12、虹膜生物识别技术全解析

虹膜生物识别技术全解析

1. 虹膜图像归一化

在虹膜识别系统中，图像归一化是重要的预处理步骤。此阶段将圆形笛卡尔坐标的虹膜图像转换为预定义矩形大小的极坐标图像，以实现更精确的匹配。图像采集距离和光源类型会导致虹膜和瞳孔尺寸出现差异，文献中提出了多种归一化方法，其中Wildes图像配准和Daugman橡胶片模型是最常用的方法。

1.1 Daugman橡胶片模型

利用均匀橡胶片模型，可将分割出的圆形虹膜部分转换为无量纲的伪极坐标。该方法并非绘制虹膜图像中形成同心圆的像素，而是在从椭圆形虹膜获取像素后，将像素以线性模式排列成矩形。具体操作是，先获取360°第一上环的像素并绘制为直线，然后每次线性绘制后将直径减1，重复此过程。矩形的宽度（h）为360，高度为虹膜和瞳孔的半径差（r），计算公式如下：
[x(r, \theta) = (1 - r)x_p(\theta) + rx_i(\theta)]
[y(r, \theta) = (1 - r)y_p(\theta) + ry_i(\theta)]
其中，(I(x, y))是虹膜图像区域，((x, y))是像素的笛卡尔坐标，((r, \theta))是极坐标，((x_p, y_p))和((x_i, y_i))分别是外环和内环的坐标。

1.2 图像配准

图像配准的主要任务是校准，因为定位的虹膜不能直接用于虹膜图像定位编码。该过程通过归一化将每个图像调整到相同的对应位置和大小，使用映射函数((u(x, y), v(x, y)))将采集的图像(I_a(x, y))与数据集中选定的图像(I_d(x, y))对齐。选择映射函数((u, v))以最小化误差函数：
[err = \