摘 要：信息时代最重要的特征就是身份的数字化和隐性化，当传统的数字识别系统已经不能再准确鉴定身份、保证信息安全时，人们开始使用新兴科学手段开发新的身份识别方式，而虹膜识别便是在此种情况下应运而生。如何更好的开发和使用虹膜识别技术，目前成为科学家们重点研究的领域。本文通过介绍虹膜识别算法和图像采集设备，分析了图像处理中的自动调焦原理，并对虹膜图像的预处理方式进行了探讨。
关键词：虹膜识别算法；图像采集；身份识别
信息化社会的迅猛发展带动了识别技术的快速进步。通过各种手段对被识别目标所提供的信息进行快速鉴别，以确定被识别者身份，是身份识别的本质。目前采用的识别方式有IC卡识别、指纹识别、虹膜识别等。其中虹膜识别以其快速、准确、难于伪造特点，成为识别技术中的佼佼者。但是，目前的技术发展现状是，虹膜识别过程中要采集到清晰的高质量图像仍然存在一定的问题。因此，对虹膜识别算法和图像采集设备的进一步研究改进，成为了识别技术不断发展的动力。
1.虹膜识别算法和图像采集设备
人们眼睛瞳孔与巩膜间的区域被称之为虹膜。利用人眼虹膜图像纹理所进行的身份识别，就是虹膜识别。这种技术拥有许多优越的特点，例如：有唯一性和稳定性，以及可采集性等。与其它的非接触式识别相比，虹膜识别更具准确性。由于人与人之间的虹膜纹理一样的几率为零，因此，这种虹膜纹理是难以被改变的。它的形成是随机和无序的，不能够被遗传，只能决定于胚胎的最初形成环境中，不存在人工伪造的可能。目前在虹膜识别过程中采用的图像匹配算法有：Cabor滤波器和相位编码、基于小波过零点描述和二维纹理分析，以及基于拉普拉斯金字塔等。由于虹膜主要体现的是二维纹理特征，因此采用Cabor滤波器算法进行计算是较为有效可行。
图像采集设备是通过图像采集卡，将模拟制式的视频信号转换为数字信号采集到计算机中，或者是通过摄像机本身的数字化部件，利用计算机端口，以及标准的设备将数字图像传输到计算机中。所采集图像的方式有五种：其一，连续模式采集，也就是实时的采集；其二，伪连续模式采集；其三，触发同步采集，也就是对固定地方的图像进行采集；其四，触发异步复位的采集，是结合相机，在准确的位置进行同步分离的采集；其五，可编程控制的采集，是结合相机后，在准确的位置处理进行同步分离与输出精确数据控制的采集。
2.虹膜识别中的图像采集
在进行虹膜识别后，最困难的就是进行虹膜图像获取。由于虹膜很小，只有约几十毫米，并且根据人种的不一样，虹膜的颜色也会不一样，要想获取清晰、质量高的虹膜图像，还是有一定难度的。目前采用图像灰度、自动调焦方法来解决这个问题。
在图像灰度处理自动调焦的过程中具有两种优势：其一，通过调焦后，虹膜识别更加具有智能化，聚焦的判断因此也变得灵活与多样。在数字图像的处理过程中，采用梯度信息和提取其它的图像信息进行判断，使对焦更准确，图像信号的频率得到提高的同时，边缘也因此变得尖锐。当离焦时，频率也会因此降低，使其相对平滑。除此之外，调焦还可以选取不同的判据根据各自不同的需求进行；其二，通过图像灰度处理自动调焦后，可以方便控制运动机构。软件在发出控制信号后，用电机驱动镜片进行直接控制。这样不但更加灵活，其响应的速度也符合调焦的需求，还可以对电路与运动机构进行简化。但是依然存在着占用大量资源的劣势。其常见的调焦方式有：高频分量和平滑，以及阀值积分和灰度差。所采用的系统是由摄像系统中的光学镜头与CCD和照明系统中的冷光源、计算机和运动控制卡，以及图像采集卡和伺服电机等组成的。在确保图像采集满足要求后，自动完成调焦。通过相互比较计算特征值后，采集最准确的图像。
3.虹膜图像的采集
首先，进行预处理虹膜图像。因为在图像的采集时，容易受到人眼、装置距离、光照等影响，导致识别的效果和准确性降低。所以有必要对虹膜图像采集特征提取时进行预处理。目前采用的方法主要是定位和归一化，以及对虹膜图像的加强。定位是由内边缘圆心和半径的粗定位，由公式；完成内外边缘精的定位，并进行区域的分割。其瞳孔的灰度要小于虹膜的灰度，而虹膜的灰度则要小于巩膜的灰度，所呈现的区域是一种峰值形式。在完成定位后，就要进行虹膜的归一化。因为虹膜的大小是各不一样的，比如会受到光照使瞳孔变化等因素影响，所以要进行图像的调整。以瞳孔圆心作为中心点，归一虹膜的区域。由于在归一化后会出现噪声信息的干扰，因此还要进行噪声标记，形成噪声的屏蔽模板来加强虹膜图像的采集，获取灰度分布的图像。在动态范围得到扩大后，实现虹膜的加强和图像的展开。
其次，进行虹膜特征的提取和特征的编码。利用Cabor滤波器算法从经向和的方向提取虹膜的特征。其计算的形式为：。通过Cabor滤波器计算后得知，在不一样的方向和频率下，其虹膜的纹理也是存在着差异的，结果为：。在获取结果后，利用分块的形式提取信息进行编码，所提取的信息通过公式计算后得到一个大于或等于零的复数，那么这个特征码就为1，相反则为0。
第三，对图像进行预处理工作主要涉及到颜色的空间转换处理、噪音滤除处理以及灰度拓展处理等三方面的内容，进行图像预处理的主要目的是尽可能的消除噪音干扰以及不均匀的光照所带来的不利影响。为了实现图像信息简化、使图像主要特征更加突出的目标，一般在图像识别中在进行图像处理时所实行的转换流程是由彩色图像到灰度图像再到二值图像。由于YUV颜色模型在彩色图像与灰度图像之间进行转换更加便利，而RGB颜色模型却很难实现在彩色图像与灰度图像之间便捷的转换，所以，首先要做的工作就是将RGB颜色模型转化成YUV颜色模型。在YUV颜色模型中，Y所代表的是灰度分量，RGB颜色模型中的R、G以及B分别代表着红、绿以及蓝这三个彩色分量值，Y、R、G以及B都是八位的，在0～255的数字区间内进行量化取值，这样，就可以得到一张256级的灰度图像，为了方便起见，可以将获取灰度的公式进行一定的简化处理。.
最后，对虹膜进行分类并搭配。对虹膜图像进行特征的提取和编码以后，就要进行向量的识别。由于虹膜图像与采集的图像进行比较，对同类进行区分后存在着被搭配的问题，因此，在考虑虹膜识
别的各种优势与缺陷，利用距离分类器对其进行识别。假如所计算出来的结果存在着阀值大于均值与绝对变差均值时，就可以辨别为属于一类，如果相反小于的话，就不是属于一类。通过结合图像采集和虹膜识别算法后，采集到的虹膜图像就会更清晰，纹理就会更明显，自动调焦的精度也会变得更加精确。
综上所述，由于虹膜识别技术属于一种新的身份认证技术，被人们所关注和重视。尽管在某些程度上要比其它识别技术要有优势，但是，虹膜图像识别在日后的发展中还存在挑战性。为了对虹膜识别算法和图像采集设备进行改进，通过预处理、特征的提取、编码、分类搭配进行计算，以及选用合理的图像采集设备，加快虹膜的识别速度和清晰度、精确度，以及高识别率。
参考文献：
[1] 杜晓菡;萧泽新;曾庆宁;基于虹膜识别的自动调焦研究[A];中国兵工学会2004年光学与光电子学学术研讨会论文摘要集[C];2004年
[2] 马义德;邵宇;王升哲;徐光柱;虹膜识别预处理算法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年
[3] 黄小欢,刘辉;基于灰度梯度的虹膜定位方法研究[J];昆明理工大学学报(理工版);2001年06期
