專利名稱：一種級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理、模式識別和生物特征識別等技術(shù)領(lǐng)域，尤其涉及一種級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法。
背景技術(shù)：
虹膜是眼睛的一個組成部分，位于角膜的后方，晶狀體的前方。虹膜識別技術(shù)采用專用光學(xué)圖像采集儀采集人眼虹膜圖像，然后通過數(shù)字圖像處理技術(shù)、模式識別和人工智能技術(shù)對采集到的虹膜圖像進行處理、存儲、比對，實現(xiàn)對人員身份的認證和識別。虹膜識別具有唯一性高、穩(wěn)定性強、非侵犯性等優(yōu)點，已被成功地應(yīng)用于機場、海關(guān)、銀行等場合的身份鑒定。在實際應(yīng)用中，虹膜圖像采集裝置的景深和采集范圍是固定的，當使用者采集距離處于景深范圍以外時，會出現(xiàn)圖像散焦問題。同時，使用者在采集過程中如果發(fā)生移動時，會造成圖像出現(xiàn)運動模糊問題，甚至虹膜超出圖像邊界的問題。此外，使用者在采集過程中眨眼時，會造成虹膜圖像的遮擋問題。上述問題出現(xiàn)時，所采集到的虹膜圖像無法達到系統(tǒng)的質(zhì)量要求。虹膜圖像質(zhì)量判斷是虹膜識別系統(tǒng)中的一個重要環(huán)節(jié)，其作用是對采集到的虹膜圖像進行質(zhì)量分析，判斷當前圖像是否符合給定的質(zhì)量要求，并做出相應(yīng)的處理。只有當前圖像滿足質(zhì)量要求時，才能進入下一步的虹膜圖像分割、特征抽取和比對等處理流程。如果當前圖像不滿足質(zhì)量要求，則需要改變采集裝置的參數(shù)或裝置與使用者的相對位置，繼續(xù)采集圖像，直到采集到質(zhì)量合格的圖像。由于實際應(yīng)用中采集環(huán)境、用戶配合度等的復(fù)雜性，目前國內(nèi)外有效的虹膜圖像質(zhì)量檢測方法并不多。英國劍橋大學(xué)的Daugman(U. S. Pat. No. 5291560)和中國科學(xué)院自動化所的馬力(CN01144524. 6)提出使用頻譜分析的方法判斷虹膜圖像的清晰度，但是該方法易受到睫毛、眉毛、頭發(fā)等高頻部位的影響。電子科技大學(xué)的馬爭等人(CN200810030096. O)采用邊緣梯度能量函數(shù)的方法判斷虹膜紋理的清晰度，該方法易將紋理少的虹膜圖像誤判為模糊的虹膜圖像；同時，該專利通過分析虹膜紋理、睫毛和眼瞼的灰度值特征估計虹膜的遮擋分數(shù)，對復(fù)雜環(huán)境下(如煤礦井下黑暗環(huán)境、室外強光照環(huán)境等)的低質(zhì)量虹膜圖像質(zhì)量判斷效果不理想。中科院自動化所的李星光等人(CN201110451829.X)提出基于機器學(xué)習(xí)的虹膜圖像質(zhì)量確定方法。該方法首先提取多個虹膜圖像質(zhì)量因子，然后通過Neyman-Pearson方法融合得到虹膜圖像質(zhì)量分數(shù)和等級,在效果方面有一定的改進,但是該方法計算復(fù)雜度高，無法實時計算。綜上，現(xiàn)有的虹膜識別系統(tǒng)虹膜圖像質(zhì)量檢測方法多采用頻譜分析、灰度分析、紋理分析等方法，計算效率低，易受噪聲影響，在準確性、實時性等方面仍有較大改進的空間，如何設(shè)計實現(xiàn)準確的、可用于復(fù)雜場景的、快速的虹膜圖像質(zhì)量檢測方法仍然是一個亟待解決的難題。為了解決上述問題，本發(fā)明設(shè)計開發(fā)一種級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種可應(yīng)用于復(fù)雜場景的、快速、準確的級聯(lián)式虹膜圖像質(zhì)量檢測方法。根據(jù)本發(fā)明的方法可以實現(xiàn)在復(fù)雜環(huán)境下實時、準確地判斷虹膜圖像質(zhì)量。根據(jù)本發(fā)明的一個方面，提供了一種級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法，包括如下步驟a)虹膜圖像采集；b)虹膜圖像定位及位置判斷，若判斷出定位不成功或位置不合適，則返回步驟a)重新采集；c)基于圖像飽和度的自適應(yīng)調(diào)整對虹膜圖像清晰度進行判斷，若判斷出清晰度不符合要求，則返回步驟a)重新采集；d)基于光斑形狀的分析對虹膜圖像運動模糊判斷，若判斷出虹膜圖像存在運動模糊，則返回步驟a)重新采集；e)基于區(qū)域的加權(quán)對虹膜圖像遮擋度進行判斷，若判斷出虹膜圖像存在嚴重遮擋，則返回步驟a)重新米集。優(yōu)選地，在所述步驟b)包含下列子步驟bl)檢測和判別虹膜圖像中的光斑，并結(jié)合光斑的位置和大小判別光斑是否為真實的山2)檢測虹膜圖像中瞳孔候選區(qū)域；b3)融合bl)的光斑檢測分析結(jié)果和b2)的瞳孔候選區(qū)域檢測結(jié)果；b4)基于積分差分算法得到虹膜的定位結(jié)果；b5)基于b4)的結(jié)果判定虹膜的位置。優(yōu)選地，在所述步驟c)包含下列子步驟cl)計算虹膜圖像的全圖清晰度；C2)計算虹膜圖像的感興趣區(qū)域的清晰度；c3)通過線性加權(quán)的方式融合Cl)的全圖清晰度和c2)的感興趣區(qū)域的清晰度；c4)通過對圖像直方圖進行線性加權(quán)來計算虹膜圖像的飽和度；c5)根據(jù)c4)計算得到的虹膜圖像飽和度，對c3)中融合得到的虹膜圖像的清晰度進行自適應(yīng)調(diào)整；c6)對在c5)中調(diào)整后的虹膜圖像清晰度進行判別。優(yōu)選地，所述感興趣區(qū)域為以虹膜中心為中心，以O(shè). 9-2倍的虹膜直徑為邊長的
矩形區(qū)域。優(yōu)選地，在所述步驟d)包含下列子步驟dl)在所述步驟b)的基礎(chǔ)上獲取有效的光斑區(qū)域信息；d2)通過形狀分析的方法判斷當前圖像運動模糊的程度。優(yōu)選地，所述步驟d2)的形狀分析方法為形狀矩方法或基于傅里葉描述子的方法。優(yōu)選地，在所述步驟e)包含下列子步驟el)檢測眼皮的邊界點；e2)對眼皮邊界進行二次拋物線曲線擬合；e3)分別計算上、下眼皮的遮擋比例；e4)采用線性加權(quán)的方式對e3)計算得到的上、下眼皮遮擋比例進行融合；e5)根據(jù)e4)的融合結(jié)果判別虹膜圖像的遮擋度。優(yōu)選地，在所述步驟e4)中線性加權(quán)的權(quán)重因子是可調(diào)整的。優(yōu)選地，在所述步驟e4)中下眼皮的遮擋程度高于上眼皮。優(yōu)選地，在所述步驟c)、d)和e)的順序可交換。應(yīng)當理解，前述大體的描述和后續(xù)詳盡的描述均為示例性說明和解釋，并不應(yīng)當用作對本發(fā)明所要求保護內(nèi)容的限制。


參考隨附的附圖，本發(fā)明更多的目的、功能和優(yōu)點將通過本發(fā)明實施方式的如下描述得以闡明，其中
圖1示出了根據(jù)本發(fā)明的級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法的流程圖；圖2a示出了通過虹膜圖像光學(xué)成像裝置采集到的虹膜圖像示意圖；圖2b示出了虹膜圖像定位及位置判斷的具體方法步驟；圖3a示出了虹膜圖像清晰度判斷的具體方法流程；圖3b示出了虹膜圖像清晰度檢測算子的示例；圖3c示出了昏暗環(huán)境和強光照環(huán)境下的虹膜圖像；圖3d示出了圖像飽和度計算中權(quán)重分布的示例；圖4a示出了虹膜圖像運動模糊判斷的具體方法流程；圖4b示出了運動模糊的虹膜圖像；圖4c示出了光斑一維邊界曲線到光斑中心距離的統(tǒng)計直方圖；圖5a示出了虹膜圖像遮擋程度判斷的具體方法流程；圖5b示出了計算虹膜圖像遮擋程度的一些參數(shù)。
具體實施例方式通過參考示范性實施例，本發(fā)明的目的和功能以及用于實現(xiàn)這些目的和功能的方法將得以闡明。然而，本發(fā)明并不受限于以下所公開的示范性實施例；可以通過不同形式來對其加以實現(xiàn)。說明書的實質(zhì)僅僅是幫助相關(guān)領(lǐng)域技術(shù)人員綜合理解本發(fā)明的具體細節(jié)。方法概述圖1示出了本發(fā)明所述的級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法的流程圖。包括如下主要步驟步驟SlOl :虹膜圖像采集。通過專用的虹膜圖像光學(xué)成像裝置采集用戶的虹膜圖像。步驟S102 :虹膜圖像定位及位置判斷。對步驟SlOl采集到的虹膜圖像進行粗定位，得到虹膜的內(nèi)外圓參數(shù)，即瞳孔中心和半徑，虹膜的中心和半徑。并根據(jù)虹膜中心位置和半徑大小確定該虹膜的位置是否合適。若定位不成功或位置不合適，則返回步驟SlOl重新采集用戶的虹膜圖像。步驟S103 :當步驟S102中虹膜圖像的定位成功且位置符合要求時，進行虹膜圖像的清晰度判斷。采用基于空域濾波的方法對進入該步驟的虹膜圖像進行清晰度分析。特別地，清晰度分析時采用局部和全局分析結(jié)合的方法，并結(jié)合當前虹膜圖像的飽和度自適應(yīng)的調(diào)節(jié)清晰度閾值。若判斷出圖像不清晰，則返回步驟SlOl重新采集用戶的虹膜圖像，直到圖像清晰度符合要求。步驟S104 :在虹膜圖像符合清晰度要求之后，對虹膜圖像進行運動模糊判斷。采用基于光斑形狀分析的方法對進入該步驟的虹膜圖像進行運動模糊計算。若判斷出虹膜圖像仍存在有運動模糊，則返回步驟SlOl重新采集用戶的虹膜圖像，直到符合要求為止。步驟S105 :在采集到的虹膜圖像沒有運動模糊之后，基于區(qū)域加權(quán)的方式對虹膜圖像進行遮擋程度判斷。采用先邊界檢測后曲線擬合的方法對虹膜圖像眼皮遮擋位置進行定位，進而獲得虹膜圖像遮擋程度的準確估計。若判斷出虹膜圖像仍存在有嚴重遮擋，則返回步驟SlOl重新采集用戶的虹膜圖像，直到符合要求為止。上述的步驟S103-S105的順序僅為示意性的，在實際應(yīng)用中，步驟S103-S105的順序可任意交換，例如可以根據(jù)計算復(fù)雜度靈活調(diào)整。例如可以參照的一種排序原則是先進行計算速度快的步驟，再進行計算速度慢的步驟。下文將結(jié)合圖2-5對上述各個步驟進行詳細說明。虹膜圖像采集、定位及位置判斷圖2a示出了在圖1所示的步驟SlOl中，通過專用的虹膜圖像光學(xué)成像裝置采集到典型的640*480大小的虹膜圖像示意圖。圖2b示出了圖1所示的步驟S102的虹膜圖像定位及位置判斷的具體方法步驟。實際應(yīng)用中，虹膜圖像的采集可以采用低分辨率單攝像頭(如30萬至200萬像素攝像頭)的單目虹膜圖像采集模式，也可以是低分辨率雙攝像頭(如30萬至200萬像素攝像頭)的雙目虹膜圖像采集模式，也可以是高分辨率單攝像頭(如300萬像素以上)的雙目虹膜圖像采集模式。本發(fā)明所支持的虹膜圖像大小可以是像素數(shù)為640 (寬度)*480 (高度)，也可以是更高分辨率的圖像，例如，當采用500萬像素的成像模組時虹膜圖像的大小為2592(寬度)*1944 (高度)，當采用800萬像素的成像模組時為3296 (寬度)*2460 (高度)。如圖2a所示，白色矩形虛線框內(nèi)為虹膜圖像采集的感興趣區(qū)域(R10)，白色圓形框中為所采集到的用戶的虹膜圖像區(qū)域。在圖2a中，虹膜中心位置標記為(XWs，YiHs)，虹膜的半徑記為RWs。如圖2b所示，在圖1所示的步驟S102的虹膜圖像定位及位置判斷中，包括下述子步驟:步驟S201:虹膜圖像中紅外光斑的檢測分析。為了得到清晰的虹膜紋理，大部分虹膜識別系統(tǒng)都使用波長在700-900納米范圍內(nèi)的近紅外LED光源對虹膜區(qū)域進行主動照明。這些近紅外光源會在虹膜圖像中形成光斑。并且，通過對近紅外光源位置的合理配置，不僅可以配置光斑間的幾何結(jié)構(gòu)，還可以將光斑點控制在瞳孔范圍內(nèi)(見圖2a所示的光斑LI和L2)。因此，只要檢測出光斑在圖像中的位置，就可以得到虹膜在圖像中的大概位置，實現(xiàn)虹膜粗定位。具體地包括如下步驟:a)光斑檢測。光斑檢測方法可以使用閾值的方法，即將灰度值高于給定閾值T的像素點作為光斑候選點；也可以使用空域濾波器的光斑檢測算法(例如在同一發(fā)明人的中國專利CN200810102310.9中所介紹的)。檢測得到的光斑L具有光斑大小參數(shù)Z和光斑位置參數(shù)(X，Y);b)光斑判別。當使用者佩戴眼鏡等情況下，步驟a)中還可能檢測出一些虛假光斑。為了消除這些虛假光斑的影響，可以對光斑的大小和位置分布特點進行分析，以判斷出所檢測的光斑是否為真實所需的光斑。一般地，真實的光斑大小范圍為[zmin，Zmax]，其中Zmin，Zmax的值是預(yù)先根據(jù)經(jīng)驗統(tǒng)計確定的。例如，設(shè)定方法可以通過預(yù)先采集若干合適的圖像，然后統(tǒng)計其中光斑的大小，得到最大及最小值Zmin和Z.。真實光斑的大小Z應(yīng)滿足下述條件1:公式1:ZminZfflax上式中，Zmin和Zmax是根據(jù)實際成像模組所采集的圖像統(tǒng)計得到。此外，由于虹膜圖像采集系統(tǒng)的紅外光源的物理位置是固定的，因此形成的光斑的物理位置也是相對固定的。例如，圖2a中的兩個真實光斑LI，L2處于同一水平線上，且相對位置范圍為[Dmin，Dmax]。Dmin和Dmax也是預(yù)先設(shè)定的，例如針對特定的設(shè)備通過預(yù)先采集一些圖像進行統(tǒng)計得到的。兩個真實光斑LI，L2應(yīng)滿足下述條件2:公式2.1 =Dfflin ( IX1-X21 ( Dfflax,和
公式2.2: IY1-Y21 <D0上式中，(X17Y1), (X2，Y2)分別是兩個光斑的橫縱坐標。其中，Dtl是一個經(jīng)驗閾值，縱坐標差異小于該閾值的兩個點則算法判定為該兩個點處于同一水平線上。特別地，上式中[Dmin，Dmax]是根據(jù)給定的成像模組統(tǒng)計確定。特別地，上述條件2僅是本發(fā)明對光斑位置條件的一個示意性實例。實際應(yīng)用中，應(yīng)根據(jù)實際光斑的數(shù)量和相對位置靈活改變光斑位置條件2。步驟S202:虹膜圖像中瞳孔候選區(qū)域的檢測。受人眼瞳孔光譜特性的影響，虹膜圖像中瞳孔區(qū)域一般是亮度較低的區(qū)域，甚至是亮度最低的區(qū)域之一。為了得到候選的瞳孔候選區(qū)域，可以采用灰度閾值的方法，即將灰度值低于給定閾值Tpupil的像素點作為瞳孔候選點，然后通過連通域分析方法得到候選的瞳孔區(qū)域；也可以使用灰度和位置聚類的方法得到候選的瞳孔區(qū)域。步驟S203:光斑檢測分析結(jié)果和瞳孔候選區(qū)域檢測結(jié)果的融合。為了進一步提高準確性，避免單一方法造成的定位錯誤，根據(jù)本發(fā)明，將光斑檢測分析結(jié)果和瞳孔候選區(qū)域檢測分析結(jié)果相融合。具體地，對每一個候選的瞳孔區(qū)域，找到能夠包含該區(qū)域的最小的矩形，然后在該矩形范圍內(nèi)驗證是否有光斑。如果有，則認為該區(qū)域是真實的瞳孔區(qū)域。步驟S204:基于積分差分算法得到虹膜的定位結(jié)果。積分差分方法把虹膜的內(nèi)外邊界建模為兩個非同心的圓，并通過模型搜索得到瞳孔和虹膜的圓心和半徑。積分差分算法是虹膜圖像處理中的經(jīng)典算法，此處不再贅述。具體參考英國劍橋大學(xué)的Daugman(U.S10.Pat.N0.5291560)。特別地，由于此處定位的目的是虹膜圖像質(zhì)量判斷，因此，對精度要求低。具體地，本發(fā)明是在將采樣的虹膜圖像上進行積分差分計算。步驟S205:虹膜位置判定。對根據(jù)步驟`S204中的積分差分算法得到的定位結(jié)果判斷當前虹膜圖像的位置是否合適。具體地，一個位置合適的虹膜圖像應(yīng)該滿足如下條件:公式3.1:Xiris Riris〉Dposition，公式3.2:Yiris-Riris>Dposition公式3.3:Xiris+Riris<Imageff-Dposition公式3.4:Yiris+Riris<ImageH-Dposition上式中，(Xiris, Yiris)是步驟S204中得到的虹膜中心的坐標，Riris是虹膜的半徑，ImageW和ImageH是虹膜圖像的寬和高，D—是一個邊界閾值。若在該步驟中根據(jù)上述公式判定的虹膜位置不合適，則需要返回圖1中的步驟SlOl重新對虹膜圖像進行采集。虹膜圖像清晰度判斷圖3a示出了虹膜圖像清晰度判斷(圖1中所示的步驟S103)的具體方法流程。在通過虹膜圖像采集、定位及位置判斷得到了符合要求的虹膜圖像尺寸和位置之后，進行虹膜圖像清晰度判斷，包括下述子步驟:步驟S301:虹膜圖像全圖清晰度計算。使用大尺度的虹膜圖像清晰度檢測算子對整個虹膜圖像進行濾波，然后在全圖上求和得到圖像的全局清晰度值Fimage。Fifflage的計算公式如下:Fimage= Σ Image^Filter 公式(I)上式中，F(xiàn)ilter是圖像清晰度檢測算子，是圖像卷積計算子，Image表示虹膜圖像。如上式所示，清晰度計算過程如下:首先計算虹膜圖像與清晰度檢測算子的卷積，然后對卷積結(jié)果取絕對值后逐點求和，得到清晰度值。所述虹膜圖像清晰度檢測算子Filter包括三個部分:中心區(qū)域為取值正整數(shù)的正極，中間為取值為零的過渡帶，外圍為取值負整數(shù)的負極，所述正極系數(shù)和負極系數(shù)的和為零。示例性地，圖3b給出了所述虹膜圖像清晰度檢測算子Filter的一個示例。步驟S302:虹膜圖像感興趣區(qū)域清晰度計算。使用小尺度的虹膜圖像清晰度檢測算子對虹膜感興趣區(qū)域(例如圖2a所示的感興趣區(qū)域)進行濾波，然后在感興趣區(qū)域上求和得到圖像的感興趣區(qū)域的清晰度值FMi。Froi的計算公式同上面的公式(1)，其中將虹膜圖像的全圖變?yōu)閳D像感興趣區(qū)域，清晰度檢測算子可保持不變，也可根據(jù)需要進行調(diào)整。所述感興趣區(qū)域是指以虹膜中心為中心，以0.9-2倍的虹膜直徑為邊長的矩形區(qū)域。優(yōu)選地，感興趣區(qū)域為以1.2倍的虹膜直徑為邊長的正方形區(qū)域。這里的1.2倍是一個經(jīng)驗值，可以根據(jù)實際應(yīng)用靈活調(diào)整。步驟S303:虹膜圖像清晰度融合。將步驟S301和步驟S302獲得的清晰度值做線性加權(quán)，得到當前圖像的清晰度值:F=aFimage+b Froi,其中a和b分別為Fimage和Froi的權(quán)重因子，且a和b要求為線性力口權(quán)，即a+b=l。例如,可以是a=0.2, b=0.8,也可以是a=0.8, b=0.2,可根據(jù)實際應(yīng)用靈活調(diào)整。步驟S304:虹膜圖像清晰度自適應(yīng)調(diào)整。步驟S301和步驟S302中虹膜圖像的清晰度計算會受到虹膜圖像整體亮度的影響。而在復(fù)雜場景下，虹膜圖像的整體亮度會根據(jù)實際場景的變化而變化。例如，在煤礦的井下環(huán)境，光線昏暗，同時使用者(煤礦工人)臉部沾滿煤灰，使得所采集到的虹膜圖像有大面積的黑色區(qū)域，例如參見圖3c中(a)所示的情況。又例如，在室外強光照環(huán)境下，光線充足，使得所采集的虹膜圖像有面積的高亮區(qū)域，例如參見圖3c中(b)所示的情況。為了解決質(zhì)量判斷算法的環(huán)境適應(yīng)性，需要根據(jù)圖像的環(huán)境自適應(yīng)的調(diào)整步驟S303計算得到的清晰度值。具體的步驟如下:a)虹膜圖像飽和度計算。首先計算圖像的灰度直方圖，記為Him (i), i=0, I,…，255 ;然后對直方圖進行加權(quán)求和，并歸一化到0-100，得到當前圖像的飽和度S。圖3d給出了一個權(quán)重分布的不例。b)根據(jù)圖像飽和度S對步驟S303中計算得到的虹膜圖像清晰度F進行自適應(yīng)調(diào)整。如果飽和度高于一定閾值Smax,則調(diào)低F ;如果飽和度低于一定閾值Smin,則調(diào)高F。步驟S305:虹膜圖像清晰度判別。根據(jù)調(diào)整后的清晰度F判斷當前圖像的清晰度是否滿足要求。如果F大于給定的閾值Fth，則表明該圖像清晰度合格，否則為不合格，返回圖1中的步驟SlOl進行調(diào)整或重新采集。虹膜圖像運動模糊判斷圖4a示出了虹膜圖像運動模糊判斷(圖1中所示的步驟S104)的具體方法流程。圖4b示出了運動模糊的虹膜圖像，圖4c (a)是一個運動模糊圖像中光斑的示意圖，其中紅線表示該光斑的一維邊界曲線。圖4c (b)是計算了從水平方向開始，沿逆時針計算的一維邊界曲線上等間隔采樣點到光斑中心的距離。圖4c (c)是邊界曲線采樣點到光斑距離的統(tǒng)計直方圖。在采集使用者的虹膜圖像時，有些場合可能使用者并不處于完全靜止的狀態(tài)，例如對人流進行快速的安全檢測。還有的情況下，使用者可能在采集虹膜圖像時晃動。這都會造成采集到的虹膜圖像出現(xiàn)模糊的不利情況，因此還要進行虹膜圖像的運動模糊判斷，包括下述子步驟:步驟S401:獲取有效的光斑區(qū)域信息。在定位結(jié)果的基礎(chǔ)上，結(jié)合步驟S102得到的光斑信息，獲得每個光斑的信息，包括每個光斑區(qū)域上每個像素點的坐標等。步驟S402:通過形狀分析的方法判斷當前圖像運動模糊的程度。如圖2a和圖4b對比所示，在沒有運動模糊的圖像(圖2a)中，光斑的形狀是近似圓形的。而在運動模糊的圖像(圖4b)中，光斑由于運動模糊會呈現(xiàn)長條狀。因此，通過光斑區(qū)域的形狀分析即可判斷當前圖像是否存在運動模糊。除常規(guī)的形狀分析方法，本發(fā)明提供兩種形狀分析算法，一種是基于形狀矩的方法，另一種是基于傅里葉描述子的方法。下面分別作闡述。基于形狀矩的虹膜圖像運動模糊檢測方法的步驟如下:a)計算得到當前光斑區(qū)域的重心，計算公式如下:
權(quán)利要求
1.一種級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法，包括如下步驟: a)虹膜圖像采集； b)虹膜圖像定位及位置判斷，若判斷出定位不成功或位置不合適，則返回步驟a)重新米集； c)基于圖像飽和度的自適應(yīng)調(diào)整對虹膜圖像清晰度進行判斷，若判斷出清晰度不符合要求，則返回步驟a)重新采集； d)基于光斑形狀的分析對虹膜圖像運動模糊判斷，若判斷出虹膜圖像存在運動模糊，則返回步驟a)重新采集； e)基于區(qū)域的加權(quán)對虹膜圖像遮擋度進行判斷 ，若判斷出虹膜圖像存在嚴重遮擋，則返回步驟a)重新采集。
2.根據(jù)權(quán)利要求1的方法，其中在所述步驟b)包含下列子步驟: bl)檢測和判別虹膜圖像中的光斑，并結(jié)合光斑的位置和大小判別光斑是否為真實的； b2)檢測虹膜圖像中瞳孔候選區(qū)域； b3)融合bl)的光斑檢測分析結(jié)果和b2)的瞳孔候選區(qū)域檢測結(jié)果； b4)基于積分差分算法得到虹膜的定位結(jié)果； b5)基于b4)的結(jié)果判定虹膜的位置。
3.根據(jù)權(quán)利要求1的方法，其中在所述步驟c)包含下列子步驟: Cl)計算虹膜圖像的全圖清晰度； c2)計算虹膜圖像的感興趣區(qū)域的清晰度； c3)通過線性加權(quán)的方式融合Cl)的全圖清晰度和c2)的感興趣區(qū)域的清晰度；c4)通過對圖像直方圖進行線性加權(quán)來計算虹膜圖像的飽和度；c5)根據(jù)c4)計算得到的虹膜圖像飽和度，對c3)中融合得到的虹膜圖像的清晰度進行自適應(yīng)調(diào)整； c6)對在c5)中調(diào)整后的虹膜圖像清晰度進行判別。
4.根據(jù)權(quán)利要求3的方法，其中所述感興趣區(qū)域為以虹膜中心為中心，以0.9-2倍的虹膜直徑為邊長的矩形區(qū)域。
5.根據(jù)權(quán)利要求1的方法，其中在所述步驟d)包含下列子步驟: dl)在所述步驟b)的基礎(chǔ)上獲取有效的光斑區(qū)域信息； d2)通過形狀分析的方法判斷當前圖像運動模糊的程度。
6.根據(jù)權(quán)利要求5的方法，其中所述步驟d2)的形狀分析方法為形狀矩方法或基于傅里葉描述子的方法。
7.根據(jù)權(quán)利要求1的方法，其中在所述步驟e)包含下列子步驟: el)檢測眼皮的邊界點； e2)對眼皮邊界進行二次拋物線曲線擬合； e3)分別計算上、下眼皮的遮擋比例； e4)采用線性加權(quán)的方式對e3)計算得到的上、下眼皮遮擋比例進行融合； e5)根據(jù)e4)的融合結(jié)果判別虹膜圖像的遮擋度。
8.根據(jù)權(quán)利要求7的方法，其中在所述步驟e4)中線性加權(quán)的權(quán)重因子是可調(diào)整的。
9.根據(jù)權(quán)利要求7的方法，其中在所述步驟e4)中下眼皮的遮擋程度高于上眼皮。
10.根據(jù)權(quán)利要求1的方法，其中在所述步驟c)、d)和e)的順序可交換。
全文摘要
本發(fā)明提供了一種級聯(lián)的視頻流虹膜圖像質(zhì)量檢測方法，包括如下步驟a)虹膜圖像采集；b)虹膜圖像定位及位置判斷，若判斷出定位不成功或位置不合適，則返回步驟a)重新采集；c)基于圖像飽和度的自適應(yīng)調(diào)整對虹膜圖像清晰度進行判斷，若判斷出清晰度不符合要求，則返回步驟a)重新采集；d)基于光斑形狀的分析對虹膜圖像運動模糊判斷，若判斷出虹膜圖像存在運動模糊，則返回步驟a)重新采集；e)基于區(qū)域的加權(quán)對虹膜圖像遮擋度進行判斷，若判斷出虹膜圖像存在嚴重遮擋，則返回步驟a)重新采集。本發(fā)明的虹膜圖像質(zhì)量檢測方法可應(yīng)用于復(fù)雜場景，為一種快速、準確的級聯(lián)式虹膜圖像質(zhì)量檢測方法。
文檔編號G06K9/20GK103077386SQ201310048340
公開日2013年5月1日 申請日期2013年2月6日 優(yōu)先權(quán)日2013年2月6日
發(fā)明者何召鋒, 李志林, 邱顯超, 馬力 申請人:北京中科虹霸科技有限公司