基於小波變換和極大值檢測的虹膜識別方法
2023-04-29 09:54:16 1
專利名稱：基於小波變換和極大值檢測的虹膜識別方法
技術領域：
基於小波變換和極大值檢測的虹膜識別方法，屬於圖像信號處理技術領域，特別涉及生物識別技術中的虹膜識別方法。
背景技術：
身份識別技術廣泛應用予軍事、銀行、安全等部門。人體許多生物學特徵都具有唯一性，任意兩個人均不會相同。這些特徵最終由基因決定。在工程上，可以利用這些特徵進行身份的鑑別，如有悠久歷史的指紋識別、面孔識別等。由於虹膜特徵具有唯一性，不受遺傳性誤差因素(如孿生關係等)和表現性因素(如面部特徵隨年齡變化)的影響，難於複製，識別信息易於獲得等優點，虹膜識別成為近年來新興起的一種身份識別技術。如今，隨著硬體性能的提高和圖像處理技術的發展，虹膜識別技術已經日趨成熟。詳見文獻浦昭邦，楊凡，陳炳義等，「虹膜識別技術的發展與應用」，光學精密工程，Vol.12，No.3，Jun，2004和文獻康浩，徐國治，「虹膜識別系統」，電路與系統學報，Vol.5，No.1，May，2000等。
虹膜識別技術，是利用圖像採集裝置，獲得人眼圖像，然後對人眼的虹膜分部進行精確定位，最後對虹膜紋理進行分析，提取紋理特徵，通過紋理特徵的匹配實現有效身份識別。現有的虹膜識別方法，存在對圖像質量要求高、紋理變形引入識別誤差、算法複雜導致運行時間長等問題。因此，如何把現有的研究成果結合起來，同時考慮到現有設備的工作能力，使虹膜識別系統具有良好的性能和識別速度是當前研究的方向。詳見文獻Daugman J.Biometric personal identification system based on iris analysis[P].US Patent，5201560.1994和文獻W.W.Boles，A security system based on human iris identification using wavelet transform[J]，Engineering Application ofArtificial Intelligence，1998，11迄今為止，已經有很多虹膜識別方法，但是大多是對Daugman、Wildes、Boles等人提出的算法作出的效仿、改進工作。
1、Daugman算法。它採用二維Gabor濾波器對虹膜紋理進行處理，得到256bytes的編碼，通過比較兩個虹膜代碼的海明距離作為決策。優點是取得了幾乎100％的識別率；缺點是對圖像質量要求較高，要求參與認證者嚴格配合。詳見文獻Daugman J，High confidencevisual recognition of persons by a test of statistical independence[J]，IEEE Trans Pattern AnalMachine Intelligence，1993，15(11)，1148-1161
2、Wildes算法。將採集的虹膜圖像和虹膜庫中的虹膜圖像尺度和旋轉統一後，採用從Gaussian的Laplacian變換(LoG)衍生來的各向同性帶通濾波器組對圖像進行處理，通過獲得相關係數進行比較。缺點是對圖像質量有較高要求。詳見文獻Micheal P Wildes，Iris RecognitionAn Emerging Biometric Technology[J]，Proceeding of theIEEE，1997，85(9)I 348-I 3633、Boles算法。它是利用光滑函數的二階導數作為小波，對信號作小波變換後，通過記錄過零點之間數據，作為虹膜特徵的編碼進行比較。缺點是該算法識別率僅為92.54％詳見文獻Boles W，Boashah B.A human identification technique using images of the iris and wavelettransform，IEEE Trans on Signal processing，1998，46(4)1185-1188上述三種算法，已較為成熟，代表國際主流。在國內，近年來也湧現出很多算法，但總體來說，實用價值和創新還不夠。
發明內容
本發明的任務是提供一種基於小波變換檢測模極大值的虹膜識別的算法，即採用本發明的方法，可以克服瞳孔放縮導致的紋理變形、圖像平移和旋轉、環境噪聲等引入的誤差。本方法中採用的小波運算，能簡化運算量，提高識別速度。
為了方便描述本發明地內容，首先在此作一個術語定義1、定位人眼圖像從內到外為，瞳孔、虹膜、鞏膜。瞳孔邊緣和虹膜邊緣都呈現為近似的圓形。虹膜識別是對虹膜的紋理作出分析，提取特徵，進行匹配，達到識別目的。因而，首先要從人眼圖像中，定位出虹膜紋理的具體位置，根據虹膜的外觀表徵，也就是要定位出一個圓環狀的紋理，然後對其作分析。其中，由於瞳孔、虹膜的圓心通常不一致，所以虹膜紋理是近似圓環狀。
2、歸一化將定位出來的虹膜紋理歸一化為大小一致的矩陣圖像。以內圓圓心為極坐標中心，作與水平線成θ角的射線，它與內、外圓邊界各有一個交點，分別記作B(xi，yi)，A(xo，yo)。在線段AB上任何一點的坐標(x，y)都可以用A(xo(θ)，yo(θ)，B(xi(θ)，yi(θ)的線性組合來表示，即x(r,)=(1-r)*xi+r*x0y(r,)=(1-r)*yi+r*y0,]]>其中r是一個無量綱的參數，r∈
，θ∈
。此變換能將虹膜紋理中的任意點的直角坐標轉換為極坐標。將轉化得到的極坐標，以參數θ為列的序數，參數r為行的序數，構建一個大小一致的矩陣圖像m。
3、直方圖均衡化由於非均勻光照的影響，使得虹膜紋理對比度不夠明顯，通過將原始圖像的直方圖變換為均勻的形式，增加像素灰度值的動態範圍，增強了圖像整體上的對比度。經過均衡化後的圖像，其清晰程度有明顯的提高。
4、高斯函數典型的光滑函數，它可無限次求導，其表達式(x)=12e-x2/22.]]>光滑函數的能量通常集中在低頻段，可看成低通濾波器的系統響應函數。因此，信號f(x)與θ(x)的卷積(f*θ)(x)衰減了f(x)的高頻信息，而不改變低頻部分，從而對f(x)起到了光滑作用。
5、突變點信號的奇異點，是信號發生劇烈變化的地方。函數在某處有間斷或某階導數不連續，則稱該函數具有奇異性，用Lipschitz指數來刻畫。通常突變點包含了信號的重要信息。
6、高斯函數一階導數高斯函數的一階導數，其表達式1(x)=dxdx,]]>可作為小波對信號作小波變換，變換結果相當於將信號用高斯函數光滑後取一階導數，其極大值對應的位置是信號的突變點的位置，包含了信號的重要信息。
7、尺度因子在小波變換中，小波函數伸縮的量度。小尺度時，小波函數收縮，代表高頻變換；大尺度時，小波函數擴展，代表低頻變換。在1(x)=d(x)dx]]>中引入尺度因子S，得到1s(x)=ds(x)dx,]]>可以通過S的變換，得到不同尺度的小波函數。
8、特徵編碼採用某種算法，將虹膜紋理用一個特徵編碼表示，用於匹配識別。本發明中虹膜紋理的特徵編碼是在小波變換後得到的向量t中檢測極大值，搜索t中所有的局部極大值，將局部極大值及其前後相鄰的兩個位置的點設為1，向量t中的其它點設為0。以此得到二值特徵編碼，用於匹配識別。
9、海明距離兩個長度相等的序列對應位置字符不同的個數。海明距離越小，兩個序列越相似。本算法中，海明距離表示為兩個特徵編碼對應位置字符不同的個數除以特徵編碼的長度。
本發明的詳細技術方案為基於小波變換和極大值檢測的虹膜識別方法，包含下列步驟步驟1、將經定位後的虹膜紋理圖像歸一化為一個標準大小的圖像矩陣以瞳孔圓心為坐標原點，構建一個極坐標系，將虹膜紋理圖像中每一個像素點的直角坐標映射到極坐標中，得到相應參數(r，θ)。以參數r作為行，θ作為列，將近似圓環的虹膜紋理拉伸為一個75×360的圖像矩陣m。這個步驟會包括插值現象。
步驟2、為了消除上下眼皮對紋理的影響，將圖像矩陣m中第至第25行剪切出來，得到一個25×360的矩陣m1；將圖像矩陣m的第121列至第360列中的第26行至第50行剪切出來，得到一個25×240的矩陣m2；將m1和m2合併為一個25×600的矩陣M。
步驟3、將圖像矩陣M作直方圖均衡化處理，得到一個圖像增強後的矩陣N。
步驟4、在矩陣N中，每5×5個像素點作為一個分塊。求出每一個分塊的均值，一共可以得到5×120個值，將這些值按行首尾連接，構成一個長度為600位的特徵信號f(x)。
步驟5、以高斯函數的一階導數作為小波(濾波器)，在尺度因子S＝1、2兩個尺度下，分別對特徵信號f(x)作卷積運算(實質為小波變換)。為了計算方便，不考慮濾波器長度，得到的結果仍為兩個長度為600位的向量t1、t2。
步驟6、將t1、t2首尾連接成一個長度為1200位的向量v。在向量v中作局部模極大值檢測，如果v(i-1)＜v(i)＞v(i+1)，其中i＝2，3.....599，也就是說，v(i)為局部極大值，那麼令v(i-1)＝v(i)＝v(i+1)＝1，否則v(i)＝0。這樣就得到一個1200位的二值編碼，以此二值向量v作為虹膜紋理的特徵編碼，用於匹配識別。
步驟7、對於來自兩個虹膜紋理的特徵編碼v1、v2，通過比較二者的海明距離，得到匹配結果HD=11200j=11200Aj(XOR)Bj.]]>若海明距離小於閾值T，認為兩個虹膜紋理相匹配；若海明距離大於閾值T，認為兩個虹膜紋理不相匹配。
通過以上步驟，我們就完成了虹膜識別。
需要說明的是步驟1中，進行歸一化處理時，角度θ的範圍取的是31°→390°。也就是說，在以內圓圓心為中心的極坐標中，從30°開始運算，目的是為了在消除上下眼皮幹擾時，剪切紋理方便。歸一化的物理意義，可以理解為，將一個圓環紋理拉伸為一個矩形紋理，其中包含了插值現象，但每一個虹膜紋理都將作歸一化處理，因此插值現象對於每一個虹膜紋理的影響是大致相當的，不會給以後的識別帶來太多影響。
步驟2中，之所以要將兩個剪切出來的子紋理合併，是為了構建一個完整的特徵信號，方便運算。
步驟4中，採取每5×5像素點作為分塊並求均值。這主要考慮到不同條件下獲取的虹膜圖像，紋理不可能完全一致，總會出現一些變形、平移、旋轉等現象，這些幹擾即便通過歸一化處理，也不可能完全消除。另外，獲取虹膜圖像時，可能引入噪聲幹擾。通過以5×5像素點作為分塊，並求均值，可以很大程度上消除這些幹擾。
步驟5中，選取尺度因子S＝1、2兩個尺度下對特徵信號作小波變換，事實上選取兩個尺度可以針對突變點的突變情況完成相應檢測小尺度檢測尖銳突變點，大尺度檢測相對緩變的突變點。用高斯函數的一階導數作為小波，對信號作小波變換，相當於用高斯函數去「光滑」信號後求一階導數，其結果的局部模極大值對應了原始信號中的突變點，通過檢測局部模極大值確定原始信號突變點的位置。
步驟6中，在小波變換結果中檢測時，當檢測到一個局部極大值時，將局部極大值和相鄰的前後兩個位置都設為1，是考慮到紋理可能有平移的現象，即便來自同一個虹膜紋理的兩個特徵信號，它們的突變點也不可能完全一一對應，通常有一定的偏移現象，為了消除這種偏移，將檢測到的突變點及其相鄰的前後兩點均設為1。如果僅將局部極大值設為1，那麼可能因為紋理出現平移現象導致本算法失效。
步驟7中，比較兩個特徵編碼的海明距離，實質為比較兩個虹膜紋理的特徵信號的突變點位置的相似性。
基於小波變換模極大值檢測是利用光滑函數(如高斯函數)一階導數作為小波，對信號作卷積運算，也就是小波變換，相當於用光滑函數對信號作平滑處理後求一階導數，然後通過檢測變換結果的模極大值來確定信號的突變點。信號的突變點包含了虹膜圖像的重要特徵，通過確定信號突變點的位置，比較其位置的相似性，從而實現虹膜識別。
本發明將定位完成後的虹膜作歸一化處理，在歸一化圖像中，採用分塊計算均值的方法獲得虹膜紋理的特徵信號，然後採用小波變換模極大值檢測，確定信號突變點的原理，對特徵信號進行小波分析，確定信號中的突變點，根據突變點位置進行編碼，最後通過計算海明距離對特徵編碼作匹配比較。
本發明的創新之處在於1、特徵信號的構建，是對完成定位的虹膜紋理作歸一化處理，通過適當剪切，除去上下眼皮的影響，重新構建一個紋理矩陣，分塊求其均值而得到。
2、採用小波函數為高斯函數的一階導數。在利用小波變換檢測信號突變點的原理中，可以採用高斯函數的一階導數或者二階導數作為小波，前者是檢測局部模極大值，後者是檢測過零點。但事實上，通過利用高斯函數的一階導數作為小波檢測局部模極大值，比二階導數檢測過零點更能準確的檢測到突變點。
3、利用小波變換檢測模極大值，確定信號突變點位置的原理完成虹膜識別。現有的虹膜識別方法中，一般採用小波變換檢測過零點的方式，實質是對Boles算法的借鑑，創新不多。
4、本發明中，採用小波運算，總體運算量不大，對於識別速度的提高，有顯著效果。
圖1是歸一化示意圖；歸一化的意義是將呈現為近似圓環狀的虹膜紋理拉伸為一個矩陣圖像，這樣可以解決每次獲得虹膜圖像大小不一致的問題。在拉伸的過程中，會出現插值現象，但不會給識別結果造成太大影響。
圖2是原始虹膜圖像示意圖；圖3是歸一化後的虹膜紋理圖像示意圖；由於上、下眼皮的遮掩，本發明剪切出圖中m1、m2所示部分，然後連接在一起，構成新的紋理，用於特徵信號的提取。
圖4是剪切出來的紋理部分重新構成的虹膜紋理圖像；圖5是本發明的流程圖。
具體實施例方式
採用本發明的方法，用中科院自動化所的虹膜圖庫作為測試樣本。從圖庫中選取100個虹膜，每個虹膜選取兩個圖像，共200幅圖像，分成A、B兩組，每組100個互不相同的虹膜圖像。A組中每一個圖像，在B組中，有唯一一個圖像與之相同。根據本發明提供的算法，作100×100次測試，得到測試結果的錯誤拒絕率為2％，錯誤接受率為0.33％，考慮錯誤拒絕率和錯誤接受率都是錯誤識別結果，因此測試結果獲得了97.67％的識別率。
權利要求
1.基於小波變換和極大值檢測的虹膜識別方法，其特徵是，它包含下列步驟步驟1、將經定位後的虹膜紋理圖像歸一化為一個標準大小的圖像矩陣以瞳孔圓心為坐標原點，構建一個極坐標系，將虹膜紋理圖像中每一個像素點的直角坐標映射到極坐標中，得到相應參數(r，θ)；以參數r作為行，θ作為列，將近似圓環的虹膜紋理拉伸為一個75×360的圖像矩陣m；步驟2、為了消除上下眼皮對紋理的影響，將圖像矩陣m中第1行至第25行剪切出來，得到一個25×360的矩陣m1；將圖像矩陣m的第121列至第360列中的第26行至第50行剪切出來，得到一個25×240的矩陣m2；將m1和m2合併為一個25×600的矩陣M；步驟3、將圖像矩陣M作直方圖均衡化處理，得到一個圖像增強後的矩陣N；步驟4、在矩陣N中，每5×5個像素點作為一個分塊，求出每一個分塊的均值，一共可以得到5×120個值，將這些值按行首尾連接，構成一個長度為600位的特徵信號f(x)；步驟5、以高斯函數的一階導數作為小波，在尺度因子S＝1、2兩個尺度下，分別對特徵信號f(x)作卷積運算；為了計算方便，不考慮濾波器長度，得到兩個長度為600位的向量t1、t2；步驟6、將t1、t2首尾連接成一個長度為1200位的向量v；在向量v中作局部模極大值檢測，如果v(i-1)＜v(i)＞v(i+1)，其中i＝2，3.....599，也就是說，v(i)為局部極大值，那麼令v(i-1)＝v(i)＝v(i+1)＝1，否則v(i)＝0；這樣就得到一個1200位的二值向量V，以此二值向量V作為虹膜紋理的特徵編碼，用於匹配識別；步驟7、對於來自兩個虹膜紋理的特徵編碼V1、V2，通過比較二者的海明距離，得到匹配結果HD=11200j=11200Aj(XOR)Bj;]]>若海明距離小於閾值T，認為兩個虹膜紋理相匹配；若海明距離大於閾值T，認為兩個虹膜紋理不相匹配。
2.根據權利要求1所述的基於小波變換和極大值檢測的虹膜識別方法，其特徵是，步驟1中進行歸一化處理時，所述角度參數θ的範圍取的是31°→390°。
全文摘要
本發明提供了一種虹膜識別方法。先將定位後的虹膜紋理歸一化為圖像矩陣m；然後剪切出m中含有重要紋理特徵的部分組成矩陣M，經直方圖均衡化處理得到圖像增強矩陣N；對矩陣N分塊、求均值，將均值按行首尾相連構成特徵信號f(x)；再以高斯函數的一階導數為小波，在尺度因子S＝1、2下，分別對f(x)作卷積運算，得到向量t
文檔編號G06K9/00GK1885313SQ20061002136
公開日2006年12月27日 申請日期2006年7月11日 優先權日2006年7月11日
發明者馬爭, 張宇 申請人:電子科技大學