基于FPGA的混沌加密虹膜識(shí)別系統(tǒng)設(shè)計(jì)

項(xiàng)目信息

1.項(xiàng)目名稱：基于FPGA的混沌加密虹膜識(shí)別系統(tǒng)設(shè)計(jì)

2.應(yīng)用領(lǐng)域：工業(yè)控制、科研、醫(yī)療、安檢

3.設(shè)計(jì)摘要：

基于虹膜的生物識(shí)別技術(shù)是一種最新的識(shí)別技術(shù)，通過一定的虹膜識(shí)別算法，可以達(dá)到十分優(yōu)異的準(zhǔn)確性。隨著虹膜識(shí)別技術(shù)的發(fā)展，它的應(yīng)用領(lǐng)域越來越寬，不僅在高度機(jī)密場所應(yīng)用，并逐步推廣到機(jī)場、銀行、金融、公安、出入境口岸、安全、網(wǎng)絡(luò)、電子商務(wù)等場合。在研究了虹膜識(shí)別算法，即預(yù)處理、特征提取和匹配的基礎(chǔ)上，我們?cè)O(shè)計(jì)了一種可便攜使用的基于FPGA的嵌入式虹膜識(shí)別系統(tǒng)。本系統(tǒng)由6個(gè)模塊組成：電源管理和監(jiān)控、虹膜圖像采集（CMOS圖像傳感器，ADV7183）、虹膜圖像處理（FPGA）、存儲(chǔ)器（SDRAM和FLASH）、人機(jī)交互（LCD和鍵盤）和網(wǎng)絡(luò)傳輸模塊，同時(shí)從硬件、軟件和算法三個(gè)方面提出設(shè)計(jì)方案

4．虹膜識(shí)別原理

虹膜是一種在眼睛中瞳孔內(nèi)的織物狀各色環(huán)狀物，每一個(gè)虹膜都包含一個(gè)獨(dú)一無二的基于像冠、水晶體、細(xì)絲、斑點(diǎn)、結(jié)構(gòu)、凹點(diǎn)、射線、皺紋和條紋等特征的結(jié)構(gòu)。據(jù)稱，每個(gè)人每只眼睛的虹膜都是唯一的，即使是整個(gè)人類，也沒有任何兩個(gè)虹膜在數(shù)學(xué)細(xì)節(jié)(mathmatical detail)是相似的，即便是一對(duì)雙胞胎，他們的虹膜也不會(huì)相同。

虹膜是位于眼睛黑色瞳孔和白色鞏膜之間的圓環(huán)狀部分，總體上呈現(xiàn)一種由里到外的放射狀結(jié)構(gòu)，由相當(dāng)復(fù)雜的纖維組織構(gòu)成，包含有很多相互交錯(cuò)的類似于斑點(diǎn)、細(xì)絲、冠狀、條紋、隱窩等細(xì)節(jié)特征，這些特征在出生之前就以隨機(jī)組合的方式確定下來了，一旦形成終生不變。

從一定的距離之外可以看到虹膜，這樣可視性為生物測(cè)量方案的操作上提供了理想的條件，不像DNA這種生物特征的不可視。登記時(shí)獲得圖像，以及身份識(shí)別都是很容易完成的，最重要的是這種技術(shù)的抗干擾性(抗插入性)。其他生物測(cè)量技術(shù)在數(shù)學(xué)算法的確定性、速度以及非干擾性這些方面與虹膜識(shí)別不可同日而語。在當(dāng)今世界，虹膜識(shí)別仍被公認(rèn)為是識(shí)別精度最高的生物識(shí)別系統(tǒng)。

虹膜識(shí)別技術(shù)就是應(yīng)用計(jì)算機(jī)對(duì)虹膜紋理特征進(jìn)行量化數(shù)據(jù)分析，用以確認(rèn)被識(shí)別者的真實(shí)身份，是目前世界上最尖端的生物識(shí)別技術(shù)。

一個(gè)自動(dòng)虹膜識(shí)別系統(tǒng)包含硬件和軟件兩大模塊：虹膜圖像獲取裝置和虹膜識(shí)別算法。分別對(duì)應(yīng)于圖像獲取和模式匹配這兩個(gè)基本問題。

采集：

從直徑11mm的虹膜上，Dr.Daugman的算法用3.4個(gè)字節(jié)的數(shù)據(jù)來代表每平方毫米的虹膜信息，這樣，一個(gè)虹膜約有266個(gè)量化特征點(diǎn)，而一般的生物識(shí)別技術(shù)只有13個(gè)到60個(gè)特征點(diǎn)。266個(gè)量化特征點(diǎn)的虹膜識(shí)別算法在眾多虹膜識(shí)別技術(shù)資料中都有講述，在算法和人類眼部特征允許的情況下，Dr.Daugman指出，通過他的算法可獲得173個(gè)二進(jìn)制自由度的獨(dú)立特征點(diǎn)。在生物識(shí)別技術(shù)中，這個(gè)特征點(diǎn)的數(shù)量是相當(dāng)大的。

算法：

第一步是通過一個(gè)距離眼睛3英寸的精密攝像頭來確定虹膜的位置。當(dāng)攝像頭對(duì)準(zhǔn)眼睛后，算法逐漸將焦距對(duì)準(zhǔn)虹膜左右兩側(cè)，確定虹膜的外沿，這種水平方法受到了眼瞼的阻礙。算法同時(shí)將焦距對(duì)準(zhǔn)虹膜的內(nèi)沿（即瞳孔）并排除眼液和細(xì)微組織的影響。

單色相機(jī)利用可見光和紅外線，紅外線定位在700-900mm（這是IR技術(shù)的低限，美國眼科學(xué)會(huì)在他們對(duì)macularcysts研究中使用同樣的范圍）的范圍內(nèi)。

在虹膜的上方，算法通過二維Gabor子波的方法來細(xì)分和重組虹膜圖象，第一個(gè)細(xì)分的部分被稱為phasor，要理解二維gabor子波的原理需要很深的數(shù)學(xué)知識(shí)。

精確度：

虹膜識(shí)別技術(shù)是精確度最高的生物識(shí)別技術(shù)，具體描述如下：兩個(gè)不同的虹膜信息有75%匹配信息的可能性是1:106等錯(cuò)率：1:1200000兩個(gè)不同的虹膜產(chǎn)生相同虹膜代碼的可能性是1:1052

錄入和識(shí)別：

虹膜的定位可在1秒鐘之內(nèi)完成，產(chǎn)生虹膜代碼的時(shí)間也僅需1秒的時(shí)間，數(shù)據(jù)庫的檢索時(shí)間也相當(dāng)快。處理器速度是大規(guī)模檢索的一個(gè)瓶頸，另外網(wǎng)絡(luò)和硬件設(shè)備的性能也制約著檢索的速度。由于虹膜識(shí)別技術(shù)采用的是單色成像技術(shù)，因此一些圖像很難把它從瞳孔的圖像中分離出來。但是虹膜識(shí)別技術(shù)所采用的算法允許圖像質(zhì)量在某種程度上有所變化。相同的虹膜所產(chǎn)生的虹膜代碼也有25%的變化，這聽起來好象是這一技術(shù)的致命弱點(diǎn)，但在識(shí)別過程中，這種虹膜代碼的變化只占整個(gè)虹膜代碼的10%，它所占代碼的比例是相當(dāng)小的。

在身份識(shí)別或確認(rèn)過程中會(huì)有錯(cuò)誤。有兩個(gè)重要的測(cè)量因子——拒假率(FRR)和容假率(FAR)可以表明任何一種生物測(cè)量技術(shù)的正確性，可靠性。

拒假率(FRR)

在進(jìn)行生物測(cè)量時(shí)，對(duì)某對(duì)象的某一生物特征進(jìn)行生物測(cè)量所得結(jié)果與該對(duì)象已經(jīng)記錄在系統(tǒng)中的模板不匹配，這時(shí)拒假事件發(fā)生。理論上拒假事件的發(fā)生概率或者實(shí)際發(fā)生的頻率(在有足夠的歷史數(shù)據(jù)可用的情況下)就是拒假率。 拒假率FRR在不同的生物測(cè)量體系和技術(shù)中值不同;而在任何一個(gè)單獨(dú)的生物測(cè)量體系中，盡管用于識(shí)別或確認(rèn)的過程不盡相同，但拒假率(FRR)可能會(huì)一樣。因?yàn)樵谝粋€(gè)體系中僅有一個(gè)有效模板與該系統(tǒng)所獲得的數(shù)據(jù)匹配。

FRR值在生物測(cè)量時(shí)又會(huì)因?yàn)榄h(huán)境的不同而不同， 比如使用者合作的程度，操作條件等都可以影響FRR。

容假率(FAR)

在生物測(cè)量時(shí)，有一種可能性——對(duì)某一個(gè)對(duì)象的某一生物特征掃描取得的數(shù)據(jù)與數(shù)據(jù)庫中另外一個(gè)非該對(duì)象的模板足夠相似以至于匹配,這種錯(cuò)誤叫做接受假事件，相關(guān)的概率叫做容假率FAR。 一個(gè)生物測(cè)量系統(tǒng)的FAR反映了該系統(tǒng)所使用技術(shù)的基本性能及系統(tǒng)獨(dú)特性。為了獲得一個(gè)低的FAR值，在測(cè)量生物實(shí)體的模板時(shí)，一定要使用這個(gè)個(gè)體的獨(dú)一無二的生物個(gè)性，同時(shí)用于測(cè)量該生物個(gè)體的算法一定要能夠有效地抓住這種唯一的個(gè)性。

5.系統(tǒng)平臺(tái)概述與資源分析

硬件架構(gòu)部分：系統(tǒng)采用Xilinx公司XUP Virtex-II Pro系列FPGA作為核心的控制和運(yùn)算芯片，數(shù)據(jù)采集模塊由GD-A118型CCD傳感器和ADV7183B視頻編碼器組成。其中，GD-A118型CCD傳感器可以完成虹膜圖像的采集，ADV7183B視頻編碼器負(fù)責(zé)將采集到得虹膜圖像轉(zhuǎn)換成數(shù)字信號(hào)，（利用SPI接口）傳送至FPGA進(jìn)行處理。當(dāng)處理圖像數(shù)據(jù)時(shí)，F(xiàn)PGA處理模塊這一部分是本設(shè)計(jì)的核心部分，主要用于對(duì)已獲取的高清晰虹膜圖片結(jié)合算法作進(jìn)一步的處理，從而獲得重要的虹膜圖像信息。

處理之后的圖像會(huì)根據(jù)當(dāng)前的操作模式被存入FLASH中作為建檔模板，或者與當(dāng)前模板進(jìn)行匹配。工作前可用鍵盤對(duì)工作模式進(jìn)行選擇，另附帶有LCD顯示器用來顯示模式選擇和識(shí)別結(jié)果。

硬件框圖如圖1所示：

圖1 基于FPGA的虹膜識(shí)別系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)

軟件架構(gòu)部分：采用ISE和EDK開發(fā)平臺(tái)進(jìn)行以MircoBlaze為系統(tǒng)控制器，以CORE Generator開發(fā)的并行處理IP作為復(fù)數(shù)迭代計(jì)算單元的系統(tǒng)結(jié)構(gòu)。軟件算法流程圖如圖2所示：

圖2 嵌入式虹膜識(shí)別算法流程

6.項(xiàng)目內(nèi)容簡述：

本系統(tǒng)可以分為五個(gè)模塊：

6.1 圖像采集模塊：核心部分為GD-A118型CCD傳感器，ADV7183B視頻編碼器。主要用于獲取高清晰虹膜圖片。

6.2 實(shí)時(shí)圖像處理模塊：核心部分為XUP Virtex-II Pro開發(fā)板。

這一部分是本設(shè)計(jì)的核心部分，主要用于對(duì)已獲取的高清晰虹膜圖片作進(jìn)一步的處理。其中包括質(zhì)量評(píng)估、虹膜定位、虹膜分割、歸一化、展開、二值化、增強(qiáng)、特征提取及編碼等步驟。

6.3 視頻輸出模塊：核心部分為ADV7179視頻編碼器。

主要用于將采集到的虹膜圖像實(shí)時(shí)清晰的展示在PC機(jī)上，以提高虹膜圖像的采集質(zhì)量。

6.4 數(shù)據(jù)存儲(chǔ)模塊：核心部分為SDRAM和FLASH存儲(chǔ)器。

主要用于提高系統(tǒng)存儲(chǔ)空間，進(jìn)一步提升平臺(tái)處理圖像的能力。

6.5 結(jié)果輸出模塊：核心部分為3.5英寸液晶屏。

主要作用是更加直觀的展示比對(duì)結(jié)果。

6.6網(wǎng)絡(luò)傳輸模塊：該模塊主要實(shí)現(xiàn)將加密后的圖片信息傳輸?shù)竭h(yuǎn)程的中央服器。

7. 虹膜識(shí)別算法介紹

7.1虹膜內(nèi)外邊緣的識(shí)別及定位

通過虹膜采集設(shè)備采集到的虹膜圖像，通常不可能僅僅包含虹膜，往往還有眼睛的其它部分，比如眼瞼，睫毛，眼白等等，因而準(zhǔn)確的虹膜定位是虹膜識(shí)別與分析的前提，虹膜及其解剖特征如圖3所示。

。

（a）標(biāo)準(zhǔn)虹膜外觀 （b）個(gè)人采集虹膜 （b）虹膜剖面

圖3 虹膜及其解剖特征

7.1.1 虹膜內(nèi)邊緣的特征分析

如上圖中所顯示的虹膜圖像來看，瞳孔的灰度最為趨向一致，也是圖像中灰度最低的部分，圖4(a)展示了圖3的灰度直方圖，由圖可以看出，瞳孔的灰度集中在直方圖的左側(cè)，具有明顯地峰值，圖4(b)顯示了對(duì)該圖進(jìn)行灰度分割后的結(jié)果。

（a）灰度直方圖 （b）閾值變換

圖4 圖0.1的灰度直方圖和閾值變換

由此可見，閾值分割不失為一種初步分離瞳孔的途徑，但是應(yīng)當(dāng)指出，當(dāng)我們采用的虹膜圖片為標(biāo)準(zhǔn)圖片時(shí)，即圖像聚焦良好，光照均勻，對(duì)于此類圖像，可以直接采用投影的方式確定瞳孔的半徑和圓心，但是，對(duì)于光照不均勻的圖像，特別是本實(shí)例中所使用的虹膜圖像，閾值分割之后會(huì)出現(xiàn)許多干擾點(diǎn)。

如圖5，就是是一幅光照不均勻情況下的虹膜圖像及其閾值變換，可見關(guān)照不均勻的情況下閾值變換后的瞳孔邊界有棱角，而且周圍有很多干擾點(diǎn)，這對(duì)確定虹膜的內(nèi)邊緣增加了不少難度。

（a） 原圖 （b） 閾值變換

圖5 光照不均勻情況下虹膜的閾值分割結(jié)果

7.1.2 虹膜內(nèi)邊緣的確定

如上所述，閾值分割可以初步地將瞳孔分割出來，但是考慮到算法的抗干擾能力，應(yīng)對(duì)不同光照情況下閾值分割圖像的差異情況予以充分考慮，對(duì)于光照均勻程度所帶來的噪聲與干擾也應(yīng)能夠很好處理。本文擬對(duì)閾值分割后的圖像進(jìn)行精確取點(diǎn)，然后采用hough 變換來確定圓的圓心和半徑。

(1) 圓的Hough 變換

Hough 變換是對(duì)圖像進(jìn)行某種形式的坐標(biāo)變換，它將原始圖像中給定的形狀的曲線或直線變換成變換空間的一個(gè)點(diǎn)，即原始圖像中曲線或直線上所有點(diǎn)都集中到變換空間的某個(gè)點(diǎn)上形成峰點(diǎn)，這樣，把原始圖像中給定形狀的曲線或直線的檢測(cè)問題，變成尋找變換空間的峰點(diǎn)問題，也即把檢測(cè)整體特性(給定曲線的點(diǎn)集)變成檢測(cè)局部特性的問題。

由上述原理，可得圓的Hough 變換的方法：在x-y 平面上，中心在（），半徑是 的圓周C上一點(diǎn)（x，y）滿足：

（7-1）

如果將圓心（a，b）看作為變量，則在a-b 平面上可以畫出中心在（x，y）,半徑 的圓。在圓C 上的每一點(diǎn)（），在a-b 平面上有中心在（，），半徑為rc 的圓 與之對(duì)應(yīng)，且這些圓組成了相交于一點(diǎn)（）圓群,進(jìn)一步把圓的半徑r 作為變量，在a-b 平面得到由不同半徑的圓CHi 構(gòu)成的圓環(huán)。在a-b-r 空間中建立三維數(shù)組，數(shù)組中元素 ai,bi,ri P 的值代表a-b 平面上通

過點(diǎn)（ai，bi），半徑為ri 圓的個(gè)數(shù)。如果圖像中存在滿足方程（7-1）的圓，則的值最大。即 (7-2)

因此，數(shù)組中最大值元素所對(duì)應(yīng)的參量（）就是圖像中圓的中心和半徑。

(2) Hough 變換的改進(jìn)PHT 變換

上述變換方法雖然由使用廣泛，但是因?yàn)樗谌S空間內(nèi)搜索，計(jì)算復(fù)雜性較大，為此采用點(diǎn)Hough 變換，原理如圖6所示，設(shè)K，L，M為圓周上三點(diǎn)，由圓的幾何性質(zhì)可知，KL 的中垂線L(KL) 與LM 的中垂線L(LM)必然相交于圓C 的中心O。設(shè)K、L、M 三點(diǎn)的坐標(biāo)分別為、、，則L(KL) 和L(LM) 的方程分別為：

L(KL):

（7-3）

L(LM):

（7-4）

圖6 PHT 變換原理圖

利用（7-3）和（7-4）式，計(jì)算出圓C 的圓心（）和半徑：

（7-5）

（7-6）

（7-7）

可見, 半徑ri，中心（）的圓周上任意不共線的三點(diǎn)（以下稱為點(diǎn)組）對(duì)應(yīng)a-b-r 空間中一點(diǎn)（），所以我們稱之為點(diǎn)Hough 變換（Point Hough Transform）。

用向量表示a-b-r 空間中的點(diǎn), 則圖像中圓（）上的點(diǎn)組對(duì)應(yīng)于a-b-r 空間中的向量。在圖像中選取N 個(gè)點(diǎn)組，得到包括，N 組來自同一圓上的點(diǎn)組對(duì)應(yīng)的向量相同。向量組中不同編號(hào)的向量可能相同。向量組中出現(xiàn)次數(shù)最多的向量就是圖像中圓的參量。用數(shù)組P[n](n=0, …, N-1)，表示向量組中向量出現(xiàn)的次數(shù)，則有：

，其中 if（），kk=1 else kk=0 （7-8）

確定數(shù)組P[n]后,就可以找出圖像中圓的參量值。

if （7-9）

根據(jù)實(shí)際應(yīng)用，我們將式（7-8）中kk=1的條件改為，為一微小增量，更為符合實(shí)際應(yīng)用。

PHT 不需搜索變量空間，只對(duì)選取的點(diǎn)組進(jìn)行統(tǒng)計(jì)，計(jì)算復(fù)雜性決定于所選擇點(diǎn)組的數(shù)目。

PHT 過程包括兩個(gè)步驟：確定參量向量組和找向量組中出現(xiàn)頻率最大的向量。設(shè)選取的點(diǎn)組數(shù)為M，從上述分析可知, 過程的計(jì)算復(fù)雜度為O(M)，過程最大數(shù)組是3×M。對(duì)于CHT 過程, 設(shè)圖像中圓參量的取值范圍分別為A、B、R，邊緣點(diǎn)的數(shù)目為N。

7.1.3 虹膜外邊緣的確定

(1) 虹膜外邊緣的特征分析

由圖1中所示的虹膜圖像可以看出，虹膜外邊緣的主要特點(diǎn)是：較相對(duì)與虹膜內(nèi)邊緣而言，邊緣處灰度變化不是特別明顯，有一小段漸變的區(qū)域。也就是說，虹膜內(nèi)部灰度趨近于一致這個(gè)事實(shí)，在參考文獻(xiàn)[8]中，介紹的環(huán)量積分算子應(yīng)該式是一種有效的方法。

即： (7－10)

(2) 采用環(huán)量積分算子實(shí)現(xiàn)虹膜外邊緣的檢測(cè)

如上分析，虹膜環(huán)量積分算子是檢測(cè)虹膜外邊緣的一種有效手段，為了克服虹膜紋理對(duì)環(huán)量線積分的影響，本文對(duì)式（7－1）作了如下改進(jìn)，將環(huán)量線積分

改變?yōu)榍? 的圓環(huán)狀區(qū)域的面積分。即： （7－11）

各符號(hào)的意義與（7－1）相同，為了便于計(jì)算，將其離散化可得:

（7－12）

式中分別為t，增長的步長，n，k，l，m分別為求卷積時(shí)高斯函數(shù)的中心、圓環(huán)中心、圓環(huán)的寬度、旋轉(zhuǎn)角度等參數(shù)的增量。顯而易見，式（7－12）和式（7－11）并不完全等價(jià)，式（7－11）中積分號(hào)內(nèi)的部分的意義為積分區(qū)域內(nèi)各個(gè)點(diǎn)的灰度的平均值，式（7－12）計(jì)算的是積分區(qū)域各個(gè)點(diǎn)灰度的總和，但由于（7－12）中角度 的步長和圓環(huán)寬度t 的步長以及圓環(huán)的寬度t 都是固定的，也就是說，對(duì)應(yīng)不同的的圓環(huán)，從其中提取的計(jì)算環(huán)量積分的點(diǎn)的個(gè)數(shù)都是固定的，因而兩者只相差一個(gè)比例常數(shù)，并不影響判斷。注意，由式（7－1）到式（7－11）的改進(jìn)過程中用到了卷積的性質(zhì)：

（7-13）

如果使用式（7－12）在整個(gè)圖像空間中搜索，則系統(tǒng)開銷過大，本文將充分利用已經(jīng)求得的瞳孔中心的位置參量，設(shè)定虹膜外邊緣的圓心與瞳孔中心相差5 各像素，從而將在整個(gè)區(qū)域內(nèi)的搜索簡化為在5×5 的矩形區(qū)域內(nèi)的搜索，大大減少了算法的時(shí)間復(fù)雜度?？紤]到虹膜圖像的上部和下部易于受到眼皮和睫毛的干擾，在計(jì)算環(huán)量積分時(shí)，取值限定在的范圍內(nèi)。

為了進(jìn)一步減少系統(tǒng)搜索的開銷，本文采用一種由粗到精的取點(diǎn)與計(jì)算方法，設(shè)點(diǎn)為搜索點(diǎn)，以t 為半徑增量，依次計(jì)算式（7－11）所示的環(huán)量面積分算子，在搜索空間內(nèi)求得通過環(huán)量面積分的的最大值初步確定圓心和半徑之后，再以為圓心，在區(qū)域內(nèi)使用式（7－1）精確搜索，以確定圓的精確大小。

通過上述方法，對(duì)圖1進(jìn)行處理，得如下圖片：

圖7 圖1的內(nèi)外邊緣分析結(jié)果

定位結(jié)果　 　 同態(tài)增強(qiáng)后的虹膜定

圖8 內(nèi)外邊緣切割圖

7.2 虹膜圖像的展開

為了便于對(duì)虹膜圖片分析，一般的系統(tǒng)中都要將其展開成矩形。

我們采用內(nèi)圓圓心為中心，以虹膜的寬度為半徑建立極坐標(biāo)系，將虹膜在極坐標(biāo)系（ρ，θ）下展開成為橫坐標(biāo)為θ，縱坐標(biāo)為ρ的720*50 的矩形區(qū)域，展開的過程中，必然會(huì)出現(xiàn)新的圖像中某些點(diǎn)無法與原圖像中的點(diǎn)進(jìn)行匹配的情況，通常情況下應(yīng)進(jìn)行插值處理，一般情況下，插值有以下幾種方法：（1）0級(jí)內(nèi)插法，即將該點(diǎn)周圍四個(gè)鄰點(diǎn)中離它最近的一個(gè)點(diǎn)的像素的灰度級(jí)做為它的灰度級(jí)。（2）1 級(jí)內(nèi)插法，亦稱雙線性內(nèi)插法，是根據(jù)周圍四個(gè)點(diǎn)的灰度在兩個(gè)方向上進(jìn)行線性內(nèi)插，從而對(duì)原圖像中不存在的點(diǎn)計(jì)算出其近似值而不是用其鄰近點(diǎn)的像素來代替。（3）三次卷積法，是利用多項(xiàng)式來逼近理論上的最佳插值函數(shù)的方法。由于0 級(jí)插值法缺乏一定的精度，而三次卷積法又計(jì)算量過大，本文中采取雙線性內(nèi)插法。使用極坐標(biāo)的優(yōu)點(diǎn)是：眼睛旋轉(zhuǎn)的變化，可以轉(zhuǎn)變?yōu)?theta;方向的平移。

7.3 虹膜圖像的二值化

如上文所述，虹膜表面有許多斑點(diǎn)、凹陷區(qū)和皺紋組成，這些特征形成與遺傳和胚胎發(fā)育過程，含有豐富的信息。而且終生不變，從這些信息中可以用不同角度用不同的方法提取出用于區(qū)分不同虹膜的特征，進(jìn)而進(jìn)行身份識(shí)別。

本文采用虹膜圖像的結(jié)構(gòu)特征分析方法進(jìn)行虹膜識(shí)別。結(jié)構(gòu)特征通常包括控制點(diǎn)，角，線段等等，結(jié)構(gòu)特征具有直觀性好、穩(wěn)定性高、抗噪聲能力強(qiáng)、編碼效率高等優(yōu)點(diǎn)。利用結(jié)構(gòu)特征進(jìn)行編碼可以方便地解決虹膜圖像殘缺問題和局部編碼的區(qū)域劃分誤差。由于結(jié)構(gòu)特征的直觀性，便于形成統(tǒng)一的數(shù)據(jù)格式，有利于應(yīng)用的推廣。在灰度圖中，虹膜區(qū)域的紋理特征表現(xiàn)為虹膜區(qū)域內(nèi)的灰度變化，記錄這些灰度變化，對(duì)圖像進(jìn)行二值化處理，將圖像背景和灰度急劇變化的區(qū)域分開，可以作為虹膜識(shí)別的依據(jù)，下面就探討虹膜圖像二值化的方法。

7.3.1 虹膜圖像二值化方法探討

從直觀來看，提取圖像灰度變化的方法只需設(shè)定一定的閾值就提取其變換的信息，但是這種方法在提取灰度變化信息時(shí)卻有一定的局限性。如圖9所示為一圖像的截面圖。橫坐標(biāo)表示截面的伸展方向，縱坐標(biāo)表示對(duì)應(yīng)點(diǎn)的灰度，若取閾值為A，則BC的之間的灰度變化體現(xiàn)不出來，同理，若取閾值為C，則無法體現(xiàn)AB之間的閾值變化。

圖9 某圖像灰度截面圖

7.3.2 邊緣檢測(cè)與濾波器的選擇

對(duì)于灰度圖像中的各點(diǎn)，其灰度值的一階或二階導(dǎo)數(shù)能夠很好地體現(xiàn)圖像邊界點(diǎn)，本文將探討用二階導(dǎo)數(shù)來求邊緣點(diǎn)，以反映圖像灰度的變化，從而確定特征點(diǎn)，但是由于噪聲信號(hào)的影響，一般應(yīng)先對(duì)信號(hào)進(jìn)行平滑濾波，設(shè)信號(hào)g（x），如平滑濾波器的沖擊響應(yīng)函數(shù)用h(x)表示，則濾波后的信號(hào)為g(x)=f(x)*h(x),然后再對(duì)g(x)求二階導(dǎo)數(shù)以檢測(cè)邊緣點(diǎn)。

由于微分運(yùn)算與卷積運(yùn)算次序有以下互換關(guān)系：

因此可以先平滑，后微分的兩步運(yùn)算合并，并將平滑平滑微分濾波器的導(dǎo)數(shù)稱為一階微分濾波器，將稱為二階微分濾波器，平滑濾波器應(yīng)滿足以下條件：

（1）當(dāng)為偶函數(shù)；

（2） ；

（3）h(x)一階及兩階可微；

上述第二個(gè)條件保證了信號(hào)經(jīng)平滑濾波器h（x）濾波之后，其均值不變。

Marr 提出用下述的高斯函數(shù)作為平滑濾波器：

是一個(gè)圓對(duì)稱函數(shù)，其平滑的作用可通過σ 來控制，由于對(duì)圖像進(jìn)行線性平滑，數(shù)學(xué)上是進(jìn)行卷積，令g（x，y）為平滑后的圖像，得到：

；
其中是平滑前的圖像。

而沿梯度方向的二階導(dǎo)數(shù)是非線性的，計(jì)算較為復(fù)雜，Marr 提出用拉普拉斯算子來替代，即用

（7-14）

式中為LOG（Laplacian of Guassian ）濾波器。

（7-15）

Marr 的算子能較好地反映人們地視覺特性，通過對(duì)人眼視覺機(jī)理研究表明，對(duì)感受為同心圓的視神經(jīng)細(xì)胞，其輸出相當(dāng)于兩個(gè)高斯函數(shù)之差，視覺生理學(xué)中常用DOG（Difference of two Guassian functions）來描述：

式中的正項(xiàng)代表激勵(lì)功能，負(fù)項(xiàng)代表抑制功能。

實(shí)驗(yàn)表明，用不同的σ 高斯濾波器檢測(cè)邊緣，σ 越大，檢測(cè)到的邊緣越少，這一點(diǎn)可用濾波器的頻率特性說明：

由于高斯函數(shù)的傅立葉變換為：

（7-16）

可見高斯平滑濾波器為低通濾波器，但σ 越大，頻帶越窄，對(duì)較高頻率的噪聲有很強(qiáng)的噪聲抑制作用。

為了可靠地檢測(cè)邊緣，有人同時(shí)用多個(gè)大小不同的尺度σ來進(jìn)行濾波，這一點(diǎn)后來發(fā)展成為尺度濾波法。

7.3.3 利用邊緣檢測(cè)結(jié)果對(duì)圖像進(jìn)行二值化

對(duì)于灰度值沒有變化的背景圖像，其一階二階導(dǎo)數(shù)都為零，灰度值遞增，一階導(dǎo)數(shù)大于零，灰度值遞減，一階導(dǎo)數(shù)小于零。對(duì)于圖像的邊緣，往往是圖像灰度值激變的地方，其灰度的變化量達(dá)到峰值，即一階導(dǎo)數(shù)達(dá)到極值點(diǎn)，相對(duì)應(yīng)二階導(dǎo)數(shù)為零，由數(shù)學(xué)分析中的函數(shù)理論可知，二階導(dǎo)數(shù)為正的點(diǎn)其灰度曲線是凹的，而二階導(dǎo)數(shù)為負(fù)的點(diǎn)其灰度曲線是凸的。對(duì)一幅灰度圖像來講，一旦灰度值發(fā)生變化，就可以從其二階導(dǎo)數(shù)上反映出來，二 階導(dǎo)數(shù)的正負(fù)可以反映灰度變化的形式。圖10顯示了一個(gè)函數(shù)及其二階導(dǎo)數(shù)的圖形。

設(shè)圖9為圖形中某一斑點(diǎn)的灰度截面圖，則按照下式就可以使圖像二值化，由背景圖案中顯示出此斑點(diǎn)。

（7-17）

圖10 函數(shù)及其二階導(dǎo)數(shù)

式中為二值化的圖像，為由（7－14）式進(jìn)行高斯拉普拉斯變換后的圖像值，但是對(duì)于圖像截面的斑點(diǎn)，二值化后的圖像中卻顯示為一個(gè)圓環(huán)。對(duì)此，本文對(duì)式(7－17)做如下修正,以確保該點(diǎn)是一個(gè)斑點(diǎn)而不是一個(gè)圓環(huán)：若大于等于零，則考察與它最近的非零點(diǎn)，若該點(diǎn)大于0，則其等于零，若該點(diǎn)小于零，則其等于255。在對(duì)圖像的掃描中，實(shí)際上是從左到右進(jìn)行的，一種簡化的方法就是考察該已掃描的各點(diǎn)，由這些點(diǎn)中離該點(diǎn)最近的非零值來決定該點(diǎn)的值。因此二值化的表達(dá)式是：

其中t 為圖像中（x，y）前方的最近的一個(gè)非零點(diǎn)，這樣改進(jìn)以后可以減少特征點(diǎn)內(nèi)部夾雜的斑點(diǎn)。

7.4 虹膜圖像比對(duì)及識(shí)別理論分析

有上述陳述我們知，歸一化后的虹膜圖像大小為720*50，這使得前期計(jì)算量較大。提取出720*50位的二值編碼后，在匹配時(shí)，用漢明距離(HD)對(duì)兩個(gè)虹膜特征碼進(jìn)行匹配比對(duì)，公式如下：

其中，分別表示虹膜特征碼A和B的第j位編碼，表示“異或”運(yùn)算，當(dāng)A和B對(duì)應(yīng)的碼字相同時(shí)(都是1或者0)，則異或值為0；A和B對(duì)應(yīng)的碼字不同時(shí)，則異或值為1。上式對(duì)兩個(gè)長度為720*50位的虹膜碼的對(duì)應(yīng)每一位進(jìn)行異或運(yùn)算，如果兩個(gè)虹膜碼的每一位都相同，則HD=0；如果兩個(gè)虹膜碼的每一位都不同，則HD=1。因此，對(duì)于來自同一個(gè)虹膜的兩幅圖像來說，漢明距離比較小，對(duì)于來自不同虹膜的兩幅圖像來說，漢明距離比較大。

實(shí)際操作時(shí)，由于噪聲影響以及前面處理過程中不可避免地會(huì)引入誤差，來自于同一個(gè)虹膜的兩幅圖像的漢明距離不會(huì)是0，而是一個(gè)比較小的值；由于不同虹膜編碼的對(duì)應(yīng)位相等和不等的概率是一樣的，因此，不同虹膜的兩幅圖像的漢明距離也不會(huì)是1，而是一個(gè)比較大的值。所以在匹配決策時(shí)，需要設(shè)定一個(gè)閾值，小于此閾值的兩幅圖像則認(rèn)為屬于同一個(gè)虹膜，反之，則認(rèn)為屬于不同的虹膜。

8.預(yù)期功能與目標(biāo)

1）采集并識(shí)別虹膜圖像，實(shí)現(xiàn)身份認(rèn)證。

2）在無按鍵喚醒的狀態(tài)下，系統(tǒng)暫停工作。

3）在工作狀態(tài)下，通過在PC上的實(shí)時(shí)展示圖像，進(jìn)一步提高虹膜圖像的獲取質(zhì)量。

4）在獲取分辨率的虹膜圖像的前提下，實(shí)現(xiàn)高精度的識(shí)別，將誤差降到最低。

5）在TFT上精確顯示比對(duì)結(jié)果，使得比對(duì)身份識(shí)別更加直觀。