Vous êtes sur la page 1sur 4

4th International Conference on Computer Integrated Manufacturing CIP2007

03-04 November 2007

Un Systme Efficace Didentification Des Personnes Par Iris


Ahlem Haniched, Nabil Khenfer Universit Ferhat Abbas de Stif Algrie Hahlem2000@yahoo.fr, Khenfer_n@yahoo.fr

Rsum- Le travail expos dans ce papier prsente un systme d'identification d'iris, se composant d'un nouveau mcanisme de segmentation automatique pour localiser la rgion circulaire d'iris et de la pupille, la rgion d'iris a t ensuite normalise, la phase instantane et le filtre de Gabor sont utiliss pour procder lextraction, et enfin le codage de cette rgion extraite. La distance de Hamming a t utilise pour comparer les codes binaires enregistrs auparavant. Les tests ont t achevs sur une base de 60 images provenant de 60 individus. Nous avons implment cet algorithme didentification en le simulant avec le logiciel MATLAB ensuite en le programmant en temps rel avec le logiciel c++ Builder pour effectuer lidentification en temps rel. Mots-cls- Identification, biomtrie, iris, extraction, ondelettes, image.

III. SEGMENTATION Lalgorithme de segmentation extrait les contours interne et externe de liris (voir Fig. 1). La technique de dtection de liris se droule en deux tapes : tout dabord la dtection de la pupille puis la modlisation de sa frontire par un cercle. Nous avons utilis ici une technique base sur une segmentation de lhistogramme, Calcul des seuils minimum et maximum de lhistogramme liss, segmentation sur le premier pic de lhistogramme liss et seuill, extraction des points de la frontire de cette zone segmente, afin dextraire les points en bordure de la zone de pupille trouve par segmentation (voir Fig. 1b). La dtection de la frontire extrieure de liris sobtient de la mme faon mais par la segmentation sur le second pic de lhistogramme liss (voir Fig. 1c).

I.

INTRODUCTION

Un systme biomtrique fournit l'identification automatique dune personne base sur un certain type de dispositif ou de caractristique unique possd par la personne. Dautres systmes biomtriques ont t dvelopps bass sur des empreintes digitales, des dispositifs faciaux, la voix, la gomtrie de la main, l'criture, la rtine , et celle prsente dans ce travail :l'iris. La reconnaissance par liris reste un sujet dtude assez rcent. Le premier systme a t dvelopp par Daugman en 1994 [1]. Ce systme est fond sur lanalyse par ondelettes de Gabor. Depuis, plusieurs groupes de recherche ont travaill sur le sujet [2], [3], [4], [5], [6], [7] et [8]. Cet article exprimente un algorithme didentification par iris, il se compose de cinq parties : prtraitement, segmentation, droulement, lextraction et gnration diris code, et enfin lassortiment. Dans chaque section on dcrit rapidement l'approche thorique et une mise en application de cette approche teste sur une base de 60 images diris. II. PRTRAITEMENT Limage a t rduite de 25% pour acclrer les calculs, filtr l'aide du filtre gaussien pour rduire les effets du bruit. Le degr de lissage est dtermin en fonction de cart type (peut tre pris 1.9 dans notre cas).

(a)
Fig. 1. Segmentation de liris.

(b)

(c)

IV. DEROULEMENT Liris localis est droul suivant la transformation polaire propose par Daugman [1] :
I ( x(r , ), y (r , )) I (r , ) . Avec I est une image d'iris. (1)

Fig. 2. Transformation polaire.

4th International Conference on Computer Integrated Manufacturing CIP2007


V. EXTRACTION Afin de fournir l'identification prcise des personnes, l'information la plus distinctive prsente dans un modle d'iris doit tre extraite. Seulement les dispositifs significatifs de l'iris doivent tre cods de telle sorte que des comparaisons entre les calibres puissent tre faites. Les ondelettes peuvent tre employes pour extraire les donnes dans la rgion diris. Daugman a utilis le filtre de Gabor 2 dimensions (2D) [1] afin de coder le modle d'iris, il dmodule la sortie du filtre afin de comprimer les donnes. Ceci est fait par quantification de l'information de phase dans quatre niveaux. Il a t montr par Oppenheim et Lim [9] que linformation de phase, plutt que celle de lamplitude fournit les informations les plus significatives dans une image. Ces quatre niveaux sont reprsents en utilisant deux bits de donne, Un total de 2048 bits est calcul pour tout le calibre. La dmodulation et le processus de quantification de phase peuvent tre reprsents comme :

03-04 November 2007

VI. ASSORTIMENT L'essai d'unicit des modles d'iris est important. L'unicit a t dtermine en comparant des calibres produits partir des yeux diffrents, et aprs on examine la distribution des valeurs des distances de Hamming. La distance de Hamming est dfinie comme la somme des bits en dsaccord [1] (somme de Ou - exclusif entre les deux configurations binaires). VII. RESULTATS Cet algorithme didentification a donn des rsultats satisfaisants pour tous les modules. Les tests ont t effectus sur 60 images diris issus de 60 individus. Afin dvaluer lefficacit de notre algorithme, nous avons calcul les distances inter classes pour chaque identification achever. La technique de segmentation utilise a parvenue segmenter correctement la rgion d'iris avec bonne prcision ; donc les frontires de la pupille et de l'iris taient clairement distingues. Voici quelques exemples disolation diris ralis avec notre systme de segmentation (voir Fig. 4).

h{Re, Im} = sgn {Re, Im}

. exp (r0 )2 / 2 . exp ( )2 / 2 . .d .d .

I ( , ). exp( iw(

))

) (

(2)

Avec (r0,0) indique la frquence centrale du filtre, (,) indiquent la largeur et la longueur efficaces, I(,) est une image d'iris dans un systme du mme rang polaire sans dimension et h peut tre considr comme un bit complexe dont la partie relle et imaginaire dpend du signe de lintgrale 2D. La deuxime mthode dextraction de linformation caractristique que nous proposons dexprimenter sappuie sur la notion dimage analytique. Cette approche nous a conduit la ralisation dun procd visant fournir une autre information discriminante (phase instantane, frquence instantane, et module instantan) sans accrotre le calculs. La Fig. 3, illustre par un organigramme la squence dtapes de traitement de limage rectangulaire de liris pour en extraire linformation caractristique partir dune extension complexe.
LA REGION RECTANGULAIRE DE LIRIS LA TRANSFORMEE DE FOURIER RAPIDE ISOLATION DES COMPOSANTES

Fig. 4. Exemples de la dtection du centre et des deux cercles d'iris et de la pupille.

Une fois que la rgion d'iris est segmente avec succs, la prochaine tape doit transformer la rgion d'iris une rgion de dimensions fixe afin de permettre des comparaisons. Le procd de normalisation dcrit auparavant est parfaitement russi et voil quelques rsultats de ce procd de droulement montrs sur la figure ci-dessous. Les dimensions de limage droules sont fixes 256*128 pixels. Cette image est ensuite galise pour augmenter le contraste de la texture (voir Fig. 5b).

(a)
LA TRANSFORMEE DE HILBERT LA TRANSFORMEE DE FOURIER INVERSE DEMODULATION Fig. 3. Organigramme dextraction dinformation par extension complexe.

(b)

Fig. 5. Localisation diris (a), iris droul et galis (b).

La prochaine tape de lalgorithme didentification est lextraction qui t ralise par deux mthodes et cela premirement en appliquant la convolution de modle normalis d'iris avec des ondelettes de Gabor 2D et deuximement en utilisant la notion dimage analytique.

4th International Conference on Computer Integrated Manufacturing CIP2007

03-04 November 2007

A la sortie des deux filtres, une quantification de phase quatre niveaux est employe, le processus de codage produit au niveau du dispositif un calibre contenant un certain nombre de bits de donnes le rsultat de quantification sous forme de code barre est illustr dans la Fig. 6 avec la taille du code de 512 octets.

Aprs lexcution du processus didentification sur la base de donnes, on voit clairement que limage diris qui correspond une distance de Hamming nulle est limage recherche et cela pour les deux mthodes, donc le sujet (IRIS408.bmp) est parfaitement identifi. Pour finir, dans le tableau ci-dessous sont rsums les temps dexcution mesurs pour chaque tape de lalgorithme didentification que nous avons dvelopp en langage C++ Builder sur un Pentium 4 CPU 1,79 GHz.
TABLEAU II RSUMS DES TEMPS DEXCUTION Le Temps coul (ms) % du temps total 180 300 <1 <2 <1 <1

(a)

Localisation diris Droulement Dmodulation avec la transforme de Hilbert Dmodulation avec le Filtre de Gabor 2D Iris Code Assortiment

110 330 <1 <2 <1 <1

VIII. (b)
Fig. 6. Exemple dun iris code ou un calibre biomtrique de la rgion extraite sous forme de code barre ;(a) par la mthode de filtre de Gabor 2D, (b) par la mthode de la phase instantane.

CONCLUSION

Si deux configurations binaires sont compltement indpendantes, comme des calibres d'iris produits diris diffrents, la distance de Hamming entre les deux modles sera gale 0.5. Ceci se produit parce que l'indpendance implique que les deux configurations binaires seront totalement alatoires, puisque il y a 0.5 de chance de mettre n'importe quel bit 1, et vice versa. Par consquence, la moiti des bits conviendra et la moiti sera en dsaccord entre les deux modles. Si deux modles sont drivs du mme iris, la distance de Hamming entre eux sera de prs de 0.0, puisqu'ils sont fortement corrls et les bits devraient convenir entre les deux codes d'iris. Le tableau ci-dessous donne un exemple de calcul de la distance de Hamming calcule pour les deux mthodes pour une base de donne de 8 iris:
TABLEAU I
EXEMPLE DE CALCUL DE LA DISTANCE DE HAMMING

1 2 3 4 5 6 7 8

Image IRIS407.bmp IRIS408.bmp IRIS409.bmp IRIS423.bmp IRIS506.bmp IRIS809.bmp IRIS903.bmp IRIS1000.bmp

HD (Filtre de Gabor) 0.439 0.000 0.500 0.500 0.445 0.500 0.500 0.442

HD (Phase Instantane) 0.497 0.000 0.493 0.495 0.496 0.493 0.500 0.492

Un procd didentification de personne en utilisant liris est prsent dans ce papier ; Cet algorithmique se dcompose en cinq modules : (1) le module de prtraitement, (2) Le module disolation diris (3) Le module de normalisation (4) Le module dextraction et gnration diris code et enfin (5) le module de comparaison des calibres biomtriques. Comparativement aux approches dcrites dans la littrature : 1- dune part nous avons ralis une comparaison entre lextraction en utilisant les ondelettes et lextraction en utilisant les caractristiques de texture diris en dmodulant linformation de frquence mergente partir du concept dimage analytique. 2- dautre part nous avons labor une mthode efficace pour la dtection de la pupille et de liris en utilisation la segmentation base sur lhistogramme et en tirant profit de la forme circulaire surtout de la pupille de lil humain. Ce systme a donn des rsultats satisfaisants pour tous les modules. En plus lisolation des composantes spectrales dans le sens de linformation concentrique contenue dans limage diris original requit moins de calculs quapplique un filtre complexe mettant en jeu des fonctions mathmatique exponentielles ( type Gabor); dautant plus que ce filtrage seffectue directement dans le domaine de Fourier,la taille de la signature biomtrique est de 512 octets et peut tre augment ou diminu en fonction de niveau de scurit exig sans une augmentation considrable de la complexit du calcul et du temps dextraction. Le temps dexcution total moyen est denviron 500 ms pour les deux mthodes, ce qui est tout fait acceptable pour les utilisateurs dun systme de vrification didentit.

4th International Conference on Computer Integrated Manufacturing CIP2007

03-04 November 2007

REFERENCES
[1] [2] [3] [4] [5] [6] [7] [8] [9] J. Daugman, Biometric Personal Identification System Based on Iris Analysis, US Patent, vol. No. 5,291,560, 1994. S. Tim et al, Efficient iris recognition through improvement of feature vector and classifier, ETRI J, vol. 23, pp. 61-70, 2001. J. Daugman, High confidence visual recognition of persons by test of statistical independence, IEEE Trans. PAMI, vol. PAMI-15, pp. 11481161, 1993. R. Sanchez-Reillo et C. Sanchez-Avila, Two different approaches for iris recognition using Gabor filters and multiscale zero-crossing representation, Pattern Recognition Letters, vol. 3, pp. 231-241, 2005. T. Tan, Y. Wang et Y. Zhu, Biometric personal identification based on iris patterns, Proc. 15th Int. Conf. On pattern Recognition, Barcelona, Spain, 2000. T. Tan, Y. Wang, Z. Sun et J. Cui, Cascading Statistical and Structural Classifiers for Iris Recognition, IEEE International Conference on Image Processing, 2004. Tisse et al, Person Identification technique using human iris recognition, Proc. 15th Int. Conf on Vision Interface Calgary, Canada, 2002. R. Wildes, Iris recognition: an emerging biometric technology, Proc. IEEE 85, vol. 9, pp. 1348-1363, 1997. A. Oppenheim et J .Lim, L'importance de la phase dans les signaux, Proc. IEEE, vol 69, pp. 529-541, 1981.