用于運動模糊虹膜識別的加權(quán)比對方法
【專利摘要】本發(fā)明公開了一種用于運動模糊虹膜識別的加權(quán)比對方法，包括：步驟S1、收集并構(gòu)建訓(xùn)練集，其包含清晰和人工模糊的虹膜圖像，對訓(xùn)練集進行預(yù)處理得到ROI并轉(zhuǎn)換到極坐標(biāo)系下，再進行特征提取，使用成對的清晰和人工模糊的虹膜圖像進行比對，得到一般的運動模糊虹膜圖像編碼的可信圖并歸一化得到針對運動模糊的加權(quán)匹配模板；步驟S2、對要識別的虹膜圖像進行預(yù)處理得到ROI同時判定運動模糊的長度和方向，再將ROI轉(zhuǎn)換到極坐標(biāo)系后進行特征提取，根據(jù)虹膜圖像運動模糊的長度和方向自適應(yīng)的利用步驟S1得到的針對運動模糊的加權(quán)匹配模板與注冊庫中樣本進行加權(quán)比對。本發(fā)明可以有效減小運動模糊虹膜圖像對系統(tǒng)識別性能的不利影響，提高系統(tǒng)的魯棒性。
【專利說明】用于運動模糊虹膜識別的加權(quán)比對方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)字圖像處理、模式識別和統(tǒng)計學(xué)習(xí)等【技術(shù)領(lǐng)域】，特別是涉及ー種用于運動模糊虹膜識別的加權(quán)比對方法。
【背景技術(shù)】
[0002]虹膜識別作為生物特征識別中的ー種，其具有很高的穩(wěn)定性和準(zhǔn)確性，并且在近些年中得到了很大的發(fā)展。現(xiàn)階段，可控場景下的虹膜識別已經(jīng)發(fā)展得比較成熟，并有很多成功的應(yīng)用實例，特別是在一些大規(guī)模以及高精度要求的場景中。然而，對于在非可控場景下的識別系統(tǒng)，例如遠距離、
[0003]行進中的虹膜識別系統(tǒng)，它們當(dāng)中還存在一些我們未能完全解決的問題，而這些問題主要是由獲取的虹膜圖像質(zhì)量不理想造成的。
[0004]在非可控場景下的虹膜識別系統(tǒng)中，由于現(xiàn)階段硬件エ藝水平的限制且虹膜本身直徑僅有12_左右，在圖像采集過程中捕獲到運動模糊的虹膜圖像是很難避免的。對于這些運動模糊的虹膜圖像，其虹膜的紋理細節(jié)信息在一定程度上有所損失，導(dǎo)致了虹膜識別性能的下降，特別是錯誤拒絕率的升高。因此，在可控場景下的虹膜識別系統(tǒng)獲取虹膜圖像的時候，為了采集到清晰的虹膜圖片會對用戶提出一些比較苛刻的要求，即為了采集到足夠清晰的虹膜圖像以成功通過識別系統(tǒng)，用戶不得不去盡量地配合虹膜識別系統(tǒng)。這種對用戶配合的嚴(yán)格要求，在一定程度上限制了虹膜識別的應(yīng)用范圍，造成了虹膜識別中最大的瓶頸。
[0005]目前國內(nèi)外解決運動模糊虹膜識別的方法并不多，且多集中在圖像的修復(fù)和增強。[Kang, Optical Engineering]提出了運動虹膜圖像的去模糊方法,對模糊的虹膜圖像首先進行去卷積并試圖恢復(fù)模糊圖像中丟失的紋理細節(jié)，再進行常規(guī)的虹膜識別算法。[Shukri, PR Letters]提出針對運動模糊虹膜圖像的圖像增強算法，先后使用同態(tài)濾波和多尺度視網(wǎng)膜-大腦皮層算法對低質(zhì)量圖像進行陰影區(qū)域的去除和對比度的增強。
[0006]上面所述的方法雖然在運動模糊虹膜圖像的識別問題上都取得了一定效果，但是它們?nèi)源嬖讴`些不足。他們僅對虹膜圖像本身操作而且主要關(guān)注于圖像的視覺效果，并沒有觸及到更高的處理層級，因此帶來的識別性能的效果改善也會受到限制。而且在圖像增強的過程中，它們過多的依賴于圖像的先驗信息，并沒有充分考慮到運動虹膜圖像的特殊屬性，因此在一定程度上降低了其針對性和魯棒性。
[0007]綜上所述，現(xiàn)有的針對運動模糊虹膜識別的方法仍存在一定的改進余地，如何充分的考慮運動模糊虹膜圖像的特性，更深入的觸及識別本質(zhì)帶來更加魯棒、準(zhǔn)確的運動模糊虹膜識別結(jié)果仍然是ー個亟待解決的難題。

【發(fā)明內(nèi)容】

[0008](一 )要解決的技術(shù)問題
[0009]有鑒于此，本發(fā)明的主要目的是針對上述現(xiàn)有技術(shù)中存在的問題，提供一種用于運動模糊虹膜識別的加權(quán)比對方法，在比對過程中同時根據(jù)運動模糊的長度和方向和其對于運動模糊的魯棒性，自適應(yīng)的對不同編碼位設(shè)置比對權(quán)值，以準(zhǔn)確、魯棒的實現(xiàn)運動模糊虹膜識別性能的提升。
[0010](ニ)技術(shù)方案
[0011]為達成上述目的，本發(fā)明撮出ー種用于運動模糊虹膜識別的加權(quán)比對方法，該方法包括:步驟S1、收集并構(gòu)建訓(xùn)練集，使訓(xùn)練集包含多個虹膜圖像對，每個虹膜圖像對包括來源于同一虹膜的一幅清晰的虹膜圖像和一幅人工模糊的虹膜圖像，接著，對訓(xùn)練集中的所有虹膜圖像進行預(yù)處理得到R0I，并將其轉(zhuǎn)換到極坐標(biāo)系下，再對各ROI進行特征提取，得到訓(xùn)練集中各虹膜圖像的ニ值特征編碼，然后在得到的ニ值編碼中使用所述各虹膜圖像對中的清晰虹膜圖像和人工模糊的虹膜圖像進行比對，得到一般的運動模糊虹膜圖像編碼的可信圖，并歸ー化得到針對運動模糊的加權(quán)匹配模板；步驟S2、對需要識別的測試虹膜圖像進行預(yù)處理得到ROI同時判定運動模糊的長度和方向，再將ROI轉(zhuǎn)換到極坐標(biāo)系后進行特征提取，根據(jù)虹膜圖像運動模糊的長度和方向自適應(yīng)的利用步驟SI得到的針對運動模糊的加權(quán)匹配模板與注冊虹膜圖像庫中的虹膜圖像樣本進行加權(quán)比對。
[0012]根據(jù)本發(fā)明的ー種【具體實施方式】，所述步驟SI包括:步驟S11、收集和構(gòu)建包含運動模糊虹膜圖像的訓(xùn)練集，將收集到的清晰虹膜圖像人工合成運動模糊虹膜圖像，并使清晰虹膜圖像和人工合成的運動模糊圖像具有一一對應(yīng)關(guān)系，對應(yīng)的清晰虹膜圖像和人工合成的運動模糊圖像構(gòu)成虹膜圖像對，然后對訓(xùn)練集中所有虹膜圖像進行預(yù)處理，得到各虹膜圖像的ROI ;步驟S12、對所述訓(xùn)練集中清晰和運動模糊的虹膜圖像的ROI進行歸一化，將訓(xùn)練集中清晰和運動模糊的虹膜圖像的ROI從直角坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系，得到訓(xùn)練集中的清晰虹膜圖像和運動模糊虹膜圖像的ROI在極坐標(biāo)系下的虹膜圖像；步驟S13、使用特征提取算法對在訓(xùn)練集中極坐標(biāo)系下的清晰虹膜圖像和人工合成的運動模糊虹膜圖像的ROI進行編碼，得到訓(xùn)練集中清晰虹膜圖像和人工合成的運動模糊虹膜圖像的ニ值特征編碼；步驟S14、在訓(xùn)練集中的清晰虹膜圖像和人工合成的運動模糊的虹膜圖像的ニ值編碼上，使用所述訓(xùn)練集的虹膜圖像對的清晰虹膜圖像和人工合成的運動模糊虹膜圖像的編碼進行比對，得到虹膜編碼中不同位置的編碼位對于運動模糊的可靠性，即可信圖，并將此可信圖歸ー化得到一般的針對運動模糊的加權(quán)匹配模板。
[0013]根據(jù)本發(fā)明的ー種【具體實施方式】，步驟Sll中人工合成運動模糊的虹膜圖像的過程看作是ー個卷積的過程，其具有如下形式:
[0014]7 = X ? / + /7,
[0015]其中，y代表經(jīng)過人工合成得到的模糊圖像，X代表已知的清晰虹膜圖像，f是點擴散函數(shù)表示圖像的模糊原因，n是加性白噪聲，?為卷積操作子。
[0016]根據(jù)本發(fā)明的ー種【具體實施方式】，所述步驟S14中，根據(jù)訓(xùn)練集中的清晰虹膜圖像是否具有類別標(biāo)記，有兩種不同的方法用于得到虹膜編碼中的可信圖，當(dāng)不具有類別標(biāo)記時，僅使用所述訓(xùn)練集中成對的清晰虹膜圖像和人工合成的運動模糊虹膜圖像的編碼進行比對；當(dāng)具有類別信息時，在屬于同一類的多幅清晰虹膜圖像和模糊虹膜圖像的編碼間進行比對，每ー類都能得到一個對應(yīng)的比對結(jié)果，然后再對多類的結(jié)果求取平均值，得到一般情況下的不同位置上的虹膜編碼位對于運動模糊的可靠性。
[0017]根據(jù)本發(fā)明的ー種【具體實施方式】，所述步驟S2包括:步驟S21、對需要識別的虹膜圖像進行預(yù)處理得到該測試虹膜圖像的ROI，然后判定此測試虹膜圖像的運動模糊的長度和方向；步驟S22、對所述測試虹膜圖像的ROI進行歸一化，將所要識別的虹膜圖像的ROI從直角坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系，得到極坐標(biāo)系下的測試虹膜圖像的ROI ;步驟S23、使用特征提取算法在極坐標(biāo)系下的所要識別的虹膜圖像上進行編碼，得到所要識別的虹膜圖像的ニ值特征編碼；步驟S24、對步驟S23中得到的所要識別的虹膜圖像的ニ值編碼，根據(jù)步驟S21中得到所要識別的虹膜圖像的運動模糊的長度和方向和步驟S14中訓(xùn)練得到的一般的針對運動模糊的加權(quán)匹配模板，賦予所要識別的虹膜圖像的ニ值編碼中每一位編碼不同的權(quán)值，然后與注冊虹膜圖像庫中的虹膜圖像樣本進行比對并做出身份識別結(jié)果，完成運動模糊虹膜圖像的識別過程。
[0018]根據(jù)本發(fā)明的ー種【具體實施方式】，所述的賦予其中每一位編碼不同的權(quán)值是根據(jù)步驟S21得到的所述識別的虹膜圖像的運動模糊的長度和方向?qū)Σ襟ES14中訓(xùn)練得到的一般的針對運動模糊的加權(quán)匹配模板進行調(diào)整所得到的。
[0019]根據(jù)本發(fā)明的ー種【具體實施方式】，在步驟S21中，使用參數(shù)化的運動模糊點擴散函數(shù)模型，然后使用虹膜圖像質(zhì)量評價方法中的運動模糊判斷方法對其運動模糊的長度和方向進行估計。
[0020](三)有益效果
[0021]從上述技術(shù)方案可以看出，本發(fā)明提供的這種用于運動模糊虹膜識別的加權(quán)比對方法，對于提高虹膜識別系統(tǒng)對運動模糊的虹膜圖像的可靠性和魯棒性都具有重要的意義，其主要優(yōu)點如下:
[0022]1、本發(fā)明提出的用于運動模糊虹膜識別的加權(quán)比對方法，通過在訓(xùn)練集中成對的清晰和模糊虹膜圖像間的比對，得到虹膜編碼中不同位置的編碼位對于運動模糊的可靠性，即可信圖，并將此可信圖歸ー化得到一般的針對運動模糊的加權(quán)匹配模板，所得到的加權(quán)匹配模板能夠充分考慮到運動模糊虹膜圖像的特性，并且使得后續(xù)對測試虹膜圖像加權(quán)匹配的過程能夠高效的利用這些從訓(xùn)練過程中學(xué)習(xí)得到的運動模糊虹膜圖像的特性。
[0023]2、本發(fā)明中所述方法所在的處理層級為比對階段，加權(quán)匹配是在計算兩個虹膜樣本匹配分數(shù)的時候進行加權(quán)，其處理對象是虹膜圖像的ニ值編碼。而現(xiàn)有其它算法一般處于預(yù)處理階段，他們的處理對象為原始虹膜圖像的灰度像素值。相對于原始灰度值，虹膜的ニ值編碼直接決定最終的匹配距離所以更觸及識別的本質(zhì)內(nèi)容，而且是經(jīng)過特征提取之后所得因此也更加魯棒?，F(xiàn)有的處于預(yù)處理階段的方法，均是通過圖像處理的手段，例如去模糊、對比度增強等，對虹膜圖像的視覺效果進行提升，但是并不能保證識別效果的提升，因此并不能很好地適用于虹膜識別的應(yīng)用場景。與此相對的，本發(fā)明所述方法直接在比對過程中進行處理，能夠避開視覺效果的考慮，直接以提高識別性能為目標(biāo)進行相應(yīng)的操作。
[0024]3、本發(fā)明提出的加權(quán)比對方法首先根據(jù)清晰和人工合成模糊的虹膜圖像計算ー般的運動模糊虹膜圖像的可信圖，由于運動模糊的虹膜圖像是按照真實模糊模型人工合成得到的，其不但具有真實模糊的效果還同時具有可控、可調(diào)節(jié)的特性，即可以按照給定的要求呈現(xiàn)出統(tǒng)ー的模糊狀態(tài)，使得能夠得到針對運動模糊的加權(quán)匹配模板。然后根據(jù)這ー模板在匹配測試虹膜樣本的過程中賦予測試樣本每一位編碼不同的權(quán)值，此模板需要根據(jù)估計出的測試虹膜圖像的運動模糊的長度和方向進行調(diào)整，因此其能夠同時考慮一般模糊虹膜圖像的通性和單個模糊虹膜圖像的個性。[0025]4、本發(fā)明提出的加權(quán)匹配方法能夠和現(xiàn)有預(yù)處理階段的運動模糊虹膜圖像增強技術(shù)級聯(lián)使用，帶來進一歩的性能提升，即運動模糊的虹膜圖像在預(yù)處理階段進行視覺效果的增強之后再使用本發(fā)明所述方法根據(jù)增強后圖像的情況進行自適應(yīng)的加權(quán)匹配。
[0026]5、本發(fā)明采用的加權(quán)匹配方法，采用離線學(xué)習(xí)在線使用的結(jié)構(gòu)，可以實時地對運動模糊虹膜圖像進行加權(quán)匹配。
[0027]得益于上述優(yōu)點，本發(fā)明使快速有效的運動模糊虹膜識別成為可能，極大地提高了現(xiàn)有虹膜識別系統(tǒng)的可靠性和可擴展性，本方法不要求添加任何硬件設(shè)備，不需要額外的虹膜相機信息，可廣泛應(yīng)用于使用虹膜識別進行身份認證或者識別的大規(guī)模、長期、非配合場景下的系統(tǒng)中，比如虹膜出入境身份認證系統(tǒng)、基于虹膜識別的智能視頻監(jiān)控系統(tǒng)、虹膜手機認證系統(tǒng)等等。
【專利附圖】

【附圖說明】
[0028]圖1A和圖1B顯不了清晰虹膜圖像與運動模糊虹膜圖像的不例,其中，圖1A是清晰的虹膜圖像，圖1B是運動模糊的虹膜圖像；
[0029]圖2是本發(fā)明提供的用于運動模糊虹膜識別的加權(quán)比對方法的流程圖；
[0030]圖3顯示了ー個針對運動模糊的加權(quán)匹配模板的示例。
【具體實施方式】
[0031]下面結(jié)合【專利附圖】

【附圖說明】本發(fā)明技術(shù)方案中所涉及的技術(shù)問題。應(yīng)指出的是，所描述的實施例僅g在便于對本發(fā)明的理解，而對其不起任何限定作用。
[0032]虹膜識別系統(tǒng)在通過成像裝置獲取虹膜圖像吋，由于虹膜本身僅有12_左右而且現(xiàn)階段成像技術(shù)在硬件上的限制，使得在使用者不是完全配合的場景下采集到的測試虹膜圖像很難避免的會存在運動模糊。運動模糊虹膜圖像的紋理細節(jié)相對于清晰圖像有所變化。如圖2A和圖2B所不,其中，圖1A是清晰的虹膜圖像的一個不例，圖1B是運動模糊的虹膜圖像的ー個示例。如圖1A和圖1B所示，特別是虹膜圖像的紋理細節(jié)會有所缺失。對于運動模糊虹膜識別的問題，由于其中的模糊圖像中紋理細節(jié)信息的缺失，其導(dǎo)致了虹膜識別性能的下降，特別是錯誤拒絕率的升高。
[0033]為了能夠解決運動模糊虹膜識別中存在的問題，本發(fā)明提出了ー種用于運動模糊虹膜識別的加權(quán)比對方法，通過在訓(xùn)練集上的學(xué)習(xí)得到針對運動模糊的加權(quán)匹配模板，然后對于輸入的測試虹膜圖像在經(jīng)過運動模糊的長度和方向的判斷之后根據(jù)一般的針對運動模糊的加權(quán)匹配模板自適應(yīng)的為每ー個編碼位賦予相應(yīng)的比對權(quán)值。其流程圖如圖2所示，包括以下步驟:
[0034]步驟S1、收集并構(gòu)建訓(xùn)練集，使訓(xùn)練集包含多個虹膜圖像對，每個虹膜圖像對包括來源于同一虹膜的一幅清晰的虹膜圖像和一幅人工模糊的虹膜圖像。接著，對訓(xùn)練集中的所有虹膜圖像進行預(yù)處理，得到感興趣區(qū)域(ROI)并將該ROI轉(zhuǎn)換到極坐標(biāo)系下；再對各ROI進行特征提取，得到訓(xùn)練集中各虹膜圖像的ニ值特征編碼；然后在得到的ニ值編碼中使用所述各虹膜圖像對中的清晰虹膜圖像和人工模糊的虹膜圖像進行比對，得到一般的運動模糊虹膜圖像編碼的可信圖，并將其歸ー化得到針對運動模糊的加權(quán)匹配模板；
[0035]步驟S2、對需要識別的測試虹膜圖像進行預(yù)處理，得到R0I，同時判定運動模糊的長度和方向，再將ROI轉(zhuǎn)換到極坐標(biāo)系后進行特征提取，根據(jù)虹膜圖像運動模糊的方向和長度自適應(yīng)的利用步驟SI得到的針對運動模糊的加權(quán)匹配模板與注冊虹膜圖像庫中的虹膜圖像樣本進行加權(quán)比對。
[0036]下面對本發(fā)明涉及的關(guān)鍵步驟進行逐一說明。本發(fā)明所述方法中各個基本步驟的具體形式如下所述:
[0037]首先，針對運動模糊的虹膜加權(quán)比對方法的先驗知識學(xué)習(xí)步驟SI，，此步驟SI為本發(fā)明中所述方法的訓(xùn)練步驟，通過在訓(xùn)練集上的學(xué)習(xí)，為后續(xù)的實際測試過程提供先驗知識，使得針對運動模糊的加權(quán)匹配過程能夠順利完成，從而提升系統(tǒng)對于運動模糊虹膜識別的魯棒性。此步驟Si僅需要準(zhǔn)備清晰的虹膜圖像作為訓(xùn)練樣本，為了能夠充分學(xué)習(xí)此先驗知識，我們先對已有的清晰虹膜圖像進行運動模糊的人工合成，由此構(gòu)成訓(xùn)練集。因此，并不需要收集對應(yīng)的運動模糊虹膜圖像，保證了方法的便捷性。然后，對訓(xùn)練集中成對的清晰和模糊的虹膜圖像進行預(yù)處理和特征提取，得到對應(yīng)的虹膜二值編碼；然后，在得到的二值編碼中使用成對的清晰和人工模糊的樣本進行比對，得到一般的運動模糊虹膜圖像的可信圖，并將其歸ー化得到針對運動模糊的加權(quán)匹配模板。該模板用于指導(dǎo)后續(xù)的加權(quán)比對過程。步驟SI具體包括:
[0038]步驟S11、收集和構(gòu)建運動模糊的虹膜圖像訓(xùn)練集。收集清晰虹膜圖像X=Ix1,X2, , xn}作為訓(xùn)練集中的清晰虹膜圖像，然后在此清晰虹膜圖像上人工合成運動模糊得到人工模糊的虹膜圖像。此人工合成運動模糊的虹膜圖像的過程可以看作是ー個卷積的過程，其具有如下形式
[0039]
【權(quán)利要求】
1.ー種用于運動模糊虹膜識別的加權(quán)比對方法，其特征在于，該方法包括: 步驟S1、收集并構(gòu)建訓(xùn)練集，使訓(xùn)練集包含多個虹膜圖像對，每個虹膜圖像對包括來源于同一虹膜的一幅清晰的虹膜圖像和一幅人工模糊的虹膜圖像，接著，對訓(xùn)練集中的所有虹膜圖像進行預(yù)處理得到ROI，并將其轉(zhuǎn)換到極坐標(biāo)系下，再對各ROI進行特征提取，得到訓(xùn)練集中各虹膜圖像的二值特征編碼，然后在得到的二值編碼中使用所述各虹膜圖像對中的清晰虹膜圖像和人工模糊的虹膜圖像進行比對，得到一般的運動模糊虹膜圖像編碼的可信圖，并歸一化得到針對運動模糊的加權(quán)匹配模板； 步驟S2、對需要識別的測試虹膜圖像進行預(yù)處理得到ROI同時判定運動模糊的長度和方向，再將ROI轉(zhuǎn)換到極坐標(biāo)系后進行特征提取，根據(jù)虹膜圖像運動模糊的長度和方向自適應(yīng)的利用步驟SI得到的針對運動模糊的加權(quán)匹配模板與注冊虹膜圖像庫中的虹膜圖像樣本進行加權(quán)比對。
2.根據(jù)權(quán)利要求1所述的用于運動模糊虹膜識別的加權(quán)比對方法，其特征在于，所述步驟SI包括: 步驟S11、收集和構(gòu)建包含運動模糊虹膜圖像的訓(xùn)練集，將收集到的清晰虹膜圖像人工合成運動模糊虹膜圖像，并使清晰虹膜圖像和人工合成的運動模糊圖像具有一一對應(yīng)關(guān)系，對應(yīng)的清晰虹膜圖像和人工合成的運動模糊圖像構(gòu)成虹膜圖像對，然后對訓(xùn)練集中所有虹膜圖像進行預(yù)處理，得到各虹膜圖像的ROI ； 步驟S12、對所述訓(xùn)練集中清晰和運動模糊的虹膜圖像的ROI進行歸一化，將訓(xùn)練集中清晰和運動模糊的虹膜圖像的ROI從直角坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系，得到訓(xùn)練集中的清晰虹膜圖像和運動模糊虹膜圖像的ROI在極坐標(biāo)系下的虹膜圖像； 步驟S13、使用特征提取算法對在訓(xùn)練集中極坐標(biāo)系下的清晰虹膜圖像和人工合成的運動模糊虹膜圖像的ROI進·行編碼，得到訓(xùn)練集中清晰虹膜圖像和人工合成的運動模糊虹膜圖像的二值特征編碼； 步驟S14、在訓(xùn)練集中的清晰虹膜圖像和人工合成的運動模糊的虹膜圖像的二值編碼上，使用所述訓(xùn)練集的虹膜圖像對的清晰虹膜圖像和人工合成的運動模糊虹膜圖像的編碼進行比對，得到虹膜編碼中不同位置的編碼位對于運動模糊的可靠性，即可信圖，并將此可信圖歸ー化得到一般的針對運動模糊的加權(quán)匹配模板。
3.根據(jù)權(quán)利要求2所述的用于運動模糊虹膜識別的加權(quán)比對方法，其特征在干， 步驟Sll中人工合成運動模糊的虹膜圖像的過程看作是ー個卷積的過程，其具有如下形式: 7 = X 0 / + /?, 其中，y代表經(jīng)過人工合成得到的模糊圖像，X代表已知的清晰虹膜圖像，f是點擴散函數(shù)表示圖像的模糊原因，n是加性白噪聲，0為卷積操作子。
4.根據(jù)權(quán)利要求3所述的用于運動模糊虹膜識別的加權(quán)比對方法，其特征在干， 所述步驟S14中，根據(jù)訓(xùn)練集中的清晰虹膜圖像是否具有類別標(biāo)記，有兩種不同的方法用于得到虹膜編碼的可信圖，當(dāng)不具有類別標(biāo)記時，僅使用所述訓(xùn)練集中成對的清晰虹膜圖像和人工合成的運動模糊虹膜圖像的編碼進行比對；當(dāng)具有類別信息時，在屬于同一類的多幅清晰虹膜圖像和模糊虹膜圖像的編碼間進行比對，每ー類都能得到一個對應(yīng)的比對結(jié)果，然后再對多類的結(jié)果求取平均值，得到一般情況下的不同位置上的虹膜編碼位對于運動模糊的可靠性。
5.根據(jù)權(quán)利要求1所述的用于運動模糊虹膜識別的加權(quán)比對方法，其特征在于，所述步驟S2包括: 步驟S21、對需要識別的虹膜圖像進行預(yù)處理得到該測試虹膜圖像的ROI，然后判定此測試虹膜圖像的運動模糊的長度和方向； 步驟S22、對所述測試虹膜圖像的ROI進行歸一化，將所要識別的虹膜圖像的ROI從直角坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系，得到極坐標(biāo)系下的測試虹膜圖像的ROI ； 步驟S23、使用特征提取算法在極坐標(biāo)系下的所要識別的虹膜圖像上進行編碼，得到所要識別的虹膜圖像的二值特征編碼； 步驟S24、對步驟S23中得到的所要識別的虹膜圖像的二值編碼，根據(jù)步驟S21中得到所要識別的虹膜圖像的運動模糊的長度和方向和步驟S14中訓(xùn)練得到的一般的針對運動模糊的加權(quán)匹配模板，賦予所要識別的虹膜圖像的二值編碼中每一位編碼不同的權(quán)值，然后與注冊虹膜圖像庫中的虹膜圖像樣本進行比對并做出身份識別結(jié)果，完成運動模糊虹膜圖像的識別過程。
6.根據(jù)權(quán)利要求5所述的用于運動模糊虹膜識別的加權(quán)比對方法，其特征在于，所述的賦予其中每一位編碼不同的權(quán)值是根據(jù)步驟S21得到的所述識別的虹膜圖像的運動模糊的長度和方向?qū)Σ襟ES14中訓(xùn) 練得到的一般的針對運動模糊的加權(quán)匹配模板進行調(diào)整所得到的。
7.根據(jù)權(quán)利要求5所述的用于運動模糊虹膜識別的加權(quán)比對方法，其特征在干， 在步驟S21中，使用參數(shù)化的運動模糊點擴散函數(shù)模型，然后使用虹膜圖像質(zhì)量評價方法中的運動模糊判斷方法對其運動模糊的長度和方向進行估計。
【文檔編號】G06K9/00GK103577814SQ201310603622
【公開日】2014年2月12日 申請日期:2013年11月25日 優(yōu)先權(quán)日:2013年11月25日
【發(fā)明者】譚鐵牛, 孫哲南, 劉京 申請人:中國科學(xué)院自動化研究所