專利名稱：基于局部二值模式特征和圖匹配的虹膜識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字圖像處理、模式識別、計(jì)算機(jī)視覺和信息編碼，特別是基于局部二值模式特征(Local Binary Pattern)和圖匹配(Graph Matching)的虹膜識別方法。
背景技術(shù)：
有效的身份認(rèn)證方法可以給我們的生活帶來安全、便利和效益， 可以給我們的社會帶來安定、秩序和效率。在網(wǎng)絡(luò)高度發(fā)達(dá)、人員交往和流動頻繁的現(xiàn)代社會里，人們對身份識別技術(shù)有了更高的期望 自動、快速、準(zhǔn)確、防偽、方便、不可抵賴。在需求的驅(qū)動下，基亍 指紋、人臉、虹膜、手形、筆跡等生物特征的身份鑒別方法應(yīng)運(yùn)而生， 試圖取代基于知識或者標(biāo)志物的傳統(tǒng)方法。虹膜是位于人眼表面黑色瞳孔和白色鞏膜之間的圓環(huán)狀區(qū)域，在 紅外光下呈現(xiàn)出豐富的紋理信息，如斑點(diǎn)、條紋、細(xì)絲、隱窩等細(xì)節(jié) 特征。并且這些特征穩(wěn)定不變，虹膜圖像采集越來越方便，識別過程 非接觸，所以基于虹膜識別的身份認(rèn)證方法具有許多獨(dú)特的優(yōu)勢。由于眼科醫(yī)生經(jīng)常檢查病人的眼睛，最早是由他們發(fā)現(xiàn)了虹膜的 獨(dú)特性，并提出了將虹膜圖像應(yīng)用于身份識別的思想。但是第一套成 功的虹膜識別算法是由英國劍橋大學(xué)的JohnDaugman博士在1993年提出。虹膜識別不僅是學(xué)術(shù)研究的熱點(diǎn)，它的廣闊應(yīng)用前景還吸引了松 下、LG、 OKI、 Sarnoff、 Iridian等國際著名公司和眾多的科研機(jī)構(gòu)。 由于虹膜識別的精度極高，所以虹膜也是少數(shù)能夠用于一對多識別方 式的生物特征，特別適合于大規(guī)模人群的身份識別，而且防偽性強(qiáng)。 自從"9.11"恐怖事件發(fā)生后，世界各國都加大了高性能身份認(rèn)證技術(shù) 的研發(fā)投入，虹膜識別備受各國政府安防應(yīng)用的青睞，國際民航組織 (ICAO)的生物護(hù)照計(jì)劃(E-passport)中也明確規(guī)定虹膜是選用的生物特征之一。隨著政府應(yīng)用的激增和成像成本的持續(xù)下滑，這幾年 國際虹膜識別市場已經(jīng)進(jìn)入了高速發(fā)展期，每年的增長速度都會超過50%，預(yù)計(jì)到2009年的年?duì)I業(yè)收入會達(dá)到5.19億美元，虹膜識別的良 好發(fā)展前景已經(jīng)得到了普遍的共識。虹膜識別系統(tǒng)已經(jīng)被廣泛應(yīng)用于 金融、邊防、海關(guān)、網(wǎng)絡(luò)、電子商務(wù)、社會福利、保險(xiǎn)、身份證、門 禁、信息安全等關(guān)鍵領(lǐng)域，甚至還用于査找失蹤兒童。對于虹膜識別，不管是外行還是內(nèi)行，人們首先想到的問題就是: 機(jī)器是用什么特征進(jìn)行虹膜識別的？什么是虹膜圖像中凸現(xiàn)個(gè)性化差 異的本質(zhì)特征？這就是虹膜識別的基本的、原理性的問題，因?yàn)楹缒?識別通過對比虹膜圖像特征之間的相似性來確定人們的身份。在虹膜 識別系統(tǒng)中，對蘊(yùn)藏在虹膜圖像數(shù)據(jù)中的特征信息的有效表達(dá)是決定 系統(tǒng)性能指標(biāo)的關(guān)鍵因素。受成像時(shí)環(huán)境、距離、姿態(tài)、噪聲、睫毛 等因素的影響，同-只眼睛在不同時(shí)刻采集的虹膜圖像不可能完全相 同，相應(yīng)的特征也會不同?？赡芤鸷缒D像類內(nèi)差異的主要因素包 括光照和對比度的變化、睫毛和眼皮的遮擋、瞳孔的彈性形變、校 準(zhǔn)誤差、質(zhì)量退化、不同采集設(shè)備造成的差異、戴眼鏡帶來的變化等。 為了將不同時(shí)刻采集的虹膜圖像分到同一類，在特征表達(dá)時(shí)必須盡最 大可能濾除與身份無關(guān)的因素的影響，使虹膜圖像的特征描述模型對 于類內(nèi)信號差異具有魯棒性。在盡量提高虹膜圖像特征表達(dá)模型的抗 噪能力的同時(shí)，又要保證它對類間信息差異的敏感性。同樣是信號差 異，虹膜紋理的特征必須針對類內(nèi)和類間兩種情況具有相反的感應(yīng)特 性，這本身是一個(gè)矛盾，也是虹膜圖像特征表達(dá)最大的難點(diǎn)，即要達(dá) 到類內(nèi)特征分布的方差小，同時(shí)類間特征分布的方差大。所以在提取 虹膜圖像的特征時(shí)要把握兩條原則盡量提高虹膜圖像特征的信息含 量；盡量保證虹膜特征的魯棒性。由于虹膜的唯 -性和可區(qū)分性來源 于虹膜紋理中隨機(jī)分布的細(xì)微圖像結(jié)構(gòu)，如斑點(diǎn)、細(xì)絲、冠狀、條紋、 隱窩等，所以現(xiàn)有的主流虹膜識別方法都是使用局部特征來描述人與 人之間存在的細(xì)微虹膜圖像差異。這些方法的弊端就是虹膜識別性能 受環(huán)境噪聲和定位精度的影響，造成系統(tǒng)的脆弱性，產(chǎn)生較大的錯(cuò)誤
拒絕率。例如旋轉(zhuǎn)校正誤差在虹膜識別中是很難避免的，假設(shè)識別系 統(tǒng)具有友好的用戶界面，容許用戶頭部繞光軸的旋轉(zhuǎn)角度在[-3(T，3(n 的范圍內(nèi)。對于實(shí)際的虹膜識別系統(tǒng)，兩幅虹膜圖像之間的必然存在著較大的旋轉(zhuǎn)校正誤差。因?yàn)槿绻覀兿肟刂普`差在r的范圍內(nèi)，則需要將其中一幅虹膜圖像的模板至少旋轉(zhuǎn)60次，和另一幅圖像的模板 依次匹配，最優(yōu)的匹配結(jié)果對應(yīng)最佳的旋轉(zhuǎn)角度。而旋轉(zhuǎn)匹配次數(shù)越 多，系統(tǒng)的運(yùn)算速度就大打折扣，并且會優(yōu)化異類匹配的結(jié)果，導(dǎo)致系統(tǒng)錯(cuò)誤接收率的上升。 一般的虹膜識別系統(tǒng)控制旋轉(zhuǎn)校正在20次以內(nèi)，這就是說抽取的虹膜特征和識別算法應(yīng)該容忍3。以內(nèi)的旋轉(zhuǎn)誤差。 和特征抽取一樣，特征匹配也是虹膜識別系統(tǒng)中的一個(gè)重要環(huán)節(jié)， 但是在虹膜識別領(lǐng)域卻被長期忽視?，F(xiàn)有的虹膜特征匹配方法都是屬于統(tǒng)計(jì)分類器，例如Hamming距離、歐氏距離、相關(guān)系數(shù)、神經(jīng)網(wǎng)絡(luò) 等，還沒有基于結(jié)構(gòu)信息的匹配算法。發(fā)明內(nèi)容為了解決現(xiàn)有技術(shù)的問題，本發(fā)明的目的是提高虹膜識別系統(tǒng)的 魯棒性，減少錯(cuò)誤拒絕率，拓展虹膜識別系統(tǒng)的應(yīng)用范圍，為此，本 發(fā)明提供一種基于局部二值模式特征和圖匹配的虹膜識別方法。為實(shí)現(xiàn)上述目的，本發(fā)明基于局部二值模式特征和圖匹配的虹膜 識別方法包括步驟使用虹膜圖像獲取裝置采集用戶的虹膜圖像； 對虹膜圖像進(jìn)行預(yù)處理，生成極坐標(biāo)下的歸一化虹膜圖像； 提取歸一化虹膜圖像中每個(gè)鄰域的局部二值模式特征； 把歸一化虹膜圖像分成若干個(gè)圖像塊，按圖像塊生成局部二值模 式直方圖；把每個(gè)圖像塊作為一個(gè)節(jié)點(diǎn)，且把圖像塊的局部二值模式直方圖 作為節(jié)點(diǎn)的屬性，使之利用圖模式表達(dá)每幅虹膜圖像的特征；用圖匹配搜索虹膜注冊圖像和輸入虹膜圖像兩個(gè)圖模式中的匹配 節(jié)點(diǎn)對，對虹膜圖像匹配識別；根據(jù)計(jì)算所得的匹配節(jié)點(diǎn)對的個(gè)數(shù)判斷所述的兩幅虹膜圖像是否
來自同一人的同一只眼睛。根據(jù)本發(fā)明的實(shí)施例，所述的局部二值模式特征包括步驟 某個(gè)圖像鄰域內(nèi)中心像素分別與周圍的幾個(gè)像素的灰度值之間進(jìn)行順序比對，比對產(chǎn)生二值編碼，將二值編碼串聯(lián)起來構(gòu)成的代碼。 根據(jù)本發(fā)明的實(shí)施例，所述的把歸一化虹膜圖像分成若干個(gè)圖像塊包括步驟把虹膜圖像切分成互相重疊或者不重疊的區(qū)域，這些區(qū)域的形狀 可以是橢圓形或方形、平行四邊形、三角形等多邊形。根據(jù)本發(fā)明的實(shí)施例，所述的局部二值模式直方圖是在所切分的 虹膜圖像區(qū)域里，不同類型的局部二值模式編碼出現(xiàn)頻數(shù)所形成的分布。根據(jù)本發(fā)明的實(shí)施例，所述的匹配節(jié)點(diǎn)對需要滿足兩個(gè)條件 紋理相似性條件是利用兩個(gè)節(jié)點(diǎn)的屬性，使局部二值模式直方圖 的匹配分?jǐn)?shù)高過其他所有的節(jié)點(diǎn)對組合的相似度，這兩個(gè)節(jié)點(diǎn)分別來 自兩個(gè)圖模式，并且其中一個(gè)節(jié)點(diǎn)就是匹配節(jié)點(diǎn)對之一；拓?fù)湟恢滦詶l件是使得所述兩個(gè)節(jié)點(diǎn)都處于圖模式中相同的上下 文空間位置。根據(jù)本發(fā)明的實(shí)施例，所述的搜索注冊圖像和輸入虹膜圖像兩個(gè) 圖模式中的匹配節(jié)點(diǎn)對是利用圖匹配算法，按照匹配節(jié)點(diǎn)對的兩個(gè)條 件要求采取排除法進(jìn)行判別。先計(jì)算拓?fù)湟恢鹿?jié)點(diǎn)對的局部二值模式 直方圖之間的相似性是否高于一個(gè)閾值，以減少紋理不相似但拓?fù)湎?同的節(jié)點(diǎn)對的驗(yàn)證時(shí)間。在驗(yàn)證匹配節(jié)點(diǎn)對時(shí)采取一票否決的原則， 即一旦發(fā)現(xiàn)當(dāng)前拓?fù)湟恢鹿?jié)點(diǎn)對的相似度低于拓?fù)洳灰恢鹿?jié)點(diǎn)對的相 似度就停止驗(yàn)證。根據(jù)本發(fā)明的實(shí)施例，所述判斷兩幅虹膜圖像是否來自同一人的 同一只眼睛，根據(jù)它們的匹配節(jié)點(diǎn)對的個(gè)數(shù)來衡量。本發(fā)明有益的效果包括*局部二值模式特征描述了圖像中一個(gè)像素分別和鄰域內(nèi)多個(gè) 像素的灰度值之間的大小順序關(guān)系，對灰度的單調(diào)增函數(shù)變換具有不 變性，所以局部二值模式特征能夠抵抗虹膜識別中的光照和對比度變 化。*虹膜可看成是一種紋理，存在著大量的細(xì)微圖像結(jié)構(gòu)信息，局 部二值模式特征可以有效描述虹膜紋理基元的結(jié)構(gòu)特征。*局部二值模式直方圖刻畫的是紋理區(qū)域的特征，比單個(gè)的特征 更魯棒，尤其是可以克服虹膜識別中普遍存在的定位誤差和配準(zhǔn)誤差。*局部二值模式特征的計(jì)算效率高，局部二值模式特征提取和快 速圖匹配方法使本發(fā)明能夠很好地滿足虹膜識別的實(shí)時(shí)性需求。滿足 虹膜識別實(shí)時(shí)性的需求。*圖像的主要特征體現(xiàn)在局部區(qū)域特征和這些局部區(qū)域的上下 文位置關(guān)系，在計(jì)算機(jī)視覺領(lǐng)域中的成功圖像識別算法要同時(shí)抓住這 兩個(gè)主要屬性，例如馬爾可夫隨機(jī)場就是要試圖建立圖像中不同像素 或者區(qū)域在空間位置上的依賴關(guān)系。本發(fā)明用圖來表達(dá)虹膜圖像特征，是一種強(qiáng)大的圖像分析方法，用帶屬性的節(jié)點(diǎn)(node)去描述虹膜紋 理局部區(qū)域特征，用邊緣(edge)去建立節(jié)點(diǎn)間的位置關(guān)系。*本發(fā)明的圖匹配方法基于最優(yōu)配對法則，即如果兩個(gè)虹膜圖模 式來自于同一只眼睛，那么對應(yīng)的節(jié)點(diǎn)之間應(yīng)該具有最高的匹配度。 這樣圖匹配的程度就可以用滿足最優(yōu)配對法則的節(jié)點(diǎn)對個(gè)數(shù)來衡量。 并且本發(fā)明的圖匹配方法計(jì)算速度快。*基于本發(fā)明的圖匹配方法，異類虹膜圖像匹配分?jǐn)?shù)可以用二項(xiàng) 分布建模，即虹膜識別的錯(cuò)誤接收率可以從理論上進(jìn)行估計(jì)和控制。 唯一性(Individuality)是生物特征識別最關(guān)鍵的性能指標(biāo)。當(dāng)然通過 實(shí)驗(yàn)的方法，可以評估一種生物識別方法的總體識別精度，包括在不 同閾值下的錯(cuò)誤接收率和錯(cuò)誤拒絕率，但是實(shí)驗(yàn)結(jié)果都是依賴于測試 樣本數(shù)據(jù)。所以如果能夠從理論上分析一種身份認(rèn)證方法的唯一性將 是一件很有意義的事情，這樣可以比較客觀、科學(xué)地給出生物特征識 別方法的唯一性指標(biāo)，選擇合適閾值來控制錯(cuò)誤接收率，提供嚴(yán)格可 信的司法證據(jù)。在本發(fā)明的虹膜圖像塊匹配方法中，如果虹膜紋理的 分布完全隨機(jī)，就可以假設(shè)第一幅圖像的任意塊在來自不同類的另一 幅虹膜圖像中找到最優(yōu)配對塊的概率為1/M (M是圖模式中的節(jié)點(diǎn)個(gè) 數(shù)，即將歸-一化虹膜圖像切分的區(qū)域個(gè)數(shù))。這樣異類圖像匹配分?jǐn)?shù)應(yīng)
該滿足二項(xiàng)分布P(S = x) = C(》(l—^)f。*根據(jù)本發(fā)明圖匹配方法的唯一性數(shù)學(xué)模型，當(dāng)1V^32時(shí)可以推 測絕大部分的類間匹配分?jǐn)?shù)不會超過5，在實(shí)際虹膜圖像庫的實(shí)驗(yàn)結(jié) 果也驗(yàn)證了本發(fā)明的想法，也就是說對于類內(nèi)匹配而言，只需要在32 次配對中抓住1/5的機(jī)會就可以非常高的概率斷定參與匹配的兩幅圖 像來自同一只眼睛。而對于主流的虹膜識別方法一般需要70%的iris code匹配上，從這一點(diǎn)本發(fā)明可以推理出基于虹膜塊圖匹配的方法對 于遮擋應(yīng)該比較魯棒，即使大部分虹膜圖像區(qū)域都被睫毛和眼皮"污 染"，本發(fā)明的方法仍然有可能從中找到足夠說明兩幅虹膜圖像同源的 證據(jù)。本發(fā)明可用于需要身份認(rèn)證、進(jìn)行安全性防范的諸多應(yīng)用系統(tǒng)中， 如門禁、考勤、通關(guān)、邊檢等。


圖1為本發(fā)明基于局部二值模式特征和圖匹配的虹膜識別方法流 程框圖；圖2為八鄰域局部二值模式特征編碼的示意圖； 圖3為本發(fā)明虹膜圖像預(yù)處理示意圖，其中，圖3a是虹膜圖像；圖3b是圖3a的定位結(jié)果；圖3c是圖3b的歸一化結(jié)果。 圖4為對圖3c進(jìn)行局部二值模式特征提取的結(jié)果示意圖； 圖5為本發(fā)明對虹膜歸一化圖像進(jìn)行區(qū)塊劃分的示意圖； 圖6為本發(fā)明某個(gè)圖像塊的局部二值模式直方圖； 圖7為本發(fā)明虹膜圖像特征的圖模式表達(dá)； 圖8為本發(fā)明虹膜識別圖匹配方法示意圖；圖9為本發(fā)明中類間虹膜圖像特征匹配分?jǐn)?shù)的理論分布(當(dāng)圖模
式節(jié)點(diǎn)個(gè)數(shù)M-32時(shí))具體實(shí)施方式
虹膜識別系統(tǒng)一般工作在兩種狀態(tài)下注冊模式和識別模式。在 注冊模式，合法用戶向系統(tǒng)提交自己的虹膜特征模板；在識別模式， 系統(tǒng)通過對比存儲的模板和用戶臨時(shí)采集的虹膜圖像的特征來確定這 個(gè)用戶身份是否合法。不論是注冊模式還是識別模式，虹膜識別算法 都要進(jìn)行圖像預(yù)處理和特征提取，在識別模式下還要進(jìn)行特征匹配。 本發(fā)明提出的方法將主要應(yīng)用于虹膜特征提取與匹配。本發(fā)明提出一種新穎的基于局部二值模式特征和圖匹配的虹膜識 別方法，與當(dāng)前其他虹膜識別方法相比，本發(fā)明的新穎性主要在于1) 用紋理基元直方圖的特征表達(dá)模型來刻畫虹膜圖像中的結(jié)構(gòu)和 統(tǒng)計(jì)紋理信息；2) 將虹膜圖像特征表達(dá)成圖模式，把圖像塊看成是圖節(jié)點(diǎn)，把圖 像塊的局部二值模式直方圖作為節(jié)點(diǎn)的屬性。3) 基于最優(yōu)配對法則來計(jì)算兩個(gè)虹膜圖模式的相似度。4) 特征匹配采用的分類器是基于結(jié)構(gòu)模式識別方法，不是主流的 統(tǒng)計(jì)模式識別方法。如圖1，本發(fā)明提出的基于局部二值模式特征和圖匹配的虹膜識 別方法流程框圖所示，采用PC計(jì)算機(jī)或嵌入式計(jì)算平臺，虹膜圖像 獲取裝置，和虹膜圖像處理和識別軟件來實(shí)現(xiàn)本發(fā)明。包含七個(gè)主要 步驟步驟S1:虹膜圖像釆集在波長為800-900nm的近紅外光的充分照射下，使用虹膜圖像獲 取裝置例如用普通的CCD或者CMOS攝像頭就可以拍攝到富含細(xì) 節(jié)紋理信息的清晰的虹膜圖像。步驟S2:虹膜圖像預(yù)處理圖3a是虹膜圖像，虹膜圖像中不僅包括虹膜，還有瞳孔、鞏膜、 眼皮和睫毛等。瞳孔和虹膜的外輪廓都很接近圓形，因此虹膜圖像預(yù) 處理的任務(wù)是找到擬合瞳孔和虹膜邊界的圓的坐標(biāo)和半徑，然后將虹 膜圓環(huán)歸一化到固定尺寸的矩形區(qū)域，即虹膜定位和歸一化。① 虹膜定位人眼瞳孔的灰度遠(yuǎn)低于周圍區(qū)域，所以可以使用閾值法分離出瞳 孔區(qū)域，然后將該區(qū)域的重心作為初步的瞳孔中心，在該點(diǎn)附近用可 變尺寸的模板去擬合瞳孔的邊緣，最佳的擬合結(jié)果就是瞳孔定位的結(jié) 果。虹膜的中心接近瞳孔的中心，所以可以使用同樣的方法找到虹膜的中心和半徑。圖3b是對圖3a中的虹膜定位之后的例子，其中白色 的圓圈表示擬合后瞳孔和虹膜的外邊界。② 歸一化虹膜圖像以雙線性插值的方式，可以將定位好的虹膜圓環(huán)進(jìn)行空間變換到 --個(gè)固定尺寸的矩形區(qū)域。圖3c是虹膜歸一化之后的結(jié)果。水平方向 對應(yīng)于原始虹膜圖像的角度方向(逆時(shí)針為正方向)，歸一化到 0° 360°，豎直方向?qū)?yīng)于原始虹膜圖像的徑向方向，歸一化到0 1。步驟S3:提取局部二值模式特征局部二值模式特征是某個(gè)像素分別與其等距離的N個(gè)像素(這些 像素的位置均勻分布在半徑為R的圓周上)灰度值之間的定序測量特 征的組合體。圖2給出了一個(gè)八鄰域局部二值模式特征的例子，將中 心像素/,的灰度值作為閾值，和/,距離為R的八個(gè)鄰域像素/, (j=0,l，2， ...， 7)根據(jù)其灰度值與/f的大小關(guān)系分別編碼成1或0，然后 把這八位Bit轉(zhuǎn)化成一個(gè)十進(jìn)制的整數(shù)，作為以點(diǎn)K,x)為中心的小鄰 域的紋理基元代碼M/^。<formula>formula see original document page 11</formula> (1)上式中函數(shù)"sgn"的定義為<formula>formula see original document page 11</formula>所以對于一個(gè)N鄰域的局部二值模式特征編碼，它的取值范圍是 從0到2W-l的一個(gè)整數(shù)。圖4為對歸一化虹膜圖像圖3 (c)進(jìn)行局 部二值模式特征提取的結(jié)果示意圖(N=8， R=2)，其中每個(gè)像素的灰 度值就是以這個(gè)像素為中心的鄰域的局部二值模式特征編碼(從0到 255)。 步驟S4:按圖像塊生成局部二值模式直方圖輸入虹膜圖像先通過定位和歸一化得到80x512的極坐標(biāo)圖像，將 靠近瞳孔的64x512的歸一化圖像(這個(gè)區(qū)域不容易受到睫毛和眼皮遮 擋的影響)分割成2xl6-32個(gè)32x32的方塊，如圖5，本發(fā)明對虹膜歸 一化圖像進(jìn)行區(qū)塊劃分的示意圖所示，把虹膜圖像切分成互相重疊或 者不重疊的區(qū)域，這些區(qū)域?yàn)槎噙呅螤羁梢造`活變化，并不局限于正 方形，可以是橢圓、平行四邊形等。在紋理方塊區(qū)域中每個(gè)像素可以 得到一個(gè)局部二值模式特征編碼，統(tǒng)計(jì)該區(qū)域每種局部二值模式特征 代碼出現(xiàn)的頻率就可以得到局部二值模式特征直方圖:<formula>formula see original document page 12</formula>(3)上式中函數(shù)"count"的定義為<formula>formula see original document page 12</formula>圖6就是某個(gè)圖像塊的局部二值模式直方圖，直方圖的橫坐標(biāo)是 局部二值模式特征代碼，縱坐標(biāo)就是該方塊中每個(gè)代碼出現(xiàn)的頻數(shù)。 局部二值模式代碼中有許多的代碼在紋理中出現(xiàn)的頻率非常少，不但 不能帶來有益的紋理信息，反而會降低局部二值模式直方圖的魯棒性， 所以在本實(shí)施方案里將這些代碼合并成一個(gè)代碼。步驟S5:將虹膜圖像特征表達(dá)成圖模式S5將歸一化虹膜圖像的每個(gè)方塊作為一個(gè)圖節(jié)點(diǎn)，將這個(gè)方塊的局 部二值模式直方圖作為這個(gè)節(jié)點(diǎn)的屬性。在保存虹膜特征時(shí)記錄了這 些節(jié)點(diǎn)之間的位置關(guān)系。這樣就完成了基于圖的虹膜特征模板構(gòu)建， 如圖7，本發(fā)明虹膜圖像特征的圖模式表達(dá)所示。步驟S6:快速圖匹配算法由于虹膜紋理中存在著大量的紋理基元，它們分布的隨機(jī)性造成 不同虹膜區(qū)域具有不同的紋理特征，即不同的局部二值模式直方圖。 所以虹膜局部二值模式圖匹配的基本思想就是最優(yōu)配對法則，即如果 兩個(gè)虹膜圖模式來自于同一只眼睛，那么對應(yīng)的節(jié)點(diǎn)之間應(yīng)該具有最 高的匹配度，這樣圖匹配的程度就可以用滿足最優(yōu)配對法則的節(jié)點(diǎn)對 個(gè)數(shù)是否足夠多來衡量。如圖8，本發(fā)明虹膜識別圖匹配方法示意圖
所示，上圖中的A4圖像塊可能和下圖中的B1到B32都進(jìn)行匹配，但如果上下圖來自于同一只眼睛，則A4應(yīng)該和B4的相似度最高。假設(shè)兩幅虹膜圖像J和S的LBP特征表達(dá)分別為 /^{/w1,/^2,...,///2}禾口 / {// '，朋2,...,朋32} ， X寸于圖像爿中節(jié)點(diǎn)//,(/ = 1,2，...,32)，如果在/^中能找到最優(yōu)配對節(jié)點(diǎn)//&，它們必須滿 足兩個(gè)條件1)紋理相似性條件紋理相似性條件是指兩個(gè)節(jié)點(diǎn)的屬性，即局部二值模式直方圖的匹配分?jǐn)?shù)高過其他所有的節(jié)點(diǎn)對組合的相似度；這兩個(gè)節(jié)點(diǎn)分別來自兩個(gè)圖模式，并且其中一個(gè)節(jié)點(diǎn)是匹配節(jié)點(diǎn)對之一；argminZ)/加"ce(股，朋"二 7 (5)r^to"ce(3c,^是一個(gè)計(jì)算兩個(gè)直方圖之間距離的函數(shù)。在應(yīng)用中還 要求最小距離必須小于一個(gè)事先選定的閾值Q ，選擇依據(jù)是在測試集 80%的類內(nèi)匹配對應(yīng)節(jié)點(diǎn)對的距離都小于；?？晒┻x用的直方圖之間 的距離函數(shù)包括<formula>formula see original document page 13</formula>在本實(shí)施方案中采用的是Chi-square距離。2) 拓?fù)湟恢滦詶l件節(jié)點(diǎn)/"'和//&在圖J和圖S中的拓?fù)湮恢帽仨氁恢?。如果不考慮 大范圍的旋轉(zhuǎn)和平移，而且方塊是按照固定的位置順序標(biāo)號的話，y' 必須等于/?；谏鲜鏊枷?，計(jì)算兩個(gè)局部二值模式圖的相似性S的算法偽代 碼如下所示，S取值范圍是從0到32， S越大，說明這兩幅圖像來自 同一人的可能性越大。如果期望匹配分?jǐn)?shù)的結(jié)果是歸一化的數(shù)值，則 輸出肪2即可，它的取值范圍就是[O，l]。> ,w.."〖/ /(///，')<Cre// /(///，朋')</(///,朋')end步驟S7:識別決策根據(jù)虹膜識別系統(tǒng)不同的應(yīng)用場合設(shè)置不同的閾值，對應(yīng)著不同 的錯(cuò)誤接收率(FAR, False Acc印t Rate)和錯(cuò)誤拒絕率(FRR， False Reject Rate)。當(dāng)匹配分?jǐn)?shù)S大于預(yù)先定義的閾值時(shí)，判斷用戶通過身 份認(rèn)證，否則給出未通過認(rèn)證的信息。為了計(jì)算本發(fā)明不同F(xiàn)AR所對 應(yīng)的決策閾值，可以根據(jù)圖匹配方法的數(shù)學(xué)模型進(jìn)行估計(jì)。在上述的虹膜圖像塊匹配方法中，如果虹膜紋理的分布完全隨機(jī)， 就可以假設(shè)第一幅圖像的任意塊在來自不同類的另一幅虹膜圖像中找 到最優(yōu)配對塊的概率為1/32。這樣異類圖像匹配分?jǐn)?shù)應(yīng)該滿足二項(xiàng)分
布<formula>formula see original document page 15</formula> 該分布曲線，如圖9，本發(fā)明中類間虹膜圖像特征匹配分?jǐn)?shù)的理論分布所示，當(dāng)應(yīng)用場合需要把FAR控制在1/L，對應(yīng)的決策閾值應(yīng) 為T，使得<formula>formula see original document page 15</formula>本發(fā)明提出了一種基于局部二值模式特征和圖匹配的虹膜識別方法。本發(fā)明方法的優(yōu)點(diǎn)在于以下兩個(gè)方面1. 識別精度高。由于局部二值模式特征能很好地刻畫虹膜紋理 中的結(jié)構(gòu)和統(tǒng)計(jì)特征，所以得到的特征向量有很強(qiáng)的區(qū)分性能。將虹 膜圖像特征表達(dá)成圖模式，同時(shí)對虹膜圖像局部區(qū)域特征和這些局部 區(qū)域的上下文位置關(guān)系進(jìn)行了建模。并且基于最優(yōu)配對原則的圖匹配 方法可以嚴(yán)格控制錯(cuò)誤接收率。2. 魯棒性強(qiáng)。根據(jù)定義，局部二值模式特征對灰度值的單調(diào)增函數(shù)變化具有不變性，即能夠克服光照變化對成像的影響。從虹膜圖 像區(qū)域提取的直方圖統(tǒng)計(jì)特征可以克服一定程度的形變、定位誤差和 睫毛眼皮遮擋的影響。虹膜圖像的圖匹配方法使得正確接收的門檻降低，只要能夠找到1/5的最優(yōu)匹配圖像塊就可以確認(rèn)用戶的身份，使系統(tǒng)的容錯(cuò)率達(dá)到了新的高度。3. 計(jì)算效率高。局部二值模式特征提取和快速圖匹配方法使本發(fā)明能夠很好地滿足虹膜識別的實(shí)時(shí)性需求。綜上所述，本發(fā)明是一種優(yōu)秀的虹膜圖像特征提取和特征匹配方 法，可以提高現(xiàn)有的虹膜識別算法的一些不足之處。本發(fā)明具有廣闊 的應(yīng)用范圍，它可用于門禁、考勤、通關(guān)、安檢，以及其他需要進(jìn)行 準(zhǔn)確身份鑒別的領(lǐng)域。實(shí)施例l:虹膜識別在礦井工人管理系統(tǒng)中的應(yīng)用我國擁有豐富的煤礦資源， 一些大的礦井每天有幾千名礦工下井 作業(yè)。為了實(shí)時(shí)監(jiān)控礦工和安監(jiān)員的上下井情況，我們可以在礦井出 入口和井下安裝虹膜識別系統(tǒng)，要求礦工和安監(jiān)員在指定終端進(jìn)行虹 膜識別，這樣可以方便人員管理和考勤，避免了人工點(diǎn)名或簽名(出 錯(cuò)，作弊，統(tǒng)計(jì)不方便，工作效率低)、IC卡(攜帶不方便，可能作 弊)、人臉識別(人臉圖像受煤渣的影響)和指紋識別(指紋圖像受煤 渣的影響)等身份認(rèn)證方法存在的種種弊端。由于煤礦環(huán)境相對惡劣，井上井下光照條件變化大，造成瞳孔形 變嚴(yán)重、定位誤差大，以及圖像灰度與對比度變化，所以虹膜圖像的 類內(nèi)差異大，對主流的基于局部特征的虹膜識別方法形成挑戰(zhàn)，本發(fā) 明的虹膜識別方法魯棒性強(qiáng)、識別率高，正好可以滿足煤礦工人和安 監(jiān)員的身份識別需求。
權(quán)利要求
1、一種基于局部二值模式特征和圖匹配的虹膜識別方法，包括步驟使用虹膜圖像獲取裝置采集用戶的虹膜圖像；對虹膜圖像進(jìn)行預(yù)處理，生成極坐標(biāo)下的歸一化虹膜圖像；提取歸一化虹膜圖像中每個(gè)鄰域的局部二值模式特征；把歸一化虹膜圖像分成若干個(gè)圖像塊，按圖像塊生成局部二值模式直方圖；把每個(gè)圖像塊作為一個(gè)節(jié)點(diǎn)，且把圖像塊的局部二值模式直方圖作為節(jié)點(diǎn)的屬性，使之利用圖模式表達(dá)每幅虹膜圖像的特征；用圖匹配搜索虹膜注冊圖像和輸入虹膜圖像兩個(gè)圖模式中的匹配節(jié)點(diǎn)對，對虹膜圖像匹配識別；根據(jù)計(jì)算所得的匹配節(jié)點(diǎn)對的個(gè)數(shù)判斷所述的兩幅虹膜圖像是否來自同一人的同一只眼睛。
2、 按權(quán)利要求1所述的方法，其特征在于，所述的局部二值模式 特征包括步驟某個(gè)圖像鄰域內(nèi)中心像素分別和與周圍的幾個(gè)像素的灰度值之間 進(jìn)行順序比對，比對產(chǎn)生二值編碼，將二值編碼串聯(lián)起來構(gòu)成的代碼。
3、 按權(quán)利要求1所述的方法，其特征在于，所述的把歸一化虹膜 圖像分成若干個(gè)圖像塊包括步驟把虹膜圖像切分成互相重疊或者不重疊的區(qū)域，這些區(qū)域的形狀可 以是橢圓形或方形、平行四邊形、三角形等多邊形。
4、 按權(quán)利要求1所述的方法，其特征在于，所述的局部二值模式 直方圖是在所切分的虹膜圖像區(qū)域里，不同類型的局部二值模式編碼出 現(xiàn)頻數(shù)所形成的分布。
5、 按權(quán)利要求1所述的方法，其特征在于，所述的匹配節(jié)點(diǎn)對需要 滿足兩個(gè)條件紋理相似性條件是利用兩個(gè)節(jié)點(diǎn)的屬性，使局部二值模式直方圖的 匹配分?jǐn)?shù)高過其他所有的節(jié)點(diǎn)對組合的相似度，這兩個(gè)節(jié)點(diǎn)分別來自兩 個(gè)圖模式，并且其中一個(gè)節(jié)點(diǎn)就是匹配節(jié)點(diǎn)對之一；拓?fù)湟恢滦詶l件是使得所述兩個(gè)節(jié)點(diǎn)都處于圖模式中相同的上下 文空間位置。
6. 按權(quán)利要求1所述的方法，其特征在于，所述的搜索注冊圖像和 輸入虹膜圖像兩個(gè)圖模式中的匹配節(jié)點(diǎn)對是利用圖匹配算法，按照匹配 節(jié)點(diǎn)對的兩個(gè)條件要求采取排除法進(jìn)行判別。先計(jì)算拓?fù)湟恢鹿?jié)點(diǎn)對的 局部二值模式直方圖之間的相似性是否高于一個(gè)閾值，以減少紋理不相 似但拓?fù)湎嗤墓?jié)點(diǎn)對的驗(yàn)證時(shí)間。在驗(yàn)證匹配節(jié)點(diǎn)對時(shí)采取一票否決 的原則，即一旦發(fā)現(xiàn)當(dāng)前拓?fù)湟恢鹿?jié)點(diǎn)對的相似度低于拓?fù)洳灰恢鹿?jié)點(diǎn) 對的相似度就停止驗(yàn)證。
7、 按權(quán)利要求1所述的方法，其特征在于，所述判斷兩幅虹膜圖像是否來自同一人的同一只眼睛，根據(jù)它們的匹配節(jié)點(diǎn)對的個(gè)數(shù)來衡量
全文摘要
本發(fā)明公開一種基于局部二值模式特征和圖匹配的虹膜識別方法首先根據(jù)虹膜圖像鄰域內(nèi)兩兩像素灰度值之間的大小順序關(guān)系提取局部二值模式編碼，用于描述具有光照不變特性的虹膜紋理結(jié)構(gòu)特征；然后把虹膜圖像分成若干個(gè)圖像塊，計(jì)算每個(gè)塊中的局部二值模式直方圖，用于描述對平移和形變具有魯棒性的虹膜紋理統(tǒng)計(jì)特征。把每個(gè)圖像塊看成是一個(gè)節(jié)點(diǎn)，圖像塊的局部二值模式直方圖作為節(jié)點(diǎn)的屬性，每幅虹膜圖像的特征表達(dá)成一個(gè)圖模式。在虹膜識別時(shí)通過圖匹配的方法來搜索兩個(gè)圖模式中的匹配節(jié)點(diǎn)對。識別圖像和注冊圖像的匹配節(jié)點(diǎn)對個(gè)數(shù)表明它們之間的相似性，從而判定用戶的身份。本發(fā)明用于自動識別個(gè)人身份，例如門禁、考勤、通關(guān)等應(yīng)用領(lǐng)域。
文檔編號G06K9/00GK101154265SQ200610140640
公開日2008年4月2日 申請日期2006年9月29日 優(yōu)先權(quán)日2006年9月29日
發(fā)明者孫哲南, 王陽生, 譚鐵牛 申請人:中國科學(xué)院自動化研究所