基于雙遠心鏡頭的虹膜圖像采集方法

宋 輝，王明威

(沈陽工業大學 信息科學與工程學院，遼寧 沈陽 110870)

基于雙遠心鏡頭的虹膜圖像采集方法

宋 輝，王明威

(沈陽工業大學 信息科學與工程學院，遼寧 沈陽 110870)

信息完整的虹膜圖像可以提高不同虹膜間的差異性，有助于提升識別系統的準確性，也有利于分析虹膜紋理的細節特征。但是由于設備、環境和人為等因素的影響，采集到的虹膜圖像不可避免地會出現光斑，這些光斑會造成部分虹膜信息缺失。因此，高質量的虹膜圖像對整個虹膜識別系統至關重要。文中研究了完整的虹膜圖像采集方法，利用雙遠心鏡頭其特殊的光學結構和較寬的景深，消除視差和畸變等由鏡頭帶來的影響，并結合圖像拼接、融合的方法得到信息完整的虹膜圖像。最后將經過該系統得到的虹膜圖像與未進行拼接的虹膜圖像進行識別匹配的比較實驗。結果表明，文中方法得到的虹膜圖像有較高的匹配率，并且紋理豐富、信息完整，可以提升識別系統的有效率。

虹膜識別;圖像拼接;完整性;雙遠心鏡頭

0 引 言

虹膜的紋理、顏色信息非常復雜，每個人的虹膜都是唯一的并且具有非常高的穩定性，很難被仿造，因此虹膜識別技術在身份證明、安全識別等方面應用廣泛[1]。在虹膜識別過程中，信息完整的虹膜圖像是后續圖像處理、特征信息提取、識別匹配的重要基礎，因此文中主要研究高質量的虹膜圖像采集方法。

在虹膜采集過程中，點光源對虹膜的照射會產生光斑，而光斑的產生會造成部分虹膜圖像信息缺失。目前主要的解決方法有三種：第一種是忽略光斑造成的信息缺失，利用剩余部分的紋理特征進行識別工作，但是這樣會影響后續的圖像處理、特征信息提取和匹配，會降低系統整體的識別效果；第二種是通過改變光源與虹膜的位置將光斑限制在沒有虹膜紋理的區域，但是由于虹膜的采集是活體拍攝，這種方法在拍攝時難度較大，需要注意的問題很多，不適宜虹膜拍攝；第三種是利用多幅圖像的拼接，對多幅帶有光斑的虹膜圖像進行拼接，從而獲得紋理完整的虹膜圖像，但是對虹膜圖像應用拼接技術有一定的困難，原因是對虹膜圖像的采集會產生相對運動，造成運動模糊、離焦等現象，嚴重影響拼接效果。

為解決以上問題，文中采用雙遠心鏡頭，利用其獨特的光學特性和較寬的景深，消除視差和畸變帶來的影響，從而提高整體的識別效率。

1 完整虹膜圖像的獲得

1.1 圖像拼接

圖像拼接是依據幾幅圖像的相同部分，經過模型變換確定坐標關系，再進行裁剪和拼接，最后將拼接的邊緣部分進行融合消除縫隙[2]。

圖像拼接按照拼接方法可以分為兩類：區域法和特征法[3]。文中實驗采用的是基于形狀的模板匹配法，利用halcon軟件實現圖像的拼接融合，具體流程如圖1所示。

圖1 虹膜圖像拼接流程圖

1.2 圖像配準

圖像配準的主要過程是首先提取每一幅圖像的特征點，然后通過灰度、邊緣、輪廓等特征點進行坐標變換[4]，最后根據其坐標變換的關系進行圖像配準。其中配準的關鍵是快速準確地找出幾幅圖像之間的運動情況，確定變換關系。根據不同的圖像信息可以將配準方法分為三類：灰度、變換域、特征法[5]。文中實驗應用的是基于特征的形狀匹配法，利用虹膜圖像的紋理形狀、斑塊、裂縫等匹配特征找到正確的匹配位置，完成圖像間的配準[6]。在halcon軟件中使用create_shape_model、find_shape_model這兩個算子進行形狀匹配。實驗中使用的是兩張虹膜圖像的匹配，首先在其中一張虹膜圖像中的虹膜部分尋找感興趣區域(ROI)，該ROI區域要避免有光斑，并以該ROI區域建立一個模板，然后在另一張虹膜圖像中以ROI為搜索模板尋找匹配，從而得到行坐標Row，縱坐標Column，旋轉角度Angle，這樣就確定了兩張圖像的坐標關系。

1.3 變換模型

在完成配準后就可以找到虹膜圖像間相對應的位置，然后就要確定待拼接的虹膜圖像間的坐標變換關系[7]；由于文中采用的虹膜圖像采集方法只是旋轉光源，相機與被測者之間的位置關系沒有發生明顯的改變。實驗使用的變換模型是相似變換，它對平移、旋轉、放縮運動有很好的效果，圖像中圖形的大小、外形等不會發生改變，其結構為：

(1)

(2)

其中，(x,y),(x',y')分別是變換前后的坐標；θ是旋轉角度；r是各項同性縮放；a和b是坐標變換的平移因子；c和d是水平方向和豎直方向的比例因子[8]。

在halcon中使用hom_mat2d_rotate算子進行模型變換，根據圖像配準得到的數據Row和Column就是式(1)中的a和b；Angle就是旋轉角度θ；c和d為0。依據這些就可以得到變換之后的坐標，完成兩幅圖像的配準。

1.4 圖像融合

由于拼接圖像之間的灰度存在差異，因此在拼接的縫隙處就會出現很明顯的斷層。圖像融合可以改善這種效果，在不損失斷層周圍圖像信息的前提下，消除斷層并使縫隙的過渡平滑[9]。該實驗使用的是gen_projective_mosaic拼接算子，該算子是把多幅輸入圖像拼接為一個馬賽克圖像，最后輸出參數MosaicMatrices2D，它包括由一組3*3的變換矩陣控制位置的圖像。之后的融合采用基于像素級融合的加權平均法，它以圖像的灰度值為基礎，先計算重疊部分的權值，再計算其平均值，即得到縫隙處的灰度值[10]。以g1和g2為兩幅待拼接的虹膜圖像，g為拼接之后的虹膜圖像，可以得到重疊部分的灰度值關系式：

(3)

其中，p1=1-p2。p1和p2是兩幅圖像灰度值的權值，其大小分別為兩幅圖像重疊部分的點到各自重疊區域邊緣的距離。

2 虹膜圖像的采集

2.1 雙遠心鏡頭的選擇

系統采用了定焦雙遠心鏡頭，它具有獨特的平行光設計，并且改善了傳統鏡頭由于視差所帶來的問題，消除畸變并把誤差控制在0.1%以下[11]。此外它還有很高的分辨率，較寬的景深。同時選取LED點光源來彌補雙遠心鏡頭對光通量的要求，配以CMOS彩色相機并通過USB連接計算機與相機。在拍攝過程中，通過計算機實時調整人眼位置，使用計算機控制并拍攝虹膜圖像。

在工業圖像處理中使用最多的是物方遠心鏡頭，它的入射光瞳被放在鏡頭像方的焦平面上[11]，所以在成像時，只有平行于主光軸的光線被接收用于成像[12]，其他光線都會被光柵遮擋。這樣的好處是可以使鏡頭有較寬的景深，并且物體可以在一個固定的范圍內任意移動而不造成在成像時放大倍率的改變[13]。但是由于遠心鏡頭只接收平行光線，相同條件下通光量會減少，而虹膜的拍攝需要達到一定的通光量，因此就需要選擇一個合適口徑的遠心鏡頭。

實驗選取的是鏡頭型號為BT2348的雙遠心鏡頭，該鏡頭的放大倍率為0.184，鏡頭的直徑為75 mm，景深為20 mm，相機的光學尺寸為1/1.8英寸(6.40 mm*4.80 mm)。虹膜的大小在40 mm*28 mm左右，實驗測量的物距為280～300 mm，鏡頭放大倍率公式為：

M=Y/h=4.8/28=0.171

(4)

其中，Y為靶面高度；h為被測物體高度。

虹膜圖像的紋理細節比較多，因此對物體的可分辨精度也有一定要求，利用公式計算被測物體可分辨尺寸x：

x=B/M=3.2×10-3/0.171=0.018 7 mm

(5)

其中，B為相機像元尺寸；M為鏡頭放大倍率。

2.2 照明光源的設計

在自然光條件下，虹膜圖像會有很多的反光點并且紋理不清晰，因此需要設計一個照明系統對人眼虹膜部分進行均勻的照明，既要保證可以拍攝到虹膜的紋理、顏色、色斑等結構，還要求系統光照不會造成人眼的不適；另外由于文中使用的是雙遠心鏡頭，光照系統還需要滿足其對通光量的要求。不同類型的光源對圖像的質量有不同的影響，評價一個光源的好壞要看光源的對比度、魯棒性、亮度、均勻性、可謂無形以及壽命等因素。目前，在各種機器視覺光源中使用較多的是LED光源，它的亮度穩定、形狀種類多、發光效率高并且可靠性強。因此，文中采用的是一款白光LED光源，之所以使用白光是為了保留虹膜圖像的顏色信息，這款光源的功率為0.3 W，光源發光強度在1 500～1 800 mcd。

本系統采用2個LED作為光源，分別安放在雙遠心鏡頭兩側，因此兩個光源的水平距離在75 mm左右，照射的光線與主光軸的角度為30°，使光源直射點在瞳孔之外，這樣就不會造成瞳孔的收縮和人眼的不適。

根據公式(6)計算光源與鏡頭最近的拍攝距離。

S1=(L-R)/2tanθ=51.96 mm

(6)

相應的，利用公式(7)計算最遠拍攝距離。

S2=(L-r)/2tanθ=61.48 mm

(7)

其中，L為光源與主光軸距離；R為虹膜直徑；r為瞳孔直徑。

2.3 拍攝過程參數

雙遠心鏡頭只接收平行于主光軸的光線，而對于虹膜的拍攝需要一個較大的通光量，這就對拍攝時相機的參數、周圍的環境有一定要求。圖2為在適當參數下拍攝的虹膜圖像。

圖2 文中采集到的虹膜圖像

實驗選取的相機是維視MV3000uc，使用的增益在1～127，快門速度(曝光時間)在400～600 ms，視頻采集模式有兩種，即mode1(1024*768)、mode2(640*480)，AD轉換級別有level 0～3四種，分別是原始亮度的2倍、1倍、1/2、1/4。在實驗室條件下，以不同參數拍攝同一虹膜得到的結果見表1。

表1 同一虹膜在不同參數下的結果

由實驗可以得出，在實驗室條件下使用mode2模式，AD轉換水平為原始亮度的一倍，采集速度為normal等幾項參數，再調節快門速度和增益，就可以得到清晰的虹膜圖像。

對于虹膜圖像中出現的光斑問題，在Wildes設計的虹膜采集系統中，以漫射光作為光源，利用偏光器與漫射光源模擬自然光，有效地減弱了人眼對光源的反射，避免了光斑的形成；漫射光源是由于入射光線照射到粗糙的平面上，造成反射光線無規則地向不同方向反射所形成的。

在該系統中采用了雙遠心鏡頭，由于其特殊的光路設計，只有平行于主光軸的光線才會被接收用于成像，而漫射光源發射的光線是不規則的，不能保證有足夠的平行于主光軸的光線被雙遠心鏡頭用于成像，而且虹膜圖像的采集在通光量較低的情況下不能清楚地顯示出虹膜的紋理特征。因此系統沒有采用漫射光作為光源，而是采用了兩個LED光源。圖3、圖4為改變光源方向連續拍攝的同一虹膜圖像。

圖3 待拼接虹膜圖像1

圖4 待拼接虹膜圖像2

其中增益過大會產生噪聲，嚴重影響圖片的質量；快門速度即曝光時間，其值越大相機的反應越慢，不利于調節焦距；并且日光燈、外界的自然光對虹膜的成像干擾很大，要避免這些外界燈光的干擾，最好是選擇白天有窗簾遮擋的房間拍攝，因為窗簾的遮擋會擋住陽光的直射但又不會使房間過暗，減輕光源對眼睛的刺激。圖5為拼接后的虹膜圖像。

圖5 拼接后的圖像

2.4 匹配識別驗證

目前使用較多的特征采集方法有：二維Gabor小波、拉普拉斯金字塔、過零點檢測法。文中實驗采用的是基于二維Gabor小波法，它可以同時提供時域、頻域的相位特征[14]，然后將其進行編碼，最后利用海明距離來完成匹配。

二維Gabor小波表達式如下：

(8)

3 實驗結果及分析

最后文中將經過實驗得到的虹膜圖像與未拼接的帶有光斑的虹膜圖像進行匹配率的比較。實驗拍攝了210組(105人)的虹膜圖像，其中每組有兩幅待拼接的圖像樣本；根據文中方法得到了210幅虹膜圖像，其中成功匹配的有208幅，匹配率為99.05%，未匹配成功的圖像都是由于虹膜顏色過深，紋理被遮掩嚴重無法識別。未拼接的虹膜圖像采集了420幅，其中成功匹配的有404幅，匹配率為96.19%。實驗結果表明，文中的虹膜圖像采集方法的匹配率較高，有利于后續的算法處理和識別匹配。

實驗過程中，首先在虹膜圖像的采集上，由于文中方法需要對同一虹膜進行連續兩次拍攝，所以拍攝的時間較長，每次平均為4～5s，并且光源對虹膜有一定刺激；其次是在圖像拼接過程中，由于虹膜瞳孔的收縮，待拼接的兩幅虹膜圖像的瞳孔部分大小會有略微不同。這些都是需要改進的地方。

4 結束語

虹膜圖像的采集是虹膜識別系統的第一步，高質量的虹膜圖像是整個識別系統性能的基礎。文中實驗的主要目的是得到完整的、信息無缺失的虹膜圖像，通過采用雙遠心鏡頭，利用其獨特的平行光設計和較寬的景深，消除視差、畸變帶來的影響，同時加以適當的參數控制以及圖像的拼接融合技術，解決光斑所帶來的信息缺失等問題。經過實驗驗證，該方法得到的虹膜圖像在虹膜識別系統中有較高的識別匹配率，質量高、紋理特征完整。

[1] 蔡麗歡,廖英豪,郭東輝.圖像拼接方法及其關鍵技術研究[J].計算機技術與發展，2008，18(3)：1-4.

[2] 冷曉艷，薛模根，韓裕生，等.基于區域特征與灰度交叉相關的序列圖像拼接[J].紅外與激光工程，2005，34(5)：602-605.

[3] 潘 兵，俞立平，吳大方.使用雙遠心鏡頭的高精度二維數字圖像相關測量系統[J].光學學報，2013，33(4)：97-107.

[4] 白宗文.基于HALCON與圖像拼接的文物修復系統設計與實現[J].電子設計工程，2013，21(9)：24-26.

[5]DufournaudY,SchmidC,HoraudR.Imagematchingwith

scaleadjustment[J].ComputerVisionandImageUnderstanding,2004,93:175-194.

[6]LoweDG.Distinctiveimagefeaturesfromscale-invariantkeypoints[J].InternationalJournalofComputerVision,2004,60(2):91-110.

[7] 賈志強，孟 浩，王 磊，等.基于DSP的虹膜圖像采集系統[J].應用科技，2006，33(11)：1-3.

[8] 李星光，孫哲南，譚鐵牛.虹膜圖像質量評價綜述[J].中國圖象圖形學報，2014，19(6)：813-824.

[9] 譚 杰，王殊軼，王慧芳，等.基于Halcon的圖像拼接算法研究[J].微電子學與計算機，2011，28(12)：184-187.

[10]WildesRP.Irisrecognition:anemergingbiometrictechnology[J].ProceedingsoftheIEEE,2002,85(9):1348-1363.

[11] 方賢勇，潘志庚，徐 丹．圖像拼接的改進算法[J]．計算機輔助設計與圖形學學報，2003,15(11)：1362-1365.

[12]MaL,TanTN,ZhangDX.Personalidentificationbasedoniristextureanalysis[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2003,25(12):1519-1533.

[13] 胡正平，王成儒，于莉娜．基于改進隨機Hough變換的虹膜定位算法[J]．儀器儀表學報，2003,24(5)：477-479．

[14] 鞠 波．基于遠心鏡頭的高精度視覺測量儀[J]．兵工自動化，2014，33(8)：82-86.

Iris Image Acquisition Method Based on Bilateral Telecentric Lens

SONG Hui，WANG Ming-wei

(School of Information Science and Engineering，Shenyang University of Technology，Shenyang 110870,China)

The complete information iris image can improve the otherness between different iris,which is helpful to improve the accuracy of the recognition system,and also to analyze the detail feature of iris texture.But,in virtue of the equipment，environment，man-made and other factors,the acquisition of the iris image will appear some spots inevitably which will cause the missing part of the iris information.Therefore,high quality iris image is very important to the whole iris recognition system.In this paper,the complete iris image acquisition method is studied.It uses the special optical structure and the wide depth of field of the bilateral telecentric lens,elimination of the influence of parallax and distortion caused by the lens,and applies the method of image stitching and anastomosing to get the complete iris image.Finally,the comparison test is carried out on the recognition and matching of the iris image stitching and one no stitching.Experimental results indicate that the matching rate of the iris image obtained by the method is high,with rich texture and complete information,and the efficiency of the recognition system is also promoted.

iris recognition;image stitching;integrity;bilateral telecentric lens

2015-10-29

2016-02-25

時間：2016-06-22

國家自然科學基金資助項目(61271365)

宋 輝(1980-)，男，講師，研究方向為視覺檢測及安全識別。

http://www.cnki.net/kcms/detail/61.1450.TP.20160622.0844.042.html

TP301

A

1673-629X(2016)08-0065-04

10.3969/j.issn.1673-629X.2016.08.014