CN101874728A - 组合虹膜和皮层组织的生物测定系统 - Google Patents

Abstract

本发明提出并实现一种组合虹膜和皮层组织的生物测定系统，包括光学成像装置，生物组织活性检测分析及基于图像分析测定方法。本发明的生物测定系统适用全部使用者，具有普遍人群适用性，满足基于国家级的规模应用；最可靠性的生物组织活性检测分析，确保生物测定系统的本身的可靠性；基于图像分析测定方法提高生物测定系统性能的精确度和可靠性。

Description

组合虹膜和皮层组织的生物测定系统

本申请是专利：200710156256.1的分案申请文件，原申请日：2007年10月15日，原发明创造名称：组合虹膜和皮层组织的生物测定系统。

技术领域

本发明涉及一种生物测定系统，特别是组合虹膜和皮层组织的生物测定系统采用的光学成像装置，生物组织活性检测分析及基于图像分析测定方法。

背景技术

根据本发明人早期相关的虹膜生物测定系统的基础研究，通过实际的大样本人群测试的结果，揭示以下需改进的缺点：

1.尽管本发明人早期提出的可见虹膜标准为：在注册时≥70％，在比对时≥40％。但约1％-0.5％的使用者，特别是老年使用者，用于被分析的可见虹膜少于30％，并且不能改善；约0.01％-0.001％的使用者，受各类眼部疾病如退化性病理影响，无法被用于虹膜生物测定，因此需求更好的适用全部使用者的生物测定系统，具有普遍人群适用性，满足基于国家级规模应用。

2.生物测定系统本身的可靠性即生物组织活性检测分析功能需进一步改进，其它如面部和指纹等更易于伪造，关于虹膜目前已知的伪造检测方法包括：打印的虹膜图像周期性频率，光学红眼效应和角膜反光，虹膜瞳孔改变。但本发明人已获证实：在打印的虹膜图像分辨率质量高于20pixel/mm下，使通过图像低分辨率的周期性频率的生物组织活性检测分析失效；合适光学材料制造生理仿真的眼睛腔体结构，使通过光学红眼效应和角膜反光的生物组织活性检测分析失效；通过光度计检测光强，并相应改变伪造虹膜的瞳孔有可能使活性检测分析失效。因此生物组织活性检测分析功能极为重要，它的不可靠性导致生物测定系统本身的不可靠性。急需进一步更好的提高生物测定系统的活性检测分析；

3.需求更好的提高生物测定系统的性能，包括：解决当眼球斜视导致虹膜形变使虹膜为非圆形时产生错误的问题，更好的特征图像的表达方式，进一步提高特征提取和编码信息熵的能力，及提高模板测度的精确度和可靠性，FAR/FRR的精确度和可靠性。

发明内容

本发明的目的是克服上述现有技术中存在的缺点，提出并实现一种生物测定系统，包括组合虹膜和皮层组织的生物测定系统采用的光学成像装置，生物组织活性检测分析及基于图像分析测定方法。

它包括以下技术特征与内容：

一种组合虹膜和皮层组织的生物测定系统采用的光学成像装置，由照明光源单元和成像单元构成，其特征是：照明光源单元和成像单元被配置为多光谱多偏振态组合光学成像系统，

所述的多光谱多偏振态组合光学成像系统，产生至少四种组合成像，包括：近紫外光和正交偏振态组合成像，近紫外光和平行偏振态组合成像，近红外光和正交偏振态组合成像，及近红外光和平行偏振态组合成像；

所述的多光谱多偏振态组合光学成像系统，包括：

照明光源单元由至少近紫外光，近红外光光源，及起偏器构成；

成像单元由至少近紫外光，近红外光成像光路，及检偏器构成；

其中：所述的照明光源单元和成像单元被组合配置为至少近紫外光的波长范围为300-500nm，近红外光的波长范围为700-900nm，起偏器和检偏器被组合配置为至少具有正交和平行的偏振态。

包含色素细胞的虹膜和由上皮/真皮/皮下组织构成的皮层生物组织，在多光谱多偏振态组合光学成像系统下，获取的组合成像是具有明显不同的光学特征。

在近紫外光和近红外光不同的成像条件下，虹膜和皮层生物组织具有不同的光谱学差异。更具体的，虹膜和皮层生物组织的光学吸收/反射率比值，在近紫外光下对比近红外光具有10倍左右差异。在正交偏振态和平行偏振态不同的成像条件下，虹膜和皮层生物组织具有更大程度上不同的光谱学差异。更具体的，虹膜和皮层生物组织的光学吸收/反射率比值，在正交偏振态下对比平行偏振态具有至少10倍以上差异。

所述的多光谱多偏振态组合光学成像系统，照明光源单元与成像单元被进一步增加组合配置，包括：可见光波长范围为500-700nm，起偏器和检偏器被组合配置为45度的偏振态。进一步增加组合配置的目的是为获取更多关于虹膜和皮层生物组织的不同的光学特征信息。

所述的近紫外光成像光路由近紫外光学窄带滤波器，成像透镜，成像传感器构成。

所述的近红外光成像光路由近红外光学窄带滤波器，成像透镜，成像传感器构成。

光学成像装置在实际应用的复杂背景环境下使用，考虑波长复杂性，非成像杂散光等对成像质量的影响，更进一步，所述的多光谱多偏振态组合光学成像系统，照明光源单元与成像单元被配置同步的脉冲照明和成像。

为更进一步提高光学成像装置的使用方便性，扩展成像单元的成像视场(field ofview)，所述的成像单元的成像光路由多组成像透镜和成像传感器组成阵列构成，并且成像传感器采用百万像素级(multi-megapixel)分辨率的CMOS成像器件进一步获取更大的成像视场。

一种组合虹膜和皮层组织的生物测定系统采用的生物组织活性检测分析方法，其特征是：

包括以下步骤：

1.多光谱多偏振态组合光学成像系统产生虹膜和皮层生物组织的组合成像；

2.产生组合成像图像的生物组织活性特征检测数据；

3.获得组合成像图像的生物组织活性特征检测数据的归一化比对值；

4.根据标准的比对值参考范围，确定虹膜和皮层生物组织的活性检测分析结果；

所述的组合成像图像的生物组织活性特征检测数据产生方法，包括：亮度/对比度分析方法，频谱分析方法，方差统计分析方法。所述的生物组织活性特征检测数据在组合成像图像的全局和/或局部感兴趣区域(ROI)内产生，以更进一步提高生物组织活性检测分析结果的可靠性和准确度。

组合成像图像的生物组织活性特征检测数据的归一化比对值，具有成像条件无依赖性的优点，因此可以提高生物组织活性检测分析结果的可靠性和准确度。

最后，根据先验知识获得的标准的比对值参考范围，确定虹膜和皮层生物组织的活性检测分析结果，如果在参考范围内，判定具有活性，否则判定不具活性。

事实上，多光谱多偏振态组合光学成像系统产生虹膜和皮层生物组织的组合成像图像的活性特征检测数据反映了至少在近紫外光和近红外光及在平行偏振态和正交偏振态不同的组合成像条件下，虹膜和皮层生物组织具有不同的光学吸收/反射率比值。获取的组合成像是具有明显不同的生物组织光谱学特征，如此的生物组织活性检测分析方法是最具可靠性。

一种组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，其特征是：

包括以下步骤：

1.定义虹膜和皮层组织图像被测定分析区域；

所述的虹膜组织被测定分析区域定义为椭圆模型，

所述的皮层组织被测定分析区域定义为旋转矩形模型。

2.变换虹膜和皮层组织被测定分析区域为虹膜和皮层组织特征图像；

所述的虹膜和皮层组织被测定分析区域变换为虹膜和皮层组织特征图像的方法采用坐标空间规范化映射变换；

3.提取虹膜和皮层组织特征图像的特征信息；

所述的虹膜和皮层组织图像的特征信息提取方法采用多空间位移多分辨率尺度多方向性的高斯-正交函数基小波(Gauss-Orthogonal function based wavelet)卷积积分虹膜和皮层组织特征图像；

4.产生虹膜和皮层组织特征信息的特征编码模板；

所述的虹膜和皮层组织特征信息的特征编码模板(BioCode)产生的方法采用组合特征信息的波动状态量子化编码(IDCode)和特征信息的能量质量量子化编码(EnergyCode)。特征编码模板(BioCode)＝波动状态量子化编码(IDCode)+能量质量量子化编码(EnergyCode)。

5.统计虹膜和皮层组织的特征编码模板间的概率测度；

所述的虹膜和皮层组织的特征编码模板间的概率测度的统计方法采用：

MD(BioCode1，BioCode2)＝MDstd+MDvalid+MDdb    (Eq11)

MDstd＝SameBits/ValidBits

MDvalid＝-0.05*log2(ValidBits/TotalBits)

MDdb＝0.01*log10(db)

SameBits＝||AND(XORCode，ANDCode)||

ValidBits＝||ANDCode||

XORCode＝XOR(IDCode1，IDCode2)

ANDCode＝AND(EnergyCode1，EnergyCode2)

BioCode1＝IDCode1+EnergyCode1；

BioCode2＝IDCode2+EnergyCode2；

其中：

MD(BioCode1，BioCode2)为特征编码模板间的概率测度；

MDstd为特征编码模板间的标准概率测度；

MDvalid为特征编码模板间的逻辑有效的编码位数量的偏置概率测度；

MDdb为特征编码模板的数量的偏置概率测度；

db为数据库中特征编码模板的数量；

SameBits为逻辑相同的编码位数量；

ValidBits为逻辑有效的编码位数量；

TotalBits为全部编码位数量；

XORCode为逻辑异或(XOR)运算；

ANDCode为逻辑与(AND)运算；

|| ||为逻辑有效的编码位数量累加运算；

所述的逻辑有效的编码位，即逻辑为1的编码位；逻辑相同的编码位，即逻辑同为1或0的编码位。

6.根据预定的概率测度参考值，组合比对虹膜和皮层组织的概率测度，判定生物测定结果。

所述的虹膜和皮层组织的概率测度组合比对方法采用两组同时满足或任何一组满足预定的概率测度参考值。

总结上述描述，本发明提出的技术特征与内容，组合虹膜和皮层组织的生物测定系统具有以下优点：

适用全部使用者，具有普遍人群适用性，满足基于国家级规模应用；

最具可靠性的生物组织活性检测分析，确保生物测定系统的本身的可靠性；

提高生物测定系统性能的精确度和可靠性。

下面将通过具体实施例并对照附图，对本发明作进一步的详细描述。

附图说明

图1为本发明具体实施例1的光学成像装置原理图。

图2为本发明具体实施例1的多光谱多偏振态组合光学成像系统组成的逻辑配置图。

图3为本发明具体实施例1的生物组织活性检测分析方法流程图。

图4为本发明具体实施例1的基于图像分析测定方法流程图。

图5为本发明具体实施例1的特征编码模板(BioCode)产生的方法流程图。

具体实施方式

实施例1、

图1描述了本发明的实施例1的光学成像装置原理图，它具体包括：

密闭光学成像装置的外壳0，面部的虹膜和皮层生物组织1，起偏器(2a，2b)，漫射器(3a，3b)，近紫外光和近红外光光源(4a，4b)，光学窗口5，光分离器6，近紫外光学窄带滤波器7，近红外光学窄带滤波器8，检偏器(9a，9b)，成像透镜(20a，20b)，成像传感器(21a，21b)，系统控制和处理器(30a，30b)。

来自照明光源单元的近紫外光和近红外光(4a，4b)，经过漫射器(3a，3b)，起偏器(2a，2b)形成照明光路，分别入射到虹膜和皮层生物组织1处，然后在虹膜和皮层生物组织1中产生光学吸收/反射特征后，返回出射到光学窗口5，经过反射近紫外光透射近红外光的光学滤波器作为光分离器6的分离，形成与检偏器(9a，9b)组合的近紫外光成像光路(7，20a，21a)和近红外光成像光路(8，20b，21b)，系统控制和处理器(30a，30b)用于生物测定系统的所有计算方法处理，控制外围接口，储存模板数据等。

当然作为一种等价的光学变换，光分离器6也可为反射近红外光透射近紫外光的光学滤波器，并对换近紫外光学窄带滤波器7和近红外光学窄带滤波器8的位置。

同样作为一种等价的光学变换，光分离器6也可被光学分光器替代。

具体实施例1的近紫外光和近红外光光源(4a，4b)由表面发光二极管(LED)构成，具体实施例1的起偏器(2a，2b)和检偏器(9a，9b)由偏振态光学元件构成。

图2为本发明具体实施例1的多光谱多偏振态组合光学成像系统组成的逻辑配置图，清楚的表达了具体实施例1的逻辑配置构成。具体包括：

照明光源单元和成像单元被配置为多光谱多偏振态组合光学成像系统。

照明光源单元由近紫外光和近红外光光源(4a，4b)，及起偏器(2a，2b)构成；

成像单元由近紫外光成像光路(7，20a，21a)和近红外光成像光路(8，20b，21b)及检偏器(9a，9b)构成；

近紫外光成像光路由近紫外光学窄带滤波器7，成像透镜20a，成像传感器21a构成。

近红外光成像光路由近红外光学窄带滤波器8，成像透镜20b，成像传感器21b构成。具体实施例1中描述的照明光源单元和成像单元被组合配置为近紫外光的波长范围为300-500nm，近红外光的波长范围为700-900nm，起偏器(2a，2b)和检偏器(9a，9b)被组合配置为具有正交和平行的偏振态，如采用2a与9a组成正交偏振态，2b与9a组成平行偏振态；2a与9b组成正交偏振态，2b与9b组成平行偏振态。

因此具体实施例1中描述的多光谱多偏振态组合光学成像系统，产生四种组合成像，包括：

近紫外光和正交偏振态组合成像，近紫外光和平行偏振态组合成像，近红外光和正交偏振态组合成像，及近红外光和平行偏振态组合成像。

尽管上述多光谱多偏振态组合光学成像系统配置对于具体实施例1来说是最优的，但照明光源单元与成像单元被进一步增加组合配置：可见光波长范围为500-700nm，起偏器和检偏器被组合配置为具有45度的偏振态，能进一步获取更多关于虹膜和皮层生物组织不同的光学特征信息。

为更进一步提高成像质量，具体实施例1中描述的多光谱多偏振态组合光学成像系统，照明光源单元与成像单元被配置同步的脉冲照明和成像。

为更进一步提高光学成像装置的使用方便性，扩展成像单元的成像视场(field ofview)，成像单元的成像光路由多组成像透镜和成像传感器组成阵列构成，如构成2X2阵列可以扩展4倍的成像视场，成像传感器采用百万像素级(multi-megapixel)分辨率的CMOS成像器件进一步获取更大的成像视场以增大工作区域。

当然可以采用本发明人早期提出的技术，光学成像装置具有预定投影或发散立体角的光学投影引导光束投影或发散产生立体区域形成工作区域(成像视场)，引导使用者能以最快速直观方便的方法定位于工作区域(成像视场)中。

上述明显不同的光学特征信息被多光谱多偏振态组合光学成像系统组合成像，用于生物组织活性检测分析和基于图像分析测定方法。

如图3所示，组合虹膜和皮层组织的生物测定系统采用的生物组织活性检测分析方法，包括以下步骤：

1.多光谱多偏振态组合光学成像系统产生虹膜和皮层生物组织的组合成像；

2.产生组合成像图像的生物组织活性特征检测数据；

3.获得组合成像图像的生物组织活性特征检测数据的归一化比对值；

4.根据标准的比对值参考范围，确定虹膜和皮层生物组织的活性检测分析结果；

所述的组合成像图像的生物组织活性特征检测数据产生方法，包括：亮度/对比度分析方法，频谱分析方法，方差统计分析方法。

所述的生物组织活性特征检测数据在组合成像图像的全局和/或局部感兴趣区域内产生，以更进一步提高生物组织活性检测分析结果的可靠性和准确度。

组合成像图像的生物组织活性特征检测数据的归一化比对值，具有成像条件无依赖性的优点，因此可以提高生物组织活性检测分析结果的可靠性和准确度。

最后，根据先验知识获得的标准的比对值参考范围，确定虹膜和皮层生物组织的活性检测分析结果，如果在参考范围内，判定具有活性，否则判定不具活性。

对于具体实施例1中描述的多光谱多偏振态组合光学成像系统，产生四种组合成像，包括：

近紫外光和正交偏振态组合成像，近紫外光和平行偏振态组合成像，近红外光和正交偏振态组合成像，及近红外光和平行偏振态组合成像。所述的四种组合成像图像的虹膜和皮层生物组织活性特征检测数据反映了在不同的成像条件下，虹膜和皮层生物组织具有不同的光学吸收/反射率比值形成的光学特性。获取的组合成像是具有明显不同的光谱学特征，如此的生物组织活性检测分析方法是最具可靠性。

如图4所示，组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，包括以下步骤：

1.定义虹膜和皮层组织图像被测定分析区域。

所述的虹膜组织被测定分析区域定义为椭圆模型。

所述的皮层组织被测定分析区域定义为旋转矩形模型。

虹膜组织内边界瞳孔的椭圆模型Ep(xp，yp，ap，bp)为

[(x-xp)/ap]²+[(y-yp)/bp]²＝1                  (Eq1)

虹膜组织外边界的椭圆模型Ei(xi，yi，ai，bi)为

[(x-xi)/ai]²+[(y-yi)/bi]²＝1                  (Eq2)

其中：

(xp，yp)为虹膜组织内边界瞳孔的中心坐标，(ap，bp)为虹膜组织内边界瞳孔的X，Y轴椭长；

(xi，yi)为虹膜组织外边界的中心坐标，(ai，bi)为虹膜组织外边界的X，Y轴椭长；当眼球斜视导致虹膜形变使虹膜为非圆形时，定义为椭圆模型的虹膜组织能解决该问题。更进一步，考虑到实际虹膜形变情形，进一步限定椭圆模型的参数定义域以减低计算复杂度：

所述的皮层组织被测定分析区域定义为旋转矩形模型I(x’，y’)：

I(x’，y’)＝Roation(θ)Rect(x，y)；        (Eq3)

$\left\{\begin{array}{c}\mathrm{Roation}\left(\mathrm{\θ}\right)=\left(\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right)\\ x^{\text{'}}=x\cos \mathrm{\θ}+y\sin \mathrm{\θ}\\ y^{\text{'}}=-x\sin \mathrm{\θ}+y\cos \mathrm{\θ}\\ \mathrm{Xl}\≤x\≤\mathrm{Xr},\mathrm{Yt}\≤y\≤\mathrm{Yb},\end{array}\right.$

其中：Roation(θ)为旋转矩阵，Rect(x，y)为矩形模型，Xl和Xr为矩形模型Rect(x，y)的X轴左右边界，Yt和Yb为矩形模型Rect(x，y)的Y轴上下边界。θ为矩形模型Rect(x，y)相对X-Y坐标轴的旋转角度。

本发明的虹膜和皮层组织图像被测定分析区域定义方法重要的特性是：建立被测定分析区域本质上最合适的数学表达模型，为提高生物测定系统的性能奠定基础。

2.变换虹膜和皮层组织被测定分析区域为虹膜和皮层组织特征图像；

所述的虹膜和皮层组织被测定分析区域变换为虹膜和皮层组织特征图像的方法采用坐标空间规范化映射变换。

所述的虹膜组织被测定分析区域坐标空间规范化映射变换为虹膜组织特征图像I(x，y)，

$\left\{\begin{array}{c}I(x(r,\mathrm{\Φ}),y(r,\mathrm{\Φ})):->I(x,y)\\ x(r,\mathrm{\Φ})=(1-r)*\mathrm{xp}\left(\mathrm{\Φ}\right)+r*\mathrm{xi}\left(\mathrm{\Φ}\right)\\ y(r,\mathrm{\Φ})=(1-r)*\mathrm{yp}\left(\mathrm{\Φ}\right)+r*\mathrm{yi}\left(\mathrm{\Φ}\right)\end{array}\right.---\left(\mathrm{Eq}4\right)$

其中：r∈[0，1]，Φ∈[-1，1]；

[xp(Φ)，yp(Φ)]为满足以下虹膜组织内边界瞳孔的椭圆模型的坐标空间位置，

$\left\{\begin{array}{c}{[(\mathrm{xp}\left(\mathrm{\Φ}\right)-\mathrm{xp})/\mathrm{ap}]}^2+{[(\mathrm{yp}\left(\mathrm{\Φ}\right)-\mathrm{yp})/\mathrm{bp}]}^2=1\\ \mathrm{xp}\left(\mathrm{\Φ}\right)=\mathrm{xp}-\mathrm{\Φ}*\mathrm{ap};\end{array}\right.$

或等价的

$\left\{\begin{array}{c}{[(\mathrm{xp}\left(\mathrm{\Φ}\right)-\mathrm{xp})/\mathrm{ap}]}^2+{[(\mathrm{yp}\left(\mathrm{\Φ}\right)-\mathrm{yp})/\mathrm{bp}]}^2=1\\ \mathrm{yp}\left(\mathrm{\Φ}\right)=\mathrm{yp}-\mathrm{\Φ}*\mathrm{bp};\end{array}\right.$

[xi(Φ)，yi(Φ)]为满足以下虹膜组织外边界的椭圆模型的坐标空间位置，

$\left\{\begin{array}{c}{[(\mathrm{xi}\left(\mathrm{\Φ}\right)-\mathrm{xi})/\mathrm{ai}]}^2+{[(\mathrm{yi}\left(\mathrm{\Φ}\right)-\mathrm{yi})/\mathrm{bi}]}^2=1\\ \mathrm{xi}\left(\mathrm{\Φ}\right)=\mathrm{xi}-\mathrm{\Φ}*\mathrm{ai};\end{array}\right.$

或等价的

$\left\{\begin{array}{c}{[(\mathrm{xi}\left(\mathrm{\Φ}\right)-\mathrm{xi})/\mathrm{ai}]}^2+{[(\mathrm{yi}\left(\mathrm{\Φ}\right)-\mathrm{yi})/\mathrm{bi}]}^2=1\\ \mathrm{yi}\left(\mathrm{\Φ}\right)=\mathrm{yi}-\mathrm{\Φ}*\mathrm{bi};\end{array}\right.$

所述的皮层组织被测定分析区域坐标空间规范化映射变换为皮层组织特征图像I(x，y)：

I(x’，y’)：->I(x，y)                  (EQ5)

归结为与皮层组织被分析测定区域I(x’，y’)具有相同的坐标空间表达方式，因此可直接采用规范化映射变换产生皮层组织特征图像I(x，y)。

可以理解，上述坐标空间规范化映射变换数学离散采样表达后，具有统一标准尺度的特征图像。本发明的坐标空间规范化映射变换方法重要的特性是：通过坐标空间规范化映射变换，虹膜和皮层组织被分析测定区域成为虹膜和皮层组织特征图像，不仅使后续的所有步骤具有规范化的统一标准处理，而且具有图像平移，旋转，缩放等成像条件无依赖性即无相关性。

以下内容描述以相同的方法处理虹膜和皮层组织特征图像。

3.提取虹膜和皮层组织特征图像的特征信息；

所述的虹膜和皮层组织特征图像的特征信息提取方法采用多空间位移多分辨率尺度多方向性的高斯-正交函数基小波(Gauss-Orthogonal function based wavelet)卷积积分虹膜和皮层组织特征图像。

所述的高斯-正交函数基小波(Gauss-Orthogonal function based wavelet)原型为G(x，y)，

G(x，y)＝Gauss(x，y)*Orth(x，y)                     (Eq6)

其中：Gauss(x，y)为二维高斯函数(2D Gauss function)，Orth(x，y)为二维正交函数(2D Orthogonal function)，如Sin/Cos，Hermite，Chebyshev，Laguerre，Legerdre等正交函数。

所述的高斯-正交函数基小波G(x，y)具有以下数学特征：高斯-正交函数基小波由高斯函数和正交函数组合而成。具备使任何分析信号都能在[-∞，+∞]空间域内被分解为完备的正交函数线性组合，更加重要的，完备的正交特性对分析信号具有无相关性即冗余性的解析表达能力，能反映分析信号包含的最大化信息熵。高斯函数具备结合空间/频域最小测不准精度，具有最优的空间/频域局部化窗口，以高斯函数作为约束窗口，使正交函数的空间域从[-∞，+∞]收敛，限定为紧支集，具有最优的空间/频域局部化特性。从信号分析角度理解，高斯-正交函数基小波具有等价带通带限滤波器的特性。

上述的高斯-正交函数基小波G(x，y)，经过空间位移，分辨率尺度缩放，方向旋转，形成多空间位移多分辨率尺度多方向性的高斯-正交函数基小波Gs，xo，yo，θ(x，y)：

$\left\{\begin{array}{c}\mathrm{Gs},\mathrm{xo},\mathrm{yo},\mathrm{\θ}(x,y)=G(x^{\text{'}},y^{\text{'}})\\ x^{\text{'}}=2^s[(x-\mathrm{xo})\cos \mathrm{\θ}+(y-\mathrm{yo})\sin \mathrm{\θ}]\\ y^{\text{'}}=2^s[-(x-\mathrm{xo})\sin \mathrm{\θ}+(y-\mathrm{yo})\cos \mathrm{\θ}]\end{array}\right.---\left(\mathrm{Eq}7\right)$

其中：s为分辨率尺度参数，xo，yo为空间位移参数，θ为方向旋转角度参数。多空间位移多分辨率尺度多方向性的高斯-正交函数基小波Gs，xo，yo，θ(x，y)卷积积分虹膜和皮层组织特征图像I(x，y)用于产生并提取特征信息W(s，xo，yo，θ)：

W(s，xo，yo，θ)＝∫∫I(x，y)Gs，xo，yo，θ(x，y)dxdy        (Eq8)

根据信息理论，对任何分析信号即特征图像，上述提取方法获得的特征信息空间相关性长度大于等于小波滤波器的频率带宽倒数，并且仅当特征信息频率相关性带宽等于小波滤波器的频率带宽时等号成立。

本发明的虹膜和皮层组织特征图像的特征信息提取方法重要的特性是：多空间位移多分辨率尺度多方向性的高斯-正交函数基小波卷积积分虹膜和皮层组织特征图像具备最优的结合空间/频域局部化分析能力，提取特征图像包含的信息熵最大化。

4.产生虹膜和皮层组织特征信息的特征编码模板；

所述的特征编码模板(BioCode)产生的方法采用组合特征信息的波动状态量子化编码(IDCode)和特征信息的能量质量量子化编码(EnergyCode)。即可表达为：

特征编码模板(BioCode)＝波动状态量子化编码(IDCode)+能量质量量子化编码(EnergyCode)。如图5，所述的特征编码模板(BioCode)产生的方法，具体包括以下步骤：

4.1规范化降采样特征信息W(s，xo，yo，θ)。

所述的规范化降采样频率小于等于特征信息获得的频率相关性带宽，或等价的，规范化降采样空间长度大于等于特征信息获得的空间相关性长度。

采用规范化降采样的原因是考虑到：

a.特征信息本身包含的空间/频域分辨率是受限性的，其具有带通带限特性。

b.降低计算复杂度，易于实时处理。

c.最大化特征编码模板包含的编码信息熵。

d.规范化的统一标准编码采样排列能提高处理效率并提高稳定性。

4.2波动状态量子化编码(IDCode)，

$\left\{\begin{array}{cc}{\&PartialD;}^{n+m}/{\&PartialD;}^n\&times;{\&PartialD;}^{m}y\left[W(s,\mathrm{xo},\mathrm{yo},\mathrm{\&theta;})\right]\&GreaterEqual;0& 1\\ {\&PartialD;}^{n+m}/{\&PartialD;}^n{\&times;\&PartialD;}^{m}y\left[W(s,\mathrm{xo},\mathrm{yo},\mathrm{\&theta;})\right]<0& 0\end{array}\right.---\left(\mathrm{Eq}9\right)$

其中：n，m≥0为偏微分阶数。

即如果

编码为二进制逻辑1，否则编码为二进制逻辑0。

能量质量量子化编码(EnergyCode)

$\left\{\begin{array}{cc}{\left|W(s,\mathrm{xo},\mathrm{yo},\mathrm{\&theta;})\right|}^2\&GreaterEqual;E& 1\\ {\left|W(s,\mathrm{xo},\mathrm{yo},\mathrm{\&theta;})\right|}^2<E& 0\end{array}\right.---\left(\mathrm{Eq}10\right)$

其中：E为能量质量控制阈值。

即，如果|W(s，xo，yo，θ)|²≥E编码为二进制逻辑1，否则编码为二进制逻辑0。波动状态量子化编码产生方法反映对相应特征信息的波动状态的变化特性信息表达，编码1或0代表对特征信息的波动状态的偏微分极性即极大值/极小值两种状态的逻辑量化。

能量质量量子化编码产生方法反映对相应特征信息的能量质量的控制特性信息表达，编码1或0代表对特征信息的能量质量的有效性即有效/无效两种状态的逻辑量化。本发明的虹膜和皮层组织特征信息的特征编码方法重要的特性是：波动状态量子化编码方法具有产生特征信息的最大化编码信息熵，具备对如照明，聚焦，增益，对比度等成像条件无依赖性或相关性，能量质量量子化编码对特征信息的能量质量的有效性具有控制作用。

5.统计虹膜和皮层组织的特征编码模板间的概率测度；

所述的特征编码模板间的概率测度的统计方法采用：

MD(BioCode1，BioCode2)＝MDstd+MDvalid+MDdb          (Eq11)

MDstd＝SameBits/ValidBits

MDvalid＝-0.05*log2(ValidBits/TotalBits)

MDdb＝0.01*log10(db)

SameBits＝||AND(XORCode，ANDCode)||

ValidBits＝||ANDCode||

XORCode＝XOR(IDCode1，IDCode2)

ANDCode＝AND(EnergyCode1，EnergyCode2)

BioCode1＝IDCode1+EnergyCode1；

BioCode2＝IDCode2+EnergyCode2；

其中：

MD(BioCode1，BioCode2)为特征编码模板间的概率测度；

MDstd为特征编码模板间的标准概率测度；

MDvalid为特征编码模板间的逻辑有效的编码位数量的偏置概率测度；

MDdb为特征编码模板的数量的偏置概率测度；

db为数据库中特征编码模板的数量；

SameBits为逻辑相同的编码位数量；

ValidBits为逻辑有效的编码位数量；

TotalBits为全部编码位数量；

XORCode为逻辑异或(XOR)运算；

ANDCode为逻辑与(AND)运算；

|| ||为逻辑有效的编码位数量累加运算；

所述的逻辑有效的编码位，即逻辑为1的编码位；逻辑相同的编码位，即逻辑同为1或0的编码位。

本发明的虹膜和皮层组织特征编码模板间的概率测度的统计方法重要的特性是：具备对成像条件无依赖性或相关性，具有根据特征信息的能量质量控制作用去除无效特征信息的逻辑编码位即仅统计逻辑有效的编码位和偏置概率测度，提高特征编码模板概率测度的精确度和可靠性。

6.根据预定的概率测度参考值，组合比对虹膜和皮层组织的概率测度，判定生物测定结果。

所述的虹膜和皮层组织的概率测度组合比对方法采用两组同时满足或任何一组满足预定的概率测度参考值。

如果FAR1，FAR2分别为虹膜和皮层组织预定的概率测度参考值的错误接受率精确度，

如果FRR1，FRR2分别为虹膜和皮层组织预定的概率测度参考值的错误拒绝率精确度，两组同时满足虹膜和皮层组织预定的概率测度参考值的组合比对的错误接受率精确度为FARboth，错误拒绝率精确度为FRRboth，那么

FARboth＝FAR1*FAR2                 (Eq12)

FRRboth＝1-(1-FRR1)*(1-FRR2)

任何一组满足虹膜和皮层组织预定的概率测度参考值的组合比对的错误接受率精确度为FARany，错误拒绝率精确度为FRRany，那么

FARany＝1-(1-FAR1)*(1-FAR2)        (Eq13)

FRRany＝FRR1*FRR2

本发明的虹膜和皮层组织的概率测度组合比对方法重要的特性是：选择由先验知识获得的预定的概率测度参考值，通过虹膜和皮层组织的概率测度组合比对方法，由此综合提高生物测定系统的精确度和可靠性。

在实际应用时，所有上述计算方法都能以数学离散化形式表达，并且能通过优化整型代码实时实现。

尽管在本具体实施例的描述内容中皮层生物组织限定为面部区域，但作为等价的推广，其它区域如手掌部皮层生物组织也可被具体实施例等效理解并采用。

本发明描述的具体实施例内容，在技术特征与内容要求下，可以在相同或等同理解的范围内相互组合，修改及增减等操作以进行具体实施例实施，如采用光路等价变换，具体结构等价变形，步骤等价替换等。

Claims (7)

1.一种组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，

其特征是：包括以下步骤

(1)定义虹膜和皮层组织图像被测定分析区域；

(2)变换虹膜和皮层组织被测定分析区域为虹膜和皮层组织特征图像；

(3)提取虹膜和皮层组织特征图像的特征信息；

(4)产生虹膜和皮层组织特征信息的特征编码模板；

(5)统计虹膜和皮层组织的特征编码模板间的概率测度；

(6)根据预定的概率测度参考值，组合比对虹膜和皮层组织的概率测度，判定生物测定结果。

2.根据权利要求1所述的组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，其特征是：

所述的虹膜组织被测定分析区域定义为椭圆模型；

所述的皮层组织被测定分析区域定义为旋转矩形模型。

3.根据权利要求1所述的组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，其特征是：

所述的虹膜和皮层组织被测定分析区域变换为虹膜和皮层组织特征图像的方法采用坐标空间规范化映射变换。

4.根据权利要求1所述的组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，其特征是：

所述的虹膜和皮层组织图像的特征信息提取方法采用多空间位移多分辨率尺度多方向性的高斯-正交函数基小波卷积积分虹膜和皮层组织特征图像。

5.根据权利要求1所述的组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，其特征是：

所述的虹膜和皮层组织特征信息的特征编码模板(BioCode)产生的方法采用组合特征信息的波动状态量子化编码(IDCode)和特征信息的能量质量量子化编码(EnergyCode)，特征编码模板(BioCode)＝波动状态量子化编码(IDCode)+能量质量量子化编码(EnergyCode)。

6.根据权利要求1所述的组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，其特征是：

所述的虹膜和皮层组织的特征编码模板间的概率测度的统计方法采用：

MD(BioCode1，BioCode2)＝MDstd+MDvalid+MDdb

MDstd＝SameBits/ValidBits

MDvalid＝-0.05*log2(ValidBits/TotalBits)

MDdb＝0.01*log10(db)

SameBits＝||AND(XORCode，ANDCode)||

ValidBits＝||ANDCode||

XORCode＝XOR(IDCode1，IDCode2)

ANDCode＝AND(EnergyCode1，EnergyCode2)

BioCode1＝IDCode1+EnergyCode1；

BioCode2＝IDCode2+EnergyCode2；

其中：

MD(BioCode1，BioCode2)为特征编码模板间的概率测度；

MDstd为特征编码模板间的标准概率测度；

MDvalid为特征编码模板间的逻辑有效的编码位数量的偏置概率测度；

MDdb为特征编码模板的数量的偏置概率测度；

db为数据库中特征编码模板的数量；

SameBits为逻辑相同的编码位数量；

ValidBits为逻辑有效的编码位数量；

TotalBits为全部编码位数量；

XORCode为逻辑异或(XOR)运算；

ANDCode为逻辑与(AND)运算；

|| ||为逻辑有效的编码位数量累加运算；所述的逻辑有效的编码位，即逻辑为1的编码位；逻辑相同的编码位，即逻辑同为1或0的编码位。

7.根据权利要求1所述的组合虹膜和皮层组织的生物测定系统采用的基于图像分析测定方法，其特征是：

所述的虹膜和皮层组织的概率测度组合比对方法采用两组同时满足或任何一组满足预定的概率测度参考值。

Images