)；HDi表示的是虹膜圖像特征的海明距離。

通過上述過程實現(xiàn)了虹膜身份信息的識別，為身份信息識別提供更加精準的方法。

3 仿真對比實驗分析

仿真對比實驗過程中，主要采用所提方法與基于SIFT和SDM的虹膜身份信息穩(wěn)健識別方法(現(xiàn)有方法1)、基于高斯-拉普拉斯算子的虹膜身份信息穩(wěn)健識別方法(現(xiàn)有方法2)以及基于小波變換的虹膜身份信息穩(wěn)健識別方法(現(xiàn)有方法3)進行對比實驗。

3.1 識別準確率對比分析

通過仿真對比實驗得到識別準確率對比情況如圖5所示。

圖5 實驗所得識別準確率對比情況

分析圖5可知，當(dāng)實驗次數(shù)為5次時，3種現(xiàn)有方法的識別準確率分別為56%、50%和49%，而所提方法識別準確率為79%，明顯高于現(xiàn)有方法；隨著實驗次數(shù)的增加，所提方法準確率越來越高，當(dāng)實驗次數(shù)為50次時，所提方法準確率已達97%，明顯高于現(xiàn)有方法。這是因為所提方法對采集虹膜圖像進行了平滑處理與銳化處理，提升了虹膜圖像的質(zhì)量，降低了識別難度。

3.2 識別速率對比分析

通過仿真對比實驗得到識別速率對比情況如圖6所示。

圖6 識別速率對比情況圖

由圖6可知，不同方法下識別速率不同。實驗次數(shù)為20時，方法1的識別速率為69%，方法2的識別速率為76%，方法3的識別速率為67%，而本文方法的識別速率為90%；隨著實驗次數(shù)的增加，當(dāng)實驗次數(shù)達到70次時，所提方法識別效率為96%，識別速率明顯遠遠的高于現(xiàn)有三種方法，說明所提方法達到了預(yù)期效果。這是因為采用了灰度差分法對虹膜圖像內(nèi)、外邊界進行定位，在此基礎(chǔ)上完成了尺寸與光照的歸一化處理，使虹膜圖像的特征更容易提取，采用二維Gabor濾波器對虹膜圖像特征進行提取，能夠提取更為精確的特征，擁有更高的識別速率。

4 結(jié)束語

為了解決現(xiàn)有虹膜圖像識別過程中識別準確率差，識別速率低的問題，本文提出了一種分數(shù)維的虹膜身份信息穩(wěn)健識別方法。根據(jù)Gaussian模板及微分法對虹膜圖像進行預(yù)處理，采用分數(shù)維對虹膜圖像進行特征分解，通過灰度差分法對虹膜圖像內(nèi)、外邊界進行定位，在上述基礎(chǔ)上通過二維Gabor濾波器完成虹膜圖像的身份信息的穩(wěn)健識別。采用仿真驗證所提方法的性能，具有較高的準確率與識別速率，為身份信息識別提供了更加準確的方法，值得推廣使用。

但是在實驗過程中，由于仿真參數(shù)的設(shè)置，使得仿真與實際環(huán)境具有一定的差距，得到的實驗結(jié)果也存在著較小的誤差，因此，需要對提出的虹膜身份信息穩(wěn)健識別方法進行進一步的研究與優(yōu)化，克服上述存在的問題，使識別效果更加精準。