基于二维Gabor变换的虹膜识别算法

电子科技大学
硕士学位论文
基于二维Gabor变换的虹膜识别算法
姓名：明兰
申请学位级别：硕士
专业：计算机应用技术
指导教师：顾小丰
20070424
第一章引言
别系统大规模应用奠定了基础。

Ｉｒｉｄｉａｎ公司研制出的虹膜识别系统已经应用在美国得克萨斯州联合银行的三个营业部内，储户两手空空就可以来银行办理业务。

他们在取款机上取钱时，一台摄像机首先对用户的眼睛进行扫描，然后将扫描图像转化成数字信息与数据库中的资料核对，就可以达到对用户的身份进行检验的且的了。

在加拿大温哥华、多伦多国际机场，伦敦的Ｈｅａｔｈｒｏｗ机场，日本的成田机场以及纽约的肯尼迪机场都在尝试将虹膜身份鉴别系统用于通关认证；新加坡——马来西亚的边境管理系统，已经将虹膜识别用于边境检查；ＶｅｄｃａｌＳｃｒｅｅｎ选择了如图ｔ－１所示的ＬＧＩｒｉｓＡＣＣｅＳＳＴＭ３０００虹膜识别系统来控制其设施的进入和对机要客户资料的戒备。

图１－１ＬＧｈｉ瞄ｃ∞骚“３０００
在国内，指纹识别技术在应用上做得比较成熟，虹膜识别的研究工作起步较晚。

上世纪末，虹膜识别技术的研究工作才开始兴起。

上海交通大学于１９９８年开始从事虹膜识别技术的跟踪研究。

２０００年，华中科技大学的科研人员根据图像的相关性进行虹膜识别的研究。

同年，中国科技大学也实现了虹膜识别的演示系统。

自２０００年以来，北京大学信息科学中心也开展了虹膜识别技术的研究，并研究出一套较高效的虹膜识别方法。

中国科学院自动化所的研究人员，用不同的方法进行虹膜识别的研究，并且取得了较好的结果。

中科院自动化研究所的模式识别国家重点实验室拥有与国际同步的自主产权的核心技术和算法［６１，于２０００年成功开发出具有自主知识产权的虹膜识别原型系统，他们还利用研制的虹膜图像获取装
电子科技大学硕士学位论文
睫状区，内有许多放射性隆起，代表虹膜血管从大环走向小环所经过的路径。

虹膜后表面较平坦。

由于虹膜内血管分布不均匀，使虹膜表面出现许多有规则的放射性条纹。

在睫状区又分为三个部分：靠近领状韧带的一部分最光滑，中间区有许多收缩纹或收缩沟（ｃｏｎｔｒａｃｔｉｏｎｆｕｒｒｏｗ）形成与瞳孔为同心的圆圈，当瞳孔扩大时最显著。

靠近睫状体的区域为筛状区，此区内虹膜表面有很多虹膜小坑。

领状韧带以内的虹膜称为瞳孔部虹膜。

在睫状部边缘部分的虹膜也有一些虹膜小坑，称为睫状区小坑（ｃｉｌｉａｒｙｃｒｙｐｙ），但和瞳孔部的虹膜小坑相比，睫状区小坑比较小和浅。

位于两个小坑之问的虹膜组织往往有一条梳状突起，跨过睫状体表面，延伸到前房角内与房角网状组织相连续，此突起即被称为梳状韧带，其结构如图２＿２所示。

图２－２虹膜结构图
２．２．２虹膜作为身份识别的依据
虹膜纹理自胚胎期第三个月就开始生成，到了第八个月，其纹理图案的结构就已经基本发育完全。

按目前医学、遗传学理论认为，正常情况下，虹膜具有终身不变的稳定性。

虹膜结构对每个人都是唯一的，并且它不随年龄的变化而变化，这种说法主要有如下两个根据１３】：
第一个依据来源于临床观察。

在对大量的眼睛进行观察的过程中，眼科专家和解剖专家们注意到，虹膜是具有很高独特性的复杂模式，孪生子的虹膜，甚至同一个人的左右眼都完全不同。

此外，在重复观测的情况下，虹膜的纹理结构几乎没什么变化，至少在孩童期之后基本不变。

第二个依据来源于发育生物学。

尽管虹膜的基本结构取决于基因遗传，但是虹膜的独特的细节部分却更多的依赖于环境条件，比如虹膜胚胎期的产物，其母体（Ｐｒｅｃｕｒｓｏｒ）的初始条件。

因此，虹膜是极不可能通过自然事物发展过程来进
电子科技大学硕士学位论文
法都要低。

故近年来，虹膜识别技术被广泛认为是最有前途的生物识别技术之一。

２．２．３虹膜图像分析
作为一种图像处理技术在生物识别领域的应用，利用图像采集装置将虹膜图像采集到系统中，首先需要对虹膜图像进行分析。

论文中的实验图片来自中国科学院自动化研究所模式识别重点实验室的虹膜库——ｃＡＳ狐虹膜数据库，图片大小为３２０ｘ２８０像素，图２＿４为虹膜图片示例。

图２－４虹膜图例
在获取的图片示例中，可以看到图片中除了虹膜区域外还包括了巩膜、瞳孔区域以及眼睑、眼睫毛等干扰部分，而且由于反光的原因，在虹膜、瞳孔区还可能有光斑，如果被录入者戴着眼镜则在图像中还可能有眼镜的影子。

虹膜图像具有特殊的圆环形状，由内到外瞳孔、虹膜和巩膜的平均灰度基本上成阶梯状分布，瞳孔的颜色较深，灰度值较小、较均匀；虹膜的纹理较多，灰度比较丰富，灰度值比瞳孔大；虹膜外面的巩膜的灰度值比虹膜大。

但在一些特殊情况下，如一些病变或镜片的后向散射光的影响，可能会使瞳孔的灰度值比虹膜大。

另外，虹膜和瞳孔的圆心通常不是同心的。

对虹膜图像进行分析可以看到，虹膜图像在灰度空间上呈现一定的特点：
（一）瞳孔的颜色较深，灰度值较小且均匀；
（二）虹膜的纹理丰富，灰度值比瞳孔大；
（三）巩膜的灰度值比虹膜大。

第三章虹膜识别关键技术研究
整个图像，若像素点的灰度大于ａ，则赋值为２５５，若其小于ａ，则赋值为０。

图３－３（ｃ）是二值化后的结果，可以看出，瞳孔被成功地分离出来。

对于光照均匀的图像可以运用投影法确定瞳孔的圆心和半径。

将瞳孔的图像分别投影到ｚ轴方向和ｙ轴方向，就可得到Ｘ轴、ｙ轴上投影坐标的最大值和最小值ｘ一、工曲、ｙ。

和），曲。

瞳孔圆心坐标（ｘ，ｙ）为：
瞳孔半径ｒ为：工，掣护虹半一（３－１），一叫掣，等产】
㈤
（ａ）原始输入图像瞳孔部分虹膜部分（ｂ）虹膜图像的灰度直方图
（ｃ）二值化方法定位瞳孔（ｄ）虹膜图像边缘提取的结果（ｅ）修整后的虹膜边缘
电子科技大学硕士学位论文
（ｆ）虹膜定位的结果（ｈ）图像增强的结果
图３－３虹膜图像预处理
但是，对于光照不均匀的图像，阈值分割之后会出现许多干扰点，图３．４是一幅光照不均匀情况下的虹膜图像及其阈值变换。

可见光照不均匀的情况下阈值变换后的瞳孔边界有棱角，而且周围有很多干扰点，这对确定虹膜的内边缘增加了不少难度。

（ａ）原图（ｂ）阈值变换（阈值＝１０２）
图３－４光照不均匀情况下虹膜的阈值分割结果
如上所述，阈值分割可以初步地将瞳孔分割出来，但是考虑到算法的鲁棒性，应该对不同光照情况下阈值分割图像的差异情况予以充分考虑，对于光照均匀程度所带来的噪声与干扰也应该能够很好的处理。

本文对阈值分割后的图像进行精确取点，然后采用ｈｏｕｇｈ变换确定瞳孔的圆心和半径。

Ｈｏｕｇｈ变换是对图像进行某种形式的坐标变换，它将原始图像中给定形状的曲线或直线变换成变换空闻的一个点，即原始图像中曲线或直线上所有点都集中到变换空间的某个点上形成峰点。

这样，把原始图像中给定形状的曲线或直线的检测问题变成寻找变换空间的峰点问题，也即把检测整体特性（给定曲线的点集）变成检测局部特性的问题。

由上述原理，可得圆的Ｈｏｕｇｈ变换的方法：在Ｘ－ｙ平面上，中心在（４。

，ｂ。

），半。