学位论文 > 优秀研究生学位论文题录展示

活体虹膜识别的关键技术研究

作　者: 何孝富
导　师: 施鹏飞
学　校: 上海交通大学
专　业: 模式识别与智能系统
关键词: 生物特征识别活体虹膜采集图像质量评价预处理定位防伪特征抽取匹配
分类号: TN912.3
类　型: 博士论文
年　份: 2007年
下　载: 663次
引　用: 10次
阅　读: 论文下载

内容摘要

生物特征识别技术是依据人类自身所固有的生理或行为特征而进行识别的一种技术。生理特征(如人脸、虹膜、指纹、掌纹、声音等)与生俱来,多为先天的;行为特征(如步态、笔迹等)则是习惯使然,多为后天的。与传统的身份鉴别手段相比,基于生物特征的身份鉴别技术具有以下优点:(1)无需记忆;(2)防伪性能好,不易伪造或被盗;(3)“随身携带”,随时随地可用。利用虹膜进行身份鉴别,具有唯一性、稳定性、可采集性、非侵犯性等优点。据统计,虹膜识别是最可靠的生物特征识别之一,其误识率是各种生物特征识别中最低的。本论文从虹膜图像的采集出发,致力于虹膜识别各个环节的关键技术。主要包括了:虹膜图像的采集(Iris Acquisition)、虹膜图像质量评价(Iris Image Quality Assessment)、虹膜图像预处理(Iris Preprocessing)、虹膜防伪(Fake Iris Detection)、特征抽取及匹配(Feature Extraction&Matching)。其中,虹膜图像的获取是虹膜识别中重要的一部分,采集装置不过关,虹膜识别就成了无源之水;虹膜图像质量评价是对采集到的虹膜图像进行质量评估,挑选质量好的虹膜图像用于后续的识别;虹膜图像预处理主要包括:虹膜定位(包括虹膜内外圆的定位、眼睑定位)、虹膜归一化(即通过某种映射关系把原始图像中的虹膜转换到固定尺寸的图像中)、虹膜图像增强(主要为了消除光照不均匀的影响)及去噪(主要指去除睫毛、光斑等噪声);虹膜防伪主要是针对目前现有的攻击手段进行防伪,防止以假乱真;虹膜特征提取及匹配主要是对归一化后的虹膜图像抽取特征并按一定的匹配准则与虹膜特征库进行比对,达到识别目的。首先,虹膜采集装置普遍存在用户使用引导相对困难、受外界环境光干扰明显等弱点。本文在接触式虹膜采集仪的基础上,已成功研制三代虹膜采集/识别仪,第一代是外置图像卡的采集装置,第二代为内置式的虹膜采集,前两代均为接触式,第三代为非接触式自反馈虹膜采集仪。其中,第三代采集设备采用了液晶屏自反馈机制,能够使用户在极短的时间内更加快速并且完全自主地完成虹膜瞄准和对焦,并且采集的虹膜图像质量不会受眼镜及墨镜的影响,因此,该采集设备具有结构简单、引导迅捷、使用方便等显著特点,为实现虹膜图像的采集开创了一条新的技术途径。同时,利用上述的采集设备,建立了由不同人种,不同年龄,不同性别的虹膜库。其次,虹膜图像质量评价:实际采集到的虹膜图像往往会由于不聚焦、运动模糊、瞳孔过度变形、虹膜区域被眼睑及睫毛严重遮挡等原因而影响虹膜识别的精度,因此,为了提高识别系统的准确性,在虹膜识别前,有必要对获取的图像进行质量评估,选择满足一定质量要求的图像作为识别系统的输入。在分析现有方法的基础上,针对不聚焦及运动模糊问题提出了一种基于高斯拉普拉斯算子的质量评价方法。该方法原理简单,不需要预先定位虹膜,因此速度上有优势。接着,在虹膜图像预处理上进行了较为深入研究。由于虹膜定位是虹膜图像预处理过程中的重要环节,它不仅决定了虹膜识别的后续过程能否继续,而且决定了虹膜特征抽取及匹配是否有效。同时,虹膜定位也是整个虹膜识别系统占用时间较多的过程。因此,本文重点讨论了虹膜定位算法,包括虹膜内圆(瞳孔)、虹膜外圆及眼睑定位。在已有模型和算法的基础上,提出了一种快速有效的虹膜内外圆定位算法。瞳孔的定位采用几何方法,在瞳孔定位的基础上,利用Canny算子结合Hough变化进行虹膜外圆的定位,并提出了一种基于标准数据(Ground truth,又译为理想数据,以下统称标准数据)的客观评价方法,实验结果表明,不但速度快而且精度很高。此外,考虑到眼睑的定位精度不会像虹膜内外圆那样对后续的识别产生重大的影响,同时考虑到速度上需要快速,因此,本文提出了用最小二乘法拟合抛物线的眼睑定位方法,定位时不考虑拟合的抛物线的方向,实验结果表明本文的方法简单有效。再次,研究了虹膜防伪,对活体虹膜防伪问题进行了较为深入研究,详细分析了虹膜照片、纸质打印虹膜、彩色隐形眼镜、模拟眼等伪虹膜的特性,在分析现有防伪算法的基础上,提出了一种基于统计纹理特性及支持向量机(SVM)的彩色隐形眼镜防伪检测方法,抽取特征时主要利用彩色隐形眼镜虹膜纹理区域的不变性及其纹理的灰度特性,伪虹膜的分类主要用SVM进行两类分类,并与现有的方法进行比较,从实验结果可以看出本文提出的方法在速度及检测精度上都有优势,能够正确地检测目前的商用彩色隐形眼镜。最后,研究了虹膜特征抽取及匹配。虹膜特征提取及匹配是虹膜识别系统最后的处理过程,也是最关键最核心的部分,对整个识别系统的性能有决定性的作用。然而对虹膜的特征进行描述和分类是一个十分困难的问题。鉴于对偶树复数小波变换(Dual Tree Complex Wavelet Transform,简称DT CWT)具有良好的方向选择特性,本文提出了一种基于对偶树复数小波变换的虹膜特征抽取算法,实验证明该方法具有更好的识别性能。此外,通过各种距离匹配方法的实验比较,得出相位信息比幅值信息更具有区分性的结论。总之,本论文围绕活体虹膜识别的各个环节,做的主要贡献及创新性的工作如下:与合作单位研究非接触式虹膜采集设备,提出和实现了非接触式自反馈虹膜采集仪;针对不聚焦及运动模糊问题提出了一种基于高斯拉普拉斯算子的快速方法;研究了虹膜定位算法,包括虹膜内外边界的定位以及眼睑检测,并提出一种基于标准数据的客观评价方法;提出了一种基于统计纹理特性及SVM的彩色隐形眼镜防伪检测方法;提出了一种基于对偶树复数小波变换的虹膜特征提取方法;建立了虹膜测试及识别库,在自建的虹膜库及国内外公开的虹膜库上进行算法实验,提高算法的实际应用价值。

全文目录

摘要  5-10
ABSTRACT  10-16
第一章绪论  16-27
  1.1 研究背景及意义  16-17
  1.2 虹膜识别原理及国内外研究现状  17-22
    1.2.1 虹膜识别原理  17-19
    1.2.2 国内外研究现状  19-22
  1.3 虹膜识别研究的难点  22-23
  1.4 本论文的创新之处  23-25
    1.4.1 虹膜采集设备  23-24
    1.4.2 虹膜图像质量评价  24
    1.4.3 虹膜图像预处理  24
    1.4.4 虹膜防伪  24
    1.4.5 虹膜特征提取及匹配  24-25
  1.5 本论文的章节安排  25-27
第二章虹膜图像采集  27-44
  2.1 引言  27
  2.2 虹膜采集设备  27-35
    2.2.1 图像传感器的选取  27-28
    2.2.2 光学系统的设计  28-34
      2.2.2.1 第一代接触式采集设备  28-31
      2.2.2.2 第二代接触式采集设备  31-32
      2.2.2.3 第三代非接触式采集设备  32-34
    2.2.3 图像传输系统  34-35
  2.3 实验和讨论  35-42
    2.3.1 采集设备样机  35-36
    2.3.2 虹膜库的建立  36-42
      2.3.2.1 第一代虹膜库  37-38
      2.3.2.2 第二代虹膜库  38-40
      2.3.2.3 第三代虹膜库  40-42
    2.3.3 采集设备及虹膜库的标准问题  42
  2.4 本章小结  42-44
第三章虹膜图像质量评价  44-57
  3.1 引言  44
  3.2 相关方法和分析  44-49
    3.2.1 卷积核方法  44-46
    3.2.2 边缘锐度方法  46
    3.2.3 傅立叶频谱分析方法  46-47
    3.2.4 小波包分析方法  47
    3.2.5 其它方法  47-49
  3.3 基于高斯拉普拉斯算子的质量评价方法  49-51
    3.3.1 高斯拉普拉斯算子  49-50
    3.3.2 评价函数  50-51
  3.4 实验分析  51-56
    3.4.1 训练和测试样本库  51
    3.4.2 实验结果  51-52
    3.4.3 与现有方法比较  52-56
      3.4.3.1 分类精度比较  52-55
      3.4.3.2 分类速度比较  55-56
  3.5 本章小结  56-57
第四章虹膜图像预处理  57-80
  4.1 引言  57-58
  4.2 相关工作和分析  58-60
  4.3 虹膜定位  60-66
    4.3.1 瞳孔定位  60-63
      4.3.1.1 粗定位  60-61
      4.3.1.2 二值化  61
      4.3.1.3 边缘检测  61
      4.3.1.4 圆心及半径计算  61-63
    4.3.2 虹膜外圆定位  63-64
    4.3.3 眼睑定位  64-66
      4.3.3.1 最小二乘法  65-66
      4.3.3.2 眼睑检测  66
  4.4 虹膜归一化、增强及去噪  66-69
    4.4.1 虹膜归一化  66-67
    4.4.2 虹膜图像增强  67-68
    4.4.3 虹膜图像去噪  68-69
  4.5 实验和比较  69-79
    4.5.1 虹膜内外圆评价标准的选择  69-72
      4.5.1.1 虹膜库的选择  69-70
      4.5.1.2 标准数据的建立  70-72
    4.5.2 虹膜内外圆定位结果分析  72-74
    4.5.3 虹膜内外圆定位结果与经典方法比较  74-77
      4.5.3.1 定位精度比较  74-76
      4.5.3.2 定位速度比较  76-77
    4.5.4 眼睑定位结果分析  77-79
      4.5.4.1 虹膜库  77-78
      4.5.4.2 定位结果  78-79
  4.6 本章小结  79-80
第五章虹膜防伪  80-99
  5.1 引言  80-81
  5.2 伪虹膜的特性分析  81-88
    5.2.1 虹膜照片  81-82
    5.2.2 纸质打印虹膜  82-84
    5.2.3 隐形眼镜  84-87
    5.2.4 其它  87-88
  5.3 相关算法回顾  88-89
  5.4 基于统计纹理特性及SVM 的彩色隐形眼镜防伪算法  89-98
    5.4.1 预处理  89-90
    5.4.2 特征抽取  90-92
      5.4.2.1 灰度共生矩阵  90-92
      5.4.2.2 特征向量  92
    5.4.3 SVM 分类方法  92-95
      5.4.3.1 SVM  92-94
      5.4.3.2 核函数的选择  94-95
    5.4.4 实验结果与分析  95-98
      5.4.4.1 训练和测试样本库  95
      5.4.4.2 实验结果与比较  95-98
  5.5 本章小结  98-99
第六章虹膜特征提取及匹配  99-111
  6.1 引言  99
  6.2 虹膜特征提取算法回顾和分析  99-102
  6.3 基于对偶树复数小波变换的虹膜特征提取算法  102-104
  6.4 虹膜匹配  104
  6.5 实验和比较  104-110
    6.5.1 虹膜库  104-105
    6.5.2 识别结果  105-106
    6.5.3 相似性度量方法的比较  106-107
    6.5.4 与经典方法比较  107-109
    6.5.5 结论与讨论  109-110
  6.6 本章小结  110-111
第七章总结和展望  111-115
  7.1 总结  111-112
  7.2 展望  112-115
    7.2.1 远距离不停顿的自动对焦虹膜采集设备  113
    7.2.2 大规模虹膜库的建立及虹膜纹理分类  113
    7.2.3 虹膜识别相关标准  113-114
    7.2.4 多模生物特征识别  114-115
参考文献  115-126
攻读博士学位期间完成的论文及专利  126-127
攻读博士学位期间参与科研项目  127-128
致谢  128

相似论文

基于巨磁阻抗效应磁测传感器及地磁匹配算法研究,P318
开关磁阻发电机供电系统仿真分析,TM31
图像拼接技术研究,TP391.41
红外图像匹配技术研究,TP391.41
惊恐障碍患者视觉多特征物理刺激失匹配负波研究,R749.7
惊恐障碍患者听觉信息前注意自动加工的事件相关电位研究,R749.7
一种基于领域本体的语义Web服务匹配和组合方法,TP393.09
基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
基于能力的煤炭企业多元化经营战略研究,F426.21
Web环境下基于语义模式匹配的实体关系提取方法的研究,TP391.1
基于语义的Web服务发现研究,TP393.09
驾驶员眼睛开闭状态计算机图像识别技术开发,TP391.41
概率XML文档中Holistic Twig查询处理算法的研究与实现,TP311.13
单层紧凑型双频RFID天线的研究分析,TN822
分布式视频编码中边信息技术研究,TN919.81
SAR成像目标识别子区选取与匹配方法研究,TN957.52
压缩感知中信号重构算法的研究,TN911.6
基于稀疏分解的医学图像去噪,TP391.41
基于医学图像序列匹配的分割及三维建模研究,TP391.41
基于并联机构的视觉伺服技术,TP391.41
纯电动汽车动力传动系统的设计与整车性能仿真,U469.72