1 前言

　近年來興起的生物特征識別技術具有很好的可靠性。虹膜作為重要的身份鑒別特征，具有唯一性、穩定性、可采集性和非侵犯性等優點。與臉像、聲音等身份鑒別方法相比，虹膜具有更高的準確性。據統計虹膜識別的錯誤率是各種生物識別中最低的。目前，虹膜識別系統可應用于電子商務、條件登錄、授權支付、權限信息和金融交易等領域。本文提出了基于TMS320DM642 DSP的虹膜識別系統，給出了系統硬件和軟件的實現方案。

　　2 系統硬件設計

　　本系統的硬件平臺由五個部分組成，分別是圖像采集、圖像處理、數據存儲、圖像顯示和電源部分。其結構框圖如圖1所示

　　圖1 系統結構框圖

　　2.1 圖像采集

　　圖像采集是將CCD攝像機采集到的虹膜圖像，經高精度的A/D轉換后得到數字虹膜圖像。A/D轉換器采用TI公司的TVP5145芯片，其采樣精度達到10bit，輸出支持CCIR-656和BT656等格式。

　　2.2 圖像處理

　　數字多媒體處理器TM320DM642屬于TI公司C6000系列，是一款新型高性能的DSP。它是整個虹膜識別系統的核心。它的任務是對得到的數字虹膜圖像進行處理和識別，將處理的數據存入數據存儲器，將識別的結果送到LCD顯示器進行顯示。

　　TMS320DM642基于C64x內核，采用高級甚長指令字(VelociTI)體系結構。具有64個32位通用寄存器，8個獨立計算的功能單元。它可在600MHz時鐘速率工作，每個指令周期可并行執行8條32位指令，峰值計算速率可達4800MIps。TMS320DM642有L1和L2兩級緩存，第一級包括L1P(16KB)程序緩存和L1D(16KB)數據緩存;第二級緩存L2(256KB)可靈活配置成緩存或片上內存。TMS320DM642具有64個獨立通道的EDMA(擴展的直接存儲器訪問)控制器，負責片內L2與其它外設之間的數據傳輸。DM642具有豐富的外圍設備接口：包括三個可配置的雙通道視頻接口(Video Port)，可以和視頻輸入，輸出或傳輸流輸入無縫連接;具有多通道音頻串行端口(McASP)，便于音頻應用開發;10/100Mbps以太網口(EMAC)，便于網絡應用;66MHz32bit的PCI接口;以及64 bit的外部存儲器接口(EMIF)，可連接異步或同步的存儲器，如SDRAM。此外，還具有I2C總線模塊、數據管理輸入輸出模塊(MDIO)等。

　　TM320DM642具有以上的特點，能滿足虹膜圖像處理的實時性要求。

　　2.3 數據存儲

　　數據存儲部分包括FLASH、SDRAM和CF卡三部分。FLASH存儲器具有可在系統進行電擦寫，掉電后信息不丟失的功能，用它來保存系統自啟動代碼以及系統程序代碼，本系統選用ATMEL公司的AT29LV020 FLASH芯片，它是NOR型的FLASH芯片，總容量為256KB，數據總線為8位。DSP 選擇了EMIFA boot模式時，上電后自動從CE1空間裝載程序，所以FLASH 必須接在EMIF的CE1空間。SDRAM存儲器的存取速度較高，用它來存放系統運行時的代碼以及臨時圖像數據，本系統選用四片三星公司的SDRAM K4S561632E，每片為16位，32MB，接在DSP的EMIF接口的CE0空間。CF卡接在EMIF的CE2空間，用來存儲原始圖像數據和識別結果。

　　2.4 圖像顯示

　　圖像顯示部分采用數字LCD，可省去數模轉換芯片，而只需一片可編程邏輯器件CPLD驅動LCD，該CPLD選用Altera公司的MAX3000系列。

　　2.5 電源部分

　　電源部分在系統的硬件部分中占有重要的地位，它將影響到整機能否可靠運轉。其中，要著重考慮以下兩點：第一、要有一套保證DSP芯片內核和I/O能同時上電的解決方案，這樣避免對芯片造成損害。本系統采用D型邊沿觸發器來開關電源輸出，很好的解決了這個問題;第二、在高速電路板中，開關的電磁輻射和線路噪音會干擾器件的實際工作電壓，而DSP芯片一般要求工作電壓偏差不超過5%，否則，長時間工作在非正常電壓容易縮短芯片壽命甚至于燒毀。因此，本系統中特別設計了電壓監控電路來實時監控電壓。根據本系統特點，采用了TI公司的TPS3307芯片。

　　3 系統軟件設計

　　系統主程序運行在DSP中，完成虹膜圖像處理的全部算法。虹膜識別的流程圖如圖2所示。識別過程是：先用攝像機拍攝眼睛圖像，然后進行圖像預處理(虹膜定位、增強等)，再對虹膜特征進行分析，與存儲的虹膜特征進行模式匹配，最后得出識別結果。在這過程中，虹膜定位、特征分析和匹配是重要的部分。

　　3.1 虹膜定位

　　本系統采用CCD攝像機拍攝到細節較清晰的眼睛圖像。虹膜是眼睛瞳孔和鞏膜間的環形可視部分。虹膜定位，即是確定虹膜的內外邊緣。一般而言，瞳孔灰度值比虹膜灰度值小，而虹膜灰度值又比鞏膜灰度值小。因此，先以眼圖的灰度平均值為尺度，取得眼圖的二值化圖像。再選取合適的較小的閾值就可粗略定出瞳孔的邊界。然后用取圖像最大連通域和二值圖像形態學的方法較精確地定出瞳孔的邊緣范圍。最后將圖像進行適當的旋轉和邏輯運算，可消除瞳孔內部的光照的影響。這樣可較好定出虹膜的內邊緣，并通過對邊緣點的坐標值求平均的方法確定出瞳孔圓心。在確定虹膜外邊緣時，要選擇較大的合適閾值大致定出虹膜與鞏膜的邊界。其余步 驟基本與定內邊緣的類似。這樣定位的方法速度快，避免了搜索的盲目性。

　　3.2 虹膜的相位匹配算法

　　虹膜圖像的紋理特征具有唯一性，不同人的虹膜紋理是不一樣的。在虹膜自動識別中通常是先存入一幅已知圖像(基準子圖)作為模板，再對任一輸入圖像(實時圖)進行匹配比較，判斷兩者的關系。

　　由于虹膜成像過程中引入的主要是高頻成份的非線性幾何失真，且虹膜圖像的頻譜能量主要集中在低頻區域。所以本系統采用基于低通濾波和傅里葉頻譜的相位相關算法。該算法原理為：對基準子圖和實時圖分別求出離散傅里葉變換。將兩圖變換結果的乘積取復共軛得到它們的互功率譜，歸一化后，便得到對應于這個功率譜的相位譜，然后對相位譜求逆傅里葉變換，得到相位相關函數。

　　此功率譜的相位譜包含了兩圖之間差異的信息。當兩圖一樣時，相位相關函數是δ脈沖函數;當兩圖不一樣時，相位相關函數不能形成δ脈沖函數。因此，相位相關函數可以用來度量兩圖之間的相似程度。并且相位相關算法具有較高的匹配精度。此外，還由于相位相關函數對于灰度值及其尺度的變化是不敏感的，所以，這種算法不易受這些誤差因素影響。

　　4 實驗結果

　　本系統對虹膜圖像進行判斷和識別。實驗結果表明同一人的虹膜圖像的相位相關函數是δ脈沖函數，其相位相關面如圖3所示。不同人的虹膜圖像的相位相關函數不能形成δ脈沖函數，其相位相關面如圖4所示。由于圖像信息高頻部分具有噪聲干擾，為獲得較好的效果，取低頻部分信息進行比較。從圖中可知，同一人的虹膜圖像有一致性，相位相關函數幅值最大值為1。而不同的人的虹膜圖像比較的結果圖中則是雜亂無章的，無規律可尋。兩個圖的區別非常明顯。

　　圖3 同一人的虹膜圖像比較結果 圖4 不同人的虹膜圖像比較結果

　　5 結束語

　　本文介紹了一種基于DSP的虹膜識別系統。大量實驗結果表明，本系統識別率較高，系統穩定、可靠。本系統已經完成調試，效果良好，具有廣泛的應用前景。