第10章 应用实例(1-虹膜识别) 数字图像处理课件

边缘点 P
和P 4。
b
o
tto
m
沿左、右水平方向搜寻第二组边界点
P
3
计算每组的x坐标与内圆圆心x坐标的偏差、每组点
到内圆圆心距离之差（即| D1 D2 |与 | D3 D4 |）。然后 比较这2组参数和，取较小的那组值作为圆心的x轴坐
标。
2020/9/25
14
在计算圆心y 的坐标时，选用 哪组点用这样的 准则： 比较 | D1 D3 |与
A(xo , yo )
Ri
Ro
B(xi , yi ) θ
α I(Ix, Iy)
O(Ox , Oy )
图 7 虹膜归一化 图 8 归一化虹膜图像
2020/9/25
20
2、双线性插值
归一化时，在将极坐标映射到直角坐标的过程中，
我们必须考虑一种特殊的情况，即该采样点被映射到直
角坐标系中是非整数位置。此时，将无法求得该点的灰
会相同，如此在采集中引起的大小改变和缩放等因素所
造成的影响就会减少 。在转化时，采用把笛卡尔坐标
下的环形虹膜中的每个点一一映射到极坐标中去。
设内圆圆心为 I ( I x , I y )，半径为R i ，外圆圆心为 O(Ox , Oy )，半径为 R o 。以内圆圆心作为极坐标系统的中
心，做与水平线成 角的射线，它与内、外边界各有
2020/9/25
12
先沿已找到点 p c 的左、右水平方
向找边缘点A、C，再求得这2点中点
Middle_AC的x轴坐标，此坐标值
x A C 也即为内圆圆心的x轴坐标。然后
分别沿该中点的上、下方向找到内边
缘的另2个边缘点D、E，算出D、E中
点 Middle_DE的y轴坐标 y D E ，就
能确定出内圆圆心坐标，再计算出半
2020/9/25
图 12 虹膜曲面图
28
当两个虹膜来自于同一个眼睛时，由于虹膜纹理分 布相同，这个灰度级分布曲面具有相同或相似的形状。 当两个虹膜来自于不同的眼睛时，由于虹膜纹理分布不 同，这个灰度级分布曲面具有不同的形状。如果能够检 测两个虹膜在三维灰度级空间中分布曲面的差异性，即 可确定这两个虹膜是否来自于同一个眼睛。
最后，给出了比较典型的同类间以及异类间的测试结果 图 4.2和图 4.3。在测试时，给定的阈值T=6501。图 4.2进行的同类间测试的差值平方和Y=4254，图 4.3 进行的异类间测试的差值平方和Y=7819。
2020/9/25
31
图 4.2 同类间测试结果
2020/9/25
图 4.3 异类间测试结果
在内边缘具体定位时，利用虹膜与瞳孔交界处的灰 度突变（即边缘强度），结合边界检测模板，沿所找到 点的左、右及向下的3个不同方向出发，可以找到边缘 上的3个点，再用“非共线三点”来定圆的参数。
但考虑到可能定位到瞳孔的偏上或偏下部分，从而 导致找到的3点的左下、右下（或左上、右上）的距离 太近，其连线的斜率相应会产生数学上的奇异值，使得 圆的参数计算不准确。利用A、C、D、E四点来确定内 圆的参数。
径就定位出了虹膜的内边缘。 如右图
3所示。
E
Rinside Middle_DE
Middle_AC A
D
pc C
B
图 3 内圆定位示意图
2020/9/25
13
3、虹膜外边缘定位
在计算出内圆参数后，从内圆圆心O i n 沿左、右水平 方向出发，利用边缘检测模板检测出左、右两个边界
点P 1 、P 2 。在找到第一组边界点后，我们再沿内圆底部
r k 的像素个数，L是图像中可能的灰度级总数目。
2020/9/25
23
直方图均衡的离散形式如下：
skT(rk)jk 0pr(rj)jk 0n n j k0,1 ,...L 1
通过上面的式子就将输入图像中灰度级为r k 的各像
素映射到输出图像中灰度级为 s k 的对应像素上了 。
图10是均衡化结果图。
虹 膜 鉴 别
6
3、虹膜识别技术的国内外研究和应用现状
（1）研究现状
虹膜识别的研究可追溯到1936年，眼科专家Frank Burch，MD提出虹膜识别概念。现在虹膜识别算法研 究都是基于1994年Daugman申请的专利基础上 。
国外研究比较多的还有澳大利亚、韩国、法国等。 国内的虹膜识别技术起步较晚，一些科研院所和高 校投入了精力和人力进行虹膜识别的研究，如：中科 院自动化所、上海交大、电子科技大学、浙江大学等 已取得一定成效。
经过上述分析及处理，判定两幅虹膜是否为同一虹 膜的问题就可以转化为空间曲面的匹配问题。
2020/9/25
29
2、曲面匹配实现
由上述曲面匹配的理论可知，两曲面是否匹配，只
需判断差图像的离散程度。具体实现分为以下两步：
（1）图像经过预处理后，两曲面对应位置的灰度
作差，Cij Aij Bij ，A
i j为待匹配图像灰度值，B
2020/9/25
24
图 10 直方图均衡化前、后的虹膜图像
图 均衡前后的灰度直方图
2020/9/25
25
10.1.4 基于曲面匹配的虹膜识别算法
1、曲面匹配理论 2、曲面匹配实现 3、旋转矫正
2020/9/25
26
1、曲面匹配理论
虹膜图像在3-D灰度级空间上的分布曲面的起伏波 动形状与虹膜纹理分布具有明显的对应关系，可以用该 分布曲面表示纹理特征。
度值，所以必须进行灰度插值运算，用点 (x, y)附近的
某一点来表示它。 如图9所示。 θ
f(0,0) x
f(1,0)
y
f(x,y)
r
f(0,1)
f(1,1)
图 9 像素的坐标变化图
2020/9/25
21
用以下公式就可以拟合出点(x, y)的像素值 f ( x, y )。
f(x ,y ) a x b y c x y d
在国内，中科院自动化所已经完成了虹膜识别的实 验室阶段的研究，并且申请了虹膜采集装置的专利，其 成果处于国内领先地位。
2020/9/25
8
10.1.2 虹膜定位
1、瞳孔内一点定位 2、虹膜内边缘定位 3、虹膜外边缘定位 4、定位结果及分析
2020/9/25
9
1、瞳孔内一点定位
算法首先定位瞳孔内任意一点，观察眼睛图像可以 发现瞳孔具有以下特点：
法正确率列于右表。
本文方法
准确率/% 94.7 95.7 96.3 93.51 98.15
2020/9/25
17
10.1.3 虹膜图像归一化及增强
1、虹膜图像归一化 2、双线性插值 3、虹膜图像增强
2020/9/25
18
1、虹膜图像归一化
归一化的目的是要把环形的部分展成一个m*n大小 的矩形图像，这样每一次处理的不同虹膜图像的大小都
成了矩形区域。
2020/9/25
22
3、虹膜图像增强 －直方图均衡化
直方图均衡化是通过对原图像进行某种变换，使原 图像的灰度直方图修正为均匀分布的直方图的一种方法。
在一幅虹膜图像中，灰度级出现的概率可以近似表
示为： p r(rk)n n k 0p r 1 ;k0 ,1 ,...,L 1
其中，n是图像中像素的总和，n k 是图像中灰度级为
第10章 应用实例
10.1 虹膜定位和识别算法研究 10.2 基于DSP的掌纹识别 10.3 变电站红外图象的预处理及识别
2020/9/25
1
10.1虹膜定位和识别算法研究
原始虹膜图像
2020/9/25
2
1、绪 论 2、虹膜定位 3、虹膜图像归一化及增强处理 4、基于曲面匹配的虹膜识别算法 5、虹膜纹理的相位编码及匹配 6、实验结果及分析 7、结论及展望
从不同的角度考虑，用一种与现有方法完全不同的 虹膜识别方法，即在虹膜灰度图像这个层面上直接进行 匹配操作，没有特征提取这个步骤，参与匹配的是整个 虹膜区域图像，而不是一组作为特征值的数据。仿照一 幅活体虹膜图像是十分困难的，因此，该方法的最大优 点在于提高了系统的安全性。
2020/9/25
27
以图像水平方向为x 轴，垂直方向为y轴，以 像素灰度值为z轴建立三 维空间坐标系，则虹膜图 像中任意像素都可由坐标 (x, y, z)来表示，也就得 到了矩形虹膜图像在三维 灰度级空间上的分布曲面。 如右图所示。
| D2 D4 |的值， 取值较小的那组 计算圆心y坐标。 最后计算外圆半 径。
2020/9/25
3.1Rin P1 P3
1.8Rin
D1
D3
1.8Rin
Oin
D2
PMid1
PMid 2
Pbottom
D4
3.1Rin
P2 P4
图 4 外圆定位示意图
15
定位结果示意图
6 5
图
图
准 确 定 位 例 图
为匹配图像
ij
的灰度值，C i j 为差图像灰度值。
（2）对差图像求平方和，公式为：
Y W1*HWi01Hj01Cij2
最后，通过给定的1个阈值与Y进行比较就可以判断
出2幅虹膜是否是同一虹膜。
2020/9/25
30
该阈值是这样选取的：先按照已定的测试方法进行同类 以及异类间的虹膜测试，在测试的同时记录测试计算出 来的两图像的差值平方和Y。完成所有测试后，将所有 测试结果的数据进行汇总分析，通过分析这些数据，我 们人为的选出最优的阈值。
10
在定位过程中，采 用灰度求和算子的方法， 在虹膜图像上移动，直 到求得的最小值，此最 小值就位于瞳孔内一点。 综合考虑定位速度和定 位准确度，本文算法所 选取模板大小为35*35， 这样可以找到瞳孔内一
点，记为：p c 。
定位结果如右图2。
2020/9/25
pc
图 2 瞳孔内一点
11
2、虹膜内边缘定位
（1）瞳孔近似圆形，其灰度分布比较均匀。与巩 膜、虹膜区域相比，它的灰度值整体偏小。
（2）瞳孔在整个图像上仅占较小一部分面积。 根据以上特点，算法使用求灰度最小的方法来定位 瞳孔内一点。设为虹膜图像的灰度函数I(x, y)，图像 大小为M*N，则有：
M1 N1
pxy I(x, y) x0 y0
2020/9/25
式中a、b、c、d这四个系数由四个顶点的像素值确 定。 将图9中的数值代入公式可得：
f(x ,y ) x [f(1 ,0 ) f(0 ,0 )] y [f(0 ,1 ) f(0 ,0 )]
x y [f(1 ,1 )f(0 ,0 ) f(0 ,1 ) f(1 ,0 )]f(0 ,0 )
经过上面的插值运算后，就可将原来的环状区域变
（有可能是不同虹膜，也有可能是相同虹膜的旋转造成）
则平移归一化后的矩形图像（对应曲面的旋转），直到
差值平方和最小。
2020/9/25
33
图 4.5 旋转校正前的结果图 图 4.6 旋转校正后的结果图
校正前的差值平方和Y=6727，校正后的差值平方和Y=5659。
2020/9/25
2020/9/25
7
3、虹膜识别技术的国内外研究和应用现状
（2）应用现状
美国的Iridian Technology公司是当前技术领先的 虹膜识别技术厂商，它的主要技术即来源于英国剑桥大 学Daugman教授的专利。目前，该公司和世界一些著 名的电子设备商如LG，Panasonic等公司合作，开发 出了多款产品，已在北美及欧洲得到实际应用。
一个交点，分别记作 B(xi(),yi())、A(xo(),yo())。
如图7。
2020/9/25
19
则有：
{y x((rr,,)) ((1 1 rr))* *x yii(()) rr* *x yo o(())
r是一个无量纲的参数且
r∈[0，1]， ∈[0，2∏] 。
本文将虹膜区域归一化成
128*512的矩形。其结果如 图8。
32
3、旋转矫正
在图像摄取时由于测试者的头或眼睛的偏移都会使
纹理的位置不对应，从而导致即使是相同图像做差后，
差图像的平方和也会很大，这就需要旋转一定角度，使
得两曲面位置对应。
若两曲面相同，则经过旋转，一定存在某个位置使
得两曲面达到最佳匹配，所以为克服头偏移（即旋转）
对识别的影响，在求出差值平方和后，如果它大于阈值
定 位 不 准 确 例 图
2020/9/25
16
4、定位结果及分析
算法对中科院自动化 算法
所提供的CASIA（v 1.0）基于Hough变换的 虹膜图库进行了定位，有 方法
741幅图像定位准确，准 改进的RANSAC方 确定位率为98.15%。比 法
一次定位要准确很多（准 非线性最小二乘法
确定位率为93.51%）。 三点一次性定位法 为方便比较，将 几种算
2020/9/25
3
2、虹膜识别的流程
一个通用的
虹膜识别系统一
般由以下四个部
分组成即，
虹 膜
虹膜图像获取，
图Fra Baidu bibliotek像
虹膜图像预处理、
获 取
虹膜特征提取、
匹配与识别。
其流程图如右图
1所示。
2020/9/25
图像预处理
特
征
虹 膜 定
位
归 一 化 处
理
图 像 增
强
提 取
图 1 虹膜识别系统的流程
虹 膜 识 别