基于FPGA的混沌加密虹膜识别系统设计

假事件的发生概率或者实际发生的频率(在有足够的历史数据可用的情况下)就是拒假率。 拒假率FRR在不同的生物测量体系和技术中值不同;而在任何一个单独的生物测量体系中，尽管用于识别或确认的过程不尽相同，但拒假率(FRR)可能会一样。因为在一个体系中仅有一个有效模板与该系统所获得的数据匹配。

FRR值在生物测量时又会因为环境的不同而不同， 比如使用者合作的程度，操作条件等都可以影响FRR。

容假率(FAR)

在生物测量时，有一种可能性——对某一个对象的某一生物特征扫描取得的数据与数据库中另外一个非该对象的模板足够相似以至于匹配,这种错误叫做接受假事件，相关的概率叫做容假率FAR。 一个生物测量系统的FAR反映了该系统所使用技术的基本性能及系统独特性。为了获得一个低的FAR值，在测量生物实体的模板时，一定要使用这个个体的独一无二的生物个性，同时用于测量该生物个体的算法一定要能够有效地抓住这种唯一的个性。

5.系统平台概述与资源分析

硬件架构部分：系统采用Xilinx公司XUP Virtex-II Pro系列FPGA作为核心的控制和运算芯片，数据采集模块由GD-A118型CCD传感器和ADV7183B视频编码器组成。其中，GD-A118型CCD传感器可以完成虹膜图像的采集，ADV7183B视频编码器负责将采集到得虹膜图像转换成数字信号，（利用SPI接口）传送至FPGA进行处理。当处理图像数据时，FPGA处理模块这一部分是本设计的核心部分，主要用于对已获取的高清晰虹膜图片结合算法作进一步的处理，从而获得重要的虹膜图像信息。

处理之后的图像会根据当前的操作模式被存入FLASH中作为建档模板，或者与当前模板进行匹配。工作前可用键盘对工作模式进行选择，另附带有LCD显示器用来显示模式选择和识别结果。

硬件框图如图1所示：

图1 基于FPGA的虹膜识别系统的结构设计

软件架构部分：采用ISE和EDK开发平台进行以MircoBlaze为系统控制器，以CORE Generator开发的并行处理IP作为复数迭代计算单元的系统结构。软件算法流程图如图2所示：

图2 嵌入式虹膜识别算法流程

6.项目内容简述：

本系统可以分为五个模块：

6.1 图像采集模块：核心部分为GD-A118型CCD传感器，ADV7183B视频编码器。主要用于获取高清晰虹膜图片。

6.2 实时图像处理模块：核心部分为XUP Virtex-II Pro开发板。

这一部分是本设计的核心部分，主要用于对已获取的高清晰虹膜图片作进一步的处理。其中包括质量评估、虹膜定位、虹膜分割、归一化、展开、二值化、增强、特征提取及编码等步骤。

6.3 视频输出模块：核心部分为ADV7179视频编码器。

主要用于将采集到的虹膜图像实时清晰的展示在PC机上，以提高虹膜图像的采集质量。

6.4 数据存储模块：核心部分为SDRAM和FLASH存储器。

主要用于提高系统存储空间，进一步提升平台处理图像的能力。

6.5 结果输出模块：核心部分为3.5英寸液晶屏。

主要作用是更加直观的展示比对结果。

6.6网络传输模块：该模块主要实现将加密后的图片信息传输到远程的中央服器。

7. 虹膜识别算法介绍

7.1虹膜内外边缘的识别及定位

通过虹膜采集设备采集到的虹膜图像，通常不可能仅仅包含虹膜，往往还有眼睛的其它部分，比如眼睑，睫毛，眼白等等，因而准确的虹膜定位是虹膜识别与分析的前提，虹膜及其解剖特征如图3所示。

。

（a）标准虹膜外观 （b）个人采集虹膜 （b）虹膜剖面

图3 虹膜及其解剖特征

7.1.1 虹膜内边缘的特征分析

如上图中所显示的虹膜图像来看，瞳孔的灰度最为趋向一致，也是图像中灰度最低的部分，图4(a)展示了图3的灰度直方图，由图可以看出，瞳孔的灰度集中在直方图的左侧，具有明显地峰值，图4(b)显示了对该图进行灰度分割后的结果。

（a）灰度直方图 （b）阈值变换

图4 图0.1的灰度直方图和阈值变换

由此可见，阈值分割不失为一种初步分离瞳孔的途径，但是应当指出，当我们采用的虹膜图片为标准图片时，即图像聚焦良好，光照均匀，对于此类图像，可以直接采用投影的方式确定瞳孔的半径和圆心，但是，对于光照不均匀的图像，特别是本实例中所使用的虹膜图像，阈值分割之后会出现许多干扰点。

如图5，就是是一幅光照不均匀情况下的虹膜图像及其阈值变换，可见关照不均匀的情况下阈值变换后的瞳孔边界有棱角，而且周围有很多干扰点，这对确定虹膜的内边缘增加了不少难度。

（a） 原图 （b） 阈值变换

图5 光照不均匀情况下虹膜的阈值分割结果

7.1.2 虹膜内边缘的确定

如上所述，阈值分割可以初步地将瞳孔分割出来，但是考虑到算法的抗干扰能力，应对不同光照情况下阈值分割图像的差异情况予以充分考虑，对于光照均