虹膜識別原理

虹膜中包含豐富的色素細(xì)胞，當(dāng)外部光線照射到眼睛上時，由于不同人的色素細(xì)胞對光有不同的吸收率，使得虹膜呈現(xiàn)不同的顏色。從識別的角度來說，虹膜的顏色信息并不具有廣泛的區(qū)分性，那些相互交錯的類似于斑點、細(xì)絲、冠狀、條紋、隱窩等形狀的細(xì)微特征才是虹膜唯一性的體現(xiàn)。這些細(xì)微特征在彩色圖像和灰度圖像中是一致的，因此一般采用灰度圖像進(jìn)行虹膜識別的研究。

虹膜識別技術(shù)的基本步驟為(如圖3-1所示)：

(1)圖像采集，用于獲取虹膜圖像;

(2)虹膜圖像預(yù)處理，進(jìn)行虹膜內(nèi)外邊緣定位、歸一化和圖像增強等;

(3)特征提取，得到虹膜紋理的特征編碼;

(4)特征匹配，將提取的虹膜特征編碼與特征模板進(jìn)行匹配以區(qū)分不同的虹膜。

虹膜識別算法——二維Gabor小波

此算法是Daugman博士于1993年在文獻(xiàn)中提出的。在定位虹膜時使用了從粗到精的策略最后達(dá)到單像素的精度，并估計出虹膜和瞳孔的中心以及半徑。一般來說，瞳孔的中心和虹膜是不同心的，瞳孔中心的重要性比虹膜的中心稍差一些，它的半徑是虹膜半徑的0.1到0.8倍。因此，決定瞳孔的圓周的三個參數(shù)必須與虹膜的圓周分開估算。在Daugman系統(tǒng)中，設(shè)計的二維Gabor濾波器對歸一化后的虹膜紋理進(jìn)行濾波，其公式如(4-1)

如圖4-1所示

Daugman的方法中同時使用二維Gabor濾波器的實部和虛部描述虹膜，利用其對虹膜圖像進(jìn)行濾波處理，然后將濾波后結(jié)果的極性量化為2位二進(jìn)制數(shù)：當(dāng)實部和虛部均為正時量化值為11;實部為正虛部為負(fù)時為10;實部為負(fù)虛部為正時為01;實部和虛部均為負(fù)時為00，從而得到虹膜特征碼。圖4-2是虹膜特征碼及其編碼過程示意圖。

虹膜識別算法——Wildes的虹膜定位算法

此算法是MIT人工智能研究室的Wildes博士于1997年在文獻(xiàn)中提出的。算法分為2步，第一步將灰度圖轉(zhuǎn)化為二值邊緣化，第二步由邊緣點進(jìn)行投票得到準(zhǔn)確的邊界輪廓參數(shù)值。邊緣是圖像中灰度發(fā)生急劇變化的區(qū)域邊界，圖像灰度的變化情況可以用圖像灰度分布的梯度來反映。因此可以利用基于梯度的邊緣檢測算子來檢測邊緣像素。這個算子的定義如式(4-2)：

Hough變換是利用圖像的全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法。在預(yù)先知道區(qū)域形狀的條件下，利用Hough變換可以方便地得到邊界曲線，將不連續(xù)的邊緣像素點連接起來。Hough變換的主要優(yōu)點是受噪聲和曲線間斷的影響較少，可以直接檢測某些已知形狀的目標(biāo)。由于我們已經(jīng)事先知道了虹膜的內(nèi)外邊緣為圓形，因此就可以用上述的Hough變換來進(jìn)行檢測。首先讓(Xc，Yc，r)這三個參數(shù)在一定的范圍內(nèi)依次變化，對于j=1，2，，，n，由式(4-7)計算出g(Xi，Yi，Xc，Yc，r)的值，進(jìn)而對每一組固定的(Xc，Yc，r)計算出h(Xi，Yi，Xc，Yc，r)的值，將這個數(shù)值帶入式(4-5)中進(jìn)行累加，得到H(Xc，Yc，r)，使其達(dá)到最大值的那一組即為所求的圓心與半徑。

用同樣的方法可以去檢測上下眼瞼，只不過眼瞼的形狀是弧形的，可以把式(4-7)中圓的方程改變?yōu)闄E圓的方程。

虹膜識別算法——基于過零點檢測的方法

基于過零點表示的方法最早被Boles采用。這種方法利用小波變換的過零點和兩個連續(xù)過零點之間的小波變換的積分平均值來表示虹膜特征。通過兩個自定義的相似度函數(shù)計算兩個虹膜紋理間的距離，得到識別結(jié)果。在Boles的算法中，先沿以虹膜中心為圓心的同心圓對虹膜圖像采樣，把二維的虹膜圖像變?yōu)橐痪S的信號，然后對它進(jìn)行小波變換。這里所用的小波函數(shù)是三次樣條函數(shù)的一階導(dǎo)數(shù)。為了減少噪聲對這種表示方法的影響，只選用了四級較低分辨率的小波變換結(jié)果來提取虹膜特征。最后對變換結(jié)果的各個過零點區(qū)間進(jìn)行積分和定位得到虹膜一維信號小波變換的過零點表示，如圖4-5所示。BoleS的方法相對比較簡單，但是算法的魯棒性較差，很容易受圖像質(zhì)量影響。

關(guān)鍵詞：