專利名稱：一種基于lbp圖像和分塊編碼的虹膜特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于生物特征識別領(lǐng)域，涉及數(shù)字圖像處理、統(tǒng)計(jì)學(xué)習(xí)和模式識別等技術(shù)， 特別是涉及一種基于LBP圖像和分塊編碼的虹膜特征提取方法。
背景技術(shù)：
生物識別技術(shù)是一種有效的個(gè)人身份識別的方法。人體有很多固有的物理特征和行為特征可以使用，例如人臉、指紋、虹膜、靜脈、語音等。由于具有唯一性、穩(wěn)定性和非侵犯性等優(yōu)點(diǎn)，虹膜識別是目前最可靠的方法，具有更高的識別率和更低的等錯(cuò)誤率。如今，虹膜識別已成為生物識別技術(shù)的研究重點(diǎn)，而特征提取是虹膜識別算法中的一個(gè)關(guān)鍵問題。最早的自動(dòng)虹膜識別系統(tǒng)是由Daugman研發(fā)的，他利用2D Gabor濾波器對虹膜紋理進(jìn)行一種簡單的粗量化和相位編碼。目前，這種方法成為許多商業(yè)系統(tǒng)的基礎(chǔ)。近年來， 大量的虹膜特征提取算法已提出。但大多數(shù)特征提取方法需要復(fù)雜的數(shù)學(xué)計(jì)算，而且可能需要很長的時(shí)間得到結(jié)果。目前的許多紋理分析方法，基本上可分為統(tǒng)計(jì)法和結(jié)構(gòu)法兩類。統(tǒng)計(jì)法是紋理分析中最基本的一類方法，一般原理簡單，較易實(shí)現(xiàn)，但適用范圍受到限制；結(jié)構(gòu)法將研究重點(diǎn)放在分析紋理元之間的相互關(guān)系和排列規(guī)則上，對于分析自然紋理圖像很難取得滿意的效果。局部二進(jìn)制模式(LBP，Local Binary Patterns)是在1996年首次作為局部圖像對比度補(bǔ)償措施由TimoOjala提出的，它利用結(jié)構(gòu)法分析固定窗口特征，再利用統(tǒng)計(jì)法做整體的特征提取。與Gabor小波相比，LBP特征可以通過對原始圖像的簡單掃描快速提取得到，并處在低維空間中，同時(shí)仍保留虹膜豐富的紋理信息。而基于虹膜LBP特征圖像的直接匹配，存儲(chǔ)空間大、匹配速度慢。如何既能提取虹膜豐富且有效的紋理信息，又能減少存儲(chǔ)空間、提高匹配速度，仍然是虹膜識別系統(tǒng)中一個(gè)亟待解決的難題。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題本發(fā)明的目的在于克服現(xiàn)有技術(shù)不足之處，提供一種基于LBP圖像和分塊編碼的虹膜特征提取方法。此方法能提取虹膜豐富的紋理信息，減少存儲(chǔ)空間、提高匹配速度，具有更高的正確識別率和更低的等錯(cuò)誤率。( 二)技術(shù)解決方案為達(dá)到上述目的，本發(fā)明提供了一種基于LBP圖像和分塊編碼的虹膜特征提取方法，該方法包括Si、對歸一化虹膜圖像應(yīng)用LBP算子得到虹膜LBP圖像；S2、采用基于虹膜統(tǒng)計(jì)信息的分塊編碼方法從LBP圖像中提取虹膜特征；S3、用漢明距離作為分類器得到識別結(jié)果。上述方案中，所述步驟Sl包括
S11、基于某個(gè)像素點(diǎn)及其周圍圓形鄰域里的多個(gè)像素點(diǎn)，采用圓形LBP算子計(jì)算此像素點(diǎn)的LBP值；S12、對歸一化虹膜圖像的所有像素，采用圓形LBP算子計(jì)算出相應(yīng)的LBP值；S13、將整幅圖像所有的LBP值線性變換到0 255，得到虹膜的8位歸一化LBP圖像。上述方案中，步驟Sl中所述的歸一化虹膜圖像是對拍攝到的虹膜圖像進(jìn)行預(yù)處理后得到的，包括虹膜定位和歸一化，具體包括首先對輸入灰度圖像進(jìn)行虹膜檢測定位與分割，以瞳孔的圓心作為圓心，采用極坐標(biāo)的方式將虹膜展開成矩形，并縮放到統(tǒng)一的尺寸，實(shí)現(xiàn)虹膜圖像的歸一化。上述方案中，所述步驟S2包括S21、將歸一化LBP圖像分成同等大小的矩形塊，每一塊作為局部區(qū)域；S22、將當(dāng)前塊的灰度均值和方差與整幅圖像、相鄰塊的灰度均值和方差分別進(jìn)行比較，用0或1表示比較結(jié)果，得到當(dāng)前塊的4位二進(jìn)制編碼；S23、按照從上到下、從左到右的順序，將所有矩形塊的4個(gè)編碼位串接起來，得到表示虹膜特征的二進(jìn)制虹膜代碼。上述方案中，所述步驟S3包括采用漢明距離作為分類器，計(jì)算兩個(gè)虹膜代碼之間的相似度，得到虹膜識別結(jié)果。(三)有益效果從上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果1、本發(fā)明提供的這種基于LBP圖像和分塊編碼的虹膜特征提取方法，通過LBP圓形算子作用于歸一化虹膜圖像得到的LBP特征圖像，能夠充分表征虹膜豐富的紋理信息； LBP算子不會(huì)受到平均亮度的影響，所以LBP特征圖像具有灰度不變性；選取了最佳的LBP 圓形算子參數(shù)，能夠更加有效地對虹膜紋理進(jìn)行個(gè)性化的表達(dá)和描述。2、本發(fā)明提供的這種基于LBP圖像和分塊編碼的虹膜特征提取方法，通過對LBP 特征圖像進(jìn)行分塊編碼，避免了將虹膜LBP特征圖像直接用于匹配的復(fù)雜和匹配緩慢，得到的二進(jìn)制虹膜代碼不僅能有效且正確地表示虹膜特征，而且能減少虹膜特征的存儲(chǔ)空間、提高識別速度。


圖1是虹膜特征提取流程圖；圖2是LBP算子示意圖；圖3 是同一虹膜的 LBP8il，LBP8j2, LBP16,2，LBP16,4 特征圖像；圖4是虹膜代碼生成示意圖。
具體實(shí)施例方式下面結(jié)合附圖詳細(xì)說明本發(fā)明技術(shù)方案中所涉及的各個(gè)細(xì)節(jié)問題。一般來說，虹膜識別系統(tǒng)的基本構(gòu)成為圖像獲取、圖像預(yù)處理、特征提取和分類決策。虹膜識別系統(tǒng)通過提取測試虹膜圖像中的紋理特征，并將該特征與用戶預(yù)先存儲(chǔ)的特征模板進(jìn)行匹配來完成對用戶身份的認(rèn)證或識別。因此，其識別精度高度依賴于所使用的虹膜特征，其識別速度直接取決于特征模板的匹配速度。可見，特征提取是虹膜識別算法中的一個(gè)關(guān)鍵環(huán)節(jié)。本發(fā)明提出的基于LBP圖像和分塊編碼的虹膜特征提取方法，其流程框圖如圖1 所示，包括以下步驟Si、對歸一化虹膜圖像應(yīng)用LBP算子得到虹膜LBP圖像；S2、采用基于虹膜統(tǒng)計(jì)信息的分塊編碼方法從LBP圖像中提取虹膜特征；S3、用漢明距離作為分類器得到識別結(jié)果。下面對本發(fā)明涉及的關(guān)鍵步驟進(jìn)行逐一說明。本發(fā)明所述方法中各個(gè)基本步驟的具體形式如下所述首先，步驟Sl是對歸一化虹膜圖像應(yīng)用LBP算子得到虹膜LBP圖像。為了對虹膜紋理進(jìn)行正確的提取和表達(dá)，我們對已經(jīng)預(yù)處理完畢的歸一化虹膜圖像應(yīng)用LBP算子，計(jì)算每一個(gè)像素的LBP值，最終得到能表示虹膜特征的LBP圖像。S11、基于某個(gè)像素點(diǎn)及其周圍圓形鄰域里的多個(gè)像素點(diǎn)，采用圓形LBP算子計(jì)算此像素點(diǎn)的LBP值。LBP算子是一種有效的紋理描述算子，它具有旋轉(zhuǎn)不變性和灰度不變性等顯著優(yōu)點(diǎn)。LBP算子以每一個(gè)像素點(diǎn)的灰度值為閾值，將以此為中心的領(lǐng)域點(diǎn)與之作比較，小于閾值則標(biāo)示為0，否則標(biāo)示為1，然后將這些二進(jìn)制數(shù)按一定順序排列起來，形成一個(gè)多位的二進(jìn)制數(shù)，其對應(yīng)的十進(jìn)制數(shù)即為此中心點(diǎn)的LBP值。用LBPp,κ來表示任意鄰域像素以及任意半徑的圓形鄰域LBP算子，其計(jì)算公式為
ρ-\「1 JC > 0其中，P表示像素?cái)?shù)目，R表示鄰域半徑，gc為中心點(diǎn)的灰度值，gp為圓形鄰域點(diǎn)的灰度值，采用雙線性插值算法計(jì)算沒有完全落在像素位置的點(diǎn)的灰度值。算子示意圖如圖 2 所示，分別為 LBP8a，LBP8j2, LBP16,2，LBP16,4 算子。S12、對歸一化虹膜圖像的所有像素，采用圓形LBP算子計(jì)算出相應(yīng)的LBP值。對歸一化虹膜圖像的每一個(gè)像素進(jìn)行LBP值的計(jì)算。對于圖像的邊緣像素，將其圓形鄰域中超出圖像像素的部分用0值表示，基于此種相同約定，計(jì)算每幅圖像相應(yīng)像素的LBP值。S13、將整幅圖像所有的LBP值線性變換到0 255，得到虹膜的8位歸一化LBP圖像。LBP算子的圓形鄰域像素?cái)?shù)目和鄰域半徑兩個(gè)參數(shù)的不同，則LBP值的取值范圍也不同。為了便于與其他領(lǐng)域點(diǎn)的LBP圖像匹配，統(tǒng)一將LBP值線性變換到0 255的范圍內(nèi)。通過以上步驟，就能得到歸一化虹膜圖像的LBP特征圖像。如圖3所示，為同一虹膜的LBP8il，LBP8j2, LBP16,2，LBP16,4特征圖像。可以看出，隨著鄰域半徑不斷增大，特征圖像的紋理尺度逐漸增大。實(shí)驗(yàn)證明虹膜的LBP16,4特征與原灰度圖像的紋理具有明顯的對應(yīng)關(guān)系，用來描述虹膜的紋理特征最為合適。其次，步驟S2是采用基于虹膜統(tǒng)計(jì)信息的分塊編碼方法從LBP圖像中提取虹膜特征?；诤缒そy(tǒng)計(jì)信息的分塊編碼方法將紋理圖像的局部信息作為依據(jù)，通過局部信息與全局信息、局部信息與局部信息之間的不同關(guān)系來表示紋理特征。S21、將歸一化LBP圖像分成同等大小的矩形塊，每一塊就是一個(gè)局部區(qū)域。相對于整幅圖像而言，任何一條紋理都是一個(gè)局部區(qū)域，描述該紋理的信息就是局部信啟、。但是，不經(jīng)過復(fù)雜的圖像處理或者信號處理等手段，無法找到這些虹膜紋理。此方法不需要準(zhǔn)確地提取出虹膜紋理，采用對圖像分塊的方式來覆蓋紋理。將虹膜紋理圖像劃分成大小相等的矩形塊，則每一塊就是一個(gè)局部區(qū)域。實(shí)驗(yàn)結(jié)果表明，當(dāng)分塊大小取8X8 時(shí)，能夠更好地表示虹膜紋理特征。S22、將當(dāng)前塊的灰度均值和方差與整幅圖像、相鄰塊的灰度均值和方差分別進(jìn)行比較，用O或1表示比較結(jié)果，得到當(dāng)前塊的4位二進(jìn)制編碼?？紤]到特征表示的有效性和方法實(shí)現(xiàn)的計(jì)算代價(jià)，將灰度均值和標(biāo)準(zhǔn)差作為描述信息的參量。全局均值和標(biāo)準(zhǔn)差對整幅圖像進(jìn)行度量，是對整幅圖像強(qiáng)度和襯比度的描述； 局部均值和標(biāo)準(zhǔn)差是對某個(gè)區(qū)域內(nèi)強(qiáng)度和襯比度的度量。設(shè)輸入圖像I為256位的灰度圖像，其大小為HXW，則可以按公式⑵來計(jì)算全局信息μ和σ :
權(quán)利要求
1.一種基于LBP圖像和分塊編碼的虹膜特征提取方法，其特征在于，該方法包括51、對歸一化虹膜圖像應(yīng)用LBP算子得到虹膜LBP圖像；52、采用基于虹膜統(tǒng)計(jì)信息的分塊編碼方法從LBP圖像中提取虹膜特征；53、用漢明距離作為分類器得到識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于LBP圖像和分塊編碼的虹膜特征提取方法，其特征在于， 所述步驟Sl包括511、基于某個(gè)像素點(diǎn)及其周圍圓形鄰域里的多個(gè)像素點(diǎn)，采用圓形LBP算子計(jì)算此像素點(diǎn)的LBP值；512、對歸一化虹膜圖像的所有像素，采用圓形LBP算子計(jì)算出相應(yīng)的LBP值；sl3、將整幅圖像所有的LBP值線性變換到0 255，得到虹膜的8位歸一化LBP圖像。
3.根據(jù)權(quán)利要求1所述的基于LBP圖像和分塊編碼的虹膜特征提取方法，其特征在于， 所述步驟S2包括(521、將歸一化LBP圖像分成同等大小的矩形塊，每一塊作為局部區(qū)域；(522、將當(dāng)前塊的灰度均值和方差與整幅圖像、相鄰塊的灰度均值和方差分別進(jìn)行比較，用0或1表示比較結(jié)果，得到當(dāng)前塊的4位二進(jìn)制編碼；(523、按照從上到下、從左到右的順序，將所有矩形塊的4個(gè)編碼位串接起來，得到表示虹膜特征的二進(jìn)制虹膜代碼。
全文摘要
本發(fā)明公開了一種基于LBP圖像和分塊編碼的虹膜特征提取方法，首先對歸一化虹膜圖像采用LBP算子得到虹膜的LBP圖像，然后使用基于虹膜統(tǒng)計(jì)信息的分塊編碼方法從LBP圖像中提取虹膜特征，最后用漢明距離作為分類器得到識別結(jié)果。特征提取方法中的LBP算子和分塊編碼的參數(shù)通過訓(xùn)練得到。本發(fā)明較傳統(tǒng)的特征提取方法具有更高的識別率，對光照變化的魯棒性強(qiáng)。
文檔編號G06K9/00GK102542243SQ20101060904
公開日2012年7月4日 申請日期2010年12月17日 優(yōu)先權(quán)日2010年12月17日
發(fā)明者何玉青, 馮光琴, 劉勇, 李力 申請人:北京理工大學(xué)