几种虹膜定位方法的比较

3.1 Gaugman 的虹膜定位[7,8]
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。
1. 引 言
传统身份验证的方法往往采用的是 ID 和密码，这种方法容易遇到恶意入侵或遗忘密码 的问题，因此生物识别技术一经出现就吸引了越来越多的研究人员。目前主要的生物识别技 术包括人脸识别、语音识别、指纹识别、掌纹识别、签名识别和虹膜识别等技术，其中虹膜 识别技术以其高可靠性最为突出[1，3]。虹膜识别具有以下几个特点[2]：
http://www.paper.edu.cn
x0
=
xmin
+
xmax 2
y0
=
ymin
+
ymax 2
r0
=
max( xmax 2
,
ymax 2
)
图1
图2
2. 外边缘定位 首先利用Canny算子检测出原始虹膜的大致外边缘；将外边缘圆心定位在（x0±5，y0±5） 范围内，利用Hough变换求出最大值，即就是外边缘的圆心（x1，y1）和半径r1； 3.3.2 基于积分微分（integro-differential operators with a Hough Transform）操
http://www.paper.edu.cn
[7] Daugman J G. High confidence visual recognition of persons by a test of statistical independence [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993,15 (11) : 1148-1161.
yc，r）就是最理想的圆模型。
Hough变换定义为[10,11]：
n
∑ H (xc , yc , r) = h(x j , y j , xc , yc , r) j =1
h(x j , y j , xc , yc , r) = {
1 0
如果g(x j , y j , xc , yc , r) = 0 否则
作和 Hough 变换相结合的检测方法
步骤：
1. 做出给定虹膜图像的灰度图，找出第一、第二峰值点之间的最小值，并用此最
小值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 Sobel 算子得到关于瞳孔边缘的图像，并且求出其各个点的梯度值
（Gx，Gy），其内边缘圆心（x0，y0），如图 3；
∑ HD =
1
2048
Aj( XOR)Bj
2048 j=1
Aj 和 Bj 完全相同时 HD=0，Aj 和 Bj 完全不相同时 HD=1。HD=0.34 为虹膜识别 HD 距离的
阈值。当 HD<0.34 时认为进行比较的 A 和 B 是属于同一个虹膜。
3. 虹膜定位
虹膜定位就是虹膜内外边缘的定位。它是虹膜识别系统的重要组成部分，准确的虹膜定 位是实现虹膜身份验证和识别的前提。
参考文献
[1] 吕亦生，虹膜识别综述[J]，安防科技，2003.5:27 [2] Yuanning Liu, Senmiao Yuan, Xiaodong Zhu, Qingliang Cui，A PractiBaidu Nhomakorabeaal Iris Acquisition System and A Fast
Edges Locating Algorithm in Iris Recognition，IMTC 2003 -Instrumentation and MeasurementTechnology Conference，2003 IEEE,166-168 [3] D. de Martin- Roche, C. Sanchez-Avilat & R. Sanchez-Reillot,Iris Recognition for Biometric Identification using Dyadic Wavelet Transform Zero-Crossing,2001 IEEE,272-278 [4] Li Ma,Yunhong Wang,Tieniu Tan,Iris Recognition Using Circular Symmetric Filters,2002 IEEE,414-417 [5]黄惠芳，胡广书，一种新的基于小波变换的虹膜识别算法[J]，清华大学学报（自然科学版），2003，43 （9） [6]Gerald O.Williams,Iris recognition Technology,Iridian Technologies,Inc.
1) 虹膜在 2~3 岁的时候稳定，随着年龄的变化保持不变； 2) 每个人虹膜纹理的分布是随机唯一的； 3) 不易被冒假，一般的外科手术不能改变其纹理； 4) 虹膜识别可达到 173 个自由度，故虹膜识别的错误率仅为 1/2173，而一般指纹识别 只有 35 个自由度； 5) 虹膜识别的进行具有无侵犯性，摄像机对用户的眼睛进行扫描，无需象获取指纹那 样需要接触手指； 6) 生来具有的极坐标几何特性，提供天然的极坐标。 正是由于上述的这几个优点，使得虹膜识别作为一种有效的识别技术在金融、安全保卫、 电子商务等各个方面拥有极大的应用前景。
[8] J. Daugman, High confidence visual recognition by test of statistical independence, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 15, pp. 1148-1161, November 1993.
其中 g(x j , y j , xc , yc , r) =（x j − xc）2 +（y j − yc）2 − r2
对每个边界点(x j , y j ) , g (x j , y j , x c, y c, r) = 0, 而每对三维参数(x c, y c, r) 则表示过此边界点的圆。在实际执行中搜索最大参数集的过程就是计算H数组， 这个数组可用（x c, y c, r) 的离散表示值做下标，然后扫描数组，即可得到数组元素最 大值。上下眼睑的边界可用参数化的弧来代替圆参数。
3.3 我们所做的虹膜定位
3.3.1 利用虹膜的灰度特性和 Hough 变换 1. 内边缘定位 采集得到的眼部图像I（x,y）有一定的灰度分布特点，一般来说瞳孔灰度要小于虹膜灰
度，而虹膜灰度要小于巩膜灰度，如图1。在图像中灰度最小的区域就是瞳孔所在区域。做 出给定图像的灰度图，找出第一、第二峰值点之间的最小值Q，并用此最小值作为阈值二值 化图像；为了除掉图像中无关点（比如睫毛或是阴影部分），我们使用了腐蚀和膨胀步骤[11]， 从而分离出瞳孔，表示为I’（x,y），如图2。求出瞳孔的xmin，xmax，ymin，ymax可得出内边缘 的圆心（x0，y0）和半径r0；
通过求
v∫ v∫ ∂
| G(r)*
I (x, y)ds | 或 | G(r) * ∂
I (x, y)ds |
∂r
r,xc, yc 2π r
∂r r,xc, yc 2π r
的最大值确定上述三个参数。
http://www.paper.edu.cn
其中： G(r) = ( 1
−((r
)e
−r
0)2
2σ
2
社,2004,393-399,366-374 [12]Mayank Vatsa,Richa Singh,P.Gupta,Comparison of Iris Recognition Algorithms,2004 IEEE,354-357
4. 确定外边缘参数的方法如同上 2、3 步，如图 4。
http://www.paper.edu.cn
图3
图4
4. 结论
虹膜膜图像的定位是整个虹膜识别过程中最重要的环节，定位的速度和准确性决定了整 个虹膜识别系统的方案是否实用可行。Daugman 提出的预处理算法——求虹膜圆周上灰度积 分导数的方法最为流行。但由于这种算法需要搜寻遍虹膜图像上的每一个点，所以计算量很 大，缺乏实用性，并且 Daugman 虹膜识别系统中存在着要求获取图像的分辨率、大小以及光 照等条件保持基本不变的缺点[7,8]。Wildes 等人提出的方法识别精度高，但是计算复杂、 识别速度慢[9]。与国外现有的虹膜定位方法相比，我们提出的虹膜定位方法更为简单、快 速、稳健，它充分利用了虹膜、巩膜、瞳孔之间明显的颜色差别以及虹膜、瞳孔形状近似为 圆形等特性。[12]
http://www.paper.edu.cn
几种虹膜定位方法的比较
马义德 邵宇 徐光柱 王升哲
（兰州大学信息学院，甘肃 730000）
（ydma@lzu.edu.cn，shaoy03@st.lzu.edu.cn）
摘 要：虹膜识别是一种新兴的生物特征识别技术，而虹膜定位是虹膜识别系统的重要步骤， 因而精确而快速地进行虹膜定位是有效地进行虹膜识别的重要前提。本文在介绍现有经典虹 膜定位算法的同时，结合虹膜的圆集合性和灰度分布特性，提出了另外两种虹膜定位算法。 这两种定位算法简单易于实现，并且实验结果表明，这两种算法是实用有效的。 关键词：虹膜识别 虹膜定位 生物特征识别 Hough变换
)
为
Gaussian
算子，用于平滑图像，*代表卷积。
2πσ
3.2 Wildes 的虹膜定位[9]
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。
|
∂2 ∂x∂y
G(x,
y) *
I (x,
y)
|和
G(x,
[9] Wildes R P. Iris recognition: A n emerging biometric techno logy [J]. Proceedings of the IEEE , 1997, 85 (9) : 1351 1362.
[10]李弼程，彭天强，智能图象处理技术[M]，电子工业出版社，2004，192-197 [11]Rafael C.Gonzalez,Richard E.Woods,Digital Image Processing Using MATLAB[M],电子工业出版
数据获取
内边缘 预 外边缘 处 理 虹膜分割
归一化
特征提取和选择
虹膜匹配和识别
输出
数据库
2.3 特征提取和选择
特征提取和选择是对预处理后的数据进行分析、去粗存精的过程。为了提高分类处理的 速度和精度，对提取的特征还需要选择最具有代表性的特征。
2.4 虹膜匹配和识别
虹膜匹配和识别是通过和数据库中每个虹膜编码进行比较 HD 距来决策的。 设 Aj、Bj（j=1、2……2048）为两个不同虹膜的虹膜编码代码，HD 距离为：
y)
=
1 2πσ
2
−(x−x0)2 +( y− y0)2
e
2σ 2
得到了虹膜内边缘和虹膜外
边缘的边缘集合，都可以表示为（xj,yj），j=1，……n 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，
x0 = x ±
r
1
+
Gy 2 Gx2
y0 = y ±
r
1
+
Gx2 Gy 2
3. 通过累加器最大值来确定内边缘的（x0，y0）
rmax
X 0 (x0 ) = ∑ ∑ ∑ nbre.occurences.x0 x y r =rmin
rmax
Y0 ( y0 ) = ∑ ∑ ∑ nbre.occurences.y0 x y r =rmin
2. 虹膜识别系统的介绍
2.1 数据获取[4,5,6]
通过图像输入设备实现，将人眼景像转换为数字图像信号保存。
2.2 预处理
预处理可理解为是将获取的原始数字图像数据进行整形加工、去伪存真的过程。在虹膜
http://www.paper.edu.cn
识别预处理中，一般要进行平滑、增强、提取边缘定位、图象分割等处理，以便为下一步特 征提取提供必要的基础。在虹膜预处理中最主要的是内外边缘的参数计算及其归一化。进行 归一化是用来补偿大小和瞳孔缩放引起的变异。