虹膜识别技术

虹膜虹膜的特征1.高独特性。几乎任何两个人(包括双胞胎)的虹膜都是不完全相同的，即使是同一个人左右眼的虹膜也存在一定的差异。2.高稳定性。虹膜本身一般不易发病，可以保持几十年不变。3.良好的防伪性能。要想精细地修改虹膜的表面结构特征，即使采用目前先进的眼科手术，也必须冒着视力损伤的危险。另外，利用虹膜本身有规律的震颤特性以及虹膜随光强度变化而缩放的特性，可以把假冒的虹膜图片区分开来。4.易接受性。可以不与人体接触，甚至能够在人们没有觉察的情况下把虹膜图像拍摄下来。虹膜识别技术的基本原理图像获取虹膜定位特征提取特征数据库识别或认证结果识别认证虹膜定位1.Daugman定位方法)0,0,(maxyxrdsryxIyxrrrG2),(0,0,*)(JGDaugman.Highconfidencevisualrecognitionofpersonsbyatestofstatisticalindependence.IEEETrans.onPAMI.1993,15(11):1148～1161.缺点：最优化求解易陷于局部极值点；如果全空间搜索，时间开销很大优点：如果全空间搜索，定位准确度和稳定度很高2.Wildes定位方法（Hough变换）A、差分运算B、二值化C、二维图像空间映射到三维参数空间D、最大值点对应定位参数缺点：耗时长，且容易受到虹膜上环状的“神经环”影响优点：相对而言，稳定性较高。RPWildes.Irisrecognition:anemergingbiometrictechnology.ProceedingsoftheIEEE.1997,85(9):1348～1363.3、XiaoyanYuan（袁晓艳）的方法（上海交大）A、二值化B、应用形态学方法（先腐蚀再膨胀）消除细节干扰C、圆形拟合缺点：阈值选取；耗时长优点：对瞳孔定位时，稳定性较好4、叶学义的方法（二维投影和交叉）（中国科大）A、求边缘图像C、水平投影和垂直投影D、根据交叉原则去除伪边缘影响E、圆形拟合缺点：算法比较复杂5、我们的方法(1)在虹膜图像中选定若干行，各行之间互不相邻。(2)每一行可以形成一条灰度曲线（In）(3)求差分曲线(4)灰度差分累加和在灰度差曲线上，m个相邻点的累加和(差分累加和)为：mnnnDDDSum1nnnIIDD100‘(5)边界点的确定A.阈值判断法；B.最大值法。边沿的确定，可以采用阈值判断法。设定一个阈值，对于右边沿，差分累加和大于阈值，即SUM=THRESHOLD；对于左边沿，差分累加和的负值大于阈值，即－SUM=THRESHOLD。边沿确定后，取n+m为边界点。但是，由于每个人的虹膜颜色的亮暗程度不同、虹膜边界的模糊程度不同，因此在灰度曲线上所反映的边沿高度、宽度不一。为了更准确寻找虹膜边界点，可以采用如下方法：设定一个合适的阈值及m，当检测到差分累加和大于阈值后(以右边沿为例)，再往后滑动一个点(或者几个点)，继续检测，直到小于阈值为止。设检测到的点数为q(q=m)，则n+q/2保存作为右边界点的候选。继续重复如上步骤，找出所有候选点。在所有候选点中，SUM=Dn+Dn+1+…+Dn+q最大者选为最终的边界点。(6)边界拟合的方法A.不共线的三点确定一个圆；B.圆形边界的最小二乘法拟合；C.其他的近似方法。优点：速度快虹膜定位存在的问题☆旋转效应对定位的影响对策☆旋转校正及其条件要求☆通过基于区域的方法或基于边缘的方法，获得虹膜与瞳孔的真实边界。其他预处理1、眼皮（1）抛物线模型（2）链码方法差分运算及二值化；链码搜索2、去除睫毛的影响－Candy算子3、去除照明奇异点（1）Gaussian模型W.K.KongandD.Zhang,“AccurateIrisSegmentationBasedonNovelReflectionandEyelashDetectionModel,”Pro.of2001InternationalSymposiumonIntelligentMultimedia,VideoandSpeechProcessing（2）直接阈值化方法4、低通滤波Gassian滤波器；中值滤波器；5、尺度校正)()()1(),(sprxxrrx)()()1(),(spryyrry存在问题：瞳孔缩放引起的虹膜纹理变形一般是非线性的。可能的解决途径：建立瞳孔缩放的非线性模型；采集相同瞳孔大小的虹膜图像。6、旋转校正（1）以两眼虹膜中心的连线为基线进行校正条件：多摄像机或变焦摄像机优点：基线比较稳定（2）以同一眼睛的两眼角连线为基线进行校正条件：两眼角必须出现在视场内缺点：基线不太稳定技术：求边缘、求角点（3）直接对图像、边缘图像或图像的编码进行旋转（如果直接旋转图像，运算量较大）虹膜图像匹配1、Daugman方法（1）二维Gabor滤波器)()(2/)(/)(0000220220),(yyvxxuiyyxxeeyxG2202200/)(/)()(),(eeerGrri（2）双无维映射极坐标系统)()()1(),(sprxxrrx)()()1(),(spryyrry（3）编码02202200/)(/)()(ddeeeri如果Re1Reh0Reh02202200/)(/)()(ddeeeri如果Re1Imh0Imh如果Im如果Im02202200/)(/)()(ddeeeri02202200/)(/)()(ddeeeri不同尺寸；256－Byte(4)匹配jjjBAHD2048120481循环策略：旋转校正☆国际上影响最大、识别率很高2、Daugman方法的变形（1）康浩，徐国治。虹膜纹理的相位编码。上海交通大学学报。1999，33（5）。（2）叶学义等。一种新颖的虹膜识别算法。电路与系统学报。2003，8（3）：75－80。上述两种方法的特点：也使用的是Gabor滤波器；只是编码方式与距离定义有差别。3、谭铁牛等（1）多通道Gabor滤波器方法（2）小波的方法（Daubechies-4型小波）特点：用多通道Gabor滤波器或小波滤波器形成多幅不同频率的图像；计算每幅图像的均值与方差；由欧氏距离进行判决识别。（3）基于非局部比较的虹膜识别方法A、DissociatedDipoleB、CodingandMatchingDissociatedMulti-Pole.4、wildes方法（1）金字塔多分辨分解（2）计算分解后的多幅图像的均值和方差（3）Fisher线性判别准则进行判别（类内差别最大；类间差别最小）5、我们的方法（一）（1）归一化相关系数21112211)],[)(],[(nmjipjipnimj（2）子块处理把图像划分为许多子块，对两幅虹膜图像对应的子块分别求归一化互相关系数；然后对这些互相关系数进行排序，并剔除几个最小的值；再计算余下互相关系数的均值和方差。（3）效果能够有效地减小光强变化、倾斜照明、奇异反射等对虹膜识别的影响（4）判别函数的构造目标：实现虹膜模式的非线性最优划分方法：径向神经网络径向神经网络是一种典型的局部逼近神经网络，它在逼近能力、分类能力和学习速度等方面均优于BP网络。实验结果使用397幅虹膜图像进行测试，其中11幅图像误识，其错误识别率为3.8%。6、Boles方法基本原理：图像的二次微分运算形成后，边缘便成为零交叉点。（1）母小波定义为一个平滑函数的二次微分：22)()(dxxdx（2）小波变换))(())(()(222222sfdxdsdxxdsfxfWss（3）表达nnjzzndxxfWe1)(212)(nnnzzexfZj（4）匹配WWBoles,BBoashash.Ahumanidentificationtechniqueusingimagesoftheirisandwavelettransform.IEEETrans.OnSignalProcessing.1998,46(4):1185～11886、我们的方法（二）虹膜上的纹理或结构的差异，是不同虹膜相互区别的最主要原因和体现。因此，在虹膜识别中，要想获得很高的识别率，就必须充分运用虹膜图像的纹理或结构特征。（1）边缘提取2/122)()(yxGGfmag)/arctan(),(xyGGyx（2）距离测度NNNNNNNNNdnBnAnBABA111000注释：N为两幅图像的边缘点数之和，N0A、N1A、…、NnA分别是A在B中寻找到的距离为0、1、…、n个像素的边缘点对数，N0B、N1B、…、NnB分别是B在A中寻找到的距离为0、1、…、n个像素的边缘点对数，、、…、为对应的权重系数匹配度：85.8%存在的问题1、如何更好地提取虹膜特征（或纹理特征）？2、国内虹膜图像获取技术的落后虹膜的特征1.高独特性。几乎任何两个人(包括双胞胎)的虹膜都是不完全相同的，即使是同一个人左右眼的虹膜也存在一定的差异。2.高稳定性。虹膜本身一般不易发病，可以保持几十年不变。3.良好的防伪性能。要想精细地修改虹膜的表面结构特征，即使采用目前先进的眼科手术，也必须冒着视力损伤的危险。另外，利用虹膜本身有规律的震颤特性以及虹膜随光强度变化而缩放的特性，可以把假冒的虹膜图片区分开来。4.易接受性。可以不与人体接触，甚至能够在人们没有觉察的情况下把虹膜图像拍摄下来。