日本久久伊人,日韩精品久久久久久久电影99爱,亚洲精品国产高清久久伦理二区

內容簡介

本書針對傳統身份鑒別方法存在的安全性差、識別率低的問題，引出了具有“人證合一”的生物特征識別技術，簡要介紹常見生物特征識別的原理和研究現狀，然后著重對虹膜識別系統及虹膜作為身份特征所具有的良好特性進行概述，后對虹膜識別系統中每個環節的具體原理和算法實現做了詳細介紹，給出相應的仿真實驗和結果分析。全書主要包括虹膜圖像采集、虹膜邊界定位、虹膜區域的干擾檢測、虹膜區域規范化、虹膜特征提取、虹膜特征匹配、虹膜識別性能的改善、虹膜圖像質量評價、多生物特征識別技術以及行業解決方案等內容。本書可作為控制科學與工程、計算機科學與技術、信號與信息處理等相關專業研究生、高年級本科生的教材，也可作為信息安全系統、生物識別系統、移民管理系統、刑偵系統、圖像處理和模式識別系統等研究開發人員和工程技術人員的參考書。

編輯推薦

隨著人類對信息系統的依賴性越來越高，信息技術的應用也逐步滲透到人類生活的方方面面，在保障信息系統自身安全的前提下，如何保障信息系統的訪問安全和各種場景下的控制管理成為一個極其重要的課題，在這其中，用戶身份的鑒別至關重要。“棱鏡門”事件給全球的信息系統安全敲響了警鐘，基于口令和令牌的身份鑒別通過人“身外之物”來證明活生生的人的身份嚴重不，已難以滿足安全性要求，信息系統的安全事件頻出呼喚著更有效、更安全、更的身份鑒別方式。基于人體生理特征和行為特征的生物特征識別技術具有“人證合一”特性，引起了身份認證領域的關注，這其中的佼佼者當屬以高性、高性、高安全性著稱的虹膜識別技術。早在上個世紀的后期，國內業界學者們就開始了虹膜識別技術的研究和探索，將技術成果進行應用推廣。然而，受技術的局限和關聯組件的制約，早期的應用大多僅限于虹膜出入控制等物理防護，隨著技術的不斷突破，虹膜識別的應用場景不斷拓展，已拓展到信息系統的準入控制、遠程識別認證以及移動智能設備等應用領域，大有來勢兇猛之意，應用前景一片光明。虹膜識別以人工智能、機器學習、統計分析、模式識別等理論基礎，主要依靠計算機技術、傳感器技術、信號處理技術、圖像處理技術等實現數據的采集和處理，涉及多學科知識和技術，該書可作為學生學習和從事相關領域研究工作的基礎教材及參考。全書的主要內容是基于作者近年來的主要研究成果，同時參考了同行學者的部分研究成果，緊緊圍繞虹膜識別，系統介紹了虹膜識別各組成部分的原理及其算法，并通過直觀的實驗結果進行了正確性驗證，對讀者了解生物特征識別方面的基礎知識和學習虹膜識別相關算法有極大的幫助。

在線預覽

第5章邊緣點選擇

在虹膜邊界定位中，經過邊緣提取得到的圖像中包含了大量的虹膜邊界以外的點，如果不能消除這些非虹膜邊界上的點，不縮小虹膜邊界定位的計算范圍，那么虹膜定位的精度和速度都會受到很大的影響。雖然根據先驗知識，把虹膜的定位問題可以限制到一個較小的圖像塊中，但是在這個小的圖像塊中仍然存在許多非虹膜邊界的點，特別是虹膜紋理豐富、睫毛濃重的人眼圖像，定位虹膜受到很多干擾點的影響。本章介紹如何進行邊緣點的選擇，盡可能將影響虹膜邊界定位的、與虹膜邊界無關的邊緣點剔除，然后再進行虹膜邊界定位。5.1非虹膜邊界點影響虹膜定位5.1.1二值化閾值影響邊緣提取

影響虹膜分割精度和速度的主要因素實質上就是虹膜圖像邊緣點的提取質量。對于虹膜邊界定位來說，虹膜圖像中存在大量的干擾，如睫毛、眼瞼、光斑等，這些干擾會影響虹膜邊界定位的速度和精度，另外，虹膜本身的紋理變化形成的邊緣點在虹膜的定位過程中也會影響虹膜邊界定位的結果并造成虹膜邊界定位時間延長。前面章節也對虹膜邊緣點過多的問題進行了分析，并采用了基于瞳孔中心位置估計和先驗知識的邊界定位算法，將虹膜的定位限制在一個小的區域，僅僅選取該圖像塊內的邊緣點進行虹膜邊界的定位，將參數的投票范圍也做了限制，提高了定位速度。圖5.1為一幅人眼圖像以及邊緣提取的結果。從圖可以看出，這些邊緣點的特點是無規律、隨機性大，和真實虹膜邊界點難以區分。在基于二值邊緣的定位中，二值邊緣點的數目、位置對快速定位有很大的影響，只要虹膜邊界上有足夠多的邊緣點，而其他位置的邊緣點較少，就能保障虹膜快速、定位，因此，二值化閾值的選擇對虹膜邊界定位相當關鍵。

圖5.1虹膜邊界定位方法示意圖

為了減少邊緣點數，可以增大二值化閾值，如有些文獻采用基于小波變換的邊緣檢測方法，通過熵最小獲得二值化閾值，在一定程度上消除部分干擾噪聲帶來的邊緣，但是可能會同時將虹膜邊界上的點剔除，給定位虹膜邊界帶來難度。實際上，即使在限定的圖像塊中定位，仍然有大量虹膜邊界以外的點很難消除。利用二值邊緣進行虹膜邊界定位要盡可能利用虹膜邊界上的點，但是在提取邊緣時會同時提取到許多干擾邊緣點，這些邊緣點和虹膜邊界點差異不明顯，通過二值化閾值無法將它們分開，這樣眾多邊緣點會嚴重影響虹膜定位的精度和速度，關于圖像二值化邊緣點的提取一直是邊緣檢測中研究的重點。進一步消除這些塊中的邊緣點，將虹膜邊界點和非虹膜邊界點進行分類，從而剔除那些非虹膜邊界上的邊緣點，有助于虹膜定位。5.1.2非虹膜邊界點來源對虹膜定位產生影響的邊緣點主要來自以下幾個方面： (1) 由于虹膜屬于小目標，對光照環境要求高，采集虹膜圖像需要輔助光源，而光源在虹膜和瞳孔處容易成明顯的光斑，這些光斑點與周圍的虹膜和瞳孔區域形成灰度差異，造成明顯的邊緣； (2) 眼睛閉合程度不同，特別是上眼瞼在人眼圖像中表現出明顯的邊緣； (3) 一根根睫毛會與其周圍的虹膜區域形成灰度差異產生邊緣； (4) 虹膜本身的紋理造成圖像中的灰度變化，會形成邊緣。圖像中邊緣點是信號“變化劇烈”的地方，虹膜邊界本身以及眼瞼、睫毛、光斑、虹膜的紋理等都具有灰度的突變特征從而形成非虹膜邊界的邊緣點，這些邊緣點一般沒有規律和特征，很難在虹膜邊界定位之前將它們剔除，因此在邊界定位時干擾產生的邊緣點對邊界定位造成一定的影響，能否選擇有效的虹膜邊緣點就成了改善邊界定位實時性和精度的關鍵所在。

由于圖像中的這些邊緣點與虹膜邊界點沒有明顯的特征差異，邊緣檢測算法無法對是否為虹膜邊界點做出判別，因此，即使從圖像中獲得的邊緣點很多，也不可輕易設定較大的閾值重新去提取邊緣以減少邊緣點的總數，一般情況下，為了保障邊緣提取效果，特別是對于對比度低的圖像，可能會設定較小的二值化閾值，這樣得到的輸出圖像中非虹膜邊界點必然較多，這也勢必帶來計算量的增加，甚至會影響定位的精度。虹膜邊界定位受到過多非虹膜邊界點的影響，造成計算量大和參數投票結果不集中，使虹膜定位失敗。5.2極坐標下的虹膜邊界定位5.2.1極坐標下的虹膜邊界

在直角坐標中，虹膜識別都是通過檢測圓來定位虹膜邊界。虹膜的邊界主要表現在虹膜與瞳孔的灰度突變以及虹膜與鞏膜的灰度突變，這兩條邊界可以近似看作圓的形狀。在許多的虹膜邊界定位中，圓的檢測是依靠在原圖像空間邊緣點對參數組進行投票實現圓的檢測和定位。其實，圓在不同的坐標下具有不同的形式，特別是在以圓心為極點的極坐標下，圓邊界會變成水平直線。設想將圖像進行坐標變換，使原圖像從一個直角坐標空間映射到極坐標空間，那么檢測圓的問題就會變成極坐標下檢測直線的問題，使檢測過程簡化。圖5.2(a)的一幅人眼圖像，圖中虹膜的兩條邊界已經標出，那么按照圓心為極點將圖像展開為極徑和極角的表示形式，那么在以極徑和極角為坐標的空間里就會得到一條直線，而且這條直線一定是一條水平直線，如圖5.2(b)和圖5.2(c)，而這樣一條水平直線的檢測要比在原圖像中進行圓的檢測容易得多。無論是在極坐標下的直線檢測，還是直角坐標下的圓的檢測，都可以通過投票來確定參數，在極坐標下，只要采用投影就可以求得直線位置，即直接計算每行邊界點的累加值。

圖5.2虹膜邊界定位方法示意圖

在圖5.2中存在虹膜的兩條邊界，當在每個點將圖像用極坐標展開后可以看出，在坐標(128，175)作為極點時展開的矩形區域中存在一條水平直線，這時的直線對應于虹膜的內邊界，其中在垂直軸上的投影較大值所在行對應于虹膜內邊界半徑(等于42)，而當極點選擇(133，182)時，可以看到虹膜的外邊界近似于一條直線，在垂直軸上的投影較大值所在行對應于虹膜外邊界半徑(等于110)。從圖5.2上可以看出，虹膜的內、外邊界經過極坐標表示后并不是兩條平行的直線，也說明大多數虹膜的內、外邊界不是同心圓，因此內、外邊界需要分別進行定位。虹膜的內邊界圓半徑小，展開的直線在上面，外邊界圓半徑大，展開的直線靠下面。這樣，如果知道內、外邊界的半徑大小的取值范圍，可以將直線位置的計算限定在一個很小的范圍里。圖5.1(b)的邊緣提取圖像中邊緣點是無規律的，很難找到有效辦法消除非虹膜邊緣點的影響。圖5.3給出對虹膜圖5.1進行極坐標變換的結果，分別將極點選在內邊界中心和外邊界中心上，虹膜的邊界就成了水平直線，見圖5.3(c)~(f)。當以該虹膜的內邊界的圓心作為極點時，那么，將圖像展開為極徑和極角的表示形式，在極坐標的空間里會得到如圖5.3(c)和圖5.3(d)所示的圖像，內邊界是一條直線；如果將虹膜的外邊界圓的圓心作為極點，那么展開的極坐標圖中外邊界也是一條直線，如圖5.3(e)和圖5.3(f)所示。