CN101916361A - 基于2d-dct变换的虹膜特征设计方法及系统 - Google Patents

基于2d-dct变换的虹膜特征设计方法及系统 Download PDF

Info

Publication number
CN101916361A
CN101916361A CN 201010186687 CN201010186687A CN101916361A CN 101916361 A CN101916361 A CN 101916361A CN 201010186687 CN201010186687 CN 201010186687 CN 201010186687 A CN201010186687 A CN 201010186687A CN 101916361 A CN101916361 A CN 101916361A
Authority
CN
China
Prior art keywords
iris
dct
piece
sub
coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN 201010186687
Other languages
English (en)
Inventor
王娜
王运金
李霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN 201010186687 priority Critical patent/CN101916361A/zh
Publication of CN101916361A publication Critical patent/CN101916361A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Collating Specific Patterns (AREA)

Abstract

本发明涉及生物识别技术领域,公开了基于2D-DCT变换的虹膜特征设计方法及系统。本发明通过基于二维DCT变换的虹膜特征设计算法,得到一种能够快速、准确且能节省存储空间的虹膜识别系统。利用二维DCT变换的能量集中和频率分散的特性提取虹膜特征,通过分块处理虹膜图像块选取不同的频率系数作为虹膜特征码来进行特征编码,本发明的方法处理速度快,并可有效克服光照不均带来的影响,使系统在速度和性能上都有了很大的提高。

Description

基于2D-DCT变换的虹膜特征设计方法及系统
技术领域
本发明涉及生物识别技术领域,尤其涉及的是一种基于2D-DCT变换的虹膜特征设计方法及虹膜识别系统。
背景技术
现有的虹膜识别系统主要包括虹膜图像获取、虹膜图像预处理、特征设计与编码、模式匹配、数据库。而整个虹膜识别系统从逻辑上包括两大阶段,即注册阶段和认证阶段。
在注册阶段,首先要对所有合法用户的虹膜图像进行采集、预处理、特征设计等过程,而后将得到虹膜特征信息与用户的姓名或标识(ID)联系起来存储到数据库中,创建用户信息模板。
在认证阶段,与注册过程一样要经过图像进行采集、预处理、特征设计等过程处理后,获取用户的虹膜特征信息,然后再与事先注册过的虹膜数据库模板进行匹配,以验证用户的身份信息做出最后的决策。
而现有的虹膜识别系统在虹膜特征设计与编码部分采用现有的特征设计与编码方法进行特征代码的编制的处理速度比较慢,而且不能有效克服光照不均带来的影响,使系统的性能不稳定,同时还影响了后续模式匹配的准确性。
因此,现有技术还有待于改进和发展。
发明内容
本发明的目的在于提供一种基于2D-DCT变换的虹膜特征设计方法及虹膜识别系统,其处理速度快,并可有效克服光照不均带来的影响,使虹膜识别系统在速度和性能上都有了很大的提高,提高整个系统的运行效率的虹膜识别算法和系统。
本发明的技术方案如下:
一种基于2D-DCT变换的虹膜特征设计方法,其包括以下步骤:
S101:对经预处理过的虹膜图像进行特定分块得到多个虹膜子块;
S102:利用二维DCT变换对每一虹膜子块进行变换处理;
S103:选择编码对象;
S104:对编码对象进行编码。
所述的基于2D-DCT变换的虹膜特征设计方法,其中,所述步骤S101中的多个虹膜子块设置为等大小且无重叠区域。
所述的基于2D-DCT变换的虹膜特征设计方法,其中,所述步骤S101中的多个虹膜子块设置为等大小且部分区域重合。
所述的基于2D-DCT变换的虹膜特征设计方法,其中,所述步骤S102具体包括:利用二维DCT变换对每一块进行处理,得到M个DCT系数块;并舍弃代表虹膜子块平均亮度的第一个DCT系数及第M个DCT系数块用作特征位,采用的中低频系数作为特征编码位。
所述的基于2D-DCT变换的虹膜特征设计方法,其中,所述步骤S103具体包括:对每一子块的DCT系数进行Zigzag扫描,使每一子块的DCT系数成为一个一维的系数序列,在编码时截取某一段连续的系数作为编码对象。
所述的基于2D-DCT变换的虹膜特征设计方法,其中,所述步骤S104具体包括:对编码对象采用公式:
C ( k , x ) = 1 , I k _ DCT ( x ) > 0 0 , I k _ DCT ( x ) ≤ 0
进行编码。
一种虹膜识别系统,其包括依次连接的虹膜图像获取模块、虹膜图像预处理模块、特征设计与编码模块、模式匹配模块、虹膜数据库,其特征在于,所述特征设计与编码模块还包括:
图像分块单元用于对虹膜图像进行分块到虹膜子块;
DCT变换单元用于利用二维DCT变换对每一块进行处理,得到M个DCT系数块;
编码对象选择单元用于将Zigzag扫描后的每一子块的DCT系数组成一个一维的系数序列,在编码时进行截取,将截取的某一段连续的系数作为编码对象;
编码单元用于采用编码公式对系数进行编码。
本发明的有益效果:本发明通过基于二维DCT变换的虹膜特征设计算法,得到一种能够快速、准确且能节省存储空间的虹膜识别系统。利用二维DCT变换的能量集中和频率分散的特性提取虹膜特征,通过分块处理虹膜图像块选取不同的频率系数作为虹膜特征码来进行特征编码,本发明的方法处理速度快,并可有效克服光照不均带来的影响,使系统在速度和性能上都有了很大的提高。
附图说明
图1是虹膜识别系统的原理框图;
图2是本发明中特征设计与编码模块的原理框图;
图3是本发明中特征设计与编码模块的算法流程图;
图4虹膜图像有重叠分块示意图;
图5Zigzag扫描后截取编码对象图。
具体实施方式
本发明所提供的一种基于2D-DCT变换(二维离散余弦变换)的虹膜特征设计方法及虹膜识别系统,为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示为本发明虹膜识别系统10的原理框图,其包括依次连接的虹膜图像获取模块11、虹膜图像预处理模块12、特征设计与编码模块13、模式匹配模块15、虹膜数据库14。其中,虹膜图像获取模块11用于获取通过图像采集系统(如摄像机)从人体头部将人眼图像拍摄采集下来,而后将这些采集到的人眼图像送到PC机内进行处理。
虹膜图像预处理模块12用于处理包括人眼图像的评估、去噪、定位、归一化。特征设计与编码模块13用于对归一化后的矩形虹膜图像进行特征提取与编码。模式匹配模块15用于根据系统所处阶段不同,将得到的虹膜特征编码送入数据库存储(注册)或者与已有的数据库进行特征匹配(认证)。虹膜数据库14用于将得到虹膜特征信息与用户的姓名或标识(ID)联系起来存储到数据库中,创建用户信息模板。
虹膜区域的定位与特征的设计与编码是基于虹膜识别技术中最为关键的两部分,虹膜区域的定位准确与否,直接关系到虹膜图像能不能用作识别,而虹膜特征设计与编码方式又直接影响识别的性能。以下将对本发明的特征设计与编码模块内进行的基于2D-DCT变换(二维离散余弦变换)的虹膜特征设计方法进行详细的描述。
如图2所示本发明中特征设计与编码模块13的原理框图,其包括虹膜图像划分模块131、DCT变换单元132、编码对象选择单元133、编码模块134,其中,图像分块单元131用于对经预处理过的虹膜图像进行特定分块得到多个虹膜子块;DCT变换模132块用于利用二维DCT变换对每一块进行处理,得到M个DCT系数块;编码对象选择单元133用于用于将Zigzag扫描后的每一子块的DCT系数组成一个一维的系数序列,在编码时进行截取,将截取的某一段连续的系数作为编码对象;编码单元134用于采用编码公式(后文有详细描述)对系数进行编码。
本发明实施例所提供的基于2D-DCT变换的虹膜特征设计方法,是利用二维DCT变换的特性,通过分块处理虹膜图像块来进行特征编码,本发明方法处理速度快,并可有效克服光照不均带来的影响,使系统在速度和性能上都有了很大的提高。参见图3为本发明中特征设计与编码模块的算法流程图,其具体流程如下:
S101:对经预处理过的虹膜图像进行特定分块得到多个虹膜子块。
接收经虹膜图像预处理模块预处理过的归一化虹膜图像,对该归一化虹膜图像40进行特定分块,分块时可重叠,也可无重叠,共得到M个虹膜子块Ik,k代表第k个虹膜子块,尺寸大小设为m和n。如图4所示,设第一方框41为第k个虹膜子块,第二方框42为第k+1个虹膜子块,且两子块有一半的重叠部分,参见图4;在本实施例中设置虹膜图像分块大小为16×16,有重叠划分,重叠的目的是为了克服旋转。由于在拍摄人眼图像时,可能会产生一定的旋转,而对虹膜进行定位和归一化后,产生的效果就是可能有左右移动,通过进行有重叠的分块,能克服一定的旋转的影响。
S102:利用二维DCT变换对每一虹膜子块进行变换处理。
利用二维DCT变换对每一块进行处理,得到M个DCT系数块,如图5所示,整个虹膜图像被分为64个虹膜子块,且每个虹膜子块形成一个DCT系数,即有64个DCT系数,在进行编码时,为了克服光照不均带来的影响,舍弃代表虹膜子块平均亮度的第一个DCT系数(即图5中的子块1)用作特征位。而高频部分容易受到外界环境干扰,因而同样舍弃虹膜子块64用作特征位。所以在本方法中采用的是中低频系数作为特征编码位即采用子块2到子块63的DCT系数用作特征位。
S103:选择编码对象。
对每一子块的DCT系数进行Zigzag扫描,使每一子块的DCT系数成为一个一维的系数序列,在编码时可截取某一段连续的系数作为编码对象。
S104:对编码对象进行编码。
每一个虹膜子块的系数代表相应位置的频率特性,根据公式(1)来决定编码方式。
C ( k , x ) = 1 , I k _ DCT ( x ) > 0 0 , I k _ DCT ( x ) ≤ 0 . . . ( 1 )
这样就可以由0、1来表示每一系数的特征,每一块就有与截取对象同样长度的0、1系列码来表示,而整个虹膜图像的特征则可由M个这样的序列码组成。可以看出,一幅虹膜图像的特征码由分块方式和截取DCT系数块中的位置与长度决定。
本发明技术方案带来的有益效果:提出了基于二维DCT变换的虹膜特征设计方法。利用二维DCT变换的能量集中和频率分散的特性提取虹膜特征,选取不同的频率系数作为虹膜特征码,提高了特征提取速度,消耗时间仅0.062s。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种基于2D-DCT变换的虹膜特征设计方法,其特征在于,包括以下步骤:
S101:对经预处理过的虹膜图像进行特定分块得到多个虹膜子块;
S102:利用二维DCT变换对每一虹膜子块进行变换处理;
S103:选择编码对象;
S104:对编码对象进行编码。
2.根据权利要求1所述的基于2D-DCT变换的虹膜特征设计方法,其特征在于,所述步骤S101中的多个虹膜子块设置为等大小且无重叠区域。
3.根据权利要求1所述的基于2D-DCT变换的虹膜特征设计方法,其特征在于,所述步骤S101中的多个虹膜子块设置为等大小且部分区域重合。
4.根据权利要求1所述的基于2D-DCT变换的虹膜特征设计方法,其特征在于,所述步骤S102具体包括:利用二维DCT变换对每一块进行处理,得到M个DCT系数块;并舍弃代表虹膜子块平均亮度的第一个DCT系数及第M个DCT系数块用作特征位,采用的中低频系数作为特征编码位。
5.根据权利要求1所述的基于2D-DCT变换的虹膜特征设计方法,其特征在于,所述步骤S103具体包括:对每一子块的DCT系数进行Zigzag扫描,使每一子块的DCT系数成为一个一维的系数序列,在编码时截取某一段连续的系数作为编码对象。
6.根据权利要求1所述的基于2D-DCT变换的虹膜特征设计方法,其特征在于,所述步骤S104具体包括:对编码对象采用公式:
C ( k , x ) = 1 , I k _ DCT ( x ) > 0 0 , I k _ DCT ( x ) ≤ 0
进行编码。
7.一种虹膜识别系统,其包括依次连接的虹膜图像获取模块、虹膜图像预处理模块、特征设计与编码模块、模式匹配模块、虹膜数据库,其特征在于,所述特征设计与编码模块还包括:
图像分块单元用于对虹膜图像进行分块到虹膜子块;
DCT变换单元用于利用二维DCT变换对每一块进行处理,得到M个DCT系数块;
编码对象选择单元用于将Zigzag扫描后的每一子块的DCT系数组成一个一维的系数序列,在编码时进行截取,将截取的某一段连续的系数作为编码对象;
编码单元用于采用编码公式对系数进行编码。
CN 201010186687 2010-05-28 2010-05-28 基于2d-dct变换的虹膜特征设计方法及系统 Pending CN101916361A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010186687 CN101916361A (zh) 2010-05-28 2010-05-28 基于2d-dct变换的虹膜特征设计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010186687 CN101916361A (zh) 2010-05-28 2010-05-28 基于2d-dct变换的虹膜特征设计方法及系统

Publications (1)

Publication Number Publication Date
CN101916361A true CN101916361A (zh) 2010-12-15

Family

ID=43323870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010186687 Pending CN101916361A (zh) 2010-05-28 2010-05-28 基于2d-dct变换的虹膜特征设计方法及系统

Country Status (1)

Country Link
CN (1) CN101916361A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104680128A (zh) * 2014-12-31 2015-06-03 北京释码大华科技有限公司 一种基于四维分析的生物特征识别方法和系统
CN105139019A (zh) * 2015-03-24 2015-12-09 北京天诚盛业科技有限公司 虹膜图像筛选的方法及装置
WO2019001253A1 (zh) * 2017-06-30 2019-01-03 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品
CN110059520A (zh) * 2018-01-18 2019-07-26 北京京东金融科技控股有限公司 虹膜特征提取的方法、装置及虹膜识别系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1623506A (zh) * 2003-12-07 2005-06-08 倪蔚民 基于虹膜纹理分析的生物测定系统
CN1760887A (zh) * 2004-10-11 2006-04-19 中国科学院自动化研究所 虹膜图像的鲁棒特征抽取与识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1623506A (zh) * 2003-12-07 2005-06-08 倪蔚民 基于虹膜纹理分析的生物测定系统
CN1760887A (zh) * 2004-10-11 2006-04-19 中国科学院自动化研究所 虹膜图像的鲁棒特征抽取与识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 20070430 Donald M. Monro等 DCT-Based Iris Recognition 586-594 1-5,7 第29卷, 第4期 2 *
《中国优秀硕士学位论文全文数据库(信息科技辑)》 20100215 王娅茹 基于离散余弦变换的虹膜识别算法及并行化研究 I138-397 1-5,7 , 2 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104680128A (zh) * 2014-12-31 2015-06-03 北京释码大华科技有限公司 一种基于四维分析的生物特征识别方法和系统
CN105139019A (zh) * 2015-03-24 2015-12-09 北京天诚盛业科技有限公司 虹膜图像筛选的方法及装置
WO2016150239A1 (zh) * 2015-03-24 2016-09-29 北京天诚盛业科技有限公司 虹膜图像筛选的方法及装置
CN105139019B (zh) * 2015-03-24 2019-03-19 北京眼神智能科技有限公司 虹膜图像筛选的方法及装置
WO2019001253A1 (zh) * 2017-06-30 2019-01-03 Oppo广东移动通信有限公司 虹膜活体检测方法及相关产品
US11200437B2 (en) 2017-06-30 2021-12-14 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for iris-based living body detection and related products
CN110059520A (zh) * 2018-01-18 2019-07-26 北京京东金融科技控股有限公司 虹膜特征提取的方法、装置及虹膜识别系统
CN110059520B (zh) * 2018-01-18 2024-04-09 京东科技控股股份有限公司 虹膜特征提取的方法、装置及虹膜识别系统

Similar Documents

Publication Publication Date Title
Li et al. Blueprint separable residual network for efficient image super-resolution
CN102541954B (zh) 一种商标检索方法及系统
KR20180077239A (ko) 얼굴 인증 방법, 장치 및 컴퓨터 기억매체
CN103605963A (zh) 一种指纹识别方法
CN103996026A (zh) 指纹特征提取方法、装置及系统
CN109063541B (zh) 用于指纹识别的系统和方法
CN101609499A (zh) 快速指纹识别方法
Barzut et al. A novel fingerprint biometric cryptosystem based on convolutional neural networks
Hofbauer et al. Experimental analysis regarding the influence of iris segmentation on the recognition rate
CN101916361A (zh) 基于2d-dct变换的虹膜特征设计方法及系统
CN110781856B (zh) 异质人脸识别模型训练方法、人脸识别方法及相关装置
CN105631469A (zh) 一种多层稀疏编码特征的鸟类图像识别方法
CN112017162B (zh) 病理图像处理方法、装置、存储介质和处理器
CN114387627A (zh) 基于深度度量学习的小样本无线设备射频指纹识别方法及装置
CN112634158A (zh) 人脸图像恢复方法、装置、计算机设备及存储介质
CN101916363B (zh) 一种虹膜特征设计与编码方法及虹膜识别系统
CN101819631B (zh) 一种身份识别方法和身份识别系统
Ren et al. Deep RF device fingerprinting by semi-supervised learning with meta pseudo time-frequency labels
CN110991298A (zh) 图像的处理方法和装置、存储介质及电子装置
CN111626313B (zh) 一种特征提取模型训练方法、图像处理方法及装置
CN110490876B (zh) 一种基于轻量级神经网络的图像分割方法
CN114373218B (zh) 一种用于检测活体对象的卷积网络的生成方法
Raskar et al. VFDHSOG: copy-move video forgery detection using histogram of second order gradients
Guo et al. One-stage low-resolution text recognition with high-resolution knowledge transfer
CN109710062B (zh) 一种基于脑电和手势信号融合的跨个体控制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20101215