潘濤濤　楊君　肖璞

【摘 要】隨在經(jīng)濟的快速發(fā)展下，身份識別和信息安全成為重中之重。發(fā)展生物識別技術成為了當今社會研究的熱門課題。本文以人類生物特征的唯一性為基礎進而對虹膜識別系統(tǒng)進行了深度的研究，設計了“開源”虹膜識別系統(tǒng)，以驗證人類虹膜具有的唯一性。

【關鍵詞】虹膜識別；生物特征；系統(tǒng)設計

中圖分類號： TP391.41 文獻標識碼： A 文章編號： 2095-2457（2017）20-0082-001

Design of Human Iris Recognition Based on Biometrics

PAN Tao-tao YANG Jun XIAO Pu

（College of Computer Science and Technology， Sanjiang University， Nanjing 210012， China）

【Abstract】In the rapid economic development， identity and information security has become the most important. The development of biometrics has become a hot topic in todays society. In this paper， the iris recognition system based on human biological characteristics is studied. The specific work involves the design of “open source” iris recognition system to verify the uniqueness of human iris.

【Key words】Iris Recognition；Biometric Identification；System design

在交通、通訊與信息技術的快速發(fā)展下，人們的活動半徑越來越大，互聯(lián)網(wǎng)、電子商務、銀行、安檢等都需要一種可靠的身份鑒別手段。普通的身份鑒別方式通常是人工地辨別被鑒別者與圖片的吻合度，但這種方式存在極大的誤差和漏洞。因此，生物特征識別作為相對可靠且精確的身份識別手段被廣大的研究人員所重視[1]。

1 虹膜定位和歸一化處理

虹膜的特征識別系統(tǒng)主要由兩部分組成，分別是虹膜特征識別和虹膜特征注冊[2]。虹膜特征識別的過程首先是使用CMOS攝像機對用戶采集虹膜，然后預處理并提取虹膜特征[3]。將提取到的虹膜特征與數(shù)據(jù)庫中的虹膜特征進行對比，如果匹配則返回用戶信息并提示驗證成功，否則將該虹膜特征信息與用戶的唯一標識符（例如：身份證號碼）對應起來。虹膜特征的注冊的過程是得到虹膜特征信息直接與用戶身份信息進行綁定。

虹膜定位就是在獲取到的眼睛圖像中隔離出高質量的可以用于識別的虹膜區(qū)域[4-5]。虹膜區(qū)域可以近似的看為兩個圓。眼皮和睫毛通常遮擋住虹膜區(qū)域的下部和上部，在虹膜區(qū)域內也又可能發(fā)生鏡面反射破壞虹膜圖案。因此，需要一種技術來避免這些干擾因素從而得到高質量的虹膜區(qū)域圖像。

外邊界定位運用霍夫變換算法可以得到瞳孔和虹膜區(qū)域半徑和中心的坐標，從而得到一個包含瞳孔的圓形的虹膜圖像。內邊界定位的主要步驟為：畫出灰度直方圖，再用二值化的方法得到瞳孔的位置，主要得出瞳孔的圓心位置和半徑大小。在Matlab中調用imhist函數(shù)得到直方圖，直方圖的兩個峰值表示為瞳孔區(qū)域和虹膜區(qū)域。因此，需要取出兩個峰值之間的最小值的灰度值作為定位的閥值，從而對瞳孔進行有效的定位。在對眼睛圖像進行虹膜定位處理后，得到的是一個虹膜的圓環(huán)圖像。通過歸一化處理后，將圓環(huán)圖刪去一部分干擾圖像并得到虹膜圖像的矩形圖。

2 虹膜特征的提取與匹配

為了提供對個體的準確識別，必須提取存在于虹膜圖案中的最具辨別力的信息以及對虹膜重要特征進行編碼，以便于可以對模板進行比較。大多數(shù)的虹膜識別系統(tǒng)是對虹膜圖像進行多通道Gabor濾波處理。虹膜特征提取主流算法是面向全局提取紋理特征。首先需要對虹膜圖像進行分塊。在經(jīng)過歸一化后的虹膜圖像的特征由細到粗。因此我們需要將預處理后的圖像分成大小相同的32個子圖像，每個子圖像的大小是32×32。然后使用4個方向上和4個頻率的16個不相同的Gabor濾波器進行特征提取。

提取特征后需要利用編碼技術進而為匹配做準備。本文通過1DLog-Gabor小波卷積進行標準化圖像處理從而實現(xiàn)虹膜特征的編碼。2D標準化模式被分解成多個1D信號，然后將1D信號和1D Gabor小波進行卷積。由于在角度方向上發(fā)生的最大獨立性，因此采取角度方向，這與歸一化圖像的列相對應。最后使用Daugman方法將濾波的輸出相位量化為四個等級，每個濾波器產生每個相位量的兩位數(shù)據(jù)。

在對虹膜的圖像進行編碼之后，需要把編碼結果保存到數(shù)據(jù)庫中。最后將該輸入圖像與據(jù)庫中的虹膜模板進行匹配。目前，漢明距離（Hamming distance，HD）是解決模式匹配問題的一個常用的方法。在信息論中，兩個等長的字符串之間的漢明距離就是兩個字符串對應位置的不同字符的個數(shù)。比如說：1001101和1001001之間的漢明距離就是1；2143895和2223695之間的漢明3；“taotao”和“jaohua”之間的漢明距離是4；因此，在我們對虹膜模板進行匹配的時候得出的漢明距離越小說明兩幅圖像越相似，也就越匹配。在Daugman的識別算法中，通過對兩個虹膜碼的Hamming距離的比較從而得出結果。Daugman的方法中校正了由成像期間的旋轉差異而引起的歸一化虹膜圖案的未對準的情況。他提出，當在計算兩個模板的hamming距離時，一個模板向左和向右逐位移動，并且從連續(xù)的移位中計算出一個hamming距離值。因此，在對虹膜模板進行匹配的時候得出的漢明距離越小說明兩幅圖像越相似，也就越匹配。

3 總結

本文對于虹膜識別系統(tǒng)的原理和系統(tǒng)的設計思路進行了較深入的分析和研究，重點研究了虹膜識別的算法，包括了圖像預處理方法、Gabor濾波器的介紹、虹膜的特征提取、對虹膜特征進行編碼和虹膜模板之間的漢明距離的計算等，并在Daugman算法的基礎上實現(xiàn)了虹膜圖像的識別過程。

【參考文獻】

[1]呂亦生，朱勇，譚鐵牛.基于虹膜識別的身份鑒別[J].自動化學報，2002，28（1）：1-10.

[2]孫哲南，譚鐵牛.虹膜識別研究與應用綜述[J].2005，24（3）：42-45.

[3]王向軍，張敏，鄧曉蓓，劉冀.非接觸式虹膜圖像獲取系統(tǒng)的設計[J].光電工程，2005，32（6）：35-38.

[4]孟浩，徐翠平.虹膜識別算法的研究[J].哈爾濱工程大學學報，2006（3）：400-404.

[5]袁曉燕.虹膜定位、形變及特征提取研究[D].上海：上海交通大學圖像處理與模式識別研究所，2008：44-46.endprint