【技术领域】

本发明涉及一种基于虹膜纹理分析的生物测定系统，特别是一种实现自动无侵害获取 高质量的虹膜图像及基于虹膜纹理分析进行个体生物测定系统，属生物统计学、模式识别 和计算机视觉的交叉领域，该系统所用装置属于光机电一体化、自动控制技术领域。

【背景技术】

虹膜用于个体生物测定的生理和解剖医学特征有：

1.虹膜纹理组织细节丰富；

2.虹膜纹理组织细节的形成与胚胎发育阶段的环境有关，具有极大的随机性，即使为同卵 分化；

3.虹膜纹理组织特征在出生后8个月至2岁后保持不变；

4.目前不可能用外科手术改变虹膜纹理特征。

虹膜个体生物测定系统目前研究的难点和热点在于如何实现自动无侵害和良好人机 界面模式获取高质量的虹膜纹理图像及平移、缩放、旋转、瞳孔弹性缩放等几何仿射变换 与非线性仿射形变的无相关性、成像条件无依赖性和高精度的个体生物测定方法。特别指 出成像条件无依赖性包括成像聚焦质量，成像噪声，成像对比度，背景照明分布等条件。 当然必须具备对伪造物方式的防御机制能力。

Mchugh et al《持握式虹膜成像装置和方法》美国专利号：US6,289,113 B1 《HANDHELD IRIS IMAGING APPARATUS AND METHOD》US PATENT NUMBER：US6,289,113 B1 SEP.11.2001发明了无侵害、实时性具备一定人机界面特征的装置和方法。它由成像透镜 (imaging lens)，凹冷光镜(concave cold mirror)，可选的屈光校正镜(diopter correction lens)和近红外波段照明光源，光学视频相机组成。该发明还提出一种实现焦 点评估的方法。通过分析图像高频谱的能量总和的非线性压缩方法来完成焦点评估。为了 避免浮点Fourier变换FFT实现该方法，其发明了以下在图像空间域滤波器代替图像高 频谱域滤波器实时实现。

K(u，v)＝sin(u)sin(v)/π2uv-sin(2u)sin(2v)/4π2uv    (1)

Bum Chul Kim et al《虹膜识别系统二》美国专利号：US6,594,377 B1《IRIS RECOGNITION SYSTEM》US PATENT NUMBER：US6,594,377 B1 Jul，15，2003提出了一种无严格限制使用 距离的无侵害、实时性的装置。它由可上下旋转的控制容器，在该容器内有视频相机，紫 外线截止镜，冷光镜，数个近红外波段照明光源，距离测量传感器，控制单元组成。

Bum Chul Kim et al仅描述了一种成像装置和该装置与控制单元的控制关系，但是 在实际应用时也缺乏一种具体的虹膜图像质量控制分析处理机制支持。

事实上，上述的发明主要都围绕虹膜成像装置论述，在实际应用时虹膜成像装置的目 的是获得高品质虹膜图像，它必须有图像质量分析处理机制结合。实现获得可靠的虹膜个 体生物测定系统必有以下要求：分析和控制镜面反射程度，具备对伪造物方式的防御机制 能力：虹膜纹理图像质量的评估分析，平移、缩放、旋转、瞳孔弹性缩放等几何仿射变换 与非线性仿射形变的无相关性、成像条件无依赖性和高精度的个体生物测定方法。并要求 快速完成。事实上上述的描述内容是任何的个体生物测定系统最根本要求。

R.P.Wildes et al《自动无侵害的虹膜识别系统和方法》中国专利号：95195628.0 公开了一种无侵害，具备一定人机界面特征的虹膜成像装置。它主要由照明光源，固体光 学成像视频相机，漫射滤镜和偏振器组成。Laplacian Pyramid Wavelet(拉普拉斯叠层小 波)带通分解提取多尺度下的纹理特征，采用Fisher线性统计数据相关性方法度量相似 度。

R.P.wildes et al的系统只是实验研究性质，在实际应用中完全不能满足对理想 系统的基本特征要求。

John Daugman作为虹膜识别技术的先锋和奠基者(“基于虹膜分析的个体生物测定系 统”美国专利号：5,291,560“Biometric Person Identification System Based On Iris Analysis”US Patent number：5,291,560，May，1，1994)发明能可靠的实现快速和高精 度的虹膜定位方法，其定位算子为下式：

虹膜分析区域规范化极坐标变换采用线性分界仿射。

采用2D Gabor小波簇提取纹理特征，其具有威利一海森堡测不准理论(Weyl-Heisenberg Uncertainty Relation)下的最小分辨率，它具有最佳时频结合分析精度。

在复平面上进行分别对局部区域实虚部过零(zero-crossing)量化编码产生虹膜纹理特征 编码IrisCodeTM。相似度的度量采用编码的汉明距离(Hamming Distance)，并能被逻辑异 或(XOR)运算快速实现。

目前为止，John Daugman在个人网站上 http：//www.cl.cam.ac.uk/users/jgd1000/详细 公开了虹膜识别方面的内容。其中包括识别原理和应用等详细内容。

事实上，John Daugman对小波变换后的结果进行局部区域过零(zero-crossing)量化编码， 逻辑异或运算汉明距离相似度度量的方法是最广为人知的，目前的其它许多研究以此为 基础。

相似的W.W Boles and B.Boashash《A Human identification Technique using images of iris and wavelet transform》IEEE TRANSACTIONS ON SIGNAL PROCESSING，VOL.46，APRIL 1998，该文献也组合了小波变换与局部区域过零量化编码的 方法。不过它是建立在虹膜同心圆中相同分辨率精度的1D信号上。

John Daugman描述了虹膜纹理分析的个体生物测定方法，其虹膜定位方法具备快速 和高精度性，但在当瞳孔与虹膜区域低对比度和噪声干扰的情况下，也会发生虹膜定位失 败的事例。

规范化线性分界仿射极坐标变换不能反映瞳孔缩放变化的生物特征形成非线性虹膜 纹理压缩和拉伸与虹膜纹理分布特征表现不均衡性。

John Daugman使用在复平面上进行局部区域实虚部过零量化编码是一种4(2bits)状 态模糊量化的方法。但该编码和相似度度量方法对成像条件有一定的依赖性和局限性。

目前的其它许多研究和该领域专利都是以通用或广义的边缘提取方法用于虹膜定位 的方法。这类研究方法包括以各种空间滤波器为边缘算子如LOG(Laplacian of Gaussian)， Gaussian方向滤波器，Canny边缘算子等结合圆形Hough变换为代表。

该类方法不具备实用性，因为快速虹膜定位不仅是必备的处理过程，而且它的定位速 度和定位精度都直接影响系统可靠性和精确度。这类空间滤波器和圆形Hough变换在实 际的应用背景环境下用于虹膜定位，根本不能保证系统可靠性和精确度，同时它也不能保 证系统实现虹膜定位的快速性要求。

更重要的，其它许多研究都采用基于数据相关或数据统计的特征编码与相似度度量方 法，但该类方法对成像噪声，电子增益，图像对比度，图像聚焦，背景照明等具有高度敏 感性，即，成像条件高度依赖性；也不具备无相关的编码随机性概率分布条件，这类编码 和度量方法在分析高容量样本和实际成像条件下被认为是不具备可靠和精确性。

【发明内容】

本发明的目的是克服已有技术中缺乏虹膜图像质量分析机制支持、无法完成虹膜纹理 图像质量评估的缺陷，提供一种自动无侵害的方式，获得高品质虹膜图像，并自动评估分 析虹膜图像纹理质量，通过分析虹膜纹理图像实现个体生物测定的测定系统。

更重要的，实现了快速可靠虹膜定位；活体虹膜检测具备对伪造物的防御机制能力； 自适应规范化区域极坐标变换；基于生物视觉皮层模型的多尺度，多方向性的小波变换用 于解调表达纹理特征结构；广义二进制量子化基本编码方法结合全概率相似度度量方法具 备产生无依赖的随机性概率分布编码和对成像噪声，电子增益，图像对比度，图像聚焦， 背景照明等外部成像条件不具敏感性。

本发明的另一目的是提供与该测定系统相配的虹膜成像装置，它能连续测量使用者与 装置之间物距和运动速度；实时改变光源输出的辐射亮度/强度；实时自动移去镜面反射； 实时自动焦点评估。

本发明实现了理想系统的基本特征要求：自动性、无侵害、友好的人机操作界面和高 品质成像图像；平移、缩放、旋转、瞳孔弹性缩放等几何仿射变换与非线性仿射形变的无 相关性；外部成像条件无依赖性；随机性概率分布编码；高精度的错误接受率(FAR)和 错误拒绝率(FRR)性能。

本发明由以下方案实现：

一种基于虹膜纹理分析的生物测定系统，它包括以下步骤：

(1)、虹膜纹理图像获取，包括：

a)、连续测量使用者与装置之间物距和运动速度；

b)、实时自动改变光源输出的辐射亮度/强度；

c)、实时自动移去镜面反射；

d)、实时自动焦点质量评估；

(2)、自动虹膜定位；

(3)、评估分析虹膜纹理图像质量；

(4)、活体虹膜自动跟踪和检测；

(5)、虹膜分析区域规范化极坐标变换；

(6)、解调表达虹膜纹理特征；

(7)、量子化编码产生特征编码IrisID；

(8)、特征编码IrisID相似度度量。

(9)、相似度度量判决；

本发明的实时自动焦点质量评估包括以下步骤：

(1)在以评估点为中心，具有局部分析尺度的区域中定义数学期望、方差或规范化方 差；

(2)对全局分析图像空间域中每一局部邻近像素分析区域迭代步骤(1)，获得每个局部 分析区域方差或规范化方差，由此产生全体局部邻近分析区域方差或规范化方差集合；

(3)累加步骤(2)中方差或规范化方差集合产生焦点评估值或规范化焦点评估值；

(4)将标准最优聚焦图像的焦点评估值作为标准去评估所获得焦点评估值，获得统一 的焦点质量评估值，或直接采用规范化焦点质量评估值；

(5)上述步骤的离散化数值计算方法均为优化整型代码实现；对局部邻近像素分析区 域采用的积分为(2D)面积分或x(水平)方向的(1D)线积分，方差或规范化方差可以等价的 定义为标准偏差或规范化标准偏差。

本发明的自动快速虹膜定位包括以下步骤：

(1)、定义以评估点为中心，具有半径分析尺度的局部评估区域ΔS；

(2)、定义包含于ΔS内的像素的数学期望和方差；

(3)、通过对感兴趣评估区域以间隔采样方式迭代步骤(1)-(2)产生所有待评估点和待评 估半径集合的方差集合；

(4)、对步骤(3)中所产生的待评估方差集合定义2阶变化率(加速度)最大绝对值；

(5)、重新定义迭代参数：以步骤(4)中搜索到的2阶变化率最大绝对值所对应的位置 为中心的局部区域，成为新的感兴趣评估区域，提高待评估点和待评估半径的间隔采样精 度，提高半径分析尺度的分析精度；

(6)、迭代步骤(1)-(5)，直至间隔采样精度为单像素；

(7)、上述步骤的离散化数值计算方法通过优化整型代码被快速实现；并且上述步骤 中的方差可以等价的定义为标准偏差。

本发明的评估分析虹膜纹理图像质量采用与实时自动焦点质量评估相同的方法，它的 分析区域被限定在上述虹膜定位所获得的有效虹膜区域。

本发明的活体虹膜检测包括以下步骤：

(1)、活体虹膜检测基于眼科学中扩张肌和扩约肌产生的瞳孔缩放变化的生物特征， 在随机可控制的照明条件下(即，不同强度的光源辐射)以瞳孔自动调节控制外部环境光 入射的光通量的眼科学原理为基础的瞳孔缩放生物变化率规律；

(2)、活体虹膜检测可以通过基于活体虹膜生物组织在不同窄带发射波长及其不同组 合的成像条件下产生的亮度互对比度变化的生物光学特性，在随机可控制的不同窄带发射 波长及其不同组合下，测试活体反应特性，以此不同波长及其不同组合成像条件下的亮度 互对比度变化判断是否属伪造物；

(3)、活体虹膜检测也可以通过基于活体虹膜生物组织在不同窄带发射波长及其不同 组合的成像条件下产生的虹膜区域纹理互对比度变化的生物光学特性，在随机可控制的不 同窄带发射波长及其不同组合下，测试活体反应特性，以此不同波长及其不同组合成像条 件下的纹理互对比度变化判断是否属伪造物。

本发明的虹膜分析区域规范化极坐标变换包括以下步骤：

(1)、根据虹膜定位所获得的虹膜内外边缘半径和圆心坐标定义2D卡迪尔坐标变换为 2D规范化区域极坐标；

(2)、坐标系统变换被离散化后，定义角度元素采样样本数量和增量；

(3)、步骤(2)中定义的角度元素按照自适应于不同半径的离散化采样方式完成2D规 范化区域极坐标变换；

(4)、坐标系统排除低象限的镜面反射和高象限眼睑、睫毛干扰部分区域被用于虹膜 纹理特征分析。

本发明的解调表达虹膜纹理特征所采用小波变换可以为2D m阶基数B-样条小波对 即2D B-小波对或多尺度，多方向性2D Morlet小波，2D m阶基数B-样条小波对是具有 偶对称性(对称)的偶数m阶基数B-样条小波，及具有奇对称性(反对称)的奇数m阶基数 B-样条小波组成的小波对。并且2D m阶基数B-样条小波对满足m≥3要求。

多尺度，多方向性的2D Morlet小波变换解调，并屏蔽2D Morlet小波实部的直流/DC 响应输出，它使直流响应输出为0属性。设计参数的关系分布按照基于生物视觉皮层模型 的要求为：

(1)小波尺度因子按照以2j(j＝0，1，2…N)的指数关系分布，中心频率解调因子按照相应小 波尺度因子确定的中心频率位置关系分布；

(2)中心频率解调带宽因子与中心频率解调因子按照常数比例关系分布，并且该常数保证 中心频率解调带宽的带限为具有小于或等于倍频程。

本发明的量子化编码产生特征编码IrisID包括以下步骤：

(1)、定义基于虹膜局部分析区域广义二进制量子化基本编码的方法，它由以下算子判定：

其中：f，g是广义泛函，它满足以下条件(c为正常数)：

(2)、通过步骤(1)对所有虹膜局部分析区域采样参数，产生具备统一规范可度量的虹膜纹 理特征编码IrisID。

本发明的虹膜纹理特征编码(IrisID)相似度度量采用全概率相似度度量方法，全概率 相似度度量时应采用在规范角度方向上周期循环位移编码产生相应不同的虹膜纹理特征 编码IrisID与需鉴定或验证的已注册特征编码进行多次相关角度旋转后的相似度度量方 法。最终相似度度量结果即为上述多次相关角度旋转后的相似度度量最大值。

本发明的相似度度量判决基于数据统计分析确定相似度判决值，其被用于确定的个体 判决标准。对应的相似度度量结果大于判决值系统给出肯定信息，否则给出否定信息。

本发明的实时自动移去镜面反射是根据视频照相机所成像图像的分析获得镜面反射 程度分析结果，调整照明光源的位置和虹膜间的入射角度，来达到改变镜面反射程度，直 至获得高质量无反射干扰的虹膜图像。

本发明的一种基于虹膜纹理分析的生物测定系统所用的虹膜光学成像装置，它包含有 壳体，壳体内有成像透镜，视频照相机，并依次排列在光轴线上，其特征是：光学成像透 镜前设有垂面入射冷光镜，壳体内设置距离测量传感器和照明光源，所述的照明光源由可 见光-近红外波段照明光源，调整照明光源位置的位置控制器及封闭照明光源的漫射滤镜 组成。

所述的可见光-近红外波段照明光源进一步包括：由发射波长在400-900nm范围内的 表面发光二极管芯片阵列(LED chips)与可改变光源辐射亮度/强度的能量驱动器组成，并 且所述的可见光-近红外波段照明光源的发射波长由独立分解的窄带发射波长合成并能被 组合控制。

上述可见光-近红外波段照明光源通过能量驱动器驱动提供成像虹膜纹理图像的辐射 亮度/强度，随机可控制的不同照明光强条件下瞳孔缩放变化实现活体虹膜检测。另外在 独立分解的不同窄带发射波长及其不同组合成像条件下的生物光学特性变化实现活体虹 膜检测。

尽管上述可见光-近红外波段照明光源发射波长选择在400-900nm范围内。但本发明 人已经证实和确认不同目的地照明光源的发射波长的最优选择。

(1)对于以成像虹膜纹理图像分析进行个体生物测定为目的，最理想的照明光源发射 波长为720-800nm带宽范围内；

(2)对于以瞳孔缩放变化实现活体虹膜检测为目的，最理想的照明光源发射波长为 400-680nm带宽范围组合上述(1)中720-800nm带宽范围。

(3)对于以不同成像条件下的生物光学特性变化实现活体虹膜检测为目的，最理想的照 明光源的发射波长为在400-900nm带宽范围内的具有典型的FWHM为30nm的不同窄带 发射波长及其不同组合。

虹膜光学成像装置的调整照明光源位置的位置控制器是控制马达或位置选择/切换 器，照明源连接控制马达轴或位置选择/切换器以调整照明源的位置。

距离测量传感器在测得不同物距时，光源输出的辐射亮度/强度关系为I＝(D/D0)2I0。

其中：I0为预设在物距D0处时定义的标准亮度/强度，D和I即距离测量传感器PSD 动态连续测量获得的物距和相应的辐射亮度/强度。

通过连续跟踪PSD动态测量获得的物距，并根据上式确定相应的光源输出的辐射亮 度/强度，辐射亮度/强度的调节由能量驱动器调节电流/电压输出完成。

能量驱动器输出调节值控制方法为产生预置物距与相应的能量驱动器输出调节值关 系属性表，然后通过对该属性表的快速查表法实现。

虹膜光学成像装置，壳体内有语音提示单元和光电提示单元。可使该装置易于操作和 方便使用。

虹膜光学成像装置，垂面入射冷光镜为凹表面冷光镜或平面冷光镜，并且在冷光镜表 面设置有单(或双)眼睛目视区域引导标识，引导使用者的视线，实现使用者相对于成像视 场中心的自调整或自定位。

虹膜光学成像装置，视频照相机是具有对400-1000nm波长范围内敏感的CCD或CMOS 视频照相机。

虹膜光学成像装置，光学成像透镜是具有可变焦、可聚焦功能的成像透镜或是固定焦 距成像透镜。

虹膜光学成像装置，距离测量传感器是红外线或超声波距离测量器件。

本发明的基于虹膜纹理分析的生物测定系统，具有以下的有益效果：

1)本发明具有虹膜图像质量控制分析机制支持，对虹膜纹理图像质量评估，获得高品质 虹膜图像；

2)本发明所述的虹膜定位方法能避免发生瞳孔与虹膜区域低对比度和噪声干扰的情况导 致的虹膜定位失败，具备可靠快速精确性；

3)本发明所述的活体虹膜检测方法具备对伪造物方式的可靠防御机制能力；

4)本发明所述的自适应规范化区域极坐标变换，反映瞳孔缩放变化的生物特征形成非线 性虹膜纹理压缩和拉伸与虹膜纹理分布特征表现不均衡性，并且采样方式的自适应性确保 坐标系统变换的精确度；

5)本发明所述的2D m阶基数B-样条小波变换对即2D B-小波变换对或多尺度，多方向 性2D Morlet小波用于虹膜纹理特征解调表达具有生物视觉皮层模型的功能；

6)本发明所述的广义二进制量子化基本编码方法结合全概率相似度度量方法具备产生无 依赖的随机性概率分布编码和对成像噪声，电子增益，图像对比度，图像聚焦，背景照明 等外部成像条件不具敏感性；

7)本发明能连续测量使用者与装置之间物距和运动速度；实时通过能量驱动器动态改变 光源输出的辐射亮度/强度，达到最佳均衡统一的照明分布条件；

8)虹膜光学成像装置在冷光镜表面设置有眼睛目视区域引导标识，引导使用者的视线， 无侵害、友好的人机操作界面；

9)本发明所述的实时自动移去镜面反射是根据视频照相机所成像图像的分析获得镜面反 射程度分析结果，调整照明光源的位置和虹膜间的入射角度，来达到改变镜面反射程度， 直至获得高质量无反射干扰的虹膜图像；

10)本发明所述的经证实和确认的可见光-近红外波段照明光源发射波长选择具有形成最 理想的成像条件。

下面将通过实施例并对照附图，对本发明作进一步的叙述。

【附图说明】

图1是本发明的系统原理框图；

图2是虹膜光学成像装置的构造示意图；

图中的标号说明：200-虹膜光学成像装置；100-CCD照相机；101-冷光镜；102-成像 透镜；103-虚像；104-PSD距离测量传感器；105-位置控制器；106-漫射滤镜；107-照明 光源；108-语音提示单元；109-光电提示单元；110-引导标识；99-眼睛。

【具体实施方式】

实施例1、本发明用于虹膜采集的虹膜光学成像装置200的构造可从图2中看到，它 包含有壳体，壳体内的光轴线上依次排列有垂面入射冷光镜101、光学成像透镜102、CCD 照相机100，壳体内设置PSD距离测量传感器104，可见光-近红外波段照明光源107，调 整照明光源位置的位置控制器105及封闭照明光源的漫射滤镜106，语音提示单元108和 光电提示单元109。

所述的可见光-近红外波段照明光源进一步包括：由发射波长在400-900nm带宽范围 内的表面发光二极管芯片阵列(LED chips)与可改变光源辐射亮度/强度的能量驱动器组 成。并且所述的可见光-近红外波段照明光源的发射波长由独立分解的窄带发射波长合成 并能被组合控制。事实上一般来说，一种表面发光二极管芯片的发射波长的确是窄带的。

上述可见光-近红外波段照明光源通过能量驱动器驱动提供成像虹膜纹理图像的辐射 亮度/强度，随机可控制的不同照明光强条件下瞳孔缩放变化实现活体虹膜检测。另外在 独立分解的不同窄带发射波长及其不同组合成像条件下的生物光学特性变化实现活体虹 膜检测。

一般来说，相同条件下照明光源辐射亮度/强度越大，成像质量越高。但需考虑眼睛 辐射安全需要和波长与对比度关系，CCD对不同波长的敏感度等因素。因此照明光源辐 射亮度/强度是严格受到限制的。

尽管上述可见光-近红外波段照明光源发射波长选择在400-900nm范围内。但本发明 人已经证实和确认以下不同目的地照明光源的发射波长的最优选择：

(1)对于以成像虹膜纹理图像分析进行个体生物测定为目的，最理想的照明光源发射 波长为720-800nm带宽范围内；

(2)对于以瞳孔缩放变化实现活体虹膜检测为目的，最理想的照明光源发射波长为 400-680nm带宽范围组合上述(1)中720-800nm带宽范围。事实上，如此400-680nm带宽的 白光对使用者产生自然环境下柔和的视觉心理作用。400-680nm带宽的照明光源可选择白 光LED。

(3)对于以不同成像条件下的生物光学特性变化实现活体虹膜检测为目的，最理想的 照明光源的发射波长为在400-900nm带宽范围内的具有典型的FWHM为30nm的不同窄 带发射波长及其不同组合；

事实上，所述的由独立分解的窄带发射波长合成并被组合控制的方法是实现上述可见 光-近红外波段照明光源发射波长可选择控制的基础。

当使用者位于该装置的垂面入射冷光镜101前时，它反射700nm及以下波段，使用 者能清晰看到自己眼睛99形成的视觉反馈虚像103，同时透射700nm以上波段被用于 CCD视频照相机100物理成像。理想的该垂面入射冷光镜为凹表面冷光镜或平面冷光镜， 并且在冷光镜表面设置有单(或双)眼睛目视区域引导标识110，引导使用者的视线，实现使 用者相对于成像视场中心的自调整或自定位。另外冷光镜具备移去功能，这不仅能使CCD 视频照相机恢复原始波长敏感度，同时能增加如成像使用者面部图像，视频等实际应用功 能。

垂面入射冷光镜101提供了一种理想的视觉反馈机制，同时通过眼睛目视区域引导标 识110，它自然的鼓励使用者对准其眼睛的虹膜于X-Y光学轴中心。

漫射滤镜106提供以下作用：

a 增大照明光源光场；

b.提供均匀等方向分布的照明条件；

c.减轻镜面反射程度；

当然更进一步的不会造成对使用者的视觉产生刺激作用。

位置控制器105可以调整照明光源相的虹膜间的入射角度，用避免镜面反射产生覆盖 虹膜图像。

距离测量传感器104是红外线距离测量器件或超声波距离测量器件。它主要用于测量使用 者的虹膜与装置间物距，并完成跟踪它们之间的移动速度。距离测量传感器104测量使用 者的虹膜与装置间物距D和相对运动速度V，并动态改变光源输出的辐射亮度/强度。为 获得在不同物距时图像有统一的亮度/对比度分布的照明条件，在不同物距时光源输出的 辐射亮度/强度有以下关系：

I＝(D/D0)2I0           (3)

其中I0为预设在物距D0处时定义的标准亮度/强度，D和I即PSD动态连续测量获得的物 距和相应的辐射亮度/强度。

因此应采用通过连续跟踪PSD动态测量获得的物距，并根据上式确定相应的光源输 出的辐射亮度/强度，辐射亮度/强度的调节由能量驱动器调节电流/电压输出完成。在实际 应用时，可预置物距与相应的能量驱动器调节输出值的关系属性表，然后通过对该属性表 的快速查表法(lookup table)实现。

当使用者接近装置时，PSD连续跟踪测量使用者的虹膜与装置之间物距D和相对运 动速度V。当运动速度V处于相对静止同时物距D处于正常工作范围内，进入下一过程， 否则语音提示108和光电提示109提示使用者调整相对距离和减小相对运动速度。

当使用者的眼睛角膜和配戴眼镜(隐形眼镜或其它镜面反射)，会在固定照明光源产 生入射时经常发生强烈镜面反射。在这种情况下，图像会出现大量灰度满量程像素点。 系统自动分析镜面反射程度：

$\mathrm{SUM}=\underset{x=1}{\overset{N}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}V(x,y)$

V(x，y)＝1；when I(x，y)＝T

V(x，y)＝0；when I(x，y)＜T              (4)

其中：T为像素灰度满量程阈值；I(x，y)为图像像素值。SUM为反射程度分析结果。当 分析结果大于设定镜面反射程度控制标准时，控制马达调整照明光源或选择/切换器调整 在不同位置的照明光源以改变光源与使用者的虹膜间的入射角度，通过入射角度改变镜面 反射程度，直至获得高质量无反射干扰的虹膜图像。

本发明描述了一种基于光学衍射理论产生散焦模型的实时图像焦点质量评估方法。根 据光学散焦理论模型：

F(x，y)＝I(x，y)*Gσ(x，y)               (5)

Gδ(x，y)为具有空间扩展尺度δ的高斯函数(Gaussian)，I(x，y)为图像函数，*表示 2D函数卷积。该模型表示散焦图像是原始图像I(x，y)经过Gδ(x，y)模糊后产生的。

它的空间扩展尺度δ决定图像被散焦的程度，换句话说，就是以图像I(x，y)中每一 像素为中心的邻近像素区域被加权平均(平滑)程度。通过分析δ对图像的散焦程度即可 计算相应的聚焦程度。

在全局分析尺度T中，以(x，y)为中心，ΔT为局部分析区域时，可以理解ΔT为局 部分析尺度，它用于反应对具有平滑尺度δ的Gaussian光学散焦函数的敏感程度。 当然全局分析尺度T所描述的图像分析区域是具选择性的，如全部或中心局部图像分析 区域。理论上根据成像透镜光学衍射理论，该局部分析区域为散焦圆或模糊圆，即，该局 部分析区域是半径为ΔT的圆。为了简化以下描述，仅考虑方形(当然圆形极坐标也可被 等效理解)情况：

a 当δ→0+(正向趋近0)时：

$\underset{\sigma \to 0^{+}}{\lim }I(x,y)*G_{\sigma }(x,y)=I(x,y)----\left(6\right)$

(6)式表明当δ→0+(正向趋近0)时，Gδ(x，y)等效于delta函数，对局部邻近 像素区域的光学散焦图像即原始图像。

b 当δ满足ΔT/δ→0+时：

$\underset{\mathrm{\Delta T}/\sigma {\to 0}^{+}}{\lim }I(x,y)*G_{\sigma }(x,y)=1/4{\mathrm{\Delta T}}^2{\int }_{x-\mathrm{\Delta T}}^{x+\mathrm{\Delta T}}{\int }_{y-\mathrm{\Delta T}}^{y+\mathrm{\Delta T}}I(x,y)\mathrm{dxdy}----\left(7\right)$

(7)式表明当ΔT/δ→0+时对局部邻近像素区域的光学散焦模型化为局部邻近像素区 域的平均化，即，从频率分析的观点看，只存在直流DC成份。

波像差的均方差其本身有明确的物理意义，即，它是建立在光学衍射理论基础上的像质差 质量指标，本发明人特别指出采用像质差质量指标不仅能反映散焦程度，更本质的它表达 了各种影响像质差质量的物理因素，事实上，它也反映如运动模糊等其它物理因素。 基于以上分析实现实时图像焦点评估方法如下步骤：

a)在全局分析尺度T中，以(x，y)为中心，ΔT为局部邻近像素分析区域中，定义数学 期望E和像质差。其中像质差可定义为以下类型：标准方差μ或规范化标准方差μ*。

Q为ADC满量程量化阶梯度：

现在直观的理解上述理论可简单表述为用方差反映局部邻近像素分析区域对比度关系。 当δ很小时，方差反映局部邻近像素分析区域本身的纹理特征对比度，而δ相对于局部邻 近像素分析区域范围很大时方差趋近于0，即被完全平均化，结果反映为局部邻近像素分 析区域对比度为0。

b)对全局分析图像空间域中每一局部邻近像素分析区域迭代a)，获得每个局部分析区域数 学期望和像质差，由此产生全体局部邻近分析区域的数学期望和像质差集合。

c)累加b)中全体局部邻近分析区域集合产生的像质差集合，并产生焦点评估值Ffocus或 规范化焦点评估值F*focus。

d)将标准图像的焦点评估值Fstandard(即标准最优聚焦图像的焦点评估值)作为标准去 评估所获得焦点评估值Ffocus，通过(11a)式获得统一的焦点质量(Focus Quality)。

Focus Quality＝(Ffocus/Fstandard)·100％                       (10a)

或直接采用规范化焦点评估值F*focus，它已经完成本质上的焦点质量评估值规范化。

Focus Quality＝F*focus·100％                                  (10b)

并且上述步骤中的方差或规范化方差可以等价的定义为标准偏差或规范化标准偏差。

如上述采用的方法，它本质上反映对成像图像的像质质量评估。当然可以理解上述像 质差质量指标还可等效定义为规范化标准偏差。采用规范化焦点评估值的方法有本质上的 优点是它无依赖于图像内容本身，能产生具备统一规范化焦点质量评估值。同时质量控制 标准取决局部分析尺度于ΔT对具有平滑尺度δ的平均(或平滑)化敏感程度。因此这种 方法是优选采用方法。

如上述描述的，CCD对行场间隔扫描积分引导的运动模糊是也可通过上述像质差质 量指标反映，方法为定义(8)式中的局部邻近像素分析区域(2D)面积积分改变为x(水平)方 向的局部邻近像素分析区域(1D)线积分。

上述方法所有离散计算均为优化整型代码实现，能避免浮点运算，具备实时实现逐帧 焦点评估的性能，并能被简单的硬件加速实现。

本发明所描述的快速虹膜定位方法能避免发生瞳孔与虹膜区域低对比度和噪声干扰 的情况导致的虹膜定位失败。它基于瞳孔区域的亮度变化率和巩膜区域的亮度变化率远小 于虹膜区域的亮度变化率的生物光学特征。本发明所描述的迭代方法可以通过解释为模糊 到精确搜索(coarse to fine searching)原理而得以快速实现，它具有模拟人类视觉的多分辨 率(模糊到精确)搜索特性。

(a)定义以评估点(x，y)为中心，[r-Δr，r+Δr]为半径范围的局部评估区域ΔS：

$\mathrm{\Delta S}={\int }_{\Phi 1}^{\Phi 2}{\int }_{r-\mathrm{\Delta r}}^{r+\mathrm{\Delta r}}\mathrm{rdrd\theta }----\left(11\right)$

I(r、θ)为图像I(x，y)的极坐标表示，Δr为半径分析尺度；

φ1，φ2为有效角度范围(逆时针方向)；

其中参数选择为：

在定位内径(瞳孔)时取φ1＝0度，φ2＝360度，Δr取精确的小尺度分析模式； 在定位虹膜外径分别取两部分区域φ1＝-45度，φ2＝45度和φ1＝135度，φ2＝225度， Δr取模糊的大尺度分析模式。

(b)定义包含于(a)中产生的评估区域ΔS内的像素I(r、θ)的评估区域集合数学期望E 和方差μ：

当然上述(b)中ΔS评估区域集合数学期望E和方差μ也可以定义为：

包含以ΔS为评估区域的整体集合，ΔS整体集合分解为ΔS内所有邻近分析区域组 成的局部集合，并产生相应局部集合的数学期望E和方差μ，累加该局部集合数学期望E 和方差μ成为最终ΔS评估区域集合数学期望E和方差μ结果。

当然可以理解上述方差还可等效定义为标准偏差。

(c)通过对感兴趣评估区域ROI(Region Of Interesting)以间隔采样方式迭代(a)-(b)产生所 有待评估点和待评估半径集合Set(r，x，y)的评估区域集合方差集合μ(r，x，y)。 定义初始化的感兴趣评估区域ROI为全体图像区域，定义初始化对ROI评估区域采用模 糊间隔采样。

(d)对(c)中所产生的待评估方差集合μ(r，x，y)，定义2阶变化率(加速度)最大绝对值。

R(r，x，y)＝|f(μ(r，x，y)/r)|

max(r0，x0，y0)|R(r，x，y)/r|               (14)

f表示滤波函数，它被用于有效抑制噪声干扰。如Gaussian滤波函数，中值滤波函数等；(14) 式的行为功能具有搜索待评估方差集合μ(r，x，y)中以(x0，y0)为中心，r0为半径的2阶 变化率最大绝对值。它再次利用了瞳孔和巩膜区域的1阶亮度变化率远小于虹膜区域的1 阶亮度变化率的生物光学特征，进一步使1阶边缘亮度变化率的对比度增强。物理上可理 解为测定有效加速度最大绝对值。当然更高阶变化率最大绝对值也可被等同理解。

(e)重新定义迭代参数：

以(d)中搜索到的2阶变化率最大绝对值所对应的位置(x0，y0)为中心的局部区域，成为 新ROI感兴趣评估区域。

对待评估点和待评估半径提高间隔采样精度(即减低间隔采样像素数量)。

提高半径分析尺度Δr分析精度。

(f)迭代(a)-(e)步骤，算法终结于间隔采样精度为单像素时。

在上述方法中内径(瞳孔)精确定位应该先于虹膜外径，因近红外波段(NIR)成像条件下 有可能会产生巩膜区域与虹膜的对比度很低，在内径(瞳孔)已定位的情况下，可以利用 它的中心区域作为定位虹膜外径感兴趣评估区域ROI，以实现非常快速可靠和稳定的定 位。

上述方法能通过优化整型代码而被加速实现，测试在Pentium 800MHz CPU，640X480像 素图像耗时仅为150ms。它的计算复杂度比传统的边缘算子结合圆形Hough变换方法减 少了至少1000倍以上。

当然可以理解，自动评估分析虹膜纹理图像质量采用上述图像焦点质量评估的方法， 它的分析区域被限定在上述虹膜定位所获得的有效虹膜区域。

个体生物测定系统的根本目的是精度的确定个体身份，具备对伪造物方式的防御机制 能力。活体虹膜检测是个体生物测定系统可靠性本身的重要问题。伪造物检测应该遵循眼 科学和生物光学原理进行。

活体虹膜检测基于眼科学中扩张肌(dilator muscle)和扩约肌(sphincter muscle)产生的 瞳孔缩放变化的生物特征，表现为瞳孔直径的物理尺寸与相应的虹膜外边缘直径比例不断 的发生改变，即使在固定照明条件下表现为虹膜震颤(hippus)。而在随机可控制的照明 条件下，瞳孔缩放变化有相应生物统计规律。所述的在随机可控制的不同照明条件(即，不 同强度的光源辐射)下瞳孔缩放生物变化率规律是以瞳孔自动调节控制外部环境光入射的 光通量的眼科学原理为基础。应该理解上述随机可控制的不同辐射强度的光源是对于发射 波长为400-680nm带宽范围内的照明光源。当

定义虹膜的内外边缘直径的比例ρ：

ρ＝rp/ri

通过跟踪ρ在不同照明条件下变化率规律，以此测试活体反应特性。一般地原则，相对强 辐射照明条件下，扩约肌产生的瞳孔收缩作用明显，相应的比例ρ倾向于减少，反之增大。 事实上，上述可见光波段照明光源被能量驱动器驱动提供随机可控制的照明光强以实现活 体虹膜检测。上述测试活体反应特性的必须满足要求条件是虹膜定位速度。一般地说的瞳 孔缩放上限频率统计在4Hz左右，即250ms。本发明的虹膜定位速度已能满足要求。

更进一步的方法，活体虹膜检测可以通过基于活体虹膜生物组织在不同窄带发射波长 (典型的FWHM为30nm)及其不同组合的成像条件下产生的亮度互对比度变化的生物光学 特性。在随机可控制的不同窄带发射波长及其不同组合下，测试活体反应特性，以此不同 波长及其不同组合成像条件下的亮度互对比度变化判断是否属伪造物。应该理解上述不同 的窄带发射波长及其不同组合的发射波长为400-900nm带宽范围内。事实上，活体虹膜 检测基于以下生物光学特性：

(1)在不同窄带发射波长及其不同组合的成像条件下，因氧化血红蛋白(oxygenated hemoglobin)有不同的吸收率为主要效应致使巩膜(sclera)区域产生相应的亮度Bsclera 对比变化的生物光学特性。

(2)在不同窄带发射波长及其不同组合的成像条件下，因表层皮肤(skin)区域有不同的 反射率为主要效应产生相应的亮度Bskin对比变化的生物光学特性。

(3)在不同窄带发射波长及其不同组合的成像条件下，因虹膜区域有不同的吸收/散射/ 反射率组合为主要效应产生相应的亮度Biris对比变化的生物光学特性。

当然实际应用中，应该考虑CCD对不同波长及其不同组合的敏感度，光辐射强度及自动 增益控制(AGC)等影响成像的因素，但鉴于上述影响因素对巩膜区域亮度Bsclera，表层皮 肤区域亮度Bskin，及虹膜区域亮度Biris在相同窄带发射波长或其相同组合所成像图像中 是具备等效性，即无依赖性。亮度{Bsclera，Bskin，Biris}组成了对于相同窄带发射波长 或其相同组合的亮度互对比度关系，可以理解该亮度互对比度关系无依赖于上述影响成像 因素。事实上，活体虹膜检测正是基于随机可控制的不同窄带发射波长及其不同组合的成 像条件下，对亮度互对比度关系变化判断是否为伪造物。

另外基于相同原理，活体虹膜检测也可以通过基于活体虹膜生物组织在不同窄带发射 波长及其不同组合的成像条件下产生的虹膜区域纹理互对比度变化的生物光学特性。在随 机可控制的不同窄带发射波长及其不同组合下，测试活体反应特性，以此不同波长及其不 同组合成像条件下的纹理互对比度变化判断是否属伪造物。纹理互对比度可采用上述虹膜 纹理图像质量评估结果综合对比。该方法是建立在虹膜纹理图像像质差的基础上，相同成 像条件下的虹膜纹理图像成像像质差是活体虹膜生物组织对具有波长依赖性的吸收/散射 /反射率组合形成的综合对比度效应体现。

特别强调上述方法中使用随机可控制原则，在如此条件下，提供了指数级的防御机制能力。 如采用进行4种不同窄带发射波长及其不同组合，5次随机控制原则的组合活体反应特 性测试，它对伪造物判定可靠性提高了45＝1024次！

上述虹膜定位获得的虹膜内外边缘半径和圆心坐标分别为(rp，xp，yp)和(ri，，xi， yi)。虹膜原始图像I(x，y)所采用坐标系统为2D卡迪尔坐标(2D Cartesian coordination)， 通过规范化区域极坐标(normal Polar coordination)变换为P(X(r，θ)，Y(r，θ))。

I(x，y)：P(X(r，θ)，Y(r，θ))                       (15)

其中：r，θ为规范化极坐标的半径和角度的元素。

它们被规范化为r∈[0，1]，θ∈[0，2π]。

X(r，θ)＝xp(θ)+f(r)[xi(θ)-xp(θ)]；

Y(r，θ)＝yp(θ)+f(r)[yi(θ)-yp(θ)]；

xp(θ)＝xp+rpcos(θ)

yp(θ)＝yp+rpsin(θ)

xi(θ)＝xi+ricos(θ)

yi(θ)＝yi+risin(θ)

f(r)＝∑anrn n＝0，1…N为有限元整数；an为相应拟合系数；

f(r)为由扩张肌和扩约肌产生的不规则的瞳孔缩放变化的生物特征形成的虹膜半径形变函 数，其导致虹膜纹理压缩和拉伸是非线性仿射形变的，另一方面，虹膜纹理分布特征也表现 为不均衡性。可以理解它通过统计虹膜半径形变和分布特征拟合得到该函数f(r)；

在坐标系统变换被离散化后，定义角度元素θ的采样样本数量M和增量Δθ(弧度单位)分 别为：

M＝[2πr]；[]表示取整；Δθ＝2π/M＝1/r；

r定义为有效虹膜区域中的不同半径。

本发明人特别指出归因于实际环境应用中存在：

1)因不同成像条件，图像中有效虹膜区域分辨率的不同；

2)规范化极坐标的半径和角度的元素离散化后采样密度不同，即，在不同半径的采样 密度与角度元素采样密度随之相应改变；

因此通过上述坐标系统变换定义，将以角度元素自适应于不同半径的离散化采样方式 完成坐标变换，该方法不仅能实现适应不同虹膜图像分辨率，而且因其采样方式的自适应性 确保坐标系统变换的精确度，它也暗示增加后述分析的精确度。

上述坐标系统变换实现对光学变倍，物距，偏移程度，瞳孔弹性缩放等几何仿射变换与 非线性仿射形变的无相关性。归结为低象限的镜面反射和高象限眼睑、睫毛等干扰，系 统排除这部分区域被用于纹理特征分析。

本发明人有理由认为两维(2D)图像比一维(1D)图像处理更合理，因为上述几何仿射变 换与非线性仿射形变及计算量化误差等各类实际应用环境问题，两维2D图像更能保证相 同虹膜纹理在实际应用环境下被一致确定。而1D图像则不确定，其强烈依赖于上述实际 应用环境。

“图像纹理特征”可以理解为它在测不准最小结合分辨率分析窗口精度理论下的，由空间 频率域结合局部空间域的内嵌调制(modulation)表达。根据上述理解对已形成“纹理特征” 反演或反变换定义为解调(demodulation)表达。

模式识别在实践应用中最重要和最基本要求是对图像纹理特征解调表达的特征编码和特 征编码的相似度度量对成像噪声，电子增益，图像对比度，图像聚焦，背景照明等外界环 境成像条件不具敏感性，即，成像条件无依赖性。另一方面能具备产生无互相关性(互独 立性)概率分布编码。

本发明应用基于生物视觉皮层模型的多尺度，多方向性的小波变换用于解调(demodulation) 表达纹理特征结构，小波变换用于完成结合时频/空间频域多分辨率带通分析。小波变换 目前已有广泛的研究成果和实际应用，如LOG，Haar，Gabor小波等。

本发明采用的小波变换可以为2D m阶基数B-样条小波(Cardinal B-spline wavelet)，即2D B-小波或2D Morlet小波。

m(正整数)阶基数B-样条Nm小波Ψm对以软件离散或硬件加速实现具有最有效的计算复 杂性和有效性，因为它是具有最小紧支撑集(compactly supported)。对于m阶基数B-样条 Nm及小波Ψm的支撑集为：

更有用的特性是偶数m阶基数B-样条小波Ψm具有偶对称性(对称)，而奇数m阶基数B- 样条小波Ψm具有奇对称性(反对称)。即，

并且高m(典型的m≥3)阶基数B-样条小波Ψm极其逼近测不准理论的时频/空间频域最小 结合分辨率精度，即，2D高m阶基数B-样条小波Ψm接近于下述2D Morlet小波精度， 2D高偶数m阶基数B-样条小波Ψm接近于MRe，2D高奇数m阶基数B-样条小波Ψm 接近于MIm。

定义2D Morlet小波变换的母函数或基本小波(basic wavelet)为：

经过旋转，平移，伸缩变换后成为小波簇集合：

其中：a为小波尺度因子，x0，y0为位移因子，θ为角度旋转因子，σx，σy为中心频率 解调带宽因子，ω为中心频率解调因子。

小波簇组成了具备自封闭性和完备性，但它并不具备正交性，正如生物视觉皮层模型表证了 它是充分冗余的。按照基于生物视觉皮层(visual cortex)模型的要求，设计参数的关系 分布为：

(2)小波尺度因子a按照以a＝2j(j＝0，1，2…N)的指数关系分布，中心频率解调因子ω按照 相应(ω/a)确定的中心频率位置关系分布；

(2)中心频率解调带宽因子σx，σy与中心频率解调因子ω按照常数k比例关系分布，并 且该常数k保证中心频率解调带宽的带限(Band-Limited)为具有小于或等于倍频程。

本发明人特别指出归因于2D Morlet小波实部MRe具备偶对称性，为了使后续的 IrisID(虹膜纹理特征编码)无依赖于成像条件，强制屏蔽小波实部MRe的直流(DC)响应输出， 它可等效于使直流响应输出为0属性。而因于2D Morlet小波虚部MIm本质具备奇对称 性，故无需特别处理。

定义虹膜分析区域极坐标图像P(X(r，θ)，Y(r，θ))的等价表示P(x，y)的解调表达为：

其中*表示2D函数卷积。

事实上，上述方法能完备的逐点确定所有局部区域的虹膜纹理特征解调表达。

上述定义解调表达在处理低频信号时，a尺度因子增大，中心频率降低，空间分析窗口自 动加宽；反之亦然，在处理高频信号时，a尺度因子减小，中心频率升高，空间分析窗口自 动缩小；因而它始终具备能保证在有效分析范围(尺度)内包含等效的信号空间周期。

本发明人特别指出为方便描述，下述WRe与WIm都是以相同参量(a，x，y，θ)为基础。 对以相同参量(a，x，y，θ)产生的解调表达WRe与WIm进行相应编码与相似度度量方法 的优点如下文描述。

本发明定义具有对上述外界环境成像条件下不具敏感性的基于局部区域二进制量子化基 本编码的方法，它由以下广义二进制量子化基本编码算子判定：

其中：f，g是广义泛函，它满足以下条件(c为正常数)：

事实上，考虑上述定义(19)中的相同参量(a，x，y，θ)，即，相同初始相位，无相位 差。任何的纹理特征信号，解调方法定义(18)相应产生的纹理特征表达WRe和WIm两 者，能进一步证明是编码属性无互相关性(互独立性)的。当然应理解所述的编码属性是指 相对于上述广义二进制量子化基本编码方法。

R(WRe，WIm)＝＝0；

其中：<·>表示编码属性互相关。

上述证明过程基于MRe与MIm无互相关性的本质事实。生物视觉皮层模型本身可能也 是具有如此设计原则以表证其互独立性。

最后即可导出上述广义二进制量子化基本编码算子产生对局部区域纹理特征信号无互相 关性(互独立性)概率分布编码。

同时正如上述描述的，WRe和WIm具备相同参量(a，x，y，θ)，对局部区域纹理特征信号 也可以证明广义二进制量子化基本编码算子产生具有对上述成像噪声，电子增益，图像对 比度，图像聚焦，背景照明等外界环境成像条件不具敏感性，即，成像条件无依赖性的本 质优点。

上述广义二进制量子化基本编码算子具有对外界环境成像条件不具敏感性，故也适用于一 般的模式识别应用。

通过上述广义二进制量子化基本编码方法对所有虹膜局部分析区域采样参数(a，x，y，θ)， 产生具备统一规范可度量的虹膜纹理特征编码IrisID。

本发明所采用的广义二进制量子化基本编码方法产生独立的二进制位元编码位的任意周 期循环的邻近状态都仅有1位编码位改变，它可有效地避免邻近状态产生多位编码位被随 机改变。

通过上述描述，可以理解本发明所采用的广义二进制量子化基本编码方法具备产生无依赖 的随机性概率分布编码和对成像噪声，电子增益，图像对比度，图像聚焦，背景照明等外 界环境成像条件等不具敏感性，即，成像条件无依赖性。

本发明的虹膜纹理特征编码(IrisID)相似度度量采用全概率相似度度量方法。该方法从基 于全概率理论导出虹膜纹理特征编码间相似度的度量概率。

定义虹膜纹理特征编码IrisID1和IrisID2间的全概率相似度度量为：

$\mathrm{Metric}(\mathrm{IrisID}1,\mathrm{IrisID}2)=P\left(A\right)=\underset{i=1}{\overset{N}{\Sigma }}{p}_i{h}_i=\underset{i=1}{\overset{N}{\Sigma }}P\left(A\right|\mathrm{Bi})P\left(\mathrm{Bi}\right)$

$\underset{i=1}{\overset{N}{\Sigma }}{p}_i=\underset{i=1}{\overset{N}{\Sigma }}P\left(A\right|\mathrm{Bi})=1----\left(21\right)$

其中：N为虹膜纹理特征编码(IrisID)间全体特征编码位元对数量；

P(A)表示为具有N位元对的虹膜纹理特征编码(IrisID)间相似度度量的全概率。

P(Bi)，表示为虹膜纹理特征编码IrisID间第Bi位元对相似度度量的独立匹配概率。归结 为本发明采用二进制位元编码，故它仅使用1或0表示其数学理论上独立匹配概率。P(Bi) 定义为：

P(Bi)

1    when  Bi IrisID1＝Bi IrisID2

0    when  Bi IrisID1≠Bi IrisID2

P(A|Bi)，表示为虹膜纹理特征编码IrisID间第Bi位元对相对于具有N位元对的整体编码 所具备的归一化统计性条件概率。它主要考虑：

a.虹膜纹理具有重大的放射状相关性，P(A|Bi)因其不同。

b.P(A|Bi)因虹膜纹理分布区域及频率特性不同。

在实际应用中因使用者低抬头和装置物理位置等因素成像的图像必然存在角度旋转问题。 根据虹膜本身具备的圆对称极坐标特性，即，它具有角度圆对称周期循环特性，通过对上述 等价的极坐标图像中虹膜纹理特征解调表达后，在规范角度方向上周期循环位移编码产生 相应不同的虹膜纹理特征编码IrisID。很容易理解上述周期循环位移编码产生的虹膜纹理 特征编码IrisID是可以等效为图像角度旋转编码。

因此在全概率相似度度量时应采用在上述规范角度方向上周期循环位移编码产生相应不 同的虹膜纹理特征编码IrisID与需鉴定(identify)或验证(verify)的已注册(Enroll)特征编 码进行多次相关角度旋转后的相似度度量方法。最终相似度度量结果即为上述多次相关角 度旋转后的相似度度量最大值。

事实上，对于建立在已描述的逐点完备确定的特征解调表达和编码基础上，该方法实现虹 膜图像旋转完全无相关性。

本发明人认为上述广义二进制量子化基本编码方法结合全概率相似度度量方法，具备 本质上区别基于数据相关或数据统计的编码与相似度度量方法。它们具备产生无依赖的随 机性概率分布编码和对成像噪声，电子增益，图像对比度，图像聚焦，背景照明等外部成 像条件不具敏感性。

通过基于数据统计分析确定相似度判决值，其被用于确定的个体判决标准。数据统计 分析模型可采用Gaussian概率分布函数f(x)，即，f(P(A))。

f(x)＝exp[-(x-x0)2/2σ2]                       (22)

其中：x＝P(A)；x0为统计数学期望；σ为统计方差；P(A)为相似度度量全概率。

确定相似度判决值x，即，P(A)和错误匹配率(FMR)与错误不匹配率(FNMR)性 能的分布关系f(x)，对应的相似度大于判决值系统给出肯定信息，否则给出否定信息。结 果被语音或光电提示反馈给使用者。

通过阅读以上实施例内容，本专业领域人员理解本发明具备自动性、无侵害、友好的 人机操作界面和高品质成像图像；几何仿射变换与非线性仿射形变的无相关性；外部成像 条件无依赖性；随机性概率分布编码；高精度的错误接受率(FAR)和错误拒绝率(FRR) 性能。并能对这些已描述的或相近理解的内容进行具体案例实施。