一种SIFT虹膜匹配算法

! 第 "# 卷第 $ 期 ! *+,- 年 # 月
郑 州 大 学 学 报! 理 学 版" . / 0 12 34 5 1& 6 7 38 9 / !) : ; / <= 8 / > ?/ "
% & ’ ( "# ) & ( $ <2 @(*+,-!
一种 1 * L !虹膜匹配 算法
张 ! 震 ! ! 邵星星
虹膜 内外 边 界 并 不是 真 正 的 同 心圆 $ 但 二 者 圆心 距 离 很 近 $ 可 根据 定 位 出 来 的 内 边 界 的 圆心 参 数 ! 1 $ 8 332 S D " $在 ! 1 *( C $D *( C " 范围 内 搜索 外 边 界 的 圆心 并 确定 其 圆心 / 8 332 S 8 332 Sq 8 332 Sq 利用 微 积 分 算 子 的 离 散 形 式来 进行 圆 的 检 测 ( C ) $ 其 离 散 形 式 为 E : W ! ;# 7 $1 + $D +" , +< "2F !1 $D ", 5 "! 7 2 7 # M = !1 $D " 2F
$ 2 *! " 槡
#
,
!7 $ 7 +" * * *"
是 高 斯 型 光 滑 函数 & # 为沿着圆弧分 ’
,A
郑 州 大 学 学 报 ! 理 学 版 "
第 "# 卷
/,1 * L !算法
/K -,1 * L !算法简介 <U M K算 法是在 多 尺 度 空间提取 位 置 % 尺 度 及 旋 转 不 变 量等特征 点 的 过 程
! 郑州 大学 电气 工 程 学院 ! 河 南 郑州 "C+++, "
摘要 ! 尺 度 不 变 特 征 变 换 ! J = : ’ 28 39 : S 8 : 3; ] 2 : ; 6S 2; S : 3J ] & S E $ <U M K " 算 法 是 目 前 图 像 研 究 领 域 的 热 点 $它 具 有 良 好 的 尺 度 %旋 转 %光 照 %噪 声 等 不 变 特 性 / 在 特 征 提 取 方 法 上 $ 利 用 <U M K算 法 提 取 虹 膜 纹 理 的 特 征 向 量 $ 由 于 提 取 出 来 的 虹 膜 特 征 向 量 是 ,*D 维 $ 占 用 内 存 空 间 大 $ 因 此 提 出 用 f : S S 8 J 角 点 对 初 始 特 征 点 进 行 筛 选 $选 择 高 对 比 度 的 点 作 为 最 终 的 虹 膜 特 征 向 量 &在 匹 配 方 法 上 $使 用 街 区 距 离 进 行 虹 膜 图 像 特 征 匹 配 $进 一 步 提 高 虹 膜 图 像 匹 配 的 速 度/ 实 验 结 果 表 明 $ 改 进 的 算 法 在 保 持 鲁 棒 性 的 同 时 $ 提 高 了 <U M K特 征 匹 配 效 率 $ 能 够 为 一 些 快 速 应 用 提 供 保障/ 关键词 ! <U M K算 法 & f : S S 8 J 角 点 & 特征 提取 & 街区 距 离 中图分类号 ! K T $#,!!!!! 文献标志码 ! N !!!!! 文章编号 ! ,A-,B AD", ! *+,- " +$B ++,"B +A ) &* ! ,+( ,$-+C O P / 8 J J 3/ ,A-,B AD",( *+,A*C*
., 虹膜 图 像 预 处 理
一 般 情况 下 $ 采 集 到 的 虹膜 图 像 中 不 仅 有 虹膜 $ 还 包 括 睫毛 % 眼 睑 % 瞳 孔 及 巩 膜 等 $ 如 图 * 所 示 / 因 此$需 要 将 虹膜 从 图 像 中 定 位 出 来 /
!! 收稿日期 !*+,AB +#B *!! 基金项目 ! 河 南 省 科技 攻 关 项目 ! ,C*,+**,++$* " / !! 作者简介 ! 张 震 ! ,#AA #" $ 男 $ 河 南 郑 州 人 $ 教 授 $ 主 要 从 事 图 像 处 理 与 模 式 识 别 研 究 $ > B E : 8 ’ ’5 1: 34 5 12 3AA F,*A/ = & E &通 信 作 者’邵 星 星 ! ,##+ #" $ 女 $ 河 南 新 乡 人 $ 主要从事 图 像 处 理 与 模 式 识 别 研究 $ > B E : 8 ’ ’"C$"D,,D$FGG/ = & E /
( A [- )
/ 该 算 法 可以提取 到 多 尺 度 % 旋 转 不 变 性 且 对 光 照 变 化 不 受 影 响 M N, U S 8 J8 E : 4 2: ] ; 2 S ’ & = : ; 8 & 3
特征向量 $ <U M K算 法特征 提取 分 为 C 个 步 骤 ( D [,+ ) ’ , " 生 成 尺 度 空间 / 生 成 尺 度 空间 是 为 了 描 述 图 像 的 多 尺 度 特 征 $ 二 维 图 像 的 尺 度 空间 为 J ! 1 $D $" " #< !1 $D $" " %F !1 $D " $ 其中’ < !1 $D $" " 表
-, 虹膜 图 像 的 获取
虹膜识 别 算 法 能 够 在 高 质量 的 图 像 中提取 到 足 够 多 的 虹膜 特征 $ 使 得在 模 式 匹 配阶段 有 较高 的 识 别 率 $ 所 以 虹膜 图 像 的 采 集 一 定 程度 上 决 定了 虹膜识 别 率 / 但是 由 于 虹膜 本 身 的 面 积 较 小 $ 直 径 约 为 ** E E $在 图 像 采 集 过程 中易 受 到 各 种 因 素 的 干扰 $ 使 采 集 到 的 虹 膜 图 像 有 眼 皮 遮 盖 % 偏 移 % 光 斑 % 旋 转 及 睫 毛 干 扰 等 现 象 $ 进 而 影响 虹膜 特征 提取 $ 降 低 虹膜 的 识 别 率 $ 所 以 虹膜 图 像 采 集 技术 是 虹膜识 别 的 关 键 技术 之 一 / 由于虹 膜 采 集 的 环境 要 求 高以 及 设 备 的 复 杂 性 $ 本 文 只 对 虹膜识 别 的算 法 进行研究 /
图 0, 二值化和膨胀腐蚀后 的虹膜图 像 图 /, 虹膜图 像 的 灰 度 直 方图 L % BM /, R S : b18 J ; & 4 S : E& ] 8 S 8 J8 E : 4 2 L % BM 0, H 8 3: S 8 5 : ; 8 & 3 & ] 8 S 8 J8 E : 4 2: ] ; 2 S 2 W @: 3J 8 & 3 : 3? = & S S & J 8 & 3
+, 引言
虹膜识 别 是 指 利用人 眼虹膜区 域 进行 身 份 鉴 别 的技术 / 虹膜 因 其 可采 集 性 % 稳 定 性 % 唯 一 性 及 非 侵 犯 性 等 优 点 逐 步 受 到 人 们 的 重 视 $ 已发展 成 为主 流 的 生 物 特征 识 别 手 段 / 它 以 快 速 的 识 别 率%简 单 的 算 法 和 极 低 的 错误识 别 率 逐渐 应 用 到 如 电 子商 务 % 身 份识 别 % 考 勤 % 数 据 加 密 等 一 些领域 / 传统 经典的 虹膜识 别 方法 主要 有 ’Z : 64 E : 3 提出 的 基于 R : c& S 滤 波 的 方法 $ 从定 位 出 的 虹膜 图 像 中提取 虹膜纹 理相 位 信 息 进行 编 码 $ 进 而 通过 f : E E 8 34 距 离 进行 匹 配 的 虹膜识 别 算 法 ( , ) & H & ’ 2 J 提出 了 基于 小波 变 换 过 零点 的算 法 $ 提取 虹膜 图 像 过 零点 的 点 作为 特征向量 $ 使 用相 似 度 进行 匹 配 ( * ) & ‘8 ’ ?2 J 等 采 用 高 斯B 拉普拉斯金字塔获得不同分辨率的虹 膜纹 理 图 $ 根据 相 关 系数 进行 匹 配 ( $ ) / 本 文 采 用的 虹膜识 别 算 法是基于 改进的 <U M K算 法 $ 提取 虹膜区 域 的 纹 理 特征 $ 利用 街区 距 离 进行 匹 配 $ 实 验 结 果 表明 该 算 法在 保 持 原 算 法 鲁棒 性 的 同时 $ 提高 了 匹 配 的 速 度 / 本 文 虹膜 算 法 系统 框 图 如 图 , 所示 /
*& *" D , $! 1 示 尺 度 可 变的 高 斯 函数 $ < !1 $D $" " # 2 * "* & F !1 $D " 是 输 入 的 图 像 & % 为卷 积 & "为 尺 度 空间 因 子 $ 值 *! "
越 大 表 示 图 像 被 平 滑 的 越 多 $ 图 像 越 模 糊 $ 尺 度 也 就 越 大 $ 当 " 连 续 变 化 时 $ J! 1 $D $" " 构成图像的尺度 空间 / 实 验 中 需 要 在 图 像 二 维 空间以 及 高 斯 差 分 函数中提取 相 同 的局 部极 值 点 $ 以 确 保 得 到 的 是 稳 定 且 与 尺 度无 关 的 关 键 点 / V & d 2 利用 多 尺 度 高 斯 差 分 核 与 图 像 的卷 积 $ 得到 高 斯 差 分 尺 度 空间 !1 $D $" " #! < !1 $D $M " $< !1 $D $" " " %F !1 $D " #J ! 1 $D $M " $J ! 1 $D $" "$ " " 其中’ !1 $D $" " 为差分金字塔& M 为 常数 因 子 / * " 检 测 极 值 点 /在 Z L R中 检 测 极 值 点 时 $ 将 待检 测 点与 和 它 同尺 度 的 D 个 邻域 点 $ 以 及 上 下 相 邻 尺 度 的*r #l ,D 个 $ 共 *A 个 领域 点 进行 比 较 $ 以 确保 在 尺 度 空间 和 二 维 图 像 空 间 都 检 测 到 极 值 点 / 如果一个点 在Z L R尺 度 空间本 层 及 上 下 两 层 的 *A 个 领域 内是 最 大 值 或 最 小 值 时 $ 就 认 为 该 点 是 图 像 在 该 尺 度 下 的 一 个候选点/ 假设 高 斯 金 字 塔 每 组 有 ; 层 $ 则 它 构 建 的 Z L R金 字 塔 每 组层 数应该 是 ; [ , $而 Z L R的 搜索 特征 点 的 过 程是 从 每 组 的第 * 层 到 倒 数 第 * 层 $ 因此 实 际 搜索 的 层 数应该 是 ; [ $/ !1 $D $" " 的 泰勒 二 次 展 开 式 $ 进行 最 小 二 乘 $ " 精确定 位极 值 点 /确定 候 选 点之 后 $ 利用 尺 度 空间函数 拟合 来 确定 图 像 关 键 点 的精确 位 置 和 尺 度 $ 同时 去除 低 对 比 度 点 和 边缘 点 $ 以 增 强 匹 配 稳 定 性 / 关键点处的 拟合 泰勒 二 次 展 开 式 为