虹膜识别技术的发展与应用1.doc

虹膜识别技术的发展与应用1.doc

《虹膜识别技术的发展与应用1.doc》由会员分享，可在线阅读，更多相关《虹膜识别技术的发展与应用1.doc（8页珍藏版）》请在冰豆网上搜索。

目录

摘要 1

Abstract 1

1.识别技术的简介 1

2.虹膜识别技术的原理 3

2.1虹膜识别过程 3

2.2虹膜图像获取 3

2.3图像预处理 4

2.3.1虹膜定位 4

2.3.2虹膜图像归一化 5

2.3.3图像增强 5

2.4特征提取 5

2.5特征匹配 6

3.虹膜识别技术的应用现状 6

4.虹膜技术的发展前景 7

5.总结 7

参考文献 7

第三部分标题写错了字，另外注意对齐方式

虹膜识别技术的发展与应用

学生姓名：

刘洋学号：

20105042075

学　　号：

物理电子工程学院专业：

电子信息工程

指导老师：

陈新武职称：

副教授

摘要:

本文介绍了当前最有发展前景的生物特征识别技术，即虹膜识别技术，详细介绍了虹膜识别的主要步骤，虹膜图像的获取、预处理、特征提取与编码和分类。

最后，针对虹膜识别技术存在的主要问题分析了虹膜识别的发展方向及应用前景。

关键词:

虹膜识别；身份鉴别；生物特征

Thedevelopmentandapplicationofirisrecognition

Abstract:

Thispaperintroducesthemostpromisingbiometrictechnology,irisrecognitiontechmology,isintroducedindetailthemainstepsofirisrecognition,irisimageacquisition,preprocessing,featureextractionandcodingandclassification.Finally,inviewofthemainproblemsofirisrecognitiontechnologyanalyzesthedevelopmentdirectionandapplicationprospectsofirisrecognition.

Keywords:

Iisrecognition;Identification;写错了单词？

Biologicalcharacteristics

1.识别技术的简介

身份是指从行政法律或经济社会方面确定个人的地位或权利。

身份识别就是验证个人的真伪，以防范冒名顶替者的违法犯罪活动。

目前，身份识别主要靠各种证件（如身份证、智能卡等）、个人识别码（如口令、密码等）及生物特征识别。

由于证件容易被剽窃、转移或丢失，识别码容易被忘记、破解，所以生物特征识别是目前最为方便与安全的识别技术。

它不需要随身携带任何证件，记住任何密码，是一种方便、快捷、可靠的识别方法。

生物特征识别是通过人体所固有的生理特征或行为特征对个人身份进行鉴定的技术。

常见的生物特征有指纹、掌纹、虹膜、视网膜、脸形、声音、笔迹、DNA、人体气味等。

其中，虹膜识别是一种重要的个人身份识别手段。

人眼的外观由巩膜、虹膜、瞳孔三部分构成，巩膜即眼球外围的白色部分，眼睛中心为瞳孔部分，虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息。

外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。

虹膜作为身份标识具有许多先天优势。

第一，唯一性，由于虹膜图像存在着许多随机分布的细节特征，造就了虹膜模式的唯一性。

英国剑桥大学JohnDaugman教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。

实际上用模式识别方法提取图像特征是有损压缩过程，可以预测虹膜纹理的信息容量远大于此。

并且虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。

虹膜的唯一性为高精度的身份识别奠定了基础。

英国国家物理实验室的测试结果表明：

虹膜识别是各种生物特征识别方法中错误率最低的。

第二，稳定性，虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。

除非经历危及眼睛的外科手术，此后几乎终生不变。

由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。

第三，非接触，虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。

第四，便于信号处理，在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。

虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。

第五，防伪性好，虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。

此外眼睛具有很多光学和生理特性可用于活体虹膜检测[2]。

基于虹膜的生物特征方法在识别率、错误率等方面的性能指标都优于其他的生物特征识别方法。

据统计，与人脸、声音等非接触式的生物特征识别方法相比，虹膜具有更高的准确性，到目前为止，虹膜识别的错误率是各种生物特征识别中最低的。

因此，虹膜识别是目前身份认证中最有发展前途的识别技术之一，在国际上得到广泛的关注，有着广泛的市场前景和科学研究价值[3]。

虹膜特征用于个人身份鉴别是1987年两个眼科专家Leonard和Aransafir提出的。

1993年英国剑桥大学的JohnDaugman博士提出了虹膜识别算法，开创了这一领域的先河。

近年来，国内外学者对虹膜识别技术进行了深入和广泛的研究，并取得了较大的进展。

具有虹膜识别功能的自动取款机、出入口虹膜识别系统近年来也先后在美国、日本、英国等国家开发并应用[1]。

中科院自动化研究所、深圳思创集团、吉林大学等研究机构均已开展了虹膜识别技术的研究，并取得了一定的理论和实验成果。

2.虹膜识别技术的原理

2.1虹膜识别过程

虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。

虹膜识别的主要步骤包括虹膜图像的获取、预处理、特征提取与编码和分类，其框图如图1所示。

图1　虹膜识别步骤原理框图

2.2虹膜图像获取

虹膜图像获取是指使用特定的数字摄像器材对人的整个眼部进行拍摄，并将拍摄到的图像通过图像采集卡传输到计算机中存储。

虹膜图像的获取是虹膜识别中的第一步，同时也是比较困难的步骤，需要光、机、电技术的综合应用。

因为人们眼睛的面积小，如果要满足识别算法的图像分辨率要求就必须提高光学系统的放大倍数，从而导致虹膜成像的景深较小，所以现有的虹膜识别系统需要用户停在合适位置，同时眼睛凝视镜头（StopandStare）。

另外东方人的虹膜颜色较深，用普通的摄像头无法采集到可识别的虹膜图像。

不同于脸像、步态等生物特征的图像获取，虹膜图像的获取需要设计合理的光学系统，配置必要的光源和电子控制单元。

由于虹膜图像获取装置自主研发的技术门槛高，限制了国内虹膜识别研究的开展。

中国科学院自动化研究所在1999年研制出国内第一套自主知识产权的虹膜图像采集系统，其特点是小巧、灵活、低成本、图像清晰。

经过不断地更新换代，自动化所最新开发的虹膜成像仪已经可以在20—30cm距离范围通过语音提示、主动视觉反馈等技术采集到合格的虹膜图像。

2.3图像预处理

图像预处理是指由于拍摄到的眼部图像包括了很多多余的信息，并且在清晰度等方面不能满足要求，需要对其进行包括图像平滑、边缘检测、图像分离等预处理操作。

虹膜图像预处理过程通常包括虹膜定位、虹膜图像归一化、图像增强三个部分。

2.3.1虹膜定位

一般认为，虹膜的内外边界可以近似地用圆来拟合。

内圆表示虹膜与瞳孔的边界，外圆表示虹膜与巩膜的边界，但是这两个圆并不是同心圆。

通常，虹膜靠近上下眼皮的部分总会被眼皮所遮挡，因此还必须检测出虹膜与上下眼皮的边界，从而准确地确定虹膜的有效区域。

虹膜与上下眼皮的边界可用二次曲线来表示。

虹膜定位的目的就是确定这些圆以及二次曲线在图像中的位置。

常用的定位方法大致分为两类，一是，边缘检测与Hough变换相结合的方法；二是，基于边缘搜索的方法。

这两种方法共同的缺点是运算时间长，因此出现了一些基于上述两种策略的改进方法，但是速度并没有数量级的提高。

定位仍然是虹膜识别过程中运算时间最长的步骤之一[5]。

2.3.2虹膜图像归一化

虹膜图像归一化的目的是将虹膜的大小调整到固定的尺寸。

到目前为止，虹膜纹理随光照变化的精确数学模型还没有得到。

因此，从事虹膜识别的研究者主要采用映射的方法对虹膜图像进行归一化。

如果能够对虹膜纹理随光照强度变化的过程建立数学模型或者近似模拟这个过程，将会对虹膜识别系统性能的提高有很大帮助。

2.3.3图像增强

图像增强的目的是为了解决由于人眼图像光照不均匀造成归一化后图像对比度低的问题。

为了提高识别率，需要对归一化后的图像进行图像增强[6]。

2.4特征提取

特征提取是指通过一定的算法从分离出的虹膜图像中提取出独特的特征点，并对其进行编码[7]。

主流的虹膜特征提取和识别方法可分为八大类。

一是，基于图像的方法，将虹膜图像看成是二维的数量场，像素灰度值就构成联合分布，图像矩阵之间的相关性就度量了相似度。

二是，基于相位的方法，这种方法认为图像中的重要细节，如点、线、边缘等“事件”的位置信息，大多包含在相位中，所以在特征提取时舍弃反映光照强度和对比度的幅值信息。

三是，基于奇异点的方法，虹膜图像中的奇异点分两种，过零点和极值点。

四是，基于多通道纹理滤波统计特征的方法，虹膜图像可以看成是二维纹理，在频域中的不同尺度和方向上会有区分性强的统计特征可供识别，这也是纹理分析中常用的方法[4]。

五是，基于频域分解系数的方法，图像可以看成是由很多不同频率和方向的基组成，通过分析图像在每个基投影值的大小分布可以深入认识图像中具有规律性的信息。

六是，基于虹膜信号形状特征的方法，虹膜信号形状特征包括两方面的信息，一是虹膜曲面凹凸起伏的二维形状信息，二是沿着虹膜圆周的一维形状信息。

七是，基于方向特征的方法，方向（Direction）或者朝向（Orientation）是一个相对值，对光照、对比度变化的鲁棒性较强，而且可以描述局部灰度特征，是一种比较适合虹膜图像特征表达的形式。

八是，基于子空间的方法，子空间的方法需要在较大规模的训练数据集上根据定义的最优准则找到若干个最优基，然后将原始图像在最优基上的投影系数作为降维的图像特征。

2.5特征匹配

特征匹配是指根据当前采集的虹膜图像进行特征提取得到的特征编码与数据库中事先存储的虹膜图像特征编码进行比对、验证，从而达到识别的目的。

3.红膜识别技术的应用现状

　虹膜识别技术是集数学、光学、电子学、生理学和计算机科学等于一体的多学科交叉的高新技术。

在20世纪30年代中期，人们已经开始设想用虹膜来识别身份，但直到20世纪90年代虹膜识别技术才成为现实。

1987年,眼科专家Aransafir和Leonardflom首次提出利用虹膜图像进行自动虹膜识别的概念，但是他们并没有开发出实际的应用系统[9]。

到1991年，美国洛斯阿拉莫斯国家实验室的Johnson实现了一个自动虹膜识别系统。

在1993年，JohnDaugman实现了一个高性能的自动虹膜识别原型系统。

1996年，RichardWildes研制成功基于虹膜的身份认证系统。

1998年底，中科院自动化所开始虹膜方面的研究，2000年成功开发出我国具有自主知识产权的虹膜识别技术[8]。

目前，虹膜识别技术已广泛应用于监狱、机场、边境、银行，也被用来控制自动取款机的账户进入；同时也应用于网络身