專利名稱：彩色隱形眼鏡的防偽檢測方法
技術領域：
本發(fā)明涉及的是一種圖像處理技術領域的方法，具體是一種彩色隱形眼鏡的防偽檢測方法。
背景技術：
基于生物特征的身份鑒別方法優(yōu)點之一是具有較高的可靠性，但是各類生物特征也有被偽造的危險，作為誤識率最低的虹膜識別也不例外，也面臨著被攻擊的危險。隨著虹膜識別技術的應用越來越廣，現(xiàn)有的虹膜識別系統(tǒng)遭受的潛在攻擊也會越來越多，目前最主要的偽虹膜是打印類虹膜，包括將非法獲取的活體虹膜圖像打印在紙質(zhì)上及打印在彩色隱形眼鏡上。因此，國內(nèi)外現(xiàn)有的防偽方法主要針對打印類偽虹膜，而很少有對彩色隱形眼鏡的防偽。
經(jīng)對現(xiàn)有技術的文獻檢索發(fā)現(xiàn)，John Daugman在《Journal of Wavelets，Multiresolution，and Information Processing》(小波、多分辨率及信息處理雜志)(2003年第1期第1-17頁)上發(fā)表的“Demodulation by complex-valuedwavelets for stochastic pattern recognition”(用于隨機特征識別的基于復小波解調(diào))，該文中的第14頁提出了利用FFT變換檢測偽虹膜的頻譜特性，具體方法為先將戴彩色隱形眼鏡的虹膜圖像進行2維FFT變換，然后通過檢測頻譜圖中是否有4個中頻亮點區(qū)域，來判斷是否是活體虹膜還是偽虹膜。該方法利用打印機本身的打印特性，會產(chǎn)生周期性的打印痕跡，反映在頻譜上為某一頻段上有很高的能量，因此只要利用FFT變換即可檢測。其不足在于當攻擊者故意不聚焦時，則利用FFT檢測偽虹膜的方法將會失效。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有的彩色隱形眼鏡防偽方法在檢測精度上的不足，提出了一種彩色隱形眼鏡的防偽檢測方法。本發(fā)明利用彩色隱形眼鏡紋理區(qū)域的不變性及灰度特性進行虹膜防偽，使其能夠對市面上現(xiàn)有的彩色隱形眼鏡進行檢測，在速度上具有實時性。
本發(fā)明是通過以下技術方案實現(xiàn)的，包括以下步驟第一步，利用幾何方法定位虹膜外圓；第二步，根據(jù)第一步得到的虹膜外圓的參數(shù)確定偽虹膜的不變區(qū)域，然后進行歸一化操作，考慮到睫毛及眼瞼的干擾，歸一化時采樣角度為180度到360度范圍；第三步，根據(jù)第二步得到的歸一化虹膜圖像，進行偽虹膜的特征抽取。主要抽取歸一化虹膜圖像的灰度共生矩陣的對比度及角二階矩兩個紋理特征，同時計算歸一化虹膜圖像的灰度均值及方差，得到一個4維的特征向量；第四步，根據(jù)第三步得到的特征向量，進行偽虹膜的識別。主要利用支持向量機進行兩類分類，即，一類為真實虹膜，另一類為偽虹膜。
所述的第一步，是指先確定虹膜內(nèi)圓參數(shù)，然后確定外圓所在的區(qū)域，再利用幾何方法快速定位虹膜外圓。具體通過如下三步來實現(xiàn)①確定虹膜內(nèi)圓參數(shù)根據(jù)虹膜圖像的灰度分布特點，瞳孔的灰度值比較小且分布比較均勻，因此可用灰度投影法確定虹膜內(nèi)圓的圓心坐標；②虹膜外圓的邊緣抽取首先，根據(jù)確定的虹膜內(nèi)圓的圓心坐標，結合先驗知識(采集下來的虹膜半徑有個大致范圍，具體值取決于不同的采集設備)可以確定虹膜外圓所在大致范圍，然后將其縮小30％比率，利用Canny邊緣檢測方法對縮小的虹膜區(qū)域進行邊緣抽取。利用Canny進行邊緣檢測，檢測出的邊緣噪聲少且是單像素邊緣，檢測時，檢測算子調(diào)節(jié)到垂直方向，因為在垂直方向上，虹膜的外邊緣被睫毛及眼瞼遮擋較少，而水平方向上則會包含很多噪聲，利用確定的虹膜內(nèi)圓的參數(shù)去除瞳孔區(qū)域及眼瞼等噪聲信息，最后再用八連通準則進一步去除隨機噪聲，得到去除噪聲后的邊緣圖。
③虹膜外圓的定位利用幾何方法對去噪后的邊緣圖像進行圓的定位。設瞳孔的圓心為點P，在邊緣圖內(nèi)，沿點P以等間隔大小Δ水平向下掃描n行，這些掃描線與邊緣圖相交，取外邊緣的焦點，得到兩組點集B和C，其中，B＝{Bi|i＝1，2，3…n}，C＝{Ci|i＝1，2，3…n}。則可以利用不在一條直線上的任意三點可以確定其外接圓的原理進行圓的參數(shù)計算，即從兩組點集B和C中隨機抽取三點計算圓的半徑ri和圓心坐標(xi，yi)，其中，i＝1，2，3…m，m為隨機抽取的次數(shù)。因此得到該虹膜外圓的半徑及圓心坐標分別為r=1mΣi=1mri]]>和(x=1mΣi=1mxi,y=1mΣi=1myi).]]>最后根據(jù)縮小比例，由縮小圖像的圓的參數(shù)推算原始虹膜外圓參數(shù)。
所述的第二步，是指根據(jù)虹膜外圓的參數(shù)確定偽虹膜的不變區(qū)域。即取遠離瞳孔的外環(huán)區(qū)域，因為偽虹膜的紋理不會隨著光照(會引起瞳孔的收縮)而變化，因此可以估計偽虹膜的大致不變范圍，考慮到睫毛及眼瞼的干擾，歸一化時，實際采樣角度為180度到360度范圍。
所述的第三步，是指基于灰度共生矩陣可以定義諸如對比度、角二階矩(又稱能量)、局部同質(zhì)性(又稱逆差值矩)及相關性等特征，其中，對比度con可以理解為清晰度，即紋理的清晰程度。圖像中紋理溝紋越深，對比度越大，視覺效果越清晰。對于粗紋理，con值較小，對于細紋理，con值較大；角二階矩asm是一種對圖像紋理分布均勻性的度量，即像素對的重復性。當圖像灰度分布比較均勻時，asm值較大，反之，asm值則較小，角二階矩與一階統(tǒng)計量(比如對比度和方差)完全不相關，即當對比度和方差的值為0時角二階矩可能達到最大值。
本發(fā)明利用了灰度共生矩陣的對比度con和角二階矩asm兩個特征，此外，圖像灰度統(tǒng)計特征，即歸一化虹膜圖像的灰度均值m及方差σ也作為彩色隱形眼鏡的特征，該4個特征定義如下m=1W×HΣx=1HΣy=1WI(x,y)---(1)]]>σ=1W×HΣx=1HΣy=1W(I(x,y)-m)2---(2)]]>con=Σi=1NΣj=1N(i-j)2P(i,j)---(3)]]>
asm=Σi=1NΣj=1NP(i,j)2---(4)]]>其中，對比度(con)可以理解為清晰度，即紋理的清晰程度。圖像中紋理溝紋越深，對比度越大，視覺效果越清晰。對于粗紋理，con值較小，對于細紋理，con值較大；角二階矩(asm)是一種對圖像紋理分布均勻性的度量，即像素對的重復性。當圖像灰度分布比較均勻時，asm值較大，反之，asm值則較小。
因此，一幅彩色隱形眼鏡圖像可以表征為一個4維的特征向量，該特征向量定義如下V＝[m，σ，con，asm]T(5)所述的第四步，是指利用支持向量機進行分類，即，一類為真實虹膜，另一類為偽虹膜，支持向量機使用RBF(高斯徑向基核)函數(shù)。
K(x,xi)=exp{-|x-xi|2σ2}---(6)]]>其中，x為待分類樣本，xi為支持向量，σ是RBF的標準方差。
本發(fā)明在虹膜外圓定位的基礎上進行偽虹膜特征抽取，由于偽虹膜紋理灰度較深，且灰度較均勻，而真虹膜會隨著過照的變化瞳孔會收縮且紋理灰度較淺，因此抽取歸一化虹膜圖像的灰度共生矩陣的對比度及角二階矩兩個紋理特征，同時計算歸一化虹膜圖像的灰度均值及方差，共計4個特征向量，最后利用支持向量機進行兩類分類。
與現(xiàn)有技術相比，本發(fā)明提出的虹膜防偽方法具有較高的精度及實用性。用采集的虹膜庫(包含有2000幅真實虹膜圖像，250幅戴彩色隱形眼鏡的虹膜圖像)進行試驗，其中，用1000幅真實虹膜圖像及150幅戴彩色隱形眼鏡的虹膜圖像來訓練，其余用來測試，實驗環(huán)境為Matlab 7.1，WindowsXP，Pentium 4 3GHz512M內(nèi)存。測試結果為識別率為100％。在速度上，本發(fā)明的識別平均時間為252.8毫秒(其中，虹膜定位耗時190.5毫秒，歸一化耗時16.2毫秒，抽取特征值耗時31.3毫秒，偽虹膜識別耗時14.8毫秒)。實驗表明本發(fā)明提出的彩色隱形眼鏡檢測方法在速度及精度上都能滿足實時的要求。


圖1為本發(fā)明實施例外圓定位結果圖。
圖2為本發(fā)明實施例抽取的偽虹膜不變區(qū)域結果示意圖。
圖3為本發(fā)明實施例歸一化結果示意圖。
具體實施例方式
下面結合附圖對本發(fā)明的實施例作詳細說明本實施例在以本發(fā)明技術方案為前提下進行實施，給出了詳細的實施方式和過程，但本發(fā)明的保護范圍不限于下述的實施例。
為了驗證本發(fā)明的有效性，實施例用的虹膜圖像采用自己拍攝的虹膜庫，其中彩色隱形眼鏡為市面上銷售的普通彩色隱形眼鏡。整個實現(xiàn)過程如下(1)利用幾何方法快速定位虹膜外圓先，然后確定外圓所在的區(qū)域，再利用幾何方法快速定位虹膜外圓。具體通過如下三步來實現(xiàn)①確定虹膜內(nèi)圓參數(shù)根據(jù)虹膜圖像的灰度分布特點，瞳孔的灰度值比較小且分布比較均勻，因此可用灰度投影法確定虹膜內(nèi)圓的圓心坐標；②虹膜外圓的邊緣抽取首先，根據(jù)確定虹膜內(nèi)圓的圓心坐標，結合先驗知識(本實施例，虹膜最大半徑估計為150個像素)可以確定虹膜外圓所在大致范圍，然后將其縮小一定比率(本實施例使用30％)，如圖1.(a)所示。利用Canny邊緣檢測方法對縮小的虹膜區(qū)域進行邊緣抽取，邊緣檢測時，檢測算子調(diào)節(jié)到垂直方向，如圖1.(b)所示。利用估計的虹膜內(nèi)圓的參數(shù)去除瞳孔區(qū)域及眼瞼等噪聲信息，最后再用八連通進一步去除隨機噪聲，得到去除噪聲后的邊緣圖，如圖1.(c)所示。
③虹膜外圓的定位利用幾何方法對去噪后的邊緣圖像進行圓的定位。設瞳孔的圓心為點P，坐標為P(x，y)＝P(35，39)，在邊緣圖內(nèi)，沿點P以等間隔大小Δ(取6)水平向下掃描n(取4)行，這些掃描線與邊緣圖相交，取外邊緣的焦點，得到兩組點集B和C，其中，B＝{Bi|i＝1，2，3…n}，C＝{Ci|i＝1，2，3…n}，如圖1.(d)所示。則可以利用不在一條直線上的任意三點可以確定其外接圓的原理進行圓的參數(shù)計算，即從兩組點集B和C中隨機抽取三點計算圓的半徑ri和圓心坐標(xi，yi)，其中，i＝1，2，3…m，m(取10)為隨機抽取的次數(shù)。因此得到該虹膜外圓的半徑及圓心坐標分別為r=1mΣi=1mri]]>和(x=1mΣi=1mxi,y=1mΣi=1myi).]]>最后根據(jù)縮小比例，由縮小圖像的圓的參數(shù)推算原始虹膜外圓參數(shù)。該外圓圓心為[row，col]＝[230，361]，半徑為136，外圓定位結果如圖2所示。
(2)根據(jù)虹膜外圓的參數(shù)確定偽虹膜的不變區(qū)域，即取遠離瞳孔的外環(huán)區(qū)域，該區(qū)域半徑設為70個像素(原始虹膜圖像大小為640×480)，因為偽虹膜的紋理不會隨著光照(會引起瞳孔的收縮)而變化，因此可以估計偽虹膜的大致不變范圍，考慮到睫毛及眼瞼的干擾，歸一化時實際采樣角度為180度到360度范圍(如圖3所示)，歸一化結果如圖4所示。
(3)偽虹膜特征抽取，抽取歸一化虹膜圖像的灰度共生矩陣的對比度及角二階矩兩個紋理特征，同時計算歸一化虹膜圖像的灰度均值及方差，共計4個統(tǒng)計紋理特征向量，所得的特征向量V＝[m，σ，con，asm]T＝[77.44，3.34，0.1366，0.2644]T。
(4)偽虹膜識別利用支持向量機進行兩類分類，即，一類為真實虹膜，另一類為偽虹膜，支持向量機使用RBF(高斯徑向基核)函數(shù)，高斯徑向基核的參數(shù)設為標準偏差為3，上邊界為10。
可以看出結果圖像中的分類結果能很好地將虹膜偽虹膜檢測出來，具有較高的精度，同時，本實施例提出的活體虹膜防偽方法具有較高的速度。以上實施例總耗時為252.4毫秒(其中，虹膜定位耗時190.2毫秒，歸一化耗時16.2毫秒，抽取特征值耗時31.3毫秒，偽虹膜識別耗時14.7毫秒)。
權利要求
1.一種彩色隱形眼鏡的防偽檢測方法，其特征在于，包括以下步驟第一步，利用幾何方法確定外圓定位虹膜外圓先確定虹膜內(nèi)圓參數(shù)，然后確定外圓所在的區(qū)域，再利用幾何方法即根據(jù)3點確定外圓來定位虹膜外圓；第二步，根據(jù)第一步得到的虹膜外圓的參數(shù)確定偽虹膜的不變區(qū)域，然后進行歸一化操作，歸一化時采樣角度為180度到360度范圍；第三步，根據(jù)第二步得到的歸一化虹膜圖像，進行偽虹膜的特征抽取，抽取歸一化虹膜圖像的灰度共生矩陣的對比度及角二階矩兩個紋理特征，同時計算歸一化虹膜圖像的灰度均值及方差，得到一個4維的特征向量；第四步，根據(jù)第三步得到的特征向量，進行偽虹膜的識別，利用支持向量機進行兩類分類，即，一類為真實虹膜，另一類為偽虹膜。
2.根據(jù)權利要求1所述的彩色隱形眼鏡的防偽檢測方法，其特征是，所述的第一步，通過如下三步來實現(xiàn)①用灰度投影法確定虹膜內(nèi)圓的圓心坐標；②虹膜外圓的邊緣抽取首先，根據(jù)①確定的虹膜內(nèi)圓參數(shù)，結合先驗知識確定虹膜外圓所在大致范圍，然后將其縮小30％比率，利用Canny邊緣檢測方法對縮小的虹膜區(qū)域進行邊緣抽取，檢測時，檢測算子調(diào)節(jié)到垂直方向，利用估計的虹膜內(nèi)圓的參數(shù)去除瞳孔區(qū)域及眼瞼噪聲信息，最后再用八連通進一步去除隨機噪聲，得到去除噪聲后的邊緣圖；③虹膜外圓的定位利用幾何方法對去噪后的邊緣圖像進行圓的定位，即設瞳孔的圓心為點P，在邊緣圖內(nèi)，沿點P以等間隔大小Δ水平向下掃描n行，這些掃描線與邊緣圖相交，取外邊緣的焦點，得到兩組點集B和C，其中，B＝{Bi|i＝1，2，3...n}，C＝{Ci|i＝1，2，3...n}；利用不在一條直線上的任意三點確定其外接圓的原理進行圓的參數(shù)計算，即從兩組點集B和C中隨機抽取三點計算圓的半徑ri和圓心坐標(xi，yi)，其中，i＝1，2，3...m，m為隨機抽取的次數(shù)，因此得到該虹膜外圓的半徑及圓心坐標分別為r=1mΣi=1mri]]>和(x=1mΣi=1mxi,y=1mΣi=1myi),]]>最后根據(jù)縮小比例，由縮小圖像的圓的參數(shù)推算原始虹膜外圓參數(shù)。
3.根據(jù)權利要求1所述的彩色隱形眼鏡的防偽檢測方法，其特征是，所述的第三步中，采用灰度共生矩陣的對比度con和角二階矩asm，以及歸一化虹膜圖像的灰度均值m及方差σ作為彩色隱形眼鏡的特征，該4個特征定義如下m=1W×HΣx=1HΣy=1WI(x,y)]]>σ=1W×HΣx=1HΣy=1W(I(x,y)-m)2]]>con=Σi=1NΣj=1N(i-j)2P(i,j)]]>asm=Σi=1NΣj=1NP(i,j)2]]>一幅彩色隱形眼鏡圖像表征為一個4維的特征向量，該特征向量定義如下V＝[m，σ，con，asm]T。
4.根據(jù)權利要求1所述的彩色隱形眼鏡的防偽檢測方法，其特征是，所述的第四步中，支持向量機使用高斯徑向基核函數(shù)，K(x,xi)=exp{-|x-xi|2σ2}.]]>其中，x為待分類樣本，xi為支持向量，σ是高斯徑向基核的標準方差。
全文摘要
一種彩色隱形眼鏡的防偽檢測方法，步驟為第一步，利用幾何方法定位虹膜外圓；第二步，根據(jù)第一步得到的虹膜外圓的參數(shù)確定偽虹膜的不變區(qū)域，然后進行歸一化操作，歸一化時采樣角度為180度到360度范圍；第三步，根據(jù)第二步得到的歸一化虹膜圖像，抽取歸一化虹膜圖像的灰度共生矩陣的對比度及角二階矩兩個紋理特征，同時計算歸一化虹膜圖像的灰度均值及方差，得到一個4維的特征向量；第四步，根據(jù)第三步得到的特征向量，利用支持向量機進行兩類分類，即，一類為真實虹膜，另一類為偽虹膜。本發(fā)明快速、有效，能對市面上的彩色隱形眼鏡進行防偽檢測，有效降低虹膜識別錯誤接受率。
文檔編號G06K9/00GK101059837SQ20071004171
公開日2007年10月24日 申請日期2007年6月7日 優(yōu)先權日2007年6月7日
發(fā)明者施鵬飛, 何孝富 申請人:上海交通大學