專利名稱：虹膜圖像質(zhì)量的評價(jià)和基于虹膜圖像識別的身份鑒別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物信息技術(shù)和計(jì)算機(jī)應(yīng)用，特別是關(guān)于虹膜圖像質(zhì)量的評價(jià)和基于虹膜圖像識別的身份鑒別方法。
背景技術(shù)：
虹膜識別極有可能是今后個(gè)人身份辨別最為有效的途徑，它將廣泛用于網(wǎng)絡(luò)和計(jì)算機(jī)安全、記錄與數(shù)據(jù)安全、企業(yè)考勤、電子商務(wù)、聯(lián)機(jī)購物、銀行信用卡業(yè)務(wù)、公安系統(tǒng)等各個(gè)領(lǐng)域。身份識別系統(tǒng)都需將識別目標(biāo)拍攝下來存儲為圖片后識別，虹膜圖像識別的識別率直接取決于虹膜圖像的質(zhì)量。通常虹膜圖像質(zhì)量的評價(jià)有主觀和客觀兩種主觀評價(jià)是以人的視覺效果作為評判準(zhǔn)則，它無法用數(shù)學(xué)模型對圖像質(zhì)量進(jìn)行定量描述，其應(yīng)用效果極為有限。尤其是在實(shí)時(shí)圖像檢測，如虹膜識別等，主觀評價(jià)就不適用。而客觀評價(jià)是根據(jù)對圖像內(nèi)容的數(shù)學(xué)描述來判斷圖像質(zhì)量是否達(dá)到應(yīng)用要求，它具有準(zhǔn)確、快速、量化等特點(diǎn)。常用的方法是均方誤差和峰值信噪比。但關(guān)于虹膜圖像質(zhì)量的評價(jià)標(biāo)準(zhǔn)尚未見有報(bào)道。有關(guān)虹膜識別的用途及方法的技術(shù)文獻(xiàn)有很多，如專利號為ZL97104405.8、名稱為《虹膜識別方法》，就曾有所介紹。
在眼睛圖像中虹膜定位的方案采用了虹膜的參數(shù)化模型，這些模型的參數(shù)化逐步迭代地適配于眼睛圖像并得到增強(qiáng)以提高對應(yīng)于虹膜邊界的區(qū)域。模型的復(fù)雜性包括從用于劃分模型的內(nèi)、外邊界的同心圓至考慮部分的閉合眼瞼的影響的更精細(xì)模型。用于增強(qiáng)虹膜邊界的方法包括基于梯度的邊緣檢測以至形態(tài)學(xué)濾波。這些方法受限于需要用作迭代適配過程起點(diǎn)的良好初始條件以至額外的計(jì)算費(fèi)用。
將試圖存取者眼睛視頻圖像中獲取的定位的虹膜圖像數(shù)據(jù)與數(shù)據(jù)庫中文件內(nèi)一個(gè)或多個(gè)參考的定位的虹膜圖像進(jìn)行模式匹配的方案能提供這些虹膜圖像數(shù)據(jù)間合理的鑒別，但卻需龐大的計(jì)算費(fèi)用。
虹膜圖像消噪(亦稱為平滑)，在采集虹膜圖像時(shí)，CCD芯片和圖像傳輸過程都會引入噪聲，輔助光源的反光會在瞳孔和虹膜部分形成亮斑，這對后續(xù)的虹膜檢測很不利。為去除這些噪聲，現(xiàn)有的領(lǐng)域平均法在去噪的同時(shí)，會對圖像的邊緣和細(xì)節(jié)造成模糊效應(yīng)；中值濾波法中窗口的大小會影響到圖像的細(xì)節(jié)信息。
虹膜定位，圖像定位即圖像的邊緣檢測。邊緣是圖像最基本的特征，定位的目的是檢測出虹膜的內(nèi)、外邊緣，其邊緣兩側(cè)的灰度值有顯著的差異。常見的方法是使用微分算子來進(jìn)行邊緣檢測，但微分算子有增強(qiáng)高頻分量的作用。而噪聲一般都來自高頻分量。因此這類算子對噪聲很敏感，易把噪聲當(dāng)作邊緣信號處理而影響邊緣檢測的正確性。
虹膜圖像校準(zhǔn)，在采集眼睛圖像時(shí)，人眼與鏡頭的距離會發(fā)生變化，眼睛的偏斜等會影響到圖像的大小和方向性，即會發(fā)生不同程度的“漂移、放縮、旋轉(zhuǎn)”等。因而為使識別結(jié)果不受影響，必須對圖像進(jìn)行校準(zhǔn)。常見的方法是在圖像攝取時(shí)對用戶有嚴(yán)格的操作要求，例如固定操作者的位置等，這與虹膜識別作為一種非侵犯性生物識別方法是相違背的。另外，采用圖像變換的辦法，衰減高頻系數(shù)實(shí)現(xiàn)數(shù)據(jù)壓縮，使能量集中于低頻部分，但這樣并不能從根本上解決問題。
虹膜特征提取，對虹膜紋理進(jìn)行定量表征的一般方法大致分為統(tǒng)計(jì)方法和結(jié)構(gòu)方法兩種。但這兩種方法對具有混沌狀的虹膜紋理不適用。
虹膜模式匹配，常見的方法用Gabor濾波器對提取到的特征值進(jìn)行編碼后，再設(shè)計(jì)分類器區(qū)分虹膜模式，運(yùn)算量相當(dāng)大。

發(fā)明內(nèi)容
本發(fā)明是要提供一種可準(zhǔn)確評價(jià)虹膜圖像的質(zhì)量及基于虹膜圖像識別的身份鑒別方法。
對虹膜圖像質(zhì)量的評價(jià)方法，其步驟是(1)在虹膜圖像上取包含有虹膜部分和鞏膜部分的至少3行以上的像素；(2)計(jì)算每行像素中相鄰像素灰度的最大梯度值，并得到各梯度值所在像素的橫坐標(biāo)；(3)將各個(gè)橫坐標(biāo)看成一分界點(diǎn)，一邊是虹膜區(qū)、一邊是鞏膜區(qū)，分別計(jì)算每行中鞏膜和虹膜區(qū)域里各像素灰度的中值；
(4)將上邊得到的各行鞏膜和虹膜區(qū)的中值平均后，得到分別代表鞏膜和虹膜區(qū)域灰度值的變量A和B；(5)計(jì)算鞏膜和虹膜區(qū)域灰度值變量的差值C＝A-B；(6)計(jì)算由每行像素中相鄰像素灰度的最大梯度值的平均值，得到代表鞏膜和虹膜邊緣灰度差值的變量D；(7)評判因子定義為將代表鞏膜和虹膜邊緣灰度差值的變量除以鞏膜和虹膜灰度值變量的差值，即W＝D/C。當(dāng)這個(gè)評判因子W＞0.6時(shí)，圖像質(zhì)量即完全符合識別的要求。
我們對基于虹膜圖像識別的身份鑒別方法是(1)虹膜圖像消噪利用小波變換分析理論，構(gòu)造一種既能降低圖像噪聲、又能保持圖像細(xì)節(jié)信息的虹膜圖像消噪方法。
傳統(tǒng)的低通濾波方法將圖像的高頻成分濾除、雖能達(dá)到降低噪聲的效果、但破壞了圖像細(xì)節(jié)。小波變換的理論是近年來興起的新的數(shù)學(xué)分支，它解決了很多傅立葉變換不能解決的難題。傅立葉變換雖然已經(jīng)廣泛地應(yīng)用于信號處理領(lǐng)域，較好地描述了信號的頻率特性，但傅立葉變換卻不能較好地解決突變信號與非平穩(wěn)信號的問題。
小波變換是一種信號的時(shí)間—尺度(時(shí)間—頻率)分析的方法，它具有多分辨率分析和可在時(shí)間、頻率兩域表征信號局部特征的特點(diǎn)，是一種時(shí)間窗和頻率窗都可改變的時(shí)域局部化分析方法，在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，在高頻部分具有較高的時(shí)間分辨率和較低的頻率分辨率。由于小波變換得多分辨率分析可以聚焦到分析對象的任意細(xì)節(jié)，因此特別適合于圖像信號這一類非平穩(wěn)信號源的處理。
(2)虹膜定位使用極坐標(biāo)下的梯度邊緣檢測法進(jìn)行虹膜定位，更加符合虹膜的圓形特性。把圖像消噪與邊緣檢測相結(jié)合，把平滑(即消噪)后的值作為邊緣檢測的中間值使用，可使存貯空間和計(jì)算量大為減少。
(3)虹膜圖像的校準(zhǔn)將兩邊界近似圓定義為虹膜并不嚴(yán)格，因?yàn)樵摥h(huán)域中還包括了應(yīng)該去除的眼皮部分。用虹膜圖像歸一化和增強(qiáng)的辦法即可解決這一問題，即以虹膜的中心為兩坐標(biāo)系的共同原點(diǎn)，將直角坐標(biāo)系轉(zhuǎn)化為極坐標(biāo)系，定義{(ρ，θ)|80°＜θ＜100°}為含眼皮部分，將其去除，這樣保留下來的可用于識別的虹膜面積約占全部虹膜面積的85％以上，足夠識別用。但這樣的虹膜矩形塊紋理灰度信息不夠大，須進(jìn)行圖像增強(qiáng)。虹膜圖像主要由光強(qiáng)度和反射光強(qiáng)度的乘積決定，同態(tài)濾波的結(jié)果會改變圖像光強(qiáng)度與反射光強(qiáng)度的特性，實(shí)現(xiàn)同時(shí)降低圖像動(dòng)態(tài)范圍，濾除一定范圍內(nèi)的像素，隔離上下眼瞼造成的遮掩，又增強(qiáng)對比度的結(jié)果。選用參數(shù)為rL＜1，(rL+rH)＞1的濾波特性函數(shù)，即可使圖像具有較強(qiáng)的對比度，去除輔助光源造成的光斑影響。
(4)虹膜特征提取及編碼選用Haar小波基，(小波變換是常用的圖像分析手段，二維小波變換將一幅圖像分解成一系列的低頻子圖像。)對前面所述的每個(gè)步驟中得到的固定大小的虹膜圖像，應(yīng)用四次小波變換，得到分解后固定大小的子圖像(或稱為小波分解通道)，將要提取的特征值總數(shù)為這些子圖像的特征值與剩余三個(gè)高通通道之和，并對這些特征矢量進(jìn)行量化為-1.0～1.0之間，將正值轉(zhuǎn)換成1，負(fù)值轉(zhuǎn)換成0，因此，一幅虹膜圖像即由這些量化后的特征矢量來表示。
(5)虹膜模式匹配本發(fā)明采用的識別算法是基于一種加權(quán)的Hamming距離(WHD)，以體現(xiàn)編碼的權(quán)重，如果兩編碼相同，WHD＝0，如果兩編碼各位均相反，WHD＝1，根據(jù)計(jì)算得到的虹膜圖像間的WHD即可進(jìn)行個(gè)人身份的鑒別。這比常見的基于Hamming距離的模式匹配方法更科學(xué)，有效地避免了常規(guī)方法中將各碼元同等看待的缺點(diǎn)。
四

圖1是本發(fā)明的虹膜識別流程圖。
圖中第1步驟虹膜圖像采集，可應(yīng)用本發(fā)明中的虹膜圖像質(zhì)量評價(jià)方法獲得高質(zhì)量的虹膜圖像；圖像預(yù)處理步驟，即為虹膜圖像消噪、虹膜圖像定位虹膜圖像校準(zhǔn)工序；特征分析、編碼匹配步驟，是對虹膜特征值提取、編碼及識別。
通過上述的識別步驟，即得到識別結(jié)果，從而快捷地識別出合法用戶或非法用戶。
五、具體實(shí)施方案利用小波變換分析理論，是比傳統(tǒng)的低通濾波濾除圖像的高頻成份以降低噪聲更為有效的方法。例如假設(shè)獲得虹膜信號的觀測公式如下yi＝xi+ni，i＝1，2...M其中ni為零均值的白色高斯噪聲，σ為方差，xi為其期望信號，yi為觀測值。濾除噪聲ni的問題可認(rèn)為是如何將x從觀測值y中恢復(fù)。假設(shè)離散小波變換矩陣為W，則對上進(jìn)行小波變換得到Y(jié)＝X+N這里，Y＝W[yi]，X＝W[xi]，N＝W[ni]。對應(yīng)于W，存在逆變換矩陣M，滿足WM＝I。
由小波變換的特性可知，高斯噪聲的小波變換仍然是高斯分布的，它均勻分布在頻率尺度空間的各部分，而信號由于其帶限性，它的小波變換系數(shù)僅僅集中在頻率尺度空間上的有限部分。從能量的觀點(diǎn)看，在小波域上，所有的小波系數(shù)都對噪聲有貢獻(xiàn)，所以可以把小波系數(shù)分成兩類，第一類小波系數(shù)僅僅由噪聲變換而得到，這類小波系數(shù)幅值小，數(shù)目較多。第二類小波系數(shù)由信號變換得來，并包含噪聲的變換結(jié)果，這類小波系數(shù)幅值大，數(shù)目較小。根據(jù)信號小波分界的這個(gè)特點(diǎn)，可以通過這種小波系數(shù)幅值上的差異來降低噪聲，利用閾值方法對小波系數(shù)進(jìn)行處理，閾值選取使用Dohono的小波軟閾值選取方法[Dohono，DL.De-noising bySoft-Thresholding[J].IEEE Trans.Onformation Theory，1995，41(3)613-627]，大于這個(gè)閾值的小波系數(shù)認(rèn)為屬第二類系數(shù)，它同時(shí)含有信號和噪聲的變換結(jié)果，可以簡單保留或進(jìn)行后續(xù)操作，而小于這個(gè)閾值的小波系數(shù)，則認(rèn)為是第一類小波系數(shù)，即完全由噪聲變換而來，應(yīng)該去掉這些系數(shù)。這樣達(dá)到了降低噪聲的目的。由于這種方法保留大部分包含信號的小波系數(shù)，因此可以較好的保持虹膜圖像細(xì)節(jié)。
對虹膜定位應(yīng)注意人眼的虹膜部分(即黑色瞳孔)和白色鞏膜間的環(huán)狀紋理組織，是兩個(gè)圓形邊界之間的環(huán)域，但這兩個(gè)圓并不互為完全意義上的同心圓，因此要對他們分別進(jìn)行搜索提取。根據(jù)黃種人的眼球的灰度特性，虹膜內(nèi)緣兩側(cè)的瞳孔與虹膜灰度差別不明顯，而虹膜顏色較深，鞏膜呈白色，兩者對比度最大，故而應(yīng)先檢測虹膜的外緣，檢測步驟是a、將圖像轉(zhuǎn)換成灰度圖像，根據(jù)圖像大小，確定它所能包含的圓的半徑范圍；b、統(tǒng)計(jì)所有這些圓周上的灰度平均值；c、求相鄰兩圓周的灰度梯度，由其最大值可求出虹膜的外邊界。
在上述的搜索過程中，可根據(jù)眼睛圖像的成像參數(shù)，對半徑和圓心給予約束，從而減少搜索時(shí)間。
虹膜內(nèi)邊界的檢測步驟根據(jù)邊緣灰度的差異，用邊緣檢測方法設(shè)置一定的門限，便很容易獲得內(nèi)邊緣。根據(jù)瞳孔灰度值(即虹膜灰度值)、鞏膜灰度值，先以眼圖的灰度平均值為尺度，取得眼圖的二值化圖像，再選擇合適的閾值粗定出瞳孔邊界，亦即虹膜的內(nèi)緣。然后用形態(tài)學(xué)的辦法精確地定出瞳孔的邊緣范圍。對邊緣點(diǎn)的坐標(biāo)用二分法很容易求出虹膜內(nèi)緣的圓心。本發(fā)明的定位方法，比先前相關(guān)文獻(xiàn)報(bào)道的速度快、且精度高，可避免大量的數(shù)學(xué)運(yùn)算和搜索的盲目性。
權(quán)利要求
1.一種虹膜圖像質(zhì)量的評價(jià)方法，其特征在于，評價(jià)步驟是(1)、在虹膜圖像上取包含有虹膜部分和鞏膜部分的至少3行以上的像素；(2)、計(jì)算每行像素中相鄰像素灰度的最大梯度值，并得到各梯度值所在像素的橫坐標(biāo)；(3)、將各個(gè)橫坐標(biāo)看成一分界點(diǎn)，一邊是虹膜區(qū)、一邊是鞏膜區(qū)，分別計(jì)算每行中鞏膜和虹膜區(qū)域里各像素灰度的中值；(4)、將得到的各行鞏膜的虹膜區(qū)的中值平均后，得到分別代表鞏膜和虹膜區(qū)域灰度值的變量A和B；(5)、計(jì)算鞏膜和虹膜區(qū)域灰度值變量的差值C＝A-B；(6)、計(jì)算由每行像素中相鄰像素灰度的最大梯度值的平均值，得到代表鞏膜和虹膜邊緣灰度差值的變量D；(7)、評判因子定義為將代表鞏膜和虹膜邊緣灰度差值的變量除以鞏膜和虹膜區(qū)域灰度值變量的差值，即W＝D/C，評判因子W＞0.6，圖像質(zhì)量符合識別要求。
2.一種虹膜圖像識別的身份鑒別方法，包括虹膜圖像消噪、虹膜定位、虹膜圖像的校準(zhǔn)、虹膜特征提取及編碼、虹膜模式匹配，其特征在于(1)、虹膜圖像消噪，是利用小波變換分析理論構(gòu)造降低圖像噪聲、保持圖像細(xì)節(jié)信息的圖像消噪方法；(2)、虹膜定位，是利用極坐標(biāo)下的梯度邊緣檢測法進(jìn)行虹膜定位，以符合虹膜的圓形特性，把圖像消噪與邊緣檢測相結(jié)合，把消噪后的值作為邊緣檢測的中間值使用；(3)、虹膜圖像的校準(zhǔn)，是用虹膜圖像歸一化和增強(qiáng)的辦法去除虹膜環(huán)域中的眼皮部分，即以虹膜的中心為兩坐標(biāo)系的共同原點(diǎn)，將直角坐標(biāo)系轉(zhuǎn)化為極坐標(biāo)系，定義{(ρ，θ)| 80°＜θ＜100°}為含眼皮部分，將其去除，用同態(tài)濾波法，選用參數(shù)為rL＜1，(rL+rH)＞1的濾波特性函數(shù)，使圖像具有較強(qiáng)的對比度，去除輔助光源造成的光斑影響；(4)、虹膜特征提取及編碼，選用Haar小波基，對前述的每個(gè)步驟中得到的固定大小的虹膜圖像，應(yīng)用四次小波變換，得到分解后固定大小的子圖像，將要提取的特征值總數(shù)為這些子圖像的特征值與剩余三個(gè)高通通道之和，對這些特征矢量進(jìn)行量化-1.0～1.0之間，并將正值轉(zhuǎn)換成1、負(fù)值轉(zhuǎn)換成0，虹膜圖像由這些量化后的特征矢量來表示；(5)、虹膜模式匹配用加權(quán)的Hamming距離WHD，作識別算法，如果兩編碼相同，WHD＝0，如果兩編碼各位均相反，WHD＝1，根據(jù)計(jì)算得到的虹膜圖像間的WHD進(jìn)行個(gè)人身份的鑒別。
3.根據(jù)權(quán)利要求2所述的一種虹膜圖像識別的身份鑒別方法，其特征是，對虹膜定位時(shí)，先檢測虹膜的外緣，檢測步驟是a、將圖像轉(zhuǎn)換成灰度圖像，根據(jù)圖像大小，確定它所能包含的圓的半徑范圍；b、統(tǒng)計(jì)所有這些圓周上的灰度梯度，由其最大值求出虹膜的外邊界；再對虹膜內(nèi)邊界檢測根據(jù)邊緣灰度的差異，用邊緣檢測法設(shè)置門限，根據(jù)瞳孔灰度值、鞏膜灰度值，以眼圖的灰度平均值為尺度，取得眼圖的二值化圖像，再選擇閾值粗定出瞳孔邊界，即虹膜的內(nèi)緣，然后用形態(tài)學(xué)的辦法精確定出瞳孔的邊緣范圍，對邊緣點(diǎn)的坐標(biāo)用二分法求出虹膜內(nèi)緣的圓心。
全文摘要
本發(fā)明是根據(jù)對圖像內(nèi)容的數(shù)學(xué)描述，準(zhǔn)確客觀地評價(jià)虹膜圖像的質(zhì)量，以獲得高質(zhì)量的虹膜圖像，再對虹膜圖像用小波變換分析理論進(jìn)行降低圖像噪聲和保持圖像細(xì)節(jié)信息的消噪、用極坐標(biāo)下的遞度邊緣檢測法進(jìn)行虹膜定位及用虹膜圖像歸一化和增強(qiáng)的辦法對虹膜圖像校準(zhǔn)處理，進(jìn)而選用Haar小波基對虹膜特征值提取、編碼、識別和用加權(quán)的Hamming距離(WHD)對虹膜模式匹配，快速地識別出被檢者是合法用戶或非法用戶的身份。
文檔編號G06K9/00GK1549188SQ0311787
公開日2004年11月24日 申請日期2003年5月13日 優(yōu)先權(quán)日2003年5月13日
發(fā)明者范科峰, 曾慶寧 申請人:范科峰