虹膜识别若干关键问题研究

虹膜识别是20世纪90年代发展起来的一种生物特征识别技术。凭借其高度的准确性,虹膜识别已经得到学术界和企业界越来越广泛的关注。复杂的结构和丰富的特征,使虹膜具有了唯一性、稳定性、可采集性、难更改性、非侵犯性等特点。其中,非侵犯性也是未来生物特征识别发展的必然趋势。 本文通过分析虹膜识别系统采集人眼图像的条件,讨论了用于虹膜识别的人眼图像中存在的若干关键问题。针对这些问题,利用CASIA-IrisV3-Interval图像库,对虹膜识别的图像预处理方法以及特征提取和匹配方法进行了研究,试图提出一种具有高准确性的虹膜识别方法。本文的主要工作和成果如下: (1)针对虹膜位移、无关区域、反射光斑等问题,提出了基于人眼图像灰度分布特征的虹膜定位方法:首先,根据瞳孔的灰度分布特征检测瞳孔内一点;然后,利用虹膜内外边界处梯度较大的特点,分别在内外边界上各检测3个边界点;最后,利用不共线的三点可以确定一个圆的原理确定内外边界的圆心和半径。实验结果证明:该方法能够有效地解决虹膜位移等问题,定位成功率为96.12%,平均定位时间为127ms;与经典方法相比,该方法具有更高的定位成功率,却需要更少的定位时间。 (2)针对虹膜缩放问题以及眼睫毛和眼睑等干扰问题,利用直角坐标到极坐标的变换,将虹膜归一化成分辨力为512×64的虹膜图像,并在虹膜图像中确定了一个大小为256×32的虹膜有效区域,该区域可以提供无任何干扰的纯净虹膜纹理。 (3)针对虹膜有效区域不完整的问题,提出了4种特征提取和匹配方法: 首先,提出了基于灰度曲面相似性的虹膜匹配方法,该方法将虹膜有效区域表示为三维空间中的灰度曲面,根据灰度曲面之间的相似性直接实现虹膜匹配; 其次,提出了基于局部信息统计的虹膜分块编码方法,该方法将局部信息与全局信息之间以及相邻局部信息之间的比较关系作为可区分性特征进行编码和匹配; 再次,提出了基于结构特征的特征提取和匹配方法,该方法提取虹膜纹理的位置特征,并将其表示为二进制的虹膜代码,采用汉明距离对虹膜代码进行分类; 最后,提出了基于相位一致性加权平均相位矢量的特征提取和匹配方法,该方法将图像中的每个点在相位一致性最大响应方向上的加权平均相位矢量表示为二进制的虹膜代码,同样采用汉明距离实现虹膜匹配; 另外,为了对各种方法的准确性进行客观地评价,将上述4种方法与经典的基于Gabor变换的方法进行了比较。 实验结果证明,在本文提出的4种方法中,基于相位一致性加权平均相位矢量的方法具有最高的识别准确性,其正确识别率为98.94%。与经典方法相比,该方法的正确识别率提高了10.63%。综上所述,将该方法作为虹膜识别的核心模块,与图像预处理方法相结合,可以得到一种具有高准确性的虹膜识别方法。 (4)针对虹膜旋转问题,在研究灰度曲面匹配方法的过程中,给出了多次平移匹配的方法。实验结果证明,当归一化虹膜图像的分辨力为512×64时,只要令多次平移匹配的次数为12次,即可有效地解决虹膜旋转问题。由于灰度曲面匹配方法应用了图像配准技术的原理,因此该结论对其他特征提取和匹配方法在相同数据库上的研究具有重要的指导意义。