李晶晶，童艷，王迪

（沈陽城市建設(shè)學(xué)院，遼寧沈陽，110167）

關(guān)鍵字：虹膜識別技術(shù)；多特征提取與融合；身份認(rèn)證；MATLAB

1 虹膜識別技術(shù)研究意義

為了鼓勵(lì)生物特征識別技術(shù)的迅速發(fā)展，快速占領(lǐng)該領(lǐng)域的技術(shù)高地，盡快形成一批具有自主知識產(chǎn)權(quán)的生物特征識別產(chǎn)品，我國在《國家中長期科學(xué)與技術(shù)發(fā)展規(guī)劃(2006-2020年)》中明確提出要重點(diǎn)研究生物特征識別領(lǐng)域的系統(tǒng)和技術(shù)，為廣大研究人員指明了研究方向。

目前虹膜識別的產(chǎn)品已經(jīng)應(yīng)用在門禁系統(tǒng)、金融領(lǐng)域、機(jī)場安檢等一些需要高度安全的場所，但是由于其實(shí)際應(yīng)用環(huán)境的多樣性和復(fù)雜性，在目前的研究中仍然存在一些問題：目前的虹膜圖像定位速度不理想，魯棒性較差，同時(shí)虹膜特征編碼規(guī)模較大，傳統(tǒng)的編碼配準(zhǔn)方式也增大了模式匹配計(jì)算量[1]。這些因素限制了虹膜識別過程的速度與準(zhǔn)確性，使得基于虹膜識別的身份認(rèn)證方式難以應(yīng)用到更廣泛的領(lǐng)域中。因此，速度快，精度高，魯棒性好的虹膜識別算法的研究成為一項(xiàng)重要研究課題。

虹膜識別技術(shù)最關(guān)鍵的問題就是識別算法，只有突破算法瓶頸才能推進(jìn)產(chǎn)品商業(yè)化。虹膜識別核心算法在國內(nèi)并未完全成熟，比如識別距離遠(yuǎn)近、復(fù)雜光線環(huán)境、睫毛遮擋等因素都會影響虹膜識別的精準(zhǔn)度。因此，虹膜識別技術(shù)面臨的最主要問題是如何提取穩(wěn)定的特征并對其進(jìn)行準(zhǔn)確的匹配。所以本文以提高虹膜識別實(shí)際應(yīng)用性能為目標(biāo)，將虹膜識別作為研究對象，著重從虹膜特征提取和識別方法入手，致力于提高虹膜識別算法精度，同時(shí)改善虹膜圖像的魯棒性和易用性。

圖1 虹膜識別技術(shù)原理框圖

2 虹膜識別技術(shù)原理

2.1 虹膜圖像采集及預(yù)處理

針對復(fù)雜場景下光照變化、遮擋和密集人群帶來的虹膜圖像采集不能滿足識別條件的問題，本文將對采集到的原始虹膜圖像首先進(jìn)行預(yù)處理，如圖2所示。采集圖像質(zhì)量的優(yōu)劣會影響到后續(xù)的定位算法、特征提取與識別算法的選取問題以及最終的識別結(jié)果，因此虹膜圖像預(yù)處理環(huán)節(jié)在整個(gè)識別系統(tǒng)中起著至關(guān)重要的作用。

圖2 處理后的瞳孔圖像

2.2 虹膜圖像有效區(qū)域定位

對虹膜紋理區(qū)域進(jìn)行有效定位，去除掉無效的信息是虹膜識別的中重要且關(guān)鍵的一步。如圖3、圖4所示為虹膜圖像內(nèi)外邊緣提取。虹膜定位是虹膜識別中最重要的步驟之一，虹膜能否精準(zhǔn)地定位，關(guān)系到下一步的虹膜紋理特征的提取，待準(zhǔn)確定位后截取虹膜紋理特征突出的部分作為感興趣區(qū)域，提高虹膜識別系統(tǒng)輸入圖像的質(zhì)量。如圖5、圖6所示。

圖3 內(nèi)邊緣提取

圖4 外邊緣提取

圖5 分離出的虹膜結(jié)果

圖6 去除眼瞼后的結(jié)果

2.3 虹膜紋理圖像歸一化

虹膜圖像的歸一化過程是將環(huán)狀虹膜區(qū)域調(diào)整到統(tǒng)一的位置和大小，從而減少人眼的瞳孔縮放、旋轉(zhuǎn)和平移等對虹膜識別的影響，提高識別的準(zhǔn)確率。增強(qiáng)后的歸一化虹膜圖像如圖7所示。

圖7 增強(qiáng)后的歸一化圖像

2.4 截取虹膜圖像感興趣區(qū)域（ROI）

在其后的虹膜特征提取的過程中，圖像中存在的干擾信息就會對特征信息的編碼造成影響，從而降低特征識別的準(zhǔn)確度。消除影響虹膜識別結(jié)果的不利因素和冗余信息，最終將得到的虹膜圖像輸入到特征提取的環(huán)節(jié)中。

2.5 虹膜多特征提取與融合識別算法

通過SVR分類器模型將虹膜多種特征進(jìn)行融合的虹膜識別方法，提取區(qū)分性高的虹膜特征，以達(dá)到最優(yōu)的識別效果，最后通過MATLAB軟件來實(shí)現(xiàn)算法并進(jìn)行仿真實(shí)驗(yàn)。

3 虹膜識別技術(shù)的關(guān)鍵問題

虹膜識別作為身份認(rèn)證的一種新技術(shù)，得到人們廣泛的關(guān)注和研究，一個(gè)更加精確、穩(wěn)定的虹膜識別系統(tǒng)可極大地降低錯(cuò)誤識別的風(fēng)險(xiǎn)。在大數(shù)據(jù)、云計(jì)算和智能硬件發(fā)展的基礎(chǔ)上，虹膜特征的采集精度、處理速度以及存儲容量都得到了很大的提升，硬件方面已不再是限制虹膜識別技術(shù)發(fā)展的最主要瓶頸。目前，虹膜識別面臨的最大問題在于如何通過優(yōu)化識別算法來提升生物識別的魯棒性、易用性和泛化性能。

為了彌補(bǔ)單一形式的虹膜特征描述不足以在復(fù)雜情況下保持魯棒性，本文利用CPSO優(yōu)化算法對改進(jìn)的Gabor濾波器參數(shù)進(jìn)行尋優(yōu)，使Gabor能夠根據(jù)不同虹膜庫自適應(yīng)改變參數(shù)，采用SVR分類器綜合Gabor濾波器提取到的多局部特征匹配結(jié)果，對多特征用相應(yīng)距離函數(shù)求得的相似度進(jìn)行融合，求取多種特征共同作用下的融合相似度來判定虹膜的分類結(jié)果。使融合后的區(qū)分度高于任意單一特征的區(qū)分度，從而提取區(qū)分性高的虹膜特征，以達(dá)到最優(yōu)的識別效果。

4 實(shí)驗(yàn)及結(jié)果分析

通過采用由中科院自動化研究所提供的CASIA虹膜圖像數(shù)據(jù)庫作為本算法實(shí)現(xiàn)的實(shí)驗(yàn)樣本，利用MATLAB7.1編程實(shí)現(xiàn)了本文提出的算法，隨機(jī)抽取了50組虹膜圖片進(jìn)行了小樣本實(shí)驗(yàn)，每組圖片是分為兩個(gè)采集階段構(gòu)成的，每個(gè)采集階段分別包含3幅和4幅同一只眼睛的虹膜圖片，采集的虹膜圖片為8位灰度圖像，分辨率為320×280。結(jié)果如表1所示。與現(xiàn)有的經(jīng)典算法相比，可以看出本文提出的算法雖然在正確識別率上與Daugman算法相比有所不足，但識別時(shí)間大大縮短，系統(tǒng)識別速度更快，與Boles算法相比，識別效果更好一些。

5 結(jié)束語

本文將虹膜識別作為研究對象，提出一種識別速度快、精度高、魯棒性好的虹膜識別算法。通過實(shí)驗(yàn)驗(yàn)證了該算法的有效性，為研究出性能更好、性價(jià)比更高的虹膜識別系統(tǒng)應(yīng)用于智慧城市身份認(rèn)證等領(lǐng)域提供有利條件。

表1 本文算法與經(jīng)典算法比較