本發(fā)明涉及生物特征身份鑒別技術(shù)，具體涉及一種用于身份認證的活體虹膜防偽方法。

背景技術(shù)：

目前，虹膜因其特殊的結(jié)構(gòu)和無接觸采樣模式，已被廣泛地研究應用于身份認證系統(tǒng)。常用于生物特征識別的生理特征有指紋、掌紋、人臉、虹膜、耳廓、視網(wǎng)膜等。其中，虹膜作為重要的身份鑒別特征，具有唯一性、穩(wěn)定性、非侵犯性等優(yōu)點，是一種用于身份驗證的理想生物特征，被廣泛運用于銀行、社會福利保障、電子商務、安全防務、智能手機的銀行支付系統(tǒng)等領(lǐng)域。然而，盡管虹膜識別有很多優(yōu)點，但虹膜認證系統(tǒng)容易受到偽虹膜的干擾。

目前比較常見的偽虹膜有以下幾類，利用屏幕硬拷貝、照片、紙質(zhì)打印的眼睛圖片；玻璃及樹膠制造的人造眼；佩戴彩色隱形眼鏡的自然眼等?；诤缒ぷR別的身份認證系統(tǒng)應當具有防偽的功能，即能夠準確判斷采集對象是否來自有生命的個體。近紅外光譜分析技術(shù)是分析化學領(lǐng)域迅猛發(fā)展的高新分析技術(shù)，越來越引起國內(nèi)外分析專家的注目，在分析化學領(lǐng)域被譽為分析“巨人”，它的出現(xiàn)可以說帶來了又一次分析技術(shù)的革命。瞳孔，不僅可以對明暗做出反應，調(diào)節(jié)進入眼睛的光線，也影響著眼球光學系統(tǒng)的焦深和球差。瞳孔自身會根據(jù)外界光線強弱調(diào)整大小，光線強瞳孔就變小，光線弱，瞳孔就變大，這是對眼睛的自我保護。而2dlog-gabor濾波器，進一步克服了log-gabor濾波器的缺點，更好地提取虹膜紋理的二維特征信息，能夠靈活的設定每塊濾波器的頻率和帶寬，大大提高了系統(tǒng)的運算速度。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)中的問題，提供一種用于身份認證的活體虹膜防偽方法，能夠有效鑒別真?zhèn)位铙w虹膜，適用范圍廣，檢測結(jié)果準確可靠，有較高的魯棒性。

為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案包括以下步驟：

1)獲取真?zhèn)魏缒D像并進行圖像預處理；所述的圖像預處理包括定位圖像的內(nèi)邊界和外邊界、通過歸一化將虹膜圖像擴充到統(tǒng)一的大小、對歸一化后的虹膜圖像進行增強；

2)通過以下方面對虹膜圖像的真?zhèn)芜M行判別；

2.1)利用活體組織紅外特征光譜進行虹膜活體檢測；

2.2)根據(jù)人眼動態(tài)變化特性進行虹膜活體檢測；

2.3)利用虹膜紋理特征進行虹膜活體檢測；

對虹膜圖像進行多方向濾波，分別計算各個方向濾波后特征區(qū)域的虹膜外側(cè)與內(nèi)側(cè)圖像互信息之差作為紋理特征值，差值的和小于所設閾值為真虹膜，否則為偽虹膜。

步驟1)在圖像預處理中根據(jù)canny算子結(jié)合hough變換定位虹膜圖像的外邊界，基于瞳孔邊界點控制的最小二乘擬合算法定位虹膜圖像的內(nèi)邊界。步驟1)在圖像歸一化處理中利用雙線性插值法將虹膜圖像由環(huán)形展開為統(tǒng)一尺寸的矩形圖像。步驟1)在對圖像進行增強時首先計算塊區(qū)域虹膜圖像的平均亮度來估計歸一化后的虹膜圖像亮度變化，再將歸一化后的虹膜圖像整體減去估計的背景亮度，得到增強后的歸一化虹膜圖像。

步驟2.1)根據(jù)活體組織對特定波長紅外光的吸收特性，通過能夠連續(xù)改變頻率的近紅外光照射真?zhèn)魏缒?。步驟2.2)通過暗盒屏蔽外界光線干擾，使用亮度能夠改變的光源照射真?zhèn)魏缒?，檢測瞳孔的縮放情況，若為真虹膜則瞳孔大小會出現(xiàn)明顯變化。

所述的步驟2通過2dlog-gabor濾波器對歸一化后的虹膜圖像進行濾波；

在極坐標下，頻域的2dlog-gabor濾波器表達為h(f,θ)＝hf×hθ；

hf為徑向分量，hθ為方向分量，具體的函數(shù)表達式如下：

式中，f0為中心頻率，θ0為濾波器的方向，σf用于確定徑向帶寬bθ，f為虹膜圖像的頻率，θ為虹膜圖像的方向；roi區(qū)域選取-30°≤θ≤10°和170°≤θ≤210°。

輸入源圖像與真虹膜圖像的互信息定義如下：

其中，l表示圖像總的灰度級數(shù)，pf(i)表示圖像f中灰度值為i的像素數(shù)與圖像f總的像素數(shù)之比，i、i1、i2表示圖像的灰度值；pr,f(i1,i2)為輸入源圖像與真虹膜圖像的聯(lián)合概率密度，pr(i1)、pf(i2)分別為圖像r和圖像f的邊緣概率密度；其中：

式中，d(i1,i2)為兩幅配準圖像對應部分圖像灰度值為(i1,i2)的像素對總數(shù)，為兩幅配準圖像對應部分的像素對總數(shù)；邊緣概率密度計算如下：

通過上述公式求得一幅虹膜圖像在濾波方向為θ的條件下，濾波后特征區(qū)域的上下兩部分與原虹膜圖像上下兩部分的互信息值：misup(θ),miinf(θ)；

根據(jù)實驗給定閾值misupmax,miinfmax，若有θ使得：

misup(θ)＞misupmax或miinf(θ)＞miinfmax；

則判定該圖像與原虹膜圖像不匹配，否則匹配成功。

若判別結(jié)果為真虹膜則識別成功，若為偽虹膜則對偽虹膜進行分類：根據(jù)活體組織對特定波長紅外光的吸收特性區(qū)分屏幕硬拷貝、照片、紙質(zhì)打印的眼睛圖片和活體虹膜；根據(jù)瞳孔隨不同亮度光源照射時的縮放情況區(qū)分玻璃及樹膠制造的人造眼和活體虹膜；根據(jù)濾波得到的虹膜圖像特征區(qū)域各個方向互信息之差區(qū)分佩戴隱形眼鏡的自然眼和活體虹膜。

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：在對虹膜圖像的真?zhèn)芜M行判別時，通過虹膜組織的近紅外特性、人眼動態(tài)變化以及虹膜紋理特征三個方面，實現(xiàn)了實時高效的真?zhèn)魏缒^(qū)分，也提高了虹膜識別技術(shù)的適用性。采用近紅外光譜分析技術(shù)，杜絕屏幕硬拷貝、照片、紙質(zhì)打印眼睛圖片的攻擊；根據(jù)真實瞳孔在不同光照條件下的動態(tài)變化，高效預防玻璃及樹膠等人造眼的攻擊；利用多方向濾波器濾波獲得虹膜圖像紋理特征，采用互信息作為圖像的紋理特征，互信息是圖像特征的一種統(tǒng)計形式，充分反映了圖像中包含的信息量，是區(qū)分佩戴隱形眼鏡的自然眼和活體虹膜的有力依據(jù)。本發(fā)明能夠解決多種偽虹膜的攻擊，檢測結(jié)果準確可靠，魯棒性強，適用范圍廣，為社會經(jīng)濟安全提供了保障，應用前景廣闊。

進一步的，本發(fā)明通過2dlog-gabor濾波器對歸一化后的虹膜圖像進行濾波，2dlog-gabor濾波器能夠克服log-gabor濾波器的缺點，更好的提取虹膜紋理二維特征信息，解決了非有效特征提取率增加的問題，更加真實的反映了自然紋理圖像的頻率響應。真虹膜圖像在2dlog-gabor濾波后特征區(qū)域的下半部基本呈現(xiàn)無紋理或少紋理狀態(tài)，而假虹膜紋理特征豐富。因此本發(fā)明對歸一化后的虹膜圖像進行多方向2dlog-gabor濾波，分別計算各個方向濾波后特征區(qū)域的虹膜外側(cè)與內(nèi)側(cè)圖像互信息差，差值之和小于所設閾值為真，否則為假。

附圖說明

圖1本發(fā)明真?zhèn)魏缒ぷR別方法原理框圖；

圖2歸一化后的虹膜圖像：(a)待處理的虹膜圖像；(b)去除上下眼瞼、提取虹膜圓環(huán)的圖像；(c)歸一化后含噪聲的圖像；(d)均值替換噪聲區(qū)域后的圖像；

圖3基于瞳孔變化的活體虹膜識別方法流程圖；

圖4封閉式的虹膜圖像采集暗盒結(jié)構(gòu)圖；

圖5基于紅外特性的活體虹膜識別方法流程圖；

圖62dlog-gabor濾波器模板示意圖：(a)實部；(b)虛部；

圖72dlog-gabor濾波器獲取紋理特征流程圖；

圖8基于2dlog-gabor濾波的虹膜評價值計算結(jié)果統(tǒng)計圖；

附圖中：1.防滑墊；2.密封蓋；3.側(cè)窗。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進一步的詳細說明。

參見圖1，本發(fā)明活體虹膜防偽方法通過以下方法對虹膜圖像的真?zhèn)芜M行判別：

利用虹膜對特定波長紅外光的吸收特性進行虹膜活體檢測；根據(jù)瞳孔縮放情況，設置自然光(500nit)和暗室(10nit)兩種情況，人的瞳孔會有明顯變化，而假虹膜沒有任何變化；通過對虹膜圖像進行多方向的2dlog-gabor濾波，利用真假虹膜的紋理特征變化，求得特征區(qū)域各個方向互信息之差作為判別真?zhèn)蔚奶卣髦怠?/p>

基于對瞳孔收縮變化的檢測方法，是通過獲得當前手機屏幕的屏幕亮度信息以及對應當前屏幕亮度的瞳孔收縮狀態(tài)信息，當發(fā)現(xiàn)瞳孔隨著亮度改變總存在對應收縮現(xiàn)象時，可確定為活體虹膜，否則為偽虹膜。

虹膜對特定波長紅外光的吸收特性，是使用連續(xù)改變頻率的近紅外光照射虹膜時，檢測不同頻率近紅外光照射后得到的圖像，根據(jù)不同物體組分含量不同的特點區(qū)分屏幕硬拷貝、照片、紙質(zhì)打印的眼睛圖片和活體虹膜。

對真假虹膜圖像進行各個方向的2dlog-gabor濾波，該濾波器克服log-gabor濾波器的缺點，能更好的提取虹膜紋理的二維特征信息，解決了非有效特征提取率增加的問題，更加真實的反映自然紋理圖像的頻率響應。真虹膜圖像在2dlog-gabor濾波后，特征區(qū)域的下半部基本呈現(xiàn)無紋理或者少紋理狀態(tài)，而假虹膜紋理特征豐富。因此本發(fā)明提出用多方向2dlog-gabor濾波對歸一化后的虹膜圖像進行濾波，并分別計算各個方向濾波后特征區(qū)域的虹膜外側(cè)和內(nèi)側(cè)圖像的互信息差，當差值之和小于所設閾值為真，否則為假。

圖像的互信息是圖像特征的一種統(tǒng)計形式，反映了圖像中包含的信息量。求得一幅虹膜圖像在濾波方向為θ的條件下，濾波后特征區(qū)域的虹膜外側(cè)和內(nèi)側(cè)圖像互信息值之差與真虹膜的值進行比較。根據(jù)實驗給定合適閾值，判別真?zhèn)魏缒?。具體步驟如下：

1.虹膜圖像預處理；

如圖1所示，真?zhèn)螆D像獲取后進行圖像的預處理部分，根據(jù)canny算子結(jié)合hough變換定位外邊界，基于瞳孔邊界點控制的最小二乘擬合算法確定虹膜內(nèi)邊界，處理后的結(jié)果如圖2(b)所示；圖像的歸一化中，利用雙線性插值法將環(huán)形虹膜展開為統(tǒng)一尺寸的矩形圖像，統(tǒng)一樣本大小，如圖2(c)所示；計算小塊虹膜的平均亮度來估計歸一化虹膜圖像的亮度變化，然后將所述歸一化圖像減去估計的背景亮度，以此對處理結(jié)果進行圖像增強。

canny邊緣檢測是通過高斯濾波器濾波消除圖像中一些孤立的、像素變化很大的噪聲點。圖像的邊緣點是指在圖像的局部區(qū)域中，像素灰度值變化顯著的點，所述邊緣檢測是對這些點定位和標記，獲取封閉邊界曲線的算法，去除噪聲后的圖像如附圖2(d)所示。

雙線性插值是有兩個變量的插值函數(shù)的線性插值擴展，其核心思想是在兩個方向分別進行一次線性插值。利用上述雙線性插值法可將虹膜圖像擴充到統(tǒng)一的大小。

2.真?zhèn)魏缒づ袆e；

1)基于對瞳孔收縮變化的檢測方法，檢測流程如圖3所示。

301、302：利用自制的暗盒裝置，屏蔽外界光線的干擾，如圖4所示，暗盒裝置包括由密封蓋2封閉且遮光的盒體，盒體一側(cè)設置有側(cè)窗3，盒體內(nèi)設置有用于放置智能終端的防滑墊1。改變當前手機屏幕的亮度，使手機屏幕亮度取得10nit與500nit兩組值(自然光和暗室)，并通過虹膜采集裝置實時獲取不同屏幕亮度下的瞳孔收縮狀態(tài)圖片。

303：將屏幕亮度信息和瞳孔收縮狀態(tài)信息配對成為信息組，進而對屏幕亮度信息和瞳孔收縮信息進行分析，對圖像進行瞳孔定位，檢測瞳孔半徑，將前后兩張圖片瞳孔半徑相減。

實驗中，暗室情況下，瞳孔半徑為3mm；自然光條件下，瞳孔半徑為1mm。

304：設置合適閾值，若半徑之差大于閾值，則確定為活體虹膜，否則為偽虹膜。

2)圖5為基于紅外特性的活體虹膜識別方法的流程圖；

步驟1：使用連續(xù)改變頻率的近紅外光照射虹膜。近紅外光譜屬于分子振動光譜的倍頻和主頻吸收光譜，主要是由于分子振動的非諧振性使分子振動從基態(tài)向高能級躍遷時產(chǎn)生，具有較強的穿透能力。近紅外光主要是對含氫基團振動的倍頻和合頻吸收，其中包含了大多數(shù)類型有機化合物的組成和分子結(jié)構(gòu)的信息。由于不同的有機物含有不同的基團，不同的基團有不同的能級，不同的基團和同一基團在不同物理化學環(huán)境中對近紅外光的吸收波長都有明顯差別，且吸收系數(shù)小，發(fā)熱少，因此近紅外光譜可作為獲取信息的一種有效載體。

步驟2：獲取各頻率近紅外光照射后的圖像。

近紅外光照射時，頻率相同的光線和基團將發(fā)生共振現(xiàn)象，光的能量通過分子偶極矩的變化傳遞給分子；而近紅外光的頻率和樣品的振動頻率不相同，該頻率的紅外光就不會被吸收。因此，選用連續(xù)改變頻率的近紅外光照射真?zhèn)魏缒ぃ@得照射后的圖像。

步驟3：對比不同頻率下各組分含量，若含量有差異顯著，則確定為活體虹膜。

由于試樣對不同頻率近紅外光的選擇性吸收，通過試樣后的近紅外光線在某些波長范圍內(nèi)會變?nèi)?，透射出來的紅外光線就攜帶有機物組分和結(jié)構(gòu)的信息。通過分析反射光線圖像是否攜帶了這種信息，能夠進一步區(qū)分虹膜的真?zhèn)巍?/p>

利用活體組織對特定波長紅外光的吸收特性，選用連續(xù)改變頻率的近紅外光照射真?zhèn)魏缒?，可以區(qū)分屏幕硬拷貝、照片、紙質(zhì)打印的眼睛圖片和活體虹膜。

3.基于2dlog-gabor濾波的特征提??；

采用2dlog-gabor濾波器對歸一化后的圖像進行濾波，該濾波器能夠在頻域很好的控制其頻率和帶寬，且沒有直流分量，帶寬不受限制，具有類似人的視覺特性。

接下來通過濾波得到的特征區(qū)域各個方向互信息之差作為紋理特征值?；バ畔⒛軌蛴糜跍y量兩個隨機變量的依賴性，其計算的量反映出數(shù)據(jù)間相似程度，能夠高效區(qū)分佩戴隱形眼鏡的自然眼，實現(xiàn)人員身份認證。

圖6為2dlog-gabor濾波器模板，基于2dlog-gabor濾波的特征提取，由于2dlog-gabor濾波器能夠提供空間頻率、方向、空間位置的最大分辨率，在空間域和頻率域中均具有良好的聯(lián)合定位能力，因此適合做紋理分析。2dlog-gabor濾波器無直流分量，帶寬不受限制，具有類似人的視覺特性，且對紋理圖像特征的提取極為有效。2dlog-gabor是一種在對數(shù)頻率尺度上傳遞函數(shù)為高斯函數(shù)的濾波器，由于人的視覺系統(tǒng)具有非線性，這種非線性具有對數(shù)性質(zhì)，因此2dlog-gabor濾波器能更加真實地反映自然紋理圖像的頻率響應。在極坐標下，頻域的2dlog-gabor濾波器可表達為h(f,θ)＝hf×hθ，hf為徑向分量，hθ為方向分量。

具體的函數(shù)表達式如下：

式中，f0為中心頻率，θ0為濾波器的方向，σf用于確定徑向帶寬bθ，f為虹膜圖像的頻率，θ為虹膜圖像的方向。

圖7為2dlog-gabor濾波器獲取紋理特征流程圖，2dlog-gabor濾波器對歸一化后的圖像進行濾波，得到虹膜圖像的特征值。由于gabor濾波器將濾波模板從時域轉(zhuǎn)換到頻域，頻率信息不好控制，且存在直流分量。2dlog-gabor濾波器能夠在頻域很好的控制其頻率和帶寬，而且沒有直流分量，即不受亮度條件影響。對于分塊濾波的圖像，利用2dlog-gabor濾波器，能夠靈活的設定每塊濾波器的頻率和帶寬，大大提高了系統(tǒng)的運算速度。

為排除虹膜圖像中被遮擋的部分，選取roi區(qū)域為-30°≤θ≤10°和170°≤θ≤210°。歸一化后的虹膜紋理具有很強的方向性，大部分趨于豎直方向。2dlog-gabor濾波現(xiàn)在廣泛應用在紋理增強，若對真假虹膜圖像進行各個方向的2dlog-gabor濾波，真虹膜圖像在2dlog-gabor濾波后特征區(qū)域的下半部基本呈現(xiàn)無紋理或者少紋理狀態(tài)，而假虹膜不會。因此本發(fā)明提出用多方向2dlog-gabor濾波對歸一化后的虹膜圖像進行濾波，然后分別計算各個方向濾波后特征區(qū)域的虹膜外側(cè)和內(nèi)側(cè)圖像互信息值差，差值的和小于所設閾值，否則為假。

互信息是信息論中的一個基本概念，它用來度量兩個隨機變量的統(tǒng)計依賴性或者一個變量包含另一個變量的信息量。圖像的互信息是圖像特征的一種統(tǒng)計形式，反映了圖像中包含的信息量。輸入源圖像與真虹膜圖像的互信息定義如下：

其中l(wèi)表示圖像總的灰度級數(shù)，pf(i)表示圖像f中灰度值為i的像素數(shù)與圖像f總的像素數(shù)之比，i、i1、i2表示圖像的灰度值。pr,f(i1,i2)為輸入源圖像與真虹膜圖像的聯(lián)合概率密度，pr(i1)、pf(i2)分別為兩幅圖像的邊緣概率密度。其中：

式中d(i1,i2)為兩幅配準圖像對應部分圖像灰度值為(i1,i2)的像素對總數(shù)，為兩幅配準圖像對應部分的像素對總數(shù)。邊緣概率密度計算如下：

代入上述公式求得一幅虹膜圖像在濾波方向為θ的條件下，濾波后特征區(qū)域的虹膜外側(cè)和內(nèi)側(cè)圖像互信息值之差與真虹膜的值作比較：misup(θ),miinf(θ)。

根據(jù)實驗給定閾值misupmax,miinfmax，若有θ使得：

misup(θ)＞misupmax或miinf(θ)＞miinfmax

則判定該圖像與真虹膜圖像不匹配，否則匹配成功。

圖8為基于2dlog-gabor濾波的虹膜評價值計算結(jié)果，多次試驗取得合適閾值m。

由圖8可知，真?zhèn)魏缒ね耆珔^(qū)分開，很好的實現(xiàn)了防偽功能。由于偽造虹膜圖像在各方向濾波上的結(jié)果有顯著不同，因此該方法在匹配虹膜圖像的同時排除了偽造虹膜圖像。

式中θ的取值

以上的具體實施方式僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在發(fā)明的精神及原則之內(nèi)所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。