摘要：
生物辨认技能是近年来鼓起的身份辨认技能，因为它运用了人体的某些具有毕生不变性与唯一性的特征，使得这种技能不光具有极高的可靠性，并且操作便利快捷。在各种依据生物特征的身份辨认技能中，红魔不光具有类似责问的绝无仅有的个人特征；并且，虹膜是身体中的揭露的部位，易于经过机器视觉进行长途查看，所以它是一种非侵略性的生物辨认技能，因而，依据虹膜的身份辨认体系是规划前国表里开展很快的一个研讨热门。
本文介绍了以在xilinx公司的spartan3e芯片为中心的开发板上完结虹膜身份辨认体系。
本文对虹膜辨认体系的图画获取、虹膜定位、虹膜图画的特征提取、树立虹膜特征数据库、分类器的规划及图画之间的匹配进行了评论，然后给出了辨认成果。
首要，依据画面图画灰度散布规则性并运用sobel算子进行边际检测，然后用Hough进行内部边际定位；用依据2D-Gabor滤波器提取虹膜纹路的相位信息；在分类器规划时选用了比较不同虹膜编码之间的Hamming间隔办法，该办法只需进行异或运算，然后到达了很高的匹配速度。
1 序言
1.1 虹膜辨认技能的首要特色
虹膜身份辨认是一种新式的生物辨认技能。运用虹膜作为身份辨认的依据，具有以下的长处：
高独特性：虹膜的独特性最早由解剖学家F.H.Adler在1965年提出。虹膜的安排结构由前到后可分为四层，即前表面层、基质与瞳孔括约肌、前上皮与瞳孔扩展肌、后色素上皮。这四层结构中的纤维细胞、胶原结缔安排结构网、血管等使虹膜具有丰厚的纹路信息，也构成每个人的虹膜各不相同。据声称，没有任何两个虹膜是相同的，恣意两个虹膜纹路相同的概率小于10～35，即便双胞胎其虹膜也是不相同的。这就为虹膜身份辨别供给了最根本的物质根底。因为虹膜的纹路信息要远高于指纹的纹路细节信息，虹膜办法具有266个可测特征，远多于其他的技能，理论上虹膜身份辨认到达较指纹辨认、人脸辨认、指办法别等更高的精确度。
高温定型：虹膜作为人体器官并不是直接露出于外，它遭到眼皮、角膜的维护，外界物质不易侵入眼内对其构成损伤。并且虹膜总是遭到体内液体的光滑，很少发生病变。这样吧、防止了指纹、掌纹辨认等易因外伤引起个人特征改动的问题。别的，虹膜在1岁左右就已发育完结，跟着人的生长发育虹膜细节根本不会改动，也便是说虹膜在人的一生中是适当安稳的。
天然的防伪性：虹膜的天然生理特性为虹膜辨认体系供给了辨别假造虹膜供给了依据。首要，虹膜中部的瞳孔具有不安稳性，它会因肌纤维震颤而不断改动。其次，瞳孔会因光线的改动而引起十分显着的缩短或舒张。经过对瞳孔巨细的检测（虹膜内边际定位）就可较简略地分辩虹膜的真伪。而现在运用较广泛的指纹辨认的防伪性较差，易被假造，据报道，橡胶指纹套有60%经过辨认。
无侵略性：虹膜身份辨认的进程中只需用户坐落设备之前而无需物理的触摸，不会因为受伤而改动，指纹则简略因受伤而改动，便于用户运用。而指纹辨认、指形辨认等需求待检测者与传感器相触摸，会带来不舒适感。
现在，尽管指纹是比较盛行的生物辨认办法，可是虹膜的开展远景显着比指纹光亮。首要，虹膜技能的辨认精度高，即便同一个人左右两眼虹膜也有不同，相较而言指纹辨认更简略犯错；其次，指纹简略受磨损、划伤等外部要素的搅扰；而一个人的虹膜2岁后就根本安稳不变了。除非有白内障等眼疾发生；再次，指纹需求触摸，对人的侵略性较强，而虹膜只需求看一下摄像机就能提取，不会损伤到眼睛。
1.2 虹膜辨认体系的运用现状
现在虹膜身份辨认技能已开端走向商业范畴，如Oki电器工业公司和日本赛马协会联合研发的赛马虹膜身份辨认体系；Siemens Nixdorf公司有着手企图将虹膜身份辨认技能集成在他们的主动取款机上。特别是受9.11时刻的影响，美国境内的两大机场——纽约肯尼迪机场和波士顿罗根机场开端运用一种新的虹膜扫描辨认体系，首要用于机场内部要害屈居。在国内因为暗码被盗而引起的丢失比较严重，假如虹膜授粉辨认技能能成功被广泛运用，将会对各界都有正面的影响。虹膜辨认体系，能够运用在许多的范畴，特别是关于安全度要求较高的场所。例如：
(1).金库办理体系
(2).金融办理
(3).罪犯或嫌疑人的辨认与办理
(4).机场检票体系
因而虹膜身份辨认技能具有广泛的运用远景，有着重要的学术价值和实际含义。
2 体系目标
(1)辨认精确率目标：
过错回绝率10-2
过错接收率10-2；
(2)辨认时刻目标：
虹膜图画收集时刻0.1s;
虹膜图画编码时刻1.0s;
图画数据库检索时刻0.5s;
虹膜辨认判定时刻0.1s.
(3)虹膜收集器目标：
CMOS成像器件分辩率=640*480;
256灰度级图视频采样速度=15帧/秒。
3 体系计划
虹膜辨认体系由图画收集，图画预处理，虹膜特征提取和编码，办法匹配四个部分组成。虹膜图画的图画预处理包括虹膜定位、归一化、图画增强等进程。体系模块如图。
虹膜图画收集体系：咱们期望研讨在不同光照下收集虹膜图画质量。经历证明人类虹膜的直径约为1cm，为了取得有满意信息量的虹膜图画一般要求由特制的摄像器件组成的收集体系，拍照间隔一般不超越十几厘米。适度的照明关于虹膜图画收集也是十分重要的，太强的照明会令人眼感到不适，光照太弱则图画缺少必要的灰度比照，增许多化差错。两外，在图画收集的进程中照明光源常常会在虹膜上留下较显着的光斑，构成了噪声污染。这儿的要害问题是：研讨一个灵敏最优的光源使光斑的标准精巧小、虹膜特征尽量明晰，噪声污染的方位坚持一致，削减图画畸变。
虹膜定位和归一化算法：收集的图画包括许多的非虹膜区，如部分人脸、眼巩膜、眼睫毛等。这些区域的信息不被虹膜辨认所运用，进行虹膜定位经过确认虹膜的表里鸿沟去除这些无用的信息。图画收集时不同的两次拍照人眼到镜头的间隔不可能坚持完全一致，构成虹膜图画有必定的标准差异。假如当拍照时人的头部的歪斜，也会构成图画有必定视点的旋转。进行图画校对能够防止上述状况带来的差错。这儿的要害问题有两个：快速精确地从包括许多非虹膜部分的图画中定位虹膜，并对其鸿沟或数学模型进行描绘；运用几许改换抵消拍照时的虹膜图画变形的搅扰。
特征提取和编码算法：因为虹膜的结构安排较杂乱（分四层），其间的纤维细胞、结缔安排、毛细血管和色素等都会对虹膜的纹路发生较大的影响，因而虹膜的纹路结构极为杂乱，不像指纹辨认相同能供给明晰的特征点（指纹的交叉点和端点）或特征线。所以现在对虹膜的纹路特征知道没有到达一致，各个研讨机构所选用的虹膜纹路特征常有较大的差异，编码办法也有很大不同。期望寻觅有较明晰物理含义的虹膜纹路特征，研讨一种新的虹膜特征提取和编码算法，将一幅数据量较大的虹膜图画运用一个数据量较小的特征矢量来描绘，并经过许多的试验数据来证明特征选取的合理性，和算法的有用性、精确性。这儿的要害问题有两个：有数学模型来描绘虹膜的纹路结构，依据该模型的特色寻觅可区别虹膜的一半特征；结构相应的函数或滤波器对此特征进行提取，并寻觅快速的特征矢量编码办法。
比较和判定算法：因为虹膜纹路的杂乱性，现在各种特征提取和编码的多样性，现有的比较和判定算法也是各不相同。将依据上一步得到的特征矢量自身物理含义研讨新的比较和判定算法。这儿的要害问题是：寻觅虹膜特征矢量的快速匹配办法，并运用办法辨认、信号检测的相关技能减小判定差错。
- 体系算法规划
4.1 边际定位
虹膜的定位问题便是图画的边际检测问题。边际是图画的根本特征且保留了原始图画中适当重要的部分信息，而又使得总的数据量削减了许多。精确提取边际既能削减图画处理的信息量，又可要点描绘物体的形状特征，为进一步的处理奠定根底。
经典的边际提取办法是调查图画的每个像素在某个邻域内灰度的改动，运用边际附近一阶或二阶方向导数的改动规则。这种办法称为边际检测部分算子法。
索贝尔算子（Sobel operator）是图画处理中的算子之一，首要用作边际检测。在技能上，它是一离散性差分算子，用来运算图画亮度函数的梯度之近似值。在图画的任何一点运用此算子，将会发生对应的梯度矢量或是其法矢量。Sobel算子是在Prewitt算子的根底上，对4一范畴选用加权的办法核算差分，它由下式给出:
因为Sobel算子是滤波算子的办法，用于提取边际，能够运用快速卷积函数， 简略有用，因而运用广泛。美中不足的是，Sobel算子并没有将图画的主体与布景严格地区别开来，换言之便是Sobel算子没有依据图画灰度进行处理，因为Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图画概括有时并不能令人满意。 在观测一幅图画的时分，咱们往往首要留意的是图画与布景不同的部分，正是这个部分将主体杰出显现，依据该理论，咱们给出了下面阈值化概括提取算法，该算法已在数学上证明当像素点满意正态散布时所求解是最优的。
中心公式：该算子包括两组3×3的矩阵，别离为横向及纵向，将之与图画作平面卷积，即可别离得出横向及纵向的亮度差分近似值。假如以A代表原始图画，Gx及Gy别离代表经横向及纵向边际检测的图画，其公式如下:
图画的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来核算梯度的巨细。
然后可用以下公式核算梯度方向。
在以上比方中，假如以上的视点Θ等于零，即代表图画该处具有纵向边际，左方较右方暗。
Hough改换
Hough改换是图画处理中从图画中辨认几许形状的根本办法之一。Hough改换的根本原理在于运用点与线的对偶性，将原始图画空间的给定的曲线经过曲线表达办法变为参数空间的一个点。这样就把原始图画中给定曲线的检测问题转化为寻觅参数空间中的峰值问题。也即把检测全体特性转化为检测部分特性。比方直线、椭圆、圆、弧线等。
1、已知半径的圆
其实Hough改换能够检测恣意的已知表达办法的曲线，要害是看其参数空间的挑选，参数空间的挑选能够依据它的表达办法而定。比方圆的表达办法为，所以当检测某一半径的圆的时分，能够挑选与原图画空间相同的空间作为参数空间。那么圆图画空间中的一个圆对应了参数空间中的一个点，参数空间中的一个点对应了图画空间中的一个圆，圆图画空间中在同一个圆上的点，它们的参数相同即a，b相同，那么它们在参数空间中的对应的圆就会过同一个点（a，b），所以，将原图画空间中的所有点改换到参数空间后，依据参数空间中点的集合程度就能够判别出图画空间中有没有近似于圆的图形。假如有的话，这个参数便是圆的参数。
2、不知道半径的圆关于圆的半径不知道的状况下，能够看作是有三个参数的圆的检测，中心和半径。这个时分原理依然相同，仅仅参数空间的维数升高，核算量增大。图画空间中的恣意一个点都对应了参数空间中的一簇圆曲线。，其实是一个圆锥型。参数空间中的恣意一个点对应了图画空间中的一个圆。
4.2虹膜图画的归一化
环形的虹膜图画决议了图画编码时用极坐标更为便利，因而需求对原图进行坐标改换，即图画归一化。虹膜归一化的意图是将每幅原始图画调整到相同的标准和对应方位，然后消除平移、放缩和旋转对虹膜辨认的影响。归一化后的虹膜图画具有旋转不变性和瞳孔缩放不变性，消除了人眼球滚动和瞳孔缩放对图画辨认的影响。假定现已得到的虹膜的内、外鸿沟圆周的参数别离为：
和。咱们选用极坐标改换的办法进行归一化。因为虹膜的表里圆鸿沟不是同心的，所以这种极坐标改换也不是同心的。
设内圆圆心为虹膜外沿圆心为
，半径为r；虹膜内沿圆心为，半径为r；A为虹膜外沿上恣意一点；ａ和0为坐标改换中用到的辅佐角。依据和的相对方位，能够分为以下几种状况：
虹膜图画归一化原理图
不失一般性，以第二种状况为例，虹膜图画归一化的原理如图所示。以内圆圆心作为极坐标体系的中心，做与水平线成0角的射线，它与内、外鸿沟各有一个交点，别离记做A和B，则有：
这种由直角坐标下的虹膜图画到极坐标下的映射能够表明为:
这种映射关于平移和表里圆环的巨细改换具有不变性，而关于旋转改动，将在后边的算法中提取旋转不变的特征。综上所述，整个虹膜辨认的进程关于虹膜图画的旋转、平移和标准改动以及瞳孔的缩短都具有不变性。
归一化之后的图画在极坐标系下，如下图:
虹膜归一化后图
4.3 虹膜图画的增强
图画增强，小波改换将一幅图画分化为巨细、方位和方向都不同的重量。在做逆改换之前能够改动小波改换域中某些系数的巨细，这样就能够有挑选的扩大所感兴趣的重量而削减不需求的重量。给定一个图画信号，用一维小波剖析对图画进行增强处理。因为图画经一维小波分化后，图画的概括首要表现 低频部分，而细节部分则表现在高频部分，因而，能够经过对低频分化系数进行增强处理，对高频分化系数进行衰减处理，即能够到达图画增强的效果。
虹膜图画增强，即对虹膜图画进行直方均衡化。
直方图表明的是图画中每一灰度级与其呈现频娄之间的核算联系，用横坐标表明灰度级，纵坐标表明频数。直方图能反映出图画的灰度规模、每个灰度级的频数、灰度散布状况、整幅图画的亮度等，它是对图画进行处理的重要依据。如对直方图进行均衡化批改，可使图画的灰度间隔增大或灰度均匀散布、增大反差，使图画的细节变得明晰。均衡化批改的根本思想是将呈现频数较少的灰度级并入附近的灰度级中，然后削减图画的灰度等级，添加其比照度。
下图为虹膜增强图画。从图中能够看出，添加了图画的比照度，削减了非均匀光照的影响，然后消除了光照不均匀对虹膜图画的影响。
虹膜增强图画
4.4 特征提取和编码
特征提取是对预处理后的虹膜图画提取特征，是对包括许多信息的图画沙里淘金的进程。因为原始图画数据量适当大，需求把这些数据转换为若干特性，继而对特征数据进行剖析，为了进步分类处理的速度和精度，对提取的特征还需求挑选最有代表性的特征，使其信息冗余度最小，且期望特征具有平移、旋转和标准不变性。从数学含义上讲，特征提取适当于把一个物理办法变为一个随机向量。假如抽取了m个特征，则物理办法可运用一个m维随机特征向量描绘，表现为m维欧式空间中的一个点。在虹膜辨认中，常被挑选的特征有:图画起伏特征、图画核算特征、图画改换系数特征和图画纹路特征等。为了到达特征提取的意图，多种办法都能够运用。比较经典的是Daugman提出的运用多标准Gabor滤波器分化出虹膜纹路相位信息进行编码的算法;
Gabor滤波器
Daugman在1985年具体论说了Gabor滤波器的数学特性，指出二维Gabor滤波器供给空间频率、方向、空间方位的最大分辩率，因而在空间域和频率域中具有杰出的联合定位才能。这些特性特别合适纹路剖析。二维Gabor函数经过缩放、旋转和平移能够构成一组自类似的小波。运用这些小波对图画进行改换，就称为Gabor小波改换。这些函数与原始图画像素相乘和积分可发生一系列系数，然后能够提取图画纹路信息。依据以下所述的Gabor小波的特性，能够更进一步的了解二维Gabor小波，它十分合适提取图画细节纹路特征。
运用二维Gabor小波进行虹膜图画的纹路剖析有以下长处：
(1)–维Gabor小波改换归于二维接连小波改换，因而具有比较好的方向选
择性；
(2)二维Gabor小波自身归于高斯小波族，因而二维Gabor小波是在时频联
合散布域中具有最好的分辩力的小波函数之一；
(3)二维Gabor小波是高斯小波的单频率复正弦函数，因而在进行特征提取完结后，能够运用核算得到的特征值的相位特性来进行编码和匹配，简化了编码的进程。
用多通道G曲or滤波进行纹路剖析有其生理学等方面的根底。咱们假定每一通道的数学模型为：
4.5 虹膜图画的匹配
虹膜图画匹配便是依据已提取的虹膜图画的特征向量来进行比对，用收集到的图画的特征向量与虹膜库中的特征向量比较，判别它们是否归于同一虹膜，这是一个典型的办法匹配问题。比较常用的匹配办法是海明间隔(Hammingdistance)、欧式间隔和类似度的衡量等。
