《虹膜识别关键技术研究及实现》由会员分享，可在线阅读，更多相关《虹膜识别关键技术研究及实现（76页珍藏版）》请在金锄头文库上搜索。
1、南京航空航天大学 硕士学位论文 虹膜识别关键技术研究及实现 姓名：周啸 申请学位级别：硕士 专业：航空宇航制造工程 指导教师：廖文和 2010-12 南京航空航天大学硕士学位论文 i 摘摘 要要 随着经济的高速发展和科技的不断进步， 密码、 证件等传统的身份鉴别方式由于保密性差， 易于复制等缺点，已不能满足现代社会日益提高的安全性需求。生物特征识别技术提供了更加 安全精确的身份鉴别方法，其中虹膜识别凭借极高的安全性和稳定性成为信息安全领域的研究 热点。本文对虹膜识别中的关键技术进行了研究和改进，并建立了完整的虹膜识别系统。论文 的主要内容如下： 1.根据虹膜采集的要求，采用红外 LED 作为照
2、明装置，与工业相机和定焦镜头组成虹膜图 像采集设备。该装置拍摄到的虹膜图像纹理清晰，大小合适，利用拍摄到的虹膜图像建立标准 虹膜库。 2.提出一种改进的虹膜定位方法，先将虹膜图像进行二值化分割，利用质心探测法粗定位 虹膜瞳孔中心位置， 使用最小二乘圆的方法拟合瞳孔边界， 最后用 Canny 算子检测虹膜外边界。 3.分析 2D-Gabor 滤波器的位置特性、 尺度特性和频率特性。 设计一组不同尺度大小的 Gabor 滤波器，可以很好的提取虹膜图像的全局特征和局部特征，根据采样点位置特征提取后的相位 信息得到虹膜图像的特征编码序列。 4.根据虹膜纹理的尺度变化规律设计出方向大小合适的椭圆高斯滤波
3、器并提取采样点附近 的区域灰度，结合统计学中序数测度的概念对灰度变化情况进行编码，通过计算两条编码序列 的海明距离来判断两者的差异程度。 5.采用中科院自动化研究所的 CASIA 虹膜库、英国 Bath 大学虹膜库和自采集虹膜库进行 大量实验验证本文算法，证明本文方法达到了较高的识别率和较快的运算速度。在此基础上编 写系统软件部分，并与采集装置结合成为完整的虹膜识别系统。 关键词关键词：虹膜识别，虹膜采集，图像预处理，特征提取，编码匹配，海明距 虹膜识别关键技术研究及实现 ii ABSTRACT With the high-speed development in economics and
4、the continuing progress of science, traditional identification methods such as password, identification cards cannot satisfy the higher security request in modern society for the shortcomings like low-security and easily-copying. Biometrics identification technology provides a kind of more secure an
5、d accurate way for identification. Among them, Iris recognition has become the focus in information security field for the advantage of its high security and stability. The main contents of the paper are as follows: 1. According to the request of iris recognition, the iris image gathering equipment
6、consists of industrial camera, fixed-focus lens and infrared LED which being used as lighting device. The Iris images taken from this equipment have clear texture and proper size, meanwhile, they can be used to set standard iris database. 2. Traditional iris localization algorithm is improved. First
7、ly, the image is processed through binarization, and centroid detecting method is used to locate the center of Iris pupil. Secondly, employ least square method to fit the pupil edges. Finally, Canny operator is used to detect the outer edges. 3. Analyze the character of 2D-Gabor filter on location,
8、scale and frequency. A set of Gabor filters with different scales are designed, which can well extract the overall and partial character of Iris textures. According to phrase information around sample points, unique iris code from different people is generated. 4. Ellipse Gaussian filter with proper
9、 direction is designed based on the scale changing law of iris texture in order to extract the region grayscale near sampling points to generate code sequence. The hamming distance from different code sequence is calculated to make criteria for classification. 5. Experiment results on the CASIA, Bat
10、h and NUAA-IDB iris database show that the proposed is efficient and robust. On the basis of the recognition algorithm, software has been designed, and is connected with Iris-gathering device to complete the whole Iris recognition system. Key Words: Iris recognition; Iris acquisition; Image preproce
11、ssing; Feature extraction; Code matching; Hamming distance 南京航空航天大学硕士学位论文 v 图、表清单 图 1.1 现代生物识别技术.3 图 1.2 2009 年生物特征识别市场分析5 图 1.3 2009-2014 年生物特征识别市场预测 5 图 2.1 人眼解剖结构图9 图 2.2 虹膜结构图.10 图 2.3 本文虹膜识别系统工作流程10 图 2.4 虹膜识别系统两种工作模式11 图 2.5 虹膜图像自动采集流程12 图 2.6 不完美的虹膜图像12 图 2.7 Daugman 虹膜识别系统的采集设备14 图 2.8 wilds
12、 系统采集装置15 图 2.9 谭铁牛虹膜采集装置15 图 2.10 类内、类间编码比对结果图16 图 2.11 ROC 曲线 .17 图 3.1 虹膜识别预处理流程18 图 3.2 采集系统结构图19 图 3.3 照明装置平面示意图20 图 3.4 UM-301 工业相机及其光谱响应曲线20 图 3.5 镜头和成像设备.21 图 3.6 CASIA 虹膜库22 图 3.7 Bath 大学虹膜库22 图 3.8 NUAA-IDB 虹膜库23 图 3.9 虹膜图像二值化结果24 图 3.10 质心探测法截取瞳孔区域流程25 图 3.11 质心探测法搜索瞳孔区域25 图 3.12 圆形结构元素26
13、 图 3.13 形态学处理后的瞳孔图像.27 图 3.14 最小二乘圆拟合示意图.28 图 3.15 用于外边界检测的感兴趣区域29 虹膜识别关键技术研究及实现 vi 图 3.16 Canny 中的非极大值抑制.30 图 3.17 Canny 边缘连接过程.31 图 3.18 Canny 算子各个参数的设置.32 图 3.19 虹膜区域定位结果33 图 3.20 虹膜归一化示意图33 图 3.21 双线性插值示意图34 图 3.22 归一化并增强后的虹膜图像35 图 4.1 虹膜图像中的纹理36 图 4.2 2D-Gabor 滤波器 37 图 4.3 滤波器中心位置变化38 图 4.4 Gab
14、or 滤波器的尺度变化39 图 4.5 Gabor 滤波器频率的变化40 图 4.6 二维卷积示意图41 图 4.7 不同参数 Gabor 滤波器滤波结果示意图.42 图 4.8 采样点的选取43 图 4.9 图像的特征尺度.44 图 4.10 虹膜图像中R和方向边缘点的个数比.45 图 4.11 椭圆高斯滤波器.46 图 4.12 利用序数测度对图像编码示意图.47 图 4.13 区域灰度反映虹膜纹理特征示意图.47 图 4.14 采样点的选取.48 图 4.15 随机编码 HD 的分布.49 图 4.16 理想状态下的 HD50 图 4.17 虹膜图像的偏移误差51 图 4.18 移位矫正
15、的流程51 图 5.1 Gabor 特征提取方法结果海明距分布图和 ROC 曲线55 图 5.2 不同滤波器滤波后的海明距分布图（bath 库）.57 图 5.3 不同滤波器滤波后的 ROC 曲线（bath 库）.57 图 5.4 海明距分布图和 ROC 曲线（CASIA 库）58 图 5.5 海明距分布图和 ROC 曲线（NUAA-IDB）.58 图 5.6 虹膜识别系统主界面.59 图 5.7 注册对话框界面.60 南京航空航天大学硕士学位论文 vii 图 5.8 验证对话框界面61 图 5.9 管理员对话框界面61 表 1.1 常见生物识别技术性能比较4 表 4.1 四种量化尺度可以进行
16、的运算.46 表 5.1 各虹膜库的实验比对次数53 表 5.2 传统 Hough 定位的效率和准确性54 表 5.3 本文虹膜定位的效率和准确性54 表 5.4 两种特征提取方法的比较58 虹膜识别关键技术研究及实现 viii 注释表 英文缩写 英文全称 中文全称 FAR False Accept Rate 误认率 FRR False Reject Rate 误据率 EER Equal Error Rate 等错率 ROC Receiver Operating Characteristics 受试者工作特征 HD Hamming Distance 海明距 承诺书 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进 行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外， 本学位论文的研究成果不包含任何他人享有著作权的内容。 对本论文所 涉及的研究工作做出贡献的其他个人和集体， 均已在文中以明确方式标 明。 本人授权南京航空航天大学可以有权保留送交论文的复印件， 允许 论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或其他
