虹膜采集系統(tǒng)中圖像質(zhì)量評(píng)估的研究＊

宗瑞山，田啟川

(太原科技大學(xué) 電子學(xué)院，山西 太原 030024)

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。

圖1 壞樣本圖

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 T1T3。T1、T2、T3是通過(guò)實(shí)驗(yàn)得到的閾值。

圖2 符合要求的虹膜圖像

對(duì)圖1和圖2中的虹膜圖像總體評(píng)估結(jié)果如表1所示。

表1 虹膜圖像總體評(píng)估結(jié)果

2 細(xì)節(jié)評(píng)估

經(jīng)過(guò)以上的總體評(píng)估，將符合要求的虹膜圖像再進(jìn)行細(xì)節(jié)評(píng)估，最終選出理想的虹膜圖像。本文主要從以下幾個(gè)方面進(jìn)行細(xì)節(jié)的評(píng)估。

2.1 瞳孔定位

為了使整個(gè)評(píng)估過(guò)程節(jié)省時(shí)間，本文只對(duì)瞳孔進(jìn)行定位，這足可以滿足本文對(duì)虹膜圖像質(zhì)量評(píng)估的要求。

首先根據(jù)虹膜圖像的直方圖選出合理的閾值進(jìn)行二值化，分離瞳孔；然后利用形態(tài)學(xué)知識(shí)對(duì)瞳孔中的空洞進(jìn)行填充，再利用閉運(yùn)算盡量多地消除睫毛的干擾；再次分別從上下左右四個(gè)方向?qū)μ幚砗蟮膱D像進(jìn)行搜索。只要得到灰度值為0的點(diǎn)，就以此點(diǎn)位基礎(chǔ)定義一個(gè)120×120大小的區(qū)域，并停止搜索；最后分別對(duì)這四個(gè)區(qū)域中灰度值為0的點(diǎn)進(jìn)行統(tǒng)計(jì)，找出灰度值為0的點(diǎn)最多的即為瞳孔所在區(qū)域。其搜索結(jié)果如圖3所示。

圖3 瞳孔所在區(qū)域

找到瞳孔所在區(qū)域后，在此區(qū)域中求灰度值為0的所有點(diǎn)的重心，并以此作為瞳孔的圓心：

式中，(xi，yi)為灰度值為0的點(diǎn)的坐標(biāo)，N為灰度值為 0的點(diǎn)的數(shù)目。然后在瞳孔區(qū)域中找到灰度值為0的上下左右四個(gè)頂點(diǎn)的坐標(biāo)，其中水平方向的坐標(biāo)記作(x1，y1)、(x2，y2)，垂直方向的坐標(biāo)記作(x3，y3)、(x4，y4)。 利用式(3)計(jì)算半徑 R：

得到圓心和半徑之后，利用最小二乘法進(jìn)行圓的擬合。瞳孔定位效果如圖4所示。

圖4 瞳孔定位結(jié)果

利用本方法定位瞳孔，當(dāng)瞳孔被眼瞼遮擋嚴(yán)重時(shí)會(huì)出現(xiàn)誤差，但對(duì)瞳孔未被遮擋或只有少量遮擋的虹膜圖像定位還是比較準(zhǔn)確的。由于對(duì)虹膜圖像的外邊界進(jìn)行定位需要花費(fèi)大量時(shí)間，為了滿足實(shí)時(shí)的需要，本文未對(duì)虹膜外邊界定位，因通過(guò)對(duì)瞳孔的定位已經(jīng)可以滿足本文對(duì)虹膜圖像質(zhì)量評(píng)估的需要。

2.2 光源點(diǎn)檢測(cè)

為了采集到理想的虹膜圖像，本文所用的虹膜采集設(shè)備上有4個(gè)小紅點(diǎn)，用于引導(dǎo)被采集者的眼睛可以正視鏡頭。4個(gè)紅點(diǎn)會(huì)在虹膜圖像上留下4個(gè)亮斑，通常情況下亮斑都應(yīng)該在瞳孔的內(nèi)部，越靠近瞳孔圓心虹膜圖像的偏離度[4]越小，反之偏離度越大。如果亮斑處在虹膜的有效區(qū)域上會(huì)破壞虹膜的紋理，影響后續(xù)的識(shí)別。所以有必要對(duì)亮斑的位置進(jìn)行檢測(cè)。

如圖3、圖4可以發(fā)現(xiàn)亮斑的灰度值明顯高于虹膜圖像中其他點(diǎn)的灰度值，所以本文首先在瞳孔的所在區(qū)域(如圖3)利用式(4)進(jìn)行二值化處理。

式中，I(x，y)為瞳孔所在區(qū)域的灰度值，T4一般選擇190，然后利用式(5)統(tǒng)計(jì)灰度值為1的數(shù)目。

如果numT5的虹膜圖像，本文利用式(2)的方法求出亮斑的重心坐標(biāo)(x1，y1)，利用式(6)計(jì)算亮斑與瞳孔圓心的距離。

式中，(x，y)為瞳孔的圓心。D越小證明亮斑越靠近瞳孔圓心，偏離度越小；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。

圖5 光源點(diǎn)的檢測(cè)

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：

式中，M、N表示圖像的高和寬，當(dāng)圖像越清晰時(shí)，圖像的總有界變差越大；越模糊時(shí)，圖像的總有界變差越小。

本文首先在瞳孔兩側(cè)的虹膜區(qū)域選擇兩個(gè)64×64大小的感興趣(ROI)區(qū)域，分別計(jì)算兩個(gè)區(qū)域的總有界變差數(shù)值的大小。令Dfl為瞳孔左邊總有界變差的數(shù)值，Dfr為瞳孔右邊總有界變差的數(shù)值。通過(guò)大量的實(shí)驗(yàn)證明，此算法對(duì)虹膜圖像的清晰度可以做出很好的判斷。圖6為其中的部分實(shí)驗(yàn)結(jié)果。

圖6 虹膜圖像清晰度判斷

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：

(1)對(duì)ROI區(qū)域在水平方向上進(jìn)行均值化處理，消除睫毛的影響。

(2)在ROI區(qū)域中選擇三列分別計(jì)算坐標(biāo) Mi，Mi的計(jì)算公式如下：

式中，i=1，2，3，x=1，2…64。 記錄下 Mi對(duì)應(yīng)的坐標(biāo)分別為(x1，y1)、(x2，y2)、(x3，y3)。 以這三個(gè)點(diǎn)位頂點(diǎn)擬合直線，檢測(cè)出眼瞼。

(3)根據(jù)以上檢測(cè)出的頂點(diǎn)坐標(biāo)按下式計(jì)算虹膜有效區(qū)域：

式中，SIris為ROI區(qū)域中虹膜部分的面積，可以按照梯形的面積公式進(jìn)行求解；SAll為整個(gè)ROI區(qū)域的面積。

通過(guò)大量的實(shí)驗(yàn)證明，本文的方法可以有效地表示出虹膜有效區(qū)域的被遮擋情況。以下是部分實(shí)驗(yàn)結(jié)果。

圖 7(a)與圖 7(d)為選擇的 ROI區(qū)域；圖 7(b)與圖 7(e)為經(jīng)過(guò)水平均值化處理后的圖像，從圖像中可以看出，水平均值化后可以有效地去除睫毛帶來(lái)的影響；圖7(c)與圖7(f)為眼瞼檢測(cè)后的圖像。

FQ越大則虹膜的有效區(qū)域就越大，所以可以設(shè)置一個(gè)閾值，規(guī)定FQ大于此閾值的虹膜圖像為合格圖像。

圖7 虹膜有效區(qū)域判斷

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。

[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 JorunalofStereology 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] LiMa， Tan Tieniu， Wang Yunhong， etal.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.