專利名稱：一種基于邊緣梯度方向金字塔直方圖的虹膜識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域，涉及虹膜特征提取和識(shí)別技術(shù)。
背景技術(shù)：
生物特征識(shí)別技術(shù)是為了進(jìn)行身份驗(yàn)證而采用自動(dòng)技術(shù)測(cè)量其身體的特征或是個(gè)人的行為特點(diǎn)，并將這些特征或特點(diǎn)與數(shù)據(jù)庫(kù)的模板數(shù)據(jù)進(jìn)行比較，完成認(rèn)證的一種解決方案?，F(xiàn)今，虹膜作為個(gè)人身份識(shí)別標(biāo)志已經(jīng)得到公認(rèn)，它與生俱來，不易丟失，不易受損，易于識(shí)別，是高安全級(jí)別應(yīng)用中進(jìn)行身份認(rèn)證的理想手段，相比與其它識(shí)別技術(shù)，虹膜識(shí)別技術(shù)具有更高的準(zhǔn)確性，有統(tǒng)計(jì)表明，虹膜識(shí)別的錯(cuò)誤率在各種生物特征識(shí)別中是最低的。作為生物識(shí)別技術(shù)中最具有推廣價(jià)值技術(shù)之一，虹膜識(shí)別技術(shù)在網(wǎng)絡(luò)，銀行，證券，醫(yī)療和保險(xiǎn)等行業(yè)得到了廣泛的應(yīng)用。隨著虹膜采集設(shè)備的發(fā)展，個(gè)人的虹膜信息的獲得更為方便和快捷，虹膜識(shí)別技術(shù)可以在更廣泛的領(lǐng)域中得以發(fā)展。在虹膜自動(dòng)識(shí)別系統(tǒng)中，虹膜圖像的特征提取扮演著關(guān)鍵的角色，它關(guān)系到整個(gè)識(shí)別系統(tǒng)的效率和性能。它主要是把高維的圖像數(shù)據(jù)轉(zhuǎn)換為若干具有代表性的特征，并采用相似度或則距離來對(duì)各類特征進(jìn)行分類。目前，常用的虹膜圖像的特征提取和識(shí)別方法有(1)Daugman[]提出的基于2D Gabor函數(shù)來提取歸一化圖像的信息，得到相應(yīng)的虹膜編碼，并對(duì)編碼進(jìn)行異或操作，完成分類過程。High Confidence Visual Recognition of personsBy a Test of StatisticalIndependence, IEEE Trans. On Pattern Analysis and Machine Intelligence, Vol. 15，No. 11，pp. 1148—1161，1993(2)ffild使用具有4層分辨率的Laplacian金字塔來提取虹膜特征，使用Fisher 線性分類器進(jìn)行模式分類。RWildes, J. Asmuth. A machine-vision system for iris recognition. MachineVision and Applications,1996,91—8(3)Boles提出的將在虹膜紋理圖像上提取的紋理特征看作以為信號(hào)，利用在不同尺度下的小波變換來分解信號(hào)，小波變換系數(shù)的果嶺便是被提取用于刻畫虹膜的紋理特征。W.W.Boies, J. Asmuth, A Human Identification Technique Using Imagine of the Iris and WaveletTransform,IEEE trans,on Signal Processing,Vo. 446,pp. 1185-1188, 1998(4)Li Ma提出了一種簡(jiǎn)單有效的虹膜特征提取方法，該方法主要是通過選擇歸一化圖像的主要灰度信息構(gòu)成一維特征矢量，然后記錄這個(gè)一維特征矢量小波變化活的值的突變點(diǎn)，最后記錄的這些位置向量進(jìn)行異或，來區(qū)分是否是同一個(gè)人的虹膜。LiMa， TieniTan,YunhongWang,DexinZhang， 〃 EfficientIrisReocgnition by Characterizing keyLocalVariations“，IEEEtraps,onlmageProcessing，vol. 13，No. 6，pp. 739-750，2004.上述算法從不同角度切入提取特征，且各自都有優(yōu)缺點(diǎn)和適用的范圍。至今還沒有哪一種算法可以說在各個(gè)方面都優(yōu)于其它算法，所以虹膜特征提取仍然具有很高的研究?jī)r(jià)值。

發(fā)明內(nèi)容
本發(fā)明把在場(chǎng)景分類中廣泛應(yīng)用的BOW模型和金字塔匹配核結(jié)合起來，提出了邊緣梯度方向金字塔直方圖的虹膜特征提取方法，通過大量的實(shí)驗(yàn)論證了該方法良好的性能，同時(shí)，該方法最大的特點(diǎn)就是效率高，在特征提取和識(shí)別兩個(gè)環(huán)節(jié)所需的計(jì)算量都很小，滿足實(shí)時(shí)性虹膜識(shí)別系統(tǒng)對(duì)效率的要求。本發(fā)明的詳細(xì)技術(shù)方案為一種基于邊緣梯度方向金字塔直方圖的虹膜識(shí)別方法，如

圖1所示，包括虹膜樣本特征提取過程和虹膜識(shí)別過程；所述虹膜樣本特征提取過程包括以下步驟步驟1 原始虹膜樣本圖像預(yù)處理。對(duì)虹膜采集裝置所采集的原始虹膜樣本圖像進(jìn)行包括歸一化、去噪和灰度校正的預(yù)處理，將原始虹膜圖像歸一化成64X512像素大小、去除了睫毛和眼瞼、且灰度等級(jí)為
的有效虹膜區(qū)域圖像。步驟2 采用sobel算子提取邊緣像素點(diǎn)，并保留強(qiáng)邊緣像素點(diǎn)。步驟2-1 提取邊緣像素點(diǎn)。采用水平和垂直方向的兩個(gè)Sobel邊緣提取算子來提
_-1 -2 -1
取有效虹膜區(qū)域圖像的邊緣像素點(diǎn)，其中水平方向的Sobel邊緣提取算子為
垂直方向的Sobel邊緣提取算子為
-1 0 1 -2 0 2 -1 0 1
0 0 0 1 2 1
；用foe表示水平方向梯度、Gy表示垂直方向
梯度，則每個(gè)邊緣像素點(diǎn)的梯度向量表示為(Gx，Gy)，其模表示為( ^^ =(它+ 2)1/2，梯度方向?yàn)?θ = arctan(Gy/Gx) ο步驟2-2 保留強(qiáng)邊緣像素點(diǎn)。將Grad > 0. 2的邊緣像素點(diǎn)判定為強(qiáng)邊緣像素點(diǎn)， 將所有強(qiáng)邊緣像素點(diǎn)灰度值設(shè)為1，其它像素點(diǎn)設(shè)為0，得到二值化強(qiáng)邊緣像素點(diǎn)圖像。步驟3 對(duì)步驟2-2所得二值化強(qiáng)邊緣像素點(diǎn)圖像中的強(qiáng)邊緣像素點(diǎn)按梯度方向進(jìn)行分類。將梯度方向θ在
的有效虹膜區(qū)域圖像。步驟7 對(duì)步驟6所得待識(shí)別虹膜圖像的有效虹膜區(qū)域圖像按照步驟2至步驟5所述的方法提取待識(shí)別虹膜圖像的虹膜特征，即將待識(shí)別虹膜圖像映射成由四層邊緣梯度方向直方圖集構(gòu)成的金字塔直方圖，并作歸一化處理，作為待識(shí)別虹膜圖像的虹膜特征；將待識(shí)別虹膜圖像的四層邊緣梯度方向直方圖集記為第一層直方圖集甩⑴、H1y(T)、…、^(31), H1r(32)·,第二層直方圖集 42(1)、Hj(I),…、Hl(Ill), //72(128)；第三層直方圖集對(duì)⑴、H3y(I)、…、^(511), H3r(5\2)；第四層直方圖集 H4Y{\) > H4r {2),…、//74(1023), /Z74 (1024)。步驟6 按照金字塔匹配核求虹膜樣本圖像與待識(shí)別虹膜圖像之間的相似度。步驟6-1 每層直方圖集中每個(gè)直方圖子塊的金字塔核計(jì)算。根據(jù)虹膜樣本圖像的金字塔直方圖和待識(shí)別虹膜圖像的金字塔直方圖，計(jì)算虹膜樣本圖像金字塔直方圖集和待識(shí)別虹膜圖像金字塔直方圖集中每個(gè)直方圖子塊的金字塔核，即虹膜樣本圖像金字塔直方圖集和待識(shí)別虹膜圖像金字塔直方圖集中每個(gè)對(duì)應(yīng)直方圖子塊中相同類型強(qiáng)邊緣點(diǎn)的匹配總數(shù)J ；其中J = J^+J^+J^+J4'",!!!= 1,2, L，8 J1’"1、J2’ m、J3’m和J4’m分別表示虹膜樣本圖像金字塔直方圖集和待識(shí)別虹膜圖像金字塔直方圖集中每一層直方圖集中m類型強(qiáng)邊緣點(diǎn)的匹配數(shù)目；而第1層直方圖集中m類型強(qiáng)邊緣點(diǎn)的匹配數(shù)目Γu用直方圖交叉公式來表示為
權(quán)利要求
1. 一種基于邊緣梯度方向金字塔直方圖的虹膜識(shí)別方法，包括虹膜樣本特征提取過程和虹膜識(shí)別過程；所述虹膜樣本特征提取過程包括以下步驟 步驟1 原始虹膜樣本圖像預(yù)處理；對(duì)虹膜采集裝置所采集的原始虹膜樣本圖像進(jìn)行包括歸一化、去噪和灰度校正的預(yù)處理，將原始虹膜圖像歸一化成64X512像素大小、去除了睫毛和眼瞼、且灰度等級(jí)為
的有效虹膜區(qū)域圖像；步驟2 采用sobel算子提取邊緣像素點(diǎn)，并保留強(qiáng)邊緣像素點(diǎn)； 步驟2-1 提取邊緣像素點(diǎn)；采用水平和垂直方向的兩個(gè)Sobel邊緣提取算子來提取有效虹膜區(qū)域圖像的邊緣像素點(diǎn)，其中水平方向的Sobel邊緣提取算子為
全文摘要
一種基于邊緣梯度方向金字塔直方圖的虹膜識(shí)別方法，屬于計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域。本方法針對(duì)虹膜樣本圖像和待識(shí)別虹膜圖像首先對(duì)歸一化的虹膜圖像進(jìn)行去噪和灰度校正；然后采用水平方向和垂直方向的sobel算子提取邊緣像素點(diǎn)、并保留強(qiáng)邊緣點(diǎn)；再按邊緣點(diǎn)的梯度方向把其分為8類；接著把邊緣圖映射成一個(gè)多分辨率、多維的直方圖集；再依據(jù)金字塔匹配核公式計(jì)算虹膜樣本圖像和待識(shí)別虹膜圖像兩個(gè)直方圖集的相關(guān)量，從而獲得兩張虹膜圖像的相似度；最后根據(jù)相似度門限判斷待識(shí)別虹膜圖像與虹膜樣本圖像是否一致。本發(fā)明能獲得理想的識(shí)別率的同時(shí)，大大減小了特征提取和識(shí)別的運(yùn)算時(shí)間，對(duì)虹膜識(shí)別的嵌入式的應(yīng)用有很大意義。
文檔編號(hào)G06K9/36GK102194114SQ20111017376
公開日2011年9月21日 申請(qǐng)日期2011年6月25日 優(yōu)先權(quán)日2011年6月25日
發(fā)明者嚴(yán)有波, 解梅 申請(qǐng)人:電子科技大學(xué)