專利名稱：利用Daubechies小波變換識(shí)別人虹膜的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及利用Daubechies小波變換識(shí)別人虹膜的方法。更具體地，本發(fā)明涉及利用Daubechies小波變換識(shí)別人虹膜的方法，其中通過Daubechies小波變換從輸入的虹膜圖像信號(hào)中提取虹膜特征，由此減小特征向量的大小，并通過對(duì)提取的特征值應(yīng)用量化函數(shù)產(chǎn)生二進(jìn)制特征向量，從而能提高人虹膜識(shí)別的實(shí)用性，因?yàn)橥ㄟ^產(chǎn)生低容量的特征向量減小了其存儲(chǔ)容量和處理時(shí)間，并且當(dāng)檢測(cè)產(chǎn)生的特征向量與先前注冊(cè)的特征向量之間的相似之處時(shí)，使用適于低容量特征向量的檢測(cè)過程。
背景技術(shù)：
虹膜識(shí)別系統(tǒng)是通過區(qū)別眼睛瞳孔的虹膜圖案識(shí)別每個(gè)人的儀器，而虹膜圖案對(duì)于每個(gè)人來說是唯一的。這與使用每個(gè)人的聲音和指紋的其它生物測(cè)定方法相比，具有高的識(shí)別準(zhǔn)確性和出色的安全性。人的虹膜是眼睛瞳孔與白鞏膜之間的區(qū)域，虹膜識(shí)別是一項(xiàng)識(shí)別每個(gè)人的技術(shù)，該技術(shù)基于分析每個(gè)人不同的虹膜圖案得到的信息。
一般地，在利用人體的特征信息識(shí)別每個(gè)人的應(yīng)用技術(shù)領(lǐng)域，有效地從輸入圖像中獲取唯一的特征信息是一項(xiàng)核心技術(shù)。小波變換用于提取虹膜圖像的特征，并且是一種在多分辨模式中分析信號(hào)的技術(shù)。小波變換是利用特殊選擇的信號(hào)形成信號(hào)、系統(tǒng)和一系列過程的模型的數(shù)學(xué)理論。這些信號(hào)稱為小波。最近，小波變換廣泛用于信號(hào)和圖像處理領(lǐng)域，因?yàn)榕c基于Fourier變換的傳統(tǒng)信號(hào)處理算法相比，它具有快的速度，并且能有效地在時(shí)間和頻率域內(nèi)完成信號(hào)的定位。
另一方面，通過從圖像獲取設(shè)備獲取的虹膜圖像中僅提取虹膜圖案并將其規(guī)格化為450×60而得到的圖像，用于通過小波變換提取特征值。并且，Harr小波變換已經(jīng)廣泛用于傳統(tǒng)的虹膜識(shí)別、圖像處理等等。但是，Harr小波函數(shù)的缺點(diǎn)在于，特征值是不連續(xù)的并且快速變化，并且在圖像被壓縮后進(jìn)行解壓縮的情況下不能得到高分辨率的圖像。相反，由于Daubechies小波函數(shù)是連續(xù)函數(shù)，因此可以避免Harr小波函數(shù)數(shù)值不連續(xù)并且快速變化的缺點(diǎn)，并且可以更準(zhǔn)確、更巧妙地提取特征值。因此，在使用Daubechies小波變換將已經(jīng)壓縮后的圖像進(jìn)行解壓縮時(shí)，圖像還原時(shí)的分辨率，與Harr小波變換的相比，更接近原始圖像。由于Daubechies小波函數(shù)比Harr小波函數(shù)更復(fù)雜，其缺點(diǎn)是需要更多的運(yùn)算量。但是，這很容易被當(dāng)前發(fā)展的超高速微處理器所克服。
Daubechies小波變換的優(yōu)點(diǎn)還有，在進(jìn)行小波變換提取特征值時(shí)，能得到精細(xì)的特征值。即，如果使用Daubechies小波變換，則可以用低容量的數(shù)據(jù)表達(dá)虹膜特征，并且可以準(zhǔn)確地提取特征。
在傳統(tǒng)虹膜識(shí)別領(lǐng)域，主要使用的是利用Gabor變換的提取特征值并形成特征向量的方法。但是，這些方法產(chǎn)生的特征向量具有256或更大的維數(shù)，并且盡管假定一個(gè)字節(jié)指定為一維，它們至少是256字節(jié)。這樣，產(chǎn)生的問題是，當(dāng)應(yīng)用于需要低容量信息的領(lǐng)域時(shí)，實(shí)用性和有效性降低。因此，需要開發(fā)一種形成低容量特征向量的方法，其中圖案信息的處理、存儲(chǔ)、傳輸、搜索等工作可以高效地進(jìn)行。另外，由于在先前技術(shù)中，例如美國(guó)專利No.5,291,560，將一種簡(jiǎn)單的測(cè)量距離的方法，例如兩個(gè)特征向量(特征向量與輸入圖案和存儲(chǔ)的基準(zhǔn)特征向量有關(guān))之間的Hamming距離(HD)，用于圖案分類，因此其不足之處在于，通過歸納圖案信息形成基準(zhǔn)特征向量是不容易做到的，并且不能恰當(dāng)反映出特征向量每個(gè)維度的信息特征。
即，在使用Hamming距離的方法中，為了驗(yàn)證以二進(jìn)制向量形式產(chǎn)生的兩個(gè)特征向量，根據(jù)各個(gè)維數(shù)所賦的位值被互相比較。如果彼此相同，則為0；如果它們彼此不同，則為1。接著，得出一個(gè)被總維數(shù)除的數(shù)值作為最終結(jié)果。這個(gè)方法在區(qū)別由二進(jìn)制代碼組成的特征向量之間的相似程度方面是簡(jiǎn)單的并且是有用的。當(dāng)使用Hamming距離時(shí)，如果相同數(shù)據(jù)之間進(jìn)行對(duì)比，則所有位的對(duì)比結(jié)果變?yōu)?。這樣，得到0的結(jié)果意味著這個(gè)數(shù)據(jù)屬于其本人的。如果數(shù)據(jù)確實(shí)屬于此人，相似程度的概率為0.5。這樣，在與其它人的數(shù)據(jù)對(duì)比時(shí)，數(shù)值集中在0.5左右是可以理解的。因此，在0和0.5之間設(shè)定的恰當(dāng)極限將是區(qū)別本人數(shù)據(jù)與它人數(shù)據(jù)的界限。當(dāng)通過細(xì)分?jǐn)?shù)據(jù)從提取的虹膜特征中得出信息時(shí)，Hamming距離(HD)應(yīng)用于這一方面是優(yōu)秀的，但當(dāng)使用低容量數(shù)據(jù)時(shí)，它是不適用的。換言之，當(dāng)具有256字節(jié)信息的特征向量的總位數(shù)是2048時(shí)，即使使用Hamming距離，也能達(dá)到相當(dāng)高的接收率。但是，如本發(fā)明一樣使用低容量特征向量時(shí)，其中特征向量的數(shù)量減小，則得不到高的接收率。
另一方面，當(dāng)使用低容量特征向量時(shí)，接收率的提高被限制在一定程度上，因?yàn)閬G失的信息增加。這樣，在產(chǎn)生特征向量的過程中，應(yīng)該考慮防止信息丟失并保持特征向量最小容量的方法。

發(fā)明內(nèi)容
因此，本發(fā)明的提出是為了解決上述這些問題。本發(fā)明的一個(gè)目的是提供一種形成低容量特征向量的方法，其中與傳統(tǒng)的Harr小波變換相比，通過使用Daubechies小波變換從輸入的虹膜圖像信號(hào)提取虹膜特征，誤接收率(FAR)和誤拒絕率(FRR)能夠明顯降低。
本發(fā)明的另一個(gè)目的是提供一種檢測(cè)特征向量之間相似性的方法，其中當(dāng)?shù)腿萘刻卣飨蛄啃纬蓵r(shí)產(chǎn)生的信息丟失可以減小到最低程度，并且低容量特征向量能恰當(dāng)?shù)赜糜谙嗨菩詸z測(cè)。
為了達(dá)到本發(fā)明的上述目的，提供了一種使用Daubechies小波變換識(shí)別人虹膜的方法，其中執(zhí)行從用戶眼睛圖像中僅提取虹膜圖像的預(yù)處理過程，用戶的眼睛圖像是使用鹵素?zé)粽彰髌骼脠D像獲取設(shè)備獲取的，并且用戶的身份是通過預(yù)處理的虹膜圖像確定的。所述方法包括(a)對(duì)預(yù)處理的虹膜圖像重復(fù)進(jìn)行預(yù)定次數(shù)的Daubechies小波變換，從而將虹膜圖像多次分割，從多次分割的圖像中提取包括高頻部分的圖像，從而提取虹膜特征；(b)從包括高頻部分的提取圖像中提取特征向量的特征值，并通過量化相關(guān)的特征值產(chǎn)生二進(jìn)制特征向量；(c)通過檢測(cè)產(chǎn)生的特征向量與先前注冊(cè)的特征向量之間的相似性，確定用戶為注冊(cè)者。
下面將簡(jiǎn)要介紹本發(fā)明。虹膜圖像是通過圖像獲取設(shè)備獲取，其中使用鹵素?zé)粽彰髌?。通過重復(fù)執(zhí)行輸入虹膜圖像的Daubechies小波變換，虹膜圖像被多次分割并且提取出具有最佳大小的虹膜特征。接著通過量化提取的特征值形成特征向量，其在顯示和處理圖像方面是有效的。由于使用Daubechies小波變換作為小波變換，可以提取出更準(zhǔn)確的特征值，同時(shí)保持小波的最大優(yōu)點(diǎn)。并且，當(dāng)通過將提取的特征值量化為二進(jìn)制數(shù)值來減小特征向量的維數(shù)時(shí)，即，當(dāng)形成低容量特征向量時(shí)，恰當(dāng)?shù)厥褂脵z測(cè)加權(quán)注冊(cè)的和輸入的特征向量之間的相似性的方法，用以防止由于低容量特征向量的形成引起的接收降低。因此，通過上述方法確定了用戶的真實(shí)性。


圖1表示用于執(zhí)行本發(fā)明虹膜識(shí)別方法的圖像獲取設(shè)備的組成；圖2是本發(fā)明校驗(yàn)虹膜圖像的程序的流程圖；
圖3是本發(fā)明通過Daubechies小波變換多次分割虹膜圖像的程序的流程圖；圖4是一個(gè)通過Daubechies小波變換多次分割虹膜圖像的實(shí)施例；圖5是本發(fā)明基于從多次分割虹膜圖像的程序獲取的數(shù)據(jù)，形成虹膜圖像特征向量的程序的流程圖；圖6a是一個(gè)提取的虹膜圖像的特征值的分布實(shí)例；圖6b表示從圖6a的分布實(shí)例產(chǎn)生二進(jìn)制特征向量的量化函數(shù)；圖7是通過特征向量之間的相似性檢測(cè)判斷用戶真實(shí)性的程序的流程圖。
具體實(shí)施例方式
下面將參考附圖詳細(xì)解釋本發(fā)明利用Daubechies小波變換識(shí)別人虹膜的方法。
圖1表示在本發(fā)明虹膜識(shí)別方法中使用的圖像獲取設(shè)備的組成。參看圖1，下面解釋虹膜圖像獲取設(shè)備的組成。在本發(fā)明虹膜識(shí)別方法中使用的圖像獲取設(shè)備包括鹵素?zé)?1，用于照亮虹膜以便獲取清晰的虹膜圖案；CCD攝像機(jī)13，通過透鏡12對(duì)用戶的眼睛10攝像；幀抓取器14，與CCD攝像機(jī)12連接，用于獲取虹膜圖像；以及監(jiān)視器15，將當(dāng)前輸入到攝像機(jī)的圖像顯示給用戶，從而當(dāng)獲取圖像時(shí)用戶能獲取正確的圖像并便于用戶定位。
根據(jù)圖像獲取設(shè)備的組成，CCD攝像機(jī)用于獲取圖像，虹膜的識(shí)別是通過虹膜褶的圖案分析。但是，當(dāng)使用普通的照明器在室內(nèi)獲取虹膜圖像時(shí)，由于虹膜圖像基本是灰暗的，因此難以提取所需的圖案信息。因此，需要使用額外的照明器，以便不丟失虹膜圖像信息。在這種情況下，需要防止由于反射光造成的虹膜圖案信息的丟失以及識(shí)別能力的減弱，并且需要使用恰當(dāng)?shù)恼彰髌?，以便得到清晰的虹膜圖案。在本發(fā)明中，使用具有強(qiáng)的泛光照明效果的鹵素?zé)?1作為主要照明器，從而清晰地顯示虹膜圖案。并且，如圖1所示，通過將鹵素?zé)舴胖迷谘劬Φ淖?、右?cè)，使燈的反射光形成在虹膜區(qū)的外圍，可以避免虹膜圖像信息的丟失以及用戶眼睛的疲勞。
圖2是根據(jù)本發(fā)明校驗(yàn)虹膜圖像的程序的流程圖。參看圖2，在步驟200，如上所述使用圖像獲取設(shè)備獲取眼睛的圖像。在步驟210，通過預(yù)處理從獲取的眼睛圖像中提取虹膜區(qū)的圖像，并變換到極坐標(biāo)系統(tǒng)，將變換的虹膜圖案輸入到提取特征的模塊中。在步驟220，對(duì)變換到極坐標(biāo)系統(tǒng)的輸入虹膜圖案進(jìn)行Daubechies小波變換，接著提取虹膜區(qū)的特征。提取的特征具有實(shí)數(shù)。在步驟230，通過將K級(jí)量化函數(shù)應(yīng)用到提取的特征產(chǎn)生二進(jìn)制特征向量。在步驟240，檢測(cè)產(chǎn)生的特征向量與先前注冊(cè)的用戶數(shù)據(jù)之間的相似性。通過相似性檢測(cè)，確定用戶真實(shí)性并顯示驗(yàn)證的結(jié)果。
如上所述，在通過Daubechies小波變換提取虹膜區(qū)特征的情況下，具有8、16或更多系數(shù)的Daubechies小波函數(shù)能比具有4個(gè)系數(shù)的Daubechies小波函數(shù)能提取更精確的特征值，但前者比后者更復(fù)雜。盡管在本發(fā)明中使用并測(cè)試了具有8個(gè)或更多系數(shù)的Daubechies小波函數(shù)，但與已經(jīng)使用和測(cè)試的具有4個(gè)系數(shù)的Daubechies小波函數(shù)相比，本發(fā)明并沒有得到更大的性能改善，并且運(yùn)算量和處理時(shí)間增多了。因此，使用具有4個(gè)系數(shù)的Daubechies小波函數(shù)提取特征值。
圖3是根據(jù)本發(fā)明利用Daubechies小波變換多次分割虹膜圖像的程序的流程圖，圖4是表示通過Daubechies小波變換分割的圖像。參看圖3和4，在本發(fā)明中，使用各種母小波中的Daubechies小波執(zhí)行虹膜圖像特征的提取。如圖4所示，“L”和“H”分別用于表示低頻和高頻組分，“LL”表示在所有x和y方向已經(jīng)通過低通濾波器(LPF)的組分，而“HH”表示在x和y方向已經(jīng)通過高通濾波器(HPF)的組分。并且，下標(biāo)表示圖像分割階段。例如“LH2”表示在2階段小波分割過程中在x方向通過低通濾波器并且在y方向通過高通濾波器的圖像。
在步驟310，使用Daubechies小波變換將輸入的圖像多次分割。由于虹膜圖像被認(rèn)為是二維信號(hào)，其中一維信號(hào)沿x和y方向排列，為了分析虹膜圖像，利用在所有x和y方向通過LPF和HPF提取一幅圖像的4分割的組成部分。即，一幅二維圖像信號(hào)在垂直和水平方向進(jìn)行小波變換，并且在執(zhí)行一次小波變換后圖像分割成四個(gè)區(qū)LL、LH、HL和HH。此時(shí)，通過Daubechies小波變換，信號(hào)被分割成通過高通濾波器的微分部分，以及通過低通濾波器的平均部分。
另外，用兩個(gè)因素評(píng)價(jià)了虹膜識(shí)別系統(tǒng)的性能誤接收率(FAR)和誤拒絕率(FRR)。這里，F(xiàn)AR表示由于未注冊(cè)者被誤識(shí)別為注冊(cè)者造成未注冊(cè)者的進(jìn)入被接收的概率；FRR表示由于注冊(cè)者被誤識(shí)別為未注冊(cè)者造成注冊(cè)者的進(jìn)入被拒絕的概率。例如，與利用傳統(tǒng)Harr小波變換識(shí)別人虹膜的方法相比，使用本發(fā)明的利用Daubechies小波變換識(shí)別人虹膜的方法，F(xiàn)AR從5.5％降低到3.07％，F(xiàn)RR從5.0％減小到2.25％。
在步驟320，從分割的虹膜圖像中提取出在x和y方向僅包括高頻部分的區(qū)域HH。
在步驟330，在增加分割虹膜圖像次數(shù)的迭代次數(shù)后，當(dāng)?shù)螖?shù)大于預(yù)定的次數(shù)時(shí)結(jié)束處理步驟。另外，如果迭代次數(shù)低于預(yù)定的次數(shù)，在步驟340，區(qū)域HH的信息被存儲(chǔ)為在用于提取虹膜特征的信息。
接著，在步驟350，從多次分割的虹膜圖像中提取在x和y方向僅包括低頻部分的LL區(qū)域。由于提取的區(qū)域LL(對(duì)應(yīng)于第四尺寸比先前的圖像減小的圖像)包括虹膜圖像的主要信息，因此這提供了一幅用于新處理的圖像，從而小波變換可以再次應(yīng)用于相關(guān)的區(qū)域。此后，從步驟310開始重復(fù)執(zhí)行Daubechies小波變換。
另一方面，當(dāng)虹膜圖像從笛卡爾坐標(biāo)系統(tǒng)變換到極坐標(biāo)系統(tǒng)時(shí)，為了避免虹膜特征隨瞳孔尺寸的變化而變化，虹膜內(nèi)外邊緣之間的區(qū)域在r方向被分割成60個(gè)片段，在0方向通過改變0.8度的角度被分割成450個(gè)片段。最終，獲取了虹膜圖像的信息并規(guī)格化為450×60(0×r)個(gè)數(shù)據(jù)。接著，如果對(duì)獲取的圖像再次小波變換，得到尺寸減小一半的225×30個(gè)區(qū)域HH的特征，即，225×30條信息用作特征向量。這種信息可以如其原樣使用，但為了減少信息的數(shù)量，重復(fù)執(zhí)行分割信號(hào)的過程。由于區(qū)域LL包括虹膜圖像的主要信息，因此通過連續(xù)對(duì)各個(gè)相關(guān)區(qū)域進(jìn)行小波變換得到更加減少的區(qū)域的特征值，例如HH2、HH3和HH4。
迭代次數(shù)，由于被當(dāng)作是重復(fù)執(zhí)行小波變換的識(shí)別標(biāo)準(zhǔn)，應(yīng)該在考慮信息丟失以及特征向量多少的條件下設(shè)定為恰當(dāng)?shù)臄?shù)值。因此，在本發(fā)明中，執(zhí)行小波變換4次得到的區(qū)域HH4成為主要特征區(qū)，并且其數(shù)值被選作特征向量的組成部分。此時(shí)，區(qū)域HH4包含具有84(＝28×3)個(gè)數(shù)據(jù)的信息。
圖5是本發(fā)明使用從多次分割虹膜圖像的過程獲取的數(shù)據(jù)，形成虹膜圖像特征向量的程序的流程圖。參看圖5，在步驟510，輸入從上述過程提取的n特征向量的信息，即輸入?yún)^(qū)域HH1、HH2、HH3和HH4的信息。在步驟520，為了在n特征向量中獲取區(qū)域HH1、HH2、HH3的特征信息，而不包括最后小波變換得到的區(qū)域HH4的信息，計(jì)算區(qū)域HH1、HH2、HH3的每個(gè)平均值并分配一個(gè)維數(shù)。在步驟530，將最終得到的區(qū)域HH4的所有數(shù)值提取為其特征值。當(dāng)提取虹膜圖像信號(hào)的特征結(jié)束后，基于這些特征產(chǎn)生特征向量。產(chǎn)生特征向量的模塊主要執(zhí)行提取實(shí)數(shù)形式的特征值的過程，并接著將它們轉(zhuǎn)換成由0和1組成的二進(jìn)制代碼。
但是，在步驟540，將在步驟520提取的N-1特征值以及在步驟530提取的M(最終得到的區(qū)域HH的大小)特征值綜合在一起，產(chǎn)生(M+N-1)維的特征向量。即，由區(qū)域HH4的84個(gè)數(shù)據(jù)以及區(qū)域HH1、HH2和HH3的3個(gè)平均數(shù)據(jù)綜合在一起的總共87個(gè)數(shù)據(jù)，被用作本發(fā)明的特征向量。
在步驟550中，先前得到的特征向量的數(shù)值，即，以實(shí)數(shù)形式表示的特征向量的各個(gè)分量值，被量化為二進(jìn)制數(shù)值0或1。在步驟560，由量化的數(shù)值產(chǎn)生(M+N-1)位特征向量。即，根據(jù)本發(fā)明，產(chǎn)生87位特征向量。
圖6a表示提取的虹膜圖像的特征值的分布實(shí)例。當(dāng)87維特征向量的數(shù)值按照各自的維數(shù)分布時(shí)，分布的形狀大致如圖6a所示。包括所有維數(shù)的二進(jìn)制向量按如下的方程1產(chǎn)生[方程1]fn＝0 if f(n)＜0fn＝1 if f(n)＞0式中，f(n)是第n維的特征值，fn是第n維特征向量的數(shù)值。
當(dāng)為了使用低容量特征向量，產(chǎn)生通過為總共87維分配一個(gè)位所得到的87位特征向量時(shí)，識(shí)別率的提高被限制在一定程度上，因?yàn)楹缒D像的信息丟失增加。因此，當(dāng)產(chǎn)生特征向量時(shí)，需要防止信息丟失，同時(shí)保持特征向量的最小容量。
圖6b表示從圖6a所示的特征值的分布實(shí)例中產(chǎn)生二進(jìn)制特征向量的量化函數(shù)。如圖6a所示，從其大小看，提取的(M+N-1)維特征向量大多數(shù)均勻分布在1和-1之間。接著，將圖6a所示的K級(jí)量化函數(shù)應(yīng)用到特征向量產(chǎn)生二進(jìn)制向量。由于通過方程1的過程僅能獲得特征值的符號(hào)，因此可以理解的是，有關(guān)大小的信息被丟棄了。這樣，為了接收特征向量的大小，本發(fā)明使用了4級(jí)量化過程。
如上所述，為了有效地將通過4級(jí)量化產(chǎn)生的特征向量與注冊(cè)的特征向量進(jìn)行對(duì)比，量化級(jí)的權(quán)重如下面的方程2所示 fn＝4 if f(n)≥0.5(4級(jí))fn＝1 if 0.5＞f(n)≥0(3級(jí))fn＝-1 if 0＞f(n)＞-0.5(2級(jí))fn＝-4 if f(n)≤-0.5(1級(jí))式中，fn是用戶先前注冊(cè)的特征向量fR或從用戶眼睛圖像的虹膜圖像產(chǎn)生的用戶特征向量fT的第n維。如何使用方程2中表示的權(quán)重的解釋如下當(dāng)?shù)趎維特征值f(n)等于或大于0.5(4級(jí))時(shí)，如果數(shù)值是“11”，則第i維fRi或fTi的數(shù)值被轉(zhuǎn)換并指定為4。當(dāng)?shù)趎維特征值f(n)大于0并小于0.5(3級(jí))時(shí)，如果數(shù)值是“10”，則第i維fRi或fTi的數(shù)值被轉(zhuǎn)換并指定為1。當(dāng)?shù)趎維特征值f(n)大于-0.5并小于0(2級(jí))時(shí)，如果數(shù)值是“01”，則第i維fRi或fTi的數(shù)值被轉(zhuǎn)換并指定為-1。當(dāng)?shù)趎維特征值f(n)等于或小于-0.5(1級(jí))時(shí)，如果數(shù)值是“00”，則第i維fRi或fTi的數(shù)值被轉(zhuǎn)換并指定為-4。這是由于權(quán)重被應(yīng)用到如方程2表示的各個(gè)數(shù)值上，因?yàn)樗m于以下的本發(fā)明驗(yàn)證方法。
圖7是通過特征向量之間的相似性檢測(cè)識(shí)別用戶真實(shí)性的程序的流程圖。參看圖7，在步驟710中，從用戶眼睛圖像的虹膜圖像產(chǎn)生用戶的特征向量fT。在步驟720，搜索先前注冊(cè)的用戶特征向量fR。在步驟730，為了檢測(cè)兩個(gè)特征向量之間的相似性，基于方程2，根據(jù)二進(jìn)制特征向量的數(shù)值將權(quán)重賦予特征向量fR和fT。
在步驟740，計(jì)算兩個(gè)特征向量的內(nèi)積或標(biāo)積S，并最終檢測(cè)相似性。在一般用于確定用戶注冊(cè)特征向量fR和特征向量fT之間關(guān)系的方法中，兩個(gè)特征向量的內(nèi)積S可以顯示最直接的關(guān)系。即，當(dāng)在步驟730中將權(quán)重賦予特征向量的各個(gè)數(shù)據(jù)時(shí)，兩個(gè)特征向量的內(nèi)積S用于檢測(cè)兩個(gè)向量之間的相似性。
下面的方程3用于計(jì)算兩個(gè)特征向量的內(nèi)積[方程3]S=ΣinfRifTi=fR1+fT1+fR2fT2+...+fRnfTn]]>式中，fR是已經(jīng)注冊(cè)的用戶特征向量，fT是從用戶眼睛的虹膜圖像中產(chǎn)生的用戶特征向量。
根據(jù)上述過程，如同根據(jù)各個(gè)維數(shù)從虹膜圖像中關(guān)于提取的特征向量的數(shù)值產(chǎn)生二進(jìn)制向量的方法，可以維持根據(jù)特征向量數(shù)值的符號(hào)量化得到的一個(gè)效果。即，像Hamming距離一樣，可以表達(dá)0和1之間的差別。當(dāng)兩個(gè)特征向量關(guān)于每個(gè)維數(shù)具有符號(hào)相同的數(shù)值，正值加到兩個(gè)特征向量的內(nèi)積S上。否則，負(fù)值加到兩個(gè)向量的內(nèi)積S上。因此，如果兩個(gè)數(shù)據(jù)屬于同一個(gè)人，則兩個(gè)特征向量的內(nèi)積S增大；而如果兩個(gè)數(shù)據(jù)不屬于同一個(gè)人，則特征向量的內(nèi)積S減小。
在步驟750，根據(jù)從兩個(gè)特征向量?jī)?nèi)積S得到的相似性判斷用戶的真實(shí)性。此時(shí)，基于檢測(cè)的相似性判斷用戶的真實(shí)性是根據(jù)以下的方程4[方程4]If S＞C，then TRUE or else FALSE式中，C是驗(yàn)證兩個(gè)特征向量之間相似性的基準(zhǔn)值。
即，如果兩個(gè)特征向量的內(nèi)積等于或大于驗(yàn)證基準(zhǔn)值C，則確定用戶為注冊(cè)者。否則，確定用戶為未注冊(cè)者。
如上所述，本發(fā)明利用Daubechies小波變換識(shí)別人虹膜的方法的優(yōu)點(diǎn)在于，與使用傳統(tǒng)Harr小波變換的方法相比，明顯減小了FAR和FRR，因?yàn)橥ㄟ^Daubechies小波變換從輸入的虹膜圖像信號(hào)中提取虹膜特征。
并且，為了驗(yàn)證注冊(cè)的和提取的特征向量fR和fT之間的相似性，計(jì)算兩個(gè)特征向量的內(nèi)積S，并且基于計(jì)算兩個(gè)向量?jī)?nèi)積S得到的相似性判斷用戶的真實(shí)性。因此，提供了一種檢測(cè)特征向量之間相似性的方法，其中可以將形成低容量特征向量可以產(chǎn)生的信息丟失降低到最小程度。
上面所述的僅是體現(xiàn)本發(fā)明利用Daubechies小波變換識(shí)別人虹膜的方法的實(shí)施例。本發(fā)明并不限于上述實(shí)施例。本領(lǐng)域的一般技術(shù)人員，在不偏離權(quán)利要求限定的本發(fā)明技術(shù)精神和范圍的情況下，可以對(duì)本發(fā)明做出各種修改和變化。
權(quán)利要求
1.一種利用Daubechies小波變換識(shí)別人虹膜的方法，其中執(zhí)行一個(gè)預(yù)處理過程，用于從使用鹵素?zé)粽彰髌鞯膱D像獲取設(shè)備獲取的用戶眼睛圖像中僅提取虹膜圖像，并且由預(yù)處理的虹膜圖像確定用戶的身份，所述方法包括(a)重復(fù)執(zhí)行預(yù)定次數(shù)的所述預(yù)處理虹膜圖像的Daubechies小波變換，從而多次分割所述的虹膜圖像，并且從所述多次分割的圖像中提取包括高頻部分的圖像，從而提取虹膜特征；(b)從包括所述高頻部分的所述提取圖像中提取特征向量的特征值，并通過量化相關(guān)的特征值產(chǎn)生二進(jìn)制特征向量；以及(c)通過檢測(cè)所述產(chǎn)生的特征向量與先前注冊(cè)的特征向量之間的相似性確定所述用戶為注冊(cè)者。
2.如權(quán)利要求1所述的利用Daubechies小波變換識(shí)別人虹膜的方法，其中所述步驟(a)包括如下步驟在多次分割所述圖像的每個(gè)階段提取在x和y方向都包括所述高頻部分的所述圖像的區(qū)域HH；將所述區(qū)域HH上的信息存儲(chǔ)為用于提取所述虹膜特征的信息；如果迭代次數(shù)小于預(yù)定次數(shù)，則執(zhí)行多次分割在x和y方向都包括所述低頻部分的所述圖像的區(qū)域LL；以及當(dāng)所述迭代次數(shù)達(dá)到所述預(yù)定次數(shù)時(shí)結(jié)束所述圖像的所述多次分割。
3.如權(quán)利要求2所述的利用Daubechies小波變換識(shí)別人虹膜的方法，其中所述預(yù)定次數(shù)設(shè)定為4。
4.如權(quán)利要求1所述的利用Daubechies小波變換識(shí)別人虹膜的方法，其中所述步驟(b)包括如下步驟接收所述步驟(a)中所述多次分割形成的多個(gè)高頻區(qū)域HHi的多次分割圖像；在對(duì)應(yīng)于所述接收?qǐng)D像的所有區(qū)域中計(jì)算除了最后得到的區(qū)域HHN以外的區(qū)域HH1到HHN-1的平均值，并將所述N-1個(gè)計(jì)算的平均值分別賦給所述特征向量的分量；將所述最后得到的區(qū)域HHN中存在的所有M個(gè)值賦給所述特征向量的其它分量；將所述N-1個(gè)平均值與所述M個(gè)值綜合，從而產(chǎn)生(M+N-1)維的特征向量；以及將所述產(chǎn)生的特征向量的所述各個(gè)分量值量化成二進(jìn)制數(shù)值，從而產(chǎn)生最終的(M+N-1)維特征向量。
5.如權(quán)利要求1所述的利用Daubechies小波變換識(shí)別人虹膜的方法，其中所述步驟(c)包括如下步驟將預(yù)定的權(quán)重賦予所述步驟(b)產(chǎn)生的所述產(chǎn)生的特征向量和所述先前注冊(cè)的特征向量的第i維；計(jì)算所述兩個(gè)加權(quán)的特征向量的內(nèi)積S；以及當(dāng)所述內(nèi)積S大于驗(yàn)證基準(zhǔn)值C時(shí)，確定所述用戶為注冊(cè)者。
全文摘要
本發(fā)明涉及生物測(cè)定技術(shù)領(lǐng)域中識(shí)別人虹膜的方法，更具體地涉及利用Daubechies小波變換識(shí)別人虹膜的方法，其中通過利用Daubechies小波變換從輸入的虹膜圖像信號(hào)中提取虹膜特征來減小特征向量的維數(shù)，通過對(duì)提取的特征值應(yīng)用量化函數(shù)來產(chǎn)生二進(jìn)制特征向量，從而使得人虹膜識(shí)別的實(shí)用性得到提高，因?yàn)橥ㄟ^產(chǎn)生低容量的特征向量減小了其存儲(chǔ)容量和處理時(shí)間，當(dāng)檢測(cè)產(chǎn)生的特征向量與先前注冊(cè)的特征向量之間的相似性時(shí)使用適于低容量特征向量的檢測(cè)過程。
文檔編號(hào)G06F17/14GK1493056SQ01822993
公開日2004年4月28日 申請(qǐng)日期2001年7月31日 優(yōu)先權(quán)日2001年3月6日
發(fā)明者趙成元 申請(qǐng)人:永恒媒體株式會(huì)社