基于快速離散曲線變換的各向異性虹膜識(shí)別 ①

佟鎵名， 李 航， 史慶武， 于家祥

(1.沈陽(yáng)師范大學(xué)軟件學(xué)院，遼寧 沈陽(yáng) 110034；2.佳木斯大學(xué)信息電子技術(shù)學(xué)院，黑龍江 佳木斯 154007)

0 引 言

現(xiàn)在的社會(huì)信息交換的很快，建立一個(gè)人的身份是一項(xiàng)至關(guān)重要的任務(wù)。隨著對(duì)安全性和快速發(fā)展的高度關(guān)注，對(duì)可靠的人員認(rèn)證技術(shù)的需求也在增加。生物識(shí)別技術(shù)被描述為一種基于生理或行為特征來(lái)識(shí)別個(gè)人的科學(xué)，超越了基于令牌或知識(shí)的傳統(tǒng)技術(shù)[1-4]。

這是因?yàn)樯镒R(shí)別技術(shù)可以有效地驗(yàn)證冒名頂替者的身份?；诤缒さ淖R(shí)別由于其獨(dú)特，穩(wěn)定且非侵入性的特性，在各種生物識(shí)別技術(shù)(面部，指紋，手掌靜脈，虹膜等)中，對(duì)于高安全性環(huán)境而言是最有前途的。它是通過(guò)分析虹膜的隨機(jī)圖案并將其與數(shù)據(jù)庫(kù)(DB)中的參考圖案進(jìn)行比較來(lái)識(shí)別個(gè)人的過(guò)程。虹膜是眼睛圖像的瞳孔(黑色部分)和鞏膜(白色部分)之間的環(huán)形部分。虹膜識(shí)別系統(tǒng)的總體框圖如圖1所示。該系統(tǒng)分為注冊(cè)和身份驗(yàn)證模塊。配準(zhǔn)過(guò)程包括虹膜圖像的采集、分割、歸一化、增強(qiáng)和特征提取。這些函數(shù)作為引用存儲(chǔ)在數(shù)據(jù)庫(kù)(DB)中。在識(shí)別(決策)過(guò)程中，測(cè)試虹膜特征與存儲(chǔ)的特征進(jìn)行比較。

識(shí)別準(zhǔn)確度取決于人工情況的存在和虹膜表示的有效性。已經(jīng)觀察到虹膜由許多不規(guī)則的特征(質(zhì)地)組成，這些特征本質(zhì)上是隨機(jī)的。使用傳統(tǒng)變換(例如DWT，雙樹(shù)復(fù)雜小波變換(DT-CWT)，Gabor，DCT等)來(lái)定位此類特征非常困難。本文提出了一種新穎的特征提取技術(shù)使用2D快速離散Curvelet(FDCT)的高度各向異性虹膜功能。通過(guò)分析k-out- n后分類器，選用決策級(jí)別的融合策略，為了降低錯(cuò)誤拒絕(最大限度地減少內(nèi)部類變化)。所提出的技術(shù)在存在偽像的情況下實(shí)現(xiàn)了低錯(cuò)誤率，且具有旋轉(zhuǎn)不變性[5-8]。

1 Curvelet變換

多分辨率方法證明了其在模式識(shí)別中進(jìn)行紋理分析的能力。 DWT和相關(guān)的經(jīng)典多分辨率方法無(wú)法表示隨機(jī)定向的邊緣(直線和曲線)。由于Gabor濾波器的多方向方法，因此在模式識(shí)別方面比DWT更好。但是，由于Gabor濾波器中光譜信息的丟失，它們無(wú)法有效地表示圖像。而且，幾乎所有的傳統(tǒng)方向小波變換(包括Gabor)都在所有尺度上提供固定方向。為了獲得光譜信息的完整覆蓋，以捕獲與比例有關(guān)的多個(gè)方向(圖案的任意局部方向)和高度各向異性的特征，提出了Curvelet變換。 Curvelet變換用于有效表示圖像中的邊緣和線條不連續(xù)性[9,10]。

圖1 虹膜識(shí)別框圖

(1)

因此，二維離散曲波系數(shù)定義為：

(2)

2 本文提出的虹膜識(shí)別方法

基于2D-FDCT計(jì)算出來(lái)新的方向虹膜紋理特征，它將歸一化的虹膜圖像分為六個(gè)子圖像。 Curvelet變換分別應(yīng)用于每個(gè)塊(子圖像)。使用這些Curvelet系數(shù)的方向能量得出每個(gè)子圖像的FV。在驗(yàn)證期間，在兩個(gè)虹膜圖像之間獲得了六個(gè)歐幾里得距離。使用后分類器將這六個(gè)距離得分融合，以減少錯(cuò)誤率。

2.1 使用2D-FDCT提取虹膜特征

眼睛圖像需經(jīng)過(guò)預(yù)處理并從中提取虹膜特征。預(yù)處理涉及虹膜圖像的定位，標(biāo)準(zhǔn)化和增強(qiáng)。在本文中，虹膜使用Daugman的積分微分算子進(jìn)行了局部化，并通過(guò)Daugman的膠板模型進(jìn)行了歸一化。歸一化的虹膜圖像使用背景減除法得到增強(qiáng)。預(yù)處理步驟如圖2所示。

本文建議通過(guò)包裝使用2D- FDCT來(lái)提取重要的各向異性虹膜特征以進(jìn)行識(shí)別。已經(jīng)觀察到，虹膜偽影的最常見(jiàn)類型(虹膜阻塞和反射)分別局限在垂直和水平虹膜極限處。從自然和人工照明環(huán)境出現(xiàn)的反射大部分位于虹膜的外部和內(nèi)部。為了使偽影在虹膜識(shí)別中的影響最小化，將歸一化的虹膜圖像劃分為六個(gè)子區(qū)域，在這六個(gè)區(qū)域的每一個(gè)上使用Curvelet變換來(lái)提取虹膜特征。從(2)(使用離散形式)獲得不同尺度和方向的曲線波系數(shù)c(j，l，k)。

圖2 a原始眼圖像；b分割虹膜圖像；

由于能量是識(shí)別圖案的重要特征(通常在文獻(xiàn)中用于表示紋理)，根據(jù)L1范數(shù)從每個(gè)曲線波子帶計(jì)算歸一化方向能量，以形成FV。

(3)

其中Em是曲率系數(shù)cm(p,q)的第m個(gè)子帶的能量，維數(shù)為M×N。各向異性特征是針對(duì)每個(gè)尺度和方向得出的。

其中S是Curvelet子帶的總數(shù)。這些FV作為參考存儲(chǔ)在數(shù)據(jù)庫(kù)中(注冊(cè)過(guò)程)。根據(jù)測(cè)試虹膜FV與數(shù)據(jù)庫(kù)(訓(xùn)練圖像)之間的最小歐氏距離(ED)對(duì)測(cè)試虹膜圖案進(jìn)行分類。ED計(jì)算為：

(4)

其中S是FV的維數(shù)。Xi是測(cè)試FV的第i個(gè)組成部分，Yi是已注冊(cè)FV的第i個(gè)組成部分。

以下步驟詳細(xì)描述了特征提取算法：

1.使用積分微分算子對(duì)虹膜圖像進(jìn)行分割。

2.使用Daugman的橡皮片模型對(duì)分割后的虹膜進(jìn)行標(biāo)準(zhǔn)化。

3.背景扣除法用于增強(qiáng)歸一化虹膜圖像。

4.此增強(qiáng)的歸一化圖像分為六個(gè)子區(qū)域。

5.通過(guò)包裝的2D-FDCT在這六個(gè)子區(qū)域中的每一個(gè)上分別使用，以提取虹膜特征。

6.通過(guò)估計(jì)每個(gè)子區(qū)域的Curvelet子帶的方向能量，得出六個(gè)FV。

2.2 基于后分類器k-out-of-n的虹膜識(shí)別

虹膜識(shí)別算法已成功實(shí)現(xiàn)了較低的錯(cuò)誤接受率(FAR)。但是，降低錯(cuò)誤拒絕率(FRR)仍然是主要挑戰(zhàn)。 FRR需要減少以使虹膜識(shí)別算法更健壯。提議的后分類器直接在接收器操作特性(ROC)上工作。 ROC是測(cè)試和已注冊(cè)FV之間距離得分的間接表示。 ROC是通過(guò)更改距離得分的閾值獲得的。等錯(cuò)誤率(EER)是通常的最佳工作點(diǎn)(FAR = FRR)，它指示距離得分的閾值。從n虹膜區(qū)域獲得的多個(gè)ROC由后分類器融合，以提高性能。在這項(xiàng)工作中，虹膜識(shí)別的性能是通過(guò)測(cè)量拒絕真實(shí)用戶(FRR)，接受冒名頂替者用戶給定閾值(FAR)，計(jì)算識(shí)別準(zhǔn)確度和計(jì)算復(fù)雜度所產(chǎn)生的錯(cuò)誤來(lái)評(píng)估的。下面介紹一下k-out-of-n后分類器。

在此規(guī)則中，融合后的FRR表示為：

(5)

融合后的FAR表示為：

(6)

因?yàn)閚的大小可以靈活調(diào)節(jié)，因此定義為k-out-n后分類器。

3 實(shí)驗(yàn)結(jié)果

本節(jié)介紹了使用UBIRIS，MMU1和CASIA-Iris V2數(shù)據(jù)庫(kù)對(duì)提出方法進(jìn)行實(shí)驗(yàn)評(píng)估。所提出方法的性能已與其他三個(gè)虹膜識(shí)別算法進(jìn)行了比較，包括特征加權(quán)融合FWF[11]，HLG[12]，WBP[13]。

表1 UBIRIS，MMU1和CASIA-Iris V2.0數(shù)據(jù)庫(kù)上不同虹膜算法的識(shí)別準(zhǔn)確性和錯(cuò)誤率

使用整數(shù)微分運(yùn)算符將UBIRIS，MMU1和CASIA Iris V2.0數(shù)據(jù)庫(kù)的圖像中的虹膜區(qū)域分開(kāi)。每個(gè)分割的環(huán)形虹膜區(qū)域均被標(biāo)準(zhǔn)化為固定大小為64×360的矩形區(qū)域。在本文中，為了測(cè)試在存在偽影的情況下所提出方法的魯棒性，沒(méi)有使用任何預(yù)處理技術(shù)來(lái)隔離偽影和虹膜識(shí)別過(guò)程中的睫毛，反射，縮放和平移效果分別在歸一化和分割中刪除。通過(guò)將虹膜環(huán)轉(zhuǎn)換為尺寸為64×360的矩形固定塊(具有五個(gè)初始角度-10°，-5°，0°，5°，10°)來(lái)實(shí)現(xiàn)旋轉(zhuǎn)不變性。注冊(cè)過(guò)程對(duì)每個(gè)對(duì)象使用了兩個(gè)虹膜圖像。因此，每個(gè)人的注冊(cè)圖像總數(shù)為10。對(duì)于測(cè)試，每類使用剩余的三個(gè)虹膜圖像。在任何情況下，培訓(xùn)和測(cè)試數(shù)據(jù)庫(kù)中的圖像都不能重疊。歸一化的虹膜圖像分為六個(gè)區(qū)域，以最大程度地減少類內(nèi)差異的影響，并產(chǎn)生更多方向性的虹膜信息以進(jìn)行識(shí)別。 FDCT應(yīng)用于每個(gè)區(qū)域以計(jì)算FV。因此，得出每個(gè)虹膜圖像的總共六個(gè)FV。虹膜識(shí)別過(guò)程中出現(xiàn)的偽影(眼瞼和睫毛的遮擋，不準(zhǔn)確的定位，反射，照明變化，運(yùn)動(dòng)模糊等)會(huì)導(dǎo)致準(zhǔn)確性降低。為了在存在偽影k-out-n的情況下提高性能(降低FRR)：在這六個(gè)FV上提出了后分類器。

在訓(xùn)練過(guò)程中，從類間和類內(nèi)比較(對(duì)應(yīng)于六個(gè)子區(qū)域)中獲得了六個(gè)獨(dú)立的ROC集。使用(7)和(9)將這些ROC組合在一起，以得到單個(gè)ROC。根據(jù)此ROC，最佳工作點(diǎn)由FAR和FRR的可能組合決定。使用此最佳工作點(diǎn)可獲得相應(yīng)區(qū)域的閾值。

在下一個(gè)實(shí)驗(yàn)中，將測(cè)試后分類器的性能。在此實(shí)驗(yàn)中，使用特征級(jí)融合(六個(gè)FV的串聯(lián))來(lái)創(chuàng)建s單個(gè)FV進(jìn)行比較。因此，每個(gè)人總共注冊(cè)了10個(gè)FV。在驗(yàn)證模式下，重復(fù)相同的過(guò)程以計(jì)算測(cè)試光圈FV。根據(jù)最小距離(最接近的鄰居分類器)，將此測(cè)試FV與使用ED的人的10個(gè)已注冊(cè)FV進(jìn)行比較，以驗(yàn)證該人。通過(guò)該過(guò)程，獲得了類內(nèi)和類內(nèi)ED，以估計(jì)所有三個(gè)數(shù)據(jù)庫(kù)的FAR和FRR。表1列出了所提出方法的錯(cuò)誤率。可以看出，k-out-of-n后分類器提高了所提出方法的識(shí)別性能。在表2中?？梢钥闯?，進(jìn)行身份驗(yàn)證所需的時(shí)間。

表2 不同算法的平均計(jì)算時(shí)間

4 結(jié) 論

本文提出了一種新穎的虹膜識(shí)別系統(tǒng)，該系統(tǒng)基于快速離散曲率變換和可變形的k-out-of-n融合后分類器。 FDCT提取各向異性特征，并在每個(gè)尺度上提供更多方向信息。所提出的方法是旋轉(zhuǎn)不變的。提取出的虹膜也不會(huì)被異?；澐譃榱鶄€(gè)子圖像。使用FDCT從這六個(gè)子區(qū)域中得出各向異性FV。從這些區(qū)域獲得的ED用于做出最終決定。通過(guò)使用k-out-of-n融合這六個(gè)距離來(lái)獲得最終決定：通過(guò)減少FRR來(lái)提高性能的規(guī)則。實(shí)驗(yàn)結(jié)果表明，在非理想的環(huán)境條件下(存在嚴(yán)重的眼瞼，睫毛，不準(zhǔn)確的定位，照明變化，反射，模糊等)，該方案的性能得到了提高。