專利名稱：一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于相關(guān)函數(shù)匹配的虹膜識別方法。
技術(shù)背景
在當今社會，個人資料、個人財產(chǎn)都是以數(shù)字信息的形式存在。作為參與管理這 些信息的用戶們，準確地識別出他們的身份，對于這些信息的保密性、安全性就顯得尤為重 要，而生物識別就為用戶身份識別提供了一種精確、安全、方便、不已丟失的方式。隨著信息 時代的到來，智能設(shè)備在日常生活中也顯示出無可比擬的優(yōu)勢，而人性化的智能設(shè)備中的 關(guān)鍵點就是準確識別用戶、滿足用戶需求。而生物特征識別在身份識別和智能化設(shè)備中都 有著非常重要的應(yīng)用。作為生物特征識別的一個分支，虹膜識別技術(shù)是計算機圖像處理技 術(shù)與模式識別技術(shù)在身份識別領(lǐng)域的運用。由于虹膜識別有著高穩(wěn)定性、高準確率、高度防 偽性、唯一性、普遍性和非侵犯性等優(yōu)點，因此，基于虹膜的識別技術(shù)成為了當前最為可靠 也是最為流行的生物識別方法之一，有著廣闊的運用前景和重要的研究價值。
虹膜識別技術(shù)的關(guān)鍵點在于將采集到的虹膜圖像準確地提取出介于瞳孔與鞏膜 之間，且去除上下眼瞼以及高光、睫毛的影響，得到虹膜的有效區(qū)域，并采用合理的紋理提 取方法得到能夠深刻反映紋理信息的代碼，該代碼要較好地考慮到旋轉(zhuǎn)、平移帶來的影響。
對于虹膜識別技術(shù)，在前人的努力下，已經(jīng)能夠達到很高的精度與較快的速度。然 而，虹膜識別技術(shù)至今未能完全主導生物識別技術(shù)市場主要是因為虹膜識別技術(shù)的采集要 求過高，在非合作性的場合難以達到較好的魯棒性。因此，用戶對于這種嬌氣的技術(shù)容易產(chǎn) 生排斥心理。合理的精度、速度以及魯棒性才能符合廣大的用戶需求。
綜上所述，現(xiàn)有的虹膜識別技術(shù)，在保證虹膜分割算法的精準性的基礎(chǔ)上，如何提 高系統(tǒng)的魯棒性與快速性，這些都有改進的余地，同時合理地設(shè)計考慮到虹膜旋轉(zhuǎn)與平移 的虹膜代碼以及匹配方法，這些都是亟待解決與改進的問題。發(fā)明內(nèi)容
本發(fā)明是為了解決現(xiàn)有的虹膜識別的魯棒性差、速度慢的問題，從而提供一種基 于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法。
—種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，它由以下步驟實現(xiàn)
步驟一、系統(tǒng)初始化；選擇工作模式為識別模式；
步驟二、采用虹膜采集系統(tǒng)采集待識別者的一張虹膜圖像；
步驟三、對步驟二獲得的虹膜圖像進行預(yù)處理；
步驟四、對經(jīng)步驟三預(yù)處理后的虹膜圖像進行虹膜的局部紋理提??；獲得該圖像 的虹膜代碼；
步驟五、從虹膜數(shù)據(jù)庫中取出一組虹膜代碼，與步驟四獲得的虹膜代碼進行匹配； 并比較從虹膜數(shù)據(jù)庫中取出的虹膜代碼與步驟四獲得的虹膜代碼的相似度閾值；
步驟六、判斷獲得的相似度閾值是否大于預(yù)定閾值，如果判斷結(jié)果為是，則執(zhí)行步驟七一；如果判斷結(jié)果為否，則執(zhí)行步驟七二 ；
步驟七一、將從虹膜數(shù)據(jù)庫的取出的虹膜代碼對應(yīng)的信息作為待識別者的信息， 完成虹膜識別過程；
步驟七二、判斷虹膜數(shù)據(jù)庫中是否還有未取出的虹膜代碼，如果判斷結(jié)果為是，則 返回執(zhí)行步驟五；如果判斷結(jié)果為否，則執(zhí)行步驟八；
步驟八、認定該待識別者為非注冊人員，完成虹膜識別過程。
步驟五中所述的虹膜數(shù)據(jù)庫的建立過程為對于每個待注冊者，均采用以下操作 實現(xiàn)建立虹膜數(shù)據(jù)庫
步驟Al、系統(tǒng)初始化；選擇工作模式為注冊模式；
步驟A2、采用虹膜采集系統(tǒng)采集待注冊者的三張虹膜圖像；
步驟A3、對步驟A2獲得的每張虹膜圖像進行預(yù)處理；
步驟A4、對步驟A3進行預(yù)處理后每張虹膜圖像進行虹膜的局部紋理提取；獲得每 張虹膜圖像的虹膜代碼，共三組；
步驟A5、將步驟A4中獲得的三組虹膜代碼兩兩比對，選取一組與其它兩組虹膜代 碼相似度最小的虹膜存入虹膜數(shù)據(jù)庫；
綜合所有待注冊者的虹膜代碼，實現(xiàn)虹膜數(shù)據(jù)庫的建立。
步驟三、步驟A3中所述對虹膜圖像進行預(yù)處理的方法是
步驟Bi、在開放軟件OpenCV下，采用經(jīng)Harr-Iike特征和Boosting訓練后的瞳孔 分類器對虹膜圖像進行檢測，選出虹膜有效區(qū)域，去除其它區(qū)域后將圖像做歸一化處理，獲 得合理尺寸的虹膜圖像；
步驟B2、采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜內(nèi)邊緣信息；
步驟B3、檢測并去除步驟Bl所述的合理尺寸的虹膜圖像中的高光，其具體方法 是采用步驟B2獲得的虹膜內(nèi)邊緣信息結(jié)合雙線性插值法對步驟Bl所述的合理尺寸的虹 膜圖像中的高光進行檢測和去除；
步驟B4、采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜外邊緣信息；
步驟B5、對步驟Bl所述的合理尺寸的虹膜圖像中虹膜圖像的進行上、下眼瞼的檢 測和睫毛去除，所述上、下眼瞼檢測的方法是首先通過閾值法和微分圖像獲取眼瞼的二值 圖像信息，然后通過迭代有效邊緣區(qū)域選取，從而擬合出上、下眼瞼信息；獲得上、下眼瞼信 息后，通過由上及下的連通區(qū)域檢測方法標記并去除睫毛區(qū)域；
步驟B6、將步驟B2獲得的合理尺寸的虹膜圖像中的虹膜內(nèi)邊緣信息和步驟B4獲 得的合理尺寸的虹膜圖像中的虹膜外邊緣信息進行虹膜歸一化處理，將虹膜內(nèi)、外邊緣所 在的兩個不同心圓歸一化為一個矩形區(qū)域，并采用二值化圖像標記無效區(qū)域，所述無效區(qū) 域包括標記處的眼瞼、高光、睫毛信息，完成對虹膜圖像的預(yù)處理。
步驟B2中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜 內(nèi)邊緣信息，其方法是采用自動基于自動閾值與圖像連通區(qū)域求取的虹膜內(nèi)邊緣信息，其 步驟為
Cl、基于自動閾值的方法來確定合理尺寸的虹膜圖像中虹膜的二值分割圖像；
C2、在步驟Cl獲得的二值分割圖像中，通過求取連通區(qū)域的方法消除干擾因素的 影響；所述干擾因素包括睫毛、高光或陰影；
C3、通過幾何方法求取經(jīng)步驟C2去除干擾因素后的虹膜內(nèi)邊緣的參數(shù)信息。
所述采用自動基于自動閾值與圖像連通區(qū)域求取的虹膜內(nèi)邊緣信息，其具體方法 是
步驟D1、求取虹膜圖像的直方步驟D2、選取濾波器
對步驟Dl中的直方圖進行高斯濾 波，去除小波谷；
步驟D3、檢測經(jīng)步驟D2濾波后的直方圖的波谷個數(shù)；
步驟D4、判斷步驟D3獲得的波谷的數(shù)量是否大于或小于兩個，如果判斷結(jié)果為 是，則返回執(zhí)行步驟D2 ；如果判斷結(jié)果為否，則執(zhí)行步驟D5 ；
步驟D5、選取第一個波谷作為閾值對虹膜圖像進行二值分割，獲得經(jīng)二值圖像，所 述二值圖像包括瞳孔、睫毛、高光干擾；
步驟D6、標記步驟D5獲得的二值圖像所有的連通區(qū)域，并通過比較獲得最大的連 通區(qū)域；
步驟D7、首先對步驟D6中獲得的最大的連通區(qū)域進行二值化處理，處理后，這個 連通區(qū)域不再包括離瞳孔較遠且與瞳孔不相連的干擾區(qū)域；然后對二值化處理后的圖像求 反，獲得反向二值圖像；所述反向二值圖像中瞳孔內(nèi)部的普爾欽斑就會被瞳孔分割包圍，而 瞳孔外部的區(qū)域為最大的連通區(qū)域；
步驟D8、標記步驟D7中獲得的反向二值圖像中所有的連通區(qū)域，并通過比較獲得 最大的連通區(qū)域；
步驟D9、對步驟D8獲得的最大的連通區(qū)域進行二值化處理，處理后，這個連通區(qū) 域不再包括瞳孔內(nèi)部的普爾欽斑；然后對圖像再次求反，獲得再次求反后的二值圖像；所 述再次求反后的二值圖像的瞳孔區(qū)域為實心區(qū)域；
步驟D10、采用幾何方法估計步驟D9中再次求反后的二值圖像中瞳孔的圓心和半 徑；
步驟D11、以步驟DlO中獲得的圓心和半徑作圓，求取落在圓外的有效像素占圓形 面積的比例；
步驟D12、判斷步驟Dll中獲得的比例是否大于預(yù)設(shè)上限閾值，如果判斷結(jié)果為 是，則執(zhí)行步驟D121 ；如果判斷結(jié)果為否，則執(zhí)行步驟D13 ；
步驟D121、該瞳孔區(qū)域的分割錯誤，舍棄該虹膜圖像；
步驟D13、判斷步驟Dll中獲得的比例是否大于預(yù)設(shè)下限閾值，如果判斷結(jié)果為 否，則返回執(zhí)行步驟DlO ；如果判斷結(jié)果為是，則執(zhí)行步驟D14 ；
步驟D14、認為有較多睫毛影響了瞳孔區(qū)域，計算并去除超出瞳孔區(qū)域的像素，并 將瞳孔區(qū)域的圓心和半徑值作為虹膜內(nèi)邊緣信息。
步驟B4中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜 外邊緣信息，其方法是
步驟E1、根據(jù)步驟Bl所述的合理尺寸的虹膜圖像中的瞳孔的邊緣信息獲取瞳孔 外邊緣的圓心、半徑的初定范圍；
步驟E2、通過積分微分算子縮小步驟El獲得的半徑的取值范圍；
步驟E3、通過微分積分算子獲取最終的虹膜外邊緣信息。
步驟B4中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜 外邊緣信息，其具體方法是
步驟F1、根據(jù)瞳孔的信息對虹膜外邊緣進行粗定位，確定虹膜外邊緣的半徑搜索 范圍；
步驟F2、使用積分微分算子縮小步驟Fl中確定的虹膜外邊圓半徑的搜索范圍；
步驟F3、對虹膜圖像進行微分處理，所述微分處理的方法是采用一維高斯的一 階導數(shù)組成的濾波器W. 0083 0.0677 0.1516 0 -0.1516 -0.0677 -0. 0083]對虹膜圖像 分別作橫向與縱向的濾波，并求取幅值，將獲得的幅值在預(yù)設(shè)閾值范圍內(nèi)的進行二值化處 理，獲得的二值圖像，從而獲得虹膜外邊緣；
步驟F4、采用積分算子對二值圖像中虹膜外邊緣的圓心和半徑進行搜索，獲得虹 膜的外邊緣參數(shù)。
步驟B5中所述對步驟Bl所述的合理尺寸的虹膜圖像中虹膜圖像的進行上、下眼 瞼的檢測和睫毛去除，所述上、下眼瞼檢測的具體方法是
步驟G1、根據(jù)擬合的虹膜內(nèi)、外邊緣的對應(yīng)的圓確定有效區(qū)域；
步驟G2、保留步驟Gl確定的有效區(qū)內(nèi)的像素信息，將其它像素全部置0 ；
步驟G3、對步驟G2處理后的圖像采用微分方法進行處理，所述微分方法是 使用一維高斯的一階導數(shù)組成的濾波器W. 0083 0.0677 0.1516 0 -0.1516 -0.0677 -0. 0083]對虹膜圖像分別作橫向與縱向的濾波，并求取幅值，將獲得的幅值在預(yù)設(shè)閾值范 圍內(nèi)的進行二值化處理，獲得的二值圖像，從而獲得眼瞼的邊緣；
步驟G4、采用形態(tài)學的腐蝕方法去除經(jīng)步驟G3處理后的圖像的干擾點，再通過虹 膜內(nèi)、外的邊緣信息去除虹膜內(nèi)、外邊緣留下的干擾點；
步驟G5、保留瞳孔圓心位置以上的像素信息，其余的全部去除；
步驟G6、判斷步驟G5中的有效像素個數(shù)是否大于預(yù)設(shè)閾值，如果判斷結(jié)果為是， 則執(zhí)行步驟G7 ；如果判斷結(jié)果為否，則認為上眼瞼不存在，執(zhí)行步驟GlO ；
步驟G7、采用最小二乘法擬合步驟G5中的所有像素，獲得二次曲線；
步驟G8、判斷所有的像素與步驟G7獲得的二次曲線的距離是否小于閾值，如果判 斷結(jié)果為是，則執(zhí)行步驟GlO ；如果判斷結(jié)果為否，則執(zhí)行步驟G9 ；其中閾值是所有像素與 二次曲線的平均距離與方差之和；
步驟G9、去除大于預(yù)設(shè)閾值的像素；并保存上眼瞼的二次曲線的參數(shù)；
步驟G10、保留瞳孔圓心位置以下的像素信息，其余的全部去除；
步驟G11、判斷步驟GlO中的有效像素個數(shù)是否大于預(yù)設(shè)閾值，如果判斷結(jié)果為 是，則執(zhí)行步驟G12 ；如果判斷結(jié)果為否，則認為下眼瞼不存在，執(zhí)行步驟G15 ；
步驟G12、采用最小二乘法擬合步驟GlO中的所有像素，獲得二次曲線；
步驟G13、判斷所有的像素與步驟G12獲得的二次曲線的距離是否小于閾值，如果 判斷結(jié)果為是，則執(zhí)行步驟G15 ；如果判斷結(jié)果為否，則執(zhí)行步驟G14 ；其中閾值是所有像素 與二次曲線的平均距離與方差之和；
步驟G14、去除大于預(yù)設(shè)閾值的像素；并保存下眼瞼的二次曲線的參數(shù)；
步驟G15、獲取根據(jù)擬合虹膜內(nèi)、外邊緣對應(yīng)的圓與擬合上、下眼瞼的二次曲線確 定的有效封閉區(qū)域；所述有效區(qū)域的確定方法為當上、下眼瞼均不存在時，將擬合虹膜 內(nèi)、外邊緣對應(yīng)的圓形成的封閉區(qū)域作為有效區(qū)域；當只存在上眼瞼或下眼瞼時，將擬合虹 膜外邊緣對應(yīng)的圓與上眼瞼的二次曲線或下眼瞼的二次曲線形成交集的區(qū)域作為無效區(qū) 域，虹膜內(nèi)、外邊緣對應(yīng)的圓形成的封閉區(qū)域的其余區(qū)域作為有效區(qū)域；當同時存在上眼瞼 或下眼瞼時，將上眼瞼的二次曲線和下眼瞼的二次曲線形成的區(qū)域與擬合虹膜內(nèi)、外邊緣 對應(yīng)的圓的交集作為有效區(qū)域；
步驟G16、將有效區(qū)域以外的區(qū)域全部標記為黑色，保留有效區(qū)域以內(nèi)的原圖像像 素；
步驟G17、根據(jù)獲得的有效區(qū)域內(nèi)的灰度分布獲得閾值，將低于該閾值的區(qū)域全部 涂黑；
步驟G18、輸出擬合上、下眼瞼的二次曲線參數(shù)并去除睫毛區(qū)域。
步驟四和步驟A4中所述的虹膜的局部紋理提取的具體方法是
步驟HI、去除歸一化后的虹膜圖像的部分信息，所述信息為受睫毛、眼瞼的影響的 虹膜的下邊緣信息；
步驟H2、用局部背景灰度估計法估計步驟Hl獲得圖像的背景灰度，并采用高斯濾 波法進行濾波，獲得平滑的背景灰度估計步驟H3、將步驟Hl中獲得的歸一化后的虹膜圖片減去步驟H2獲得的背景灰度估 計圖獲得增強的虹膜紋理步驟H4、將步驟H3獲得的增強的虹膜紋理圖中的每四行像素分別求取平均，再根 據(jù)所有平均值計算獲得圖像的平均灰度，根據(jù)所述平均灰度降低圖像分割偏差的影響；然 后采用一維信號對圖像進行濾波；并求取一維信號對應(yīng)的局部紋理信息；
對于每一行信息，信號上升時取‘1’，信號下降時取‘0’，對標記的非有效區(qū)域全 部取‘-ι，。
步驟五中所述從虹膜數(shù)據(jù)庫中取出一組虹膜代碼，與步驟四獲得的虹膜代碼進行 匹配的具體方法是
步驟II、對兩個待匹配的虹膜代碼逐行取出組成匹配的正向信號，按照代碼是 ‘1’，信號的相應(yīng)位置為‘1’，代碼為‘0’或‘-1’，則信號代碼為‘0’的原則得到兩個正向信 號；
步驟12、對步驟Il獲得的兩個正向信號進行匹配，取出移位后匹配的最大值；
步驟13、對兩個待匹配的虹膜代碼逐行取出組成匹配的反向信號，按照代碼是 ‘1’，信號的相應(yīng)位置為‘1’，代碼為‘0’或‘-1’，則信號代碼為‘0’的原則得到兩個反向信號；
步驟14、對兩個反向信號進行匹配，取出移位后匹配的最大值；
步驟15、將每一行對應(yīng)的匹配的兩個匹配最大值相加，即得到了每一行的信號的 匹配值。
本發(fā)明的虹膜識別方法相比于現(xiàn)有方法，系統(tǒng)的魯棒性大大增強，并且速度快。


圖1是本發(fā)明方法的流程示意圖；圖2是虹膜數(shù)據(jù)庫的建立過程的流程示意圖；圖3是對虹膜圖像進行預(yù)處理方法的流程示意圖；圖4是獲得虹膜圖像中的虹膜內(nèi)邊緣信息方法的流程示意圖；圖5是采用自動基于自動閾值與圖像連通區(qū)域求取的虹膜內(nèi)邊緣信息的流程示意圖；圖6是獲得虹膜圖像中的虹膜外邊緣信息方法的流程示意圖；圖7是采用圓形擬合法擬合虹膜圖像中的虹膜外邊緣信息的流程示意圖；圖8是虹膜圖像的進行上、下眼瞼的檢測和睫毛去除方法的流程示意圖；圖9是虹膜的局部紋理提取的具體方法的流程示意圖；圖10是虹膜代碼進行匹配方法的流程示意圖；圖11是步驟G15中當上、下眼瞼均不存在時的有效區(qū)域示意圖；圖12是當只存在上眼瞼時有效區(qū)域示意圖；圖13是當只存在下眼瞼時有效區(qū)域示意圖；圖14是當同時存在上眼瞼或下眼瞼時有 效區(qū)域的示意圖。
具體實施方式
具體實施方式
一、結(jié)合圖1至圖10說明本具體實施方式
，一種基于相關(guān)函數(shù)匹配 的快速穩(wěn)健的虹膜識別方法，它由以下步驟實現(xiàn)
步驟一、系統(tǒng)初始化；選擇工作模式為識別模式；
步驟二、采用虹膜采集系統(tǒng)采集待識別者的一張虹膜圖像；
步驟三、對步驟二獲得的虹膜圖像進行預(yù)處理；
步驟四、對經(jīng)步驟三預(yù)處理后的虹膜圖像進行虹膜的局部紋理提??；獲得該圖像 的虹膜代碼；
步驟五、從虹膜數(shù)據(jù)庫中取出一組虹膜代碼，與步驟四獲得的虹膜代碼進行匹配； 并比較從虹膜數(shù)據(jù)庫中取出的虹膜代碼與步驟四獲得的虹膜代碼的相似度閾值；
步驟六、判斷獲得的相似度閾值是否大于預(yù)定閾值，如果判斷結(jié)果為是，則執(zhí)行步 驟七一；如果判斷結(jié)果為否，則執(zhí)行步驟七二 ；
步驟七一、將從虹膜數(shù)據(jù)庫的取出的虹膜代碼對應(yīng)的信息作為待識別者的信息， 完成虹膜識別過程；
步驟七二、判斷虹膜數(shù)據(jù)庫中是否還有未取出的虹膜代碼，如果判斷結(jié)果為是，則 返回執(zhí)行步驟五；如果判斷結(jié)果為否，則執(zhí)行步驟八；
步驟八、認定該待識別者為非注冊人員，完成虹膜識別過程。
步驟五中所述的虹膜數(shù)據(jù)庫的建立過程為對于每個待注冊者，均采用以下操作 實現(xiàn)建立虹膜數(shù)據(jù)庫
步驟Al、系統(tǒng)初始化；選擇工作模式為注冊模式；
步驟A2、采用虹膜采集系統(tǒng)采集待注冊者的三張虹膜圖像；
步驟A3、對步驟A2獲得的每張虹膜圖像進行預(yù)處理；
步驟A4、對步驟A3進行預(yù)處理后每張虹膜圖像進行虹膜的局部紋理提?。猾@得每 張虹膜圖像的虹膜代碼，共三組；
步驟A5、將步驟A4中獲得的三組虹膜代碼兩兩比對，選取一組與其它兩組虹膜代碼相似度最小的虹膜存入虹膜數(shù)據(jù)庫；
綜合所有待注冊者的虹膜代碼，實現(xiàn)虹膜數(shù)據(jù)庫的建立。
步驟三、步驟A3中所述對虹膜圖像進行預(yù)處理的方法是
步驟Bi、在開放軟件OpenCV下，采用經(jīng)Harr-Iike特征和Boosting訓練后的瞳孔 分類器對虹膜圖像進行檢測，選出虹膜有效區(qū)域，去除其它區(qū)域后將圖像做歸一化處理，獲 得合理尺寸的虹膜圖像；
步驟B2、采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜內(nèi)邊緣信息；
步驟B3、檢測并去除步驟Bl所述的合理尺寸的虹膜圖像中的高光，其具體方法 是采用步驟B2獲得的虹膜內(nèi)邊緣信息結(jié)合雙線性插值法對步驟Bl所述的合理尺寸的虹 膜圖像中的高光進行檢測和去除；
步驟B4、采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜外邊緣信息；
步驟B5、對步驟Bl所述的合理尺寸的虹膜圖像中虹膜圖像的進行上、下眼瞼的檢 測和睫毛去除，所述上、下眼瞼檢測的方法是首先通過閾值法和微分圖像獲取眼瞼的二值 圖像信息，然后通過迭代有效邊緣區(qū)域選取，從而擬合出上、下眼瞼信息；獲得上、下眼瞼信 息后，通過由上及下的連通區(qū)域檢測方法標記并去除睫毛區(qū)域；
步驟B6、將步驟B2獲得的合理尺寸的虹膜圖像中的虹膜內(nèi)邊緣信息和步驟B4獲 得的合理尺寸的虹膜圖像中的虹膜外邊緣信息進行虹膜歸一化處理，將虹膜內(nèi)、外邊緣所 在的兩個不同心圓歸一化為一個矩形區(qū)域，并采用二值化圖像標記無效區(qū)域，所述無效區(qū) 域包括標記處的眼瞼、高光、睫毛信息，完成對虹膜圖像的預(yù)處理。
步驟B2中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜 內(nèi)邊緣信息，其方法是采用自動基于自動閾值與圖像連通區(qū)域求取的虹膜內(nèi)邊緣信息，其 步驟為
Cl、基于自動閾值的方法來確定合理尺寸的虹膜圖像中虹膜的二值分割圖像；
C2、在步驟Cl獲得的二值分割圖像中，通過求取連通區(qū)域的方法消除干擾因素的 影響；所述干擾因素包括睫毛、高光或陰影；
C3、通過幾何方法求取經(jīng)步驟C2去除干擾因素后的虹膜內(nèi)邊緣的參數(shù)信息。
所述采用自動基于自動閾值與圖像連通區(qū)域求取的虹膜內(nèi)邊緣信息，其具體方法 是
步驟D1、求取虹膜圖像的直方步驟D2、選取濾波器
對步驟Dl中的直方圖進行高斯濾 波，去除小波谷；
步驟D3、檢測經(jīng)步驟D2濾波后的直方圖的波谷個數(shù)；
步驟D4、判斷步驟D3獲得的波谷的數(shù)量是否大于或小于兩個，如果判斷結(jié)果為 是，則返回執(zhí)行步驟D2 ；如果判斷結(jié)果為否，則執(zhí)行步驟D5 ；
步驟D5、選取第一個波谷作為閾值對虹膜圖像進行二值分割，獲得經(jīng)二值圖像，所 述二值圖像包括瞳孔、睫毛、高光干擾；
步驟D6、標記步驟D5獲得的二值圖像所有的連通區(qū)域，并通過比較獲得最大的連通區(qū)域；
步驟D7、首先對步驟D6中獲得的最大的連通區(qū)域進行二值化處理，處理后，這個 連通區(qū)域不再包括離瞳孔較遠且與瞳孔不相連的干擾區(qū)域；然后對二值化處理后的圖像求 反，獲得反向二值圖像；所述反向二值圖像中瞳孔內(nèi)部的普爾欽斑就會被瞳孔分割包圍，而 瞳孔外部的區(qū)域為最大的連通區(qū)域；
步驟D8、標記步驟D7中獲得的反向二值圖像中所有的連通區(qū)域，并通過比較獲得 最大的連通區(qū)域；
步驟D9、對步驟D8獲得的最大的連通區(qū)域進行二值化處理，處理后，這個連通區(qū) 域不再包括瞳孔內(nèi)部的普爾欽斑；然后對圖像再次求反，獲得再次求反后的二值圖像；所 述再次求反后的二值圖像的瞳孔區(qū)域為實心區(qū)域；
步驟D10、采用幾何方法估計步驟D9中再次求反后的二值圖像中瞳孔的圓心和半 徑；
步驟D11、以步驟DlO中獲得的圓心和半徑作圓，求取落在圓外的有效像素占圓形 面積的比例；
步驟D12、判斷步驟Dll中獲得的比例是否大于預(yù)設(shè)上限閾值，如果判斷結(jié)果為 是，則執(zhí)行步驟D121 ；如果判斷結(jié)果為否，則執(zhí)行步驟D13 ；
步驟D121、該瞳孔區(qū)域的分割錯誤，舍棄該虹膜圖像；
步驟D13、判斷步驟Dll中獲得的比例是否大于預(yù)設(shè)下限閾值，如果判斷結(jié)果為 否，則返回執(zhí)行步驟DlO ；如果判斷結(jié)果為是，則執(zhí)行步驟D14 ；
步驟D14、認為有較多睫毛影響了瞳孔區(qū)域，計算并去除超出瞳孔區(qū)域的像素，并 將瞳孔區(qū)域的圓心和半徑值作為虹膜內(nèi)邊緣信息。
步驟B4中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜 外邊緣信息，其方法是
步驟E1、根據(jù)步驟Bl所述的合理尺寸的虹膜圖像中的瞳孔的邊緣信息獲取瞳孔 外邊緣的圓心、半徑的初定范圍；
步驟E2、通過積分微分算子縮小步驟El獲得的半徑的取值范圍；
步驟E3、通過微分積分算子獲取最終的虹膜外邊緣信息。
步驟B4中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜 外邊緣信息，其具體方法是
步驟F1、根據(jù)瞳孔的信息對虹膜外邊緣進行粗定位，確定虹膜外邊緣的半徑搜索 范圍；
步驟F2、使用積分微分算子縮小步驟Fl中確定的虹膜外邊圓半徑的搜索范圍；
步驟F3、對虹膜圖像進行微分處理，所述微分處理的方法是采用一維高斯的一 階導數(shù)組成的濾波器W. 0083 0.0677 0.1516 0 -0.1516 -0.0677 -0. 0083]對虹膜圖像 分別作橫向與縱向的濾波，并求取幅值，將獲得的幅值在預(yù)設(shè)閾值范圍內(nèi)的進行二值化處 理，獲得的二值圖像，從而獲得虹膜外邊緣；
步驟F4、采用積分算子對二值圖像中虹膜外邊緣的圓心和半徑進行搜索，獲得虹 膜的外邊緣參數(shù)。
步驟B5中所述對步驟Bl所述的合理尺寸的虹膜圖像中虹膜圖像的進行上、下眼瞼的檢測和睫毛去除，所述上、下眼瞼檢測的具體方法是
步驟G1、根據(jù)擬合的虹膜內(nèi)、外邊緣的對應(yīng)的圓確定有效區(qū)域；
步驟G2、保留步驟Gl確定的有效區(qū)內(nèi)的像素信息，將其它像素全部置0 ；
步驟G3、對步驟G2處理后的圖像采用微分方法進行處理，所述微分方法是 使用一維高斯的一階導數(shù)組成的濾波器W. 0083 0.0677 0.1516 0 -0.1516 -0.0677 -0. 0083]對虹膜圖像分別作橫向與縱向的濾波，并求取幅值，將獲得的幅值在預(yù)設(shè)閾值范 圍內(nèi)的進行二值化處理，獲得的二值圖像，從而獲得眼瞼的邊緣；
步驟G4、采用形態(tài)學的腐蝕方法去除經(jīng)步驟G3處理后的圖像的干擾點，再通過虹 膜內(nèi)、外的邊緣信息去除虹膜內(nèi)、外邊緣留下的干擾點；
步驟G5、保留瞳孔圓心位置以上的像素信息，其余的全部去除；
步驟G6、判斷步驟G5中的有效像素個數(shù)是否大于預(yù)設(shè)閾值，如果判斷結(jié)果為是， 則執(zhí)行步驟G7 ；如果判斷結(jié)果為否，則認為上眼瞼不存在，執(zhí)行步驟GlO ；
步驟G7、采用最小二乘法擬合步驟G5中的所有像素，獲得二次曲線；
步驟G8、判斷所有的像素與步驟G7獲得的二次曲線的距離是否小于閾值，如果判 斷結(jié)果為是，則執(zhí)行步驟GlO ；如果判斷結(jié)果為否，則執(zhí)行步驟G9 ；其中閾值是所有像素與 二次曲線的平均距離與方差之和；
步驟G9、去除大于預(yù)設(shè)閾值的像素；并保存上眼瞼的二次曲線的參數(shù)；
步驟G10、保留瞳孔圓心位置以下的像素信息，其余的全部去除；
步驟G11、判斷步驟GlO中的有效像素個數(shù)是否大于預(yù)設(shè)閾值，如果判斷結(jié)果為 是，則執(zhí)行步驟G12 ；如果判斷結(jié)果為否，則認為下眼瞼不存在，執(zhí)行步驟G15 ；
步驟G12、采用最小二乘法擬合步驟GlO中的所有像素，獲得二次曲線；
步驟G13、判斷所有的像素與步驟G12獲得的二次曲線的距離是否小于閾值，如果 判斷結(jié)果為是，則執(zhí)行步驟G15 ；如果判斷結(jié)果為否，則執(zhí)行步驟G14 ；其中閾值是所有像素 與二次曲線的平均距離與方差之和；
步驟G14、去除大于預(yù)設(shè)閾值的像素；并保存下眼瞼的二次曲線的參數(shù)；
步驟G15、獲取根據(jù)擬合虹膜內(nèi)、外邊緣對應(yīng)的圓與擬合上、下眼瞼的二次曲線確 定的有效封閉區(qū)域；所述有效區(qū)域的確定方法為當上、下眼瞼均不存在時，將擬合虹膜 內(nèi)、外邊緣對應(yīng)的圓形成的封閉區(qū)域作為有效區(qū)域(如圖11所示，其中標記1為虹膜內(nèi)邊 緣對應(yīng)的圓；標記2為虹膜外邊緣對應(yīng)的圓；標記Y為有效區(qū)域)；當只存在上眼瞼或下眼 瞼時，將擬合虹膜外邊緣對應(yīng)的圓與上眼瞼的二次曲線或下眼瞼的二次曲線形成交集的區(qū) 域作為無效區(qū)域，虹膜內(nèi)、外邊緣對應(yīng)的圓形成的封閉區(qū)域的其余區(qū)域作為有效區(qū)域(如 圖12和13所示，其中標記1為虹膜內(nèi)邊緣對應(yīng)的圓；標記2為虹膜外邊緣對應(yīng)的圓；標記 3為上眼瞼的二次曲線；標記4為下眼瞼的二次曲線；標記X為無效區(qū)域)；當同時存在上 眼瞼或下眼瞼時，將上眼瞼的二次曲線和下眼瞼的二次曲線形成的區(qū)域與擬合虹膜內(nèi)、外 邊緣對應(yīng)的圓的交集作為有效區(qū)域(如圖14所示，其中標記1為虹膜內(nèi)邊緣對應(yīng)的圓；標 記2為虹膜外邊緣對應(yīng)的圓；標記3為上眼瞼的二次曲線；標記4為下眼瞼的二次曲線；標 記Y為有效區(qū)域)；
步驟G16、將有效區(qū)域以外的區(qū)域全部標記為黑色，保留有效區(qū)域以內(nèi)的原圖像像 素；
步驟G17、根據(jù)獲得的有效區(qū)域內(nèi)的灰度分布獲得閾值，將低于該閾值的區(qū)域全部 涂黑；
步驟G18、輸出擬合上、下眼瞼的二次曲線參數(shù)并去除睫毛區(qū)域。
步驟四和步驟A4中所述的虹膜的局部紋理提取的具體方法是
步驟HI、去除歸一化后的虹膜圖像的部分信息，所述信息為受睫毛、眼瞼的影響的 虹膜的下邊緣信息；
步驟H2、用局部背景灰度估計法估計步驟Hl獲得圖像的背景灰度，并采用高斯濾 波法進行濾波，獲得平滑的背景灰度估計步驟H3、將步驟Hl中獲得的歸一化后的虹膜圖片減去步驟H2獲得的背景灰度估 計圖獲得增強的虹膜紋理步驟H4、將步驟H3獲得的增強的虹膜紋理圖中的每四行像素分別求取平均，再根 據(jù)所有平均值計算獲得圖像的平均灰度，根據(jù)所述平均灰度降低圖像分割偏差的影響；然 后采用一維信號對圖像進行濾波；并求取一維信號對應(yīng)的局部紋理信息；
對于每一行信息，信號上升時取‘1’，信號下降時取‘0’，對標記的非有效區(qū)域全 部取‘-1，。
步驟五中所述從虹膜數(shù)據(jù)庫中取出一組虹膜代碼，與步驟四獲得的虹膜代碼進行 匹配的具體方法是
步驟II、對兩個待匹配的虹膜代碼逐行取出組成匹配的正向信號，按照代碼是 ‘1’，信號的相應(yīng)位置為‘1’，代碼為‘0’或‘-1’，則信號代碼為‘0’的原則得到兩個正向信 號；
步驟12、對步驟Il獲得的兩個正向信號進行匹配，取出移位后匹配的最大值；
步驟13、對兩個待匹配的虹膜代碼逐行取出組成匹配的反向信號，按照代碼是 ‘1’，信號的相應(yīng)位置為‘1’，代碼為‘0’或‘-1’，則信號代碼為‘0’的原則得到兩個反向信 號；
步驟14、對兩個反向信號進行匹配，取出移位后匹配的最大值；
步驟15、將每一行對應(yīng)的匹配的兩個匹配最大值相加，即得到了每一行的信號的 匹配值。
本發(fā)明提供的這種基于快速魯棒的虹膜分割以及相關(guān)函數(shù)匹配的虹膜識別方法， 對于在保證虹膜識別算法的精度的同時提高虹膜識別的速度以及魯棒性上，都有重要的意 義，其優(yōu)點主要在于
1、本發(fā)明在進行瞳孔分割時，發(fā)明了一種基于圖像自動閾值與連通區(qū)域求取的瞳 孔分割方法，利用開放軟件OpenCV，采用Harr-Iike特征和Boosting訓練出來的瞳孔分類 器進行檢測選出虹膜的有效區(qū)域，去除其它區(qū)域，將圖像歸一化到合理大小，該虹膜圖像的 直方圖分布特點分明，根據(jù)該分布提出自動閾值分割的方法，有較強的魯棒性與適應(yīng)性。同 時，本發(fā)明利用圖像連通的方法去除掉睫毛、眉毛、高光等干擾因素的影響，計算簡單，但效 果顯著。保證精度的同時提高了速度。同時，在獲取了虹膜的內(nèi)邊緣后還有一個對邊緣分 割的準確度的一個檢測的功能，使得內(nèi)邊緣分割的魯棒性更好。
2、本發(fā)明在外邊緣的定位時，發(fā)明了積分微分算子與微分積分算子結(jié)合的方法。 使用積分微分算子縮小搜索范圍來提高速度，再使用微分積分算子來保證外邊緣分割的精16
3、本發(fā)明在上下眼瞼的分割時，發(fā)明了一種基于有效邊緣選取的方法，這種方法 有較強的魯棒性，它不再進行全部眼瞼的擬合，而是在與虹膜相關(guān)的部分進行擬合，這樣的 方法更利于使虹膜分割部分更加準確。同時，該方法運用了多次迭代的方法逐步去除干擾 點的影響，使匹配的效果更加好。
4、本發(fā)明在睫毛去除時，發(fā)明了一種結(jié)合圖像連通的睫毛提取方法，使得顏色較 深的紋理誤認為睫毛的幾率大大減小，同時這種方法遍歷較快，速度得到大幅提高。
本發(fā)明在虹膜代碼匹配時，發(fā)明了一種相關(guān)函數(shù)匹配的方法，將虹膜的旋轉(zhuǎn)轉(zhuǎn)化 為歸一化圖像的平移，而且利用相關(guān)函數(shù)匹配可以把相關(guān)函數(shù)直接化為快速卷積進行計 算，這樣就有就使計算效率大大提高，可以在很短時間遍歷所有的平移情況，使虹膜識別可 以匹配成功很大角度內(nèi)的旋轉(zhuǎn)[最終的效果可以匹配上旋轉(zhuǎn)(-60°，60° )內(nèi)的虹膜]，這 樣可以大大增強系統(tǒng)的魯棒性。
本發(fā)明可以應(yīng)用于中小型公司的考勤系統(tǒng)
本發(fā)明結(jié)合虹膜采集系統(tǒng)，可以開發(fā)出低成本的生物識別系統(tǒng)。如在某中小型公 司使用了基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法的考勤系統(tǒng)。該系統(tǒng)有較快的識別 速度與較好的魯棒性，在上班之間每個職工在采集設(shè)備前采集虹膜，該識別方法迅速工作， 顯示設(shè)備顯示用戶姓名，考勤狀態(tài)，并將記錄存入數(shù)據(jù)庫，以供公司查看。
這種方式可以大大方便公司管理，使得不會出現(xiàn)替考勤的現(xiàn)象。它比指紋識別的 好處在于，精度比指紋高。而且，由于有10個指頭，這里為指紋考勤的作弊埋下伏筆。所以 虹膜考勤可以大大減少替考現(xiàn)象，使得職員競爭更加公平，而且使用方便，速度很快。
本發(fā)明可以應(yīng)用于智能家居如在小區(qū)門禁或者房門安裝此系統(tǒng)，可以對來訪 人員進行身份驗證，這樣當住戶進入小區(qū)或者進入房門時，只需要將眼睛在虹膜采集系統(tǒng) 前前后移動一下，基于該采集系統(tǒng)開發(fā)的設(shè)備就會識別出該住戶，并且會發(fā)出“某某先生 (女士)，歡迎回家”的聲音，并且該系統(tǒng)可以根據(jù)時間、天氣的變化，改變聲音內(nèi)容，讓住戶 從一大堆門卡、鑰匙中解放出來。
權(quán)利要求
1.一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征是它由以下步驟實現(xiàn)步驟一、系統(tǒng)初始化；選擇工作模式為識別模式； 步驟二、采用虹膜采集系統(tǒng)采集待識別者的一張虹膜圖像； 步驟三、對步驟二獲得的虹膜圖像進行預(yù)處理；步驟四、對經(jīng)步驟三預(yù)處理后的虹膜圖像進行虹膜的局部紋理提取，獲得該圖像的虹 膜代碼；步驟五、從虹膜數(shù)據(jù)庫中取出一組虹膜代碼，與步驟四獲得的虹膜代碼進行匹配；并比 較從虹膜數(shù)據(jù)庫中取出的虹膜代碼與步驟四獲得的虹膜代碼的相似度閾值；步驟六、判斷獲得的相似度閾值是否大于預(yù)定閾值，如果判斷結(jié)果為是，則執(zhí)行步驟 七一；如果判斷結(jié)果為否，則執(zhí)行步驟七二 ；步驟七一、將從虹膜數(shù)據(jù)庫的取出的虹膜代碼對應(yīng)的信息作為待識別者的信息，完成 虹膜識別過程；步驟七二、判斷虹膜數(shù)據(jù)庫中是否還有未取出的虹膜代碼，如果判斷結(jié)果為是，則返回 執(zhí)行步驟五；如果判斷結(jié)果為否，則執(zhí)行步驟八；步驟八、認定該待識別者為非注冊人員，完成虹膜識別過程。
2.根據(jù)權(quán)利要求1所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于步驟五中所述的虹膜數(shù)據(jù)庫的建立過程為對于每個待注冊者，均采用以下操作實現(xiàn) 建立虹膜數(shù)據(jù)庫步驟Al、系統(tǒng)初始化；選擇工作模式為注冊模式；步驟A2、采用虹膜采集系統(tǒng)連續(xù)采集待注冊者的三張虹膜圖像；步驟A3、對步驟A2獲得的每張虹膜圖像進行預(yù)處理；步驟A4、對步驟A3進行預(yù)處理后每張虹膜圖像進行虹膜的局部紋理提?。猾@得每張虹 膜圖像的虹膜代碼，共三組；步驟A5、將步驟A4中獲得的三組虹膜代碼兩兩比對，選取一組與其它兩組虹膜代碼相 似度最小的虹膜作為該待注冊者的參考虹膜代碼信息存入虹膜數(shù)據(jù)庫； 逐一對每位待注冊者執(zhí)行步驟A2至A5，實現(xiàn)虹膜數(shù)據(jù)庫的建立。
3.根據(jù)權(quán)利要求2所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于步驟三、步驟A3中所述對虹膜圖像進行預(yù)處理的方法是步驟Bi、在開放軟件OpenCV下，采用經(jīng)Harr-Iike特征和Boosting訓練后的瞳孔分類 器對虹膜圖像進行檢測，選出虹膜有效區(qū)域，去除其它區(qū)域后將圖像做歸一化處理，獲得合 理尺寸的虹膜圖像；步驟B2、采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜內(nèi)邊緣信息；步驟B3、檢測并去除步驟Bl所述的合理尺寸的虹膜圖像中的高光，其具體方法是采 用步驟B2獲得的虹膜內(nèi)邊緣信息結(jié)合雙線性插值法對步驟Bl所述的合理尺寸的虹膜圖像 中的高光進行檢測和去除；步驟B4、采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜外邊緣信步驟B5、對步驟Bl所述的合理尺寸的虹膜圖像中虹膜圖像的進行上、下眼瞼的檢測和 睫毛去除，所述上、下眼瞼的檢測的方法是首先通過閾值法和微分圖像獲取眼瞼的二值圖 像信息，然后通過迭代有效邊緣區(qū)域選取，從而擬合出上、下眼瞼信息；獲得上、下眼瞼信息 后，通過由上及下的連通區(qū)域檢測方法標記并去除睫毛區(qū)域；步驟B6、將步驟B2獲得的合理尺寸的虹膜圖像中的虹膜內(nèi)邊緣信息和步驟B4獲得的 合理尺寸的虹膜圖像中的虹膜外邊緣信息進行虹膜歸一化處理，將虹膜內(nèi)、外邊緣所在的 兩個不同心圓歸一化為一個矩形區(qū)域，并采用二值化圖像標記無效區(qū)域，所述無效區(qū)域包 括標記處的眼瞼、高光、睫毛信息，完成對虹膜圖像的預(yù)處理。
4.根據(jù)權(quán)利要求3所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于步驟B2中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜內(nèi)邊 緣信息，其方法是采用自動基于自動閾值與圖像連通區(qū)域求取的虹膜內(nèi)邊緣信息，其步驟 為Cl、基于自動閾值的方法來確定合理尺寸的虹膜圖像中虹膜的二值分割圖像； C2、在步驟Cl獲得的二值分割圖像中，通過求取連通區(qū)域的方法消除干擾因素的影 響；所述干擾因素包括睫毛、高光或陰影；C3、通過幾何方法求取經(jīng)步驟C2去除干擾因素后的虹膜內(nèi)邊緣的參數(shù)信息。
5.根據(jù)權(quán)利要求3所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于所述采用自動基于自動閾值與圖像連通區(qū)域求取的虹膜內(nèi)邊緣信息，其具體方法是步驟D1、求取虹膜圖像的直方圖；步驟D2、選取濾波器
對步驟Dl中的直方圖進行高斯濾波，去 除小波谷；步驟D3、檢測經(jīng)步驟D2濾波后的直方圖的波谷個數(shù)；步驟D4、判斷步驟D3獲得的波谷的數(shù)量是否大于或小于兩個，如果判斷結(jié)果為是，則 返回執(zhí)行步驟D2 ；如果判斷結(jié)果為否，則執(zhí)行步驟D5 ；步驟D5、選取第一個波谷作為閾值對虹膜圖像進行二值分割，獲得二值圖像，所述二值 圖像包括瞳孔、睫毛、高光干擾；步驟D6、標記步驟D5獲得的二值圖像所有的連通區(qū)域，并通過比較獲得最大的連通區(qū)域；步驟D7、首先對步驟D6中獲得的最大的連通區(qū)域進行二值化處理，處理后，這個連通 區(qū)域不再包括離瞳孔較遠且與瞳孔不相連的干擾區(qū)域；然后對二值化處理后的圖像求反， 獲得反向二值圖像；所述反向二值圖像中瞳孔內(nèi)部的普爾欽斑就會被瞳孔分割包圍，而瞳 孔外部的區(qū)域為最大的連通區(qū)域；步驟D8、標記步驟D7中獲得的反向二值圖像中所有的連通區(qū)域，并通過比較獲得最大 的連通區(qū)域；步驟D9、對步驟D8獲得的最大的連通區(qū)域進行二值化處理，處理后，這個連通區(qū)域不 再包括瞳孔內(nèi)部的普爾欽斑；然后對圖像再次求反，獲得再次求反后的二值圖像；所述再 次求反后的二值圖像的瞳孔區(qū)域為實心區(qū)域；步驟D10、采用幾何方法估計步驟D9中再次求反后的二值圖像中瞳孔的圓心和半徑； 步驟D11、以步驟DlO中獲得的圓心和半徑作圓，求取落在圓外的有效像素占圓形面積的比例；步驟D12、判斷步驟Dll中獲得的比例是否大于預(yù)設(shè)上限閾值，如果判斷結(jié)果為是，則 執(zhí)行步驟D121 ；如果判斷結(jié)果為否，則執(zhí)行步驟D13 ；步驟D121、該瞳孔區(qū)域的分割錯誤，舍棄該虹膜圖像；步驟D13、判斷步驟Dll中獲得的比例是否大于預(yù)設(shè)下限閾值，如果判斷結(jié)果為否，則 返回執(zhí)行步驟DlO ；如果判斷結(jié)果為是，則執(zhí)行步驟D14 ；步驟D14、認為有較多睫毛影響了瞳孔區(qū)域，計算并去除超出瞳孔區(qū)域的像素，并將瞳 孔區(qū)域的圓心和半徑值作為虹膜內(nèi)邊緣信息。
6.根據(jù)權(quán)利要求3所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于步驟B4中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜外邊 緣信息，其方法是步驟E1、根據(jù)步驟Bl所述的合理尺寸的虹膜圖像中的瞳孔的邊緣信息獲取瞳孔外邊 緣的圓心、半徑的初定范圍；步驟E2、通過積分微分算子縮小步驟El獲得的半徑的取值范圍； 步驟E3、通過微分積分算子獲取最終的虹膜外邊緣信息。
7.根據(jù)權(quán)利要求3所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于步驟B4中所述采用圓形擬合法擬合步驟Bl所述的合理尺寸的虹膜圖像中的虹膜外邊 緣信息，其具體方法是步驟F1、根據(jù)瞳孔的信息對虹膜外邊緣進行粗定位，確定虹膜外邊緣的半徑搜索范圍；步驟F2、使用積分微分算子縮小步驟Fl中確定的虹膜外邊圓半徑的搜索范圍； 步驟F3、對虹膜圖像進行微分處理，所述微分處理的方法是采用一維高斯的一階導 數(shù)組成的濾波器W. 0083 0.0677 0.1516 0 -0.1516 -0.0677 -0. 0083]對虹膜圖像分別 作橫向與縱向的濾波，并求取幅值，將獲得的幅值在預(yù)設(shè)閾值范圍內(nèi)的進行二值化處理，獲 得的二值圖像，從而獲得虹膜外邊緣；步驟F4、采用積分算子對二值圖像中虹膜外邊緣的圓心和半徑進行搜索，獲得虹膜的 外邊緣參數(shù)。
8.根據(jù)權(quán)利要求3所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于步驟B5中所述對步驟Bl所述的合理尺寸的虹膜圖像中虹膜圖像的進行上、下眼瞼的 檢測和睫毛去除，所述上、下眼瞼檢測和睫毛去除的具體方法是步驟G1、根據(jù)擬合的虹膜內(nèi)、外邊緣的對應(yīng)的圓確定有效區(qū)域； 步驟G2、保留步驟Gl確定的有效區(qū)內(nèi)的像素信息，將其它像素全部置0 ； 步驟G3、對步驟G2處理后的圖像采用微分方法進行處理，所述微分方法是使用一維 高斯的一階導數(shù)組成的濾波器
對 虹膜圖像分別作橫向與縱向的濾波，并求取幅值，將獲得的幅值在預(yù)設(shè)閾值范圍內(nèi)的進行 二值化處理，獲得的二值圖像，從而獲得眼瞼的邊緣；步驟G4、采用形態(tài)學的腐蝕方法去除經(jīng)步驟G3處理后的圖像的干擾點，再通過虹膜 內(nèi)、外的邊緣信息去除虹膜內(nèi)、外邊緣留下的干擾點；步驟G5、保留瞳孔圓心位置以上的像素信息，其余的全部去除；步驟G6、判斷步驟G5中的有效像素個數(shù)是否大于預(yù)設(shè)閾值，如果判斷結(jié)果為是，則執(zhí) 行步驟G7 ；如果判斷結(jié)果為否，則認為上眼瞼不存在，執(zhí)行步驟GlO ； 步驟G7、采用最小二乘法擬合步驟G5中的所有像素，獲得二次曲線； 步驟G8、判斷所有的像素與步驟G7獲得的二次曲線的距離是否小于閾值，如果判斷結(jié) 果為是，則執(zhí)行步驟GlO ；如果判斷結(jié)果為否，則執(zhí)行步驟G9 ；其中閾值是所有像素與二次 曲線的平均距離與方差之和；步驟G9、去除大于預(yù)設(shè)閾值的像素；并保存上眼瞼的二次曲線的參數(shù)； 步驟G10、保留瞳孔圓心位置以下的像素信息，其余的全部去除； 步驟G11、判斷步驟GlO中的有效像素個數(shù)是否大于預(yù)設(shè)閾值，如果判斷結(jié)果為是，則 執(zhí)行步驟G12 ；如果判斷結(jié)果為否，則認為下眼瞼不存在，執(zhí)行步驟G15 ； 步驟G12、采用最小二乘法擬合步驟GlO中的所有像素，獲得二次曲線； 步驟G13、判斷所有的像素與步驟G12獲得的二次曲線的距離是否小于閾值，如果判斷 結(jié)果為是，則執(zhí)行步驟G15 ；如果判斷結(jié)果為否，則執(zhí)行步驟G14 ；其中閾值是所有像素與二 次曲線的平均距離與方差之和；步驟G14、去除大于預(yù)設(shè)閾值的像素；并保存下眼瞼的二次曲線的參數(shù)； 步驟G15、獲取根據(jù)擬合虹膜內(nèi)、外邊緣對應(yīng)的圓與擬合上、下眼瞼的二次曲線確定的 有效封閉區(qū)域；所述有效區(qū)域的確定方法為當上、下眼瞼均不存在時，將擬合虹膜內(nèi)、外 邊緣對應(yīng)的圓形成的封閉區(qū)域作為有效區(qū)域；當只存在上眼瞼或下眼瞼時，將擬合虹膜外 邊緣對應(yīng)的圓與上眼瞼的二次曲線或下眼瞼的二次曲線形成交集的區(qū)域作為無效區(qū)域，虹 膜內(nèi)、外邊緣對應(yīng)的圓形成的封閉區(qū)域的其余區(qū)域作為有效區(qū)域；當同時存在上眼瞼或下 眼瞼時，將上眼瞼的二次曲線和下眼瞼的二次曲線形成的區(qū)域與擬合虹膜內(nèi)、外邊緣對應(yīng) 的圓的交集作為有效區(qū)域；步驟G16、將有效區(qū)域以外的區(qū)域全部標記為黑色，保留有效區(qū)域以內(nèi)的原圖像像素； 步驟G17、根據(jù)獲得的有效區(qū)域內(nèi)的灰度分布獲得閾值，將低于該閾值的區(qū)域全部涂里.；，步驟G18、輸出擬合上、下眼瞼的二次曲線參數(shù)并去除睫毛區(qū)域。
9.根據(jù)權(quán)利要求1所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特征 在于步驟四和步驟A4中所述的虹膜的局部紋理提取的具體方法是步驟HI、去除歸一化后的虹膜圖像的部分信息，所述信息為受睫毛、眼瞼的影響的虹膜 的下邊緣信息；步驟H2、用局部背景灰度估計法估計步驟Hl獲得圖像的背景灰度，并采用高斯濾波法 進行濾波，獲得平滑的背景灰度估計圖；步驟H3、將步驟Hl中獲得的歸一化后的虹膜圖片減去步驟H2獲得的背景灰度估計圖 獲得增強的虹膜紋理圖；步驟H4、將步驟H3獲得的增強的虹膜紋理圖中的每四行像素分別求取平均，再根據(jù)所 有平均值計算獲得圖像的平均灰度，根據(jù)所述平均灰度降低圖像分割偏差的影響；然后采 用一維信號對圖像進行濾波；并求取一維信號對應(yīng)的局部紋理信息；對于每一行信息，信號上升時取‘1’，信號下降時取‘0’，對標記的非有效區(qū)域全部取 ‘-1，。
10.根據(jù)權(quán)利要求1所述的一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，其特 征在于步驟五中所述從虹膜數(shù)據(jù)庫中取出一組虹膜代碼，與步驟四獲得的虹膜代碼進行匹 配的具體方法是步驟II、對兩個待匹配的虹膜代碼逐行取出組成匹配的正向信號，按照代碼是‘1’，信 號的相應(yīng)位置為‘1’，代碼為‘0’或‘-1’，則信號代碼為‘0’的原則得到兩個正向信號； 步驟12、對步驟Il獲得的兩個正向信號進行匹配，取出移位后匹配的最大值； 步驟13、對兩個待匹配的虹膜代碼逐行取出組成匹配的反向信號，按照代碼是‘1’，信 號的相應(yīng)位置為‘1’，代碼為‘0’或‘-1’，則信號代碼為‘0’的原則得到兩個反向信號； 步驟14、對兩個反向信號進行匹配，取出移位后匹配的最大值； 步驟15、將每一行對應(yīng)的匹配的兩個匹配最大值相加，即得到了每一行的信號的匹配值。
全文摘要
一種基于相關(guān)函數(shù)匹配的快速穩(wěn)健的虹膜識別方法，涉及一種基于相關(guān)函數(shù)匹配的虹膜識別方法，它解決現(xiàn)有的虹膜識別的魯棒性差、速度慢的問題。其方法是采集待識別者的一張虹膜圖像并進行預(yù)處理，預(yù)處理后進行虹膜的局部紋理提取，獲得該圖像的虹膜代碼；從虹膜數(shù)據(jù)庫中取出一組虹膜代碼，與檢測到的虹膜代碼進行匹配，比較虹膜代碼的相似度閾值，并判斷獲得的相似度閾值是否大于預(yù)定閾值；遍歷虹膜數(shù)據(jù)庫，實現(xiàn)虹膜識別過程。本發(fā)明適用于虹膜識別過程中。
文檔編號G06K9/00GK102043954SQ20111003351
公開日2011年5月4日 申請日期2011年1月30日 優(yōu)先權(quán)日2011年1月30日
發(fā)明者司玉林, 梅江元, 高會軍 申請人:哈爾濱工業(yè)大學