一種應(yīng)用于虹膜識(shí)別的編碼方法及系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明涉及一種應(yīng)用于虹膜識(shí)別的編碼方法，包括：步驟1：加載物體的眼睛圖片，獲取虹膜圖像；步驟2：對(duì)所述虹膜圖像進(jìn)行分割，根據(jù)具體需求提取出需要處理的區(qū)域得到待處理圖像；步驟3：對(duì)待處理圖像進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，使待處理圖像從空間域轉(zhuǎn)換為頻率域，得到待處理數(shù)據(jù)；步驟4：加載最優(yōu)參數(shù)集，基于最優(yōu)參數(shù)集對(duì)待處理數(shù)據(jù)進(jìn)行濾波操作，得到相位信號(hào)和幅值信號(hào)；步驟5：將相位信號(hào)和幅值信號(hào)進(jìn)行編碼為計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)，得到對(duì)應(yīng)的生物編碼。本發(fā)明增加分類(lèi)器的置信水平從而提高匹配過(guò)程的穩(wěn)定性；利用一個(gè)二值分類(lèi)器來(lái)判斷兩個(gè)編碼是否源于相同的人眼，該二值分類(lèi)器從離線的相位編碼得到多級(jí)置信值。
【專(zhuān)利說(shuō)明】—種應(yīng)用于虹膜識(shí)別的編碼方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種應(yīng)用于虹膜識(shí)別的編碼方法及系統(tǒng)，屬于生物識(shí)別【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002]生物識(shí)別是用生物特征識(shí)別個(gè)人身份的一種技術(shù)。生物特征包括指紋、手形、視網(wǎng)膜、虹膜、臉等形體特征以及簽名、聲音、步態(tài)、擊鍵等行為特征。在這些生物特征中，虹膜識(shí)別是最有發(fā)展?jié)摿Φ募夹g(shù)之一。由于其精確、穩(wěn)定、可靠、安全的獨(dú)特性，預(yù)計(jì)到2020年，虹膜識(shí)別將成為最常用的身份識(shí)別技術(shù)。
[0003]虹膜是位于角膜和晶狀體之間的薄薄的一圈括約肌，它有多層結(jié)構(gòu):最底下的是含有很多色素細(xì)胞的上皮層；位于上皮層上部的是含有血管，色素細(xì)胞核肌肉的基質(zhì)層，基質(zhì)色素的密度決定了虹膜的顏色；外部可見(jiàn)的虹膜有兩個(gè)不同的區(qū)域:外部睫狀區(qū)和內(nèi)部瞳孔區(qū)，這兩個(gè)區(qū)域通常顏色不同，并且被睫狀區(qū)分開(kāi)，顯現(xiàn)出紋理圖案。每個(gè)人的虹膜紋理都是不同的。
[0004]自1985年以來(lái)，基于個(gè)體虹膜生物特征的身份識(shí)別技術(shù)和方法相繼在不同的文獻(xiàn)中被報(bào)道(1992 年 DAUGMA ; 1997 年 WILDES ;2002 年 HUANG，LUO 等；2002 年 MA 等)，這些技術(shù)和方法的主要區(qū)別在于:
[0005]圖像預(yù)處理和圖像增強(qiáng)算法；
[0006]圖像中感興趣區(qū)域的分割算法；
[0007]特征定義及其提取過(guò)程；
[0008]特征編碼算法；
[0009]匹配方法；
[0010]識(shí)別過(guò)程大體上分為以下幾個(gè)過(guò)程:首先，獲取人眼圖像。然后分離出人眼，再用復(fù)雜的圖像處理算法定位出虹膜的內(nèi)外邊界。另外，采用去噪算法去除圖像中的眼瞼、眼睫毛和反光點(diǎn)，從而去除其對(duì)編碼分析的影響。一旦虹膜被定位分割出來(lái)，就用數(shù)學(xué)算法對(duì)其進(jìn)行編碼，該編碼保存了虹膜獨(dú)特的特性。雖然在不同的時(shí)間和不同的條件下，任何兩幅圖像都不會(huì)完全相同，該算法能驗(yàn)證出這兩幅虹膜圖像是否屬于同一個(gè)人。
[0011]在這些步驟中，虹膜的編碼與匹配時(shí)虹膜識(shí)別中重要的一步，編碼是指將輸入圖像的虹膜紋理特征用計(jì)算的方式合適的表示出來(lái)，這樣計(jì)算機(jī)才能對(duì)虹膜進(jìn)行對(duì)比匹配操作。
[0012]到目前為止，已公開(kāi)的算法中，最有效的是Daugman在1992年提出的算法，在該算法中，他將Gabor濾波器的相位輸出作為比較的特征，用異或算子(XOR)和哈明距離(Hamming Distance)來(lái)判定兩個(gè)表征是否為同一個(gè)眼睛,這是現(xiàn)今大部分商用虹膜識(shí)別所采用的方法。然后Daugman的算法(我們稱(chēng)之為經(jīng)典算法)有一個(gè)缺點(diǎn)是將特征看作相互獨(dú)立，從而在特征比對(duì)過(guò)程中，不考慮鄰域特征的影響。


【發(fā)明內(nèi)容】

[0013]本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種對(duì)幅值和相位都進(jìn)行編碼，可以增加分類(lèi)器的置信水平從而提高匹配過(guò)程的穩(wěn)定性的應(yīng)用于虹膜識(shí)別的編碼方法及系統(tǒng)。
[0014]本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下:一種應(yīng)用于虹膜識(shí)別的編碼方法，具體包括以下步驟:
[0015]步驟1:加載物體的眼睛圖片，獲取虹膜圖像；
[0016]步驟2:對(duì)所述虹膜圖像進(jìn)行分割，根據(jù)具體需求提取出需要處理的區(qū)域得到待處理圖像；
[0017]步驟3:對(duì)待處理圖像進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，使待處理圖像從空間域轉(zhuǎn)換為頻率域，得到待處理數(shù)據(jù)；
[0018]步驟4:加載最優(yōu)參數(shù)集，基于最優(yōu)參數(shù)集對(duì)待處理數(shù)據(jù)進(jìn)行濾波操作，得到相位信號(hào)和幅值信號(hào)；
[0019]步驟5:將相位信號(hào)和幅值信號(hào)進(jìn)行編碼為計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)，得到對(duì)應(yīng)的生物編碼。
[0020]本發(fā)明的有益效果是:本發(fā)明對(duì)1g-Gabor濾波器濾波器輸出的幅值和相位都進(jìn)行了編碼，這可以增加分類(lèi)器的置信水平從而提高匹配過(guò)程的穩(wěn)定性。利用一個(gè)二值分類(lèi)器來(lái)判斷兩個(gè)編碼是否源于相同的人眼，該二值分類(lèi)器從離線的相位編碼得到多級(jí)置信值。每次對(duì)兩個(gè)編碼進(jìn)行匹配時(shí)，根據(jù)它們的幅值元素，我們從置信值集中選擇一個(gè)最適合的值，本算法對(duì)不同的編碼對(duì)匹配時(shí)會(huì)自調(diào)整，使得分類(lèi)的性能更好。
[0021]在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。
[0022]進(jìn)一步，所述步驟2中得到待處理圖像后，對(duì)待處理圖像進(jìn)行坐標(biāo)變換。
[0023]采用上述進(jìn)一步方案的有益效果是，坐標(biāo)變換能簡(jiǎn)化處理過(guò)程，不需要每次都計(jì)算三角函數(shù)就能讀出所需的像素值。
[0024]進(jìn)一步，所述步驟4中的最優(yōu)參數(shù)集的獲取方法包括以下步驟:
[0025]步驟a:下載ground-truth的表征集,提取得到ground-truth的表征集中的所有編碼；
[0026]步驟b:對(duì)所有編碼進(jìn)行傅里葉變換得到濾波器的參數(shù)集；
[0027]步驟c:對(duì)濾波器的參數(shù)集進(jìn)行在預(yù)設(shè)取值中隨機(jī)取值，得到新參數(shù)集；
[0028]步驟d:用新參數(shù)集對(duì)ground-truth的表征集中的所有編碼執(zhí)行1g-Gabor變換得到新編碼；
[0029]步驟e:將新編碼一一進(jìn)行(N:N)比對(duì)，統(tǒng)計(jì)新參數(shù)集下匹配階段的性能，并得到對(duì)應(yīng)新參數(shù)集的分類(lèi)錯(cuò)誤率；
[0030]步驟f:判斷參數(shù)集的預(yù)設(shè)取值是否還有未進(jìn)行取值的，如果是，執(zhí)行步驟c ;否貝U，執(zhí)行步驟g;
[0031]步驟g:從所有新參數(shù)集中選出分類(lèi)錯(cuò)誤率最低的最優(yōu)參數(shù)集；
[0032]步驟h:根據(jù)最優(yōu)參數(shù)集得到對(duì)應(yīng)的置信水平集，結(jié)束。
[0033]采用上述進(jìn)一步方案的有益效果是，(N:N)比對(duì)是將所有編碼的各種性能全部進(jìn)行互相比對(duì)(比如說(shuō)足球比賽，每一支隊(duì)伍都要和所有其他隊(duì)伍進(jìn)行對(duì)決)，N:N比對(duì)能夠得到最全面的信息集。
[0034]進(jìn)一步，所述參數(shù)集包括頻率、帶寬和方向，所述頻率、帶寬和方向分別具有至少一個(gè)預(yù)設(shè)取值；
[0035]所述對(duì)參數(shù)集進(jìn)行初始化是指頻率、帶寬和方向隨機(jī)分別從其預(yù)設(shè)取值中的選取一個(gè)值。
[0036]進(jìn)一步，所述頻率的預(yù)設(shè)取值共8個(gè)，分別為1/16、2/16、3/16、4/16、5/16、6/16、7/16 和 8/16 ；
[0037]所述帶寬的預(yù)設(shè)取值共26 個(gè)，分別為 0.75,0.8,0.85,0.9,0.95,1.0,1.05,1.1、
1.15、1.2、1.25、1.3、1.35、1.4、1.45、1.5、1.55、1.6、1.65、1.7、1.75、1.8、1.85、1.9、1.95和 2.0 ;
[0038]所述方向的預(yù)設(shè)取值共9個(gè)，分別為U22.5,45,67.5,90,112.5、135、157.5和180。
[0039]本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下:一種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng)，包括加載模塊、分割模塊、變換模塊、加載最優(yōu)模塊和編碼模塊；
[0040]所述加載模塊用于加載物體的眼睛圖片，獲取虹膜圖像；
[0041]所述分割模塊用于對(duì)所述虹膜圖像進(jìn)行分割，根據(jù)具體需求提取出需要處理的區(qū)域得到待處理圖像；
[0042]所述變換模塊用于對(duì)待處理圖像進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，使待處理圖像從空間域轉(zhuǎn)換為頻率域，得到待處理數(shù)據(jù)；
[0043]所述加載最優(yōu)模塊用于加載最優(yōu)參數(shù)集，基于最優(yōu)參數(shù)集對(duì)待處理數(shù)據(jù)進(jìn)行濾波操作，得到相位信號(hào)和幅值信號(hào)；
[0044]所述編碼模塊將相位信號(hào)和幅值信號(hào)進(jìn)行編碼為計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)，得到對(duì)應(yīng)的生物編碼。
[0045]本發(fā)明的有益效果是:本發(fā)明對(duì)1g-Gabor濾波器濾波器輸出的幅值和相位都進(jìn)行了編碼，這可以增加分類(lèi)器的置信水平從而提高匹配過(guò)程的穩(wěn)定性。利用一個(gè)二值分類(lèi)器來(lái)判斷兩個(gè)編碼是否源于相同的人眼，該二值分類(lèi)器從離線的相位編碼得到多級(jí)置信值。每次對(duì)兩個(gè)編碼進(jìn)行匹配時(shí)，根據(jù)它們的幅值元素，我們從置信值集中選擇一個(gè)最適合的值，本算法對(duì)不同的編碼對(duì)匹配時(shí)會(huì)自調(diào)整，使得分類(lèi)的性能更好。
[0046]在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。
[0047]進(jìn)一步，所述分割模塊中得到待處理圖像后，對(duì)待處理圖像進(jìn)行坐標(biāo)變換。
[0048]采用上述進(jìn)一步方案的有益效果是，坐標(biāo)變換能簡(jiǎn)化處理過(guò)程，不需要每次都計(jì)算三角函數(shù)就能讀出所需的像素值。
[0049]進(jìn)一步，所述加載模塊中加載的最優(yōu)參數(shù)集的獲取系統(tǒng)包括編碼獲取模塊、傅里葉變換模塊、隨機(jī)取值模塊、1g-Gabor變換模塊、比對(duì)模塊、最優(yōu)選擇模塊和置信水平模塊；
[0050]所述編碼獲取模塊用于下載ground-truth的表征集,提取得到ground-truth的表征集中的所有編碼；
[0051]所述傅里葉變換模塊用于對(duì)所有編碼進(jìn)行傅里葉變換得到濾波器的參數(shù)集；
[0052]所述隨機(jī)取值模塊用于對(duì)濾波器的參數(shù)集進(jìn)行在預(yù)設(shè)取值中隨機(jī)取值，直到將所有預(yù)設(shè)取值進(jìn)行取值，得到多個(gè)新參數(shù)集；
[0053]所述1g-Gabor變換模塊用多個(gè)新參數(shù)集分別對(duì)ground-truth的表征集中的所有編碼執(zhí)行1g-Gabor變換得到多個(gè)新編碼；
[0054]所述比對(duì)模塊用于將多個(gè)新編碼分別一一進(jìn)行(N:N)比對(duì)，統(tǒng)計(jì)所有新參數(shù)集下匹配階段的性能，并得到分別對(duì)應(yīng)所有新參數(shù)集的多個(gè)分類(lèi)錯(cuò)誤率；
[0055]所述最優(yōu)選擇模塊用于從所有新參數(shù)集中分類(lèi)錯(cuò)誤率最低的最優(yōu)參數(shù)集；
[0056]所述置信水平模塊用于根據(jù)最優(yōu)參數(shù)集得到對(duì)應(yīng)的置信水平集。
[0057]進(jìn)一步，所述參數(shù)集包括頻率、帶寬和方向，所述頻率、帶寬和方向分別具有至少一個(gè)預(yù)設(shè)取值；
[0058]所述對(duì)參數(shù)集進(jìn)行初始化是指頻率、帶寬和方向隨機(jī)分別從其預(yù)設(shè)取值中的選取一個(gè)值。
[0059]進(jìn)一步，所述頻率的預(yù)設(shè)取值共8個(gè)，分別為1/16、2/16、3/16、4/16、5/16、6/16、7/16 和 8/16 ；
[0060]所述帶寬的預(yù)設(shè)取值共26 個(gè)，分別為 0.75,0.8,0.85,0.9,0.95,1.0,1.05,1.1、
1.15、1.2、1.25、1.3、1.35、1.4、1.45、1.5、1.55、1.6、1.65、1.7、1.75、1.8、1.85、1.9、1.95和 2.0 ;
[0061]所述方向的預(yù)設(shè)取值共9個(gè)，分別為U22.5,45,67.5,90,112.5、135、157.5和180。
[0062]與經(jīng)典算法只用相位信息表征虹膜的方法不同，我們將經(jīng)濾波處理的虹膜圖像的幅值及相位信息都用于表征虹膜模型。另外，現(xiàn)已公開(kāi)的所有方法，都采用了固定的濾波參數(shù)集，判別分類(lèi)器只有一個(gè)置信水平。本公開(kāi)算法則采用了幅值和相位兩種信號(hào)，可以動(dòng)態(tài)地選擇與虹膜編碼比對(duì)最適合的置信水平。置信水平和濾波處理過(guò)程中用到的參數(shù)是在編碼的離線學(xué)習(xí)中得到的。這一特征使得算法能不斷更新，適應(yīng)被比較的表征的質(zhì)量，使得我們的虹膜識(shí)別的算法性能更優(yōu)。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0063]圖1為本發(fā)明所述的一種應(yīng)用于虹膜識(shí)別的編碼方法的流程圖；
[0064]圖2為本發(fā)明所述步驟4中的最優(yōu)參數(shù)集的獲取方法的流程圖；
[0065]圖3為本發(fā)明所述的一種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng)的結(jié)構(gòu)框圖；
[0066]圖4為本發(fā)明加載最優(yōu)模塊4中加載的最優(yōu)參數(shù)集的獲取系統(tǒng)的結(jié)構(gòu)框圖。
[0067]附圖中，各標(biāo)號(hào)所代表的部件列表如下:
[0068]1、加載模塊，2、分割模塊，3、變換模塊，4、加載最優(yōu)模塊，5、編碼模塊，6、編碼獲取模塊，7、傅里葉變換模塊，8、隨機(jī)取值模塊，9、1g-Gabor變換模塊，10、比對(duì)模塊，11、最優(yōu)選擇模塊，12、置信水平模塊。

【具體實(shí)施方式】
[0069]以下結(jié)合附圖對(duì)本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。
[0070]如圖1所示，為本發(fā)明所述的一種應(yīng)用于虹膜識(shí)別的編碼方法，具體包括以下步驟:
[0071]步驟1:加載物體的眼睛圖片，獲取虹膜圖像；
[0072]步驟2:對(duì)所述虹膜圖像進(jìn)行分割，根據(jù)具體需求提取出需要處理的區(qū)域得到待處理圖像；
[0073]步驟3:對(duì)待處理圖像進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，使待處理圖像從空間域轉(zhuǎn)換為頻率域，得到待處理數(shù)據(jù)；
[0074]步驟4:加載最優(yōu)參數(shù)集，基于最優(yōu)參數(shù)集對(duì)待處理數(shù)據(jù)進(jìn)行濾波操作，得到相位信號(hào)和幅值信號(hào)；
[0075]步驟5:將相位信號(hào)和幅值信號(hào)進(jìn)行編碼為計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)，得到對(duì)應(yīng)的生物編碼。
[0076]所述步驟2中得到待處理圖像后，對(duì)待處理圖像進(jìn)行坐標(biāo)變換，坐標(biāo)變換能簡(jiǎn)化處理過(guò)程，不需要每次都計(jì)算三角函數(shù)就能讀出所需的像素值。
[0077]如圖2所示，為本發(fā)明所述步驟4中的最優(yōu)參數(shù)集的獲取方法包括以下步驟:
[0078]步驟a:下載ground-truth的表征集,提取得到ground-truth的表征集中的所有編碼；
[0079]步驟b:對(duì)所有編碼進(jìn)行傅里葉變換得到濾波器的參數(shù)集；
[0080]步驟c:對(duì)濾波器的參數(shù)集進(jìn)行在預(yù)設(shè)取值中隨機(jī)取值，得到新參數(shù)集；
[0081]步驟d:用新參數(shù)集對(duì)ground-truth的表征集中的所有編碼執(zhí)行1g-Gabor變換得到新編碼；
[0082]步驟e:將新編碼一一進(jìn)行(N:N)比對(duì)，統(tǒng)計(jì)新參數(shù)集下匹配階段的性能，并得到對(duì)應(yīng)新參數(shù)集的分類(lèi)錯(cuò)誤率；
[0083]步驟f:判斷參數(shù)集的預(yù)設(shè)取值是否還有未進(jìn)行取值的，如果是，執(zhí)行步驟c ;否貝U，執(zhí)行步驟g;
[0084]步驟g:從所有新參數(shù)集中選出分類(lèi)錯(cuò)誤率最低的最優(yōu)參數(shù)集；
[0085]步驟h:根據(jù)最優(yōu)參數(shù)集得到對(duì)應(yīng)的置信水平集，結(jié)束。
[0086](N:N)比對(duì)是將所有編碼的各種性能全部進(jìn)行互相比對(duì)(比如說(shuō)足球比賽，每一支隊(duì)伍都要和所有其他隊(duì)伍進(jìn)行對(duì)決)，N:N比對(duì)能夠得到最全面的信息集。
[0087]所述參數(shù)集包括頻率、帶寬和方向，所述頻率、帶寬和方向分別具有至少一個(gè)預(yù)設(shè)取值；
[0088]所述對(duì)參數(shù)集進(jìn)行初始化是指頻率、帶寬和方向隨機(jī)分別從其預(yù)設(shè)取值中的選取一個(gè)值。
[0089]所述頻率的預(yù)設(shè)取值共8個(gè)，分別為1/16、2/16、3/16、4/16、5/16、6/16、7/16和8/16 ；
[0090]所述帶寬的預(yù)設(shè)取值共26 個(gè)，分別為 0.75,0.8,0.85,0.9,0.95,1.0,1.05,1.1、
1.15、1.2、1.25、1.3、1.35、1.4、1.45、1.5、1.55、1.6、1.65、1.7、1.75、1.8、1.85、1.9、1.95和 2.0 ;
[0091]所述方向的預(yù)設(shè)取值共9個(gè)，分別為U22.5,45,67.5,90,112.5、135、157.5和180。
[0092]如圖3所示，本發(fā)明所述的一種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng)，包括加載模塊1、分割模塊2、變換模塊3、加載最優(yōu)模塊4和編碼模塊5 ；
[0093]所述加載模塊I用于加載物體的眼睛圖片，獲取虹膜圖像；
[0094]所述分割模塊2用于對(duì)所述虹膜圖像進(jìn)行分割，根據(jù)具體需求提取出需要處理的區(qū)域得到待處理圖像；
[0095]所述變換模塊3用于對(duì)待處理圖像進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，使待處理圖像從空間域轉(zhuǎn)換為頻率域，得到待處理數(shù)據(jù)；
[0096]所述加載最優(yōu)模塊4用于加載最優(yōu)參數(shù)集，基于最優(yōu)參數(shù)集對(duì)待處理數(shù)據(jù)進(jìn)行濾波操作，得到相位信號(hào)和幅值信號(hào)；
[0097]所述編碼模塊5將相位信號(hào)和幅值信號(hào)進(jìn)行編碼為計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)，得到對(duì)應(yīng)的生物編碼。
[0098]所述分割模塊2中得到待處理圖像后，對(duì)待處理圖像進(jìn)行坐標(biāo)變換；坐標(biāo)變換能簡(jiǎn)化處理過(guò)程，不需要每次都計(jì)算三角函數(shù)就能讀出所需的像素值。
[0099]如圖4所示，為本發(fā)明加載最優(yōu)模塊4中加載的最優(yōu)參數(shù)集的獲取系統(tǒng)，包括編碼獲取模塊6、傅里葉變換模塊7、隨機(jī)取值模塊8、1g-Gabor變換模塊9、比對(duì)模塊10、最優(yōu)選擇模塊11和置信水平模塊12 ；
[0100]所述編碼獲取模塊6用于下載ground-truth的表征集,提取得到ground-truth的表征集中的所有編碼；
[0101]所述傅里葉變換模塊7用于對(duì)所有編碼進(jìn)行傅里葉變換得到濾波器的參數(shù)集；
[0102]所述隨機(jī)取值模塊8用于對(duì)濾波器的參數(shù)集進(jìn)行在預(yù)設(shè)取值中隨機(jī)取值，直到將所有預(yù)設(shè)取值進(jìn)行取值，得到多個(gè)新參數(shù)集；
[0103]所述1g-Gabor變換模塊9用多個(gè)新參數(shù)集分別對(duì)ground-truth的表征集中的所有編碼執(zhí)行1g-Gabor變換得到多個(gè)新編碼；
[0104]所述比對(duì)模塊10用于將多個(gè)新編碼分別一一進(jìn)行(N:N)比對(duì)，統(tǒng)計(jì)所有新參數(shù)集下匹配階段的性能，并得到分別對(duì)應(yīng)所有新參數(shù)集的多個(gè)分類(lèi)錯(cuò)誤率；
[0105]所述最優(yōu)選擇模塊11用于從所有新參數(shù)集中分類(lèi)錯(cuò)誤率最低的最優(yōu)參數(shù)集；
[0106]所述置信水平模塊12用于根據(jù)最優(yōu)參數(shù)集得到對(duì)應(yīng)的置信水平集。
[0107]所述參數(shù)集包括頻率、帶寬和方向，所述頻率、帶寬和方向分別具有至少一個(gè)預(yù)設(shè)取值；
[0108]所述對(duì)參數(shù)集進(jìn)行初始化是指頻率、帶寬和方向隨機(jī)分別從其預(yù)設(shè)取值中的選取一個(gè)值。
[0109]所述頻率的預(yù)設(shè)取值共8個(gè)，分別為1/16、2/16、3/16、4/16、5/16、6/16、7/16和8/16 ；
[0110]所述帶寬的預(yù)設(shè)取值共26 個(gè)，分別為 0.75,0.8,0.85,0.9,0.95,1.0,1.05,1.1、
1.15、1.2、1.25、1.3、1.35、1.4、1.45、1.5、1.55、1.6、1.65、1.7、1.75、1.8、1.85、1.9、1.95和 2.0 ;
[0111]所述方向的預(yù)設(shè)取值共9個(gè)，分別為U22.5,45,67.5,90,112.5、135、157.5和180。
[0112]每次系統(tǒng)接收到一個(gè)物體，在線編碼模塊就會(huì)執(zhí)行一遍圖1中所示的算法。首先，加載模塊I加載物體的眼睛圖片，該圖片在分割模塊2中進(jìn)行分割操作，提取出感興趣的區(qū)域并進(jìn)行坐標(biāo)變換，坐標(biāo)變換能簡(jiǎn)化處理過(guò)程，不需要每次都計(jì)算三角函數(shù)就能讀出所需的像素值。接下來(lái)，算法加載最優(yōu)的參數(shù)集，該參數(shù)集是圖2中的離線學(xué)習(xí)得到的。
[0113]變換模塊3對(duì)感興趣的區(qū)域進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，將空間域轉(zhuǎn)換成頻率域，頻率域更適于濾波處理，在濾波處理過(guò)程中不會(huì)產(chǎn)生更寬的誤差。加載最優(yōu)模塊4利用先前在離線編碼過(guò)程中得到的最優(yōu)的參數(shù)集進(jìn)行濾波操作。與傳統(tǒng)的方法不同，本算法對(duì)1g-Gabor濾波器輸出的相位和幅值信號(hào)編碼成計(jì)算數(shù)據(jù)結(jié)構(gòu)，這些結(jié)構(gòu)代表了真實(shí)的生物編碼。濾波器的輸出信號(hào)的幅值和相位保存為合適的格式的描述符
[0114]首先,我們通過(guò)下載下來(lái)的ground-truth的表征集(在機(jī)器學(xué)習(xí)中，術(shù)語(yǔ)“groundtruth”指的是用于有監(jiān)督訓(xùn)練的訓(xùn)練集的正確分類(lèi)。)得到編碼和匹配的相關(guān)的主要參數(shù)。在這個(gè)集中，任意兩幅虹膜圖像的類(lèi)是已知的(在機(jī)器學(xué)習(xí)的有監(jiān)督訓(xùn)練中，每個(gè)訓(xùn)練樣本的分類(lèi)是已知的)。該算法的目的是為了自定義濾波器參數(shù)集和置信水平，這些參數(shù)會(huì)在后續(xù)步驟中用到。這個(gè)學(xué)習(xí)過(guò)程與現(xiàn)有的經(jīng)典算法完全不同，經(jīng)典算法采用一個(gè)預(yù)定義的參數(shù)集進(jìn)行編碼，而且對(duì)后續(xù)進(jìn)行的虹膜編碼的比對(duì)中，只采用一個(gè)置信水平。
[0115]本算法下載ground-truth集，然后提取所有輸入編碼的傅里葉變換。接下來(lái)，我們初始化濾波器的參數(shù)集，濾波器的參數(shù)集包括的頻率、帶寬和方向，頻率值取1/16，2/16，3/16 一直到 8/16 共 8 個(gè)值，帶寬取 0.75,0.08,0.85 一直到 2.0，共 25 個(gè)取值，方向取1、22.5、45 —直到180共8個(gè)值。初始化濾波器的參數(shù)集是指隨機(jī)選取濾波器的頻率、帶寬和方向的值。初始化結(jié)束后，算法用當(dāng)前的濾波器參數(shù)集對(duì)ground-truth集中的所有輸入循環(huán)執(zhí)行1g-Gabor變換。接下來(lái)，算法對(duì)所有可得的編碼一一進(jìn)行(N:N)比對(duì)。這個(gè)過(guò)程的目的是為了統(tǒng)計(jì)當(dāng)前參數(shù)集下匹配階段的性能，該性能是通過(guò)ROC曲線(受試者工作特征曲線(receiver operating characteristic curve,簡(jiǎn)稱(chēng)ROC曲線)，又稱(chēng)為感受性曲線(sensitivity curve))得到的,性能高表明當(dāng)前的訓(xùn)練參數(shù)集能得到好的匹配效果，相反，性能低則說(shuō)明當(dāng)前訓(xùn)練參數(shù)集得到的匹配效果差。處理模塊改變?yōu)V波器的參數(shù)集，也就是說(shuō)改變?yōu)V波器的頻率、帶寬和方向的參數(shù)。算法用新的參數(shù)集再次進(jìn)行循環(huán)計(jì)算，該過(guò)程直到參數(shù)集中的所有參數(shù)都被分析后結(jié)束(濾波器有8個(gè)頻率取值、26個(gè)帶寬取值以及9個(gè)方向取值，所以濾波器的參數(shù)集一共有8*26*9 = 1872個(gè)參數(shù)集，將這1872參數(shù)集全部計(jì)算一遍)。這個(gè)過(guò)程能生成一個(gè)包含ground-truth輸入在所有參數(shù)集下的分類(lèi)性能的信息的高維空間。下一個(gè)處理模塊從中選擇出性能最好的參數(shù)集，也就是分類(lèi)錯(cuò)誤率最低的參數(shù)集(循環(huán)過(guò)程中，將所有參數(shù)集中的參數(shù)都計(jì)算一遍，得到一個(gè)分類(lèi)錯(cuò)誤率，從這些錯(cuò)誤率中找出錯(cuò)誤率最低的那一組參數(shù))。選出的參數(shù)集和置信水平分別輸出，并分別應(yīng)用在在線階段的實(shí)際編整過(guò)程與匹配過(guò)程。與傳統(tǒng)的只使用一個(gè)置信水平的算法不同，本公開(kāi)算法能輸出多個(gè)置信水平，每一個(gè)水平對(duì)應(yīng)一個(gè)進(jìn)行N:N編碼比對(duì)的濾波器輸出的幅值梯度。濾波器參數(shù)和置信水平這兩類(lèi)輸出，將會(huì)在后續(xù)的在線編碼及匹配過(guò)程中用到。
[0116]以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種應(yīng)用于虹膜識(shí)別的編碼方法，其特征在于，具體包括以下步驟: 步驟1:加載物體的眼睛圖片，獲取虹膜圖像； 步驟2:對(duì)所述虹膜圖像進(jìn)行分割，根據(jù)具體需求提取出需要處理的區(qū)域得到待處理圖像； 步驟3:對(duì)待處理圖像進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，使待處理圖像從空間域轉(zhuǎn)換為頻率域，得到待處理數(shù)據(jù)； 步驟4:加載最優(yōu)參數(shù)集，基于最優(yōu)參數(shù)集對(duì)待處理數(shù)據(jù)進(jìn)行濾波操作，得到相位信號(hào)和幅值信號(hào)； 步驟5:將相位信號(hào)和幅值信號(hào)進(jìn)行編碼為計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)，得到對(duì)應(yīng)的生物編碼。
2.根據(jù)權(quán)利要求1所述的一種應(yīng)用于虹膜識(shí)別的編碼方法，其特征在于，所述步驟2中得到待處理圖像后，對(duì)待處理圖像進(jìn)行坐標(biāo)變換。
3.根據(jù)權(quán)利要求1或2所述的一種應(yīng)用于虹膜識(shí)別的編碼方法，其特征在于，所述步驟4中的最優(yōu)參數(shù)集的獲取方法包括以下步驟: 步驟a:下載ground-truth的表征集,提取得到ground-truth的表征集中的所有編碼； 步驟b:對(duì)所有編碼進(jìn)行傅里葉變換得到濾波器的參數(shù)集； 步驟c:對(duì)濾波器的參數(shù)集進(jìn)行在預(yù)設(shè)取值中隨機(jī)取值，得到新參數(shù)集； 步驟d:用新參數(shù)集對(duì)ground-truth的表征集中的所有編碼執(zhí)行1g-Gabor變換得到新編碼； 步驟e:將新編碼一一進(jìn)行(N:N)比對(duì)，統(tǒng)計(jì)新參數(shù)集下匹配階段的性能，并得到對(duì)應(yīng)新參數(shù)集的分類(lèi)錯(cuò)誤率； 步驟f:判斷參數(shù)集的預(yù)設(shè)取值是否還有未進(jìn)行取值的，如果是，執(zhí)行步驟c ;否則，執(zhí)行步驟g ; 步驟g:從所有新參數(shù)集中選出分類(lèi)錯(cuò)誤率最低的最優(yōu)參數(shù)集； 步驟h:根據(jù)最優(yōu)參數(shù)集得到對(duì)應(yīng)的置信水平集，結(jié)束。
4.根據(jù)權(quán)利要求3所述的一種應(yīng)用于虹膜識(shí)別的編碼方法，其特征在于，所述參數(shù)集包括頻率、帶寬和方向，所述頻率、帶寬和方向分別具有至少一個(gè)預(yù)設(shè)取值； 所述對(duì)參數(shù)集進(jìn)行初始化是指頻率、帶寬和方向隨機(jī)分別從其預(yù)設(shè)取值中的選取一個(gè)值。
5.根據(jù)權(quán)利要求4所述的一種應(yīng)用于虹膜識(shí)別的編碼方法，其特征在于，所述頻率的預(yù)設(shè)取值共 8 個(gè)，分別為 1/16、2/16、3/16、4/16、5/16、6/16、7/16 和 8/16 ； 所述帶寬的預(yù)設(shè)取值共26個(gè)，分別為0.75,0.8,0.85,0.9,0.95、L O、L 05、L 1、L 15、1.2、1.25、1.3、1.35、1.4、1.45、1.5、1.55、1.6、1.65、1.7、1.75、1.8、1.85、1.9、1.95 和2.0 ； 所述方向的預(yù)設(shè)取值共9個(gè)，分別為1、22.5,45,67.5,90,112.5、135、157.5和180。
6.—種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng),包括加載模塊、分割模塊、變換模塊、加載最優(yōu)模塊和編碼模塊； 所述加載模塊用于加載物體的眼睛圖片，獲取虹膜圖像； 所述分割模塊用于對(duì)所述虹膜圖像進(jìn)行分割，根據(jù)具體需求提取出需要處理的區(qū)域得到待處理圖像； 所述變換模塊用于對(duì)待處理圖像進(jìn)行標(biāo)準(zhǔn)的二維傅里葉變換，使待處理圖像從空間域轉(zhuǎn)換為頻率域，得到待處理數(shù)據(jù)； 所述加載最優(yōu)模塊用于加載最優(yōu)參數(shù)集，基于最優(yōu)參數(shù)集對(duì)待處理數(shù)據(jù)進(jìn)行濾波操作，得到相位信號(hào)和幅值信號(hào)； 所述編碼模塊將相位信號(hào)和幅值信號(hào)進(jìn)行編碼為計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)，得到對(duì)應(yīng)的生物編碼。
7.根據(jù)權(quán)利要求6所述的一種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng)，其特征在于，所述分割模塊中得到待處理圖像后，對(duì)待處理圖像進(jìn)行坐標(biāo)變換。
8.根據(jù)權(quán)利要求6或7所述的一種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng)，其特征在于，所述加載模塊中加載的最優(yōu)參數(shù)集的獲取系統(tǒng)包括編碼獲取模塊、傅里葉變換模塊、隨機(jī)取值模塊、1g-Gabor變換模塊、比對(duì)模塊、最優(yōu)選擇模塊和置信水平模塊； 所述編碼獲取模塊用于下載ground-truth的表征集,提取得到ground-truth的表征集中的所有編碼； 所述傅里葉變換模塊用于對(duì)所有編碼進(jìn)行傅里葉變換得到濾波器的參數(shù)集； 所述隨機(jī)取值模塊用于對(duì)濾波器的參數(shù)集進(jìn)行在預(yù)設(shè)取值中隨機(jī)取值，直到將所有預(yù)設(shè)取值進(jìn)行取值，得到多個(gè)新參數(shù)集； 所述1g-Gabor變換模塊用多個(gè)新參數(shù)集分別對(duì)ground-truth的表征集中的所有編碼執(zhí)行1g-Gabor變換得到多個(gè)新編碼； 所述比對(duì)模塊用于將多個(gè)新編碼分別一一進(jìn)行(N:N)比對(duì)，統(tǒng)計(jì)所有新參數(shù)集下匹配階段的性能，并得到分別對(duì)應(yīng)所有新參數(shù)集的多個(gè)分類(lèi)錯(cuò)誤率； 所述最優(yōu)選擇模塊用于從所有新參數(shù)集中分類(lèi)錯(cuò)誤率最低的最優(yōu)參數(shù)集； 所述置信水平模塊用于根據(jù)最優(yōu)參數(shù)集得到對(duì)應(yīng)的置信水平集。
9.根據(jù)權(quán)利要求8所述的一種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng)，其特征在于，所述參數(shù)集包括頻率、帶寬和方向，所述頻率、帶寬和方向分別具有至少一個(gè)預(yù)設(shè)取值； 所述對(duì)參數(shù)集進(jìn)行初始化是指頻率、帶寬和方向隨機(jī)分別從其預(yù)設(shè)取值中的選取一個(gè)值。
10.根據(jù)權(quán)利要求9所述的一種應(yīng)用于虹膜識(shí)別的編碼系統(tǒng)，其特征在于，所述頻率的預(yù)設(shè)取值共 8 個(gè)，分別為 1/16、2/16、3/16、4/16、5/16、6/16、7/16 和 8/16 ； 所述帶寬的預(yù)設(shè)取值共26個(gè)，分別為0.75,0.8,0.85,0.9,0.95、L O、L 05、L 1、L 15、.1.2,1.25、1.3、1.35、1.4、1.45、1.5、1.55、1.6、1.65、1.7、1.75、1.8、.1.85、.1.9、.1.95 和.2.0 ； 所述方向的預(yù)設(shè)取值共9個(gè)，分別為1、22.5,45,67.5,90,112.5、135、157.5和180。
【文檔編號(hào)】G06K9/00GK104200201SQ201410430535
【公開(kāi)日】2014年12月10日 申請(qǐng)日期:2014年8月28日 優(yōu)先權(quán)日:2014年8月28日
【發(fā)明者】托馬斯.費(fèi)爾蘭德斯, 易開(kāi)軍, 高俊雄 申請(qǐng)人:武漢虹識(shí)技術(shù)有限公司