CN106022320B - 一种基于虹膜识别的自动控制装置 - Google Patents
一种基于虹膜识别的自动控制装置 Download PDFInfo
- Publication number
- CN106022320B CN106022320B CN201610547766.0A CN201610547766A CN106022320B CN 106022320 B CN106022320 B CN 106022320B CN 201610547766 A CN201610547766 A CN 201610547766A CN 106022320 B CN106022320 B CN 106022320B
- Authority
- CN
- China
- Prior art keywords
- iris
- submodule
- point
- iris image
- image
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述虹膜识别器包括:(1)采样模块;(2)预处理模块;(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,其包括第一次LBP算子处理子模块、第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块;(4)编码匹配模块。本发明增加了中心点与周围其它邻域的关联性,能够满足不同尺度和频率的图像纹理,经过多次LBP算子处理子模块处理后,在不影响中心点与周围邻域的关联性下,不断降低编码长度,节约了存储空间,减少了计算量,提高了识别速度,增强了识别准确率,得到了较高的鲁棒性。
Description
技术领域
本发明涉及自动控制装置设计领域,具体涉及一种基于虹膜识别的自动控制装置。
背景技术
相关技术中,具有身份验证功能的自动控制装置通常采用基本LBP(局部二值模式)算子对虹膜图像特征进行提取和编码,LBP算子是一种描述图像灰度范围内纹理特征的方法,对于光照变化来说有很强的鲁棒性,从而被广泛地应用在图像的纹理特征提取上。
基本LBP算子一般定义为:在3×3窗口内由中心点nc和其周围8个邻域n0,...n7组成,其中定义纹理T为:T=(n0-nc,n1-nc,...,n7-nc),对其进行二值化处理,以nc为阈值,邻域的8个点与nc比较,若大于中心点的值标记为1,否则标记为0。二值化后的纹理T为:T=(sgn(n0-nc),sgn(n1-nc),...,sgn(n7-nc)),其中经过计算,将得到以nc为中心的8个二进制数,然后对不同像素位置进行加权求和便得到中心点的LBP值,其中LBP值的计算公式为:对图像中每个像素都进行LBP运算,便可以得到图像的LBP纹理描述。
然而,由于基本LBP算子只覆盖了中心点的8个邻域像素,使其与周围其它邻域的关联性不够全面,无法满足不同尺度和频率的图像纹理。
发明内容
针对上述问题,本发明提供一种识别速度快、识别范围广的一种基于虹膜识别的自动控制装置,解决相关技术中采用基本LBP算子对虹膜图像特征进行提取和编码的自动控制装置系统不能处理不同尺度和频率的图像纹理的问题。
本发明的目的采用以下技术方案来实现:
一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述自动控制装置包括:
一个电流互感器、电压互感器、微机控制器、三相分接开关组成的控制系统;一个调压器、负荷开关、电容器7组成的无功补偿系统;一个调压器、负载组成的供电系统,将控制系统、无功补偿系统、供电系统连在一起制成高压配电系统无功自动控制装置。
优选地,其特征是,所述的一个调压器、负荷开关和电容器组成的无功补偿系统是由调压器的副边和负荷开关、电容器相连而组成的无功补偿系统。
优选地,其特征是,所述的一个调压器、负载组成的供电系统是由调压器的副边和负载相连而组成的供电系统。
优选地,其特征是,所述虹膜识别器包括:
(1)采样模块,用于获取、校正虹膜图像并采集虹膜图像的信息,由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差,需要对实际获得的虹膜图像进行平面校正,设定图像校正子模块,所述图像校正子模块采用的校正公式为:
其中,I(x,y)A表示实际获得的虹膜图像,I(x,y)B表示标准采集的虹膜图像,实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差;
(2)预处理模块,用于对获取的虹膜图像进行定位和归一化处理,其包括光斑点填充子模块,所述光斑点填充子模块用于对虹膜图像中检测出的每个光斑点进行填充,填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值,定义虹膜图像中的一个光斑点为P0(x0,y0),所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4),定义光斑点的灰度值计算公式为:
优选地,其特征是,所述虹膜识别器还包括:
(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,包括:
a、第一次LBP算子处理子模块:用于对虹膜图像中的任意一点nc与5×5窗内的K个像素点进行比较来计算LBP值,所述K个像素点以点nc为中心分布在点nc外围,设nc的坐标为(xc,yc),LBP值的计算公式为:
其中,所述K个像素点标记为n0~nK,K的取值范围为[20,24],1st-LBP(xc,yc)的取值范围为[0,K];
b、第二次LBP算子处理子模块,用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性,其以点nc的8个邻域像素点作为副中心点,记作nvc0,nvc1,...,nvc7,使用3×3窗,用窗内全体像素的均值代替副中心点的值,再使用LBP算子对中心点nc进行计算,计算公式为:
c、第三次LBP算子处理子模块,用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度,其以点nc为中心,在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|=rank4(|nvci-nc|,i=0,1,...,7),j=0,1,2,3}选择4个副中心点进行计算,计算公式为:
其中,rank4(|nvci-nc|,i=0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数,nvcj表示选取的4个副中心点;
d、第四次LBP算子处理子模块:用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度,计算公式为:
计算完后输出表示虹膜图像特征的编码;
(4)编码匹配模块,用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对,完成对身份的识别。
其中,所述预处理模块还包括:
(1)粗定位子模块:与光斑点填充子模块连接,用于对虹膜图像进行切割并初步定位瞳孔位置,切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割;
(2)精定位子模块:与粗定位子模块连接,用于精确定位虹膜区域;
(3)归一化子模块,用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中,所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元,所述下采样单元用于对切割后的虹膜图像进行下采样,所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中,所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中,所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本发明的有益效果为:
1、设置图像校正子模块,并定义了校正公式,提高了图像处理的精度;
2、设置光斑点填充子模块,并定义了光斑点的灰度值计算公式,很好地保留了虹膜图像的结构信息,填充后的虹膜图像可以有效地进行定位;
3、设置的初次定位单元,其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,便于虹膜的定位且提高了虹膜的速度;
4、设置的第一次LBP算子处理子模块,增加了中心点与周围其它邻域的关联性,能够满足不同尺度和频率的图像纹理;
5、设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块,在不影响中心点与周围邻域的关联性下,不断降低编码长度,节约了存储空间,减少了计算量,提高了识别速度,增强了识别准确率,得到了较高的鲁棒性。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的虹膜识别器连接示意图。
图2是本发明自动控制装置示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1
参见图1,图2,本实施例一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述自动控制装置包括:
一个电流互感器、电压互感器、微机控制器、三相分接开关组成的控制系统;一个调压器、负荷开关、电容器7组成的无功补偿系统;一个调压器、负载组成的供电系统,将控制系统、无功补偿系统、供电系统连在一起制成高压配电系统无功自动控制装置。
优选地,其特征是,所述的一个调压器、负荷开关和电容器组成的无功补偿系统是由调压器的副边和负荷开关、电容器相连而组成的无功补偿系统。
优选地,其特征是,所述的一个调压器、负载组成的供电系统是由调压器的副边和负载相连而组成的供电系统。
优选地,其特征是,所述虹膜识别器包括:
(1)采样模块,用于获取虹膜图像并采集虹膜图像的信息;
(2)预处理模块,用于获取、校正虹膜图像并采集虹膜图像的信息,由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差,需要对实际获得的虹膜图像进行平面校正,设定图像校正子模块,所述图像校正子模块采用的校正公式为:
其中,I(x,y)A表示实际获得的虹膜图像,I(x,y)B表示标准采集的虹膜图像,实际获得的
虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差;
优选地,其特征是,所述虹膜识别器还包括:
(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,包括:
a、第一次LBP算子处理子模块:用于对虹膜图像中的任意一点nc与5×5窗内的20个像素点进行比较来计算LBP值,所述20个像素点以点nc为中心分布在点nc外围,设nc的坐标为(xc,yc),LBP值的计算公式为:
其中,所述20个像素点标记为n0~n20,1st-LBP(xc,yc)的取值范围为[0,20];
b、第二次LBP算子处理子模块,用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性,其以点nc的8个邻域像素点作为副中心点,记作nvc0,nvc1,...,nvc7,使用3×3窗,用窗内全体像素的均值代替副中心点的值,再使用LBP算子对中心点nc进行计算,计算公式为:
c、第三次LBP算子处理子模块,用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度,其以点nc为中心,在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|=rank4(|nvci-nc|,i=0,1,...,7),j=0,1,2,3}选择4个副中心点进行计算,计算公式为:
其中,rank4(|nvci-nc|,i=0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数,nvcj表示选取的4个副中心点;
d、第四次LBP算子处理子模块:用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度,计算公式为:
计算完后输出表示虹膜图像特征的编码;
(4)编码匹配模块,用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对,完成对身份的识别。
其中,所述预处理模块包括:
(1)光斑点填充子模块:用于对虹膜图像中检测出的每个光斑点进行填充,填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值,定义虹膜图像中的一个光斑点为P0(x0,y0),所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4),定义光斑点的灰度值计算公式为:
(2)粗定位子模块:与光斑点填充子模块连接,用于对虹膜图像进行切割并初步定位瞳孔位置,切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割;
(3)精定位子模块:与粗定位子模块连接,用于精确定位虹膜区域;
(4)归一化子模块,用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中,所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元,所述下采样单元用于对切割后的虹膜图像进行下采样,所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中,所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中,所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块,很好地保留了虹膜图像的结构信息,填充后的虹膜图像可以有效地进行定位;设置的初次定位单元,其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,便于虹膜的定位且提高了虹膜的速度;设置的第一次LBP算子处理子模块,增加了中心点与周围其它邻域的关联性,能够满足不同尺度和频率的图像纹理;设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块,在不影响中心点与周围邻域的关联性下,不断降低编码长度,节约了存储空间,减少了计算量,提高了识别速度,增强了识别准确率,得到了较高的鲁棒性,使用CASIAV1.0虹膜库进行测试时,结果如下:
实施例2
参见图1,图2,本实施例一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述自动控制装置包括:
一个电流互感器、电压互感器、微机控制器、三相分接开关组成的控制系统;一个调压器、负荷开关、电容器7组成的无功补偿系统;一个调压器、负载组成的供电系统,将控制系统、无功补偿系统、供电系统连在一起制成高压配电系统无功自动控制装置。
优选地,其特征是,所述的一个调压器、负荷开关和电容器组成的无功补偿系统是由调压器的副边和负荷开关、电容器相连而组成的无功补偿系统。
优选地,其特征是,所述的一个调压器、负载组成的供电系统是由调压器的副边和负载相连而组成的供电系统。
优选地,其特征是,所述虹膜识别器包括:
(1)采样模块,用于获取虹膜图像并采集虹膜图像的信息;
(2)预处理模块,用于获取、校正虹膜图像并采集虹膜图像的信息,由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差,需要对实际获得的虹膜图像进行平面校正,设定图像校正子模块,所述图像校正子模块采用的校正公式为:
其中,I(x,y)A表示实际获得的虹膜图像,I(x,y)B表示标准采集的虹膜图像,实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差;
优选地,其特征是,所述虹膜识别器还包括:
(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,包括:
a、第一次LBP算子处理子模块:用于对虹膜图像中的任意一点nc与5×5窗内的21个像素点进行比较来计算LBP值,所述21个像素点以点nc为中心分布在点nc外围,设nc的坐标为(xc,yc),LBP值的计算公式为:
其中,所述21个像素点标记为n0~n21,1st-LBP(xc,yc)的取值范围为[0,21];
b、第二次LBP算子处理子模块,用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性,其以点nc的8个邻域像素点作为副中心点,记作nvc0,nvc1,...,nvc7,使用3×3窗,用窗内全体像素的均值代替副中心点的值,再使用LBP算子对中心点nc进行计算,计算公式为:
c、第三次LBP算子处理子模块,用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度,其以点nc为中心,在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|=rank4(|nvci-nc|,i=0,1,...,7),j=0,1,2,3}选择4个副中心点进行计算,计算公式为:
其中,rank4(|nvci-nc|,i=0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数,nvcj表示选取的4个副中心点;
d、第四次LBP算子处理子模块:用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度,计算公式为:
计算完后输出表示虹膜图像特征的编码;
(4)编码匹配模块,用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对,完成对身份的识别。
其中,所述预处理模块包括:
(1)光斑点填充子模块:用于对虹膜图像中检测出的每个光斑点进行填充,填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值,定义虹膜图像中的一个光斑点为P0(x0,y0),所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4),定义光斑点的灰度值计算公式为:
(2)粗定位子模块:与光斑点填充子模块连接,用于对虹膜图像进行切割并初步定位瞳孔位置,切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割;
(3)精定位子模块:与粗定位子模块连接,用于精确定位虹膜区域;
(4)归一化子模块,用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中,所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元,所述下采样单元用于对切割后的虹膜图像进行下采样,所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中,所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中,所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块,很好地保留了虹膜图像的结构信息,填充后的虹膜图像可以有效地进行定位;设置的初次定位单元,其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,便于虹膜的定位且提高了虹膜的速度;设置的第一次LBP算子处理子模块,增加了中心点与周围其它邻域的关联性,能够满足不同尺度和频率的图像纹理;设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块,在不影响中心点与周围邻域的关联性下,不断降低编码长度,节约了存储空间,减少了计算量,提高了识别速度,增强了识别准确率,得到了较高的鲁棒性,使用CASIAV1.0虹膜库进行测试时,结果如下:
实施例3
参见图1,图2,本实施例一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述自动控制装置包括:
一个电流互感器、电压互感器、微机控制器、三相分接开关组成的控制系统;一个调压器、负荷开关、电容器7组成的无功补偿系统;一个调压器、负载组成的供电系统,将控制系统、无功补偿系统、供电系统连在一起制成高压配电系统无功自动控制装置。
优选地,其特征是,所述的一个调压器、负荷开关和电容器组成的无功补偿系统是由调压器的副边和负荷开关、电容器相连而组成的无功补偿系统。
优选地,其特征是,所述的一个调压器、负载组成的供电系统是由调压器的副边和负载相连而组成的供电系统。
优选地,其特征是,所述虹膜识别器包括:
(1)采样模块,用于获取、校正虹膜图像并采集虹膜图像的信息,由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差,需要对实际获得的虹膜图像进行平面校正,设定图像校正子模块,所述图像校正子模块采用的校正公式为:
其中,I(x,y)A表示实际获得的虹膜图像,I(x,y)B表示标准采集的虹膜图像,实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差;
(2)预处理模块,用于对获取的虹膜图像进行定位和归一化处理;
优选地,其特征是,所述虹膜识别器还包括:
(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,包括:
a、第一次LBP算子处理子模块:用于对虹膜图像中的任意一点nc与5×5窗内的22个像素点进行比较来计算LBP值,所述22个像素点以点nc为中心分布在点nc外围,设nc的坐标为(xc,yc),LBP值的计算公式为:
其中,所述22个像素点标记为n0~n21,1st-LBP(xc,yc)的取值范围为[0,22];
b、第二次LBP算子处理子模块,用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性,其以点nc的8个邻域像素点作为副中心点,记作nvc0,nvc1,...,nvc7,使用3×3窗,用窗内全体像素的均值代替副中心点的值,再使用LBP算子对中心点nc进行计算,计算公式为:
c、第三次LBP算子处理子模块,用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度,其以点nc为中心,在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|=rank4(|nvci-nc|,i=0,1,...,7),j=0,1,2,3}选择4个副中心点进行计算,计算公式为:
其中,rank4(|nvci-nc|,i=0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数,nvcj表示选取的4个副中心点;
d、第四次LBP算子处理子模块:用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度,计算公式为:
计算完后输出表示虹膜图像特征的编码;
(4)编码匹配模块,用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对,完成对身份的识别。
其中,所述预处理模块包括:
(1)光斑点填充子模块:用于对虹膜图像中检测出的每个光斑点进行填充,填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值,定义虹膜图像中的一个光斑点为P0(x0,y0),所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4),定义光斑点的灰度值计算公式为:
(2)粗定位子模块:与光斑点填充子模块连接,用于对虹膜图像进行切割并初步定位瞳孔位置,切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割;
(3)精定位子模块:与粗定位子模块连接,用于精确定位虹膜区域;
(4)归一化子模块,用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中,所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元,所述下采样单元用于对切割后的虹膜图像进行下采样,所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中,所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中,所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块,很好地保留了虹膜图像的结构信息,填充后的虹膜图像可以有效地进行定位;设置的初次定位单元,其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,便于虹膜的定位且提高了虹膜的速度;设置的第一次LBP算子处理子模块,增加了中心点与周围其它邻域的关联性,能够满足不同尺度和频率的图像纹理;设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块,在不影响中心点与周围邻域的关联性下,不断降低编码长度,节约了存储空间,减少了计算量,提高了识别速度,增强了识别准确率,得到了较高的鲁棒性,使用CASIAV1.0虹膜库进行测试时,结果如下:
实施例4
参见图1,图2,本实施例一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述自动控制装置包括:
一个电流互感器、电压互感器、微机控制器、三相分接开关组成的控制系统;一个调压器、负荷开关、电容器7组成的无功补偿系统;一个调压器、负载组成的供电系统,将控制系统、无功补偿系统、供电系统连在一起制成高压配电系统无功自动控制装置。
优选地,其特征是,所述的一个调压器、负荷开关和电容器组成的无功补偿系统是由调压器的副边和负荷开关、电容器相连而组成的无功补偿系统。
优选地,其特征是,所述的一个调压器、负载组成的供电系统是由调压器的副边和负载相连而组成的供电系统。
优选地,其特征是,所述虹膜识别器包括:
(1)采样模块,用于获取、校正虹膜图像并采集虹膜图像的信息,由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差,需要对实际获得的虹膜图像进行平面校正,设定图像校正子模块,所述图像校正子模块采用的校正公式为:
其中,I(x,y)A表示实际获得的虹膜图像,I(x,y)B表示标准采集的虹膜图像,实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差;
(2)预处理模块,用于对获取的虹膜图像进行定位和归一化处理;
优选地,其特征是,所述虹膜识别器还包括:
(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,包括:
a、第一次LBP算子处理子模块:用于对虹膜图像中的任意一点nc与5×5窗内的23个像素点进行比较来计算LBP值,所述23个像素点以点nc为中心分布在点nc外围,设nc的坐标为(xc,yc),LBP值的计算公式为:
其中,所述23个像素点标记为n0~n21,1st-LBP(xc,yc)的取值范围为[0,23];
b、第二次LBP算子处理子模块,用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性,其以点nc的8个邻域像素点作为副中心点,记作nvc0,nvc1,...,nvc7,使用3×3窗,用窗内全体像素的均值代替副中心点的值,再使用LBP算子对中心点nc进行计算,计算公式为:
c、第三次LBP算子处理子模块,用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度,其以点nc为中心,在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|=rank4(|nvci-nc|,i=0,1,...,7),j=0,1,2,3}选择4个副中心点进行计算,计算公式为:
其中,rank4(|nvci-nc|,i=0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数,nvcj表示选取的4个副中心点;
d、第四次LBP算子处理子模块:用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度,计算公式为:
计算完后输出表示虹膜图像特征的编码;
(4)编码匹配模块,用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对,完成对身份的识别。
其中,所述预处理模块包括:
(1)光斑点填充子模块:用于对虹膜图像中检测出的每个光斑点进行填充,填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值,定义虹膜图像中的一个光斑点为P0(x0,y0),所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4),定义光斑点的灰度值计算公式为:
(2)粗定位子模块:与光斑点填充子模块连接,用于对虹膜图像进行切割并初步定位瞳孔位置,切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割;
(3)精定位子模块:与粗定位子模块连接,用于精确定位虹膜区域;
(4)归一化子模块,用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中,所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元,所述下采样单元用于对切割后的虹膜图像进行下采样,所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中,所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中,所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块,很好地保留了虹膜图像的结构信息,填充后的虹膜图像可以有效地进行定位;设置的初次定位单元,其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,便于虹膜的定位且提高了虹膜的速度;设置的第一次LBP算子处理子模块,增加了中心点与周围其它邻域的关联性,能够满足不同尺度和频率的图像纹理;设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块,在不影响中心点与周围邻域的关联性下,不断降低编码长度,节约了存储空间,减少了计算量,提高了识别速度,增强了识别准确率,得到了较高的鲁棒性,使用CASIAV1.0虹膜库进行测试时,结果如下:
实施例5
参见图1,图2,本实施例一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述自动控制装置包括:
一个电流互感器、电压互感器、微机控制器、三相分接开关组成的控制系统;一个调压器、负荷开关、电容器7组成的无功补偿系统;一个调压器、负载组成的供电系统,将控制系统、无功补偿系统、供电系统连在一起制成高压配电系统无功自动控制装置。
优选地,其特征是,所述的一个调压器、负荷开关和电容器组成的无功补偿系统是由调压器的副边和负荷开关、电容器相连而组成的无功补偿系统。
优选地,其特征是,所述的一个调压器、负载组成的供电系统是由调压器的副边和负载相连而组成的供电系统。
优选地,其特征是,所述虹膜识别器包括:
(1)采样模块,用于获取、校正虹膜图像并采集虹膜图像的信息,由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差,需要对实际获得的虹膜图像进行平面校正,设定图像校正子模块,所述图像校正子模块采用的校正公式为:
其中,I(x,y)A表示实际获得的虹膜图像,I(x,y)B表示标准采集的虹膜图像,实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差;
(2)预处理模块,用于对获取的虹膜图像进行定位和归一化处理;
优选地,其特征是,所述虹膜识别器还包括:
(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,包括:
a、第一次LBP算子处理子模块:用于对虹膜图像中的任意一点nc与5×5窗内的24个像素点进行比较来计算LBP值,所述24个像素点以点nc为中心分布在点nc外围,设nc的坐标为(xc,yx),LBP值的计算公式为:
其中,所述24个像素点标记为n0~n21,1st-LBP(xc,yc)的取值范围为[0,24];
b、第二次LBP算子处理子模块,用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性,其以点nc的8个邻域像素点作为副中心点,记作nvc0,nvc1,...,nvc7,使用3×3窗,用窗内全体像素的均值代替副中心点的值,再使用LBP算子对中心点nc进行计算,计算公式为:
c、第三次LBP算子处理子模块,用于缩短经第二次LBP算子处理子模块处理后的矩形图像的特征编码长度,其以点nc为中心,在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|=rank4(|nvci-nc|,i=0,1,...,7),j=0,1,2,3}选择4个副中心点进行计算,计算公式为:
其中,rank4(|nvci-nc|,i=0,1,...,7)表示对7个|n|ci-nc|的值进行从小到大排列后取前4个数,nvcj表示选取的4个副中心点;
d、第四次LBP算子处理子模块:用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度,计算公式为:
计算完后输出表示虹膜图像特征的编码;
(4)编码匹配模块,用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对,完成对身份的识别。
其中,所述预处理模块包括:
(1)光斑点填充子模块:用于对虹膜图像中检测出的每个光斑点进行填充,填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值,定义虹膜图像中的一个光斑点为P0(x0,y0),所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4),定义光斑点的灰度值计算公式为:
(2)粗定位子模块:与光斑点填充子模块连接,用于对虹膜图像进行切割并初步定位瞳孔位置,切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割;
(3)精定位子模块:与粗定位子模块连接,用于精确定位虹膜区域;
(4)归一化子模块,用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
其中,所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元,所述下采样单元用于对切割后的虹膜图像进行下采样,所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
其中,所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
其中,所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
本实施例设置光斑点填充子模块,很好地保留了虹膜图像的结构信息,填充后的虹膜图像可以有效地进行定位;设置的初次定位单元,其通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,便于虹膜的定位且提高了虹膜的速度;设置的第一次LBP算子处理子模块,增加了中心点与周围其它邻域的关联性,能够满足不同尺度和频率的图像纹理;设置的第二次LBP算子处理子模块、第三次LBP算子处理子模块和第四次LBP算子处理子模块,在不影响中心点与周围邻域的关联性下,不断降低编码长度,节约了存储空间,减少了计算量,提高了识别速度,增强了识别准确率,得到了较高的鲁棒性,使用CASIAV1.0虹膜库进行测试时,结果如下:
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种基于虹膜识别的自动控制装置,包括自动控制装置和与自动控制装置电信号连接的虹膜识别器,所述自动控制装置包括:
一个电流互感器、电压互感器、微机控制器、三相分接开关组成的控制系统;一个调压器、负荷开关、电容器组成的无功补偿系统;一个调压器、负载组成的供电系统,将控制系统、无功补偿系统、供电系统连在一起制成高压配电系统无功自动控制装置;所述的一个调压器、负荷开关和电容器组成的无功补偿系统是由调压器的副边和负荷开关、电容器相连而组成的无功补偿系统;所述的一个调压器、负载组成的供电系统是由调压器的副边和负载相连而组成的供电系统;所述虹膜识别器包括:
(1)采样模块,用于获取、校正虹膜图像并采集虹膜图像的信息,由于实际获得的虹膜图像与标准采集的虹膜图像之间在同一个平面上会略有偏差,需要对实际获得的虹膜图像进行平面校正,设定图像校正子模块,所述图像校正子模块采用的校正公式为:
其中,I(x,y)A表示实际获得的虹膜图像,I(x,y)B表示标准采集的虹膜图像,实际获得的虹膜图像与标准采集的虹膜图像的各像素点值之间的标准差;
预处理模块,用于对获取的虹膜图像进行定位和归一化处理,其包括光斑点填充子模块,(2)所述光斑点填充子模块用于对虹膜图像中检测出的每个光斑点进行填充,填充时利用与光斑点相邻的非光斑区域中的上下左右四个包络点的灰度值来计算光斑点的灰度值,定义虹膜图像中的一个光斑点为P0(x0,y0),所述四个包络点依次为P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、P4(x4,y4),定义光斑点的灰度值计算公式为:
所述虹膜识别器还包括:
(3)特征编码模块,用于对虹膜图像的特征进行提取和编码,包括:
a、第一次LBP算子处理子模块:用于对虹膜图像中的任意一点nc与5×5窗内的K个像素点进行比较来计算LBP值,所述K个像素点以点nc为中心分布在点nc外围,设nc的坐标为(xc,yc),LBP值的计算公式为:
其中,所述K个像素点标记为n0~nK,K的取值范围为[20,24],1st-LBP(xc,yc)的取值范围为[0,K];
b、第二次LBP算子处理子模块,用于在保证编码长度的前提下加强所述点nc与周围邻域的关联性,其以点nc的8个邻域像素点作为副中心点,记作nvc0,nvc1,...,nvc7,使用3×3窗,用窗内全体像素的均值代替副中心点的值,再使用LBP算子对中心点nc进行计算,计算公式为:
c、第三次LBP算子处理子模块,用于缩短经第二次LBP算子处理子模块处理后的虹膜图像的特征编码长度,其以点nc为中心,在3×3的窗口中根据自定义函数{nvcj,|nvcj-nc|=rank4(|nvci-nc|,i=0,1,...,7),j=0,1,2,3}选择4个副中心点进行计算,计算公式为:
其中,rank4(|nvci-nc|,i=0,1,...,7)表示对7个|nvci-nc|的值进行从小到大排列后取前4个数,nvcj表示选取的4个副中心点;
d、第四次LBP算子处理子模块:用于在第三次LBP算子处理子模块处理后的基础上继续降低编码长度,计算公式为:
计算完后输出表示虹膜图像特征的编码;
(4)编码匹配模块,用于接收所述表示虹膜图像特征的编码并将其与数据库中的特征编码进行比对,完成对身份的识别。
2.根据权利要求1所述的一种基于虹膜识别的自动控制装置,其特征是,所述预处理模块还包括:
(1)粗定位子模块:与光斑点填充子模块连接,用于对虹膜图像进行切割并初步定位瞳孔位置,切割时以所述瞳孔位置为中心、5倍的半径来对填充光斑后的虹膜图像进行切割;
(2)精定位子模块:与粗定位子模块连接,用于精确定位虹膜区域;
(3)归一化子模块,用于将定位后的虹膜区域展开成固定分辨率的虹膜图像。
3.根据权利要求2所述的一种基于虹膜识别的自动控制装置,其特征是,所述精定位子模块包括依次连接的下采样单元、初次定位单元和再次定位单元,所述下采样单元用于对切割后的虹膜图像进行下采样,所述初次定位单元用于通过改进的Canny边缘检测算子和Hough圆检测对虹膜内外圆进行定位,所述再次定位单元用于以初次定位单元定位的参数在虹膜图像上进行精确定位。
4.根据权利要求3所述的一种基于虹膜识别的自动控制装置,其特征是,所述改进的Canny边缘检测算子为只对垂直方向进行非极大值的抑制的Canny边缘检测算子。
5.根据权利要求4所述的一种基于虹膜识别的自动控制装置,其特征是,所述改进的Canny边缘检测算子为只采用高阈值进行强边缘检测的Canny边缘检测算子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610547766.0A CN106022320B (zh) | 2016-07-08 | 2016-07-08 | 一种基于虹膜识别的自动控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610547766.0A CN106022320B (zh) | 2016-07-08 | 2016-07-08 | 一种基于虹膜识别的自动控制装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106022320A CN106022320A (zh) | 2016-10-12 |
CN106022320B true CN106022320B (zh) | 2019-10-11 |
Family
ID=57109585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610547766.0A Active CN106022320B (zh) | 2016-07-08 | 2016-07-08 | 一种基于虹膜识别的自动控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022320B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509865B (zh) * | 2018-03-09 | 2021-02-26 | 贵州人和致远数据服务有限责任公司 | 一种工伤信息录入方法及装置 |
CN108505879B (zh) * | 2018-05-30 | 2020-06-19 | 蚌埠科睿达机械设计有限公司 | 一种基于虹膜识别的具有多重保险功能的保险柜 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202034784U (zh) * | 2011-03-21 | 2011-11-09 | 黄磊 | 高压配电系统无功自动控制装置 |
CN103425229A (zh) * | 2012-05-22 | 2013-12-04 | 联想(北京)有限公司 | 一种电子设备的控制方法、控制装置及电子设备 |
CN204102218U (zh) * | 2014-09-28 | 2015-01-14 | 北京中科安瑞科技有限责任公司 | 一种监室外民警业务终端 |
CN105610177A (zh) * | 2016-03-08 | 2016-05-25 | 宁波高新区鼎诺电气有限公司 | 一种无线智能补偿监控装置、电抗器、电容器及其系统 |
-
2016
- 2016-07-08 CN CN201610547766.0A patent/CN106022320B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202034784U (zh) * | 2011-03-21 | 2011-11-09 | 黄磊 | 高压配电系统无功自动控制装置 |
CN103425229A (zh) * | 2012-05-22 | 2013-12-04 | 联想(北京)有限公司 | 一种电子设备的控制方法、控制装置及电子设备 |
CN204102218U (zh) * | 2014-09-28 | 2015-01-14 | 北京中科安瑞科技有限责任公司 | 一种监室外民警业务终端 |
CN105610177A (zh) * | 2016-03-08 | 2016-05-25 | 宁波高新区鼎诺电气有限公司 | 一种无线智能补偿监控装置、电抗器、电容器及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106022320A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wen et al. | Deep learning based multistep solar forecasting for PV ramp-rate control using sky images | |
CN106485275B (zh) | 一种实现盖板玻璃与液晶屏定位贴合的方法 | |
CN106022320B (zh) | 一种基于虹膜识别的自动控制装置 | |
CN105303168A (zh) | 一种多视角的指针式仪表识别方法和装置 | |
CN104143080B (zh) | 基于三维点云的三维人脸识别装置及方法 | |
CN105260740B (zh) | 一种元件识别方法及装置 | |
CN109447949A (zh) | 基于巡检机器人的绝缘端子缺陷识别方法 | |
CN108133460B (zh) | 一种适用于电力作业机器人的颜色型状态指示器识别方法 | |
CN106248070B (zh) | 一种基于虹膜识别启动的导航仪 | |
CN115953408A (zh) | 一种基于YOLOv7的避雷器表面缺陷检测方法 | |
CN106206112B (zh) | 一种通过虹膜识别的控制开关 | |
Wei et al. | A concentric loop convolutional neural network for manual delineation-level building boundary segmentation from remote-sensing images | |
CN108280471A (zh) | 一种基于机器视觉的转换开关状态识别方法 | |
CN106203348B (zh) | 一种具有身份验证功能的高压开关柜 | |
CN105959121B (zh) | 一种具有身份验证功能的移动终端 | |
CN112488099B (zh) | 一种基于视频的电力液晶仪表上数字的检测提取装置 | |
CN106228114B (zh) | 一种具有身份识别功能的家电自动调控装置 | |
CN103942566A (zh) | 指纹描述子的压缩方法及系统 | |
CN106204842B (zh) | 一种通过虹膜进行识别的门锁 | |
CN106006312B (zh) | 一种通过虹膜进行识别的电梯轿箱 | |
CN106203347B (zh) | 一种基于虹膜识别开启的多级调节开关 | |
CN106203345B (zh) | 一种具有身份验证功能的影像控制装置 | |
CN106960437A (zh) | 一种电力巡检机器人的油浸电力变压器液位检测方法 | |
CN109359637B (zh) | 基于机器视觉的指针式仪表读值方法 | |
CN110334769A (zh) | 目标识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190905 Address after: Room 6201, 4289 Jindu Road, Minhang District, Shanghai 201100 Applicant after: SHANGHAI ANVIZ TECHNOLOGY CO., LTD. Address before: Gulou road Zhenhai District 315200 Zhejiang city of Ningbo province No. 32 Applicant before: Zhong Linchao |
|
GR01 | Patent grant | ||
GR01 | Patent grant |