CN1698068A - 伪眼识别方法及装置、伪眼识别程序、虹膜认证方法、伪造印刷物识别方法以及图像识别方法 - Google Patents

Abstract

一种伪眼识别方法，输入含有眼睛的图像的图像数据(S1)，进行带宽限制(S2)。之后从被执行了带宽限制的图像数据中，抽出动差等给定的特征量(S3)，根据所抽出的特征量，识别显示在图像中的眼睛是伪眼还是生体眼(S4)。

Description

伪眼识别方法及装置、伪眼识别程序、 虹膜认证方法、伪造印刷物识别方法以及图像识别方法

技术领域

本发明涉及一种识别提供给虹膜认证的眼睛是否是伪造的(伪眼图像)的技术。另外还涉及该技术的应用。

背景技术

作为以前的虹膜图像的伪造识别方法，专利文献1以及专利文献2中公布了将多个近红外光源有选择地点亮，通过从瞳孔直径的时间变化所得到的生体(活体)反应或者产生在瞳孔附近的亮点位置的变化，对生体眼和伪眼进行识别的技术。

(专利文献1)特许第3312303号

(专利文献2)特许第3315648号

然而上述专利文献1、2中所公开的构成，必须多次进行瞳孔或虹膜的位置检测处理。因此存在过于耗费处理时间，系统规模变得过大这一问题。如果考虑到将其适用到移动终端等小型系统中，该问题就非常大。

发明内容

为了解决上述以前的问题，本发明的目的在于提供一种能够通过简单的构成来实现的伪眼识别方法。

本发明着眼于打印机所输出的图像中有麻点感这一点，通过图像处理，检测出图像中的麻点感的有无。具体的说，例如对图像数据进行带宽限制，从带宽限制后的图像数据中抽出给定的特征量，根据该特征量检测出是否有麻点感。

这样，由于能够通过图像处理，识别出是拍摄打印机所输出的眼睛图像所得到的伪眼图像，还是拍摄生体眼所得到的生体眼图像，因此不需要使用大规模的构成，能够通过简单的构成实现伪眼识别。

另外，本发明利用上述伪眼识别技术，识别图像中所拍摄的纸币或有价证券是否是伪造印刷物。另外，还识别图像是否是拍摄印刷物所得到的。

根据本发明，能够通过图像处理，进行伪眼图像与生体眼图像的识别，因此能够通过简单的构成，排除使用伪眼图像的非法冒充行为，非常具有实用效果。

另外，通过本发明，能够识别图像中所拍摄的纸币或有价证券是否是伪造印刷物，以及识别图像是否是拍摄印刷物所得到的。

附图说明

图1为说明本发明的实施方式1的相关伪眼识别方法的处理流程的流程图。

图2为拍摄生体眼所得到的生体眼图像。

图3为拍摄打印在再生纸上的眼睛像所得到的伪眼图像。

图4为拍摄打印在高像质再生纸上的眼睛像所得到的伪眼图像。

图5为说明本发明的实施方式1的相关伪眼识别装置的构成的方框图。

图6为对图2的生体眼图像进行带宽控制所得到的结果。

图7为对图3的生体眼图像进行带宽控制所得到的结果。

图8为对图4的生体眼图像进行带宽控制所得到的结果。

图9为说明生体眼图像与伪眼图像的特征量分布的分布图，特征量为重心周围的波动与分散。

图10为说明生体眼图像与伪眼图像的特征量分布的分布图，特征量为三次方的平均值与分散。

图11为说明生体眼图像与伪眼图像的特征量分布的分布图，特征量为偏度与分散。

图12为说明生体眼图像与伪眼图像的特征量分布的分布图，特征量为四次方的平均值与分散。

图13为说明生体眼图像与伪眼图像的特征量分布的分布图，特征量为峰度与分散。

图14为说明生体眼图像与伪眼图像的特征量分布的分布图，特征量为三次方的平均值与四次方的平均值。

图15为说明本发明的实施方式2的相关虹膜认证方法的处理流程的流程图。

图16为说明本发明的实施方式3的相关伪造印刷物识别方法的处理流程的流程图。

具体实施方式

本发明的第1形式提供一种，包括接收含有眼睛的图像的图像数据的步骤；以及根据上述图像数据，通过图像处理，检测出上述图像中是否有麻点感的步骤，当检测出有麻点感时，判断上述眼睛为伪眼的伪眼识别方法。

本发明的第2形式提供一种，上述图像处理步骤中包括对上述图像数据进行带宽限制的步骤；以及从带宽限制后的上述图像数据中，抽出给定的特征量的步骤，使用所抽出的特征量数据，检测出是否有麻点感的基于第1形式的伪眼识别方法。

本发明的第3形式提供一种，上述给定的特征量，是象素值的动差、中心动差、偏度以及峰度中的1个或2个以上的组合的基于第2形式的伪眼识别方法。

本发明的第4形式提供一种，上述给定的特征量的抽出步骤中，将象素坐标值与象素值配合使用的基于第2形式的伪眼识别方法。

本发明的第5形式提供一种，上述给定的特征量的抽出步骤中，将瞳孔或虹膜的中心位置与象素值配合使用的基于第2形式的伪眼识别方法。

本发明的第6形式提供一种，上述带宽限制步骤中使用高通滤波器或带通滤波器的基于第2形式的伪眼识别方法。

本发明的第7形式提供一种，上述给定的特征量的抽出，对虹膜区域或瞳孔区域的附近进行的基于第2形式的伪眼识别方法。

本发明的第8形式提供一种，上述给定的特征量的抽出，对通过瞳孔中心或虹膜中心的线的上面或旁边进行的基于第2形式的伪眼识别方法。

本发明的第9形式提供一种，上述图像处理步骤包括对上述图像数据进行频率解析的步骤；以及从频率解析后的数据中，抽出给定的特征量的步骤的基于第1形式的伪眼识别方法。

本发明的第10形式提供一种，包括接收含有眼睛的图像的图像数据的步骤；以及对上述图像数据进行带宽限制的步骤；以及从带宽限制后的上述图像数据中，抽出给定的特征量的步骤；以及根据所抽出的特征量数据，识别上述眼睛是伪眼还是生体眼的步骤的伪眼识别方法。

本发明的第11形式提供一种，上述识别步骤中，预先准备关于生体眼图像与伪眼图像的上述给定特征量的分布；对所抽出的特征量数据，分别计算到生体眼图像的特征量分布的具有，以及到伪眼图像的特征量分布之间的距离；判断上述眼睛属于生体眼以及伪眼中，所计算的距离较短的一方的分布的相关眼睛的基于第10形式的伪眼识别方法。

本发明的第12形式提供一种，包括输入含有眼睛的图像的图像数据的图像输入部；以及对上述图像输入部所输入的图像数据，进行带宽限制的带宽限制部；以及从被上述带宽限制部处理了的图像数据中，抽出给定的特征量的特征量抽出部；以及根据上述特征量抽出部所抽出的特征量数据，识别上述眼睛是伪眼还是生体眼的识别部的伪眼识别装置

本发明的第13形式提供一种，通过计算机执行对含有眼睛的图像的图像数据进行带宽限制的步骤；以及从带宽限制后的图像数据中，抽出给定的特征量的步骤；以及根据所抽出的特征量数据，识别上述眼睛是伪眼还是生体眼的步骤的程序。

本发明的第14形式提供一种，包括根据含有眼睛的图像的图像数据进行虹膜认证的步骤；以及当上述虹膜认证步骤中认证为本人时，对上述图像数据，进行如上述第1或第10形式的伪眼识别方法的步骤的虹膜认证方法。

本发明的第15形式提供一种，包括接收纸币或有价证券的图像的图像数据的步骤；以及根据上述图像数据，通过图像处理，检测出上述图像中是否有麻点感的步骤，当从上述图像中检测出有麻点感时，判断上述纸币或有价证券为伪造印刷物的伪造印刷物识别方法。

本发明的第16形式提供一种，包括接收图像数据的步骤；以及根据上述图像数据，通过图像处理，检测出上述图像中是否有麻点感的步骤，当从上述图像中检测出有麻点感时，判断上述图像为拍摄印刷物所得到的图像的图像识别方法。

下面对照附图对本发明的实施方式进行说明。

(实施方式1)

图1为说明本发明的实施方式1的相关伪眼识别方法的处理流程的流程图。图1中，在步骤S1输入含有眼睛图像的图像数据，在步骤S2对步骤S1所输入的图像数据进行带宽限制。之后，在步骤S3中，从被步骤S2进行了带宽限制处理的图像数据中抽出给定的特征量，在步骤S4根据步骤S3所抽出的特征量，识别图像中所显示的眼睛是伪眼还是生体眼。

这里所使用的给定的特征量，能够检测出图像中是否有麻点感，具体将在后面进行说明。之后，当从所抽出的特征量数据中检测出图像中有麻点感时，判断图像中所显示的眼睛为伪眼。

图5为说明本实施方式的相关伪眼识别装置的构成的方框图。图5中，伪眼识别装置10包括执行步骤S1的图像输入部11、执行步骤S2的带宽限制部12、执行步骤S3的特征量抽出部13以及执行步骤S4的识别部14。图像输入部11被提供例如通过照相机5所拍摄的虹膜图像。

图2为在近红外照明下通过具有红外灵敏度的照相机所拍摄的虹膜图像(生体眼图像)的模式图。另外，图3以及图4为将图2的图像输出给打印机之后，再次在近红外照明下通过具有红外灵敏度的照相机拍摄该打印输出所得到的虹膜图像(伪眼图像)。具有恶意的人希望非法通过虹膜认证时，会将合法用户的虹膜图像(图2的生体眼图像)打印输出从而使用。

因此，为了防止通过图3以及图4这样的伪眼图像所进行的非法识别，必须进行生体眼/伪眼识别。

发明人注意到图3以及图4这样的打印输出中可以看到有些粗糙，图像中存在所谓的“麻点”感。推测产生“麻点”感的原因是墨水或调色剂中存在原因。认为该“麻点”感是由于图像上某个特定的亮度的图形被重复而产生的，因此，如果通过图像处理检测出是否有该“麻点”感，就能够识别出是生体眼图像还是打印机所输出的伪眼图像。本发明正是基于上述设想而完成的。

下面对各个步骤的处理进行详细说明。

步骤S1中输入含有眼睛的图像，最好是虹膜图像。图像的输入通常是在识别时通过照相机进行，还可以经网络传输通过照相机所拍摄的图像。但是，在进行识别时之外的时间或场将所拍摄的图像作为输入图像的情况下，为了防止图像数据被窃取，最好实施加密或与密码组合等对策。

步骤S2中，通过带通滤波器或高通滤波器，对步骤S1所输入的图像进行带宽限制。作为带通滤波器，可以使用方波滤波器、由不同特性的Gaussian滤波器的差分所表示的DOG(Difference of Gaussian)滤波器、调和量算子Gaussian滤波器或Gabor Wavelet。另外，作为高通滤波器，可以采用Sobel滤波器等公知设备。

图6、图7以及图8，是使用带通滤波器对上述图2、图3以及图4的虹膜图像进行带宽限制的一个例子。图6～图8中，较亮的象素表示功率较大。另外，为了使功率分布易于识别，所显示的是滤波器的输出的2次方。这里对图6与图7以及图8进行比较，其特性差异较大这一点是一目了然的。也即，对生体眼图像进行带宽限制的图6中，瞳孔以及眼睑附近功率集中变大，眼睛的形状浮现出来，与此相对，对打印输出的伪眼图像进行带宽限制的图7以及图8中，瞳孔以外的地方功率分布均一，眼睛的形状完全无法识别。该均一的功率分布，是因为纸的样子，或者调色剂的固有样子所引起的。

之后，在步骤S3中，从步骤S2所带宽限制的图像中，抽出用于识别的给定的特征量。作为给定的特征量，可以使用例如(公式1)(公式2)(公式3)中所示的2次方平均值、3次方平均值、4次方平均值这些动差(积率)。

(公式1)

$\frac{\underset{x,y\∈A}{\mathrm{\Σ}}I{(x,y)}^2}{N}$

(公式2)

$\frac{\underset{x,y\∈A}{\mathrm{\Σ}}I{(x,y)}^3}{N}$

(公式3)

$\frac{\underset{x,y\∈A}{\mathrm{\Σ}}I{(x,y)}^4}{N}$

这里，I(x，y)为带宽限制之后的图像的象素值，N为抽出了特征量的象素数，A为抽出了特征量的对象区域。另外，还可以使用(公式4)(公式5)(公式6)中所显示的统计量(分别是分散σ²(中心动差)、偏度S、峰度K)。

(公式4)

${\mathrm{\σ}}^2=\frac{\underset{x,y\∈A}{\mathrm{\Σ}}{(I(x,y)-\stackrel{\_\_\_\_\_\_\_}{I(x,y)})}^2}{N}$

I(x，y)为I(x，y)的平均值

(公式5)

$S=\frac{\underset{x,y\∈A}{\mathrm{\Σ}}{(I(x,y)-\stackrel{\_\_\_\_\_\_\_\_\_}{I(x,y)})}^3}{N{\mathrm{\σ}}^3}$

(公式6)

$K=\frac{\underset{x,y\∈A}{\mathrm{\Σ}}I{((x,y)-\stackrel{\_\_\_\_\_\_\_}{I(x,y)})}^4}{N{\mathrm{\σ}}^4}-3$

上述的特征量为关于象素值的分布的统计量，还可以考虑其他象素坐标值(x，y)，使用(公式7)这样的特征量。(公式7)中，为了综合评价被带宽限制的图像的功率及其位置，将象素坐标值的2次方乘以象素值I(x，y)的2次方。另外，还可以使用通过带宽限制图像的功率将(公式7)正规化所得到的(公式8)这样的特征量(中心周围的波动)。

(公式7)

$\underset{x,y\∈A}{\mathrm{\Σ}}\{{(x-x_g)}^2+{(y-y_g)}^2\}I{(x,y)}^2$

这里， $x_g=\underset{x,y\∈A}{\mathrm{\Σ}}\mathrm{xI}(x,y)$ $y_g=\underset{x,y\∈A}{\mathrm{\Σ}}\mathrm{yI}(x,y)$ 或 $x_g=\underset{x,y\∈A}{\mathrm{\Σ}}\mathrm{xI}{(x,y)}^2.$ $y_g=\underset{x,y\∈A}{\mathrm{\Σ}}\mathrm{yI}{(x,y)}^2$

(公式8)

$\frac{\underset{x,y\∈A}{\mathrm{\Σ}}\{{(x-x_g)}^2+{(y-y_g)}^2\}I{(x,y)}^2}{\underset{x,y\∈A}{\mathrm{\Σ}}I{(x,y)}^2}$

特征量的抽出当然可以对图像全体进行，也可以对间隔有数个象素的象素进行，或者对给定的区域或给定的线上的象素进行。

之后，在步骤S4中，从步骤S3所求出的特征量的数据，识别步骤S1所输入的图像是生体眼图像还是伪眼图像。这里的识别行，例如像下述这样进行。首先，事先求出从多个生体眼图像中所抽出的特征量的分布，以及从多个伪眼图像中所抽出的特征量的分布。之后，对步骤S3所求出的特征量的数据，分别计算到生体眼图像的特征量分布的距离以及到伪眼图像的特征量分布之间的距离。这里的距离计算中，使用例如(公式9)中所示的那样的马哈拉诺毖司(マハラノビス)距离。之后，判断属于到所计算的距离较近的一方的分布，根据该判断结果，进行图像中所显示的眼睛是生体眼还是伪眼的识别。

(公式9)

d² _生体眼＝(X-μ_生体眼)^t∑^-1 _生体眼(X-μ_生体眼)

这里，X为从输入图像中所抽出的特征量矢量，μ为特征量的平均值，∑为特征量的协方差矩阵，d为马哈拉诺毖司距离。

另外，生体眼/伪眼的识别并不仅限于使用马哈拉诺毖司距离的方法。还可以例如设定特定的识别面，或者使用线形判断分析、支持向量机、感知器等公知的识别技术。

图9～图14为说明生体眼图像与伪眼图像的特征量分布的分布图。图9中，作为特征量，纵轴为方差(公式4)，横轴为重心周围的波动(公式8)。同样，图10中纵轴为离散，横轴为3次方的平均值(公式2)，图11中纵轴为离散，横轴为偏度(公式3)，图12中纵轴为离散，横轴为4次方的平均值(公式3)，图13中纵轴为离散，横轴为峰度(公式6)，图14中纵轴为4次方的平均值，横轴为3次方的平均值。通过图9～图14中所示的分布，能够由1种或2种这样的较少数量的特征量，进行生体眼与伪眼的识别。特别是，从图10以及图12中可以得知，即使单独使用3次方的平均值或4次方的平均值，也能够进行高精度的识别。

根据上述的本实施方式，能够通过图像处理识别拍摄生体眼所得到的生体眼图像，与拍摄打印机所输出的眼睛图像所得到的伪眼图像。

另外，用来进行带宽限制的滤波器，既可以是单一的滤波器，也可以使用多个滤波器。也即，既可以从单一的滤波器的输出中抽出1种或两种以上的特征量，进行生体眼图像与伪眼图像的识别，或者还可以使用频率特性不同的多个滤波器，抽出更多的特征量，能够得到与本实施方式相同或更佳的效果。

另外，作为麻点感的检测方法，并不仅限于本实施方式所示出的方法，还可以使用其他方法。例如可以进行FFT(Fast Fourier Transform)等的频率解析，从解析后的频率数据中抽出给定的特征量，检测出麻点感。或者还可以求出辉度的频率分布(直方图)，通过该辉度直方图的形成检测出麻点感。

(实施方式2)

图15为说明本发明的实施方式2的相关虹膜认证方法的处理流程的流程图。图15中，在步骤S11输入含有眼睛图像的图像数据，在步骤S12进行虹膜认证。这里的虹膜认证，可以采用例如特表平8-504979号公报中所公开的公知方法来进行，这里省略其详细说明。虹膜认证的结果，例如在通过上述方法，判断所输入的虹膜图形与已登录的虹膜图形一致的情况下，判断认证通过(S13中的是)，进入接下来的伪眼识别步骤S14。在非上述情况下(S13中的否)，拒绝认证者的通过或信息访问。

步骤S14中，通过与实施方式1中所说明的方法相同的方法，识别生体眼与伪眼。也即，在步骤S14中执行图1的流程图中的带宽限制步骤S2、特征量抽出步骤S3以及生体眼/伪眼识别步骤S4。之后，当在该步骤S14中判断是生体眼时(S15中的是)，许可进行访问。当判断为伪眼时，拒绝进行访问(S15中的否)。在拒绝进行访问时，例如还可以向警备员室、警察等给定的场所或组织通报。

基于上述的本实施方式，通过组合执行伪眼识别处理与虹膜认证方法，能够排除使用伪眼图像的非法冒充行为。另外，由于只在虹膜认证判断通过时才进行伪眼识别，因此不需要进行无用的伪眼识别，能够降低处理量以及处理时间。

另外，通过在伪眼识别之间进行虹膜认证，能够获得虹膜认证时所得到的瞳孔区域以及虹膜区域的信息，例如中心位置以及半径，并将其应用在伪眼识别中。例如可以将(公式7)(公式8)中的重心xg、yg置换为瞳孔中心或虹膜中心的坐标值。这样能够降低伪眼识别的计算量。

另外，还能够利用虹膜认证时所得到的瞳孔区域或虹膜区域的信息，在伪眼识别时，限定抽出给定的特征量的区域。例如将特征量抽出的对象限定在虹膜区域或虹膜区域的附近，或者限定在瞳孔外缘或虹膜外缘，甚至还可以限定在通过瞳孔中心或虹膜中心的线的上面或旁边，该线最好是水平线或垂直线。这样，能够大幅降低用于伪眼识别的运算时间。

当然，也可以在伪眼识别的处理本身当中求出瞳孔区域或虹膜区域的信息，进行上述处理。

另外，还可以在进行虹膜认证之前先进行伪眼识别，只在判断为生体眼时才进行虹膜认证。这种情况下，也可以在判断为伪眼时，向给定的组织等通报。

另外，还可以在进行虹膜认证处理当中，在检测出瞳孔区域或虹膜区域的阶段进行伪眼识别。

另外，本发明的相关伪眼识别方法的各步骤，其全部或一部分既可以使用专用的硬件来实现，又可以通过计算机程序进行软件实现。也即，本发明的相关伪眼识别方法，可以通过具有执行用来实现该方法的程序的计算机的装置来实现，或者将用来实现该方法的程序记录在计算机可读的记录媒体上，在计算机上执行记录在该记录媒体上的程序来实现。

(实施方式3)

上述的伪眼识别技术能够广泛地应用于其他用途。例如，在识别带有图像的纸币或有价证券是真的也即正规的，还是打印机所输出的伪造印刷物时，就可以利用上述技术。

图16为说明本发明的相关实施方式3的执行伪造印刷物识别方法的自动售货机的概要构成的方框图。图16中，纸币收取部21收取用户所拿出的纸币。第1真伪判断部22，通过与实施方式1中所述的伪眼识别方法相同的处理，判断纸币收取部21所取入的纸币是否是真的。也即，得到纸币的图像的图像数据，根据该图像数据，通过图像处理检测出图像中是否有麻点感，当检测出图像中有麻点感时，判断该纸币是打印机所输出的伪造印刷物。

另外，硬币收取部23收取用户所拿出的硬币。第2真伪判断部24，通过已知的伪造硬币识别方法，判断硬币收取部23所收取的硬币是否是真的。处理部25，根据第1以及第2真伪判断部22、24判断为真品的纸币以及硬币的金额，进行与用户之间的商品交易处理。其结果是，用户能够取到自己所选择的商品。

另外，并不仅限于纸币，对于股票、支票等有价证券，也能够通过与实施方式1中所述的伪眼识别方法相同的处理，识别出是否是伪造印刷物。

另外，在识别图像是拍摄真人所得到的，还是拍摄打印机所输出的印刷物所得到时，也能够利用该技术。例如，能够通过与实施方式1中所述的伪眼识别方法相同的处理，识别出对讲机的监视器中所拍摄的图像是否为家庭成员或访客的面容。也即，即使在将打印机所输出的拍摄家庭成员或访客的面容所得到的图像的印刷物，放在监视器的照相机之前的情况下，也能够通过上述处理，很容易地识别出监视器图像是拍摄印刷物所得到的图像。

另外，本发明的相关伪眼识别方法的各步骤，其全部或一部分既可以使用专用的硬件来实现，又可以通过计算机程序进行软件实现。也即，本发明的相关伪眼识别方法，可以通过具有执行用来实现该方法的程序的计算机的装置来实现，或者将用来实现该方法的程序记录在计算机可读的记录媒体上，在计算机上执行记录在该记录媒体上的程序来实现。

产业应用

本发明能够通过图像处理识别伪眼图像，因此例如在使用虹膜图像的个人认证中，能够通过简单的构成，排除使用伪眼图像的非法冒充行为。

另外，还能够例如检测出伪造纸币，或对恶意使用打印图像的非法入侵防范于未然。

Claims (16)

1.一种伪眼识别方法，其特征在于：

包括：接收含有眼睛的图像的图像数据的步骤；和

根据上述图像数据，通过图像处理，检测出上述图像中是否有麻点感的步骤，

当检测出有麻点感时，判断上述眼睛为伪眼。

2.如权利要求1所述的伪眼识别方法，其特征在于：

上述图像处理包括：

对上述图像数据进行带宽限制的步骤；和

从带宽限制后的上述图像数据中，抽出给定的特征量的步骤，

使用所抽出的特征量数据，检测出是否有麻点感。

3.如权利要求2所述的伪眼识别方法，其特征在于：

上述给定的特征量，是象素值的动差、中心动差、偏度以及峰度中的1个或2个以上的组合。

4.如权利要求2所述的伪眼识别方法，其特征在于：

在上述给定的特征量的抽出中，将象素坐标值与象素值配合使用。

5.如权利要求2所述的伪眼识别方法，其特征在于：

在上述给定的特征量的抽出中，将瞳孔或虹膜的中心位置与象素值配合使用。

6.如权利要求2所述的伪眼识别方法，其特征在于：

上述带宽限制中使用高通滤波器或带通滤波器。

7.如权利要求2所述的伪眼识别方法，其特征在于：

上述给定的特征量的抽出，在虹膜区域或瞳孔区域的附近进行。

8.如权利要求2所述的伪眼识别方法，其特征在于：

上述给定的特征量的抽出，在通过瞳孔中心或虹膜中心的线的上面或附近进行。

9.如权利要求1所述的伪眼识别方法，其特征在于：

上述图像处理包括：

对上述图像数据进行频率解析的步骤；和

从频率解析后的数据中，抽出给定的特征量的步骤。

10.一种伪眼识别方法，其特征在于，包括：

接收含有眼睛的图像的图像数据的步骤；

对上述图像数据进行带宽限制的步骤；

从带宽限制后的上述图像数据中，抽出给定的特征量的步骤；以及

根据所抽出的特征量数据，识别上述眼睛是伪眼还是生体眼的步骤。

11.如权利要求10所述的伪眼识别方法，其特征在于：

上述识别步骤中，

预先准备关于生体眼图像与伪眼图像的上述给定特征量的分布；

对所抽出的特征量数据，分别计算到生体眼图像的特征量分布的距离，以及到伪眼图像的特征量分布之间的距离；

判断上述眼睛是生体眼以及伪眼中所计算出的距离较短的一方的分布的相关眼睛。

12.一种伪眼识别装置，其特征在于，包括：

输入含有眼睛的图像的图像数据的图像输入部；

对上述图像输入部所输入的图像数据，进行带宽限制的带宽限制部；

从被上述带宽限制部处理了的图像数据中，抽出给定的特征量的特征量抽出部；以及

根据上述特征量抽出部所抽出的特征量数据，识别上述眼睛是伪眼还是生体眼的识别部。

13.一种程序，其特征在于，使计算机执行：

对含有眼睛的图像的图像数据进行带宽限制的步骤；

从带宽限制后的图像数据中，抽出给定的特征量的步骤；以及

根据所抽出的特征量数据，识别上述眼睛是伪眼还是生体眼的步骤。

14.一种虹膜认证方法，其特征在于，包括：

根据含有眼睛的图像的图像数据进行虹膜认证的步骤；和

当上述虹膜认证步骤中认证为本人时，对上述图像数据，进行如权利要求1或权利要求10所述的伪眼识别方法的步骤。

15.一种伪造印刷物识别方法，其特征在于：

包括：接收纸币或有价证券的图像的图像数据的步骤；和

根据上述图像数据，通过图像处理，检测出上述图像中是否有麻点感的步骤，

当从上述图像中检测出有麻点感时，判断上述纸币或有价证券为伪造印刷物。

16.一种图像识别方法，其特征在于：

包括：接收图像数据的步骤；和

根据上述图像数据，通过图像处理，检测出上述图像中是否有麻点感的步骤，

当从上述图像中检测出有麻点感时，判断上述图像为拍摄印刷物所得到的图像。

Images