虹膜图像处理及基础知识

虹膜图像处理及基础知识

2.1虹膜结构

为了对于虹膜进行了解，本文首先对于人眼进行了了解[24-26]，具体的人眼结构如下图2-1所示：

图2-1 人眼结构

人眼的虹膜是位于人眼的白色巩膜与人眼的黑色瞳孔之间的一圈环状部分，可以看出来，人眼的虹膜由各类形态的冠状、各类形态的斑点、各类形态的细丝等局部特征组合在一起环绕而成的。组合在一起环绕而成的特征决定了人眼的虹膜特征的唯一性，这也导致了利用虹膜进行人体身份识别的唯一性。

2.2 Gabor特征

Gabor变换严格上来说使用一种加窗傅立叶变换，Gabor函数具体的作用可以在频域不同尺度以及不同方向上对于选定的对象提取相关的特征。

Gabor小波本质上来说与人类视觉系统中所存在的一种简单细胞对于具体的视觉刺激响有一定的类似作用。Gabor小波在提取所选取的目标的局部空间和他所存在的频率域信息方面具有非常优异的特性。虽然它本身并不能构成一组标准的正交基，但Gabor小波在特定参数下，是有可能构成紧框架。Gabor小波对于所选取目标图像的边缘及其敏感，能够提供对于所选取目标图像的边缘进行良好的方向选择以及适应的尺度选择，而且Gabor小波对于光照变化本质上是不敏感的，因此Gabor小波能够提供其他波所不存在的，对光照变化非常优异的适应性。上述一系列的特点使Gabor小波在如今被较为广泛应用于视觉信息以及虹膜

提取的理解。

包含多个Gabor 滤波器的滤波器组来对图像进行不同中心频率和方位的滤波处理，从而提取包含不同频率成分和不同方位的特征，作为目标的非参数化特征，研究其不同分辨率目标的特征与图像分辨率的关系。考虑到计算效率的问题，不可能在Gabor 滤波器组中包含所有中心频率的滤波器，实际应用中通常根据经验选取某几个中心频率和方位

一维Gabor 滤波器的空间域公式是：

()⎪⎪⎭

⎫ ⎝⎛-=22

2ex p 21,,σσπωσx x f f x ()x j f πω2ex p （2-1） 其中，σ是空间尺度因子，f ω是中心频率。将它分解可以得到两个实滤波器：余弦Gabor 滤波器和正弦Gabor 滤波器，它们的形式如下：

()⎪⎪⎭

⎫ ⎝⎛-=222exp 21,,σσπωσx x f f x r ()x f πω2cos （2-2） 和

()⎪⎪⎭

⎫ ⎝⎛-=222exp 21,,σσπωσx x f f x i ()x f πω2sin （2-3） 与一维Gabor 滤波器类似，二维Gabor 滤波器的空间域描述为：

()2222,,,,,(cos sin )(sin cos )1exp 222x y f f f f f f x y x y f x y x y x y σσωθθθθθπσσσσ=

⎧⎫⎛⎫+-+⎪⎪-+ ⎪⎨⎬ ⎪⎪⎪⎝⎭⎩⎭

（2-4）(){}f f f f y x j θωθωπsin cos 2ex p +•

其中，x σ和y σ分别代表水平和垂直方位的空间尺度因子，f ω和f θ分别表

示中心频率及方位。

同样，分解该滤波器可以得到两个实滤波器，余弦Gabor 滤波器和正弦Gabor 滤波器：

()2222,,,,,(cos sin )(sin cos )1exp 222x y f f

f f f f x y x y f x y x y x y σσωθθθθθπσσσσ=⎧⎫⎛⎫+-+⎪⎪-+ ⎪⎨⎬ ⎪⎪⎪⎝⎭⎩⎭ （2-5）

(){}f f f f y x θωθωπsin cos 2cos +•

和

()2222,,,,,(cos sin )(sin cos )1exp 222x y f f f f f f x y x y f x y x y x y σσωθθθθθπσσσσ=

⎧⎫⎛⎫+-+⎪⎪-+ ⎪⎨⎬ ⎪⎪⎪⎝⎭⎩⎭

（2-6）(){}f f f f y x θωθωπsin cos 2sin +•

我们采用二维余弦Gabor 滤波器作为图像特征提取的滤波器，故只对二维余弦滤波器进行研究设计，由于正弦Gabor 滤波器和余弦Gabor 滤波器有着许多相似的性质，可以采用同样的方法对正弦Gabor 滤波器进行设计。

对式(4-6)作Fourier 变换得到：

),,,,,(f f y x y x F θωσσωω=

()()[]{}2

2222cos sin sin cos 2{exp 21f y f x y f f y f x x θωθωσωθωθωσπ+-+++-（2-7） ()()[]{}

}cos sin sin cos 2exp 22222f y f x y f f y f x x θωθωσωθωθωσπ+-+-+-+ 由式(3-7)可知，滤波器(,,,,,)x y x y f f F ωωσσωθ中有四个自由参量：

f f y x θωσσ,,,，因此我们的任务就是确定这四个量。

2.3图像预处理

人眼的虹膜由各类形态的冠状、各类形态的斑点、各类形态的细丝等局部特征环组合在一起环绕而成的[31]。但是，由于不同个体的虹膜的区分主要点主要集中于不同个体的纹理细节的不同，所以一般情况下，采用黑白图像，对于本文的识别工作就已经足够了。因此本系统选择使用高分辨率的黑白OCMOS 成像芯片，具体像素选择640x480以上，光学成像镜头选择要求50 line 对以上进行成像处理。通过该相机拍照试验可以证明该种程度的拍出来的人眼相片的分辨率可以保证比较清楚地反映出所拍摄人体人眼的虹膜的相关细节，足够进行人体虹膜识别判断。下面是拍摄的一组人体人眼的照片，具体照片的拍摄效果如下图所示：

图2-3 选取的六组人眼照片

为了方便本文的研究，本文从摄像头之中选取了几张照片进行识别定位处理。在这里我们以其中一张照片作为例子，进行实际中的人眼虹膜识别及定位等的一些相关的处理。

本文选取了其中一张图片作为待处理的图片。原始图片见下面图2-4 原始待处理图片所示：

图2-4 原始待处理图片

下面一个公式展示了二值化的具体的原理：

1,(,)(,)0,(,)f i j T F i j f i j T >⎧=⎨≤⎩

（2-8） 其中，F(i ，j)表示为灰度图像二值化的具体输出，f(i ，j)为为灰度图像二值化的具体输入像素，T 为灰度图像二值化的具体阈值。而这里具体确定图像二值化的具体阈值T 的方法为迭代法，具体方法如下所示：