基于数字图像处理的虹膜识别技术的研究正文课案.docx

基于数字图像处理的虹膜识别技术的研究正文课案.docx

《基于数字图像处理的虹膜识别技术的研究正文课案.docx》由会员分享，可在线阅读，更多相关《基于数字图像处理的虹膜识别技术的研究正文课案.docx（14页珍藏版）》请在冰豆网上搜索。

基于数字图像处理的虹膜识别技术的研究正文课案

一、引言

（一）选题的目的和意义

　随着信息技术的发展,身份识别的难度和重要性越来越突出。

密码、身份证等传统的身份识别方法由于其局限性—易丢失、易被伪造、易被破解等,已不能满足当代社会的需要。

基于生物特征的身份识别技术由于具有稳定、便捷、不易伪造等优点,近几年已成为身份识别的热点。

生物特征识别是根据人体的生物特征（包括指纹、虹膜、人脸、声音和笔迹等）来识别个人身份和进行身份认证的新技术。

虹膜位于眼睛的巩膜和瞳孔之间,由许多腺窝、皱褶、色素斑等构成,包含了极为丰富的纹理信息。

与其它生物识别技术相比,虹膜识别具有法取代的生理方面的优势。

在图像处理技术逐步成熟的今天，在虹膜识别系统上图像处理技术得到了广泛的应用，利用对虹膜图像的获取、分析、预处理并定位，实现虹膜识别的功能，实现身份认证的功能。

所以，研究图像处理技术在虹膜识别系统上的应用具有深远的意义。

（二）国内外研究现状和发展趋势

1、研究现状

现今，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。

2、发展趋势

随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

二、数字图像处理概述

数字图像处理（DigitalImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

（二）数字图像处理的研究内容

数字图像处理主要研究的内容有以下几个方面：

1、图像变换

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

2、图像编码压缩

图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

3、图像增强和复原

图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。

如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。

图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。

4、图像分割

图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。

虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。

因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

5、图像描述

图像描述是图像识别和理解的必要前提。

作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。

对于特殊的纹理图像可采用二维纹理特征描述。

随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

6、图像分类（识别）

图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

（三）数字图像处理优点

1、再现性好

数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。

只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。

2、处理精度高

按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。

现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。

对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。

换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。

回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。

3、适用面宽

图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。

从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。

这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。

即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。

4、灵活性高

图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。

而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。

三、虹膜识别技术

（一）虹膜识别技术概述

1、虹膜识别技术的发展

虹膜识别技术是根据人体的生物特征——虹膜经过图像处理与分析后，来识别个人身份和进行身份认证的新技术，它是集数学、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，但是直到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。

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系统。

1996年，RichardWildes研制成功基于虹膜的身份认证系统。

2、虹膜识别的步骤和原理

虹膜识别系统的包括虹膜图像获取、虹膜图像质量检测和预处理、虹膜图像定位、虹膜特征提取和图像的分类识别几个步骤。

如下图3.1.1所示：

图3.1.1

虹膜识别系统首先是获取要注册的已知虹膜的纹理图像，进行虹膜图像的质量检测和预处理。

其次是对虹膜的定位，即从输入的人眼中找到虹膜的位置，并将虹膜从图片中分割出来。

第三，进行虹膜特征的提取与识别，根据功能的区别对归一化的虹膜纹理进行特征编码，将得到的“虹膜代码”存入虹膜数据库中进行注册或者将“虹膜代码”与虹膜数据库中的虹膜代码进行比对，根据判决条件判断是接受还是拒绝。

一套完整的虹膜识别系统总体上包含“硬件和软件”两部分，虹膜图像获取装置和虹膜识别算法，它们分别对应于图像获取和模式匹配这两个基本问题。

（二）虹膜图像的获取

1、Daugman的采集系统

虹膜图像的获取是虹膜识别的第一步,也是十分关键的一步。

虹膜图像采集的目的是清晰、准确地捕捉到虹膜图像,并将其数字化存储,以供图像识别的实现。

因此要获得高质量的虹膜图像,需要专门的设备和细心的操作。

Daugman的采集系统如图3.2.1,包括光源、成像镜头、摄像头、光束分离片、LCD显示和图像帧采集器等,其镜头采用焦距为330mm的透镜,可以从15～46mm的距离摄取虹膜图像,成像的径在100～200pixel。

在该系统中,虹膜最佳的对焦位置需要用户自己移动眼睛在摄像头前的位置实现。

摄像头将连续采集虹膜的图像并在LCD面阵上显示,以提示用户移动眼睛的部位。

当成像有足够的锐度时自动采集虹膜图像样本。

图3.2.1

2、Wildes的采集系统

Wildes的采集系统如图3.2.2，它是利用80mm的透镜,从20cm处摄取图像,图像的直径大约为256pixel,其孔径为1cm。

图3.2.2

（三）虹膜图像的预处理

虹膜图像预处理的目的是虹膜定位与归一化。

在获取的虹膜图像中有可能包含有许多其他部分（如眼睑、睫毛等）,这就需要对虹膜图像进行定位和归一化操作,即找出虹膜的中心和内、外边缘以及对定位出来的虹膜图像大小进行归一化处理,从而纠正图像漂移、旋转和比例放缩。

虹膜图像的预处理包括虹膜定位、归一化和增强3个步骤。

图3.3.1显示了经预处理后的虹膜图像。

图3.3.1

（四）虹膜特征的提取与编码

虹膜特征提取和编码是对预处理后的数据进行分析、去粗存精的过程。

由于原始图像数据量相当大,需要把这些数据转换为若干特征,即特征提取。

为了提高分类处理的速度和精度,对提取的特征还需要选择最有代表性的特征,其信息冗余余度最小，而且具有比例、旋转、位移不变性。

图3.4.1显示的是一个虹膜编码的图像示意。

图3.4.1

四、虹膜识别算法

（一）定位算法

（1）Daugman提出了一个微积分算子,如式

（1）

其中，

是一个尺度为σ的高斯函数,起平滑滤波的作用;积分表示的是图像I（x,y）在以（x0,y0）为圆心,r为半径的圆上的曲线积分。

此算法采用圆形边缘检测器进行反复地寻找虹膜的内外边缘,直至找到最佳匹配的两个圆。

对于上下眼睑的边缘检测,把曲线积分路径变成弧形,相应的信息参数也随之调整即可。

许多研究者就此定位方法提出了许多减小初始圆心候选点集合大小的算法,有效地缩短了虹膜定位的时间。

（2）Wildes提出了两步虹膜定位方法,其思想是先进行边缘检测再进行Hough变换,其边缘检测的算子为|G（x,y）*I（x,y）|,

其中

，是以（x0,y0）为圆心,标准差为σ的二维高斯函数,用来平滑图像及确定边界。

得到边界后,通过对边缘点的投票来确定虹膜的圆形边界参数,Hough变换定义为:

（二）归一化算法

Daugman的橡胶皮弹性模型对环形虹膜图像进行了归一化,有效地解决了瞳孔缩放以及瞳孔与虹膜边缘不同心所带来的问题,为大多数虹膜识别研究者所采用,其模型示意图如图2.1.1所示。

图2.1.1

它将图像从笛卡儿坐标（x,y）转化为极坐标的形式（r,θ）,转化公式为

x（r,θ）=（1-r）xp（θ）+rxs（θ）,

y（r,θ）=（1-r）yp（θ）+rys（θ）,

其中,r∈[0,1],θ∈[0,2π],（xp（θ）,yp（θ））,（xs（θ）,ys（θ））分别代表在θ方向上的瞳孔和巩膜的边缘点。

（三）特征提取与编码算法

（1）Daugman采用极坐标下的复值二维Gabor滤波器对归一化后的虹膜图像进行虹膜细节的特征提取,使用1024个小波对图像进行处理,得到2048bit,即256byte的编码。

二维Gabor滤波器在极坐标下形式为

产生一组中心位置在（r0,θ0）,位置参数为（r,θ0,α,β,ω）的选择频率滤波器,在空间域和频率域具有良好地获取节点位置的功能,而且由于良好的积分特性,这些滤波器能够获取本地相位信息。

对图像在每个尺度上滤波,用粗略的一位实部和虚部数来对虹膜图像进行编码,公式如下：

（2）Wildes使用从Gaussian-Laplacian算子衍生而来的各向同性的带通滤波器组对虹膜图像进行4级塔式分解，产生Laplacian金字塔来代表虹膜图像，这些滤波器定义为：

其中，σ为Gaussian函数的标准差，ρ表示点到滤波器中心的半径距离。

五、结束语

目前，虹膜识别技术被广泛应用于监狱、机场、边境、银行，也被用来控制自动取款机的账户进入，同时应用于网络身份认证，将虹膜的特征信息设为个人的网络ID，给网络信息安全带来了新的革命。

但是，基于图像处理技术的虹膜识别仍然有一些关键技术有待解决，例如

（1）远距离不停顿的自动对焦虹膜采集设备；

（2）不完美的虹膜识别会导致错误拒绝率（FAR）的增高，如何保证在FAR满足的情况下进一步降低拒绝率FAR；

（3）建立虹膜纹理在形变过程的数学模型以适应复杂环境下的识别性能；

（4）实现自动化的虹膜纹理分类；

（5）建立大规模的图像库及性能评价体系；

（6）采用多模生物技术的集成与融合等。

所以，在未来随着图像处理技术的不断发展，虹膜识别的功能将会得到更广泛的提升，在人体识别技术上也会成为主要的生物识别技术手段之一。

参考文献

[1]吕凤军数字图象处理编程入门清华大学出版社1999

[2]唐良瑞，马全明，景晓军图像处理实用技术化学工业出版社，2002

[3]容观澳计算机图像处理清华大学出版社，2000

[4]傅德胜现代图像处理技术与应用南京，东南大学出版社，2001

[5]何孝富活体虹膜识别的关键技术研究上海，上海交通大学，2007

[6]袁晓燕虹膜定位、形变及特征提取研究上海，上海交通大学，2008

[7]SIRVANO,KARLIKB,UGURA.Anefficientirisrecognitionforsecuritypurposes[C].ICGSTInternationalConferenceonGraphics,VisionandImageProcessing,GVIP05,2005.

[8]InstituteofAutomation,ChineseAcademyofSciences.CASIAIrisDatabases[DB/OL].