一種虹膜圖像的質量評價方法
【專利摘要】本發(fā)明提出了一種虹膜圖像的質量評價方法,該算法首先采用連通域分析算法進行瞳孔定位,其次對瞳孔的左右區(qū)域進行提升靜態(tài)小波分解,并通過計算兩區(qū)域高頻系數的拉普拉斯能量和對散焦模糊圖像進行剔除;最后,通過計算瞳孔上側區(qū)域的水平方向和垂直方向上的均值梯度,并應用SVM模型剔除有遮擋的圖像。實驗結果表明,該算法可以有效地、實時地評價具有散焦模糊和遮擋的虹膜圖像。
【專利說明】一種虹膜圖像的質量評價方法
【技術領域】
[0001]本發(fā)明屬于圖像識別領域,具體涉及到一種虹膜圖像的質量評價方法。
【背景技術】
[0002]虹膜是人體最獨特的結構之一,它位于角膜和晶狀體之間,呈圓盤狀,中間為瞳孔所穿過,其表面由許多腺窩、色素斑、皺褶等構成,具有豐富的紋理信息。虹膜紋理具有以下特點:唯一性、穩(wěn)定性、防偽性、非侵入性和天然的極坐標特性。這使得虹膜識別技術與以往的生物識別技術相比,具有穩(wěn)定性好、準確率高、識別速度快和應用范圍廣等特點。近年來受到人們越來越多的關注。
[0003]在虹膜識別系統(tǒng)中,虹膜圖像的質量是影響識別效果的重要因素。為了提高識別系統(tǒng)的準確性,必須選擇滿足一定質量要求的圖像作為識別系統(tǒng)的輸入。傳統(tǒng)的圖像質量評價方法分為主觀評價和客觀評價兩大類。在虹膜識別系統(tǒng)中,通常要求對使用者的限值盡可能小,因此必須采用客觀的評價標準,從虹膜圖像采集儀輸出的視頻序列中自動挑選出一幅質量較好的圖像,并實時輸出到后續(xù)的識別過程中。
[0004]影響虹膜圖像質量的因素主要包括眼皮、睫毛的遮擋和散焦模糊。目前,虹膜識別系統(tǒng)中常用的質量評價算法包括:利用虹膜圖像的2維傅里葉變換計算頻域高頻能量的方法、計算虹膜邊界梯度的方法和基于小波包分解的虹膜圖像質量評價算法,這3種算法都是針對由于對焦不準引起的圖像質量的差異,并不能處理眼皮、睫毛遮擋的情況。
【發(fā)明內容】
[0005]本發(fā)明的目的針對虹膜圖像中出現眼皮、睫毛的遮擋情況下的虹膜圖像質量評價,提出了一種虹膜圖像質量評價方法。具體的實施步驟如下:
[0006]步驟1:虹膜定位
[0007]本發(fā)明采用基于連通域分析的瞳孔定位算法,具體的定位過程如下:
[0008]I)對虹膜圖像進行全局二值化,其中二值化的閾值
【權利要求】
1.一種虹膜圖像的質量評價方法,其具體步驟:1)瞳孔定位;2)散焦模糊圖像剔除;3)有遮擋圖像剔除。
2.根據權利要求1所述的一種虹膜圖像的質量評價方法,其特征在于,采用基于連通域分析的瞳孔定位算法,具體步驟如下: 對虹膜圖像進行全局二值化,其中閾值Τ=Ι^ψ ; 這里,U為圖像中最小的灰度,4?為圖像中的灰度均值; 2)應用閉運算去除大部分眼皮和睫毛的干擾,其中采用的矩形模板大小為4x4; 3)進行連通域分析,找出面積最大的連通域C,瞳孔的中心坐標和瞳孔半徑&,其中 這里,N為連通C的像素點個數,為連通域C中點的坐標,函數代表取整操作。
3.根據權利要求1所述的一種虹膜圖像的質量評價方法,其特征在于,采用靜態(tài)提升小波拉普拉斯能量和的散焦模糊圖像剔除算法,具體步驟如下: O圖像分解 選擇瞳孔兩側64x64的矩形區(qū)域馬和鳥,分別對這兩個區(qū)域進行提升靜態(tài)小波分解,得到高頻系數和,其中I表示·層,k表示方向; 2)計算兩區(qū)域的拉普拉斯能量和 應用公式(I ),計算兩個區(qū)域高頻系數的拉普拉斯能量和Jf NM N SMlfi (U) = Σ Σ (* + 取_/+H) , SMLst (ij) = Σ(i+"*,y+?) a?—Jyrn—(I) 這里 ag5 (lj) = !2? (U) ifi (* M /3 (>+M|?1? (Lj) /5 (u -1) - 3)散焦模糊虹膜圖像篩除 設定閾值T,通過公式(2)虹膜圖像左右兩區(qū)域的拉普拉斯能量和SML ;當SML>T時,表示該虹膜圖像不存在散焦模糊現象;當SML〈T時,表示該虹膜圖像被認定是具有散焦模糊的圖像,應該被剔除。
4.
【文檔編號】G06K9/00GK103854011SQ201210520636
【公開日】2014年6月11日 申請日期:2012年12月3日 優(yōu)先權日:2012年12月3日
【發(fā)明者】朱亞輝, 封長林 申請人:西安元朔科技有限公司