一种高效的虹膜特征提取算法

陈剑　孙秋成　徐中宇

【摘 要】本文提出了一种高效的虹膜特征提取算法。首先，利用灰度直方图，实现了虹膜内边界的准确定位；随后，为了克服眼睫毛和下眼睑的遮挡影响，给出了一种虹膜外边界定位方法，能够准确获得虹膜的有效部分；最后，利用归一化算法，将环状的虹膜特征转化为矩形特征，便于虹膜的训练和识别。通过实验验证，该方法是准确的和有效的。

【关键词】虹膜；图像二值化；边缘检测

一、介绍

虹膜识别在当下备受推崇和关注，虹膜识别的研究和应用成为热门研究方向，这使得虹膜识别技术很快得到推广和应用。虹膜识别技术在很多领域得到了很好的应用，其优点如下：（1）唯一性高，（2）稳定性好，（3）具有防伪性，（4）准确性高，（5）速度快[1]。虹膜识别系统由三个基本单元组成：图像采集；特征提取；比对。虹膜包含纹理的部分是内外两个近似圆形边界之间的部分，虹膜内侧与瞳孔相邻，外侧与巩膜相邻。但是，这两个圆不是完全同心的[2]。需要分别对内外两个边界进行处理。虹膜定位的目的是要找出瞳孔与虹膜，虹膜与巩膜之间的两个边界。目前，具有代表性的方法是Daugman虹膜提取算法[3]，但是，由于受到眼睫毛和下眼睑等遮挡因素的影响，虹膜特征往往不能被准确的提取，造成最终识别精确度低。

二、虹膜图像获取

在摄取图像时需要注意：（1）保证图像具有足够的分辨率和清晰度；（2）须保证摄取的虹膜图像有很好的对比度；（3）摄取的图像要限制在一定范围内；（4）人工因素应尽可能的消除。

三、虹膜定位

（一）虹膜内边界定位

与眼睛的其它部分相比，瞳孔的灰度值要小得多，因此采用二值化的方法分离出瞳孔，从而提取内虹膜边界。首先，通过灰度直方图，确定二值化方法的阈值。在直方图中有两个主要的峰值，其中的第一个峰值，对应的就是瞳孔区域灰度集中的范围，第二个峰值对应的是虹膜区域的灰度集中范围。显然，提取瞳孔的二值化阈值应该选择在第一个峰值的右侧。确定阈值后，虹膜内边界即可被定位。

（二） 虹膜外边界定位

在以往的方法中，通常采用最小二乘法拟合的方法提取外圆边界。由于上下下眼睑的遮挡，虹膜并不能被完整的定位和提取，导致虹膜识别精度降低。本文针对上述问题，提出了一种有效的虹膜外边界定位方法。首先，利用获得的虹膜内边界数据，拟合出虹膜内边界的圆心和半径。为了克服眼睫毛的影响，本文舍去虹膜的上半部分，同时为避免下眼睑被误检，虹膜的下半部分也只提取有限部分。如图3所示，红色边界内部即为检测获得的虹膜。

四、虹膜图像的归一化

五、结束语

本文提出一种新型的虹膜特征提取方法，避免了眼睫毛和下眼睑等遮挡因素对虹膜特征提取的影响。通过实验验证，该方法有较高的识别精度是准确的和有效的。

参考文献：

[1]黄惠芳，胡广书，虹膜识别算法的研究及实现 [J]；红外与激光工程； 2002年05期.

[2]Mann I. The Development of the Human Eye. New York： Grune and Stratton，1950.

[3]J. G. Daugman. High confidence visual recognition of person by a test of statisticalindependence. IEEE Transactions on Pattern Analysis and Machine Intelligence.1993， 15（11）： 1148～1161.

[4]R.P. Wildes. Iris Recognition： An Emerging Biometric Technology. Proceeding of the IEEE， 1997，85（9）：1348～1363.

[5]王蕴红，朱勇，谭铁牛. 基于虹膜识别的身份鉴别[J]. 自动化学报，2002，28（1）：1-10.

[6]中国科学院自动化研究所.CASIA 虹膜图像数据库（版本 1.0）. http：//www.sinometrics.com.