CN104850823A - 一种虹膜图像的质量评价方法及装置 - Google Patents

Abstract

本发明提供一种虹膜图像的质量评价方法及装置，包括：获取待评价的虹膜图像；根据虹膜图像，计算虹膜图像的像素遮挡率；根据像素遮挡率，对虹膜图像进行质量评价。根据上述方案，通过计算虹膜图像的像素遮挡率，对虹膜图像进行质量评价，由于利用像素遮挡率来评价虹膜图像的质量，效率较高，能够很快的去除质量不合格的虹膜图像，从而使得利用质量合格的虹膜图像进行应用，提高了准确率。

Description

一种虹膜图像的质量评价方法及装置

技术领域

本发明涉及计算机技术领域，特别涉及一种虹膜图像的质量评价方法及装置。

背景技术

随着计算机技术的迅速发展，利用虹膜图像进行身份识别的技术已然实现。其中，虹膜识别技术是基于虹膜图像进行身份识别的一种技术，可以应用于安防设备，如门禁，以及有高度保密需求的场所。

目前，在采集到虹膜图像进行应用之前，未进行虹膜图像的质量评价，导致在使用质量不合格的虹膜图像进行应用时，错误率较高。

发明内容

有鉴于此，本发明提供一种虹膜图像的质量评价方法及装置，以解决现有技术在使用质量不合格的虹膜图像进行应用时，错误率较高的问题。

本发明提供了一种虹膜图像的质量评价方法，包括：

获取待评价的虹膜图像；

根据所述虹膜图像，计算所述虹膜图像的像素遮挡率；

根据所述像素遮挡率，对所述虹膜图像进行质量评价。

优选地，

进一步包括：设定像素遮挡率对应的第一阈值；

所述计算所述虹膜图像的像素遮挡率，包括：

通过下式计算所述像素遮挡率：

$Q_{\mathrm{eyelash}\_\mathrm{xount}}=\frac{\mathrm{\Σeyelash}}{S_{\mathrm{iris}}}$

其中，Q_{eyelash_xount}用于表征所述像素遮挡率，∑eyelash用于表征所述虹膜区域内眼睫毛的像素个数，S_iris用于表征所述虹膜区域的总面积。

所述根据所述像素遮挡率，对所述虹膜图像进行质量评价，包括：在计算的所述像素遮挡率小于所述第一阈值时，表征所述虹膜图像合格；在计算的所述像素遮挡率不小于所述第一阈值时，表征所述虹膜图像不合格。

优选地，

在所述对所述虹膜图像进行质量评价之前，进一步包括：计算所述虹膜图像的虹膜完整度；其中，通过下式计算所述虹膜完整度：

$Q_{\mathrm{goodarea}}=\frac{\mathrm{\π}\×(R+r)(R-r)}{S_{\mathrm{iris}}}$

其中，Q_goodarea用于表征所述虹膜完整度，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，S_iris用于表征所述虹膜区域的总面积；

进一步包括：设定所述虹膜完整度对应的第二阈值；

所述根据所述像素遮挡率，对所述虹膜图像进行质量评价，包括：在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述虹膜完整度与所述第二阈值的关系，在计算的所述虹膜完整度大于所述第二阈值时，表征所述虹膜图像合格；在计算的所述虹膜完整度不大于所述第二阈值时，表征所述虹膜图像不合格。

优选地，

在所述对所述虹膜图像进行质量评价之前，进一步包括：计算所述虹膜图像的区域遮挡率；其中，通过下式计算所述区域遮挡率：

$S_{\mathrm{eyelash}}=\frac{R^2}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|\arccos \left(\frac{Y_0-Y_{i1}}{R}\right)-\arccos \left(\frac{Y_0-Y_{i2}}{R}\right)|\×(1-\frac{r^2}{R^2})$

$Q_{\_\mathrm{area}}=\frac{S_{\mathrm{eyelash}}}{S_{\mathrm{iris}}}$

其中，S_eyelash用于表征所述区域遮挡面积，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，Y₀用于表征所述虹膜区域的圆心在坐标系内的坐标值，Y_i1、Y_i2分别用于表征以Y₀对应的位置作为圆心，在所述虹膜区域的外围圆周上一个点在坐标系内的坐标值，其中，以Y₀作为圆心，与Y_i1与Y_i2所组成的扇形区域与所述遮挡区域包括交集，n为扇形区域的个数；Q_area用于表征所述区域遮挡率，S_iris用于表征所述虹膜区域的总面积；

进一步包括：设定所述区域遮挡率对应的第三阈值；

所述根据所述像素遮挡率，对所述虹膜图像进行质量评价，包括：在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述区域遮挡率与所述第三阈值的关系，在计算的所述区域遮挡率小于所述第三阈值时，表征所述虹膜图像合格；在计算的所述区域遮挡率不小于所述第三阈值时，表征所述虹膜图像不合格。

优选地，进一步包括：

根据质量合格的虹膜图像进行身份识别或虹膜视线定位。

本发明还提供了一种虹膜图像的质量评价装置，包括：

获取单元，用于获取待评价的虹膜图像；

计算单元，用于根据所述虹膜图像，计算所述虹膜图像的像素遮挡率；

评价单元，用于根据所述像素遮挡率，对所述虹膜图像进行质量评价。

优选地，

进一步包括：存储单元，用于存储像素遮挡率对应的第一阈值；

所述计算计算单元，用于通过下式计算所述像素遮挡率：

$Q_{\mathrm{eyelash}\_\mathrm{xount}}=\frac{\mathrm{\Σeyelash}}{S_{\mathrm{iris}}}$

其中，_{Qeyelash_xount}用于表征所述像素遮挡率，∑eyelash用于表征所述虹膜区域内眼睫毛的像素个数，S_iris用于表征所述虹膜区域的总面积。

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，表 征所述虹膜图像合格；在计算的所述像素遮挡率不小于所述第一阈值时，表征所述虹膜图像不合格。

优选地，

所述计算单元，用于计算所述虹膜图像的虹膜完整度；其中，通过下式计算所述虹膜完整度：

$Q_{\mathrm{goodarea}}=\frac{\mathrm{\π}\×(R+r)(R-r)}{S_{\mathrm{iris}}}$

其中，Q_goodarea用于表征所述虹膜完整度，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，S_iris用于表征所述虹膜区域的总面积；

所述存储单元，用于存储所述虹膜完整度对应的第二阈值；

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述虹膜完整度与所述第二阈值的关系，在计算的所述虹膜完整度大于所述第二阈值时，表征所述虹膜图像合格；在计算的所述虹膜完整度不大于所述第二阈值时，表征所述虹膜图像不合格。

优选地，

所述计算单元，用于计算所述虹膜图像的区域遮挡率；其中，通过下式计算所述区域遮挡率：

$S_{\mathrm{eyelash}}=\frac{R^2}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|\arccos \left(\frac{Y_0-Y_{i1}}{R}\right)-\arccos \left(\frac{Y_0-Y_{i2}}{R}\right)|\×(1-\frac{r^2}{R^2})$

$Q_{\_\mathrm{area}}=\frac{S_{\mathrm{eyelash}}}{S_{\mathrm{iris}}}$

其中，S_eyelash用于表征所述区域遮挡面积，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，Y₀用于表征所述虹膜区域的圆心在坐标系内的坐标值，Y_i1、Y_i2分别用于表征以Y₀对应的位置作为圆心，在所述虹膜区域的外围圆周上一个点在坐标系内的坐标值，其中，以Y₀作为圆心，与Y_i1与Y_i2所组成的扇形区域与所述遮挡区域包括交集，n为扇形区域的个数；Q_area 用于表征所述区域遮挡率，S_iris用于表征所述虹膜区域的总面积；

所述存储单元，用于存储所述区域遮挡率对应的第三阈值；

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述区域遮挡率与所述第三阈值的关系，在计算的所述区域遮挡率小于所述第三阈值时，表征所述虹膜图像合格；在计算的所述区域遮挡率不小于所述第三阈值时，表征所述虹膜图像不合格。

优选地，进一步包括：

处理单元，用于根据质量合格的虹膜图像进行身份识别或虹膜视线定位。

本发明实施例提供了一种虹膜图像的质量评价方法及装置，通过计算虹膜图像的像素遮挡率，对虹膜图像进行质量评价，由于利用像素遮挡率来评价虹膜图像的质量，效率较高，能够很快的去除质量不合格的虹膜图像，从而使得利用质量合格的虹膜图像进行应用，提高了准确率。

附图说明

图1是本发明实施例提供的方法流程图；

图2是本发明另一实施例提供的方法流程图；

图3是本发明实施例提供的虹膜图像1示意图；

图4是本发明实施例提供的虹膜图像2示意图；

图5是本发明实施例提供的装置所在设备的硬件架构图；

图6是本发明实施例提供的装置结构示意图；

图7是本发明另一实施例提供的装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种虹膜图像的质量评价方法，该方 法可以包括以下步骤：

步骤101：获取待评价的虹膜图像。

步骤102：根据虹膜图像，计算虹膜图像的像素遮挡率。

步骤103：根据像素遮挡率，对虹膜图像进行质量评价。

根据上述方案，通过计算虹膜图像的像素遮挡率，对虹膜图像进行质量评价，由于利用像素遮挡率来评价虹膜图像的质量，效率较高，能够很快的去除质量不合格的虹膜图像，从而使得利用质量合格的虹膜图像进行应用，提高了准确率。

为使本发明的目的、技术方案和优点更加清楚，下面结合附图及具体实施例对本发明作进一步地详细描述。

如图2所示，本发明实施例提供了一种虹膜图像的质量评价方法，该方法可以包括以下步骤：

步骤201：获取待评价的虹膜图像。

在本实施例中，可以通过摄像机对虹膜进行拍摄得到虹膜图像。

如图3、图4所示，分别是待评价的虹膜图像1和虹膜图像2。

步骤202：利用坐标系对虹膜图像进行定位。

在本实施例中，为了在后续过程中方便计算，可以利用坐标系对虹膜图像进行定位。其中，可以将整个虹膜图像放置于坐标系的第一象限内，也可以将虹膜区域的圆心位置作为坐标系的原坐标，该虹膜区域的圆心位置如图3、图4中的Y₀位置，本实施例以虹膜区域的圆心位置为坐标系的原坐标为例进行说明。

步骤203：确定虹膜图像中的虹膜区域、瞳孔区域和遮挡区域。

在本实施例中，由于虹膜区域与瞳孔区域、遮挡区域像素的灰度值不同，而瞳孔区域与遮挡区域的像素的灰度值范围类似，其中，虹膜区域的像素灰度值范围为：63-100，瞳孔区域和遮挡区域的像素灰度值范围为：0-63，而遮挡区域位于虹膜区域内，因此，可以根据像素的灰度值确定虹膜区域、瞳孔区域和遮挡区域。

如图3、图4所示，图中的R’用于表征虹膜区域的半径，r用于表述瞳孔区域的半径，，其中，(R’-r)的圆环区域用于表征虹膜区域，R用于表征以虹膜区域的圆心作为圆心时所对应圆的圆内区域与遮挡区域无交集的最大值，以r为半径的圆用于表征瞳孔区域，(R’-R)用于表征遮挡区域。

步骤204：计算虹膜图像的像素遮挡率，并利用像素遮挡率对虹膜图像进行质量评价。

在本发明一优选实施例中，可以利用像素遮挡率对虹膜图像进行质量评价的方式可以包括：

S11：预先根据经验值，设定像素遮挡率对应的阈值1，该阈值1可以是60％。

S12：计算像素遮挡率，包括：通过下式(1)计算像素遮挡率：

$Q_{\mathrm{eyelash}\_\mathrm{xount}}=\frac{\mathrm{\Σeyelash}}{S_{\mathrm{iris}}}---\left(1\right)$

其中，_{Qeyelash_xount}用于表征像素遮挡率，∑eyelash用于表征虹膜区域内眼睫毛的像素个数，S_iris用于表征虹膜区域的总面积。

S13：根据计算的像素遮挡率，对虹膜图像进行质量评价，包括：在计算的像素遮挡率小于60时，表征虹膜图像合格；在计算的像素遮挡率不小于60时，表征虹膜图像不合格。

本实施例利用像素遮挡率对虹膜图像的质量进行评价，提高了评价效率。

在本发明一优选实施例中，为了进一步对虹膜图像的质量进行评价，还可以通过下述任意一个或多个参数对像素遮挡率评价质量合格的虹膜图像进行进一步的质量评价：1、虹膜完整度；2、区域遮挡率。

在本发明一优选实施例中，利用像素遮挡率所评价的质量合格的虹膜完整度对虹膜图像进行进一步质量评价的方式可以包括：

S21：预先根据经验值，设定虹膜完整度对应的阈值2，该阈值2可以是30％。

S22：计算虹膜完整度，包括：通过下式(2)计算虹膜完整度：

$Q_{\mathrm{goodarea}}=\frac{\mathrm{\π}\×(R+r)(R-r)}{S_{\mathrm{iris}}}---\left(2\right)$

其中，Q_goodarea用于表征虹膜完整度，S_iris用于表征虹膜区域的总面积，其中，该面积是像素面积。

S23：根据计算的虹膜完整度，对虹膜图像进行质量评价，包括：在计算的虹膜完整度大于30时，表征虹膜图像合格；在计算的虹膜完整度不大于30时，表征虹膜图像不合格。

在本发明一优选实施例中，利用区域遮挡率对利用像素遮挡率所评价的质量合格的虹膜图像进行进一步质量评价的方式可以包括：

S31：预先根据经验值，设定区域遮挡率对应的阈值3，该阈值3可以是35％。

S32：计算区域遮挡率，包括：通过下式(3)(4)计算区域遮挡率：

$S_{\mathrm{eyelash}}=\frac{R^2}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|\arccos \left(\frac{Y_0-Y_{i1}}{R}\right)-\arccos \left(\frac{Y_0-Y_{i2}}{R}\right)|\×(1-\frac{r^2}{R^2})---\left(3\right)$

$Q_{\_\mathrm{area}}=\frac{S_{\mathrm{eyelash}}}{S_{\mathrm{iris}}}---\left(4\right)$

其中，S_eyelash用于表征遮挡区域的总面积，Y_i1、Y_i2分别用于表征以Y₀对应的位置作为圆心，在虹膜区域的外围圆周上一个点在坐标系内的坐标值，其中，以Y₀作为圆心，与Y_i1与Y_i2所组成的扇形区域与遮挡区域包括交集，

n为扇形区域的个数；Q_area用于表征区域遮挡率，S_iris用于表征虹膜区域的总面积。

S33：根据计算的区域遮挡率，对虹膜图像进行质量评价，包括：在计算的区域遮挡率小于35时，表征虹膜图像合格；在计算的区域遮挡率不小于35时，表征虹膜图像不合格。

在本发明一优选实施例中，还可以根据上述像素遮挡率、虹膜完整度和区域遮挡率中的任意两个参数或三个参数对虹膜图像的质量进行评价，只有当利用各个评价参数评价虹膜图像均合格时，才能确定为虹膜图像质量合格。

在本发明一优选实施例中，在评价时，还可以设定这几个参数在进行质量评价时的顺序，以利用这三个参数对虹膜图像的质量进行评价为例对评价顺序的设定进行说明。例如，可以设定这三个参数的评价顺序为像素遮挡率-虹膜完整度-区域遮挡率，在根据像素遮挡率评价虹膜图像合格的情况下才会根据虹膜完整度对虹膜图像进行进一步的评价，以及在根据虹膜完整度评价虹膜图像合格的情况下才会根据区域遮挡率对虹膜图像进行进一步的评价，只有根据这三个参数对虹膜图像进行评价时的质量均合格时，确定该虹膜图像质量合格。

根据图3、图4所示的虹膜图像1和虹膜图像2，可以确定如下参数：

虹膜图像1：宽度：320；高度：280；R’＝101.5012315；r＝43.0116263；虹膜区域的总面积S_iris＝26554.3114515；虹膜区域内像素的总个数∑eyelash＝495；R＝76，无遮挡区域的总面积＝πR²-πr²＝12333.8925476；遮挡区域的总面积＝5549.8373459。

虹膜图像2：宽度：320；高度：280；R’＝103.3924563；r＝513517283；虹膜区域的总面积S_iris＝25299.2452078；虹膜区域内像素的总∑eyelash＝1168；R＝64，无遮挡区域的总面积＝πR²-πr²＝4583.5836034；遮挡区域的总面积＝7103.1898908。

根据上述设定的参数，可以分别得到虹膜图像1和虹膜图像2的像素遮挡率、虹膜完整度和区域遮挡率这三个参数。

虹膜图像1：像素遮挡率＝0.0186410，虹膜完整度＝0.4644779，区域遮挡率＝0.3902724；还可以求出一个区域全局遮挡率，即遮挡区域的总面积除以虹膜图像的总面积＝S_eyelash/πR’²＝0.2809994。

虹膜图像2：像素遮挡率＝0.0461673，虹膜完整度＝0.1811747，区域遮挡率＝0.3428898，还可以求出一个区域全局遮挡率，即遮挡区域的总面积除以虹膜图像的总面积＝S_eyelash/πR’²＝0.2807668。

利用设定的阈值1＝60％、阈值2＝30％和阈值3＝35％，根据上述三个参数 对分别对虹膜图像1和虹膜图像2进行质量评价，其中，得到虹膜图像1合格，虹膜图像2不合格。

在本发明一优选实施例中，还可以利用上述质量评价方式所评价质量合格的虹膜图像进行身份识别或虹膜视线定位等。

如图5、图6所示，本发明实施例提供了一种虹膜图像的质量评价装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图5所示，为本发明实施例虹膜图像的质量评价装置所在设备的一种硬件结构图，除了图5所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图6所示，作为一个逻辑意义上的装置，是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的虹膜图像的质量评价装置60包括：

获取单元601，用于获取待评价的虹膜图像；

计算单元602，用于根据所述虹膜图像，计算所述虹膜图像的像素遮挡率；

评价单元603，用于根据所述像素遮挡率，对所述虹膜图像进行质量评价。

在本发明一个实施例中，如图7所示，装置可以进一步包括：

存储单元701，用于存储像素遮挡率对应的第一阈值；

所述计算计算单元，用于通过下式计算所述像素遮挡率：

$Q_{\mathrm{eyelash}\_\mathrm{xount}}=\frac{\mathrm{\Σeyelash}}{S_{\mathrm{iris}}}$

其中，Q_{eyelash_xount}用于表征所述像素遮挡率，∑eyelash用于表征所述虹膜区域内眼睫毛的像素个数，S_iris用于表征所述虹膜区域的总面积。

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，表征所述虹膜图像合格；在计算的所述像素遮挡率不小于所述第一阈值时，表 征所述虹膜图像不合格。

所述计算单元，用于计算所述虹膜图像的虹膜完整度；其中，通过下式计算所述虹膜完整度：

$Q_{\mathrm{goodarea}}=\frac{\mathrm{\π}\×(R+r)(R-r)}{S_{\mathrm{iris}}}$

其中，Q_goodarea用于表征所述虹膜完整度，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，S_iris用于表征所述虹膜区域的总面积；

所述存储单元，用于存储所述虹膜完整度对应的第二阈值；

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述虹膜完整度与所述第二阈值的关系，在计算的所述虹膜完整度大于所述第二阈值时，表征所述虹膜图像合格；在计算的所述虹膜完整度不大于所述第二阈值时，表征所述虹膜图像不合格。

所述计算单元，用于计算所述虹膜图像的区域遮挡率；其中，通过下式计算所述区域遮挡率：

$S_{\mathrm{eyelash}}=\frac{R^2}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|\arccos \left(\frac{Y_0-Y_{i1}}{R}\right)-\arccos \left(\frac{Y_0-Y_{i2}}{R}\right)|\×(1-\frac{r^2}{R^2})$

$Q_{\_\mathrm{area}}=\frac{S_{\mathrm{eyelash}}}{S_{\mathrm{iris}}}$

其中，S_eyelash用于表征所述区域遮挡面积，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，Y₀用于表征所述虹膜区域的圆心在坐标系内的坐标值，Y_i1、Y_i2分别用于表征以Y₀对应的位置作为圆心，在所述虹膜区域的外围圆周上一个点在坐标系内的坐标值，其中，以Y₀作为圆心，与Y_i1与Y_i2所组成的扇形区域与所述遮挡区域包括交集，n为扇形区域的个数；Q_area用于表征所述区域遮挡率，S_iris用于表征所述虹膜区域的总面积；

所述存储单元，用于存储所述区域遮挡率对应的第三阈值；

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，并 进一步确定计算的所述区域遮挡率与所述第三阈值的关系，在计算的所述区域遮挡率小于所述第三阈值时，表征所述虹膜图像合格；在计算的所述区域遮挡率不小于所述第三阈值时，表征所述虹膜图像不合格。

处理单元702，用于根据质量合格的虹膜图像进行身份识别或虹膜视线定位。

本发明提供的实施例至少可以实现以下效果：

通过计算虹膜图像的像素遮挡率，对虹膜图像进行质量评价，由于利用像素遮挡率来评价虹膜图像的质量，效率较高，能够很快的去除质量不合格的虹膜图像，从而使得利用质量合格的虹膜图像进行应用，提高了准确率。

上述设备内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本 发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种虹膜图像的质量评价方法，其特征在于，包括：

获取待评价的虹膜图像；

根据所述虹膜图像，计算所述虹膜图像的像素遮挡率；

根据所述像素遮挡率，对所述虹膜图像进行质量评价。

2.根据权利要求1所述的方法，其特征在于，

进一步包括：设定像素遮挡率对应的第一阈值；

所述计算所述虹膜图像的像素遮挡率，包括：

通过下式计算所述像素遮挡率：

$Q_{\mathrm{eyelash}\_\mathrm{xount}}=\frac{\mathrm{\Σeyelash}}{S_{\mathrm{iris}}}$

其中，Q_{eyelash_xount}用于表征所述像素遮挡率，∑eyelash用于表征所述虹膜区域内眼睫毛的像素个数，S_iris用于表征所述虹膜区域的总面积。

所述根据所述像素遮挡率，对所述虹膜图像进行质量评价，包括：在计算的所述像素遮挡率小于所述第一阈值时，表征所述虹膜图像合格；在计算的所述像素遮挡率不小于所述第一阈值时，表征所述虹膜图像不合格。

3.根据权利要求2所述的方法，其特征在于，

在所述对所述虹膜图像进行质量评价之前，进一步包括：计算所述虹膜图像的虹膜完整度；其中，通过下式计算所述虹膜完整度：

$Q_{\mathrm{goodarea}}=\frac{\mathrm{\π}\×(R+r)(R-r)}{S_{\mathrm{iris}}}$

其中，Q_goodarea用于表征所述虹膜完整度，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，S_iris用于表征所述虹膜区域的总面积；

进一步包括：设定所述虹膜完整度对应的第二阈值；

所述根据所述像素遮挡率，对所述虹膜图像进行质量评价，包括：在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述虹膜完整度与所述第二阈值的关系，在计算的所述虹膜完整度大于所述第二阈值时，表征所述虹膜图像合格；在计算的所述虹膜完整度不大于所述第二阈值时，表征所述虹膜图像不合格。

4.根据权利要求2所述的方法，其特征在于，

在所述对所述虹膜图像进行质量评价之前，进一步包括：计算所述虹膜图像的区域遮挡率；其中，通过下式计算所述区域遮挡率：

$S_{\mathrm{eyelash}}=\frac{R^2}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|\arccos \left(\frac{Y_0-Y_{i1}}{R}\right)-\arccos \left(\frac{Y_0-Y_{i2}}{R}\right)|\×(1-\frac{r^2}{R^2})$

$Q\_\mathrm{area}=\frac{S_{\mathrm{eyelash}}}{S_{\mathrm{iris}}}$

其中，S_eyelash用于表征所述区域遮挡面积，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，Y₀用于表征所述虹膜区域的圆心在坐标系内的坐标值，Y_i1、Y_i2分别用于表征以Y₀对应的位置作为圆心，在所述虹膜区域的外围圆周上一个点在坐标系内的坐标值，其中，以Y₀作为圆心，与Y_i1与Y_i2所组成的扇形区域与所述遮挡区域包括交集，n为扇形区域的个数；Q_area用于表征所述区域遮挡率，S_iris用于表征所述虹膜区域的总面积；

进一步包括：设定所述区域遮挡率对应的第三阈值；

所述根据所述像素遮挡率，对所述虹膜图像进行质量评价，包括：在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述区域遮挡率与所述第三阈值的关系，在计算的所述区域遮挡率小于所述第三阈值时，表征所述虹膜图像合格；在计算的所述区域遮挡率不小于所述第三阈值时，表征所述虹膜图像不合格。

5.根据权利要求1-4中任一所述的方法，其特征在于，进一步包括：

根据质量合格的虹膜图像进行身份识别或虹膜视线定位。

6.一种虹膜图像的质量评价装置，其特征在于，包括：

获取单元，用于获取待评价的虹膜图像；

计算单元，用于根据所述虹膜图像，计算所述虹膜图像的像素遮挡率；

评价单元，用于根据所述像素遮挡率，对所述虹膜图像进行质量评价。

7.根据权利要求6所述的装置，其特征在于，

进一步包括：存储单元，用于存储像素遮挡率对应的第一阈值；

所述计算计算单元，用于通过下式计算所述像素遮挡率：

$Q_{\mathrm{eyelash}\_\mathrm{xount}}=\frac{\mathrm{\Σeyelash}}{S_{\mathrm{iris}}}$

其中，Q_{eyelash_xount}用于表征所述像素遮挡率，∑eyelash用于表征所述虹膜区域内眼睫毛的像素个数，S_iris用于表征所述虹膜区域的总面积。

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，表征所述虹膜图像合格；在计算的所述像素遮挡率不小于所述第一阈值时，表征所述虹膜图像不合格。

8.根据权利要求7所述的装置，其特征在于，

所述计算单元，用于计算所述虹膜图像的虹膜完整度；其中，通过下式计算所述虹膜完整度：

$Q_{\mathrm{goodarea}}=\frac{\mathrm{\π}\×(R+r)(R-r)}{S_{\mathrm{iris}}}$

其中，Q_goodarea用于表征所述虹膜完整度，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，S_iris用于表征所述虹膜区域的总面积；

所述存储单元，用于存储所述虹膜完整度对应的第二阈值；

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述虹膜完整度与所述第二阈值的关系，在计算的所述虹膜完整度大于所述第二阈值时，表征所述虹膜图像合格；在计算的所述虹膜完整度不大于所述第二阈值时，表征所述虹膜图像不合格。

9.根据权利要求7所述的装置，其特征在于，

所述计算单元，用于计算所述虹膜图像的区域遮挡率；其中，通过下式计算所述区域遮挡率：

$S_{\mathrm{eyelash}}=\frac{R^2}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|\arccos \left(\frac{Y_0-Y_{i1}}{R}\right)-\arccos \left(\frac{Y_0-Y_{i2}}{R}\right)|\×(1-\frac{r^2}{R^2})$

$Q\_\mathrm{area}=\frac{S_{\mathrm{eyelash}}}{S_{\mathrm{iris}}}$

其中，S_eyelash用于表征所述区域遮挡面积，R用于表征以所述虹膜区域的圆心作为圆心时所对应圆的圆内区域与所述遮挡区域无交集的最大值，r用于表征所述瞳孔区域的半径，Y₀用于表征所述虹膜区域的圆心在坐标系内的坐标值，Y_i1、Y_i2分别用于表征以Y₀对应的位置作为圆心，在所述虹膜区域的外围圆周上一个点在坐标系内的坐标值，其中，以Y₀作为圆心，与Y_i1与Y_i2所组成的扇形区域与所述遮挡区域包括交集，n为扇形区域的个数；Q_area用于表征所述区域遮挡率，S_iris用于表征所述虹膜区域的总面积；

所述存储单元，用于存储所述区域遮挡率对应的第三阈值；

所述评价单元，用于在计算的所述像素遮挡率小于所述第一阈值时，并进一步确定计算的所述区域遮挡率与所述第三阈值的关系，在计算的所述区域遮挡率小于所述第三阈值时，表征所述虹膜图像合格；在计算的所述区域遮挡率不小于所述第三阈值时，表征所述虹膜图像不合格。

10.根据权利要求6-9中任一所述的装置，其特征在于，进一步包括：

处理单元，用于根据质量合格的虹膜图像进行身份识别或虹膜视线定位。