本發(fā)明涉及一種快速虹膜識別算法，基于眼睛中的虹膜進(jìn)行身份識別，應(yīng)用于安防設(shè)備(如門禁等)，以及有高度保密需求的場所，虹膜從10個月大后保持穩(wěn)定不變，這個特征保證了身份識別的可靠性。

背景技術(shù)：

人眼睛的外觀圖由鞏膜、虹膜、瞳孔三部分構(gòu)成。鞏膜即眼球外圍的白色部分，約占總面積的30％；眼睛中心為瞳孔部分，約占5％；虹膜位于鞏膜和瞳孔之間，包含了最豐富的紋理信息，占據(jù)65％。外觀上看，由許多腺窩、皺褶、色素斑等構(gòu)成，是人體中最獨(dú)特的結(jié)構(gòu)之一。虹膜的形成由遺傳基因決定，人體基因表達(dá)決定了虹膜的形態(tài)、生理、顏色和總的外觀。人發(fā)育到八個月左右，虹膜就基本上發(fā)育到了足夠尺寸，進(jìn)入了相對穩(wěn)定的時期。除非極少見的反常狀況、身體或精神上大的創(chuàng)傷才可能造成虹膜外觀上的改變外，虹膜形貌可以保持?jǐn)?shù)十年沒有多少變化。另一方面，虹膜是外部可見的，但同時又屬于內(nèi)部組織，位于角膜后面。要改變虹膜外觀，需要非常精細(xì)的外科手術(shù)，而且要冒著視力損傷的危險。虹膜的高度獨(dú)特性、穩(wěn)定性及不可更改的特點(diǎn)，是虹膜可用作身份鑒別的物質(zhì)基礎(chǔ)。

在包括指紋在內(nèi)的所有生物識別技術(shù)中，虹膜識別是當(dāng)前應(yīng)用最為方便和精確的一種。虹膜識別技術(shù)被廣泛認(rèn)為是二十一世紀(jì)最具有發(fā)展前途的生物認(rèn)證技術(shù)，未來的安防、國防、電子商務(wù)等多種領(lǐng)域的應(yīng)用，也必然的會以虹膜識別技術(shù)為重點(diǎn)。這種趨勢已經(jīng)在全球各地的各種應(yīng)用中逐漸開始顯現(xiàn)出來， 市場應(yīng)用前景非常廣闊。

虹膜識別研究機(jī)構(gòu)主要有美國的Iridian，Iriteck，韓國的Jiris公司、北京中科虹霸、北京虹安翔宇，日本松下。Iridian公司掌握虹膜識別核心算法，是目前全球最大的專業(yè)虹膜識別技術(shù)和產(chǎn)品提供商，它和LG、松下、OKI、NEC等企業(yè)進(jìn)行合作(如IRISPASS&reg，BM-ET300，IG-H100&reg等產(chǎn)品)，以授權(quán)方式提供虹膜識別核心算法，支持合作伙伴生產(chǎn)虹膜識別系統(tǒng)。Iridian的核心技術(shù)還包括圖像處理協(xié)議和數(shù)據(jù)標(biāo)準(zhǔn)PrivateID&reg，識別服務(wù)器KnoWho&reg，KnoWho&reg開發(fā)工具及虹膜識別攝像頭等。

國內(nèi)在2000年以前在虹膜識別方面一直沒有自己的核心知識產(chǎn)權(quán)，經(jīng)過10年的不斷努力，截止2013年，國內(nèi)以形成北京為主虹膜研發(fā)生產(chǎn)聚集地，在多年研究的基礎(chǔ)上也均開發(fā)出了各自虹膜識別的核心算法，成為了世界上少數(shù)幾家掌握了虹膜識別核心算法的單位之一，通過在礦山苛刻的環(huán)境下使用，證明了中國的虹膜產(chǎn)品不管是在識別速度、設(shè)備穩(wěn)定、解決礦工黑臉問題上，都遠(yuǎn)勝國外虹膜產(chǎn)品。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種快速虹膜識別算法，可以將此算法應(yīng)用到嵌入式硬件，實現(xiàn)快速的虹膜認(rèn)證系統(tǒng)；該算法采用改進(jìn)型的二維log-gabor濾波器，可進(jìn)行多方向多尺度的特征提取，提高算法效率和實時性，滿足虹膜的快速識別的時效需求。

本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：

一種快速虹膜識別算法，該算法包括以下步驟：

步驟1：對虹膜圖像進(jìn)行預(yù)處理；

步驟2：對虹膜圖像進(jìn)行特征提取；

步驟3：對虹膜圖像進(jìn)行特征編碼，得到iris編碼；

步驟4：將采集的圖像與數(shù)據(jù)庫中的虹膜圖像進(jìn)行比對，判斷兩個虹膜是否屬于同一類。

步驟1中，所述預(yù)處理包括對虹膜圖像進(jìn)行虹膜定位，接著進(jìn)行歸一化處理，處理后的虹膜圖像進(jìn)行增強(qiáng)操作。

所述虹膜定位包括對虹膜內(nèi)邊緣圓心和半徑的進(jìn)行粗定位，然后精確定位虹膜的內(nèi)外邊緣，最后將將虹膜區(qū)域分割出來；所述歸一化處理包括將每幅原始圖像調(diào)整為與原始圖像相同的尺寸和對應(yīng)的位置；所述增強(qiáng)操作包括采用局部直方圖均衡的處理方式。

所述歸一化處理具體操作為：首先設(shè)虹膜圖像的內(nèi)外邊緣的交點(diǎn)位置分別為(xi(θ)，yi(θ))和(x0(θ)，y0(θ))，然后通過采用式(3)可將虹膜圖像中的每一點(diǎn)全部映射到極坐標(biāo)(r，θ)中，這樣虹膜經(jīng)過歸一化處理后的r∈[0,1]，θ∈[0，2π]，最后就在極坐標(biāo)(r，θ)平面上獲得64×256大小的歸一化虹膜圖像，

在對所述虹膜進(jìn)行歸一化的同時，需對噪聲進(jìn)行相應(yīng)標(biāo)記，生成一個與歸一化虹膜相對應(yīng)的噪聲屏蔽模板，在噪聲屏蔽模板中，噪聲信息被標(biāo)記為0，虹膜信息被標(biāo)記為1。

所述局部的直方圖均衡化具體操作為：設(shè)原始圖像的灰度級為rk，直方圖均衡化使用一個灰度函數(shù)作為變換函數(shù)，灰度函數(shù)為T(r)，虹膜圖像中總的像素數(shù)目為N，輸入直方圖做修正，得到化后圖像的灰度分布函數(shù)S(r)，圖像中灰度級為ri的像素總數(shù)，則有:

步驟2中，所述虹膜圖像采用二維Log_Gabor濾波器對特征進(jìn)行提取。

步驟3中，所述特征編碼采用分塊方式對特征進(jìn)行編碼，提取局部相位信息。

所述分塊方式為：設(shè)整個虹膜圖像(x，y)被分M×N大小的若干個子塊，子塊大小與濾波器模板大小一樣，通過對局部相位信息值進(jìn)行計算，得到一個復(fù)數(shù)，如果這個復(fù)數(shù)的實部大于等于0，則表示該特征碼為1，否則為0；如果這個復(fù)數(shù)的虛部大于等于0，則表示該特征碼為1，否則為0。

兩個所述虹膜采用歐式距離分類器來進(jìn)行識別。

本發(fā)明的有益效果：

1、本發(fā)明算法簡單，計算量小，能夠快速精確地得到高質(zhì)量的虹膜紋理圖像；使用FPGA處理圖像數(shù)據(jù)，速度快，耗時??；

2、本發(fā)明采用改進(jìn)的快速算法，方便嵌入式硬件上快速實時的進(jìn)行虹膜處理，準(zhǔn)確度高，誤識率低，方便在低成本硬件單元實現(xiàn)；

3、本發(fā)明算法采用模塊化，流水線處理架構(gòu)，也可以選擇并行模式，靈活性高，滿足各種硬件平臺；

4、該算法的錄入和識別率高，在1s內(nèi)可以完成虹膜目標(biāo)識別，準(zhǔn)確率高。

附圖說明

為了便于本領(lǐng)域技術(shù)人員理解，下面結(jié)合附圖對本發(fā)明作進(jìn)一步的說明。

圖1為本發(fā)明一種快速虹膜識別算法的基本組成圖；

圖2為本發(fā)明一種快速虹膜識別算法工作原理圖；

圖3為本發(fā)明虹膜圖像預(yù)處理工作流程圖。

附圖標(biāo)記為：6-虹膜特征提取算法；7-虹膜特征編碼；11-圖像預(yù)處理算法；12-虹膜分類匹配算法。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護(hù)的范圍。

在虹膜圖像采集過程中，由于受到人眼與采集裝置距離的變化、光照不均勻等因素影響，同時，將會影響虹膜識別效果，降低虹膜識別的準(zhǔn)確率。為了準(zhǔn)確提取虹膜信息，消除上述因素帶來的影響，在特征提取進(jìn)行之前，要對虹膜圖像進(jìn)行預(yù)處理。

虹膜圖像的預(yù)處理一般包括虹膜定位，圖像歸一化和增強(qiáng)等步驟；虹膜定位一般采用由粗到精的定位方法，首先對虹膜內(nèi)邊緣圓心和半徑的進(jìn)行粗定位，然后精確定位虹膜的內(nèi)外邊緣，最后將將虹膜區(qū)域分割出來；不同人的虹膜大小不一，即使同一虹膜受光照不均和瞳孔放縮等影響，會引起虹膜大小的變化，為了消除這種不利的影響，必須對定位的虹膜圖像進(jìn)行歸一化處理，將每幅原始圖像調(diào)整為與原始圖像相同的尺寸和對應(yīng)的位置，從而消除縮放、旋轉(zhuǎn)和平移對于虹膜識別的影響；由于角膜反射和光源位置等因素的影響，虹膜圖像上的光照分布不能完全均勻，從而影響后繼的紋理分析效果。為了更好的提高識別效率，在特征提取之前必須先對歸一化的虹膜圖像進(jìn)行增強(qiáng)，主要采用局部直方圖均衡的處理方式；

傳統(tǒng)的虹膜特征提取采用一維log-Gabor濾波器進(jìn)行。對于二維虹膜圖像，其虹膜紋理的特征信息不僅反映在徑向方向上，同時也體現(xiàn)在角度方向上，如 果采用一維log_Gbaor濾波器對虹膜特征進(jìn)行提取，將失去虹膜二維特征信息丟失。為了克服一維log_Gabor濾波器特征提取算法帶來的不足，能夠從徑向和角度兩個方向上同時提取虹膜紋理的信息，本文采用二維Gabor濾波器對虹膜特征進(jìn)行提取。根據(jù)頻域分析，二維Log_Gabor是一種特定方向的帶通濾波器。一個濾波器只能夠?qū)σ欢ǖ念l率和方向進(jìn)行覆蓋，稱為一個通道。通過采用二維Log_Gabor濾波器從徑向和方向?qū)缒ぬ卣鬟M(jìn)行提取。通過采用不同頻率尺度和方向的濾波器對虹膜進(jìn)行濾波處理后，獲得了子塊濾波模的最大值所小波號。本文通過采用分塊方式對特征進(jìn)行編碼，提取局部相位信息。設(shè)整個虹膜圖像(x，y)被分M×N大小的若干個子塊，子塊大小與濾波器模板大小一樣。通過對局部相位信息值進(jìn)行計算，得到一個復(fù)數(shù)。如果這個復(fù)數(shù)的實部大于等于0，則表示該特征碼為1，否則為0；如果這個復(fù)數(shù)的虛部大于等于0，則表示該特征碼為1，否則為0，因此，最后得到虹膜特征碼。將采集的圖像與數(shù)據(jù)庫中的虹膜圖像進(jìn)行比對，判斷兩個虹膜是否屬于同一類。綜合考慮虹膜的物理征點(diǎn)及物理意義，本文采用著名的歐式距離分類器來進(jìn)行識別。

實施例

一種快速虹膜識別算法，如圖1和圖2所示，包括圖像預(yù)處理算法11、虹膜特征提取算法6、虹膜特征編碼7和虹膜分類匹配算法12；

其中，圖像預(yù)處理算法11包括虹膜定位算法、虹膜歸一化算法、虹膜圖像增強(qiáng)三部分；參見圖3，虹膜定位算法采用粗到細(xì)定位方法，瞳孔顏色明顯要比眼睛的其它部分要黑一些，這說明瞳孔的灰度值相對來說較小，且是面積最大的連通區(qū)域，但是虹膜相對眼睛的其它部分要明亮一些，這表明虹膜的灰度值相對來說要大一些，在人的眼睛中虹膜是最白的，其灰度值相應(yīng)也是最大的，因此，可以利用人眼的灰度級變化的突變和虹膜的良好的環(huán)狀特性，進(jìn)行人眼 睛的瞳孔的圓心和半徑粗定位，當(dāng)瞳孔的圓心和半徑大致確定之后，就可以根據(jù)虹膜的圓形結(jié)構(gòu)特征，可以對虹膜的內(nèi)外邊緣進(jìn)行精定位。首先對虹膜的內(nèi)邊緣進(jìn)行精定位，其中，利用Canny算子獲得的灰度邊緣圖像，由于虹膜外邊緣相對于內(nèi)邊緣來說是比較模糊，如果采用與內(nèi)邊緣相同的精定位方法，那么就容易產(chǎn)生定位不準(zhǔn)的現(xiàn)象，為防止定位不準(zhǔn)的現(xiàn)象的發(fā)生，本文采用面積分代替線積分，利用Canny算子獲得的灰度邊緣圖像。經(jīng)過上述步驟虹膜的定位完成。

以瞳孔圓心為中心點(diǎn)，將虹膜的環(huán)形區(qū)域歸一化為矩形區(qū)域的方法。首先設(shè)虹膜圖像的內(nèi)外邊緣的交點(diǎn)位置分別為(xi(θ)，yi(θ))和(x0(θ)，y0(θ))，然后通過采用式(3)可將虹膜圖像中的每一點(diǎn)全部映射到極坐標(biāo)(r，θ)中，這樣虹膜經(jīng)過歸一化處理后的r∈[0,1]，θ∈[0，2π]，最后就在極坐標(biāo)(r，θ)平面上獲得64×256大小的歸一化虹膜圖像。歸一化虹膜圖像通過上述映射后，對于消除縮放、旋轉(zhuǎn)和平移等具有不變性。

由于歸一化后的矩形虹膜圖像由于眼瞼遮擋的影響，從而使虹膜圖像含有噪聲信息，為了消除噪聲干擾作用，在對虹膜進(jìn)行歸一化的同時，需對噪聲進(jìn)行相應(yīng)標(biāo)記，生成一個與歸一化虹膜相對應(yīng)的噪聲屏蔽模板。在噪聲屏蔽模板中，噪聲信息被標(biāo)記為0，虹膜信息被標(biāo)記為1。

角膜反射和光源位置等因素的影響，虹膜圖像上的光照分布不能完全均勻，從而影響后繼的紋理分析效果。為了更好的提高識別效率，在特征提取之前必須先對歸一化的虹膜圖像進(jìn)行增強(qiáng)。本文對歸一化后的虹膜圖像采用局部的直方圖均衡化。設(shè)原始圖像的灰度級為rk，直方圖均衡化使用一個灰度函數(shù)作為 變換函數(shù)，灰度函數(shù)為T(r)，虹膜圖像中總的像素數(shù)目為N，輸入直方圖做修正，得到化后圖像的灰度分布函數(shù)S(r)，圖像中灰度級為ri的像素總數(shù)，則有:

經(jīng)過直方圖均衡化后的圖像是一幅灰度級均勻分布的圖像，圖像灰度級的動態(tài)范圍得到增大，從而實現(xiàn)了圖像增強(qiáng)，減少了非均勻光照的影響。經(jīng)過以上預(yù)處理以后的虹膜展開圖像。

虹膜特征提取算法6選16個Gabor濾波通道，即選擇中心頻率2槡2、4槡2、8槡2和16槡2及0°、45°、90°和135°四個方向，通過Gabor濾波器的對稱性可知，這樣就構(gòu)成了不同方向和頻率下的Gabor濾波器，完成特征提取工作。

虹膜分類匹配算法12，如果未知虹膜的特征向量為V1，同知類別的虹膜特征向量為V2，如果兩個虹膜的歐式距向量有著均值和絕對變差均值小于設(shè)定的閾值，就表示同一類，否則，不是同一類。

以上公開的本發(fā)明優(yōu)選實施例只是用于幫助闡述本發(fā)明。優(yōu)選實施例并沒有詳盡敘述所有的細(xì)節(jié)，也不限制該發(fā)明僅為所述的具體實施方式。顯然，根據(jù)本說明書的內(nèi)容，可作很多的修改和變化。本說明書選取并具體描述這些實施例，是為了更好地解釋本發(fā)明的原理和實際應(yīng)用，從而使所屬技術(shù)領(lǐng)域技術(shù)人員能很好地理解和利用本發(fā)明。本發(fā)明僅受權(quán)利要求書及其全部范圍和等效物的限制。