專利名稱：一種基于局部頻率特征和局部方向特征的虹膜識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于局部頻率特征和局部方向特征的虹膜識別方法，屬于生物特征 識別及安全認(rèn)證技術(shù)領(lǐng)域。
背景技術(shù)：
隨著網(wǎng)絡(luò)和信息技術(shù)的發(fā)展，個人身份鑒別得到前所未有的重視，也面臨著越來越嚴(yán)重的考驗。生物特征識別(Biometrics)是以人體固有的各種生理和形態(tài)特征作為識 別介質(zhì)，從而達到唯一識別個人身份，進行個人身份認(rèn)證的新興研究學(xué)科。與傳統(tǒng)的身 份鑒定手段相比，基于生物特征識別的身份鑒定技術(shù)具有不易遺忘或丟失、防偽性能好、 隨身攜帶等優(yōu)點。虹膜，作為重要的生物特征，用于身份鑒別具有天然的被保護特性、 高復(fù)雜性、高穩(wěn)定性、高防偽性等優(yōu)點。與其他生物特征識別技術(shù)相比，虹膜識別的準(zhǔn) 確率是最高的。因此基于虹膜的身份鑒別技術(shù)得到學(xué)術(shù)界和企業(yè)界越來越多的重視。由于虹膜紋理具有高復(fù)雜性，高隨機性以及單一性，因此虹膜含有及其豐富的紋理 信息。對于虹膜識別算法，能否有效的從這些紋理信息中找出表征每一類虹膜的內(nèi)在特 征是至關(guān)重要的。從圖像紋理分析的觀點來看，虹膜的空間模式主要由局部的頻率信息 和方向信息來表征。然而在現(xiàn)今已有的虹膜識別方法中，還沒有一種方法能有效的將這 兩者結(jié)合起來，表征虹膜特征。本發(fā)明提出了一種新的虹膜特征提取方法，能有效的結(jié) 合局部頻率信息和局部方向信息。發(fā)明內(nèi)容本發(fā)明的技術(shù)解決解決問題克服現(xiàn)有技術(shù)的不足，提供一種識別精度高的高性能 的虹膜識別方法，該方法將虹膜紋理的局部頻率信息和局部方向信息有.效的結(jié)合起來進 行特征表征，能夠更全面描述虹膜紋理的特征空間。本發(fā)明的技術(shù)解決方案 一種基于局部頻率特征和局部方向特征的虹膜識別方法， 其特征在于包括虹膜特征提取和虹膜特征匹配兩個步驟，所述的虹膜特征提取步驟如 下(1) 采用一組包含n個頻率和m個方向的二維奇對稱小波對歸"化后的虹膜圖像 進行a xm次的濾波處理，m個方向均勻的分布在0—180度的范圍內(nèi)；n個頻率一般選 擇在中低頻范圍內(nèi)，可以取值為2—4個，n個頻率的選擇既不能太低(無法反應(yīng)虹膜圖 像的紋理變化)，也不能太高(容易受噪聲影響)；(2) 將整個虹膜紋理區(qū)域劃分成/(個小塊，對每一個小塊求用上述某個特定的77和HI參數(shù)的濾波器濾波后的灰度值均值，然后求每一小塊對應(yīng)的A7XfT7個這樣的均值中 的絕對值最大值；k的取值范圍基于不同的應(yīng)用場合和目的，可以采用不同大小的小塊。每小塊包含的像素越少，匹配精度越高，同時匹配時間和所占的存儲空間越大。通常一個小塊包含4x4個像素，對于歸一化為512x48的矩形的虹膜圖像來說，就有128x12 個小塊；(3) 找出這個絕對值最大值所對應(yīng)的頻率參數(shù)和方向參數(shù)m7， / 7的取值為 1一a , m7的取值為1—m，同時對方向參數(shù)m 進行如下策略的調(diào)整如果這個絕對值 最大值所對應(yīng)的灰度值均值小于O，則m仁m"m， 的取值范圍變?yōu)?—2m， mf的 分布范圍擴展為0—360度；(4) 將每一個小塊對應(yīng)的頻率/77及方向都作為虹膜紋理的頻率特征值和方向 特征值，n7的取值為1—n， m"/的取值為1—2m;所述的特征匹配采用一種類似計算加權(quán)市街距離的方法來進行，其步驟如下-(1) 對于提取的頻率特征，計算每個特征點的市街距離，然后計算所有特征點的 頻率市街距離的平均值；(2) 對于提取的方向特征，計算每個特征點的市街距離Zim,，如果//77,>爪，則調(diào) 整為2m-Zm,，然后計算所有特征點的方向市街距離的平均值；(3) 計算頻率市街距離和方向市街距離均值的加權(quán)和；(4) 當(dāng)這個加權(quán)和小于某個事先確定的域值時，就認(rèn)為兩幅圖像來啟同一個虹膜， 如果大于域值，則認(rèn)為來自不同的虹膜。所述的二維奇對稱小波為二維奇對稱Gabor小波，或二維Log-Gabor小波在時域的 虛部。在所述特征匹配中的頻率特征和方向特征進行計算時，利用一個在統(tǒng)計分析的基礎(chǔ) 上建立的匹配模板來減少匹配時受到的上下眼瞼和睫毛的干擾。所述的匹配模板由有效區(qū)域和無效區(qū)域組成，在進行匹配時只對虹膜圖像位于模板 有效區(qū)域內(nèi)的特征點進行匹配計算，而忽略掉無效區(qū)域，這樣很好的模擬了上下眼瞼在 歸 一化后的矩形虹膜圖像中的形狀。 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于本發(fā)明采用.具有多尺度、多方向1t征的二維奇對稱小波(例如二維奇對稱Gabor小波或者二維Log-Gabor小波在時域的虛部等)對 歸一化后的虹膜圖像進行濾波處理，提取虹膜紋理的局部頻率特征和局部方向特征，從 而建立能夠準(zhǔn)確描述虹膜紋理的特征向量；然后采用一種類似計算加權(quán)市街距離的方法 度量兩個特征向量之間的相似程度。由于本發(fā)明提出的基于局部頻率特征和局部方向特 征的虹膜識別方法能更全面的描述虹膜紋理的特征空間，因此識別精度高，魯棒性好。


圖1為虹膜識別方法的系統(tǒng)結(jié)構(gòu)圖；圖2為本發(fā)明的虹膜圖像的定位和歸一化過程示意圖，其中圖2a為原始虹膜圖像， 圖2b為定位結(jié)果，圖2c為歸一化過程；圖3為本發(fā)明采用的二維奇對稱Gabor濾波器的時域和頻域波形，其中圖3a為時 域波形，3b為頻域波形；圖4為本發(fā)掛的虹膜圖像的頻率特征編碼和方向特征編碼，其中圖4a為頻率特征 編碼，圖4b為方向特征編碼；圖5為本發(fā)明的虹膜特征匹配時用到的匹配模板。
具體實施方式
下面結(jié)合附圖詳細(xì)解釋本發(fā)明提出的基于局部頻率特征和局部方向特征的虹膜識別 方法。本發(fā)明的虹膜識別身份認(rèn)證系統(tǒng)應(yīng)該包含以下幾個部分虹膜圖像采集、圖像預(yù)處 理、虹膜定位、特征提取、特征匹配。其系統(tǒng)結(jié)構(gòu)如圖1所示。虹膜圖像采集環(huán)節(jié)負(fù)責(zé)采集到包含有豐富細(xì)節(jié)信息的可供識別的虹膜圖像；圖像預(yù)處理環(huán)節(jié)判斷采集到的虹膜 圖像中是否有虹膜，圖像是否清晰以及是否是活體采集；虹膜定位環(huán)節(jié)負(fù)責(zé)定位虹膜的 內(nèi)外圓以及眼瞼；特征提取環(huán)節(jié)負(fù)責(zé)將虹膜紋理信息編碼為合適的可用來識別的模式信 息；特征匹配環(huán)節(jié)負(fù)責(zé)將兩個虹膜特征編碼進行比對，以確定是否是來自于同一個眼睛。 本發(fā)明提出的基于局部頻率特征和局部方向特征將虹膜識別方法主要涉及虹膜識 別系統(tǒng)中的特征提取和特征匹配這兩個環(huán)節(jié)，如圖2所示，本發(fā)明將虹膜圖像歸一化成512x64的矩形，由于虹膜靠近外環(huán)的部分含有的紋理比較少，而且非常容易受到眼瞼 和睫毛的干擾，因此只選取靠近內(nèi)環(huán)的512x48的矩形區(qū)域內(nèi)的紋理來提取局部頻率特征和局部方向特征，具體步驟如.下 1.特征提取本發(fā)明提出采用具有多尺度、多方向特征的二維奇對稱小波，例如二維奇對稱Gabor 小波或者二維Log-Gabor小波在時域的虛部等對歸一化后的虹膜圖像進行濾波處理，提 取虹膜紋理的局部頻率特征和局部方向特征，從而建立能夠準(zhǔn)確描述虹膜紋理的特征向 量，以二維奇對稱Gabor小波進行具體說明，對于其他類似的濾波器，有相似的處理步 驟(1)采用一組二維奇對稱Gabor小波，包含多個頻率和多個方向，在下面的特征 提取步驟中，選用三個頻率和四個方向?qū)w一化后的虹膜圖像進行濾波處理。三個頻率 的選擇既不能太低(無法反應(yīng)虹膜圖像的紋理變化)，也不能太高(容易受噪聲影響)； 四個方向選擇0。， 45°， 90°， 135°。二維奇對稱Gabor小波如公式(1)所示，在時域和頻域的波形(0=0)如圖3所 示(由于二維奇對稱Gabor濾波器的傅立葉變換只有虛部，因此其頻域波形對應(yīng)的是虛 部波形〉射i-exf2 、 是濾波器的尺度參數(shù):表示頻率，e表示方向整個濾波過程可以表示為公式(2):7柳(a ^) 二 4, y) * sL (a y) (2)其中，/(x,7)表示要濾波處理的歸一化后的虹膜圖像，n表示三個頻率，分別編碼為1， 2, 3; m表示四個方向，分別編碼為1， 2， 3， 4。(2)基于匹配時間、匹配精度和存儲空間的綜合考慮，將整個虹膜紋理區(qū)域劃分 成128x12個小塊，每一小塊包含4x4個像素點。對每一個小塊求用上述某個特定的n和m參數(shù)濾波后的均值I,(x，力，然后求每一小塊對應(yīng)的12個這樣的均值中的絕對值 最大值，如公式(3)所示附ox(3)整再找出這個最大值所對應(yīng)的頻率n1和方向m1，同時對方向m1進行如下策略的調(diào)如果l師(^，力〈0，貝廿m,^m,+4。
由于采用的是二維奇對稱Gabor小波，因此將濾波器沿坐標(biāo)原點旋轉(zhuǎn)'180°，相當(dāng) 于將濾波器乘以一1。所以通過上述對方向的調(diào)整策略，可以將4個方向擴展為8個方 向，增加了180°， 225°， 270°， 315。等4個方向，均勻的覆蓋了整個方向平面。(3)將每一個小塊對應(yīng)的n1 (nle{l， 2， 3})禾n m1 (mle"， 2， 3, 4， 5， 6，7， 8})都作為虹膜紋理的特征值。表示在以這個小塊為中心的鄰近區(qū)域內(nèi)i虹膜紋理 的能量相對集中在n1所表征的頻率和m1所表征的方向附近?；诓煌膽?yīng)用場合和目的，可以采用不同大小的小塊。每小塊包含的像素越少， 匹配精度越高，同時匹配時間和所占的存儲空間越大。圖4顯示了一幅虹膜圖像的頻率 特征編碼和方向特征編碼，每個小塊只包含一個像素。對用于上述特征提取方法的小波，本發(fā)明選擇具有很好的頻率和方向選擇性的二維 奇對稱小波，例如二維奇對稱Gabor小波等。這樣選擇的優(yōu)點是具有很好的頻率和方 向選擇性，意味著可以更加精確和方便的提取頻率和方向特征；對于奇對稱小波，用方 向為0的小波對圖像進行處理的結(jié)果和用方向為0+180°的小波進行處理的結(jié)果，只是 相差一個負(fù)號。通過對濾波結(jié)果的調(diào)整，可以只做m次濾波操作就得到2m個方向上的 濾波值。因此為了覆蓋整個方向平面所需要的濾波次數(shù)可以減少一半，這對于實時處理 系統(tǒng)是非常重要的。2.特征匹配本發(fā)明提出通過一種類似計算加權(quán)市街距離的方法來進行特征匹配。兩幅虹膜圖像 之間的匹配距離計算步驟如下(1) 對于頻率特征，如公式(4)所示￡"=M《"''-"'i) (4)其中《和"'分別表示兩幅虹膜圖像上的像素點i處的頻率特征編碼值，N表示要匹配的總的特征點數(shù)。(2) 對于方向特征，首先對每個特征點按公式(5)計算-Aw,=附,* 一附,. ，r、' ' (5)其中^^和w'分別表示兩幅虹膜圖像上的像素點i處的方向特征編碼值。 如果Am, 〉4，則按公式(6)調(diào)整△m, =8 —Am, (6)
這樣做是因為在方向平面上如果兩個方向之差/^>180°，它們之間的夾菊應(yīng)該為360。一AS。然后按公式(7)計算 ——y A附,.A/w (7)(3)將En和Em合并，最終的匹配距離如公式(8)所示五=義"五"+義附五怖 (8) 其中人和&是加權(quán)系數(shù)，人取值一般可以為0.4—0.6， ^取值一般可以為 0.4—0.6;當(dāng)匹配距離E小于某個事先確定的域值時，就認(rèn)為兩幅圖像來自同一個虹膜，如果 大于域值，則認(rèn)為來自不同的虹膜。虹膜圖像很容易受到上下眼瞼和睫毛的污染。在對大量歸一化后的虹膜圖像統(tǒng)計分 析的基礎(chǔ)上，根據(jù)眼瞼和睫毛的分布特點，本發(fā)明使用如圖5所示的匹配模板來最大限 度的減少這種干擾，提高識別的準(zhǔn)確率。匹配模板由有效區(qū)域和無效區(qū)域組成，匹配模 板是在幾千幅甚至上萬幅虹臘圖像的基礎(chǔ)上，通過統(tǒng)計和比較得到的，在進行匹配時只 對虹膜圖像位于模板的有效區(qū)域，即白色區(qū)域內(nèi)的特征點進行匹配計算，而忽略掉無效區(qū)域，即黑色區(qū)域。圖5所示匹配模板的特征在于它很好的模擬了上下眼瞼在歸一化后的矩形虹膜圖像中的形狀。位于模板中間的黑色圓弧代表要去掉的下眼瞼部分，位于 模板兩端的黑色圓弧部分代表要去掉的上眼瞼和上睫毛部分。經(jīng)過歸一化后的虹膜圖像一般具有平移和尺度上的不變性，但不具有旋轉(zhuǎn)不變性。 為了消除匹配時兩幅虹膜圖像由于頭部的傾斜等造成的相對旋轉(zhuǎn)，將其中一個虹膜的特征編碼相對于另一個進行左右移位匹配。移位的距離分別為-24， 一20， 一16， —12， —8， 一4， 0, 4， 8， 12， 16， 20， 24個像素。選取13次匹配中匹配距離最小的值作 為兩個虹膜圖像最終的匹配距離。如上所述，本發(fā)明利用具有多尺度、多方向特征的二維奇對稱小波進行虹膜識別的 優(yōu)點在于，與傳統(tǒng)的虹膜識別方法相比，這種方法能有效的同時提取虹膜紋理的局部頻 率特征和局部方向特征，,因此能夠更加全面的表征虹膜紋理的特征空間,從而提高識別 性能。另外，本發(fā)明利用一個在統(tǒng)計分析的基礎(chǔ)上提出的匹配模板來減少匹配時受到的 上下眼瞼和睫毛的干擾，因此能夠使得特征匹配更加有效可靠，從而進一步提高識別性能<上面所述的僅是體現(xiàn)本發(fā)明基于局部頻率特征和爲(wèi)部方向特'征的虹膜識別方法的
實施例。本發(fā)明并不限于上述實施例。本發(fā)明的說明書是用于進行說明'，不限制權(quán)利要 求的范圍。對于本領(lǐng)域的技術(shù)人員，很顯然可以有很多的替換、改進和變化。凡采用等 同替換或等效變換形成的技術(shù)方案，均落在本發(fā)明要求的保護范圍內(nèi)。
權(quán)利要求
1、 一種基于局部頻率特征和局部方向特征的虹膜識別方法，其特征在于包括虹 膜特征提取和虹膜特征匹配兩個步驟，所述的虹膜特征提取步驟如下(1) 采用一組包含n個頻率和m個方向的二維奇對稱小波對歸一化后的虹膜圖像 進行/ xm次的濾波處理，m個方向均勻的分布在0—180度的范圍內(nèi)；(2) 將整個虹膜紋理區(qū)域劃分成/c個小塊，對每一個小塊求用上述某個特定的n 和m參數(shù)的濾波器濾波后的灰度值均值，然后求每一小塊對應(yīng)的nxm個這樣的均值中的絕對值最大值；(3) 找出這個絕對值最大值所對應(yīng)的頻率參數(shù)和方向參數(shù)/777， 的取值為 1一m m7的取值為1一m，同時對方向參數(shù)mf進行如下策略的調(diào)整如果這個絕對值 最大值所對應(yīng)的灰度值均值小于O，則m^m^+m， 的取值范圍變?yōu)?一2m， n 7的 分布范圍擴展為0—360度；(4) 將每一個小塊對應(yīng)的頻率A7 及方向都作為虹膜紋理的頻率特征值和方向特征值，/77的取值為1—A7， m7的取值為1一2m;所述的特征匹配采用一種類似計算加權(quán)市街距離的方法來進行，其歩驟如下-(1) 對于提取的頻率特征，計算每個特征點的市街距離，然后計算所有特征點的頻率市街距離的平均值；(2) 對于提取的方向特征，計算每個特征點的市街距離4m,、如果A/r 戶m，則調(diào) 整為2m-」m,、然后計算所有特征點的方向市街距離的平均值；(3) 計算頻率市街距離和方向市街距離均值的加權(quán)和；(4) 當(dāng)這個加權(quán)和小于某個事先確定的域值時，就認(rèn)為兩幅圖像來自同一個虹膜， 如果大于域值，則認(rèn)為來自不同的虹膜。
2、 根據(jù)權(quán)利要求1所述的基于局部頻率特征和局部方向特征的虹膜識別方法，其 特征在于所述的二維奇對稱小波為二維奇對稱Gabor小波，或二維Log-Gabor小波 在時域的虛部。
3、 根據(jù)權(quán)利要求1所述的基于局部頻率特征和局部方向特征的虹膜識別方法，其 特征在于在所述特征匹配中的頻率特征和方向特征進行計算時，利用一個在統(tǒng)計分析 的基礎(chǔ)上建立的匹配模板來減少匹配時受到的上下眼瞼和睫毛的干擾。
4、 根據(jù)權(quán)利要求3所述的基于局部頻率特征和局部方向特征的虹膜識別方法，其' 特征在于所述姐匹配模板由有效.區(qū)域和無效區(qū)域組成，在進行匹配時只對虹膜衝像位 于模板有效區(qū)域內(nèi)的特征點進行匹配計算，而忽略掉無效區(qū)域，這樣很好的模擬了上下 眼瞼在歸一化后的矩形虹膜圖像中的形狀。
全文摘要
一種基于局部頻率特征和局部方向特征的虹膜識別方法，包括步驟虹膜特征提取和特征匹配，其中虹膜特征提取方法采用具有很好的頻率和方向選擇性的二維奇對稱小波，同時提取虹膜紋理的局部頻率特征和局部方向特征。這種方法更全面的描述了虹膜紋理的特征空間，克服了之前的虹膜識別算法只提取局部頻率特征或者只提取局部方向特征的局限性；然后特征匹配方法采用類似加權(quán)市街距離的方法來進行，而且根據(jù)眼瞼和睫毛的分布特點設(shè)計匹配模板，能夠最大限度的減少它們對匹配的干擾。
文檔編號G06K9/00GK101122949SQ20071012110
公開日2008年2月13日 申請日期2007年8月30日 優(yōu)先權(quán)日2007年8月30日
發(fā)明者鵬 姚, 莊鎮(zhèn)泉, 斌 李 申請人:中國科學(xué)技術(shù)大學(xué)