陳劍　孫秋成　徐中宇

【摘 要】本文提出了一種高效的虹膜特征提取算法。首先，利用灰度直方圖，實(shí)現(xiàn)了虹膜內(nèi)邊界的準(zhǔn)確定位；隨后，為了克服眼睫毛和下眼瞼的遮擋影響，給出了一種虹膜外邊界定位方法，能夠準(zhǔn)確獲得虹膜的有效部分；最后，利用歸一化算法，將環(huán)狀的虹膜特征轉(zhuǎn)化為矩形特征，便于虹膜的訓(xùn)練和識別。通過實(shí)驗(yàn)驗(yàn)證，該方法是準(zhǔn)確的和有效的。

【關(guān)鍵詞】虹膜；圖像二值化；邊緣檢測

一、介紹

虹膜識別在當(dāng)下備受推崇和關(guān)注，虹膜識別的研究和應(yīng)用成為熱門研究方向，這使得虹膜識別技術(shù)很快得到推廣和應(yīng)用。虹膜識別技術(shù)在很多領(lǐng)域得到了很好的應(yīng)用，其優(yōu)點(diǎn)如下：（1）唯一性高，（2）穩(wěn)定性好，（3）具有防偽性，（4）準(zhǔn)確性高，（5）速度快[1]。虹膜識別系統(tǒng)由三個基本單元組成：圖像采集；特征提??；比對。虹膜包含紋理的部分是內(nèi)外兩個近似圓形邊界之間的部分，虹膜內(nèi)側(cè)與瞳孔相鄰，外側(cè)與鞏膜相鄰。但是，這兩個圓不是完全同心的[2]。需要分別對內(nèi)外兩個邊界進(jìn)行處理。虹膜定位的目的是要找出瞳孔與虹膜，虹膜與鞏膜之間的兩個邊界。目前，具有代表性的方法是Daugman虹膜提取算法[3]，但是，由于受到眼睫毛和下眼瞼等遮擋因素的影響，虹膜特征往往不能被準(zhǔn)確的提取，造成最終識別精確度低。

二、虹膜圖像獲取

在攝取圖像時(shí)需要注意：（1）保證圖像具有足夠的分辨率和清晰度；（2）須保證攝取的虹膜圖像有很好的對比度；（3）攝取的圖像要限制在一定范圍內(nèi)；（4）人工因素應(yīng)盡可能的消除。

三、虹膜定位

（一）虹膜內(nèi)邊界定位

與眼睛的其它部分相比，瞳孔的灰度值要小得多，因此采用二值化的方法分離出瞳孔，從而提取內(nèi)虹膜邊界。首先，通過灰度直方圖，確定二值化方法的閾值。在直方圖中有兩個主要的峰值，其中的第一個峰值，對應(yīng)的就是瞳孔區(qū)域灰度集中的范圍，第二個峰值對應(yīng)的是虹膜區(qū)域的灰度集中范圍。顯然，提取瞳孔的二值化閾值應(yīng)該選擇在第一個峰值的右側(cè)。確定閾值后，虹膜內(nèi)邊界即可被定位。

（二） 虹膜外邊界定位

在以往的方法中，通常采用最小二乘法擬合的方法提取外圓邊界。由于上下下眼瞼的遮擋，虹膜并不能被完整的定位和提取，導(dǎo)致虹膜識別精度降低。本文針對上述問題，提出了一種有效的虹膜外邊界定位方法。首先，利用獲得的虹膜內(nèi)邊界數(shù)據(jù)，擬合出虹膜內(nèi)邊界的圓心和半徑。為了克服眼睫毛的影響，本文舍去虹膜的上半部分，同時(shí)為避免下眼瞼被誤檢，虹膜的下半部分也只提取有限部分。如圖3所示，紅色邊界內(nèi)部即為檢測獲得的虹膜。

四、虹膜圖像的歸一化

五、結(jié)束語

本文提出一種新型的虹膜特征提取方法，避免了眼睫毛和下眼瞼等遮擋因素對虹膜特征提取的影響。通過實(shí)驗(yàn)驗(yàn)證，該方法有較高的識別精度是準(zhǔn)確的和有效的。

參考文獻(xiàn)：

[1]黃惠芳，胡廣書，虹膜識別算法的研究及實(shí)現(xiàn) [J]；紅外與激光工程； 2002年05期.

[2]Mann I. The Development of the Human Eye. New York： Grune and Stratton，1950.

[3]J. G. Daugman. High confidence visual recognition of person by a test of statisticalindependence. IEEE Transactions on Pattern Analysis and Machine Intelligence.1993， 15（11）： 1148～1161.

[4]R.P. Wildes. Iris Recognition： An Emerging Biometric Technology. Proceeding of the IEEE， 1997，85（9）：1348～1363.

[5]王蘊(yùn)紅，朱勇，譚鐵牛. 基于虹膜識別的身份鑒別[J]. 自動化學(xué)報(bào)，2002，28（1）：1-10.

[6]中國科學(xué)院自動化研究所.CASIA 虹膜圖像數(shù)據(jù)庫（版本 1.0）. http：//www.sinometrics.com.