一种用于身份认证的活体虹膜防伪方法

摘要

一种用于身份认证的活体虹膜防伪方法，包括：1)获取真伪虹膜图像并进行图像预处理；所述的图像预处理包括定位图像的内边界和外边界、通过归一化将虹膜图像扩充到统一的大小、对归一化后的虹膜图像进行增强；2)通过以下方面对虹膜图像的真伪进行判别；2.1)利用活体组织红外特征光谱进行虹膜活体检测；2.2)根据人眼动态变化特性进行虹膜活体检测；2.3)利用虹膜纹理特征进行虹膜活体检测；对虹膜图像进行多方向滤波，分别计算各个方向滤波后特征区域的虹膜外侧与内侧图像互信息之差作为纹理特征值，差值的和小于所设阈值为真虹膜，否则为伪虹膜。该方法检测结果准确可靠，鲁棒性强，适用范围广。

权利要求

1.一种用于身份认证的活体虹膜防伪方法，其特征在于，包括以下步骤：

1)获取真伪虹膜图像并进行图像预处理；所述的图像预处理包括定位图像的内边界和外边界、通过归一化将虹膜图像扩充到统一的大小、对归一化后的虹膜图像进行增强；

2)通过以下方面对虹膜图像的真伪进行判别；

2.1)利用活体组织红外特征光谱进行虹膜活体检测；

2.2)根据人眼动态变化特性进行虹膜活体检测；

2.3)利用虹膜纹理特征进行虹膜活体检测；

对虹膜图像进行多方向滤波，分别计算各个方向滤波后特征区域的虹膜外侧与内侧图像互信息之差作为纹理特征值，差值的和小于所设阈值为真虹膜，否则为伪虹膜；

输入源图像与真虹膜图像的互信息定义如下：

其中，R表示输入源图像，F表示真虹膜图像，L表示图像总的灰度级数，i1、i2表示图像的灰度值；pR,F(i1,i2)为输入源图像与真虹膜图像的联合概率密度，pR(i1)、pF(i2)分别为图像R和图像F的边缘概率密度；其中：式中，D(i1,i2)为两幅配准图像对应部分图像灰度值为(i1,i2)的像素对总数，为两幅配准图像对应部分的像素对总数；边缘概率密度计算如下：通过上述公式求得一幅虹膜图像在滤波方向为θ的条件下，输入源图像滤波后特征区域的虹膜外侧与内侧互信息差值， 时各个方向的互信息差值之和为MIsup(θ)；

根据实验给定阈值MIsupmax，若有θ使得：

MIsup(θ)＞MIsupmax；

则判定该图像与真虹膜图像不匹配，否则匹配成功。

2.根据权利要求1所述用于身份认证的活体虹膜防伪方法，其特征在于：步骤1)在图像预处理中根据Canny算子结合Hough变换定位虹膜图像的外边界，基于瞳孔边界点控制的最小二乘拟合算法定位虹膜图像的内边界。

3.根据权利要求1所述用于身份认证的活体虹膜防伪方法，其特征在于：步骤1)在图像归一化处理中利用双线性插值法将虹膜图像由环形展开为统一尺寸的矩形图像。

4.根据权利要求1所述用于身份认证的活体虹膜防伪方法，其特征在于：步骤1)在对图像进行增强时首先计算块区域虹膜图像的平均亮度来估计归一化后的虹膜图像亮度变化，再将归一化后的虹膜图像整体减去估计的背景亮度，得到增强后的归一化虹膜图像。

5.根据权利要求1所述用于身份认证的活体虹膜防伪方法，其特征在于：步骤2.1)根据活体组织对特定波长红外光的吸收特性，通过能够连续改变频率的近红外光照射真伪虹膜。

6.根据权利要求1所述用于身份认证的活体虹膜防伪方法，其特征在于：步骤2.2)通过暗盒屏蔽外界光线干扰，使用亮度能够改变的光源照射真伪虹膜，检测瞳孔的缩放情况，若为真虹膜则瞳孔大小会出现明显变化，若为假虹膜则瞳孔大小不会发生变化。

7.根据权利要求1所述用于身份认证的活体虹膜防伪方法，其特征在于：所述的步骤2)通过2D Log-Gabor滤波器对归一化后的虹膜图像进行滤波；

在极坐标下，频域的2D Log-Gabor滤波器表达为H(f,θ)＝Hf×Hθ；

Hf为径向分量，Hθ为方向分量，具体的函数表达式如下：

式中，f0为中心频率，θ0为滤波器的方向，σf用于确定径向带宽Bf，σθ用于确定方向带宽Bθ，f为虹膜图像的频率，θ为虹膜图像的方向；ROI区域选取-30°≤θ≤10°和170°≤θ≤

210°。

8.根据权利要求1所述用于身份认证的活体虹膜防伪方法，其特征在于，若判别结果为真虹膜则识别成功，若为伪虹膜则对伪虹膜进行分类：根据活体组织对特定波长红外光的吸收特性区分屏幕硬拷贝、照片、纸质打印的眼睛图片和活体虹膜；根据瞳孔随不同亮度光源照射时的缩放情况区分玻璃及树胶制造的人造眼和活体虹膜；根据滤波得到的虹膜图像特征区域各个方向互信息之差区分佩戴隐形眼镜的自然眼和活体虹膜。

说明书

一种用于身份认证的活体虹膜防伪方法

技术领域

[0001] 本发明涉及生物特征身份鉴别技术，具体涉及一种用于身份认证的活体虹膜防伪方法。

背景技术

[0002] 目前，虹膜因其特殊的结构和无接触采样模式，已被广泛地研究应用于身份认证系统。常用于生物特征识别的生理特征有指纹、掌纹、人脸、虹膜、耳廓、视网膜等。其中，虹膜作为重要的身份鉴别特征，具有唯一性、稳定性、非侵犯性等优点，是一种用于身份验证的理想生物特征，被广泛运用于银行、社会福利保障、电子商务、安全防务、智能手机的银行支付系统等领域。然而，尽管虹膜识别有很多优点，但虹膜认证系统容易受到伪虹膜的干扰。

[0003] 目前比较常见的伪虹膜有以下几类，利用屏幕硬拷贝、照片、纸质打印的眼睛图片；玻璃及树胶制造的人造眼；佩戴彩色隐形眼镜的自然眼等。基于虹膜识别的身份认证系统应当具有防伪的功能，即能够准确判断采集对象是否来自有生命的个体。近红外光谱分析技术是分析化学领域迅猛发展的高新分析技术，越来越引起国内外分析专家的注目，在分析化学领域被誉为分析“巨人”，它的出现可以说带来了又一次分析技术的革命。瞳孔，不仅可以对明暗做出反应，调节进入眼睛的光线，也影响着眼球光学系统的焦深和球差。瞳孔自身会根据外界光线强弱调整大小，光线强瞳孔就变小，光线弱，瞳孔就变大，这是对眼睛的自我保护。而2D Log-Gabor滤波器，进一步克服了Log-Gabor滤波器的缺点，更好地提取虹膜纹理的二维特征信息，能够灵活的设定每块滤波器的频率和带宽，大大提高了系统的运算速度。

发明内容

[0004] 本发明的目的在于针对上述现有技术中的问题，提供一种用于身份认证的活体虹膜防伪方法，能够有效鉴别真伪活体虹膜，适用范围广，检测结果准确可靠，有较高的鲁棒性。

[0005] 为了实现上述目的，本发明采用的技术方案包括以下步骤：

[0006] 1)获取真伪虹膜图像并进行图像预处理；所述的图像预处理包括定位图像的内边界和外边界、通过归一化将虹膜图像扩充到统一的大小、对归一化后的虹膜图像进行增强；

[0007] 2)通过以下方面对虹膜图像的真伪进行判别；

[0008] 2.1)利用活体组织红外特征光谱进行虹膜活体检测；

[0009] 2.2)根据人眼动态变化特性进行虹膜活体检测；

[0010] 2.3)利用虹膜纹理特征进行虹膜活体检测；

[0011] 对虹膜图像进行多方向滤波，分别计算各个方向滤波后特征区域的虹膜外侧与内侧图像互信息之差作为纹理特征值，差值的和小于所设阈值为真虹膜，否则为伪虹膜。

[0012] 步骤1)在图像预处理中根据Canny算子结合Hough变换定位虹膜图像的外边界，基于瞳孔边界点控制的最小二乘拟合算法定位虹膜图像的内边界。步骤1)在图像归一化处理中利用双线性插值法将虹膜图像由环形展开为统一尺寸的矩形图像。步骤1)在对图像进行增强时首先计算块区域虹膜图像的平均亮度来估计归一化后的虹膜图像亮度变化，再将归一化后的虹膜图像整体减去估计的背景亮度，得到增强后的归一化虹膜图像。

[0013] 步骤2.1)根据活体组织对特定波长红外光的吸收特性，通过能够连续改变频率的近红外光照射真伪虹膜。步骤2.2)通过暗盒屏蔽外界光线干扰，使用亮度能够改变的光源照射真伪虹膜，检测瞳孔的缩放情况，若为真虹膜则瞳孔大小会出现明显变化。

[0014] 所述的步骤2)通过2D Log-Gabor滤波器对归一化后的虹膜图像进行滤波；

[0015] 在极坐标下，频域的2D Log-Gabor滤波器表达为H(f,θ)＝Hf×Hθ；

[0016] Hf为径向分量，Hθ为方向分量，具体的函数表达式如下：

[0017]

[0018] 式中，f0为中心频率，θ0为滤波器的方向，σf用于确定径向带宽Bf，σθ用于确定方向带宽Bθ，f为虹膜图像的频率，θ为虹膜图像的方向；ROI区域选取-30°≤θ≤10°和 170°≤θ≤210°。

[0019] 输入源图像与真虹膜图像的互信息定义如下：

[0020]

[0021] 其中，R表示输入源图像，F表示真虹膜图像，L表示图像总的灰度级数，i1、i2表示图像的灰度值；pR,F(i1,i2)为输入源图像与真虹膜图像的联合概率密度，pR(i1)、pF(i2)分别为图像R和图像F的边缘概率密度；其中：

[0022]

[0023] 式中，D(i1,i2)为两幅配准图像对应部分图像灰度值为(i1,i2)的像素对总数，为两幅配准图像对应部分的像素对总数；边缘概率密度计算如下：

[0024]

[0025]

[0026] 通过上述公式求得一幅虹膜图像在滤波方向为θ的条件下，输入源图像滤波后特征区域的虹膜外侧与内侧互信息差值， 时各个方向的互信息差值之和为MIsup(θ)；

[0027] 根据实验给定阈值MIsupmax，若有θ使得：

[0028] MIsup(θ)＞MIsupmax；

[0029] 则判定该图像与真虹膜图像不匹配，否则匹配成功。

[0030] 若判别结果为真虹膜则识别成功，若为伪虹膜则对伪虹膜进行分类：根据活体组织对特定波长红外光的吸收特性区分屏幕硬拷贝、照片、纸质打印的眼睛图片和活体虹膜；根据瞳孔随不同亮度光源照射时的缩放情况区分玻璃及树胶制造的人造眼和活体虹膜；根据滤波得到的虹膜图像特征区域各个方向互信息之差区分佩戴隐形眼镜的自然眼和活体虹膜。

[0031] 与现有技术相比，本发明具有如下的有益效果：在对虹膜图像的真伪进行判别时，通过虹膜组织的近红外特性、人眼动态变化以及虹膜纹理特征三个方面，实现了实时高效的真伪虹膜区分，也提高了虹膜识别技术的适用性。采用近红外光谱分析技术，杜绝屏幕硬拷贝、照片、纸质打印眼睛图片的攻击；根据真实瞳孔在不同光照条件下的动态变化，高效预防玻璃及树胶等人造眼的攻击；利用多方向滤波器滤波获得虹膜图像纹理特征，采用互信息作为图像的纹理特征，互信息是图像特征的一种统计形式，充分反映了图像中包含的信息量，是区分佩戴隐形眼镜的自然眼和活体虹膜的有力依据。本发明能够解决多种伪虹膜的攻击，检测结果准确可靠，鲁棒性强，适用范围广，为社会经济安全提供了保障，应用前景广阔。

[0032] 进一步的，本发明通过2D Log-Gabor滤波器对归一化后的虹膜图像进行滤波，2D Log-Gabor滤波器能够克服Log-Gabor滤波器的缺点，更好的提取虹膜纹理二维特征信息，解决了非有效特征提取率增加的问题，更加真实的反映了自然纹理图像的频率响应。真虹膜图像在2D Log-Gabor滤波后特征区域的下半部基本呈现无纹理或少纹理状态，而假虹膜纹理特征丰富。因此本发明对归一化后的虹膜图像进行多方向2D Log-Gabor滤波，分别计算各个方向滤波后特征区域的虹膜外侧与内侧图像互信息差，差值之和小于所设阈值为真，否则为假。

附图说明

[0033] 图1本发明真伪虹膜识别方法原理框图；

[0034] 图2归一化后的虹膜图像：(a)待处理的虹膜图像；(b)去除上下眼睑、提取虹膜圆环的图像；(c)归一化后含噪声的图像；(d)均值替换噪声区域后的图像；

[0035] 图3基于瞳孔变化的活体虹膜识别方法流程图；

[0036] 图4封闭式的虹膜图像采集暗盒结构图；

[0037] 图5基于红外特性的活体虹膜识别方法流程图；

[0038] 图6 2D Log-Gabor滤波器模板示意图：(a)实部；(b)虚部；

[0039] 图7 2D Log-Gabor滤波器获取纹理特征流程图；

[0040] 图8基于2D Log-Gabor滤波的虹膜评价值计算结果统计图；

[0041] 附图中：1.防滑垫；2.密封盖；3.侧窗。

具体实施方式

[0042] 下面结合附图对本发明做进一步的详细说明。

[0043] 参见图1，本发明活体虹膜防伪方法通过以下方法对虹膜图像的真伪进行判别：

[0044] 利用虹膜对特定波长红外光的吸收特性进行虹膜活体检测；根据瞳孔缩放情况，设置自然光(500nit)和暗室(10nit)两种情况，人的瞳孔会有明显变化，而假虹膜没有任何变化；通过对虹膜图像进行多方向的2D Log-Gabor滤波，利用真假虹膜的纹理特征变化，求得特征区域各个方向互信息之差作为判别真伪的特征值。

[0045] 基于对瞳孔收缩变化的检测方法，是通过获得当前手机屏幕的屏幕亮度信息以及对应当前屏幕亮度的瞳孔收缩状态信息，当发现瞳孔随着亮度改变总存在对应收缩现象时，可确定为活体虹膜，否则为伪虹膜。

[0046] 虹膜对特定波长红外光的吸收特性，是使用连续改变频率的近红外光照射虹膜时，检测不同频率近红外光照射后得到的图像，根据不同物体组分含量不同的特点区分屏幕硬拷贝、照片、纸质打印的眼睛图片和活体虹膜。

[0047] 对真假虹膜图像进行各个方向的2D Log-Gabor滤波，该滤波器克服Log-Gabor滤波器的缺点，能更好的提取虹膜纹理的二维特征信息，解决了非有效特征提取率增加的问题，更加真实的反映自然纹理图像的频率响应。真虹膜图像在2D Log-Gabor滤波后，特征区域的下半部基本呈现无纹理或者少纹理状态，而假虹膜纹理特征丰富。因此本发明提出用多方向2D Log-Gabor滤波对归一化后的虹膜图像进行滤波，并分别计算各个方向滤波后特征区域的虹膜外侧和内侧图像的互信息差，当差值之和小于所设阈值为真，否则为假。

[0048] 图像的互信息是图像特征的一种统计形式，反映了图像中包含的信息量。求得一幅虹膜图像在滤波方向为θ的条件下，滤波后特征区域的虹膜外侧和内侧图像互信息值之差与真虹膜的值进行比较。根据实验给定合适阈值，判别真伪虹膜。具体步骤如下：

[0049] 1.虹膜图像预处理；

[0050] 如图1所示，真伪图像获取后进行图像的预处理部分，根据Canny算子结合Hough变换定位外边界，基于瞳孔边界点控制的最小二乘拟合算法确定虹膜内边界，处理后的结果如图2(b)所示；图像的归一化中，利用双线性插值法将环形虹膜展开为统一尺寸的矩形图像，统一样本大小，如图2(c)所示；计算小块虹膜的平均亮度来估计归一化虹膜图像的亮度变化，然后将所述归一化图像减去估计的背景亮度，以此对处理结果进行图像增强。

[0051] Canny边缘检测是通过高斯滤波器滤波消除图像中一些孤立的、像素变化很大的噪声点。图像的边缘点是指在图像的局部区域中，像素灰度值变化显著的点，所述边缘检测是对这些点定位和标记，获取封闭边界曲线的算法，去除噪声后的图像如图2(d)所示。

[0052] 双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。利用上述双线性插值法可将虹膜图像扩充到统一的大小。

[0053] 2.真伪虹膜判别；

[0054] 1)基于对瞳孔收缩变化的检测方法，检测流程如图3所示。

[0055] 301、302：利用自制的暗盒装置，屏蔽外界光线的干扰，如图4所示，暗盒装置包括由密封盖2封闭且遮光的盒体，盒体一侧设置有侧窗3，盒体内设置有用于放置智能终端的防滑垫1。改变当前手机屏幕的亮度，使手机屏幕亮度取得10nit与500nit两组值(自然光和暗室)，并通过虹膜采集装置实时获取不同屏幕亮度下的瞳孔收缩状态图片。

[0056] 303：将屏幕亮度信息和瞳孔收缩状态信息配对成为信息组，进而对屏幕亮度信息和瞳孔收缩信息进行分析，对图像进行瞳孔定位，检测瞳孔半径，将前后两张图片瞳孔半径相减。

[0057] 实验中，暗室情况下，瞳孔半径为3mm；自然光条件下，瞳孔半径为1mm。

[0058] 304：设置合适阈值，若半径之差大于阈值，则确定为活体虹膜，否则为伪虹膜。

[0059] 2)图5为基于红外特性的活体虹膜识别方法的流程图；

[0060] 步骤1：使用连续改变频率的近红外光照射虹膜。近红外光谱属于分子振动光谱的倍频和主频吸收光谱，主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生，具有较强的穿透能力。近红外光主要是对含氢基团振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息。由于不同的有机物含有不同的基团，不同的基团有不同的能级，不同的基团和同一基团在不同物理化学环境中对近红外光的吸收波长都有明显差别，且吸收系数小，发热少，因此近红外光谱可作为获取信息的一种有效载体。

[0061] 步骤2：获取各频率近红外光照射后的图像。

[0062] 近红外光照射时，频率相同的光线和基团将发生共振现象，光的能量通过分子偶极矩的变化传递给分子；而近红外光的频率和样品的振动频率不相同，该频率的红外光就不会被吸收。因此，选用连续改变频率的近红外光照射真伪虹膜，获得照射后的图像。

[0063] 步骤3：对比不同频率下各组分含量，若含量有差异显著，则确定为活体虹膜。

[0064] 由于试样对不同频率近红外光的选择性吸收，通过试样后的近红外光线在某些波长范围内会变弱，透射出来的红外光线就携带有机物组分和结构的信息。通过分析反射光线图像是否携带了这种信息，能够进一步区分虹膜的真伪。

[0065] 利用活体组织对特定波长红外光的吸收特性，选用连续改变频率的近红外光照射真伪虹膜，可以区分屏幕硬拷贝、照片、纸质打印的眼睛图片和活体虹膜。

[0066] 3.基于2D Log-Gabor滤波的特征提取；

[0067] 采用2D Log-Gabor滤波器对归一化后的图像进行滤波，该滤波器能够在频域很好的控制其频率和带宽，且没有直流分量，带宽不受限制，具有类似人的视觉特性。

[0068] 接下来通过滤波得到的特征区域各个方向互信息之差作为纹理特征值。互信息能够用于测量两个随机变量的依赖性，其计算的量反映出数据间相似程度，能够高效区分佩戴隐形眼镜的自然眼，实现人员身份认证。

[0069] 图6为2D Log-Gabor滤波器模板，基于2D Log-Gabor滤波的特征提取，由于2D Log-Gabor 滤波器能够提供空间频率、方向、空间位置的最大分辨率，在空间域和频率域中均具有良好的联合定位能力，因此适合做纹理分析。2D Log-Gabor滤波器无直流分量，带宽不受限制，具有类似人的视觉特性，且对纹理图像特征的提取极为有效。2D Log-Gabor是一种在对数频率尺度上传递函数为高斯函数的滤波器，由于人的视觉系统具有非线性，这种非线性具有对数性质，因此2D Log-Gabor滤波器能更加真实地反映自然纹理图像的频率响应。在极坐标下，频域的2D Log-Gabor滤波器可表达为H(f,θ)＝Hf×Hθ，Hf为径向分量，Hθ为方向分量。

[0070] 具体的函数表达式如下：

[0071]

[0072] 式中，f0为中心频率，θ0为滤波器的方向，σf用于确定径向带宽Bf，σθ用于确定方向带宽Bθ，f为虹膜图像的频率，θ为虹膜图像的方向。

[0073] 图7为2D Log-Gabor滤波器获取纹理特征流程图，2D Log-Gabor滤波器对归一化后的图像进行滤波，得到虹膜图像的特征值。由于Gabor滤波器将滤波模板从时域转换到频域，频率信息不好控制，且存在直流分量。2D Log-Gabor滤波器能够在频域很好的控制其频率和带宽，而且没有直流分量，即不受亮度条件影响。对于分块滤波的图像，利用2D Log-Gabor滤波器，能够灵活的设定每块滤波器的频率和带宽，大大提高了系统的运算速度。

[0074] 为排除虹膜图像中被遮挡的部分，选取ROI区域为-30°≤θ≤10°和170°≤θ≤210°。归一化后的虹膜纹理具有很强的方向性，大部分趋于竖直方向。2D Log-Gabor滤波现在广泛应用在纹理增强，若对真假虹膜图像进行各个方向的2D Log-Gabor滤波，真虹膜图像在2D Log-Gabor滤波后特征区域的下半部基本呈现无纹理或者少纹理状态，而假虹膜不会。因此本发明提出用多方向2D Log-Gabor滤波对归一化后的虹膜图像进行滤波，然后分别计算各个方向滤波后特征区域的虹膜外侧和内侧图像互信息值差，差值的和小于所设阈值，否则为假。

[0075] 互信息是信息论中的一个基本概念，它用来度量两个随机变量的统计依赖性或者一个变量包含另一个变量的信息量。图像的互信息是图像特征的一种统计形式，反映了图像中包含的信息量。输入源图像与真虹膜图像的互信息定义如下：

[0076]

[0077] 其中，R表示输入源图像，F表示真虹膜图像，L表示图像总的灰度级数，i1、i2表示图像的灰度值。pR,F(i1,i2)为输入源图像与真虹膜图像的联合概率密度，pR(i1)、pF(i2)分别为两幅图像的边缘概率密度。其中：

[0078]

[0079] 式中D(i1,i2)为两幅配准图像对应部分图像灰度值为(i1,i2)的像素对总数，为两幅配准图像对应部分的像素对总数。边缘概率密度计算如下：

[0080]

[0081]

[0082] 代入上述公式求得一幅虹膜图像在滤波方向为θ的条件下，输入源图像滤波后特征区域的虹膜外侧与内侧互信息差值， 时各个方向的互信息差值之和为MIsup(θ)；

[0083] 根据实验给定阈值MIsupmax，若有θ使得：

[0084] MIsup(θ)＞MIsupmax；

[0085] 则判定该图像与真虹膜图像不匹配，否则匹配成功。

[0086] 图8为基于2D Log-Gabor滤波的虹膜评价值计算结果，多次试验取得合适阈值M。

[0087] 由图8可知，真伪虹膜完全区分开，很好的实现了防伪功能。由于伪造虹膜图像在各方向滤波上的结果有显著不同，因此该方法在匹配虹膜图像的同时排除了伪造虹膜图像。

[0088] 式中θ的取值

[0089] 以上的具体实施方式仅为本发明的较佳实施例，并不用以限制本发明，凡在发明的精神及原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。