1、虹膜识别技术及应用姓名：陈斌烨 学号：5090903摘要: 虹膜识别技术由于具有稳定性好、错误接受率( FA R) 和错 误拒绝率( FRR ) 相 等的指标 最优、识别速度快 等优点 正逐步受到人们的重视。对虹膜纹理的特征、虹膜识别技术的 发展和应用进行了较详细的介绍; 通过 将虹膜识别 技术与其它生物识别技术相比较, 对虹膜识别技术 的优点进行了讨论。讨论了虹膜识别系统的构 成, 以 及用二维 Gabor 小波和其它小波变换实现特征编码的方法和叙述了虹膜识别中所采用的一些算法。关键词: 虹膜识别技术; 特征提取; 特征编码; 特征匹配Technology and applications
2、of the iris recognitionLIU Ji, WANG Xiang jun( College of Precision Instrument and O ptic Electronic Engineer ing , T ianjin U niv ersity, T ianjin 300072, China) Abstract: As one of the technolog y of biolog ic r ecognition, iris recognition has many advantag es. It has an ideal stability and a hig
3、h recog nizing speed, and its performance w hen FA R is equal to F RR is t he most excellent. So iris recognition is gett ingt he people s attention. On the feature of ir is texture, recognition methods of ir is featur e, developments and applications of t his technolog y are introduced. By compared
4、 with other technology of bio logic recognition, the advantage of ir is r ecognition is described . T he structur e of ir is recog nit ion system and the methods of encoding the featur e by 2D Gabor w av elet and other w avelet tr ansfer are intro duced. Some ar ithmetic applied in iris recognition
5、are descr ibed. Key words: iris recognition; feature ex tract ion; featur e encoding ; feature matching.生物识别技术在当今世界中已经得到了广泛的应用。其中虹膜识别技术由于具有稳定性好、准确率高等优点而逐步受到人们的重视。近些年来虹膜识别技术研究和应用方面都得到了长足的进步, 并表现出广阔的前景和市场。1、 虹膜纹理特征虹模是眼球壁第二层 色素膜的最前部, 呈圆盘状, 中央有圆形孔洞称为瞳孔。其表面有呈现高低不平的放射状排列、互相交错的皱壁, 构成多数的隐沟( 或称稳窝) 。这样结构上的高低变
6、化, 形成特有的纹理。虹膜纹理具有以下特征:( 1) 虹膜纹 理具有绝 对的唯一 性。在整 个人类中, 任意两个虹膜纹理的数字特征都是不同的, 即便是对于双胞胎也是如此。(2) 虹膜纹理具有稳定性和不变性。除非发生病变等特殊情况, 人的虹膜纹理在一生之中都不会改变,并且通过手术改变虹膜纹理的风险也很高。( 3) 虹膜纹理可提供的特征信息量大, 因而在应用于识别的时候可靠性高。( 4) 虹膜具有内在的隔离和保护能力。同其它的生物识别技术 ( 如 指纹识别、脸型识别等) 相比, 虹膜识别技术具有非常明显的优势。表 1 为几种生物识别方法技术指标的比较。通过以上的数据对比可以看出, 虹膜识别在正确率
7、、识别时间、可靠性等方面都要优于其它的生物识别技术。2、虹膜识别技术的发展虽然虹膜识别技术与其他生物识别技术相比有很多优势, 但是它的提出和应用却是近些年才开始的。在 1987 年, 两个眼科专家 Leonard F lom 和 AranSafir 提出人的虹膜具有唯一特征, 并可以作为识别身份的有效手段。后来, 英国剑桥大学的 John Daug man 博士研究出一套数学算法, 可以通过捕捉虹膜的视频图像, 进行数字编码、分类、存储, 最后和实时捕捉的虹膜图像对照后来很多的虹膜识别算法都是以此为基础展开的。在 2000 年中期, 美国开始专为航空公司飞行员、机组服务人员和机场职工设计的!虹
8、膜通行证!在机场启用, 这是该技术在全球航空公司和机场首次得到正式应用。除了上述应用之外, 在 2001 年初, 日本的一些知名企业也展开了开发和销售利用虹膜、瞳孔的个人识别设备的工作。通过以上信息我们可以看到虹膜识别技术的发展潜力和市场前景。3、虹膜识别系统的构成一个虹膜识别系统主 要是由下面的 几个部分组成:虹膜图像获取 图像预处理 特征提取 特征匹配 结论虹膜图像的获取就是通过图像采集系统来采集虹膜图像, 目前主要是通过 CCD、CM OS 等光学传感器来获得。图像预处理主要任务包括从图像中去除眼睑、眼液及微小组织的影响, 排除噪音干扰等。特征提取则是通过特定算法对已经预处理过的图像进行
9、编码, 从而获得识别所需要的特征码组合。特征匹配可分成两个阶段, 即学习和分类。学习阶段就是待特征提取完成后, 将特征码存入数据库, 反复这样的操作, 直到将所有的特征都输入完毕; 分类就是将提取到的身份特征编码与数据库中的特征码进行比对, 最终得出比对结果, 完成识别。其中, 虹膜的特征提取和匹配部分是整个虹膜识别系统中的核心部分, 本文将对这一部分的一些方法进行讨论。4、虹膜图像的特征提取及匹配4. 1 用二维 Gabor 小波提取特征这个 方法 是 由英 国 剑桥 大 学计 算 机实 验 室的John Daugman 博士提出的 1, 4 。算法首先通过微积分算子准确地找出虹膜的内侧和外
10、侧边缘, 并去除眼睑部分。如图 1 所示。图 1 通过微积分算子得到虹膜内侧和外侧的边缘然后运用复数二维 Gabor 小波解调来构建虹膜特征编码。提取出的虹膜特征称为相位, 它的相位角被量化来设置特征码中的每一位。二维 Gabor 小波的公式如下其中 和 是小波函数的尺度因子; ( r 0, # ) 表示小波函数在极坐标下的移动; 而 表示小波的频率。由于从虹膜中提取的特征实质上是根据相位描述的, 所以它不易受照明、对比度、以及成像增益的干扰。相位的描述也很紧凑, 只需 256 个字节( 相当于 2048 个特征位) 即可表示一个虹膜的特征。小波变换的公式和小波相位的示意图( 图 2) 如下所
11、示。图 2 相位 象限虹膜解调码其中 I ( !, ) 表示原始虹膜图像在极坐标下的分布。John Daugman 的识别算法是通过比较两个虹膜特征码的 Hamming 距离(HD)来实现的。在比对实验中, 他将Hamming 距离定义为两个特征码中不一致位所占的比率( 当两个虹膜特征码的特征位都不相等时取最大值为 1, 当所有的特征位都相等时取最小值为 0) 。通过对 222, 743 对虹膜特征码进行比对后的统计结果表明, 这些特征位的自由度的个数( 维数 )是 266。虹膜特征码的识别是基于下面这个实 验 结果: 即任意一个 给定的虹膜特征码都与其他的不同虹膜生成的特征码在统计上是不相关
12、的; 而唯独与相同的虹膜生成的特征码相关。在两个不相关的虹膜图像进行特征码比对时, 每个特征位相等或不等的概率均为 0 5, 所以其 H amming 距离的概率分布与一个 P = 0 5, N = 266 的二项分布图 3 虹膜特征码 Hamming 距离的分布P N , P ( k ) = CkNP k QN- k , k = 0, 1, &, N ( 7)相符, 即每一个 k 值对应的二项分布的概率与 H amm ing 距离为 k / N 时所对应的概率相符。Hamming 距离的分布如图 3 所示( 图 3 中的横坐标表示比对时产生的 H amming 距离值, 纵坐标表示 产生该
13、H amming 距离的概率) 。这样, 特征位中不相等的部分远低于半数的概率将很小。 例如, 不相等的部分低于 25% , 即有高于 75% 的特征位相等的概率只有 10 的 16 次方分之一。当把同一个虹膜的不同时间提取的特 征码进行比对时, 由于受环境影响、噪音等因素的影响, Hamming 距离分布的峰值将在 0 1 附近, 如图 4 所示。可以看出, 这种特征码能够很好的实现识别功能。此外, 实验证明虹膜图像的特征是非基因型的, 即便是双胞胎的虹膜特征, 也可以识别开4 。除了 John Daugm an 之外, 也有用 Gabor 滤波器对虹膜图像进行编码的研究 5 。图 4 同一
14、虹膜和不相关的两个虹膜的特征码进行比对时, Hamming 距离的分布曲线4. 2 其它的特征提取方法Wageeh Boles 博士提出了运用小波变换的过零点提取特征值的方法。则 Z 2 jf ( x ) 与 W 2 jf ( x ) 有相同的过零点和整数值。取 Zf = Z 2jf ( x ) j Z, 则 Zf 就是f ( x ) 的过零点的特征。Wageeh Boles 将虹膜图像进行了边缘检测等预处理后, 在虹膜纹理上找到一组同心圆, 并取出同心圆上的点的灰度值分布作为 f ( x ) 。然后再用上面的方法得到一组特征进行匹配 2 。除了用小波变换外, 也有用傅里叶变换方法来提取虹膜纹
15、理的频谱特征 3 。5、结论本文对虹膜识别的发展和一些算法进行了讨论。文中所讨论的算法, 如 Gabor 变换、小波变换和傅里叶分析等方法 , 都是通过分析虹膜纹理图像的频域特征来实现虹模特征的提取和匹配。目前, 虹膜识别技术的研究和应用有了进一步的发展, 虹膜识别系统的自动化程度也有了很大的提高。人们也开始将模式识别中的一些方法运用到虹膜识别之中, 如神经网络算法、模糊识别算法等。参考文献:1 Daugman J . Recognizing people by t heir iris pat ern J . Informat ionecurit y Technical Report , 19
16、98, 3( 1) : 3339.2Boles W W. A securit y syst em based on human iris ident ificat ion usingwavelet transf orm J . Engineering A pplicat ions of A rt ificial, 1998, 11( 1) : 77 85.3 M uron A , Kois P, Pospisil J. Identif icat ion of persons by means of t heFourier spectra of opt ical t ransmission bi
17、nary models of the human irises J . O ptics Comm unicat ions, 2001, 192( 3 6) : 161 167. 4 John J , Dow ning J. Demodulat ion, predict ive Coding, and spat ial vision J . Journal of t he O pt ical Societ y of Am erica, 1995, 12 ( 4 ) :641 660.5 严民军 , 汪云九. 虹膜的计算机识别原理 J . 生物化学与生物 物理进展, 2000, 27( 4) : 348350.
