1、第31卷第5期紅外與激光工程2002年10月虹膜識別算法的研究及實現(xiàn)黃惠芳, 胡廣書(清華大學(xué)電機工程與應(yīng)用電子技術(shù)系, 北京100084摘要:Daugman提出的虹膜識別算法具有準(zhǔn)確性高、速度快的優(yōu)點, 但是有關(guān)該算法的具體實現(xiàn)卻未見文獻報道。對Daugman 的算法進行了研究, 并嘗試該算法的實現(xiàn), 提出了一種新的粗定位和精定位相結(jié)合的算法來快速定位虹膜。在濾波過程中僅利用了實部濾波器就可減少代碼長度, 而不影響識別效果, 其中包括圖像的預(yù)處理、多尺度2D G abor 濾波器的構(gòu)造, Ham 2ming 距離的計算等。實驗結(jié)果表明, 該方法計算速度快, , 別系統(tǒng)。關(guān)鍵詞:虹膜識別; 虹

2、膜定位; G ; ; 距離中圖分類號:TP391:A(2002 0520404206implementation of iris recognition algorithmsHUAN G Hui 2fang , HU Guang 2shu(Department of Electrical Engineering and Applied Electronic Tsinghua University , Beijing 100084, China Abstract :The algorithms for iris recognition set forth by Daugman can perfo

3、rm identification ac 2curately and quickly , but the implementation about the algorithms has not been reported in open litera 2tures. The algorithms are studied and implemented. A new method combining coarse location with fine location is proposed to locate the iris quickly. Furthermore , only the r

4、eal parts of filters are used during the filtering , which can decrease code length and still have good results. The detailed procedure of implementing the algorithms is given , including preprocessing , constructing G abor filters and the computation of iris codes and Hamming distances. The results

5、 show that this approach has very high speed of operation and good results of feature extraction and can be used for actual personal identifica 2tion system.K ey w ords :Iris recognition ; Iris location ; G abor filter ; Feature extraction ; Hammingdistance收稿日期:2001212231; 修訂日期:2002205218作者簡介:黃惠芳(19

6、732 , 女, 遼寧撫順市人, 碩士生, 主要從事圖像處理、生物特征識別的研究工作。 1引言近幾年, 人們對身份的自動鑒別產(chǎn)生了極大興趣, 希望找到可靠、快速和無侵犯的身份鑒別方法。一種新的身份鑒別方法是基于人體自身所固有的生理特征, 這些特征包括指紋、掌形、臉像、虹膜等。與傳統(tǒng)方法中身份標(biāo)識物相比, 生物特征的優(yōu)點是不會丟失、遺忘和偽造, 是安全的鑒別方式。虹膜識別技術(shù)是最近發(fā)展起來的身份鑒別技術(shù), 其優(yōu)點如下:(1 唯一性高。虹膜模式具有266個可測特征。(2 穩(wěn)定性好。虹膜可以保持終生不變。(3 具有防偽性。冒的虹膜。(4 (5 速度快。識別一個人一般只花23s 。虹膜識別已有一定規(guī)模

7、的商業(yè)應(yīng)用, 如機場檢票系統(tǒng)、A TM 取款機等, 另外在網(wǎng)上支付、門禁保安、遠程登錄以及對罪犯或嫌疑人的識別與管理等領(lǐng)域都有很好的應(yīng)用前景。英國劍橋大學(xué)的John. G. Daugman 于1993年提出了識別算法。他提出的虹膜識別算法準(zhǔn)確性高、速度快, 一經(jīng)提出就在生物識別領(lǐng)域引起了極大關(guān)注。但是Daugman 只給出了算法的框架, 有關(guān)算法的具體實現(xiàn)卻未見文獻報道, 在實現(xiàn)的過程中有許多問題值得研究。對虹膜識別的算法進行了實現(xiàn), 并針對實現(xiàn)過程中出現(xiàn)的問題提出了解決辦法, 同時也提出了一些新觀點。具體的實現(xiàn)包括圖像預(yù)處理、構(gòu)造多尺度G abor 濾波器、計算虹膜碼及比較Hamming 距

8、離。實驗證明識別效果較好。2虹膜圖像的預(yù)處理虹膜是眼睛的一個受保護的內(nèi)部器官, 位于角膜和水樣液的后方, 晶狀體的前方, 它是唯一一個通常在外部可見的人體內(nèi)部器官。虹膜即是瞳孔之外的圓環(huán)部分, 在虹膜表面有各種可見特征, 在可見光下或紅外光下可形成明顯的紋理。虹膜圖像可以通過CCD 攝像頭及圖像采集卡輸入計算機。圖1(a 為采集到的一幅虹膜圖像, 其中虹膜占較大部分, 但由于沒有對受試者施加過多的限制, 因此圖像中還包括眼睛周圍的區(qū)域。而且每次虹膜在圖像中的位置、大小以及虹膜的面積都不一樣。因此在提取虹膜特征之前, 需要對虹膜圖像進行預(yù)處理, 補償平移、大小及瞳孔縮放引起的變異, 將虹膜圖像歸

9、一化。2. 1, 瞳孔呈圓形, 可。圓形邊緣檢測器檢測瞳孔的效果比較好, 但是如果對整幅圖像搜索, 卻極為費時。一種新的粗定位與精定位相結(jié)合的方法可快速定位瞳孔的中心及半徑, 這樣既可減少定位搜索的盲目性, 節(jié)省計算時間, 又可避免采用較為復(fù)雜的定位過程。先通過粗定位找到瞳孔的大致位置, 然后在這個位置附近較小的范圍內(nèi)利用圓形檢測器進行精定位, 從而找到瞳孔的精確位置及半徑。粗定位的方法比較簡單、高效, 充分利用了圖像的灰度特征。瞳孔明顯比眼睛的其他部分暗, 因此可以采用二值化的方法定出瞳孔, 提取瞳孔邊界。為了求出瞳孔的參數(shù), 需要求出二值化后的圖像在水平方向的灰度投影量及垂直方向的灰度投影

10、量, 然后分別求導(dǎo)、平滑。通過檢測明顯的峰值找到瞳孔中心的坐標(biāo)及半徑。由于二值化后的圖像中不僅包括瞳孔, 還有部分灰度值比較小的睫毛存在, 因此這種方法定位不夠精確, 但給出了精定位的大致范圍。將圓形檢測器的搜索范圍限制在這個范圍內(nèi)進行精確定位, 這樣定出的參數(shù)可達到單像素精度, 有利于精確的匹配。通過兩步法, 瞳孔定位不僅準(zhǔn)確, 而且速度很快, 約0. 9s , 可以滿足實時性的要求。對于虹膜外邊界的定位, 由于虹膜略偏向于鼻側(cè), 與瞳孔是不同心的, 因此可以利用類似的邊緣檢測器分別求出瞳孔中心到虹膜左右504第5期黃惠芳等:虹膜識別算法的研究及實現(xiàn)邊界的距離。虹膜外邊界其他各點的位置及到瞳

11、孔中心的距離可以通過幾何方法計算求得。通過虹膜定位, 就將虹膜從圖像中分離出來, 補償了虹膜平移引起的變異, 如圖1(b 。2. 2虹膜圖像的歸一化為了實現(xiàn)精確的匹配, 還要對圖像進行歸一化, 補償大小和瞳孔縮放引起的變異。虹膜的內(nèi)外邊界都為圓形, 可以簡單地利用幾何方法歸一化。以瞳孔圓心為起點, 與虹膜內(nèi)外邊界的交點坐標(biāo)分別為(x p ( , y p ( 和(x s ( , y s ( , 則利用下式:x (r , =(1-r x p ( +rx s ( y (r , =(1-r y p ( +ry s ( (1(r , 中。(a 原始虹膜圖像(b 虹膜定位后圖像(c 虹膜歸一化后的圖像(a

12、 Original iris image (b Image after iris location (c Image after iris normalization圖1圖像預(yù)處理Fig. 1Image preprocessing, 一部分, , 135360的虹膜區(qū)域。這樣截取一方面比較簡單, 另一方面利用截取的這部分紋理信息可以識別出不同的人。然后將截取的虹膜區(qū)域在極坐標(biāo)系中展成矩形, 使矩形的行對應(yīng)半徑, 矩形的列對應(yīng)所取的角度, 如圖1(c 所示。虹膜紋理從瞳孔內(nèi)側(cè)起沿半徑方向由細到粗, 不同的空間特征在各種尺度上非常明顯。因此, 為了捕獲虹膜的空間細節(jié), 利用多尺度表達, 將虹膜圖像

13、沿半徑方向分成8個帶。圖像的各個帶展成多大是一個值得考慮的問題。因為每個帶還要在后面進行濾波運算, 因此每個帶的行數(shù)應(yīng)與相應(yīng)濾波器的行數(shù)相等。但濾波器的尺寸都比較大, 如果按濾波器的行數(shù)展開會增加計算時間。因此各帶圖像展開的實際行數(shù)要比濾波器的小些, 可以通過后面的數(shù)據(jù)擴展達到要求。這樣做可以節(jié)省展開圖像所花費的時間。另外不能為了節(jié)省時間使各帶圖像展開的列數(shù)太小, 因為紋理特征主要分布在行方向, 圖像列數(shù)太小降低了紋理的分辨率, 會影響識別效果。3虹膜紋理的特征提取3. 1G abor 濾波器, 2D 濾波器是Dennis G abor 于1。2D G abor 濾波器最初由Daugman 在

14、1980年提出2, 其形式如下:G (x , y =exp-(x -x 0 2a 2+(y -y 0 2b 2exp-2j u 0(x -x 0 +v 0(y -y 0 (2其2D 傅里葉變換為:F (u , v =exp-(u -u 0 2a 2+(v -v 0 2b 2exp-2j x 0(u -u 0 +y 0(v -v 0 (3Daugman 在1985年詳細論述了它們的數(shù)學(xué)特性3,指出2D G abor 濾波器提供空間頻率、方向、空間位置 604紅外與激光工程2002年第31卷的最大分辨率, 因此在空間域和頻率域中具有良好的聯(lián)合定位能力。這些特性特別適合紋理分析。2D G abor

15、函數(shù)通過縮放、旋轉(zhuǎn)和平移可以形成一組自相似的小波。利用這些小波對圖像進行變換, 就稱為G abor 小波變換。這些函數(shù)與原始圖像像素相乘和積分可產(chǎn)生一系列系數(shù), 從而可以提取圖像紋理信息 。圖2第一分析帶上的G abor 濾波器(a 為實部, (b 為虛部Fig. 2(a Real and (b imaginary G abor ter used across the first zone 3. 2abor 濾波器Daugman 在虹膜識別中使用的2D G abor 濾波器是在極坐標(biāo)系中定義的, 形式如下4,5 :G (r , =e -i(-0 e-(r -r 022e-(-0 22(4它是2

16、D 高斯函數(shù)與復(fù)指數(shù)的乘積。尺度參數(shù), 決定濾波器的大小, 他們與頻率成反比變化, 這樣產(chǎn)生一組自相似的多尺度小波, 只不過這些小波的頻率調(diào)制方向都是沿著方向, 位置由0和r 0確定。但它的實部不是帶通濾波器。紋理圖像含有直流分量, 為了使計算出的虹膜碼獨立于照明強度, 應(yīng)除去直流響應(yīng), 使它成為帶通濾波器。虛部本身就是帶通的。帶通濾波器還可以濾掉高頻分量, 消除圖像中的高頻噪聲。這與虹膜紋理的頻率分布特點很吻合, 因此, 能可靠地提取紋理。構(gòu)造G abor 濾波器時, 尺度的選擇很重要, 在很大程度上與虹膜展開圖的大小有關(guān)。尺度過大會漏掉紋理特征, 造成相同虹膜的Hamming 距離偏大,

17、不同虹膜的Hamming 距離偏小; 尺度過小, 會把高頻噪聲當(dāng)作紋理特征, 結(jié)果使Hamming 距離都比較大。取樣點數(shù)與尺度成正比增加, 并且要保證足夠的取樣點數(shù), 使波形完整。頻率與取樣點數(shù)成反比變化, 設(shè)p 為取樣點數(shù), =4(p -1 。這樣, 構(gòu)造8個不同尺度但是形狀相同的G abor 濾波器, 其具體參數(shù)如表1所示, 第一分析帶使用的G abor 濾波器, 如圖2所示。表12D G abor 濾波器的參數(shù)T ab. 1Parameters of 2D G abor f iltersZ one of analysis=Scale frequency11853257326123265

18、522234696242387772624285830246933. 3計算虹膜碼某一分析帶內(nèi)的虹膜紋理可以取分析帶的中間一行, 虹膜紋理特征表現(xiàn)為不同寬度的峰和谷, 如圖3所示。圖3虹膜圖像的紋理(其中上、中曲線來自同一個虹膜, 下圖來自另一個虹膜Fig. 3Textures of iris images :the first and second curves from same iris ; the final one from another different iris用構(gòu)造的8個多尺度G abor 濾波器對虹膜圖像的各個分析帶濾波。大尺度G abor 濾波器在頻域的頻譜很窄, 中心

19、頻率較小, 可以通過較低頻率的紋理704第5期黃惠芳等:虹膜識別算法的研究及實現(xiàn) 圖4濾波結(jié)果Fig. 4Filtered results成分; 相反小尺度G abor 濾波器的頻譜較寬, 中心頻率較大, 可以通過較高頻率的紋理成分。因此, 在靠近瞳孔的一側(cè)使用小尺度濾波器, 隨著半徑的增加, 濾波器尺度不斷加大。另外, 僅利用了實部濾波器, 原因在后邊闡述。在濾波時, 由于G abor 數(shù)大于各分析帶的行數(shù), , ; , 。擴展后, 每個G abor 濾波器在相應(yīng)的分析帶內(nèi)沿著中間行逐點移動, 計算卷積, 可產(chǎn)生長度為400點的1D 信號。圖4是圖3的2D 濾波結(jié)果。可以看出輸出的信號圍繞0

20、點上下波動, 使圖3中的紋理特征更加突出。將所有的濾波結(jié)果根據(jù)符號進行量化, 可以產(chǎn)生8段代碼, 每段為400位, 一共400Bytes 的虹膜碼。因為濾波只是對每個分析帶的中間一行進行, 而不是對每個分析帶的所有行, 這就使計算量明顯減小, 加快運算速度。4虹膜碼間的H amming 距離虹膜圖像變成400Bytes 的代碼后, 需要進行模式匹配。利用Hamming 距離可以比較兩個虹膜碼間的距離, 任兩個虹膜碼間的Hamming 距離定義為:HD =32003200 j =1Aj(XO R B j (5即將不同的虹膜碼進行按位異或比較, 其中, A 和B表示不同的虹膜碼, j 表示虹膜碼的

21、位, 范圍在13200。由于頭部或照相機傾斜、眼睛扭轉(zhuǎn)使虹膜轉(zhuǎn)動時, 會造成虹膜碼的8段量化結(jié)果移位。因此需要對兩個虹膜碼的對應(yīng)段進行移位比較, 為各段代碼指定的移動位數(shù)均為10。從這些移位比較中找出一個最小的Hamming 距離值作為每段的Hamming 距離, 一共8個Hamming 距離。兩個虹膜碼間的Hamming 距離就是8個Hamming 距離的平均值。5實驗結(jié)果及分析對15, 其中每個虹膜, , 8。對這30個圖像分別 距離, 并可得到Hamming 距離的分圖5根據(jù)實驗結(jié)果計算出的Hamming 距離分布Fig. 5Distribution of Hamming distanc

22、es computed according to experimental results布, 如圖5所示。其中相同虹膜的Hamming 距離分布的均值為0. 1680, 不同虹膜的Hamming 距離分布的均值為0. 4122。英國電信計算出的相同虹膜的Hamming 距離分布的均值為0. 084, 不同虹膜的Hamming 距離分布的均值是0. 456。與英國電信的數(shù)據(jù)相比, 得到的相同虹膜的Hamming 距離偏大, 而不同虹膜的Hamming 距離偏小。估計原因是采集到的虹膜圖像上有反射光斑, 并且光斑的位置是不確定的, 如果想辦法將光斑除掉的話, 識別效果應(yīng)該更好些。盡管如此, 相同

23、虹膜的Hamming 距離的最大值小于0. 25, 而不同虹膜的Hamming 距離最小值大于0. 35。得到的數(shù)據(jù)在0. 250. 35之間沒有分布, 因此可以在此區(qū)間選擇分離點。一般希望誤接收率低804紅外與激光工程2002年第31卷第 5 期 黃惠芳等 : 虹膜識別算法的研究及實現(xiàn) 409 些 ,可以將分離點的 Hamming 距離選擇的小些 ,定為 0. 27 ,比 0. 27 小判為來自相同虹膜 , 比 0. 27 大判為 的改進 。因此 ,只需要選擇 Gabor 濾波器的實部進行 濾波就可以了 。這樣會使代碼長度減少一半 ,從而使 模式匹配時間減少 ,更重要的是節(jié)省了虹膜碼的存儲

24、空間 。 來自不同虹膜 。當(dāng)然 , 目前的圖像數(shù)還比較少 , 以后 還要進行大量圖像實驗 ,分離點可以根據(jù)需要進行調(diào) 整。 在計算虹膜碼時 , 僅利用了實部濾波器 , 而不是 同時使用虛部濾波器 。表 2 和表 3 是 Gabor 濾波器 分別提取實部 、 虛部和實部加虛部時虹膜碼的 Ham2 ming 距離的比較 。 6 結(jié) 論 對 Daugman 提出的虹膜識別方法進行了嘗試和 研究 ,提出了新的虹膜定位方法 , 而且 Gabor 濾波器 對分析帶濾波的計算量很少 ,從而也可滿足速度上的 要求 ,便于實時實現(xiàn) 。實驗證明 , 該方法識別效果較 好 ,對虹膜的平移 、 縮放 、 旋轉(zhuǎn)和瞳孔縮

25、放 、 光照強度 不敏感 ,而且在有反射光斑的情況下仍然可以達到滿 意的識別效果 。但是 Gabor 濾波器參數(shù)的選擇對識 別效果的影響還需要進一步研究 。實驗樣本較少 ,還 需進行大量樣本實驗 ,以驗證算法的健壯性 。 2 表 不同 G abor 濾波器對相同虹膜的 H amming 距離比較 Tab. 2 Comparison of H amming distances from the same irises of G abor f ilters in different types Real plus Real Imaginary 0. 1691 0. 0347 Hamming dis

26、tance Mean imaginary 0. 1681 0. 0315 0. 1680 0. 0292 Standard deviation 參考文獻 : 表3 不同 G abor 濾波器對不同虹膜的 H amming 距離比較 1 Gabor D. Theory of communication J . J Inst Elec Eng , 1946 , 93 :4292457. 116021169. Tab. 3 Comparison of H amming distances from the different irises of G abor f ilters in different types Real plus Hamming distance Mean Real Imaginary 0. 4089 0. 0223 imaginary 0. 4106 0. 0214 0. 4122 0. 0220 Standard deviation 從上表可以看出 ,三種情況下效果差不多 , Gab