本發(fā)明屬于虹膜識別領(lǐng)域，尤其涉及一種虹膜識別方法及識別器。

背景技術(shù)：

虹膜識別技術(shù)相對于目前應(yīng)用最為廣泛的指紋識別技術(shù)起步較晚，但虹膜識別技術(shù)擁有指紋、人臉識別等其他生物識別技術(shù)無法比擬的優(yōu)勢，這些優(yōu)勢使得虹膜識別技術(shù)成為目前最有發(fā)展前景的生物識別技術(shù)。在國外，虹膜識別技術(shù)發(fā)展?fàn)顩r相對成熟，虹膜識別技術(shù)已用于安防，國防等領(lǐng)域，并已實現(xiàn)產(chǎn)業(yè)化。在國內(nèi)，多家研究機構(gòu)對于虹膜識別技術(shù)停留在理論研究階段或者量產(chǎn)階段，發(fā)展?fàn)顩r還不成熟。但是目前國內(nèi)現(xiàn)有技術(shù)中存在識別速度慢，精度比較低的缺點。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：現(xiàn)有技術(shù)中存在識別速度慢，精度比較低的缺點。

為解決上面的技術(shù)問題，本發(fā)明提供了一種虹膜識別方法，該方法包括如下步驟：

s1，攝取用戶眼睛的虹膜圖像，對所述虹膜圖像進行預(yù)處理，得到圖像灰度圖；

s2，對所述圖像灰度圖進行霍夫圓變換，將變換后的所述圖像灰度圖映射到創(chuàng)建的新的空白灰度圖上，得到矩形虹膜圖像；

s3，對所述矩形虹膜圖像進行濾波處理，提取所述矩形虹膜圖像中所有的特征點，并對所述特征點進行編碼，得到虹膜碼；

s4，利用海明距離匹配法計算預(yù)存的虹膜碼與所述虹膜碼的特征匹配度，根據(jù)所述特征匹配度與預(yù)設(shè)值進行比較判斷用戶身份驗證是否通過,若超過預(yù)設(shè)值,則通過,若不超過,則不通過，并保存該用戶的所述虹膜碼。

本發(fā)明的有益效果：采用上述的方法，將獲取的用戶虹膜圖像經(jīng)過霍夫圓變換和濾波處理，大大提高了獲取的精度，有效地降低了用戶身份造假的可能性，同時采用海明距離匹配法，大大提高了對用戶身份驗證的準(zhǔn)確度以及識別速度，識別速度穩(wěn)定在1秒以內(nèi)。

進一步地，所述s1中包括：

s11，攝取用戶眼睛的虹膜圖像，將所述虹膜圖像的高度和寬度以及圖像所屬類型轉(zhuǎn)換成數(shù)據(jù)矩陣；

s12，將所述數(shù)據(jù)矩陣轉(zhuǎn)換成灰度圖，得到所述圖像灰度圖。

進一步地，所述s12中，包括：

將所述數(shù)據(jù)矩陣中的像素矩陣與顏色直方圖矩陣進行計算，并根據(jù)計算結(jié)果相應(yīng)地將所述像素矩陣中的像素轉(zhuǎn)換成黑色像素或者白色像素，得到所述圖像灰度圖。

進一步地，所述s12中，還包括：對所述像素矩陣的像素進行高斯平滑處理。

上述進一步地有益效果：降低了像素的噪點，提高了像素的精度，大大降低了像素的干擾。

進一步地，所述s3中，所述濾波處理是指過濾掉所述矩形虹膜圖像中不同頻率的圖像，保留相同頻率的圖像。

進一步地，所述濾波處理還包括：對所述矩形虹膜圖像進行空域卷積計算。

本發(fā)明還涉及一種虹膜識別器，其特征在于，該識別器包括：圖像獲取模塊、圖像處理模塊、圖像驗證模塊；所述圖像獲取模塊，用于攝取用戶眼睛的虹膜圖像，對所述虹膜圖像進行預(yù)處理，得到圖像灰度圖；所述圖像處理模塊，用于對所述圖像灰度圖進行霍夫圓變換，將變換后的所述圖像灰度圖映射到創(chuàng)建的新的空白灰度圖上，得到矩形虹膜圖像，并對所述矩形虹膜圖像進行濾波處理，提取所述矩形虹膜圖像中所有的特征點，并對所述特征點進行編碼，得到虹膜碼；所述圖像驗證模塊，用于利用海明距離匹配法計算預(yù)存的虹膜碼與所述虹膜碼的特征匹配度，根據(jù)所述特征匹配度與預(yù)設(shè)值進行比較判斷用戶身份驗證是否通過,若超過預(yù)設(shè)值,則通過,若不超過,則不通過，并保存該用戶的所述虹膜碼。

本發(fā)明的有益效果：采用上述的系統(tǒng)，將獲取的用戶虹膜圖像經(jīng)過霍夫圓變換和濾波處理，大大提高了獲取的精度，有效地降低了用戶身份造假的可能性，同時采用海明距離匹配法，大大提高了對用戶身份驗證的準(zhǔn)確度。

進一步地，所述圖像獲取模塊包括：數(shù)據(jù)矩陣單元、圖像灰度圖單元；所述數(shù)據(jù)矩陣單元，用于攝取用戶眼睛的虹膜圖像，將所述虹膜圖像的高度和寬度以及圖像所屬類型轉(zhuǎn)換成數(shù)據(jù)矩陣；所述圖像灰度圖單元，用于將所述數(shù)據(jù)矩陣轉(zhuǎn)換成灰度圖，得到所述圖像灰度圖。

進一步地，所述圖像灰度圖單元，具體用于將所述數(shù)據(jù)矩陣中的像素矩陣與顏色直方圖矩陣進行計算，并根據(jù)計算結(jié)果相應(yīng)地將所述像素矩陣中的像素轉(zhuǎn)換成黑色像素或者白色像素，得到所述圖像灰度圖。

進一步地，所述圖像灰度圖單元，還用于對所述像素矩陣的像素進行高斯平滑處理。

上述進一步地有益效果：降低了像素的噪點，提高了像素的精度，大大降低了像素的干擾。

附圖說明

圖1為本發(fā)明的一種虹膜識別方法的流程圖；

圖2為本發(fā)明的一種虹膜識別器的結(jié)構(gòu)示意圖。

具體實施方式

以下結(jié)合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

實施例1

如圖1所示，本實施例1是一種虹膜識別方法，該方法包括如下步驟：

s1，攝取用戶眼睛的虹膜圖像，對所述虹膜圖像進行預(yù)處理，得到圖像灰度圖；

s2，對所述圖像灰度圖進行霍夫圓變換，將變換后的所述圖像灰度圖映射到創(chuàng)建的新的空白灰度圖上，得到矩形虹膜圖像；

s3，對所述矩形虹膜圖像進行濾波處理，提取所述矩形虹膜圖像中所有的特征點，并對所述特征點進行編碼，得到虹膜碼；

s4,利用海明距離匹配法計算預(yù)存的虹膜碼與所述虹膜碼的特征匹配度，根據(jù)所述特征匹配度與預(yù)設(shè)值進行比較判斷用戶身份驗證是否通過,若超過預(yù)設(shè)值,則通過,若不超過,則不通過，并保存該用戶的所述虹膜碼。

需要說明的是，在本實施例1中步驟s1是攝取用戶眼睛的虹膜圖像，將所獲取的虹膜圖像的高度，寬度和強制轉(zhuǎn)換為字符的字節(jié)存入一個2d矩陣中，該2d矩陣是一個提前就設(shè)定好的數(shù)據(jù)類型，這個數(shù)據(jù)類型是一個包含：三個整數(shù)類型參數(shù)，這三個參數(shù)就是提取的用戶眼睛的虹膜圖像高度，寬度和圖像類型。另外，在本實施例1中用到的所有矩陣皆為2d矩陣，將存儲有高度，寬度和圖像類型的矩陣轉(zhuǎn)換為圖像灰度圖。

此外，在本實施例1中步驟s2是對圖像灰度圖進行霍夫圓變換，在變換過程包括計算瞳孔圓心和計算包括虹膜部分的圓的圓心，其中計算瞳孔圓心的過程如下：在卡迪爾坐標(biāo)系中圓的方程為

α＝x-rcosθ

其中a,b為圓心，r為半徑，θ為角度，已知圓上所有點的方程相同，所以可以通過遍歷累加所有非零點所對應(yīng)的圓心，即通過計算任意一點可能為圓心的點上模向量相交數(shù)的多少來判斷該點是否為所求圓心。若計算結(jié)果大于高閾值，則該點為圓心，反之則不是。在本實施例1中的高閾值為200，圓心檢測閾值為0。因此瞳孔圓心和半徑確定，再創(chuàng)建三個整數(shù)型變量x，y，r，將圓心(x,y)和半徑(r)分別保存至三個變量中。

將圖像灰度圖中的瞳孔所在圓內(nèi)的像素值全部改寫為黑色，在迭代計算中使用一個嵌套for循環(huán)，即一個for循環(huán)里包含另一個for循環(huán)，其中兩次循環(huán)的迭代器分別為輸入圖像矩陣的行數(shù)和列數(shù)，若當(dāng)前像素點不在瞳孔所在園內(nèi)，跳過當(dāng)前迭代，執(zhí)行下一次迭代。

對于計算包括虹膜部分的圓的圓心，是再次對圖像灰度圖使用霍夫圓變換，在此處的邊緣函數(shù)的高閾值為200，圓心檢測閾值為瞳孔半徑*1.3，創(chuàng)建三個整數(shù)型變量x`,y`,r`，將圓心(x,y)和半徑(r)分別保存至三個變量中。然后對虹膜圖像進行歸一化，將歸一化后的圖像灰度圖映射到創(chuàng)建的新的空白灰度圖上，采用一個1x512的矩陣，將虹膜的環(huán)形圖像的極坐標(biāo)映射到卡迪爾坐標(biāo)上，得到一個矩形虹膜圖像，其公式為：

x＝ρcosθ

y＝ρsinθ

其中x，y為直角坐標(biāo)點，ρ為極軸，θ為角度，而極軸的值為r`-r的差值，至此新的灰度圖中保存了矩形虹膜圖像。

在本實施例1步驟s3中對上述步驟s2的矩形虹膜圖像進行濾波處理，提取矩形虹膜圖像中所有的特征點，并對所述特征點進行編碼，得到虹膜碼，需要說明的是，在本實施例1中通常使用2d加博濾波器，其公式為：

其中，λ為波長，θ為濾波器特征選擇的角度，φ為相位偏移值，γ為任意一點的二維坐標(biāo)比值，σ為濾波空間頻率所需帶寬。

在本實施例1步驟s4中使用海明距離匹配法計算之前存儲的虹膜碼跟這次獲取的虹膜碼特征匹配度，海明距離是指兩個編碼在對應(yīng)位上不同的位數(shù)。舉例如下：101和001在第一位不同，則海明距離1，再用海明距離除以2048，得出最終結(jié)果，計算公式中輸入?yún)?shù)分別是兩份虹膜碼，以及偏移量，此處偏移量取值為0。

然后再對計算結(jié)果進行分析，如果計算結(jié)果小于等于0.25,則驗證通過，若結(jié)果大于0.25，則驗證不通過。

可選地，在本實施例1中步驟s1包括：

s11，攝取用戶眼睛的虹膜圖像，將所述虹膜圖像的高度和寬度以及圖像所屬類型轉(zhuǎn)換成數(shù)據(jù)矩陣；

s12，將所述數(shù)據(jù)矩陣轉(zhuǎn)換成灰度圖，得到所述圖像灰度圖。

可選地，所述s12中，包括：

將所述數(shù)據(jù)矩陣中的像素矩陣與顏色直方圖矩陣進行計算，并根據(jù)計算結(jié)果相應(yīng)地將所述像素矩陣中的像素轉(zhuǎn)換成黑色像素或者白色像素，得到所述圖像灰度圖。

需要說明的是，在本實施例1中具體是采用for循環(huán)提高矩陣中所有白色像素區(qū)域亮度。創(chuàng)建一個整數(shù)型變量，并賦值為127，在此for循環(huán)中，迭代器為矩陣中的像素，每次循環(huán)用當(dāng)前位置的像素減去127的差乘以255，若結(jié)果小于零，該位置像素值改寫為0，若結(jié)果大于255，該位置像素值改寫為255，若結(jié)果等于零，該位置像素值不做更改。在本實施例1中是用for循環(huán)對矩陣中所有像素與屬性為32sc1的1x256顏色直方圖矩陣進行計算，如果當(dāng)前矩陣像素與當(dāng)前顏色直方圖矩陣像素之和大于原圖像寬度乘以高度乘以0.02，將其變成黑色像素，如果當(dāng)前矩陣像素與當(dāng)前顏色直方圖矩陣像素之和大于原圖像寬度乘以高度乘以0.04，將其變成白色像素。

可選地，所述s12中，還包括：對所述像素矩陣的像素進行高斯平滑處理。

需要說明的是，在本實施例1中采用的是對圖像矩陣中所有像素點進行高斯平滑處理以降低噪點，其公式為：

其中x,y的值當(dāng)前像素點橫坐標(biāo)值和縱坐標(biāo)值，σ的值為15，π為圓周率。

另外，在本實施例1中為便于后續(xù)對虹膜圖像的提取，需要對圖像進行邊緣檢測，首先計算索貝爾算子的值，公式如下：

其中g(shù)x為水平索貝爾算子,m為初始的虹膜圖像矩陣。

其中g(shù)y為垂直索貝爾算子，m為初始的虹膜圖像矩陣。

測量矩陣中每個像素的梯度近似值大小，其公式為:

其中g(shù)x和gy分別為水平和垂直索貝爾算子。

測量該像素梯度方向，其公式為：

可選地，所述s3中，所述濾波處理是指過濾掉所述矩形虹膜圖像中不同頻率的圖像，保留相同頻率的圖像。

需要說明的是，在本實施例1中每個濾波器只讓與其具有相同頻率的圖像紋理通過，而不同頻率的圖像紋理被阻隔，也即是矩形虹膜圖像中不同頻率的圖像，保留相同頻率的圖像。

可選地，所述濾波處理還包括：對所述矩形虹膜圖像進行空域卷積計算。

需要說明的是，在本實施例1是對通過濾波器的虹膜圖像中的每個圖像塊作空域卷積，得到濾波器的輸出，并將所有濾波器輸出的特征點保存到一個64x512的矩陣中。

實施例2

如圖2所示，本實施例2是一種虹膜識別器，該識別器包括：圖像獲取模塊、圖像處理模塊、圖像驗證模塊；所述圖像獲取模塊，用于攝取用戶眼睛的虹膜圖像，對所述虹膜圖像進行預(yù)處理，得到圖像灰度圖；所述圖像處理模塊，用于對所述圖像灰度圖進行霍夫圓變換，將變換后的所述圖像灰度圖映射到創(chuàng)建的新的空白灰度圖上，得到矩形虹膜圖像，并對所述矩形虹膜圖像進行濾波處理，提取所述矩形虹膜圖像中所有的特征點，并對所述特征點進行編碼，得到虹膜碼；所述圖像驗證模塊，用于利用海明距離匹配法計算預(yù)存的虹膜碼與所述虹膜碼的特征匹配度，根據(jù)所述特征匹配度與預(yù)設(shè)值進行比較判斷用戶身份驗證是否通過,若超過預(yù)設(shè)值,則通過,若不超過,則不通過，并保存該用戶的所述虹膜碼。

可選地，在所述圖像獲取模塊包括：數(shù)據(jù)矩陣單元、圖像灰度圖單元；所述數(shù)據(jù)矩陣單元，用于攝取用戶眼睛的虹膜圖像，將所述虹膜圖像的高度和寬度以及圖像所屬類型轉(zhuǎn)換成數(shù)據(jù)矩陣；所述圖像灰度圖單元，用于將所述數(shù)據(jù)矩陣轉(zhuǎn)換成灰度圖，得到所述圖像灰度圖。

可選地，所述圖像灰度圖單元，具體用于將所述數(shù)據(jù)矩陣中的像素矩陣與顏色直方圖矩陣進行計算，并根據(jù)計算結(jié)果相應(yīng)地將所述像素矩陣中的像素轉(zhuǎn)換成黑色像素或者白色像素，得到所述圖像灰度圖。

需要說明的是，在本實施例2中具體是采用for循環(huán)提高矩陣中所有白色像素區(qū)域亮度。創(chuàng)建一個整數(shù)型變量，并賦值為127。在此for循環(huán)中，迭代器為矩陣中的像素，每次循環(huán)用當(dāng)前位置的像素減去127的差乘以255，若結(jié)果小于零，該位置像素值改寫為0，若結(jié)果大于255，該位置像素值改寫為255，若結(jié)果等于零，該位置像素值不做更改。在本實施例2中是用for循環(huán)對矩陣中所有像素與屬性為32sc1的1x256顏色直方圖矩陣進行計算，如果當(dāng)前矩陣像素與當(dāng)前顏色直方圖矩陣像素之和大于原圖像寬度乘以高度乘以0.02，將其變成黑色像素，如果當(dāng)前矩陣像素與當(dāng)前顏色直方圖矩陣像素之和大于原圖像寬度乘以高度乘以0.04，將其變成白色像素。

可選地，所述圖像灰度圖單元，還用于對所述像素矩陣的像素進行高斯平滑處理。

需要說明的是，在本實施例2中采用的是對圖像矩陣中所有像素點進行高斯平滑處理以降低噪點，其公式為：

其中x,y的值當(dāng)前像素點橫坐標(biāo)值和縱坐標(biāo)值，σ的值為15，π為圓周率。

另外，在本實施例2中為便于后續(xù)對虹膜圖像的提取，需要對圖像進行邊緣檢測，首先計算索貝爾算子的值，公式如下：

其中g(shù)x為水平索貝爾算子,m為初始的虹膜圖像矩陣。

其中g(shù)y為垂直索貝爾算子，m為初始的虹膜圖像矩陣。

測量矩陣中每個像素的梯度近似值大小，其公式為:

其中g(shù)x和gy分別為水平和垂直索貝爾算子。

測量該像素梯度方向，其公式為：

可選地，所述濾波處理是指過濾掉所述矩形虹膜圖像中不同頻率的圖像，保留相同頻率的圖像。

需要說明的是，在本實施例2中每個濾波器只讓與其具有相同頻率的圖像紋理通過，而不同頻率的圖像紋理被阻隔，也即是矩形虹膜圖像中不同頻率的圖像，保留相同頻率的圖像。

可選地，所述濾波處理還包括：對所述矩形虹膜圖像進行空域卷積計算。

需要說明的是，在本實施例2是對通過濾波器的虹膜圖像中的每個圖像塊作空域卷積，得到濾波器的輸出，并將所有濾波器輸出的特征點保存到一個64x512的矩陣中。

在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結(jié)合和組合。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。