CN105975960A - 基于纹理方向能量特征的虹膜识别方法 - Google Patents

Abstract

本发明涉及一种基于纹理方向能量特征的虹膜识别方法，该方法包括：获取样本虹膜图像的方向能量特征图，将特征图转为二值图像得到虹膜特征向量，将虹膜特征向量存入一个虹膜库中，得到虹膜特征注册集；获取待识别虹膜图像的待识别方向能量特征图，将待识别特征图转为二值图像得到待识别虹膜特征向量，将待识别虹膜特征向量与虹膜特征注册集进行相似度计算，最后通过设定的阈值识别该待识别虹膜特征向量是否为虹膜特征注册集中的虹膜。该方法简单有效，去噪能力强，并具有旋转平移不变性，具有较好的识别度。

Description

基于纹理方向能量特征的虹膜识别方法

技术领域

本发明涉及生物特征识别，具体地指一种基于纹理方向能量特征的虹膜识别方法。

背景技术

随着社会的发展，科技的进步，生物特征识别技术已经脱离了电影屏幕，生活中的应用越来越平常，生物特征识别技术应用面很广，包括身份鉴别，公司考勤，社会公共安全，金融等领域，主要的生物特征技术包含指纹识别，手静脉识别，掌纹识别，虹膜识别，声音识别，步态识别，虹膜识别因为虹膜具有特征稳定，不易盗取，非侵犯采集等特点，使其成为安全保密性最好的生物特征识别手段。虹膜识别一直各大院校研究的热点，各大科技公司，如微软，LG，富士通，三星都储备了这种技术，目前国内外比较著名的虹膜识别算有：

剑桥大学J.Daugman博士的gabor相位法，他设计一个2D gabor滤波器，对归一化的虹膜图像进行滤波，然后对滤波后的虹膜图像进行二值编码。他用虹膜图像像素点的相位信息作为区分类内与类间的特征。

中科院的om定序法，中科院孙哲楠博士，以高斯函数作为基本极子，设计定序滤波器，对虹膜图像进行滤波，提取虹膜图像的序度信息作为特征；

以及其他如小波过零点检测法，gabor与adaboost相结合算法等等；这些算法提取虹膜图像中不同的信息作为特征用来识别，各有优缺点能说谁的算法各方面都优于另一个算法，例如目前虹膜产品使用最多的gabor算法计算量大，识别速度较慢，基于adaboost特征选择的虹膜识别算法在训练时只是针对特定的虹膜库识别效果好，需要大量的样本进行训练很复杂，所以虹膜识别仍然具有很高的研究意义。

发明内容

本发明目的在于克服上述现有技术的不足而提供一种基于纹理方向能量特征的虹膜识别方法，该方法简单有效，去噪能力强，并具有旋转平移不变性。

实现本发明目的采用的技术方案是一种基于纹理方向能量特征的虹膜识别方法，该方法包括：

获取样本虹膜图像的方向能量特征图，将特征图转为二值图像得到虹膜特征向量，将虹膜特征向量存入一个虹膜库中，得到虹膜特征注册集；

获取待识别虹膜图像的待识别方向能量特征图，将待识别特征图转为二值图像得到待识别虹膜特征向量，将待识别虹膜特征向量与虹膜特征注册集进行相似度计算，最后通过设定的阈值识别该待识别虹膜特征向量是否为虹膜特征注册集中的虹膜。

在上述技术方案中，对所述样本虹膜图像和待识别虹膜图像进行虹膜内外边界的定位、噪声模板检测、虹膜图像归一化的预处理。

在上述技术方案中，获取虹膜图像的方向能量特征图包括：

将水平和竖直方向滤波算子分别与虹膜图像进行卷积，得到水平和竖直方向的图像卷积结果；

将水平方向的图像卷积结果与竖直方向的图像卷积结果相减，生成虹膜图像的方向能量特征图。

在上述技术方案中，

竖直滤波算子为：

水平滤波算子为：

在上述技术方案中，将得到的虹膜方向能量图分块，取每块的局部绝对值最大点作为特征点，将所得特征点组成一个新的有效特征模板。

进一步地，将新的特征模板进行编码，将特征图像转为二值图像，参照下式进行编码，然后具有去噪运算的汉明距离进行匹配运算，最后通过设定的阈值判定识别；

编码公式：

汉明距离公式：

A_mask,B_mask分别为测试图像与注册图像列化的噪声模板，N是有虹膜特征模板大小，计算时将噪声区域置0，有效区域置1。

本发明方法包括以下三个阶段：

1、特征提取阶段，设计两个竖直和水平方向上的滤波算子进行边缘检测，然后比较虹膜图像在这两个方向上的方向强度，以此来作为特征，比如虹膜图像中一个位于呈水平方向纹理中的点，它的水平方向性肯定大于竖直方向性，这时我们可以将它编码为1，反之编码为0；

2、去噪声阶段，优化传统的去噪方法，将噪声模板进行膨胀，再进行去噪处理，因为特征提取中涉及卷积运算，噪声部分会干扰周围的有效特征部分，所以噪声周围的部分也应该去除。

3、特征点选取阶段，将虹膜特征模板分块，并取每块的绝对值最大点作为有效特征点进行保留并编码，这样选取的特征点最具分类效果，并且在一定程度上具有旋转平移不变性，当发生小范围形变时，每块的最大值点不会移到另一块去。

根据上述3个阶段步骤的操作能够获得一个虹膜的特征向量，并具有去噪完备，旋转平移不变的特性，使接下来的相似度计算与判定识别获取理想的效果。

附图说明

图1为本发明基于纹理方向能量特征的虹膜识别方法的流程图。

图2为两个方向滤波算子与样本虹膜图像的卷积结果求差值得到方向能量特征图的示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

本发明基于纹理方向能量特征的虹膜识别方法的原理在于比较虹膜图像中像素点的方向性，如果将每个像素点看作是一个人，当他站着时编码为0，躺着时编码为1，即当一个点位于呈水平方向的纹理中它就编码为1，反之编码为0，将这个有1与0组成的向量作为特征向量，进行相似度计算，进行分类识别。

基于上述原理，本发明基于纹理方向能量特征的虹膜识别方法如图1所示，包括以下具体步骤：

S100、注册流程，该流程包括：

S101、取待样本虹膜图像作为注册虹膜图像。

S102、对样本虹膜图像预处理，包括：虹膜内外边界的定位，噪声模板检测，虹膜图像归一化，本实施例中，归一化后的虹膜图像大小为90×360。

S103：由于对虹膜图像进行卷积远算时，噪声模板会对周围有效区域进行污染，这一部分区域已经不能作为有效特征区域。因此，对检测出来的噪声模板进行适当膨胀，将噪声模板膨胀后，在计算有效特征点时能够遮蔽这部分的影响。图像膨胀的公式：

$Y=E\⊕B=\{y:B\left(y\right)\∩E\≠\mathrm{\Φ}\}---\left(5\right)$

其中E为待膨胀图像，B为结构元素，把结构元素B平移y后得到B(y)，若B(y)与E相交不为空，我们记下这个y点，所有满足上述条件的y点组成的集合Y称做E被B膨胀的结果。在实际应用中我们将结构元素B设计成一个大小与特征提取算子一样的单位矩阵，就能达到较好的效果了。

S104、设计一个竖直方向滤波算子与一个水平方向滤波算子；

竖直滤波算子:

水平滤波算子：

上述两个方向滤波算子能够提取虹膜图像中水平与竖直方向的灰度变化明显的纹理轮廓，为下一步求取方向能量特征图做准备。传统的Prewitt算子用于提取图像的纹理边缘，提取的纹理轮廓太过细致，对于虹膜中一些不明显的纹理可能在较弱或者较强的光照强度时检测不出来，而当光照强度合适时又能检测出来，传统prewitt算子检测的纹理边缘不适合用来做方向能量特征提取，适当扩展滤波算子能够提取到明显的纹理，而对一些弱的易受光照影响的纹理进行忽略。

将上述两个方向滤波算子分别与样本虹膜图像进行卷积，对样本虹膜图像进行纹理检测，提取在这两个方向上灰度变化显著的纹理边缘(轮廓)。

S105：对检测出纹理边缘的两幅虹膜图像，比较各个点在两个方向上的能量强度，即将两个方向滤波算子与样本虹膜图像的卷积结果求差值，得到方向能量特征图，如图2所示。所得的方向能量特征图就是一个可编码的模板，例如对于虹膜图像中一个处于纹理边缘呈水平方向的点，它的水平方向能量肯定强于竖直方向，就将它编码为1，反之为0。

S106：获得虹膜方向能量特征图后如果将所有点作为有效特征点，势必造成特征向量过大，且识别效果易受虹膜图像形变的干扰，因此本实施例提出一种具有旋转、平移不变性的特征点选择方法，该方法先将虹膜方向能量特征图分M×N块，每块大小为：90/M×360/N，每个子块的标记为I_mn(x,y)。然后取每块的绝对值最大的点，作为有效特征点。这里的绝对值极大值点代表的是一个局部区域里水平方向能量与竖直方向能量差异最大的点，最具分类效果。这样选取的特征点不会因为虹膜图像发生小范围的旋转平移而移到另外一块去，新特征模版具体提取过程如下：

图像分块：

令H_kh(x,y)＝argmax(I_mn)；k＝90/M,h＝360/N；将H_kh(x,y)组成一个新的特征模板。并参照下式进行编码：

if:H_kh(x,y)＞＝0,H_kh(x,y)＝1；

if:H_kh(x,y)＜0,H_kh(x,y)＝0；

S107、将获取的虹膜特征存入一个虹膜库中得到虹膜特征模板数据库，形成整个虹膜识别系统的注册集。

S200、识别流程

S201、取待识别虹膜图像。

S202～S206同上述S100注册流程中的步骤S101～步骤S106，本识别流程中，提取的虹膜特征向量为二值特征，利用以下汉明距离公式与虹膜识别系统的注册集中的虹膜特征进行相似度计算，最后通过设定的阈值判断识别。

汉明距离公式

A_i,B_i分别为待识别虹膜特征模板与注册集虹膜特征模板。A_mask,B_mask分别为待识别虹膜与注册虹膜的噪声模板，N是虹膜特征向量大小，计算时将噪声区域置0，有效区域置1。

Claims (6)

1.一种基于纹理方向能量特征的虹膜识别方法，其特征在于，包括：

获取样本虹膜图像的方向能量特征图，将特征图转为二值图像得到虹膜特征向量，将虹膜特征向量存入一个虹膜库中，得到虹膜特征注册集；

获取待识别虹膜图像的待识别方向能量特征图，将待识别特征图转为二值图像得到待识别虹膜特征向量，将待识别虹膜特征向量与虹膜特征注册集进行相似度计算，最后通过设定的阈值识别该待识别虹膜特征向量是否为虹膜特征注册集中的虹膜。

2.根据权利要求1所述基于纹理方向能量特征的虹膜识别方法，其特征在于：对所述样本虹膜图像和待识别虹膜图像进行虹膜内外边界的定位、噪声模板检测、虹膜图像归一化的预处理。

3.根据权利要求2所述基于纹理方向能量特征的虹膜识别方法，其特征在于获取虹膜图像的方向能量特征图包括：

将水平和竖直方向滤波算子分别与虹膜图像进行卷积，得到水平和竖直方向的图像卷积结果；

将水平方向的图像卷积结果与竖直方向的图像卷积结果相减，生成虹膜图像的方向能量特征图。

4.根据权利要求3所述基于纹理方向能量特征的虹膜识别方法，其特征在于：

竖直滤波算子为：

水平滤波算子为：

5.根据权利要求4所述基于纹理方向能量特征的虹膜识别方法，其特征在于：

将得到的虹膜方向能量图分块，取每块的局部绝对值最大点作为特征点，将所得特征点组成一个新的有效特征模板。

6.根据权利要求5所述虹膜识别方法，其特征在于，将新的特征模板进行编码，将特征图像转为二值图像，参照下式进行编码，然后具有去噪运算的汉明距离进行匹配运算，最后通过设定的阈值判定识别；

编码公式：

汉明距离公式：

A_mask,B_mask分别为测试图像与注册图像列化的噪声模板，N是有虹膜特征模板大小，计算时将噪声区域置0，有效区域置1。