基于FPGA的混沌加密虹膜識(shí)別系統(tǒng)設(shè)計(jì)(二)

　　7.1.3 虹膜外邊緣的確定

　　(1) 虹膜外邊緣的特征分析

　　由圖1中所示的虹膜圖像可以看出，虹膜外邊緣的主要特點(diǎn)是：較相對(duì)與虹膜內(nèi)邊緣而言，邊緣處灰度變化不是特別明顯，有一小段漸變的區(qū)域。也就是說，虹膜內(nèi)部灰度趨近于一致這個(gè)事實(shí)，在參考文獻(xiàn)[8]中，介紹的環(huán)量積分算子應(yīng)該式是一種有效的方法。

　　即：

?

　　(7-10)

　　(2) 采用環(huán)量積分算子實(shí)現(xiàn)虹膜外邊緣的檢測(cè)

　　如上分析，虹膜環(huán)量積分算子是檢測(cè)虹膜外邊緣的一種有效手段，為了克服虹膜紋理對(duì)環(huán)量線積分的影響，本文對(duì)式(7-1)作了如下改進(jìn)，將環(huán)量線積分

　　改變?yōu)榍?/p>

?

　　的圓環(huán)狀區(qū)域的面積分。即：

?

　　(7-11)

　　各符號(hào)的意義與(7-1)相同，為了便于計(jì)算，將其離散化可得:

?

　　(7-12)

　　式中

?

　　分別為t，

?

　　增長的步長，n，k，l，m分別為求卷積時(shí)高斯函數(shù)的中心、圓環(huán)中心、圓環(huán)的寬度、旋轉(zhuǎn)角度等參數(shù)的增量。顯而易見，式(7-12)和式(7-11)并不完全等價(jià)，式(7-11)中積分號(hào)內(nèi)的部分的意義為積分區(qū)域內(nèi)各個(gè)點(diǎn)的灰度的平均值，式(7-12)計(jì)算的是積分區(qū)域各個(gè)點(diǎn)灰度的總和，但由于(7-12)中角度

?

　　的步長

?

　　和圓環(huán)寬度t 的步長

?

　　以及圓環(huán)的寬度t 都是固定的，也就是說，對(duì)應(yīng)不同的的圓環(huán)，從其中提取的計(jì)算環(huán)量積分的點(diǎn)的個(gè)數(shù)都是固定的，因而兩者只相差一個(gè)比例常數(shù)，并不影響判斷。注意，由式(7-1)到式(7-11)的改進(jìn)過程中用到了卷積的性質(zhì)：

?

　　(7-13)

　　如果使用式(7-12)在整個(gè)圖像空間中搜索，則系統(tǒng)開銷過大，本文將充分利用已經(jīng)求得的瞳孔中心的位置參量，設(shè)定虹膜外邊緣的圓心與瞳孔中心相差5 各像素，從而將在整個(gè)區(qū)域內(nèi)的搜索簡化為在5×5 的矩形區(qū)域內(nèi)的搜索，大大減少了算法的時(shí)間復(fù)雜度。考慮到虹膜圖像的上部和下部易于受到眼皮和睫毛的干擾，在計(jì)算環(huán)量積分時(shí)，

?

　　取值限定在

?

　　的范圍內(nèi)。

　　為了進(jìn)一步減少系統(tǒng)搜索的開銷，本文采用一種由粗到精的取點(diǎn)與計(jì)算方法，設(shè)點(diǎn)

?

　　為搜索點(diǎn)，以t 為半徑增量，依次計(jì)算式(7-11)所示的環(huán)量面積分算子，在搜索空間內(nèi)求得通過環(huán)量面積分的的最大值初步確定圓心和半徑

?

　　之后，再以

?

　　為圓心，在

?

　　區(qū)域內(nèi)使用式(7-1)精確搜索，以確定圓的精確大小。

　　7.2 虹膜圖像的展開

　　為了便于對(duì)虹膜圖片分析，一般的系統(tǒng)中都要將其展開成矩形。

　　我們采用內(nèi)圓圓心為中心，以虹膜的寬度為半徑建立極坐標(biāo)系，將虹膜在極坐標(biāo)系(ρ，θ)下展開成為橫坐標(biāo)為θ，縱坐標(biāo)為ρ的720*50 的矩形區(qū)域，展開的過程中，必然會(huì)出現(xiàn)新的圖像中某些點(diǎn)無法與原圖像中的點(diǎn)進(jìn)行匹配的情況，通常情況下應(yīng)進(jìn)行插值處理，一般情況下，插值有以下幾種方法：(1)0級(jí)內(nèi)插法，即將該點(diǎn)周圍四個(gè)鄰點(diǎn)中離它最近的一個(gè)點(diǎn)的像素的灰度級(jí)做為它的灰度級(jí)。(2)1 級(jí)內(nèi)插法，亦稱雙線性內(nèi)插法，是根據(jù)周圍四個(gè)點(diǎn)的灰度在兩個(gè)方向上進(jìn)行線性內(nèi)插，從而對(duì)原圖像中不存在的點(diǎn)計(jì)算出其近似值而不是用其鄰近點(diǎn)的像素來代替。(3)三次卷積法，是利用多項(xiàng)式來逼近理論上的最佳插值函數(shù)

?

　　的方法。由于0 級(jí)插值法缺乏一定的精度，而三次卷積法又計(jì)算量過大，本文中采取雙線性內(nèi)插法。使用極坐標(biāo)的優(yōu)點(diǎn)是：眼睛旋轉(zhuǎn)的變化，可以轉(zhuǎn)變?yōu)棣确较虻钠揭啤?/p>

　　7.3 虹膜圖像的二值化

　　如上文所述，虹膜表面有許多斑點(diǎn)、凹陷區(qū)和皺紋組成，這些特征形成與遺傳和胚胎發(fā)育過程，含有豐富的信息。而且終生不變，從這些信息中可以用不同角度用不同的方法提取出用于區(qū)分不同虹膜的特征，進(jìn)而進(jìn)行身份識(shí)別。

　　本文采用虹膜圖像的結(jié)構(gòu)特征分析方法進(jìn)行虹膜識(shí)別。結(jié)構(gòu)特征通常包括控制點(diǎn)，角，線段等等，結(jié)構(gòu)特征具有直觀性好、穩(wěn)定性高、抗噪聲能力強(qiáng)、編碼效率高等優(yōu)點(diǎn)。利用結(jié)構(gòu)特征進(jìn)行編碼可以方便地解決虹膜圖像殘缺問題和局部編碼的區(qū)域劃分誤差。由于結(jié)構(gòu)特征的直觀性，便于形成統(tǒng)一的數(shù)據(jù)格式，有利于應(yīng)用的推廣。在灰度圖中，虹膜區(qū)域的紋理特征表現(xiàn)為虹膜區(qū)域內(nèi)的灰度變化，記錄這些灰度變化，對(duì)圖像進(jìn)行二值化處理，將圖像背景和灰度急劇變化的區(qū)域分開，可以作為虹膜識(shí)別的依據(jù)，下面就探討虹膜圖像二值化的方法。

　　7.3.1 虹膜圖像二值化方法探討

　　從直觀來看，提取圖像灰度變化的方法只需設(shè)定一定的閾值就提取其變換的信息，但是這種方法在提取灰度變化信息時(shí)卻有一定的局限性。如圖9所示為一圖像的截面圖。橫坐標(biāo)表示截面的伸展方向，縱坐標(biāo)表示對(duì)應(yīng)點(diǎn)的灰度，若取閾值為A，則BC的之間的灰度變化體現(xiàn)不出來，同理，若取閾值為C，則無法體現(xiàn)AB之間的閾值變化。

　　7.3.2 邊緣檢測(cè)與濾波器的選擇

　　對(duì)于灰度圖像中的各點(diǎn)，其灰度值的一階或二階導(dǎo)數(shù)能夠很好地體現(xiàn)圖像邊界點(diǎn)，本文將探討用二階導(dǎo)數(shù)來求邊緣點(diǎn)，以反映圖像灰度的變化，從而確定特征點(diǎn)，但是由于噪聲信號(hào)的影響，一般應(yīng)先對(duì)信號(hào)進(jìn)行平滑濾波，設(shè)信號(hào)g(x)，如平滑濾波器的沖擊響應(yīng)函數(shù)用h(x)表示，則濾波后的信號(hào)為g(x)=f(x)*h(x),然后再對(duì)g(x)求二階導(dǎo)數(shù)以檢測(cè)邊緣點(diǎn)。

　　由于微分運(yùn)算與卷積運(yùn)算次序有以下互換關(guān)系：

?

　　因此可以先平滑，后微分的兩步運(yùn)算合并，并將平滑平滑微分濾波器的導(dǎo)數(shù)稱為一階微分濾波器，將

?

　　稱為二階微分濾波器，平滑濾波器應(yīng)滿足以下條件：

　　(1)當(dāng)

?

　　為偶函數(shù);

　　(2)

?

　　;

　　(3)h(x)一階及兩階可微;

　　上述第二個(gè)條件保證了信號(hào)經(jīng)平滑濾波器h(x)濾波之后，其均值不變。

　　Marr 提出用下述的高斯函數(shù)作為平滑濾波器：

?