專利名稱：一種虹膜圖像質(zhì)量判斷方法
專利說(shuō)明一種虹膜圖像質(zhì)量判斷方法 技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，主要涉及生物特征鑒別中的虹膜身份識(shí)別技術(shù)。
背景技術(shù)
隨著電腦、ATM機(jī)、移動(dòng)電話、門禁控制系統(tǒng)等電子設(shè)備不斷地進(jìn)入我們的日常生活中，對(duì)于個(gè)人安全、方便的身份認(rèn)證技術(shù)變得越來(lái)越緊迫。然而，現(xiàn)有的基于智能卡、身份證號(hào)碼和口令的系統(tǒng)卻只能在安全與方便之間徘徊，充分的安全從來(lái)沒(méi)有實(shí)現(xiàn)過(guò)，而更好的安全卻與不方便同時(shí)出現(xiàn)。為了實(shí)現(xiàn)較高的安全性，我們必須使用更復(fù)雜和更不方便的口令，因?yàn)槿绻麑?duì)我們身邊不同的機(jī)器使用一個(gè)相同的密碼，那我們?cè)诘玫搅朔奖阈缘耐瑫r(shí)也增加了安全性的隱患。為此人們一直在探索一些安全而又方便的解決方案。生物識(shí)別技術(shù)為此提供了一個(gè)全新的領(lǐng)域。生物識(shí)別技術(shù)是利用人類的生理特性或行為特性進(jìn)行身份識(shí)別和驗(yàn)證。這些生理特性包括指紋，掌紋，聲音，簽名等來(lái)識(shí)別個(gè)人的身份。因?yàn)樯硖匦约炔粫?huì)像密碼一樣被遺忘，也不會(huì)像鑰匙一樣被遺失，所以被認(rèn)為是一種更為可靠的個(gè)人身份驗(yàn)證方法。虹膜身份識(shí)別是一種新興的生物識(shí)別技術(shù)，利用虹膜作為身份識(shí)別的依據(jù)，具有高獨(dú)特性、高穩(wěn)定性、天然防偽性和無(wú)侵犯性等優(yōu)點(diǎn)。詳見(jiàn)文獻(xiàn)Anil K.Jain，Arun Ross，SalilPrabhakar，“An Introduction to Biometric Recognit ion”，IEEETransaction on Circuits and Systemsfor Video Technology，Volume 14，No.1，pp.4-20，2004和文獻(xiàn)John G.Daugman，“How Iris RecognitionWorks，”IEEE Transaction on Circuits and Systems for Video Technology，Volume 14，Issue 1，pp.21-30，2004所述。
虹膜圖像質(zhì)量評(píng)估在整個(gè)自動(dòng)虹膜識(shí)別技術(shù)中是非常重要的一個(gè)部分，它保證了進(jìn)行處理的虹膜圖像都滿足系統(tǒng)的質(zhì)量要求。從而，避免了由于虹膜圖像本身質(zhì)量問(wèn)題而引起的誤識(shí)和拒識(shí)。實(shí)際中，由于拍攝時(shí)采集設(shè)備的焦距問(wèn)題，拍攝瞬間眼球的轉(zhuǎn)動(dòng)問(wèn)題，以及眼瞼和睫毛對(duì)虹膜的部分遮擋，常常使采集的虹膜圖像無(wú)法進(jìn)行后續(xù)的特征提取。目前已有的算法中還沒(méi)有提出一種有效的虹膜圖像質(zhì)量評(píng)估模型，因此我們旨在建立一套通用可行的評(píng)估模型，詳見(jiàn)文獻(xiàn)Chen Ji，Hu Guangshu，“Iris Image Quality Evaluation based onWavelet Packet Decomposition”，Journal of Tsinghua University(Sci &Tech)，Volume 43，No.3，pp.377-380，2003和文獻(xiàn)Li Ma，Tieniu Tan，Yunhong Wang，Dexin Zhang，“Efficient Iris Recognition byCharacterizing key Local Variations”，IEEE Transaction on ImageProcessing，Volume 13，No.6，pp.739-750，2004所述。
目前已有虹膜質(zhì)量判斷方法有 (1)基于快速傅立葉變換的方法。它對(duì)虹膜區(qū)域上的兩個(gè)矩形塊內(nèi)的象素點(diǎn)進(jìn)行二維快速傅立葉變換，然后通過(guò)對(duì)其高頻、中頻和低頻能量的統(tǒng)計(jì)，分析圖像是否清晰和存在睫毛遮擋。該模型的通用性不強(qiáng)，容易將紋理較少的清晰虹膜圖像誤判為低質(zhì)量虹膜圖像。詳見(jiàn)文獻(xiàn)Li Ma，Tieniu Tan，YunhongWang，Dexin Zhang，“Personal Identification based on Iris TextureAnalysis，”IEEE Transactions on Patern Analysis and MachineIntelligence，Volume 25，No.12，pp.1519-1533。
(2)基于小波包分解的方法。它選取紋理高頻分量分布最集中的子頻帶作為特征子頻帶，以其能量作為判別圖像質(zhì)量的準(zhǔn)則。該方法的缺點(diǎn)是無(wú)法判斷因睫毛遮擋而存在問(wèn)題的虹膜圖像。詳見(jiàn)文獻(xiàn)Chen Ji，Hu Guangshu，“Iris Image Quality Evaluation based on Wavelet Packet Decomposition”，Journal of Tsinghua University(Sci&Tech)，Volume 43，No.3，pp.377-380，2003。
(3)基于圖像清晰度、內(nèi)外偏心度和虹膜可見(jiàn)度的方法。它建立了圖像清晰度、內(nèi)外偏心度和虹膜可見(jiàn)度三個(gè)衡量圖像質(zhì)量的指標(biāo)，實(shí)現(xiàn)了對(duì)虹膜圖像進(jìn)行實(shí)時(shí)質(zhì)量評(píng)價(jià)的要求。該方法的缺點(diǎn)是對(duì)光照條件較為敏感，穩(wěn)定性不強(qiáng)。Xing Lei，Shi Pengfei，“A Quality Evaluation Method of Iris Image”，Chinese Journal of Stereology and Image Analysis，Volume.8，No.2，pp.108-113，2003。
上述的虹膜圖像質(zhì)量判斷算法都在一定程度上存在問(wèn)題，計(jì)算量過(guò)大、對(duì)光照較為敏感、通用性不強(qiáng)等等。

發(fā)明內(nèi)容
本發(fā)明的目的是建立一種通用性比較強(qiáng)的虹膜圖像質(zhì)量判斷方法，能夠準(zhǔn)確的檢測(cè)出眼瞼睫毛遮擋的虹膜圖像和清晰度不夠的虹膜圖像，并且使算法適用的光照條件范圍較廣。
本發(fā)明的目的是這樣實(shí)現(xiàn)的； 一種虹膜圖像質(zhì)量判斷方法，其特征在于其包含下列步驟 步驟1、通過(guò)攝像裝置，對(duì)人眼中的虹膜進(jìn)行圖像采集，從含有虹膜圖像的原始灰度圖像中得到尺寸為M×N的歸一化虹膜圖像f(x，y)。(x，y)表示像素點(diǎn)的坐標(biāo)，f(x，y)表示坐標(biāo)為(x，y)的像素點(diǎn)的灰度值； 步驟2、對(duì)步驟1中得到的歸一化虹膜圖像，進(jìn)行4層二維小波變換；具體來(lái)說(shuō)，二維小波變換的公式為

和其中，W(j，m，n)和Wψi(j，m，n)分別是分辨率為2j下的尺度系數(shù)和小波系數(shù)，4層小波變換j的取值范圍為{-1，-2，-3，-4}，i＝{H，V，D}，附加了水平、垂直和對(duì)角方向的細(xì)節(jié)；j，m，n(x，y)為尺度函數(shù)，ψj，m，ni(x，y)為小波函數(shù)，選取的小波為DMeyer小波； 步驟3、通過(guò)步驟2中得到的分辨率2-1下的水平方向小波系數(shù)WψH(-1，m，n)，垂直方向小波系數(shù)WψV(-1，m，n)和對(duì)角方向小波系數(shù)WψD(-1，m，n)重構(gòu)原始?xì)w一化虹膜圖像在分辨率2-1下的細(xì)節(jié)分量D2-1，f(x，y)，也即是高頻細(xì)節(jié)分量；具體來(lái)說(shuō)，重構(gòu)公式為其中D2j，f(x，y)表示分辨率2j下坐標(biāo)(x，y)的細(xì)節(jié)分量的值，Wψi(j，m，n)表示分辨率2j下的小波系數(shù)，ψj，m，ni(x，y)是i方向敏感的二維小波。∑為累加運(yùn)算符； 步驟4、計(jì)算步驟3中得到的高頻細(xì)節(jié)分量D2-1f(x，y)的絕對(duì)值|D2-1f(x，y)|。具體來(lái)說(shuō)，如果如果 步驟5、統(tǒng)計(jì)步驟4中得到的|D2-1f(x，y)|的值大于Vo的像素點(diǎn)的數(shù)目，將|D2-1f(x，y)|的值大于Vo的點(diǎn)作為眼瞼和睫毛的邊界點(diǎn)；具體計(jì)算公式為

其中M和N分別為原始?xì)w一化虹膜圖像的寬度和高度， 步驟6、比較步驟5中計(jì)算的

值與閾值TN作比較。如果

則認(rèn)為該圖像為眼瞼和睫毛遮擋的圖像，如果

則認(rèn)為該圖像為可處理的正常虹膜圖像； 步驟7、按照與步驟3中類似的方法，通過(guò)步驟2中得到的分辨率2-2下的水平方向小波系數(shù)WψH(-2，m，n)，垂直方向小波系數(shù)WψV(-2，m，n)和對(duì)角方向小波系數(shù)WψD(-2，m，n)重構(gòu)原始?xì)w一化虹膜圖像在分辨率2-2下的細(xì)節(jié)分量D2-2f(x，y)； 步驟8、計(jì)算步驟7中得到的D2-2f(x，y)的方差；具體的計(jì)算公式為其中，Var為分辨率2-2下細(xì)節(jié)分量的方差，M和N分別為原始?xì)w一化虹膜圖像的寬度和高度，m的計(jì)算公式為 步驟9、將步驟8中得到的方差Var與判別虹膜清晰度的閾值TV進(jìn)行比較，若Var≥TV，則該虹膜圖像清晰度滿足系統(tǒng)要求；若Var＜TV，則該虹膜圖像清晰度不滿足系統(tǒng)要求。
如上所述的一種虹膜圖像質(zhì)量判斷方法，其特征在于步驟2中進(jìn)行二維小波變換的尺度函數(shù)j，m，n(x，y)是兩個(gè)一維尺度函數(shù)j，m(x)和j，n(y)的乘積。進(jìn)行二維小波變換的水平方向敏感的小波函數(shù)ψj，m，nH(x，y)為一維小波函數(shù)ψj，m(x)和一維尺度函數(shù)j，n(y)的乘積；進(jìn)行二維小波變換的垂直方向敏感的小波函數(shù)ψj，m，nV(x，y)為一維尺度函數(shù)j，m(x)和一維小波函數(shù)ψj，n(y)的乘積；進(jìn)行二維小波變換酌對(duì)角方向敏感的小波函數(shù)ψj，m，nD(x，y)為兩個(gè)一維小波函數(shù)ψj，m(x)與ψj，n(y)的乘積。
如上所述的一種虹膜圖像質(zhì)量判斷方法，其特征在于步驟6中提到的閾值TN是用于判斷該圖像是否是可以處理的無(wú)眼瞼和睫毛遮擋的圖像，TN的確定與后續(xù)的匹配算法有關(guān)，將其設(shè)定為

的虹膜圖像匹配，誤識(shí)率最低時(shí)對(duì)應(yīng)的TN。
本發(fā)明采用了多分辨率分析的方法，通過(guò)分析不同分辨率下的細(xì)節(jié)分量，正確的評(píng)價(jià)了虹膜圖像的質(zhì)量。本發(fā)明首先對(duì)原始虹膜圖像進(jìn)行定位，得到歸一化虹膜圖像。通過(guò)對(duì)歸一化虹膜圖像進(jìn)行4層小波變換，統(tǒng)計(jì)分辨率2-1下的細(xì)節(jié)分量的較大幅值點(diǎn)的數(shù)目并與預(yù)先設(shè)定的閾值進(jìn)行比較，判斷該虹膜圖像是否存在眼瞼和睫毛遮擋問(wèn)題。之后，統(tǒng)計(jì)分辨率2-2下的細(xì)節(jié)分量的方差，并與預(yù)先設(shè)定的閾值進(jìn)行比較，判斷虹膜圖像是否清晰。利用多分辨率的思想進(jìn)行虹膜圖像質(zhì)量的分析是本發(fā)明的一個(gè)特色，與一般的虹膜圖像質(zhì)量評(píng)估方法相比，本發(fā)明的通用性和穩(wěn)定性很強(qiáng)，不易受光照的影響。


圖1是含有虹膜的原始圖像； 其中，1表示瞳孔；2表示虹膜；3表示瞳孔中的光斑；4表示虹膜的內(nèi)緣；5表示虹膜的外緣。
圖2是定位結(jié)果圖和歸一化圖； 其中，(a)為定位結(jié)果圖；(b)為虹膜歸一化圖像。
圖3是原始?xì)w一化虹膜圖像及其高頻細(xì)節(jié)分量； 其中，(a)是有眼瞼遮擋的歸一化虹膜圖像，(b)是(a)的高頻細(xì)節(jié)分量，(c)是有睫毛遮擋的歸一化虹膜圖像，(d)是(c)的高頻細(xì)節(jié)分量。
具體實(shí)施方式
為了方便地描述本發(fā)明內(nèi)容，首先對(duì)一些術(shù)語(yǔ)進(jìn)行定義。
定義1虹膜。眼珠的中心是黑色的瞳孔，瞳孔外緣間的環(huán)形組織即為虹膜。其呈現(xiàn)出相互交錯(cuò)的類似與斑點(diǎn)、細(xì)絲、條紋、隱窩的紋理特征。同一個(gè)人的虹膜在人的一生中幾乎不會(huì)發(fā)生改變，不同人的虹膜是完全不一樣的。
定義2灰度圖像。圖像中只包含亮度信息而沒(méi)有任何其他顏色信息的圖像。
定義3歸一化虹膜圖像。對(duì)原始虹膜圖像進(jìn)行定位之后，為消除拍攝時(shí)的頭部旋轉(zhuǎn)，拍攝距離的遠(yuǎn)近不一致，瞳孔縮放等問(wèn)題而進(jìn)行歸一化操作后得到的圖像，歸一化虹膜圖像具有相同的大小。
定義4小波變換。時(shí)間(空間)頻率的局部化分析方法，它通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)(函數(shù))逐步進(jìn)行多尺度細(xì)化，可聚焦到信號(hào)的任意細(xì)節(jié)。
定義5；尺度系數(shù)。在進(jìn)行小波變換中，原始信號(hào)與尺度函數(shù)進(jìn)行卷積之后得到的系數(shù)，用于重構(gòu)信號(hào)的近似分量。對(duì)于二維小波變換，尺度系數(shù)的具體計(jì)算公式為:

其中，f(x，y)為原始信號(hào)，j，m，n(x，y)為尺度函數(shù)，W(j，m，n)為尺度系數(shù)。
定義6尺度函數(shù)。尺度函數(shù)是由整數(shù)平移和實(shí)數(shù)二值尺度、平方可積函數(shù)(x)組成的展開(kāi)函數(shù)集合，即集合{j，m(x)}。其中j，m(x)＝2j/2(2jx-m)，j，m∈Z。定義5中的二維小波變換的尺度函數(shù)j，m，n(x，y)是兩個(gè)一維尺度函數(shù)j，m(x)和j，n(y)的乘積。
定義7小波系數(shù)。在進(jìn)行小波變換時(shí)，原始信號(hào)與小波函數(shù)進(jìn)行卷積之后得到的系數(shù)，用于重構(gòu)信號(hào)的細(xì)節(jié)分量。對(duì)于二維小波變換，小波系數(shù)的具體計(jì)算公式為其中，f(x，y)為原始信號(hào)，ψj，m，nj(x，y)為小波函數(shù)，Wψi(j，m，n)為小波系數(shù)。
定義8小波函數(shù)。小波函數(shù)是用來(lái)描述跨越相鄰兩尺度空間的差異，是由ψ(x)組成的展開(kāi)函數(shù)集合，即集合{ψj，k(x)}。其中ψj，m(x)＝2j/2ψ(2jx-m)，j，m∈Z。定義5中的二維小波變換的水平方向敏感的小波函數(shù)ψj，m，nH(x，y)為一維小波函數(shù)ψj，m(x)和一維尺度函數(shù)j，n(y)的乘積；進(jìn)行二維小波交換的垂直方向敏感的小波函數(shù)ψj，m，nV(x，y)為一維尺度函數(shù)j，m(x)和一維小波函數(shù)ψj，n(y)的乘積；進(jìn)行二維小波變換的對(duì)角方向敏感的小波函數(shù)ψj，m，nD(x，y)為兩個(gè)一維小波函數(shù)ψj，m(x)與ψj，n(y)的乘積。
定義9DMeyer小波。離散形式的Meyer小波，是Meyer小波的有效近似，可以看作是離散化的Meyer小波，具有雙正交性。它既保持了Meyer小波良好的分頻特性，又可以提高數(shù)值計(jì)算的速度。
定義10多分辨率分析。多分辨率分析的思想主要是指將原始圖像f(x，y)看作分辨率為2°＝1下的近似，該近似進(jìn)一步分解為一粗分辨率2J(J＜0)下的近似分量以及一系列高分辨率2j(j＞J)下的細(xì)節(jié)分量漸進(jìn)逼近之和。
定義11細(xì)節(jié)分量。任何一幅圖像都可以分解為主體信息和細(xì)節(jié)紋理信息，根據(jù)多分辨率分析的思想，細(xì)節(jié)分量指不同頻段范圍內(nèi)的細(xì)節(jié)紋理信息。
定義12匹配。將某一具體事物正確地歸入某一類別。
定義13。誤識(shí)率。將同一類的事物歸入其他類別的概率，常用FMR表示。
按照本發(fā)明的虹膜圖像質(zhì)量判斷方法，它包含下列步驟 步驟1、 通過(guò)攝像裝置，對(duì)人眼中的虹膜進(jìn)行圖像采集，從含有虹膜圖像的原始灰度圖像中得到尺寸為M×N的歸一化虹膜圖像f(x，y)。(x，y)表示像素點(diǎn)的坐標(biāo)，f(x，y)表示坐標(biāo)為(x，y)的像素點(diǎn)的灰度值； 步驟2、對(duì)步驟1中得到的歸一化虹膜圖像，進(jìn)行4層二維小波變換；具體來(lái)說(shuō)，二維小波變換的公式為

和其中，W(j，m，n)和Wψi(j，m，n)分別是分辨率為2j下的尺度系數(shù)和小波系數(shù)，4層小波變換j的取值范圍為{-1，-2，-3，-4}，i＝{H，V，D}，附加了水平、垂直和對(duì)角方向的細(xì)節(jié)；j，m，n(x，y)為尺度函數(shù)，ψj，m，ni(x，y)為小波函數(shù)，選取的小波為DMeyer小波； 步驟3、通過(guò)步驟2中得到的分辨率2-1下的水平方向小波系數(shù)WH(-1，m，n)，垂直方向小波系數(shù)WV(-1，m，n)和對(duì)角方向小波系數(shù)WψD(-1，m，n)重構(gòu)原始?xì)w一化虹膜圖像在分辨率2-1下的細(xì)節(jié)分量D2-1f(x，y)，也即是高頻細(xì)節(jié)分量；具體來(lái)說(shuō)，重構(gòu)公式為其中D2jf(x，y)表示分辨率2j下坐標(biāo)(x，y)的細(xì)節(jié)分量的值，Wψi(j，m，n)表示分辨率2j下的小波系數(shù)，ψj，m，nj(x，y)是i方向敏感的二維小波?！茷槔奂舆\(yùn)算符； 步驟4、計(jì)算步驟3中得到的高頻細(xì)節(jié)分量D2-1f(x，y)的絕對(duì)值|D2-1f(x，y)|，具體來(lái)說(shuō)，如果如果 步驟5、統(tǒng)計(jì)步驟4中得到的|D2-1f(x，y)|的值大于Vo的像素點(diǎn)的數(shù)目，將|D2-1f(x，y)|的值大于Vo的點(diǎn)作為眼瞼和睫毛的邊界點(diǎn)；具體計(jì)算公式為

其中M和N分別為原始?xì)w一化虹膜圖像的寬度和高度， 步驟6、比較步驟5中計(jì)算的

值與閾值TN作比較。如果

則認(rèn)為該圖像為眼瞼和睫毛遮擋的圖像，如果

則認(rèn)為該圖像為可處理的正常虹膜圖像 步驟7、按照與步驟3中類似的方法，通過(guò)步驟2中得到的分辨率2-2下的水平方向小波系數(shù)WψH(-2，m，n)，垂直方向小波系數(shù)WψV(-2，m，n)和對(duì)角方向小波系數(shù)WψD(-2，m，n)重構(gòu)原始?xì)w一化虹膜圖像在分辨率2-2下的細(xì)節(jié)分量D2-2f(x，y)； 步驟8、計(jì)算步驟7中得到的D2-2f(x，y)的方差；具體的計(jì)算公式為其中，Var為分辨率2-2下細(xì)節(jié)分量的方差，M和N分別為原始?xì)w一化虹膜圖像的寬度和高度，m的計(jì)算公式為 步驟9、將步驟8中得到的方差Var與判別虹膜清晰度的閾值TV進(jìn)行比較，若Var≥TV，則該虹膜圖像清晰度滿足系統(tǒng)要求；若Var＜TV，則該虹膜圖像清晰度不滿足系統(tǒng)要求。
通過(guò)以上步驟，我們就能通過(guò)分析從原始的含有虹膜的圖像中提取出歸一化的虹膜圖像判斷出該圖像是否滿足系統(tǒng)的要求。
需要說(shuō)明的是 1.步驟1中的虹膜歸一化操作，必須是在虹膜定位之后進(jìn)行。
2.步驟2中進(jìn)行二維小波變換的尺度函數(shù)j，m，n(x，y)是兩個(gè)一維尺度函數(shù)j，m(x)和j，n(y)的乘積。進(jìn)行二維小波變換的水平方向敏感的小波函數(shù)ψj，m，nH(x，y)為一維小波函數(shù)ψj，m(x)和一維尺度函數(shù)j，n(y)的乘積；進(jìn)行二維小波變換的垂直方向敏感的小波函數(shù)ψj，m，nV(x，y)為一維尺度函數(shù)j，m(x)和一維小波函數(shù)ψj，n(y)的乘積；進(jìn)行二維小波變換的對(duì)角方向敏感的小波函數(shù)ψj，m，nD(x，y)為兩個(gè)一維小波函數(shù)ψj，m(x)與ψj，n(y)的乘積。
3.步驟3，4，5中選擇分辨率2-1下的細(xì)節(jié)分量進(jìn)行眼瞼和睫毛遮擋的分析，是因?yàn)樵谘鄄€和睫毛的邊緣，灰度圖像上存在明顯的灰度變化，根據(jù)多分辨率分析的思想，這些位置的點(diǎn)對(duì)應(yīng)著高頻細(xì)節(jié)分量的較大幅值。
4.步驟5中的閾值Vo用于判斷高頻細(xì)節(jié)分量上的點(diǎn)是否是眼瞼和睫毛的邊緣點(diǎn)。認(rèn)為高頻細(xì)節(jié)分量幅值|D2-1f(x，y)|大于Vo的點(diǎn)就是眼瞼和睫毛的邊緣點(diǎn)，是因?yàn)樵谘鄄€和睫毛的邊緣位置處，存在灰度值的明顯跳變，對(duì)應(yīng)著高頻細(xì)節(jié)分量上幅值較大的點(diǎn)；而虹膜的紋理邊緣位置處，灰度變換較為緩慢，對(duì)應(yīng)著高頻細(xì)節(jié)分量上幅值較小的點(diǎn)。當(dāng)高頻細(xì)節(jié)分量幅值|D2-1f(x，y)|大于某一值時(shí)，該點(diǎn)就是眼瞼和睫毛的邊緣點(diǎn)。
5.步驟6中提到的閾值TN是用于判斷該圖像是否是可以處理的無(wú)眼瞼和睫毛遮擋的圖像。TN的確定與后續(xù)的匹配算法有關(guān)，我們將其設(shè)定為

的虹膜圖像匹配，誤識(shí)率最低時(shí)對(duì)應(yīng)的TN。
6.步驟7，8中選取歸一化虹膜圖像在分辨率2-2下的細(xì)節(jié)分量D2-2f(x，y)進(jìn)行虹膜清晰度的分析，是因?yàn)楹缒ぜy理在灰度圖像上變化較為緩慢，根據(jù)多分辨率分析的思想，這一變化多體現(xiàn)在中頻細(xì)節(jié)分量D2-2f(x，y)。虹膜圖像越清晰，中頻細(xì)節(jié)分量的方差Var越大；虹膜圖像越模糊，中頻細(xì)節(jié)分量的方差Var越小。
7.步驟9中的閾值TV是用于判斷虹膜圖像是否清晰的，TV的確定與后續(xù)的匹配算法有關(guān)。
本發(fā)明采用多分辨率分析的方法，首先通過(guò)提取原始灰度圖像中的虹膜并進(jìn)行歸一化；然后對(duì)歸一化虹膜圖像進(jìn)行多分辨率分解，分別得到分辨率2-1和分辨率2-2下的細(xì)節(jié)分量；最后根據(jù)分辨率2-1下的細(xì)節(jié)分量的較大幅值點(diǎn)的數(shù)目判斷該圖像是否存在眼瞼和睫毛遮擋問(wèn)題，根據(jù)分辨率2-2下細(xì)節(jié)分量的方差判斷虹膜圖像是否清晰。采用本發(fā)明提出的基于多分辨率分析的方法，可以有效的進(jìn)行虹膜圖像質(zhì)量的評(píng)價(jià)，避免了傳統(tǒng)算法對(duì)光照較為敏感的問(wèn)題。
采用本發(fā)明的方法，首先使用C語(yǔ)言編寫虹膜圖像質(zhì)量評(píng)估程序；然后采用CMOS或者CCD攝像裝置自動(dòng)拍攝虹膜的原始圖像；接著把拍攝到的虹膜原始圖像作為源數(shù)據(jù)輸入到PC平臺(tái)上的虹膜圖像質(zhì)量評(píng)估程序中進(jìn)行處理；經(jīng)過(guò)虹膜定位、歸一化和圖像質(zhì)量評(píng)佶后給出圖像是否滿足系統(tǒng)要求的判斷。采用2400張拍攝好的、包括不同人的不同光照條件、不同拍攝姿勢(shì)的灰度虹膜圖像作為源數(shù)據(jù)，將程序判斷的結(jié)果與主觀判斷的結(jié)果進(jìn)行比較，錯(cuò)誤概率為1.2％，每幅圖像的處理時(shí)間＜150ms。
綜上所述，本發(fā)明的方法充分利用虹膜的紋理信息，結(jié)合多分辨率分析的方法，從而實(shí)現(xiàn)了快速準(zhǔn)確的判斷虹膜圖像的質(zhì)量。
權(quán)利要求
1、一種虹膜圖像質(zhì)量判斷方法，其特征在于其包含下列步驟
步驟1、通過(guò)攝像裝置，對(duì)人眼中的虹膜進(jìn)行圖像采集，從含有虹膜圖像的原始灰度圖像中得到尺寸為M×N的歸一化虹膜圖像f(x，y)。(x，y)表示像素點(diǎn)的坐標(biāo)，f(x，y)表示坐標(biāo)為(x，y)的像素點(diǎn)的灰度值；
步驟2、對(duì)步驟1中得到的歸一化虹膜圖像，進(jìn)行4層二維小波變換；具體來(lái)說(shuō)，二維小波變換的公式為
和其中，W(j，m，n)和Wψi(j，m，n)分別是分辨率為2j下的尺度系數(shù)和小波系數(shù)，4層小波變換j的取值范圍為{-1，-2，-3，-4}，i＝{H，V，D}，附加了水平、垂直和對(duì)角方向的細(xì)節(jié)；j，m，n(x，y)為尺度函數(shù)，ψj，m，ni(x，y)為小波函數(shù)，選取的小波為DMeyer小波；
步驟3、通過(guò)步驟2中得到的分辨率2-1下的水平方向小波系數(shù)WψH(-1，m，n)，垂直方向小波系數(shù)WψV(-1，m，n)和對(duì)角方向小波系數(shù)WψD(-1，m，n)重構(gòu)原始?xì)w一化虹膜圖像在分辨率2-1下的細(xì)節(jié)分量D2-1f(x，y)，也即是高頻細(xì)節(jié)分量；具體來(lái)說(shuō)，重構(gòu)公式為其中D2jf(x，y)表示分辨率2j下坐標(biāo)(x，y)的細(xì)節(jié)分量的值，Wψi(j，m，n)表示分辨率2j下的小波系數(shù)，ψj，m，ni(x，y)是i方向敏感的二維小波?！茷槔奂舆\(yùn)算符；
步驟4、計(jì)算步驟3中得到的高頻細(xì)節(jié)分量D2-1f(x，y)的絕對(duì)值|D2-1f(x，y)|。
具體來(lái)說(shuō)，如果如果
步驟5、統(tǒng)計(jì)步驟4中得到的|D2-1f(x，y)|的值大于Vo的像素點(diǎn)的數(shù)目，將|D2-1f(x，y)|的值大于Vo的點(diǎn)作為眼瞼和睫毛的邊界點(diǎn)；具體計(jì)算公式為
其中M和N分別為原始?xì)w一化虹膜圖像的寬度和高度，
步驟6、比較步驟5中計(jì)算的
值與閾值TN作比較。如果
則認(rèn)為該圖像為眼瞼和睫毛遮擋的圖像，如果
則認(rèn)為該圖像為可處理的正常虹膜圖像；
步驟7、按照與步驟3中類似的方法，通過(guò)步驟2中得到的分辨率2-2下的水平方向小波系數(shù)WψH(-2，m，n)，垂直方向小波系數(shù)WψV(-2，m，n)和對(duì)角方向小波系數(shù)WψD(-2，m，n)重構(gòu)原始?xì)w一化虹膜圖像在分辨率2-2下的細(xì)節(jié)分量D2-2f(x，y)；
步驟8、計(jì)算步驟7中得到的D2-zf(x，y)的方差；具體的計(jì)算公式為其中，Var為分辨率2-2下細(xì)節(jié)分量的方差，M和N分別為原始?xì)w一化虹膜圖像的寬度和高度，m的計(jì)算公式為
步驟9、將步驟8中得到的方差Var與判別虹膜清晰度的閾值TV進(jìn)行比較，若Var≥TV，則該虹膜圖像清晰度滿足系統(tǒng)要求；若Var＜TV，則該虹膜圖像清晰度不滿足系統(tǒng)要求。
2、根據(jù)權(quán)利要求1所述的一種虹膜圖像質(zhì)量判斷方法，其特征在于步驟2中進(jìn)行二維小波變換的尺度函數(shù)j，m，n(x，y)是兩個(gè)一維尺度函數(shù)j，m(x)和j，n(y)的乘積。進(jìn)行二維小波變換的水平方向敏感的小波函數(shù)ψj，m，nH(x，y)為一維小波函數(shù)ψj，m(x)和一維尺度函數(shù)j，n(y)的乘積；進(jìn)行二維小波變換的垂直方向敏感的小波函數(shù)ψj，m，nV(x，y)為一維尺度函數(shù)j，m(x)和一維小波函數(shù)ψj，n(y)的乘積；進(jìn)行二維小波變換的對(duì)角方向敏感的小波函數(shù)ψj，m，nD(x，y)為兩個(gè)一維小波函數(shù)ψj，m(x)與ψj，n(y)的乘積。
3、根據(jù)權(quán)利要求1所述的一種虹膜圖像質(zhì)量判斷方法，其特征在于步驟6中提到的閩值TN是用于判斷該圖像是否是可以處理的無(wú)眼瞼和睫毛遮擋的圖像，TN的確定與后續(xù)的匹配算法有關(guān)，將其設(shè)定為
的虹膜圖像匹配，誤識(shí)率最低時(shí)對(duì)應(yīng)的TN。
全文摘要
本發(fā)明提供的一種虹膜圖像質(zhì)量判斷方法，它首先通過(guò)定位，歸一化操作提取出原始的歸一化虹膜圖像，然后對(duì)歸一化虹膜圖像那個(gè)進(jìn)行4層多分辨率分解，通過(guò)統(tǒng)計(jì)分辨率2-1下的細(xì)節(jié)分量的幅值較大點(diǎn)數(shù)目，并與預(yù)先設(shè)定的閾值進(jìn)行比較，可以判斷該圖像是否存在眼瞼和睫毛遮擋問(wèn)題，接著計(jì)算分辨率2-2下的細(xì)節(jié)分量的方差，并預(yù)先設(shè)定的閾值進(jìn)行比較，可以判斷該圖像清晰度是否滿足系統(tǒng)的要求。采用本發(fā)明的虹膜圖像質(zhì)量判斷方法，對(duì)不同的光照環(huán)境都有較為穩(wěn)定的性能，對(duì)虹膜圖像質(zhì)量做出快速準(zhǔn)確的判斷。
文檔編號(hào)G06K9/00GK101241550SQ200810025989
公開(kāi)日2008年8月13日 申請(qǐng)日期2008年1月19日 優(yōu)先權(quán)日2008年1月19日
發(fā)明者爭(zhēng) 馬, 潘力立, 梅 解 申請(qǐng)人:電子科技大學(xué)中山學(xué)院