大熱的虹膜識別系統(tǒng)的硬件設(shè)計與實現(xiàn)，系統(tǒng)方案、軟件流程、算法設(shè)計

摘要：

生物識別技術(shù)是近年來興起的身份識別技術(shù)，由于它利用了人體的某些具有終生不變性與唯一性的特征，使得這種技術(shù)不但具有極高的可靠性，而且操作方便快捷。在各種基于生物特征的身份識別技術(shù)中，紅魔不但具有類似質(zhì)問的獨一無二的個人特征；而且，虹膜是身體中的公開的部位，易于通過機(jī)器視覺進(jìn)行遠(yuǎn)程檢查，所以它是一種非侵犯性的生物識別技術(shù)，因此，基于虹膜的身份識別系統(tǒng)是規(guī)模前國內(nèi)外發(fā)展很快的一個研究熱點。

本文介紹了以在xilinx公司的spartan3e芯片為核心的開發(fā)板上實現(xiàn)虹膜身份識別系統(tǒng)。

本文對虹膜識別系統(tǒng)的圖像獲取、虹膜定位、虹膜圖像的特征提取、建立虹膜特征數(shù)據(jù)庫、分類器的設(shè)計及圖像之間的匹配進(jìn)行了討論，然后給出了識別結(jié)果。

首先，根據(jù)畫面圖像灰度分布規(guī)律性并利用sobel算子進(jìn)行邊緣檢測，然后用Hough進(jìn)行內(nèi)部邊緣定位；用基于2D-Gabor濾波器提取虹膜紋理的相位信息；在分類器設(shè)計時采用了比較不同虹膜編碼之間的Hamming距離方法，該方法只需進(jìn)行異或運算，從而達(dá)到了很高的匹配速度。

1 緒論

1.1 虹膜識別技術(shù)的主要特點

虹膜身份識別是一種新型的生物識別技術(shù)。利用虹膜作為身份識別的依據(jù)，具有以下的優(yōu)點：

高獨特性：虹膜的獨特性最早由解剖學(xué)家F.H.Adler在1965年提出。虹膜的組織結(jié)構(gòu)由前到后可分為四層，即前表面層、基質(zhì)與瞳孔括約肌、前上皮與瞳孔擴(kuò)大肌、后色素上皮。這四層結(jié)構(gòu)中的纖維細(xì)胞、膠原結(jié)締組織框架網(wǎng)、血管等使虹膜具有豐富的紋理信息，也造成每個人的虹膜各不相同。據(jù)宣稱，沒有任何兩個虹膜是一樣的，任意兩個虹膜紋理相同的概率小于10～35，即使雙胞胎其虹膜也是不一樣的。這就為虹膜身份鑒別提供了最基本的物質(zhì)基礎(chǔ)。由于虹膜的紋理信息要遠(yuǎn)高于指紋的紋理細(xì)節(jié)信息，虹膜模式具有266個可測特征，遠(yuǎn)多于其他的技術(shù)，理論上虹膜身份識別達(dá)到較指紋識別、人臉識別、指形式別等更高的準(zhǔn)確度。

高溫定型：虹膜作為人體器官并不是直接暴露于外，它受到眼皮、角膜的保護(hù)，外界物質(zhì)不易侵入眼內(nèi)對其造成傷害。而且虹膜總是受到體內(nèi)液體的潤滑，很少發(fā)生病變。這樣吧、避免了指紋、掌紋識別等易因外傷引起個人特征變化的問題。另外，虹膜在1歲左右就已發(fā)育完成，隨著人的生長發(fā)育虹膜細(xì)節(jié)基本不會改變，也就是說虹膜在人的一生中是相當(dāng)穩(wěn)定的。

天然的防偽性：虹膜的自然生理特性為虹膜識別系統(tǒng)提供了鑒別偽造虹膜提供了依據(jù)。首先，虹膜中部的瞳孔具有不穩(wěn)定性，它會因肌纖維震顫而不停變化。其次，瞳孔會因光線的變化而引起非常明顯的收縮或舒張。通過對瞳孔大小的檢測（虹膜內(nèi)邊緣定位）就可較容易地分辨虹膜的真?zhèn)?。而目前?yīng)用較廣泛的指紋識別的防偽性較差，易被偽造，據(jù)報道，橡膠指紋套有60%通過識別。

無侵犯性：虹膜身份識別的過程中只需用戶位于設(shè)備之前而無需物理的接觸，不會因為受傷而改變，指紋則容易因受傷而改變，便于用戶使用。而指紋識別、指形識別等需要待檢測者與傳感器相接觸，會帶來不舒適感。

目前，雖然指紋是比較流行的生物識別方式，但是虹膜的發(fā)展前景明顯比指紋光明。首先，虹膜技術(shù)的識別精度高，即使同一個人左右兩眼虹膜也有差別，相較而言指紋識別更容易出錯；其次，指紋容易受磨損、劃傷等外部因素的干擾；而一個人的虹膜2歲后就基本穩(wěn)定不變了。除非有白內(nèi)障等眼疾發(fā)作；再次，指紋需要接觸，對人的侵犯性較強(qiáng)，而虹膜只需要看一下攝像機(jī)就能提取，不會傷害到眼睛。

1.2 虹膜識別系統(tǒng)的應(yīng)用現(xiàn)狀

目前虹膜身份識別技術(shù)已開始走向商業(yè)領(lǐng)域，如Oki電器工業(yè)公司和日本賽馬協(xié)會聯(lián)合研制的賽馬虹膜身份識別系統(tǒng)；Siemens Nixdorf公司有著手試圖將虹膜身份識別技術(shù)集成在他們的自動取款機(jī)上。特別是受9.11時間的影響，美國境內(nèi)的兩大機(jī)場——紐約肯尼迪機(jī)場和波士頓羅根機(jī)場開始使用一種新的虹膜掃描識別系統(tǒng)，主要用于機(jī)場內(nèi)部要害屈居。在國內(nèi)因為密碼被盜而引起的損失比較嚴(yán)重，如果虹膜授粉識別技術(shù)能成功被廣泛應(yīng)用，將會對各界都有正面的影響。虹膜識別系統(tǒng)，可以應(yīng)用在許多的領(lǐng)域，特別是對于安全度要求較高的場所。例如：

(1).金庫管理系統(tǒng)

(2).金融管理

(3).罪犯或嫌疑人的識別與管理

(4).機(jī)場檢票系統(tǒng)

因此虹膜身份識別技術(shù)具有廣泛的應(yīng)用前景，有著重要的學(xué)術(shù)價值和實際意義。

2 系統(tǒng)指標(biāo)

(1)識別準(zhǔn)確率指標(biāo)：

錯誤拒絕率10^-2

錯誤接收率10^-2；

(2)識別時間指標(biāo)：

虹膜圖像采集時間0.1s;

虹膜圖像編碼時間1.0s;

圖像數(shù)據(jù)庫檢索時間0.5s;

虹膜識別判決時間0.1s.

(3)虹膜采集器指標(biāo)：

CMOS成像器件分辨率=640*480;

256灰度級圖視頻采樣速度=15幀/秒。

3 系統(tǒng)方案

虹膜識別系統(tǒng)由圖像采集，圖像預(yù)處理，虹膜特征提取和編碼，模式匹配四個部分組成。虹膜圖像的圖像預(yù)處理包括虹膜定位、歸一化、圖像增強(qiáng)等步驟。系統(tǒng)模塊如圖。

虹膜圖像采集系統(tǒng)：我們希望研究在不同光照下采集虹膜圖像質(zhì)量。經(jīng)驗證明人類虹膜的直徑約為1cm，為了獲得有足夠信息量的虹膜圖像通常要求由特制的攝像器材組成的采集系統(tǒng)，拍攝距離一般不超過十幾厘米。適度的照明對于虹膜圖像采集也是非常重要的，太強(qiáng)的照明會令人眼感到不適，光照太弱則圖像缺乏必要的灰度對比，增大量化誤差。兩外，在圖像采集的過程中照明光源常常會在虹膜上留下較明顯的光斑，形成了噪聲污染。這里的關(guān)鍵問題是：研究一個敏感最優(yōu)的光源使光斑的尺寸精良小、虹膜特征盡量清晰，噪聲污染的位置保持一致，減少圖像畸變。

虹膜定位和歸一化算法：采集的圖像包括大量的非虹膜區(qū)，如部分人臉、眼鞏膜、眼睫毛等。這些區(qū)域的信息不被虹膜識別所利用，進(jìn)行虹膜定位通過確定虹膜的內(nèi)外邊界去除這些無用的信息。圖像采集時不同的兩次拍攝人眼到鏡頭的距離不可能保持完全一致，造成虹膜圖像有一定的尺寸差異。如果當(dāng)拍攝時人的頭部的傾斜，也會造成圖像有一定角度的旋轉(zhuǎn)。進(jìn)行圖像校正可以避免上述情況帶來的誤差。這里的關(guān)鍵問題有兩個：快速精確地從包含大量非虹膜部分的圖像中定位虹膜，并對其邊界或數(shù)學(xué)模型進(jìn)行描述；利用幾何變換抵消拍攝時的虹膜圖像變形的干擾。

特征提取和編碼算法：由于虹膜的結(jié)構(gòu)組織較復(fù)雜（分四層），其中的纖維細(xì)胞、結(jié)締組織、毛細(xì)血管和色素等都會對虹膜的紋理產(chǎn)生較大的影響，因此虹膜的紋理結(jié)構(gòu)極為復(fù)雜，不像指紋識別一樣能提供清晰的特征點（指紋的交叉點和端點）或特征線。所以目前對虹膜的紋理特征認(rèn)識尚未達(dá)到統(tǒng)一，各個研究機(jī)構(gòu)所采用的虹膜紋理特征常有較大的區(qū)別，編碼方式也有很大不同。希望尋找有較清晰物理意義的虹膜紋理特征，研究一種新的虹膜特征提取和編碼算法，將一幅數(shù)據(jù)量較大的虹膜圖像利用一個數(shù)據(jù)量較小的特征矢量來描述，并通過大量的實驗數(shù)據(jù)來證明特征選取的合理性，和算法的有效性、準(zhǔn)確性。這里的關(guān)鍵問題有兩個：有數(shù)學(xué)模型來描述虹膜的紋理結(jié)構(gòu)，根據(jù)該模型的特點尋找可區(qū)分虹膜的一半特征；構(gòu)造相應(yīng)的函數(shù)或濾波器對此特征進(jìn)行提取，并尋找快速的特征矢量編碼方法。

比較和判決算法：由于虹膜紋理的復(fù)雜性，目前各種特征提取和編碼的多樣性，現(xiàn)有的比較和判決算法也是各不相同。將根據(jù)上一步得到的特征矢量本身物理意義研究新的比較和判決算法。這里的關(guān)鍵問題是：尋找虹膜特征矢量的快速匹配方法，并利用模式識別、信號檢測的相關(guān)技術(shù)減小判決誤差。

4. 系統(tǒng)算法設(shè)計

4.1 邊緣定位

虹膜的定位問題即是圖像的邊緣檢測問題。邊緣是圖像的基本特征且保留了原始圖像中相當(dāng)重要的部分信息，而又使得總的數(shù)據(jù)量減少了很多。準(zhǔn)確提取邊緣既能減少圖像處理的信息量，又可重點描述物體的形態(tài)特征，為進(jìn)一步的處理奠定基礎(chǔ)。

經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個鄰域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)的變化規(guī)律。這種方法稱為邊緣檢測局部算子法。

索貝爾算子（Sobel operator）是圖像處理中的算子之一，主要用作邊緣檢測。在技術(shù)上，它是一離散性差分算子，用來運算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點使用此算子，將會產(chǎn)生對應(yīng)的梯度矢量或是其法矢量。Sobel算子是在Prewitt算子的基礎(chǔ)上，對4一領(lǐng)域采用加權(quán)的方法計算差分，它由下式給出:

由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)， 簡單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來，換言之就是Sobel算子沒有基于圖像灰度進(jìn)行處理，由于Sobel算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。 在觀測一幅圖像的時候，我們往往首先注意的是圖像與背景不同的部分，正是這個部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點滿足正態(tài)分布時所求解是最優(yōu)的。

核心公式：該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像，Gx及Gy分別代表經(jīng)橫向及縱向邊緣檢測的圖像，其公式如下:

圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結(jié)合，來計算梯度的大小。然后可用以下公式計算梯度方向。在以上例子中，如果以上的角度Θ等于零，即代表圖像該處擁有縱向邊緣，左方較右方暗。

Hough變換

Hough變換是圖像處理中從圖像中識別幾何形狀的基本方法之一。Hough變換的基本原理在于利用點與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達(dá)形式變?yōu)閰?shù)空間的一個點。這樣就把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題。也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。比如直線、橢圓、圓、弧線等。

1、已知半徑的圓

其實Hough變換可以檢測任意的已知表達(dá)形式的曲線，關(guān)鍵是看其參數(shù)空間的選擇，參數(shù)空間的選擇可以根據(jù)它的表達(dá)形式而定。比如圓的表達(dá)形式為，所以當(dāng)檢測某一半徑的圓的時候，可以選擇與原圖像空間同樣的空間作為參數(shù)空間。那么圓圖像空間中的一個圓對應(yīng)了參數(shù)空間中的一個點，參數(shù)空間中的一個點對應(yīng)了圖像空間中的一個圓，圓圖像空間中在同一個圓上的點，它們的參數(shù)相同即a，b相同，那么它們在參數(shù)空間中的對應(yīng)的圓就會過同一個點（a，b），所以，將原圖像空間中的所有點變換到參數(shù)空間后，根據(jù)參數(shù)空間中點的聚集程度就可以判斷出圖像空間中有沒有近似于圓的圖形。如果有的話，這個參數(shù)就是圓的參數(shù)。

2、未知半徑的圓對于圓的半徑未知的情況下，可以看作是有三個參數(shù)的圓的檢測，中心和半徑。這個時候原理仍然相同，只是參數(shù)空間的維數(shù)升高，計算量增大。圖像空間中的任意一個點都對應(yīng)了參數(shù)空間中的一簇圓曲線。，其實是一個圓錐型。參數(shù)空間中的任意一個點對應(yīng)了圖像空間中的一個圓。

4.2虹膜圖像的歸一化

環(huán)形的虹膜圖像決定了圖像編碼時用極坐標(biāo)更為方便，因此需要對原圖進(jìn)行坐標(biāo)變換，即圖像歸一化。虹膜歸一化的目的是將每幅原始圖像調(diào)整到相同的尺寸和對應(yīng)位置，從而消除平移、放縮和旋轉(zhuǎn)對虹膜識別的影響。歸一化后的虹膜圖像具有旋轉(zhuǎn)不變性和瞳孔縮放不變性，消除了人眼球轉(zhuǎn)動和瞳孔縮放對圖像識別的影響。假設(shè)已經(jīng)得到的虹膜的內(nèi)、外邊界圓周的參數(shù)分別為：和。我們采用極坐標(biāo)變換的方法進(jìn)行歸一化。由于虹膜的內(nèi)外圓邊界不是同心的，所以這種極坐標(biāo)變換也不是同心的。

設(shè)內(nèi)圓圓心為虹膜外沿圓心為，半徑為r；虹膜內(nèi)沿圓心為，半徑為r；A為虹膜外沿上任意一點；ａ和0為坐標(biāo)變換中用到的輔助角。根據(jù)和的相對位置，可以分為以下幾種情況：

虹膜圖像歸一化原理圖

不失一般性，以第二種情況為例，虹膜圖像歸一化的原理如圖所示。以內(nèi)圓圓心作為極坐標(biāo)系統(tǒng)的中心，做與水平線成0角的射線，它與內(nèi)、外邊界各有一個交點，分別記做A和B，則有：

這種由直角坐標(biāo)下的虹膜圖像到極坐標(biāo)下的映射可以表示為:

這種映射對于平移和內(nèi)外圓環(huán)的大小變換具有不變性，而對于旋轉(zhuǎn)變化，將在后面的算法中提取旋轉(zhuǎn)不變的特征。綜上所述，整個虹膜識別的過程對于虹膜圖像的旋轉(zhuǎn)、平移和尺度變化以及瞳孔的收縮都具有不變性。

歸一化之后的圖像在極坐標(biāo)系下，如下圖:

虹膜歸一化后圖

4.3 虹膜圖像的增強(qiáng)

圖像增強(qiáng)，小波變換將一幅圖像分解為大小、位置和方向都不同的分量。在做逆變換之前可以改變小波變換域中某些系數(shù)的大小，這樣就能夠有選擇的放大所感興趣的分量而減少不需要的分量。給定一個圖像信號，用一維小波分析對圖像進(jìn)行增強(qiáng)處理。由于圖像經(jīng)一維小波分解后，圖像的輪廓主要體現(xiàn) 低頻部分，而細(xì)節(jié)部分則體現(xiàn)在高頻部分，因此，可以通過對低頻分解系數(shù)進(jìn)行增強(qiáng)處理，對高頻分解系數(shù)進(jìn)行衰減處理，即可以達(dá)到圖像增強(qiáng)的作用。

虹膜圖像增強(qiáng)，即對虹膜圖像進(jìn)行直方均衡化。

直方圖表示的是圖像中每一灰度級與其出現(xiàn)頻婁之間的統(tǒng)計關(guān)系，用橫坐標(biāo)表示灰度級，縱坐標(biāo)表示頻數(shù)。直方圖能反映出圖像的灰度范圍、每個灰度級的頻數(shù)、灰度分布情況、整幅圖像的亮度等，它是對圖像進(jìn)行處理的重要依據(jù)。如對直方圖進(jìn)行均衡化修正，可使圖像的灰度間距增大或灰度均勻分布、增大反差，使圖像的細(xì)節(jié)變得清晰。均衡化修正的基本思想是將出現(xiàn)頻數(shù)較少的灰度級并入鄰近的灰度級中，從而減少圖像的灰度等級，增加其對比度。

下圖為虹膜增強(qiáng)圖像。從圖中可以看出，增加了圖像的對比度，減少了非均勻光照的影響，從而消除了光照不均勻?qū)缒D像的影響。

虹膜增強(qiáng)圖像

4.4 特征提取和編碼

特征提取是對預(yù)處理后的虹膜圖像提取特征，是對包含大量信息的圖像去粗取精的過程。由于原始圖像數(shù)據(jù)量相當(dāng)大，需要把這些數(shù)據(jù)轉(zhuǎn)換為若干特性，繼而對特征數(shù)據(jù)進(jìn)行分析，為了提高分類處理的速度和精度，對提取的特征還需要選擇最有代表性的特征，使其信息冗余度最小，且希望特征具有平移、旋轉(zhuǎn)和尺度不變性。從數(shù)學(xué)意義上講，特征提取相當(dāng)于把一個物理模式變?yōu)橐粋€隨機(jī)向量。如果抽取了m個特征，則物理模式可利用一個m維隨機(jī)特征向量描述，表現(xiàn)為m維歐式空間中的一個點。在虹膜識別中，常被選擇的特征有:圖像幅度特征、圖像統(tǒng)計特征、圖像變換系數(shù)特征和圖像紋理特征等。為了達(dá)到特征提取的目的，多種方法都可以使用。比較經(jīng)典的是Daugman提出的利用多尺度Gabor濾波器分解出虹膜紋理相位信息進(jìn)行編碼的算法;

Gabor濾波器

Daugman在1985年詳細(xì)論述了Gabor濾波器的數(shù)學(xué)特性，指出二維Gabor濾波器提供空間頻率、方向、空間位置的最大分辨率，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。二維Gabor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(jìn)行變換，就稱為Gabor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。根據(jù)以下所述的Gabor小波的特性，可以更進(jìn)一步的了解二維Gabor小波，它非常適合提取圖像細(xì)節(jié)紋理特征。

使用二維Gabor小波進(jìn)行虹膜圖像的紋理分析有以下優(yōu)點：

(1)--維Gabor小波變換屬于二維連續(xù)小波變換，因此具有比較好的方向選

擇性；

(2)二維Gabor小波本身屬于高斯小波族，因此二維Gabor小波是在時頻聯(lián)

合分布域中具有最好的分辨力的小波函數(shù)之一；

(3)二維Gabor小波是高斯小波的單頻率復(fù)正弦函數(shù)，因此在進(jìn)行特征提取完成后，可以利用計算得到的特征值的相位特性來進(jìn)行編碼和匹配，簡化了編碼的過程。

用多通道G曲or濾波進(jìn)行紋理分析有其生理學(xué)等方面的基礎(chǔ)。我們假設(shè)每一通道的數(shù)學(xué)模型為：

4.5 虹膜圖像的匹配

虹膜圖像匹配就是基于已提取的虹膜圖像的特征向量來進(jìn)行比對，用采集到的圖像的特征向量與虹膜庫中的特征向量比較，判斷它們是否屬于同一虹膜，這是一個典型的模式匹配問題。比較常用的匹配方法是海明距離(Hammingdistance)、歐式距離和相似度的度量等。