虹膜识别综述

虹膜识别综述
1、虹膜识别发展史
1936年，眼科专家Frank Burch;
1987年，眼科专家Aran Safir和Leonard Flom首次提出了利用虹膜图像进行自动虹膜识别的概念；
1991年，美国洛斯阿拉莫斯国家实验室的Johnson实现了一个自动虹膜识别系统；
1993年,Duagman实现了一个高性能的虹膜识别原型系统；
1996年，Wides研制成功基于虹膜的身份认证系统。

1998年底，中科院自动化所开始虹膜识别方面的研究，同时我国863计划信息领域专家组首次将“生物特征识别”作为一个专题提出，接受来自全国的课题申请。

2、虹膜的介绍
人眼的外观由巩膜、虹膜、瞳孔三部分构成，巩膜即眼球外围的白色部分，约占总面积的30%；眼睛中心为瞳孔部分，约占5%；虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65%。

外观上看，虹膜由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。

虹膜由前向后分为5层：
（1）内皮细胞层：与角膜内皮细胞相连续，也有人认为此层并不存在。

（2）前界层：由间质变致密而成，含有多数色数细胞，无血管，在虹膜小窝处五内皮细胞和前界膜，虹膜血管壁可与前房接触。

（3）基质层：有疏松结缔组织构成，内涵丰富的血管、神经，还有色素细胞和瞳孔括约肌。

（4）后界层：由一平滑肌纤维构成，称瞳孔开大肌。

其外侧和睫状肌相连，内侧和瞳孔括约肌相连。

（5）后上皮层：有睫状体上皮层延续而来，共两层，均含有黑色素。

前层为扁平梭形细胞，后层为多边形或立方体细胞。

不同人的虹膜颜色：
虹膜颜色的深浅因肤色而异。

白色人种的虹膜为浅色，黑色、棕色和黄色人
种以及白色人种的暗色变种（如希腊人、西班牙人）的虹膜普遍为深色。

不同颜色的虹膜具有不同的纹理分布特征。

一般说来，浅色虹膜纹理丰富、分布均匀，深色虹膜纹理较少，分布集中。

虹膜识别以纹理为依据，因此，识别深色虹膜要比识别浅色虹膜困难得多。

凯平艾森公司完善解决了深色虹膜的识别问题，其产品在识别浅色、深色虹膜方面同样具有高可靠性。

3、虹膜识别的优势
虹膜作为身份标识具有许多先天优势：
（1）唯一性。

由于虹膜图像存在着许多随机分布的细节特征，造就了虹膜模式的唯一性。

英国剑桥大学John Daugman教授提出的虹膜相位特征证实了虹膜图像有244个独立的自由度，即平均每平方毫米的信息量是3.2比特。

虹膜细节特征主要是由胚胎发育环境的随机因素决定的，即使克隆人、双胞胎、同一人左右眼的虹膜图像之间也具有显著差异。

虹膜的唯一性为高精度的身份识别奠定了基础。

英国国家物理实验室的测试结果表明：虹膜识别是各种生物特征识别方法中错误率最低的。

（2）稳定性。

虹膜从婴儿胚胎期的第3个月起开始发育，到第8个月虹膜的主要纹理结构已经成形。

除非经历危及眼睛的外科手术，此后几乎终生不变。

由于角膜的保护作用，发育完全的虹膜不易受到外界的伤害。

（3）非接触。

虹膜是一个外部可见的内部器官，不必紧贴采集装置就能获取合格的虹膜图像，识别方式相对于指纹、手形等需要接触感知的生物特征更加干净卫生，不会污损成像装置，影响其他人的识别。

（4）便于信号处理。

在眼睛图像中和虹膜邻近的区域是瞳孔和巩膜，它们和虹膜区域存在着明显的灰度阶变，并且区域边界都接近圆形，所以虹膜区域易于拟合分割和归一化。

虹膜结构有利于实现一种具有平移、缩放和旋转不变性的模式表达方式。

（5）防伪性好。

虹膜的半径小，在可见光下中国人的虹膜图像呈现深褐色，看不到纹理信息，具有清晰虹膜纹理的图像获取需要专用的虹膜图像采集装置和用户的配合，所以在一般情况下很难盗取他人的虹膜图像。

此外眼睛具有很多光学和生理特性可用于活体虹膜检测。

3、虹膜识别技术的应用
虹膜识别技术目前主要有下列几个方面的应用。

（1）高端门禁。

国家机关、企事业单位、科研机构、高档住宅楼、银行金库、机械库、档案库、核电站、机场、军事基地、保密部门、计算机房等重要场所的出入控制。

（2）公安刑侦
流动人口管理、出入境管理、身份证管理、驾驶执照管理、嫌疑犯排查、抓逃、失踪儿童寻找、司法证据获取等。

（3）医疗社保
献血人员身份确认，社会福利领取人员、劳保人员身份确认等。

（4）网络安全
电子商务、网络访问、电脑登陆等。

（5）其他应用
考勤、考试人员身份确认、信息安全等。

4、虹膜识别的定位方法
（1）Daugman的虹膜定位
在Daugman虹膜系统中使用积分微分操作分别检测虹膜和瞳孔的圆心和半径。

这些操作是利用了虹膜或瞳孔的圆几何性。

事实上它们可以看成圆检测器，因为对于正常的虹膜而言，巩膜总是比虹膜亮，瞳孔一般比虹膜暗。

设I（x，y）为坐标（x，y）处的图像强度，并且将虹膜内边界（瞳孔边缘）和外边界（巩膜边缘）模型化为圆心在（xc，yc）、半径为r的圆。

通过求
的最大值确定上述三个参数。

（2）Wildes的虹膜定位
Wildes方法分两步进行，首先求虹膜图像的边缘化，即得到边缘化的二值图像。

它是基于梯度的边缘检测来实现的，即采用一个表征图像强度值的梯度阈值来实现。

第二步是通过边缘点投票来得到特别的边界参数值。

投票过程可用Hough 变换实现，通过采用Hough变换的方法得到模型化的内边缘和外边缘。

当Hough 变化达到最大值时的（xc,yc,r）就是理想的圆模型。

（3）基于积分微分操作和Hough变换相结合的检测方法
步骤：
1、做出虹膜图像的灰度值，找出第一、第二峰值点之间的最小值，并用此最作为阈值得到主要含有瞳孔的图像，并使用腐蚀、膨胀的方法去掉一些无用的像素。

2、利用传统的S0bel算子得到关于瞳孔边缘的图案并且求出其各个点的梯度值（Gx,Gy）,其内边缘圆心（x0,y0）。

3、通过累加器最大值来确定内边缘的（x0,y0）。

4、确定外边缘参数的方法如同上2、3步。