虹膜识别发展现状

虹膜识别1背景技术人们生活在一个高度信息化的社会，身份鉴别己经渗透到我们生活的各个方面。金融、电子商务、网络安全、门禁安全等无一不需要可靠的身份鉴别。同时，随着交通、通讯和网络技术的飞速发展，人类的活动范围越来越大，身份鉴别的难度和重要性也越来越突出。基于密码的传统身份鉴别方式有易遗忘、易假冒的缺点，难免会造成用户的信息泄露或财产损失，给人们的生活带来诸多不便。因此对一种更可靠、更方便的身份鉴别方法的需求越来越迫切。生物特征识别是20世纪90年代提出的概念，它是指利用人体某些固有的生理特征(如指纹、掌纹、面部、虹膜)及行为特征，通过计算机视觉和机器学习的方法来自动鉴别个人身份的技术。由于人的指纹、掌纹、虹膜等都具有唯一性和稳定性，即每个人的这些特征各不相同且终生不变，因此基于这些生物特征的身份识别具有极高的可靠性。同时人的生物特征与生俱来，不存在携带和记忆的问题，因此也是一种快速、方便的身份识别方法。此外，生物特征不易被伪造和窃取，便于采集，能得到人们的广泛认可和接受，因此也是一种具有防伪性和可接受性的身份鉴别方法。目前进行广泛研究的生物特征识别技术包括:指纹识别、虹膜识别、掌纹识别、面部识别、声音识别、步态识别、签名识别、视网膜识别等等。虹膜识别作为生物特征识别的一个重要分支，是指利用人眼虹膜区域进行身份鉴别的技术。虹膜特征与其它生物特征相比具有高稳定性、高可靠性和高防伪性等优点。该技术从提出到现在己有十多年的时间，但是由于应用环境的复杂性，仍然存在许多需要改进之处。虹膜识别是上世纪90年代兴起的生物特征识别技术，由于其高可靠性和高稳定性，逐渐成为计算机视觉领域的一个热门研究方向，并受到各个研究机构学者们的广泛关注。在近十年的研究中，虹膜识别技术己经取得了相当多的进展，但是因为人眼结构的复杂性、应用环境的多样性，虹膜识别领域还有很多正待解决的问题。世界上许多国家己经将虹膜识别、指纹识别技及面部识别技术用在出入境机场、银行以及各种电子设备上，并取得了很好的效果。美国IB M公司成功将指纹识别技术作为笔记本电脑的开机用户验证方式。欧洲许多国家将生物特征作为身份证采集的信息之一，以方便进行可靠的公共安全管理。在电子商务领域，生物特征识别也被应用到网络交易者身份的确认，大大降低了不法分子对网络交易的破坏活动。在图1-1中，我们列出了几种主要的生物特征识别技术。 图1-1 生物识别技术虹膜识别是在上世纪90年代末期提出的一种生物特征识别技术。虹膜是指位于人眼巩膜和瞳孔之间的环形区域，其表面的形貌高度细节化，包含了极为丰富的信息，外观上看，由许多腺窝、褶皱、色素斑等构成。虹膜具有多层结构，包括有颜色的上皮细胞、毛细血管、环状和放射状的肌肉等生理组织。从识别的角度来说，虹膜的颜色信息并不具有广泛的区分性，而那些相互交错的类似于斑点、细丝、冠状、条纹、隐窝等形状的细微特征却是虹膜唯一性的体现。虹膜作为一种重要的身份鉴别特征，具有唯一性、稳定性和非侵犯性等优点。第一、唯一性。虹膜受基因的影响很小，更重要的是受胚胎发育环境的影响，不同的人的虹膜特征完全不同。第二、稳定性。临床发现虹膜在人一岁以后几乎不发生变化。第三、非侵犯性。虹膜外部可见，但同时又属于内部组织，位于角膜后，要改变虹膜外观需要非常精细的外科手术，而且要冒着视力损伤的危险。非侵犯性(或非接触式)的生物特征识别将是身份鉴别研究与应用发展的必然趋势，与脸像、声音等非接触式的身份鉴别方法相比，虹膜具有更高的准确性。据统计，虹膜识别的错误率是各种生物特征识别中最低的。基于虹膜的身份鉴别技术口益得到学术界和企业界的关注。据统计，虹膜识别的错误率是各种生物特征识别中最低的。基于虹膜的身份鉴别技术口益得到学术界和企业界的关注。1.1相关技术及研究动态虹膜识别的相关技术主要包括虹膜图像质量评估、虹膜图像定位、虹膜图像归一化、遮挡掩膜估计、特征提取与识别几个方面。目前的学术界的研究工作主要集中在虹膜图像定位和遮挡掩膜估计等问题，这些问题都是由于人眼的复杂结构造成的。主要的研究机构包括英国剑桥大学、美国西弗吉尼亚大学、美国卡内基梅陇大学、美国密西根州立大学、以及中国科院自动化所等。其相关工作促进了该领域的进步，推动了虹膜识别的广泛应用。虹膜识别的理论框架最早由英国剑桥大学的Daugman 博士在 1993 年提出。该框架将虹膜识别分为主要的四个部分：虹膜定位、图像归一化、特征提取和匹配。在后续的研究工作中，大部分工作都是针对已有理论框架的各部分提出了改进性方法，同时增加了三部分的研究内容，即虹膜图像质量评估、遮挡掩膜估计和虹膜粗分类。需用需求：随着现代科学技术的快速发展和人类活动空间的扩大，人与人之间的交往口渐频繁，信息安全和身份认证问题己经成为关注热点，并且是安防系统中核心的一部分，同时也是社会安全管理的需要，人们对其安全性的要求也越来越高。一旦身份认证系统出现了问题，整个安防系统将会出现不可预知的问题。传统的身份识别主要依靠特定标志物，如身份证、工作证、智能卡等和特定知识(如口令、密码等)，然而这些方法存在很多缺点，如携带不便、容易遗失和被盗用、密码易被破解等，此时身份识别就会失败，如:钥匙丢失或密码被盗取从而损失了大量财产是口常生活中经常发生的情况。因此，需要更加安全、准确、防伪的身份认证技术来保证个人财产安全、社会安全和国家安全，基于生物特征识别技术正是针对此需要产生的识别技术[9-12]生物特征识别是对人类固有的生理或行为特征通过计算机处理后进行个人身份鉴定的技术。这些特征包括人脸、指纹、掌纹、声音等，它们不会被盗取、丢失或遗忘，同时这些特征还具有普遍性、唯一性、稳定性、方便性等优点，并且很难伪造和模仿，能够有效克服传统身份识别方法的不足，是未来身份认证的一个发展趋势。典型的生物特征识别技术主要有:人脸识别、指纹识别、掌纹识别、语音识别、虹膜识别等。在众多的生物特征里面，虹膜因具有稳定性、唯一性和非侵犯性，使其具有非常大的优势。近年来虹膜识别得到了学术界、产业界、政府和军队的广泛关注。虹膜识别是用直径12mm左右的虹膜将地球上所有人区分开，这是一个非常复杂的、超大规模的模式识别和分类问题，涉及到图像处理、模式识别、计算机视觉、统计学习等技术，具有非常重要的学术研究价值。从Daugman教授1993年提出第一个高性能虹膜识别算法以来，国内外众多研究机构(如英国剑桥大学、葡萄牙的Beira Interior大学、美国的卡耐基梅隆大学、Notre Dame大学，中国的中国科学院自动化研究所、中国科学技术大学、清华大学、上海交通大学等)都对虹膜识别算法进行了深入研究，推动了虹膜识别技术的发展。美国国家标准化研究所(National Institute Of Standards And Technology, NIST)分别于2005年和2006年举行了虹膜识别算法竞赛(Iris Challenge Evaluation, ICE), ICE 2005为虹膜识别技术的发展奠定了基础，ICE 2006为第一届大规模的、开放的、独立的虹膜识别竞赛。全球著名科学出版集团Elsevier和葡萄牙Beira Interior大学发起并组织了低质量虹膜图像处理算法国际竞赛(Nosiy IrisChallenge Evaluation,NICE)于2008年举办，主要目的是测试虹膜图像处理算法对低噪声虹膜图像处理的能力;于2010年举办，主要目的为测试最好的虹膜识别方法在复杂应用场景中适应远距离、行进中、低质量虹膜图像的有效性。虹膜识别的广阔市场应用前景引来了产业界的大量关注和投入。国内的主有:中科、上海邦震、北京凯平艾森、西安中虹、福州海景、北京思源科安等。国外的主有:美国Iridian公司、美国S arnoff公司、韩国LG公司、口本OKI公司、口本Panasonic公司等。由于虹膜识别的高安全性吸引了世界各国政府和国防军事部门的关注。2002年，美国新泽西州的肯尼迪国际机场在其国际航班第四登机口安装了虹膜识别系统，使用此系统后安全等级得到了提升。2004年的雅典奥运会，奥组委使用了包括虹膜识别在内的生物特征身份识别系统。2006年，美国新泽西州在校园里面安装了虹膜识别系统进行安全控制，使用此系统后减少了校园内的各种违反校规以及侵犯、犯罪活动，有效地减轻了校园管理难度。在阿富汗，联合国与美国联邦难民署使用虹膜识别系统来鉴定难民身份。在国内，中科虹霸的虹膜识别系统广泛应用于矿山安全生产、国家安全部门、军队门禁控制、银行、监狱人员安全管理监测、计生人员验证、灾区户籍管理、考生身份识别等众多领域，均取得了良好的应用效果，得到了广大用户的高度认可。2004年，国际民用航空组织(International Civil Aviation Organization, ICAO)对其188个成员国的电子护照嵌入了持证人信息、虹膜、指纹等特定生物信息的IC芯片。我国的第二代身份证为虹膜、指纹等生物特征识别预留了空间。我国是一个人口众多且流动频繁的国家，虹膜识别系统在政治、经济、社会稳定等方面具有很重要的战略意义，我们需打破国外对虹膜识别系统的垄断和封锁，研发出具有自主产权的、世界领先的虹膜识别系统。1.2虹膜识别的基本原理和系统组成1.2.1虹膜的生理结构和特点虹膜是眼睛的一个重要组成部分，是位于眼角膜之后和晶状体之前的直径约为12mm、厚度约为O.Smm的盘状薄膜。为了使适量的光线进入眼睛，瞳孔随着光线的变化而扩张和收缩，随之带来的就是虹膜收缩和扩张。图1.1(a)为一个眼部的解剖图，可以看出，虹膜为其中的一个内部器官，因为位于其前面的角膜是透明的，所以虹膜对外是可见的。图1.1(b)为眼睛的外观图，可以看出，虹膜是介于黑色瞳孔区域和白色巩膜区域之间的环形区域，巩膜、瞳孔和虹膜所占的面积比例分别为:30%, 5%,65%。虹膜在一定波长的红外光(一般为700-900nm)的照射下，将会呈现出很多类似斑点、条纹、隐窝的细微结构相互交错，这便构成了虹膜的纹理结构信息。这些纹理结构信息具有很多适合身份认证的优良属性。(1)唯一性生理学的研究表明:虹膜纹理的细节特征主要是由胚胎发育环境的随机因素来决定的。科学研究表明即使双胞胎、同一人的左右眼的虹膜图像的纹理信息也具有显著差异。(2)稳定性从婴儿胚胎的第三个月前虹膜就开始发育，到g个月后虹膜的主要纹理己经稳定成型[[41 ]。除非发生病变或者危及眼睛的外科手术，虹膜的纹理结构几乎将终生不变。同时，由角膜的保护，发育成型的虹膜不易受到外界的伤害。(3)非侵犯性虹膜是一个外部可见的内部器官，可以通过非接触(甚至远距离)的采集设备进行图像的采集。相对于指纹、掌纹等需接触采集的生物特征更加卫生和方便，比较容易被人们接受。(4)天然防伪性瞳孔会随着光线收缩或扩张并牵动虹膜的扩张或收缩，一般情况下很难被盗取，使其具有天然的防伪性。1.2.2虹膜识别系统的组成虹膜识别是一个典型的模式识别和计算机视觉问题，通过对采集到的虹膜图像进行分析和处理来实现身份的识别。虹膜识别主要步骤包括图像的获取、预处理、特征提取和编码、匹配识别，其中预处理包括虹膜的定位和归一化，如图1.2所示。虹膜识别系统流程图各个步骤的功能概括如下:(1)虹膜图像获取模块的主要任务是通过合理的光学和电路的设计，并以友好的人机接口获取高质量的虹膜图像。(2)虹膜图像的预处理包括虹膜的定位、归一化。从采集设备得到的图像包含了眼睑、睫毛等，因此需对虹膜进行定位。一般情况下为便于处理，将虹膜区域的边界近似为两个圆，虹膜定位就是分别得到两个圆的圆心位置和半径大小。不同人的虹膜大小不同;同一虹膜的大小会随着瞳孔大小的改变而改变，瞳孔会随着外界光照的变化而扩张或收缩，采集图像时，眼睛离采集设备的距离直接影响到瞳孔成像的大小。虹膜的这种弹性形变将会影响识别的结果，不同大小的虹膜无法进行匹配识别，而虹膜的归一化就是纠正这些缩放失真。(3)虹膜的特征提取和编码是指从归一化后的虹膜图像中提取出能够有效地表达和描述虹膜的个性化信息，对其进行编码使其能在计算机上存储和读取。这些特征需具有很高的代表性、很小的冗余性。(4)特征匹配与识别是将提取出的虹膜特征码与数据库中的特征码进行比较，来确定身份。2应用需求为使虹膜识别技术迅速发展, 成为身份鉴别 的重要手段, 在实际中得到广泛应用, 可考虑从如 下几方面入手:从生理学、色度学、光学等角度 对人眼及虹膜进行理论研究。建立照明光源、虹膜、CCD 摄像头之间的成像系统, 确定它们之间的最佳匹配关系, 以便在虹膜图像采集方面产生突破, 构建高精度、自动化、小体积和低成本的虹膜鲁棒性算法 。 (2)虹膜识别算法(包括图像预处理、特征提取和特征匹配)计算量很大, 提高系统实时的快速计算能力是达到系统特定性能要求的 关键。为此, 一方面开发高效快速的识别算法, 另 一方面开发通用化和兼容性强的虹膜识别芯片,即软硬件两方面共同努力。(3)将信息融合技术与非生物特征识别信息相结合(如与指纹、掌纹的结合), 将虹膜特征信息与其他生物信息相结合(如与智能卡相结合)是克服自身系统局限性, 提高系统的准确性和鲁棒性切实可行的方案, 是虹膜识别技术的发展方向。(4)现在的虹膜特征识别的研究还局限于单机系统, 建立虹膜特征识别的网络身份认证系统是其研究的重要方向, 具有广阔的应用前景。3研究现状3.1虹膜识别技术发展历史用虹膜进行身份识别的设想最早出现于19世纪80年代 ，但直到最近二十多年，虹膜识别技术才有了飞跃的发展。1987年，眼科专家ARAN SAFIR和LEONARDFLOM首次提出利用虹膜图像进行自动虹膜识别的概念。虹膜是位于眼睛黑色瞳孔和白色巩膜之间的圆环状部分，总体上呈现一种由里到外的放射状结构，由相当复杂的纤维组织构成，包含有很多相互交错的类似于斑点、细丝、冠状、条纹、隐窝等细节特征，这些特征在出生之前就以随机组合的方式确定下来了，一旦形成终生不变。虹膜识别的准确性是各种生物识别中最高的。真正的虹膜识别系统则是在20世纪末才出现的，1991年，美国洛斯阿拉莫斯国家实验室的JOHNSON实现了一个自动虹膜识别系统。1993年，JOHNDAUGMAN实现了一个高性能的自动虹膜识别原型系统。今天，大部分的自动虹膜识别系统使用DAUGMAN核心算法。1994年Wildes研制出基于图像注册技术的虹膜认证系统，通过拉普拉斯金字塔将虹膜区域图像分解为四个水平，根据图像的相关性进行匹配度计算。1997年Boles等人提出了基于小波变换过零检测的虹膜识别算法，克服了以往系统受漂移、旋转和比例缩放带来的局限，而且对亮度和噪声不敏感，取得了较好的结果。Lim等人用二维小波变换实现了虹膜的编码，减少了特征维数，提高了分类识别效果，提出了采用87位表示的虹膜特征，获得了较高的识别率。2000 年中国科学院自动化所开发出了虹膜识别的核心算法，是国内进行虹膜识别研究工作进展最快的，提出了多通道Gabor滤波 器提取虹膜特征的方法。近年来国内的一些高校也在这方面取得了可喜的研究成果。理论上的研究成果很快得到了实际应用，特别是“9·11”以来，各国加强了对身份鉴别的可靠性，生物特征识别在这方面起到了积极的作用，虹膜识别成为了其中安全性 最高、最为有效的方法之一。2000年美国飞行员和机场职工设计的虹膜通行证在机场启用。2002 年2月8日，英国伦敦希思罗机场通过检查登机旅客的虹膜来确定其身份并作为登机牌 。美国 Iriscan研制出的虹膜识别系统已 经应用在 美国德 克萨斯州联合银行的营业部。储户办理银行业务，只要摄像机对用户的眼睛进行扫描就可以对用户的身份进行检验。美国新泽西州的Plumsted学校通过在校园里安装虹膜识别的装置，校园内的各种违反校规以及侵犯、犯罪活动大大减少，极大 地降低了校园管理难度。3.2国外现状在阿富汗等国，联合国与美国联邦难民署使用虹膜识别系统鉴定难民的身份，有效防止了同一个难民多次领取救济品，总共有超过200万的难民使用了虹膜识别系统 。这套系统对于联合国的人道主义援助物资分配起到了很关键的作用 。美国新泽西州肯尼迪国际机场和纽约奥尔巴尼国际机场均安装了虹膜识别仪，用于工作人员安检，只有通过虹膜识别系统的检测才能进入例如停机坪和行李提取处等受限制场所。德国柏林的法兰克福机场、荷兰史基浦机场以及日本成田机场也安装了虹膜出入境管理系统，应用于乘客通关。今年5月在日本运营商NTT DoCoMo举办的新机发布会上，富士通便推出了搭载虹膜识别技术的新款机型Arrows NX F-04G，这也是全球首款量产的具备虹膜识别技术的智能手机。Windows 10系统引入了一些新的应用和特性，其中比较受人们关注的可能就是Windows Hello了。在开启Windows Hello以后，锁屏状态下，电脑就会看着你了，在检测到是主人的情况下就会让你登录。它用到了Intel RealSense 3D摄像头，也就是说现有的普通摄像头是不支持Windows Hello的。Windows Hello 需要专门的硬件，包括指纹读取器、红外传感器和其他生物传感器。目前还不清楚早期版本的 Windows 用户升级到 Windows 10 之后如何启用这一功能。微软称，有些系统能进行指纹识别，而所有具有 RealSense 3D Camera 功能的系统能进行人脸和虹膜识别。不过，如果你有这些专门的硬件，同时还是 Windows 10 系统，就能正常使用所有功能了。上世纪九十年代以来，国内的虹膜识别技术发展比较迅速，经过数年的探索与研发，逐渐出现了自主研发的虹膜识别技术和产品，的差距依旧很大。相比，国内虹膜识别核心技术不多、采集设备严重依赖国外进口、缺乏独立开发的可靠产品。应用发面主要以公安的刑侦为主，民用的应用比较少。3.3国内现状国内的虹膜识别技术提供商，主要来源于中科院自动化所和上海交通大学图像所，它们分别衍生了前文所提到的中科虹霸和，在虹膜识别技术的研究时间都超过10年，业内人士称之为：北中科，南聚虹。从技术研发角度来看，中科虹霸和聚虹光电均属国内一线阵营，作为技术提供商，处于价值链的最上游，主要以算法授权为主，面向的是厂商和集成商，并不直接面对终端客户，所以行业外的人对此所知甚少。国内虹膜技术的研发方向是针对东亚人的黑色虹膜识别，黑色虹膜由于纹理少，表面色素多，光线原因导致不稳定性又强等因素，是被虹膜识别理论创立者Daugman 公认的最难识别的，这也决定着黑色虹膜在可见光下是不能看到的，必须用到红外光识别。中国恰恰又是黑色虹膜最大样本市场。所以，这两家目前在煤矿、电力、安全等领域都有落地的案例。4核心技术4.1虹膜识别算法流程图4-1虹膜识别流程图4-1为虹膜识别系统的工作流程。虹膜识别系统的工作流程大体可以分为3个阶段:(1)虹膜图像的采集和预处理。(2)虹膜的定位与图像的分割。(3)虹膜特征的提取和匹配。4.2虹膜图像的采集和预处理本文中，虹膜图像的采集过程是对连续视频中虹膜图片的选择过程，并不是每帧虹膜图片都满足后面处理所需的条件，所以需要对每一帧图片进行评估，选择出最适合虹膜识别的图片。虹膜图像的评价主要分为两步：首先是图像清晰度评价，不清晰的图像会被舍弃；之后进行清晰平面的评价，检测采集过程中的对焦平面是否在虹膜上，另外也要尽量减小睫毛的干扰。4.2.1清晰度评价本文的算法使用对焦深度方法对采集得到的虹膜图片进行清晰度评价，从而判断图片是否成功对焦。对焦深度法主要依据的原理是清晰的图像细节较为丰富，高频分量较多，因此可以从时域与频域来/>得到清晰度信息。为了提高系统的实时性，本文这里使用了较为简单快速的时域方法。假设采集得到的数字图像大小为m/>n，将这个图像保存在矩阵r(x,y)中，则首先利用方差为二的二维高斯滤波器对图像进行滤波，也就是将两个矩阵作卷积运算:这样就能去掉图像中的高频干扰，得到看上去有些稍微有些模糊的图像，然后再用Roberts算子对图像进行微分运算: 图4-2手动采集的虹膜图像及F值此时F表示图像的清晰程度，F越大表示图像越清晰，反之则越模糊。图2-2是手动采集的连续几帧的图像及其F值，可以从结果中看出F值可以比较好的反应图像的清晰度。在采集的过程中，合理地设计F的阈值，只有当图像大于该阈值时，该帧图像才会被采集。这样就可以实现自动对焦的算法，得到较为清晰的虹膜照片。4.3对焦平面评价然而，由于近距离拍摄虹膜，因此得到的图片的景深都非常小，经常会出现睫毛非常清晰而虹膜平面并不清晰地情况。由于睫毛是非常混乱的，所以导致有些图像F值非常大，却是在睫毛处达到足够的清晰度，但是该图片没有有效的纹理信息。因此，需要通过其它方法来排除这种情况。对于这种情况，本文使用如下的方法。首先对图像做直方图分析，并利用直方图的结果搜索出瞳孔部分的灰度阈值，然后利用该阈值将原始图像转化为二值图像，然后对二值图像进行连通域的统计，找出其最大的连通域，也就是瞳孔的主体部分，利用这个连通域的面积估算出瞳孔的半径，然后统计出在此半径内的白点的面积，也就是普尔钦斑的面积。在二值化图像中，假设瞳孔部分的面积为/>，普尔钦斑的总面积为/>，本文将这二者的比值作为衡量图像清晰度的指标。一般情况下，当虹膜纹理清晰可用的时候，瞳孔中间的光点一般都非常小，而当出现睫毛清晰而虹膜不清晰的时候，瞳孔之间的光点一般都非常大，占瞳孔面积的比例比较大。因此，此处可以设定一个阈值，当普尔钦斑的面积与瞳孔面积的比值大于这个阈值时，就可以认定这张图片不符合对焦的要求而将其舍弃。4.4虹膜的定位与分割为了提取虹膜的特征，首先需要在图像中分割出环状的虹膜纹理，也就是在图像中分割出我们的感兴趣区域，而实现准确分割的前提是对虹膜的准确的定位。由于可以把虹膜的环状区域看作两个不同心的圆，所以需要对内圆的和外圆的分别进行定位。由于内圆内为瞳孔部分，其灰度值比较均匀，而且形状更加规则，所以本文先对虹膜的内边缘进行定位，然后再利用内边缘的位置信息来辅助虹膜外边缘的定位。4.4.1虹膜内边缘定位在定位内边缘时为了同时保证快速性与准确性，本文利用瞳孔内部与外部像素值相差较大这个特点先进行瞳孔的分割。李培华在文献中提到用直方图来进行自适应的二值化阈值选取的方法。一般情况下，可以选取直方图的谷值、一阶导数曲线的谷值等共5个点，分别是瞳孔、巩膜、虹膜、肤色、眼睑、高光的分割阈值。对于这些阈值，一般情况下都能存在的，但是同时确定这些阈值是相当有难度的，鲁棒性也是相当低的。然而对于瞳孔和其他区域的直方图处的谷值是最为明显的，如图所示。因此只要找到这一点，即可使用该像素值阈值进行图像二值化，就可以较为容易地得到瞳孔的图片。本文采用的方法是使用一个维数1x7的高斯滤波器对图像直方图反复滤波，此滤波器为[0.0044 0.0540 0.2420 0.3991 0.2420 0.0540]。直到直方图还剩下2个以下的谷值，则认为第一个谷值是瞳孔与其他区域分割的阈值。图2-5中，红色直线表示区分瞳孔与其他区域的直方图谷值。在实际采集得到的虹膜图像中，使用本方法得到的二值化的图片还是难以处理的，由于睫毛、眉毛像素值也较低，因此也呈现白色，而且瞳孔中存在一些红外灯留下的高光，二值化后会在瞳孔中留下一些黑点，如图所示。·采集图4-3虹膜图像及其直方图然而，二值化后瞳孔都会呈现这种类似于圆形的样子，周围有许多小的白点，但这些白点的面积一般不会大于瞳孔，里面的黑点一般也不会很严重地破坏瞳孔圆形的形状。鉴于此，本文选用了形态学图像处理的方法进行连通分量的提取，这里使用的是“8连通性”进行连通分量的求取。先求取一次最大的白色连通区域可以去掉睫毛的影响，然后再求取一次最大的黑色连通区域即可去掉瞳孔内部高光的影响。4.4.2虹膜外边缘定位前面对虹膜的内边缘进行了定位，得到了内圆的圆心和半径。即使外边缘和内边缘不一定是同心圆，二者的圆心也是比较接近的。这样就能把外圆圆心的搜索范围限制在内圆圆心的一个邻域内，从而加速外边缘的搜索。本文使用John G. Daugman提出的积分微分算子的方法来搜索虹膜的外边缘：4.5虹膜特征的提取与匹配上一节完成了虹膜的定位和图像的分割，要直接对这个环状区域进行特征提取时比较困难的。所以这里需要首先对环状的图像做一定的变换，把它变成方便处理的图像，而且要保证图像纹理的不变性。本文的做法是将这个环状区域沿极坐标展开，角度作为横坐标，半径作为纵坐标，这样环状区域就变成一个矩形区域，而且图像的纹理中各像素点的相对关系没有发生改变，所以得到的矩形纹理与原来的环状纹理是相似的，能够保留其虹膜的特征。所以从这个矩形图像中提取到的特征就是虹膜纹理的特征。因此，虹膜特征提取实际分为两步：虹膜图像的规格化，也就是得到矩形图像的过程；虹膜特征的提取，即提取变换后的矩形图像的特征。4.5.1虹膜特征编码特征提取是指对归一化后的虹膜图像提取特征。由于原始图像数据量很大，比如本系统中，图像大小为720x 576，直接把整个图像所有像素作为特征是不可能的。所以要在这些图像数据中提取较低维度的特征，然后对降维后的特征数据进行分析。同时为了提高分类处理的速度，还需要对提取的特征进行筛选，从而降低这些特征的信息冗余度。另外，提取的特征应该具有偏移、旋转和尺度不变性的性质。本文采用了John G. Daugman博士提出的基于二维Gabor小波编码虹膜纹理的算法。4.5.2虹膜特征匹配得到虹膜代码后，如果系统工作于注册模式，就不需要代码的对比，只需要把代码存入数据库保存即可；如果工作于识别模式，则需要将此代码与库中代码进行比对，这就是虹膜代码的匹配过程。通常的匹配的方法是将虹膜代码视为向量，通过测量向量之间的距离来评价不同虹膜代码间的相似度，距离越小则相似度越高。由于在前面的特征提取中，本文已经将虹膜的特征向量转化为01格式，所以这里不需要计算距离，而是直接统计两个代码的相同的位的个数作为虹膜代码的相似度。另外，由于人眼的旋转而造成的虹膜代码的偏移，对应到特征向量中为x方向上的偏移，所以在计算相似度时要考虑偏移的影响:/>式中i为两个向量，方向的相对偏移，/>为第一个代码在偏移为i时x位置的代码值。在考虑偏移的情况下，代码间的相似度为对所有行的相似度求取平均即可得到最终的相似度，即/>为了能够去除眼睑、睫毛的影响，可以将所有的/>排序，舍弃掉一部分最大值与一部分最小值，这样得到的结果更有可信度。5发展趋势虹膜识别技术的首要研究发展方向就是与移动计算技术应用的结合。近年来，移动应用正在成为新经济发展的主要推动力和主要增长点，移动应用的发展意味着工作方式和生活习惯的又一次改变。商务活动离不开交易，身份认证则是决定网上交易能否达成的关键，基于虹膜识别的身份认证技术将在移动应用领域大显身手，模块化虹膜识别产品是一个重要的发展方向。移动身份认证是移动应用的关键技术，传统身份认证技术的脆弱性已成为现有电子商务等应用的发展障碍，移动应用对身份认证的可靠性要求更高，更加需要变革性的身份认证技术，特别是可靠、实用、廉价的生物识别功能部件，虹膜识别模块产品将成为理想的选择。移动应用的基础设施是无线互联网，其计算与处理功能的物质载体则是手机。手机正成为移动应用的基本设备，移动商务、移动政务、移动银行、移动信息服务的迅速发展，将为虹膜识别模块产品带来无限商机。智能卡是虹膜识别技术的另一重要应用领域，微软RSA卡的 “抗篡改生物识别ＩＤ卡”计划将使计算机用户能够自行用普通纸张制作智能卡，RSA表示该计划将为生物识别技术提供开放性平台。这一计划的完成将为虹膜识别模块产品创造出巨大的市场空间。同时，正如手机和电话座机同时发展一样，计算机应用和移动应用的发展也并行不悖。传统身份认证同样不能满足计算机应用的要求，同样需要实用廉价的虹膜识别技术，需要实现多种产品和虹膜识别模块产品的集成。许多嵌入式产品也需要身份认证功能，这类嵌入式产品多用于社会安全领域和军事领域，使用虹膜识别标准部件，通过嵌入式产品生产商，将使虹膜识别应用到各个可能的领域。最后想特别强调指出的是，虹膜识别技术产品作为新一代社会安防与信息安全身份认证技术的发展趋势及终极替代者，其市场需求正在以超出我们想象的速度飞快增长，发展具有完整自主知识产权的国产虹膜识别技术产品是我国社会安防与信息安全技术产业的当务之急。信息安全关乎国家主权，在国家大力倡导创新发展自主知识产权的今天，国产虹膜识别技术产品的研发可谓任重而道远，机遇与挑战并存，前景无限光明。