CN103824293A - 虹膜采集设备成像质量评测系统 - Google Patents

Abstract

本发明提供一种虹膜采集设备成像质量的测试系统和方法，包括：采用具有光学平台、虹膜采集设备安放台、导轨和标板固定台的测试系统进行虹膜采集设备的光学特性测试，包括空间分辨率、像素尺度、纹理信噪比、传感器信噪比、反照分辨率、人眼安全、采集范围、抗运动模糊能力、红外光照分布测试；进行虹膜采集设备的虹膜图像质量测试，包括采集多个不同的虹膜的图像，对每一图像进行图像质量测试，取各幅图像在各个测试项目的加和后的算数平均值作为结果，包括：遮挡分数、虹膜-巩膜边界对比度、虹膜-瞳孔边界对比度、清晰度、运动模糊、可用灰度级数、虹膜半径、瞳孔-虹膜同心圆规整度。

Description

虹膜采集设备成像质量评测系统

技术领域

本发明涉及虹膜采集设备成像质量评测系统和方法。

背景技术

随着信息技术的高速发展，基于生物特征识别的身份认证方法得到了快速的发展。在众多生物特征识别中，虹膜识别具有高精度、非侵入性等特点。

虹膜识别成像技术是虹膜识别的关键技术和瓶颈技术。虹膜识别产品应用的环境以及用户的交互性均会影响到采集到的虹膜图像质量。比如，由于各虹膜识别采集设备提供商的标准不一致，导致了虹膜识别采集设备的光学成像特性存在差异，进而使得各设备采集到的虹膜图像质量存在差异。正确地度量这种差异性有助于横向或纵向比较设备差异，进一步提升虹膜识别系统的整体性能。

然而目前在虹膜图像质量评测、虹膜成像系统评测等方面，仍然采取“靠人工、凭经验”的方式，尚未形成科学、定量的评测系统和方法。

综上所述，对虹膜采集设备光学特性以及虹膜图像质量进行综合、科学、定量的评测系统和方法仍旧是一个亟待解决的问题。

发明内容

为了实现上述目的，一种虹膜采集设备成像质量的测试系统，包括：用于评测虹膜采集设备的光学成像质量的光学特性的测试平台和标板，

所述测试平台包括：光学平台、布置于光学平台纵向一端处的设备安放台、与所述设备安放台相对布置于光学平台纵向另一端处的导轨、布置于导轨上的标板安放台和布置于标板安放台上的标板，

其中所述标板上印刻有用以测试虹膜采集设备光学特性的预定测试图像，且在实测过程中标板放置在标板安放台上，然后通过导轨前后移动标板，以便布置于设备安放台上的虹膜采集设备获得标板的测试图像。

优选的，所述标板包括星状模式标板、虹膜纹理标板、环状灰度标板、矩形灰度标板。所述星状标板为包括内外两个圆的同心圆结构，内圆为黑色，在内外圆之间的环状区域被周向等分为由黑色区域和白色区域交替构成的多个放射状区域。所述虹膜纹理标板包括内外两个圆的同心圆结构，内圆为黑色，在内外圆之间的环状区域布置出模拟真实虹膜的图像，由此所述虹膜纹理标板提供具有真实纹理效果的虹膜图像，以便虹膜采集设备提取对应的虹膜特征。所述环状灰度标板为包括内外两个圆的同心圆结构，将内圆以及内外圆间的环状区域各自填充特定的单一灰度。所述矩形灰度标板为矩形结构，将矩形区域按长度均分为若干等分，不同等分区域间填充递进的灰度。

本发明提供一种虹膜采集设备成像质量的测试方法，包括如下步骤：采用如上所述的测试系统进行虹膜采集设备的光学特性测试，所述光学特性测试包括空间分辨率、像素尺度、纹理信噪比、传感器信噪比、反照分辨率、人眼安全、采集范围、抗运动模糊能力、红外光照分布测试；进行虹膜采集设备的虹膜图像质量测试，包括采集多个不同的虹膜的图像，之后，对每一幅虹膜图像进行各项虹膜图像质量测试，然后取各幅图像在各个测试项目的加和后的算数平均值作为结果，所述虹膜图像质量测试包括：遮挡分数、虹膜-巩膜边界对比度、虹膜-瞳孔边界对比度、清晰度、运动模糊、可用灰度级数、虹膜半径、瞳孔-虹膜同心圆规整度。

根据本发明的评测系统，可以给出不同单元组合情况下的虹膜采集设备的成像质量评测报告，用以指导新研发的采集设备是否满足虹膜识别成像质量的要求或者评测不同成像设备的性能差异，以及便于系统集成商根据实际需求选择虹膜采集设备。

附图说明

参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：

图1示出本发明的评测系统的系统框图；

图2示出本发明的评测系统的测试平台结构图；

图3示出根据本发明的星状模式标板；

图4示出根据本发明的虹膜纹理标板；

图5(a)-图5(c)分别示出根据本发明的三个环状灰度标板，其环状区域分别包括三个不同灰度；

图6示出根据本发明的矩形灰度标板。

具体实施方式

下面参考附图，通过示例性的实例来进一步说明本发明。

除非在本文中有特别的定义和说明，本说明书中所提到的各种元件、术语以及措辞与本领域普通技术人员所普遍理解的定义或含义是一致的。

通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。

在下文中，将参考附图描述本发明的实施例。

本发明提出了一种虹膜采集设备成像质量评测系统，该系统分别对虹膜采集设备的光学成像质量和虹膜采集设备采集的活体虹膜图像质量进行评测，并且给出评测试表作为质量报告。

图1示出本发明的评测系统的系统框图。根据本发明的成像质量评测系统包括光学特性测试单元S1、虹膜图像质量测试单元S2和虹膜图像质量评测结果报告单元S3。

光学特性测试单元S1主要用于评测虹膜采集设备的光学成像质量。所测试的光学特性包括空间分辨率、像素尺度、纹理信噪比、传感器信噪比、反照分辨率、人眼安全、采集范围、抗运动模糊能力、红外光照分布。

虹膜图像质量测试单元S2主要用于评测虹膜采集设备采集的活体虹膜图像质量。首先，需要采集30个不同的虹膜的图像300幅，构建成虹膜图像数据库。具体的，采集30只不同的眼睛的虹膜图像，每只眼睛采集10幅图像。当然，类别数以及图像数可以根据需要自行拟定，只需保证虹膜图像多样性即可。测试的虹膜图像质量包括遮挡分数、虹膜-巩膜边界对比度、虹膜-瞳孔边界对比度、清晰度、运动模糊、可用灰度级数、虹膜半径、瞳孔-虹膜同心圆规整度。

虹膜图像质量测试单元S3主要目的是输出虹膜采集设备成像质量报告，并判断是否满足实际需求，得出结论。

图2是本发明的评测系统的测试平台结构图。

所述测试平台100包括光学平台101、布置于光学平台101纵向一端处的设备安放台102、与所述设备安放台102相对布置于光学平台101上的导轨103、布置于导轨103上的标板安放台104和布置于标板安放台104上的标板，其中所述标板上印刻有用以测试虹膜采集设备光学特性的测试图像，且在实测过程中标板放置在标板安放台104上，然后通过导轨103前后移动标板，以便布置于设备安放台102上的虹膜采集设备利用标板进行光学特性测试。

光学平台101的平台尺寸应满足具体测试的虹膜采集设备的最低需求。例如，在测试设备的景深时，测试平台的长度应大于采集设备的焦距。在测试设备的采集范围测试时，光学平台的宽、高均需要超过实际采集设备的采集范围。例如光学平台101宽应大于40cm，长应大于60cm。设备安放台102可调节高度

在实际测试过程中，将虹膜采集设备放在设备安放台102上，标板放置在标板安放台104上，然后通过导轨103前后移动标板，以便对虹膜采集设备进行不同项目的测试。

根据本发明的测试标板包括四个标板，即星状标板（如图3）、虹膜纹理标板（如图4）、环状灰度标板（如图5(a)-图5(c)）以及矩形灰度标板（如图6）。具体如下：

1.星状标板：所述星状标板为包括内外两个圆的同心圆结构，内外圆半径分别为4mm和12mm，内圆为黑色，在内外圆之间的环状区域周向等分为多个放射状区域，并使得黑色区域和白色区域交替形成，打印获得星状标板，如图3。

2.虹膜纹理标板：所述虹膜纹理标板是将理想虹膜图像通过高清打印得到的，包括内外两个圆的同心圆结构，内圆为黑色，在内外圆之间的环状区域布置出模拟真实虹膜的图像，如图4。所述虹膜纹理标板提供具有真实纹理效果的虹膜图像，以便虹膜采集设备提取对应的虹膜特征。

3.环状灰度标板：所述环状灰度标板为包括内外两个圆的同心圆结构，内外半径分别为4mm和12mm。为了保证不同灰度间的一致性，设定了灰度级不同的三种环状灰度标板，测试时取其平均值。如图5(a)-(c)，其中，图5（a）的内圆为白色，内外圆间环状区域填充单一的黑色；图5（b）的内圆为黑色，内外圆间环状区域填充灰色；图5（c）的内圆为黑色，内外圆间环状区域填充白色。

4.矩形灰度标板：所述矩形灰度标板为矩形结构，长宽分别为70mm和10mm，将矩形区域按长度均分为若干等分，不同等分区域间填充递进的灰度，灰度等级为9。

下面对本发明涉及的各个测试单元的评测项目进行逐一说明。

一.光学特性测试单元S1

主要用于评测虹膜采集设备的光学成像质量。所测试的光学特性项目包括九个项目：空间分辨率、像素尺度、纹理信噪比、传感器信噪比、反照分辨率、人眼安全、采集范围、抗运动模糊能力、红外光照分布。

1.1.空间分辨率：采用星状标板，用待测设备先测试内外圆在不同半径R下的灰度调制度MD^R，如公式（1）：

${\mathrm{MD}}^R=\frac{{\mathrm{GL}}_{\max }^R-{\mathrm{GL}}_{\min }^R}{{\mathrm{GL}}_{\max }^R+{\mathrm{GL}}_{\min }^R}......\left(1\right)$

上式中，R是半径值，其取值范围是[4mm，12mm]，

是在半径R时灰度变化周期中的最大平均值，

是在半径R时灰度变化周期中的最小平均值。

然后记录MD^R大于阈值MD_th时的最小半径R_min，计算得到空间分辨率SFR，如公式（2）：

$\mathrm{SFR}=\frac{{\mathrm{Num}}_{\mathrm{lp}}}{2\mathrm{\π}{R}_{\min }}......\left(2\right)$

其中Num_lp为所使用标板的线对数。

1.2.像素尺度：采用星状标板。定位外圆边界，用待测设备先测试。通过设备采集后的图像，自然其组成是一个个像素。通过算法定位了虹膜外圆边界，也就可以计算出对应外圆半径的像素个数。将半径像素个数记录为Pixel_IR，像素尺度PixelScale计算如公式：

$\mathrm{PixelScale}=\frac{{\mathrm{Pixel}}_{\mathrm{IR}}}{{\mathrm{Radius}}_{\mathrm{IR}}}......\left(3\right)$

其中RadiusIR对应星状标板的实际半径（12mm）。

1.3.纹理信噪比测试：采用虹膜纹理标板。在测试过程中，用待测设备来采集虹膜纹理标板的图像，提取对应的虹膜特征feature_Probe，然后通过与之前已经先行提取得到的虹膜纹理标板中的理想虹膜纹理图像的虹膜特征feature_Enroll比对，得到特征比对结果，即为纹理信噪比TextureSNR，计算如公式（4）：

TextureSNR=Match(feature_Enroll,feature_Probe)……（4）

1.4.传感器信噪比测试：采用环状灰度标板。用待测设备分别采集环状灰度标板的不同灰度区域的图像，分别计算单一环状标板区域的灰度均值GaryM_i和标准差GaryStd_i，计算得到单一标板的传感器信噪比SensorSNR_i，如公式（5）：

SensorSNR_i=20log(GaryM_i/GaryStd_i) ……（5）

传感器信噪比是三种标板信噪比的均值，计算得到传感器信噪比SensorSNR，如公式（6）：

$\mathrm{SensorSNR}=\underset{i}{\min }\left\{\mathrm{Sensor}{\mathrm{SNR}}_i\right\}......\left(6\right);$

1.5.反照分辨率测试：采用矩形灰度标板。用待测设备采集标板图像，确定矩形灰度标板图像中不同灰度区域的分界点，计算对应灰度区域的实际灰度值，记录其均值为RecGL_i，计算相邻灰度区域间的灰度差异DiffGL_i,i-1，如灰度差异低于阈值DiffGL_th即认为相邻灰度区域间差异性过小，合并为同一灰度区域。经过区域合并后，得到最终的灰度级数RecGL_num，即为反照分辨率。

1.6.人眼安全测试：使用近红外光辐射度量仪器测试在不同距离上的光强，并与安全标准比较确定人眼安全，得出是否满足人眼安全需要，该结论作为人眼安全测试结果。

1.7.采集范围测试：在同一个设备采集图像时，由于视场范围、景深等因素的影响，不是所有的采集位置的空间分辨率均相同。接近视场边缘和景深边缘处的空间分辨率有衰减。所以可以通过空间分辨率测试来确定采集范围。事先确定一个阈值，如果空间分辨率衰减至原来的50%，则认为已经出了采集范围了。

根据以上的说明，可以测试得到该设备的采集范围。以采集设备的光轴方向为Z轴，水平方向和垂直方向为X轴和Y轴，在不同位置采集空间分辨率标板图像（参照1.1空间分辨率），计算对应位置的空间分辨率。

$\begin{array}{c}S1=(X_{\max }^{Z_m}-X_{\min }^{Z_m})(y_{\max }^{Z_m}-y_{\min }^{Z_m})\\ S2=(X_{\max }^{Z_M}-X_{\min }^{Z_M})(y_{\max }^{Z_M}-y_{\min }^{Z_M})\\ \mathrm{SH}=Z_M-Z_m\\ \mathrm{CapVol}=\mathrm{SH}*(S1+S2+\sqrt{S1*S2})/3\end{array}......\left(7\right)$

其中S1、S2和SH分别对应梯形的上底、下底和高。

1.8.抗运动模糊能力测试：设定不同运动等级Motion_i，分别采集各个运动模式下的虹膜图像，计算对应的运动模糊分数MotionS_i（见2.5运动模糊），若运动模糊分数大于阈值MotionS_th，说明在该运动等级下运动模糊程度是可接受的，记录最激烈的运动等级级别，作为抗运动模糊能力的测试结果。

1.9.红外光照分布测试：利用辐照度计，测试在不同距离、不同位置时设备光照的辐照度，记录对应距离和位置下的红外照度，作为红外光照分布的测试结果。

二.虹膜图像质量测试单元S2

主要用于评测虹膜采集设备的虹膜图像质量。首先，需要采集例如30个不同的虹膜的图像，例如300幅。之后，对每一幅虹膜图像进行各项虹膜图像质量测试，然后取各幅图像在各个测试项目的加和后的算数平均值。测试项目包括八项：遮挡分数、虹膜-巩膜边界对比度、虹膜-瞳孔边界对比度、清晰度、运动模糊、可用灰度级数、虹膜半径、瞳孔-虹膜同心圆规整度。具体测试方法如下：

2.1.遮挡分数：确定虹膜与巩膜、虹膜与瞳孔的边界区域，并进行圆拟合，得到虹膜环状区域。

对于正常采集的虹膜图像，势必会受到眼皮、睫毛和光斑的影响。在这里具体而言是通过虹膜区域分割算法得到未被噪声区域影响的虹膜区域。当然，虹膜分割算法如同虹膜定位算法一样，都是当今虹膜识别流行的算法。定位算法流行的有：圆周积分差分算法、基于霍夫变换的算法、基于推拉模型的定位算法等；分割算法流行的有：基于主动轮廓的算法、基于区域生长或聚类算法、基于眼皮定位、睫毛光斑去除算法等。通过以上算法均可以得到有效虹膜区域。

有效虹膜区域USABLE_IRIS_AREA，即遮挡分数的计算公式为：

$\mathrm{USABLE}\_\mathrm{IRIS}\_\mathrm{AREA}=\frac{N_{\mathrm{valid}}}{N_{\mathrm{iris}}}\×100\%......\left(8\right)$

其中N_valid对应虹膜环状区域中未被眼皮、睫毛和光斑遮挡的有效虹膜像素个数，N_iris对应虹膜环状区域的像素个数。

2.2.虹膜-巩膜边界对比度：确定虹膜与巩膜间的圆形边界，将圆形边界半径归一化为1。虹膜与巩膜对比度计算公式为：

$\mathrm{IRIS}\_\mathrm{SCLERA}\_\mathrm{CONTRAST}=\frac{|\mathrm{sclera}\_\mathrm{value}-\mathrm{iris}\_\mathrm{outer}\_\mathrm{value}|}{\mathrm{sclera}\_\mathrm{value}+\mathrm{iris}\_\mathrm{outer}\_\mathrm{value}}\×100\%$

$......\left(9\right)$

其中sclera_value对应半径为1.1至1.2间环状区域内的未被眼皮、睫毛和光斑影响的像素灰度中值，iris_outer_value对应半径为0.9至1间环状区域内未被眼皮、睫毛和光斑影响的像素灰度中值。计算得到的IRIS_SCLERA_CONTRAST即为虹膜-巩膜边界对比度。

2.3.虹膜与瞳孔边界对比度：确定虹膜与瞳孔间圆形边界，将圆形边界半径归一化为1。虹膜与瞳孔对比度计算公式为：

$\begin{array}{c}\mathrm{weber}\_\mathrm{ratio}=\frac{|\mathrm{iris}\_\mathrm{value}-\mathrm{pupil}\_\mathrm{value}|}{1+\mathrm{pupil}\_\mathrm{value}}\\ \mathrm{IRIS}\_\mathrm{PUPIL}\_\mathrm{CONTRAST}=\frac{\mathrm{weber}\_\mathrm{ratio}}{0.75+\mathrm{weber}\_\mathrm{ratio}}\×100\end{array}......\left(10\right)$

式中：

其中iris_value对应半径为1.1至1.2间环状区域内未被眼皮、睫毛和光斑影响的像素灰度中值，pupil_value对应半径为0.9至1间环状区域内未被眼皮、睫毛和光斑影响的像素灰度中值。计算得到的IRIS_PUPIL_CONTRAST即为虹膜与瞳孔边界对比度。

2.4.清晰度：计算虹膜图像与固定尺度滤波器的卷积能量得出对应的清晰度分数，可通过已有的虹膜图像质量评测算法中的离焦模糊程度计算得出最终的清晰度分数。

例如，对图像进行预处理，首先使用圆周微分差分算法得到虹膜内外圆信息，之后通过分割算法得到有效虹膜区域。然后，根据虹膜预处理结果，选取虹膜内外圆之间、以水平线为起始的左右下半45度范围的扇形区域为离焦模糊因子检测的初始感兴趣区域；计算两个扇形区域内的平均灰度和方差是否满足要求，选取最适合的一个或两个区域作为最终的感兴趣区域；构建5*5的离焦模糊检测子检测离焦模糊程度作为清晰度分数。

2.5.运动模糊：通过计算虹膜图像运动方向上的运动程度来进行运动模糊判定。

例如，对图像进行预处理，首先使用圆周微分差分算法得到虹膜内外圆信息，之后通过分割算法得到有效虹膜区域。然后，将图像转换到Fourier频域；利用Radon变换检测运动的方向；根据运动方向的Radon变换响应的尖峰宽窄决定运动模糊的程度。

2.6.可用灰度级数：灰度等级利用率可以通过计算图像灰度等级的信息熵得到。可用灰度级数IMAGE_ENTROPY计算公式为：

$\mathrm{IMAGE}\_\mathrm{ENTROPY}=-\underset{i}{\mathrm{\Σ}}{p}_i{\log }_2{p}_i......\left(11\right)$

其中，pi对应灰度等级为i在图像中出现的频率。

2.7.虹膜半径：通过定位算法得到虹膜图像的半径RIris。具体算法可采用第2.1项中提到的各种算法。

2.8.瞳孔-虹膜同心圆规整度：计算虹膜外边缘与内边缘圆心的相对位置参数，瞳孔-虹膜同心圆规整度IRIS_PUPIL_CONCENTRICITYIMAGE_ENTROPY的计算公式如下：

$\mathrm{IRIS}\_\mathrm{PUPIL}\_\mathrm{CONCENTRICITY}=\frac{\sqrt{{(X_{\mathrm{pupil}}-X_{\mathrm{iris}})}^2+{(Y_{\mathrm{pupil}}-Y_{\mathrm{iris}})}^2}}{\mathrm{IRIS}\_\mathrm{RADIUS}}\×100\%...\left(12\right)$

其中，X_pupil对应虹膜与瞳孔边界的圆心的X轴坐标，Y_pupil对应虹膜与瞳孔边界的圆心的Y轴坐标，X_iris对应虹膜与巩膜边界的圆心的X轴坐标，Y_iris对应虹膜与巩膜边界的圆心的Y轴坐标，IRIS_RADIUS虹膜与巩膜边界的拟合圆半径。

需要注意的是，上面给出的计算方法并不是唯一的，其他方法也可以应用于此。上述各项测试项目中最重要的项目包括：光学特性测试中的空间分辨率、像素尺度、传感器信噪比、反照分辨率、纹理信噪比，虹膜图像质量测试中的遮挡分数、虹膜-巩膜边界对比度、虹膜-瞳孔边界对比度、虹膜半径。

本发明对于确定虹膜采集设备成像质量，进而确定成像设备的性能优劣有重要意义，其主要优点如下：

√本发明提供了虹膜成像设备评测系统的专用评测平台；

√本发明针对虹膜成像设备的光学特性，提供了适于评测使用的评测标板，通过采集相应评测标板图像，结合相应的评测算法，能够实现成像设备光学特征评测的目的；

√本发明针对虹膜成像设备的采集的虹膜图像质量，设计虹膜图像质量因子的评测方法，能够实现成像设备图像采集质量判定；

√本发明结合成像设备光学特性以及虹膜图像质量判定两方面的结果，可以给出虹膜采集设备成像质量报告。在实际应用中，可以根据需要，确定适宜的质量范围，根据报告指出的内容确定成像设备的质量优劣。

得益于上述优点，本发明解决了虹膜采集设备成像质量评测的问题，可以广泛的应用到现有的虹膜采集设备设计中，也可以用于衡量不同设备间采集质量的差异性，从而提供产品选型的依据。如下所述：

实施例1：根据本发明的虹膜采集设备成像质量评测方法在设备组件选型上的应用。虹膜图像采集设备的图像质量主要取决于镜头、图像传感器和主动光源三部分。在虹膜图像采集设备研发中，可以根据本发明的评价方法给出该组合情况下的成像质量评价报告，用以指导新研发的采集设备是否满足虹膜识别成像质量的要求。通过这种方法可以量化不同组件组合后的成像质量，便于确定新开发的采集设备是否满足要求。

实施例2：根据本发明的虹膜采集设备成像质量评测方法在设备间成像质量评测上的应用。虹膜采集设备是一个多组件集成的系统。可以通过本发明，输出单一设备的成像质量评测报告。在多设备成像质量比较中，只需要比较成像质量评价报告中的测试内容间的差异就可以得出不同成像设备的性能差异，便于系统集成商根据实际需求选择虹膜采集设备。

结合这里披露的本发明的说明和实践，本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的，本发明的真正范围和主旨均由权利要求所限定。

Claims (6)

1.一种虹膜采集设备成像质量的测试系统，包括：用于评测虹膜采集设备的光学成像质量的光学特性的测试平台和标板，

所述测试平台包括：光学平台、布置于光学平台纵向一端处的设备安放台、与所述设备安放台相对布置于光学平台纵向另一端处的导轨、布置于导轨上的标板安放台和布置于标板安放台上的标板，

其中所述标板上印刻有用以测试虹膜采集设备光学特性的预定测试图像，且在实测过程中标板放置在标板安放台上，然后通过导轨前后移动标板，以便布置于设备安放台上的虹膜采集设备获得标板的测试图像，

其中所述标板包括星状模式标板、虹膜纹理标板、环状灰度标板、矩形灰度标板，

所述星状标板为包括内外两个圆的同心圆结构，内圆为黑色，在内外圆之间的环状区域被周向等分为由黑色区域和白色区域交替构成的多个放射状区域；

所述虹膜纹理标板包括内外两个圆的同心圆结构，内圆为黑色，在内外圆之间的环状区域布置出模拟真实虹膜的图像，由此所述虹膜纹理标板提供具有真实纹理效果的虹膜图像，以便虹膜采集设备提取对应的虹膜特征；

所述环状灰度标板为包括内外两个圆的同心圆结构，将内圆以及内外圆间的环状区域各自填充特定的单一灰度；

所述矩形灰度标板为矩形结构，将矩形区域按长度均分为若干等分，不同等分区域间填充递进的灰度。

2.一种虹膜采集设备成像质量的测试方法，包括如下步骤：

采用如权利要求1所述的测试系统进行虹膜采集设备的光学特性测试，所述光学特性测试包括空间分辨率、像素尺度、纹理信噪比、传感器信噪比、反照分辨率、人眼安全、采集范围、抗运动模糊能力、红外光照分布测试；

进行虹膜采集设备的虹膜图像质量测试，包括采集多个不同的虹膜的图像，之后，对每一幅虹膜图像进行各项虹膜图像质量测试，然后取各幅图像在各个测试项目的加和后的算数平均值作为结果，所述虹膜图像质量测试包括：遮挡分数、虹膜-巩膜边界对比度、虹膜-瞳孔边界对比度、清晰度、运动模糊、可用灰度级数、虹膜半径、瞳孔-虹膜同心圆规整度。

3.根据权利要求2所述的测试方法，其中

获得空间分辨率的过程包括：采用星状标板，用待测设备先测试内外圆在不同半径R下的灰度调制度MD^R，如公式（1）：

${\mathrm{MD}}^R=\frac{{\mathrm{GL}}_{\max }^R-{\mathrm{GL}}_{\min }^R}{{\mathrm{GL}}_{\max }^R+{\mathrm{GL}}_{\min }^R}......\left(1\right)$

上式中，R是半径值，其取值范围是[4mm，12mm]，

是在半径R时灰度变化周期中的最大平均值，

是在半径R时灰度变化周期中的最小平均值，然后记录MD^R大于阈值MD_th时的最小半径R_min，计算得到空间分辨率SFR，如公式（2）：

$\mathrm{SFR}=\frac{{\mathrm{Num}}_{\mathrm{lp}}}{2\mathrm{\π}{R}_{\min }}......\left(2\right)$

其中Num_lp为所使用标板的黑白线对数；

其中获得像素尺度的过程包括：采用星状标板，定位外圆边界，用待测设备测试，通过算法定位虹膜外圆边界，确定虹膜外圆半径的像素个数，将像素个数记录为Pixel_IR，像素尺度PixelScale计算如公式：

$\mathrm{PixelScale}=\frac{{\mathrm{Pixel}}_{\mathrm{IR}}}{{\mathrm{Radius}}_{\mathrm{IR}}}......\left(3\right)$

其中Radius_IR对应星状标板的实际半径；

其中获得纹理信噪比的过程包括：采集虹膜纹理标板图像，提取对应的虹膜特征feature_Probe，然后通过与之前已经先行提取得到的虹膜纹理标板中的理想虹膜纹理图像的虹膜特征feature_Enroll比对，得到特征比对结果，即为纹理信噪比TextureSNR，计算如公式（4）：

TextureSNR=Match(feature_Enroll,feature_Probe) ……（4）；

获得传感器信噪比的过程包括：采用环状灰度标板，用待测设备分别采集环状灰度标板的不同灰度区域的图像，分别计算单一环状标板区域的灰度均值GaryM_i和标准差GaryStd_i，计算得到单一标板的传感器信噪比SensorSNR_i，如公式（5）：

SensorSNRi=20log(GaryM_i/GaryStd_i) ……（5）

传感器信噪比是多种标板信噪比的均值，计算得到传感器信噪比SensorSNR，如公式（6）：

$\mathrm{SensorSNR}=\underset{i}{\min }\left\{\mathrm{Sensor}{\mathrm{SNR}}_i\right\}......\left(6\right);$

获得反照分辨率的过程包括：采集矩形灰度标板图像，确定矩形灰度标板图像中不同灰度区域的分界点，计算对应灰度区域的实际灰度值，记录其均值为RecGL_i，计算相邻灰度区域间的灰度差异DiffGL_i,i-1，如灰度差异低于阈值DiffGL_th即认为相邻灰度区域间差异性过小，合并为同一灰度区域，经过区域合并后，得到最终的灰度级数RecGL_num，即为反照分辨率。

4.根据权利要求2所述的测试方法，其中

获得人眼安全的过程包括：使用近红外光辐射度量仪器测试在不同距离上的光强，并与安全标准比较，得出是否满足人眼安全需要，该结论作为人眼安全测试结果；

获得采集范围的过程包括：以采集设备的光轴方向为Z轴，水平方向和垂直方向为X轴和Y轴，在不同位置采集星状标板图像，计算对应位置的空间分辨率，如果空间分辨率衰减至预定阈值时的坐标即为采集

$\begin{array}{c}S1=(X_{\max }^{Z_m}-X_{\min }^{Z_m})(y_{\max }^{Z_m}-y_{\min }^{Z_m})\\ S2=(X_{\max }^{Z_M}-X_{\min }^{Z_M})(y_{\max }^{Z_M}-y_{\min }^{Z_M})\\ \mathrm{SH}=Z_M-Z_m\\ \mathrm{CapVol}=\mathrm{SH}*(S1+S2+\sqrt{S1*S2})/3\end{array}......\left(7\right)$

其中S1、S2和SH分别对应梯形的上底、下底和高；

获得抗运动模糊能力的过程包括：设定不同运动等级Motion_i，分别采集各个运动模式下的虹膜图像，计算对应的运动模糊分数MotionS_i，若运动模糊分数大于阈值MotionS_th，说明在该运动等级下运动模糊程度是可5接受的，记录最激烈的运动等级级别，作为抗运动模糊能力的测试结果；

获得红外光照分布的过程包括：利用辐照度计测量不同距离、不同位置时设备光照的辐照度。

5.根据权利要求2所述的测试方法，其中

获得遮挡分数的过程包括：确定虹膜与巩膜、虹膜与瞳孔的边界区域，0并进行圆拟合，得到虹膜环状区域，并进一步得到有效虹膜区域，有效虹膜区域USABLE_IRIS_AREA，即遮挡分数的计算公式为：

$\mathrm{USABLE}\_\mathrm{IRIS}\_\mathrm{AREA}=\frac{N_{\mathrm{valid}}}{N_{\mathrm{iris}}}\×100\%......\left(8\right)$

其中N_valid对应虹膜环状区域中未被眼皮、睫毛和光斑遮挡的有效虹膜像素个数，N_iris对应虹膜环状区域的像素个数；

获得虹膜-巩膜边界对比度的过程包括：确定虹膜与巩膜间的圆形边界，将圆形边界半径归一化为1，虹膜与巩膜对比度计算公式为：

$\mathrm{IRIS}\_\mathrm{SCLERA}\_\mathrm{CONTRAST}=\frac{|\mathrm{sclera}\_\mathrm{value}-\mathrm{iris}\_\mathrm{outer}\_\mathrm{value}|}{\mathrm{sclera}\_\mathrm{value}+\mathrm{iris}\_\mathrm{outer}\_\mathrm{value}}\×100\%......\left(9\right)$

其中sclera_value对应半径为1.1至1.2间环状区域内的未被眼皮、睫毛和光斑影响的像素灰度中值，iris_outer_value对应半径为0.9至1间环状区域内未被眼皮、睫毛和光斑影响的像素灰度中值；

获得虹膜与瞳孔边界对比度的过程包括：确定虹膜与瞳孔间圆形边界，将圆形边界半径归一化为1，虹膜与瞳孔对比度计算公式为：

$\begin{array}{c}\mathrm{weber}\_\mathrm{ratio}=\frac{|\mathrm{iris}\_\mathrm{value}-\mathrm{pupil}\_\mathrm{value}|}{1+\mathrm{pupil}\_\mathrm{value}}\\ \mathrm{IRIS}\_\mathrm{PUPIL}\_\mathrm{CONTRAST}=\frac{\mathrm{weber}\_\mathrm{ratio}}{0.75+\mathrm{weber}\_\mathrm{ratio}}\×100\end{array}......\left(10\right)$

式中：iris_value对应半径为1.1至1.2间环状区域内未被眼皮、睫毛和光斑影响的像素灰度中值，pupil_value对应半径为0.9至1间环状区域内未被眼皮、睫毛和光斑影响的像素灰度中值；

获得清晰度的过程包括：对图像进行预处理，首先使用圆周微分差分算法得到虹膜内外圆信息，之后通过分割算法得到有效虹膜区域，然后，根据虹膜预处理结果，选取虹膜内外圆之间、以水平线为起始的左右下半45度范围的扇形区域为离焦模糊因子检测的初始感兴趣区域；计算两个扇形区域内的平均灰度和方差是否满足要求，选取最适合的一个或两个区域作为最终的感兴趣区域；构建5*5的离焦模糊检测子检测离焦模糊程度，作为清晰度分数。

6.根据权利要求2所述的测试方法，其中

获得运动模糊的过程包括：对图像进行预处理，首先使用圆周微分差分算法得到虹膜内外圆信息，之后通过分割算法得到有效虹膜区域，然后，将图像转换到Fourier频域；利用Radon变换检测运动的方向；根据运动方向的Radon变换响应的尖峰宽窄决定运动模糊的程度；

获得可用灰度级数的过程包括：可用灰度级数IMAGE_ENTROPY计算公式为：

$\mathrm{IMAGE}\_\mathrm{ENTROPY}=-\underset{i}{\mathrm{\Σ}}{p}_i{\log }_2{p}_i......\left(11\right)$

其中，p_i对应灰度等级为i在图像中出现的频率；

获得虹膜半径的过程包括：通过定位算法得到虹膜图像的半径R_Iris；

获得瞳孔-虹膜同心圆规整度的过程包括：计算虹膜外边缘与内边缘圆心的相对位置参数，瞳孔-虹膜同心圆规整度IRIS_PUPIL_CONCENTRICITYIMAGE_ENTROPY的计算公式如下：

$\mathrm{IRIS}\_\mathrm{PUPIL}\_\mathrm{CONCENTRICITY}=\frac{\sqrt{{(X_{\mathrm{pupil}}-X_{\mathrm{iris}})}^2+{(Y_{\mathrm{pupil}}-Y_{\mathrm{iris}})}^2}}{\mathrm{IRIS}\_\mathrm{RADIUS}}\×100\%...\left(12\right)$

其中，X_pupil对应虹膜与瞳孔边界的圆心的X轴坐标，Y_pupil对应虹膜与瞳孔边界的圆心的Y轴坐标，X_iris对应虹膜与巩膜边界的圆心的X轴坐标，Yiris对应虹膜与巩膜边界的圆心的Y轴坐标，IRIS_RADIUS虹膜与巩膜边界的拟合圆半径。

Images