摘 要： 虹膜識(shí)別系統(tǒng)中，虹膜圖像質(zhì)量的好壞直接影響識(shí)別的精度。針對(duì)虹膜采集過(guò)程，提出一種全面的虹膜質(zhì)量評(píng)估方法，利用直方圖對(duì)虹膜圖像進(jìn)行總體評(píng)估、對(duì)瞳孔定位；利用瞳孔圓心與亮斑重心之間的距離判斷亮斑的位置與瞳孔的偏離度；利用總有界變差對(duì)虹膜感興趣區(qū)域進(jìn)行清晰度的判斷；利用直線擬合法定位眼瞼并對(duì)虹膜有效區(qū)域進(jìn)行判斷。實(shí)驗(yàn)證明，本文提出的方法切實(shí)可行。
關(guān)鍵詞： 虹膜識(shí)別；質(zhì)量評(píng)估；總有界變差；直線擬合
在各種不同的生物識(shí)別技術(shù)中，虹膜識(shí)別比其他的生物識(shí)別擁有更多的優(yōu)良特性：唯一性、穩(wěn)定性、良好的防偽性、非侵犯性[1]。傳統(tǒng)虹膜識(shí)別系統(tǒng)主要包括虹膜采集、預(yù)處理、特征提取和特征匹配。但是虹膜識(shí)別系統(tǒng)采集的虹膜圖像并不是都符合識(shí)別的要求，其中有很多圖像存在著模糊、反光點(diǎn)干擾、虹膜有效區(qū)域過(guò)小等影響，降低了虹膜圖像識(shí)別的精度。所以在對(duì)虹膜圖像預(yù)處理前對(duì)虹膜圖像進(jìn)行質(zhì)量評(píng)估顯得尤為重要[2]。本文在對(duì)現(xiàn)有的虹膜圖像質(zhì)量評(píng)估算法分析研究基礎(chǔ)上，結(jié)合虹膜采集系統(tǒng)的實(shí)際情況，提出一種比較全面的虹膜質(zhì)量評(píng)估方法。
1 總體評(píng)估
本文采集到的虹膜圖像大小為480×640像素的8位灰度圖像。在采集過(guò)程中由于被采集者的移動(dòng)往往使得采集到的虹膜圖像在質(zhì)量上存在很大的缺陷，如圖1所示。所以在虹膜圖像進(jìn)行定位前須對(duì)圖像進(jìn)行總體的評(píng)價(jià)，剔除一些不合要求的圖像，以保證虹膜定位的準(zhǔn)確性，節(jié)省采集過(guò)程所需時(shí)間。
一個(gè)合適的虹膜圖像其直方圖的分布有規(guī)律性[3]，如圖2為一虹膜圖像和其灰度直方圖。由圖可以發(fā)現(xiàn)，直方圖有三個(gè)比較明顯的峰值，分別對(duì)應(yīng)瞳孔區(qū)域(NP)、虹膜區(qū)域(NI)和鞏膜與皮膚區(qū)域(No)，其中，NP為灰度值<45的所有像素點(diǎn)，NI為灰度值在45~120之間的所有像素點(diǎn)，NO為灰度值>120的所有像素點(diǎn)。評(píng)估參數(shù)計(jì)算如下：
式中Q1、Q2為定義的兩個(gè)評(píng)估參數(shù)，Q1越小證明虹膜的可見度愈小，但是如果Q1過(guò)大也有可能是瞳孔被遮擋，所以對(duì)Q1選擇兩個(gè)門限，即符合要求的虹膜圖像應(yīng)滿足T1<Q1<T2，而對(duì)Q2設(shè)定門限為Q2>T3。T1、T2、T3是通過(guò)實(shí)驗(yàn)得到的閾值。
式中，(x，y)為瞳孔的圓心。D越小證明亮斑越靠近瞳孔圓心，偏離度越??；反之，越遠(yuǎn)離瞳孔圓心，其偏離度越大。因此設(shè)定一閾值Td，規(guī)定D大于此閾值的圖像為不合格。光源點(diǎn)的檢測(cè)結(jié)果如圖5所示。
從檢測(cè)結(jié)果可以發(fā)現(xiàn)，圖5(a)、(b)兩幅圖像的亮斑與瞳孔圓心距離小，偏離度也小，符合要求。圖5(c)中的亮斑與瞳孔圓心距離遠(yuǎn)，虹膜偏離度也比較大，部分亮斑在虹膜的區(qū)域上，破壞了虹膜的紋理，是不合格的圖像。
2.3 圖像清晰度判斷
在虹膜采集的過(guò)程中，由于移動(dòng)或離焦都會(huì)使虹膜圖像變得模糊，虹膜圖像清晰與否直接影響到整個(gè)虹膜識(shí)別過(guò)程，清晰的圖像可以有效地降低誤判率。目前虹膜圖像清晰度的評(píng)估方法主要有三種：空域分析法、頻域分析法[5]、小波分析法[6]。其中，頻域分析法計(jì)算量大，不能滿足實(shí)時(shí)處理的要求，而空域分析法則運(yùn)算速度快，可以滿足實(shí)時(shí)處理要求。
本文利用圖像的總有界變差[7]判斷虹膜圖像的清晰度。數(shù)字圖像的總有界變差即圖像f(x，y)在x、y方向的變化率之和，可表示為：
通過(guò)對(duì)ROI區(qū)域的總有界變差的計(jì)算，選擇合適的閾值，規(guī)定總有界變差大于此閾值的虹膜圖像為清晰圖像。
2.4 虹膜有效區(qū)域的判斷
在整個(gè)眼部圖像中，眼皮對(duì)虹膜部分的遮擋情況會(huì)經(jīng)常出現(xiàn)，如果眼皮對(duì)虹膜部分遮擋嚴(yán)重將會(huì)影響到識(shí)別的精度。目前關(guān)于上下眼瞼的檢測(cè)大部分都是采用二次曲線的擬合進(jìn)行檢測(cè)。這種方法可以比較準(zhǔn)確地定位眼瞼部分，但是算法難度相對(duì)較大，運(yùn)算速度慢。針對(duì)這種情況，本文在一定的精度下采用近似直線擬合的方法對(duì)眼瞼進(jìn)行檢測(cè)。一般情況下，下眼皮對(duì)虹膜部分的影響較小，所以本文主要針對(duì)上眼皮的遮擋進(jìn)行上眼瞼的檢測(cè)。
檢驗(yàn)出上眼瞼后就可以求出眼瞼下方虹膜區(qū)域的面積，根據(jù)面積的大小可以判定眼皮對(duì)虹膜部分的遮檔情況。為了節(jié)省時(shí)間，本文在瞳孔的上部選擇了一個(gè)64×64大小的ROI區(qū)域，然后在ROI區(qū)域中進(jìn)行上眼瞼檢測(cè)。主要步驟如下：
本文在總結(jié)了當(dāng)前主流虹膜質(zhì)量評(píng)估算法的基礎(chǔ)上，從實(shí)時(shí)性出發(fā)，分別從總體與細(xì)節(jié)兩方面對(duì)虹膜圖像進(jìn)行質(zhì)量評(píng)估。在細(xì)節(jié)評(píng)估方面提出了一些新的方法，相比目前的一些主流評(píng)估方法更全面、更快速。通過(guò)對(duì)大量的虹膜圖像進(jìn)行評(píng)估表明，本文的算法與主觀評(píng)估相一致。
參考文獻(xiàn)
[1] 王蘊(yùn)紅，朱勇，譚鐵牛.基于虹膜識(shí)別的身份鑒別[J].自動(dòng)化學(xué)報(bào)，2002，28(1)：1-10.
[2] XING L， SHI P F. A quality evaluation method of iris images[J]. Chinese Jorunal of Stereology and Images Analysis， 2003，8(2).
[3] 馬爭(zhēng)，駱麗.實(shí)時(shí)虹膜圖像質(zhì)量評(píng)估的研究[J].儀器儀表學(xué)報(bào)，2008(4)：144-148.
[4] 邢磊，施鵬飛.虹膜圖像的質(zhì)量評(píng)估方法[J].中國(guó)體視學(xué)報(bào)與圖像分析，2005，8(2)：108-113.
[5] Li Ma， Tan Tieniu， Wang Yunhong， et al. Personal identification based on iris texture analysis[J]. Transaction On Pattern Analysis And Machine Intelligence， 2003，25(12).
[6] 陳戟，胡廣書，徐進(jìn).基于小波包分解的虹膜圖像質(zhì)量評(píng)級(jí)算法[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2003(3)：377-380.
[7] Cheng Xiaogang， Chen Qimei， Liu Guoqing. The relation between total bounded variation and image definition detection[J]. Journal of Beijing University of Posts and Telecommunications， 2009(9)：120-122.