CN107783284A - 延伸景深生物识别系统 - Google Patents

延伸景深生物识别系统 Download PDF

Info

Publication number
CN107783284A
CN107783284A CN201711057160.XA CN201711057160A CN107783284A CN 107783284 A CN107783284 A CN 107783284A CN 201711057160 A CN201711057160 A CN 201711057160A CN 107783284 A CN107783284 A CN 107783284A
Authority
CN
China
Prior art keywords
iris
image
mtf
original image
optical system
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
CN201711057160.XA
Other languages
English (en)
Inventor
吉勒斯·马蒂厄
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.)
Global Bionic Optics Pty Ltd
Original Assignee
Global Bionic Optics Pty Ltd
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 Global Bionic Optics Pty Ltd filed Critical Global Bionic Optics Pty Ltd
Publication of CN107783284A publication Critical patent/CN107783284A/zh
Pending legal-status Critical Current

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
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/0025—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for optical correction, e.g. distorsion, aberration
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/0075—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 with means for altering, e.g. increasing, the depth of field or depth of focus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/197—Matching; Classification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/67—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/21—Indexing scheme for image data processing or generation, in general involving computational photography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)

Abstract

本发明揭示一种虹膜辨识系统，其可包含具有导致延伸景深的预期量的球面像差的光学系统。可归一化通过所述光学系统捕获的虹膜的原始图像。在一些实施例中，所述经归一化的原始图像可经处理以增强所述经归一化的虹膜图像的MTF。可从所述经归一化的原始图像或所述经增强归一化的原始图像产生虹膜代码。可将所述虹膜代码与已知虹膜代码进行比较以确定是否存在匹配。在一些实施例中，由所述经归一化的虹膜图像产生的所述虹膜代码可在与所述已知虹膜代码比较之前以均衡函数进行处理。

Description

延伸景深生物识别系统
本申请是申请日为2016年4月22日、申请号为“201680018271.7”、发明名称为“延伸景深生物识别系统”的发明专利申请的分案申请。
技术领域
本发明涉及生物识别系统，其具有具经设计球面像差水平的延伸景深光学系统。
背景技术
生物识别系统(例如虹膜辨识系统)可出于各种目的捕获具有独特特性(例如，虹膜)的人的特征的图像(例如)以基于所捕获图像确认人的身份。在虹膜辨识的实例中，人的虹膜的原始高质量图像可由光学系统捕获且被转换成虹膜代码，所述虹膜代码被存储在与一群人相关联的虹膜代码的数据库中。为随后确认用户的身份，捕获所述用户的虹膜的图像，产生虹膜代码，且将针对所捕获虹膜图像的虹膜代码与存储在数据库中的虹膜代码进行比较。如果所捕获虹膜图像的虹膜代码展现与所存储虹膜代码的相当高的类似度水平(例如，在所捕获图像与所存储图像之间的汉明(Hamming)距离小于阈值)，那么可假设用户的虹膜与和所存储虹膜代码相关联的身份的匹配。
虹膜辨识系统可能难以捕获质量足够的虹膜图像用于此匹配程序中。例如，如果人正在移动，那么可能难以捕获虹膜的高质量图像。即使人是固定的，许多光学系统由于光学系统的受限景深或焦点深度也需要虹膜相对于所述光学系统的精确定位。
延伸景深(EDOF)(也被称为延伸焦点深度)光学系统可允许捕获所要图像的灵活性更大，这是因为所述光学系统可在距所述光学系统的较大距离内捕获具有相对高质量的图像，所捕获图像的调制转移函数(MTF)有所牺牲。EDOF光学系统可包含复杂光学系统，例如，其包含布置在入射光瞳中以给予复杂波前形状的一个以上透镜元件或非圆形对称波前编码板。
用于生物识别(例如虹膜辨识)中的EDOF光学系统可数字增强所捕获原始图像以补偿用所述EDOF光学系统捕获的图像的精简MTF。此额外处理层可消耗大量消耗资源、花费延长时间段或两者。此可导致利用EDOF技术的生物识别系统的过多成本，或可损及生物识别系统的性能，所述生物识别系统需要迅速处理并比较生物识别特征与所存储图像(例如，比较来自所捕获图像虹膜图像的虹膜代码与所存储虹膜代码的数据库)。
现今的生物识别解决方案的上述缺陷仅旨在提供常规系统的某些问题的概述，而不希望是穷举性的。关于本文中所描述的各种非限制实施例的常规系统及对应益处的其它问题可在审阅下列描述后旋即变得更显而易见。
发明内容
下文呈现说明书的简化概要以提供对说明书的某些方面的基本理解。此概要并非说明书的广泛概述。其希望既不标示说明书的关键或重要元件也不描述对于说明书的任何实施例特定的任何范围，或技术方案的任何范围。其唯一目的是以简化形式将说明书的某些概念呈现为随后呈现的更详细描述的序言。
在各种实施例中，处理处于成像波长λIM的虹膜的延伸景深(EDOF)图像的方法包括捕获虹膜的原始图像，其中所述原始图像具有精简调制转移函数(MTF)，所述函数基于具有0.2λIM≤SA≤2λIM的球面像差(SA)量的光学系统。所述方法还包括归一化原始图像。所述方法进一步包括基于经归一化的原始图像产生虹膜代码。
在各种实施例中，用于处理处于成像波长λIM的虹膜的延伸景深(EDOF)图像的系统可包括具有0.2λIM≤SA≤2λIM的球面像差(SA)量的光学系统，所述光学系统经配置以在图像传感器上形成已基于球面像差精简调制转移函数(MTF)的原始图像。所述系统还可包括电连接到图像传感器的控制器，其中所述控制器经配置以捕获虹膜的原始图像、归一化所述原始图像，且基于所述经归一化的原始图像产生虹膜代码。
另外，描述各种其它修改、替代实施例、所揭示目标的优点及相对于常规监视单元的改进。下文更详细地描述所揭示目标的这些及其它额外特征。
附图说明
本发明的上述及其它特征、其本质及各种优点将在结合附图考虑下列详细描述后旋即更显而易见，其中：
图1描绘根据本发明的一些实施例的用于图像采集、处理及识别的系统的示范性系统图式；
图2描绘根据本发明的一些实施例的示范性生物识别装置；
图3描绘根据本发明的一些实施例的二维空间中的虹膜图像及经归一化的虹膜图像的示范性几何表示；
图4A描绘根据本发明的一些实施例的根据空间频率变化的原始MTF、增强MTF及MTF增益函数的示范性图；
图4B描绘根据本发明的一些实施例的用于产生根据空间频率表示的虹膜代码的小波基函数60的示范性图；
图4C描绘根据本发明的一些实施例的用于产生以增益MTF函数调制、根据空间频率变化的虹膜代码的小波基函数的示范性图；
图4D描绘根据本发明的一些实施例的与图4C的经调制小波函数相关联、根据空间频率变化的增益系数的离散表示的示范性图；
图5A描绘根据本发明的实施例的虹膜图像捕获、处理及比较系统的示范性大致组织结构图；
图5B描绘根据本发明的实施例的包含原始图像的EDOF图像捕获及MTF增强的虹膜图像捕获、处理及比较系统的示范性大致组织结构图；
图6A描绘根据本发明的一些实施例的通过具有具球面像差的透镜的EDOF光学系统产生、处于不同空间频率范围的原始及增强MTF的示范性图；
图6B描绘根据本发明的一些实施例的通过具有具球面像差的一透镜的EDOF光学系统产生、处于图6A的低空间频率范围的原始及增强MTF的示范性图；
图7描绘根据本发明的一些实施例的表示四个路径P1到P4的示范性组织结构图，所述四个路径P1到P4描绘用于从图像捕获到识别的生物识别识别的示范性序列；
图8A描绘根据本发明的一些实施例的归一化虹膜空间中的示范性小波函数；
图8B描绘根据本发明的一些实施例的图8A的示范性小波函数的空间频谱分布；
图9A描绘根据本发明的一些实施例的用于虹膜代码的比较的示范性汉明距离分布；
图9B描绘根据本发明的一些实施例的用于虹膜代码的比较的示范性汉明距离分布；且
图10描绘根据本发明的一些实施例的归一化虹膜图像的MTF增强。
具体实施方式
本文出于说明而非限制的目的描述示范性生物识别系统(例如虹膜辨识系统)。例如，所属领域的技术人员可了解，说明性实施例可具有相对于其它生物识别系统及相对于其它辨识应用(例如产业自动化系统)的应用。
现在详细参考本发明的当前示范性实施例，在附图中说明所述实施例的实例。只要可能，贯穿图式使用相同或类似参考符号以指代相同或类似部件。可在本发明的范围内对下列实例作出各种修改及变更，且示范性实施例的方面可以不同方式省略、修改或组合以达成另外的更多实施例。因此，应考虑但不限于本文中描述的实施例而从本发明的整体理解本发明的真实范围。
本发明的实施例描述用EDOF光学系统(例如单透镜EDOF系统)获取虹膜图像的系统及方法。例如，如在2008年2月29日申请的PCT专利申请案PCT/IB2008/001304中所描述，所述申请案以引用方式并入本文中，单透镜EDOF光学系统可使用呈现受控量的球面像差的透镜。所捕获虹膜图像可经处理以整合可通过对称旋转MTF(调制转移函数)精简的光学转移函数(OTF)的特性。从所捕获图像产生的虹膜代码可与所存储虹膜代码比较。可通过用于可捕获并处理图像的任何适当装置(例如安全系统、平板计算机、手机、智能电话、计算机、相机、移动虹膜辨识装置、限入装置、CCTV系统、器具、运载工具、武器系统、任何其它适当装置或其任何组合)中的任何适当硬件及/或软件实施方案实施本文中描述的系统及方法。此外，将了解，EDOF系统及生物识别比较系统可用于其它生物识别应用(例如，面部辨识、非接触式指纹)以及其它捕获及辨识系统(例如，在产业应用中)。
首先论述广义单透镜EDOF光学系统，其后接着讨论用于所述广义EDOF光学系统的单透镜成像光学系统的示范性实施例。接着，本发明将提出包含EDOF光学系统的虹膜辨识系统。
广义EDOF系统
图1为根据本发明的单透镜EDOF光学系统(“系统”)10的示范性实施例的框图。系统10包含光轴A1，沿着所述光轴布置有成像光学系统20，所述成像光学系统由单透镜元件22及孔径光阑AS组成，所述孔径光阑AS定位在所述透镜组件的物向(objectwise)、距物向前透镜表面S1的轴向距离DS处。孔径光阑AS是“通光”或“敞开”，这意指其并不包含任何相位改变元件，例如相位板、相位编码光学元件或任何类型的相位改变构件。虽然可根据本发明使用任何适当单透镜光学系统，但在实施例中，可如美国专利第8,594,388号中所描述配置单透镜光学系统，所述专利以引用方式并入本文中。此单透镜光学系统可包含孔径光阑，所述孔径光阑被定位在最小化彗形像差的位置处，且可通过任何适当材料(例如玻璃或塑料)构成。在一些实施例中，例如，如美国专利第8,416,334号中所描述(所述专利以引用方式并入本文中)，单透镜可为通过单一光学材料制成的单个、旋转对称光学组件。在一些实施例中，例如，如美国专利第8,488,044号(所述专利以引用方式并入本文中)或2008年2月29日申请的PCT申请案第PCT/IB2008/001304号(所述申请案以引用方式并入本文中)中所描述，单透镜可包含球面折射表面。
光学系统20具有横向放大ML、轴向放大MA＝(ML)2、对象空间OS中的对象平面OP及图像空间IS中的图像平面IP。对象OB被展示为在对象平面OP中且通过光学系统20形成的对应图像IM被展示为在图像平面IP中。对象OB是在距透镜元件22的轴向物距DOB处。
光学系统20在对象空间OS中具有景深DOF，在所述景深内对象OB可被成像且保持对焦。同样地，光学系统20在图像空间IS中具有对应焦点深度DOF'，在所述焦点深度内对象OB的图像IM保持对焦。因此，对象平面OP及图像平面IP是对象OB及对应图像IM的相应位置的理想化且通常分别对应于最适宜对象位置及“最佳焦点”位置。事实上，这些平面可实际上落在其相应景深DOF及焦点深度DOF'内的任何位置，且通常为弯曲而非平坦。由光学系统20的性质定义景深DOF及焦点深度DOF'，且在下文更充分地论述其在系统10中的相互关系及重要性。
系统10还包含图像传感器30，所述图像传感器具有布置在图像平面IP处的光敏表面32(例如，电荷耦合装置阵列)以便接收并检测图像IM，所述图像在本文中也被称为“初始”或“原始”图像。虽然可根据本发明使用任何适当图像传感器30，但在示范性实施例中，图像传感器30可为或包含高清晰度CCD相机或CMOS相机。在示范性实施例中，光敏表面32由3000×2208个像素组成，像素尺寸为3.5微米。对于处于此小像素尺寸的CMOS相机来说，全阱容量被减小到21,000个电子，所述全阱容量转化为处于饱和水平的43.2dB的散粒噪声的最小值。实例图像传感器30为或包含来自具有通过IEEE1394火线连结到图像处理器(下文论述)的3000×2208个像素的Pixelink PL-A781的相机，且应用程序调用由DLL中的Pixelink库提供的API以控制相机执行图像采集。实例图像传感器30具有光敏表面32的约6毫米对角线测量。
在示范性实施例中，系统10进一步包含控制器50(例如计算机或相似机器)，所述控制器适于(例如，通过指令(例如计算机可读或机器可读媒体中体现的软件))控制系统的各种组件的操作。如下文更详细地描述，控制器50经配置以控制系统10的操作且包含图像处理单元(“图像处理器”)54，所述图像处理单元电连接到图像传感器30且适于从其接收并处理经数字化的原始图像信号SRI且形成经处理图像信号SPI。
图2为根据本发明的一些实施例的包含系统10的示范性手持式装置52的示意图。在示范性实施例中，控制器50为或包含具有处理器(例如，图像处理器54)的计算机且包含操作系统(例如Microsoft WINDOWS或LINUX)。
在示范性实施例中，图像处理器54可为或包含具有执行本文中所描述的处理功能所必需的处理能力的任何适当处理器，所述处理功能包含但不限于硬件逻辑、处理器上运行的计算机可读指令或其任何组合。在一些实施例中，处理器可包含通用或专用微处理器、有限状态机、控制器、计算机、中央处理单元(CPU)、现场可编程门阵列(FPGA)或数字信号处理器。在示范性实施例中，处理器为Intel I7、XEON或PENTIUM处理器，或AMD TURION或与由AMD公司、因特尔公司(Intel Corp.)或其它半导体处理器制造商制造的此类处理器的生产线中的其它处理器。图像处理器54可运行软件以执行本文中所描述的操作，所述软件包含在有形非暂时性计算机可读存储媒体上以机器可读形式存取的软件，以及描述硬件的配置的软件(例如用于设计芯片的硬件描述语言(HDL)软件)。
控制器50还可包含可操作地耦合到图像处理器54的存储器单元(“存储器”)110，可通过图像处理器54执行的一系列指令可被存储在所述存储器单元上。如本文中所使用，术语“存储器”指代包含磁盘、拇指驱动器及存储器等等、但不包含传播信号的任何有形(或非暂时性)存储媒体。有形计算机可读存储媒体包含易失性及非易失性、可卸除及不可卸除媒体，例如计算机可读指令、数据结构、程序模块或其它数据。这些媒体的实例包含RAM、ROM、EPROM、EEPROM、快闪存储器、CD-ROM、DVD、磁盘或光学存储装置、磁性存储装置，或存储通过处理器或计算装置存取的信息的任何其它非暂时性媒体。在示范性实施例中，控制器50可包含适于适应可卸除处理器可读媒体116(例如CD-ROM、DVD、存储器棒或相似存储媒体)的端口或驱动器120。
可在各种实施例中以机器可读媒体(例如，存储器110)实施本发明的EDOF方法，所述机器可读媒体包括用于引起控制器50执行所述方法的机器可读指令(例如，计算机程序及/或软件模块)及用于操作系统10的控制操作。在示范性实施例中，计算机程序在存储器110外的图像处理器54上运行，且可在存储于可移除媒体116上时通过磁盘驱动器或端口120，或在存储于控制器50外部时通过有线或无线网络连接，或通过从其可读取并利用计算机程序的其它类型的计算机或机器可读媒体而从永久存储器传送到主存储器。
计算机程序及/或软件模块可包括多个模块或对象以执行本发明的各种方法，且控制系统10中的各种组件的操作及功能。用于程序代码的计算机编程语言的类型可在程序码型语言与面向对象语言之间变化。文件或对象无需与取决于程序设计师的需要所描述的模块或方法步骤具有一对一对应性。此外，方法及设备可包括软件、硬件及固件的组合。固件可被下载到图像处理器54中用于实施本发明的各种示范性实施例。
控制器50还可包含显示器130，所述显示器可为用于以任何适当方式(例如，使用多种多样的字母数字及图形表示)显示信息的任何适当显示器。在一些实施例中，显示器130可显示增强图像(例如，由系统10捕获且增强的图像)。控制器50还可包含数据键入装置132。数据键入装置132可包含允许系统10的用户与控制器50交互的任何适当装置。例如，键盘或触控屏幕可允许用户输入用于控制器50的信息(例如，被成像的对象的名称等等)并手动控制系统10的操作。在示范性实施例中，控制器50制作得足够紧凑以装配在手持式或便携式装置(例如图2中展示的装置52)的小外观尺寸外壳内。
系统10还可包含可操作地连接到控制器50的数据库单元90。在实施例中，数据库单元90可包含用作计算机可读媒体的存储器单元92，所述计算机可读媒体适于从图像处理器54接收经处理图像信号SPI并存储如通过经处理图像信号表示的对象OB的相关联经处理数字图像。存储器单元92可包含如本文中所描述的任何适当存储器，且可以任何适当方式(例如，在系统10内本地或远程地)可操作地连接到控制器50。在示范性实施例中，数据库单元90被包含在控制器50内。
操作的一般方法
参考图1，在系统10的一般操作中，通过光学系统20在传感器30的光敏表面32上形成对象OB的图像IM。控制器50发送控制信号S30以激活图像传感器30达给定曝光时间，使得图像IM由光敏表面32捕获。图像传感器30数字化此“原始”图像IM并产生表示原始所捕获图像的电子原始图像信号SRI。
图像处理器54可适于从图像传感器30接收经数字化的电原始图像信号SRI并收集待以压缩格式存储的对应原始图像。数据格式可遵循常见标准(例如ISO INCITS 379及ISO19794-6)。图像可被存储为原生或压缩图像(TIFF、bmp、jpeg)。在一些实施例中，可进一步处理原始图像，其中代替原始图像或除原始图像外存储经处理版本的图像。例如，如本文中所描述，在一些实施例中，原始图像可经增强以改进所捕获MTF(例如，针对通过具有EDOF光学器件的系统捕获的图像)。在一些实施例(例如虹膜辨识)中，图像可经进一步处理以被归一化及/或以产生压缩虹膜代码，所述压缩虹膜代码以仅表示虹膜图案的高度压缩格式特定存储。
在一些实施例中，如下文所论述，可直接使用原始图像IM，即，无需任何处理来增强图像，或仅使用不涉及MTF增强的轻微图像处理。此方法可用于特定类型的成像应用，例如字符辨识及用于使二进制对象(例如，条形码对象)成像，其中(例如)确定边缘位置比图像对比更重要。原始图像IM与即使在无需额外对比增强图像处理的情况下也与由光学系统20所提供的EDOF相关联，使得在一些示范性实施例中，系统10无需利用系统的一些或所有图像处理能力。在一些实施例中，如本文中所描述，针对用EDOF系统捕获并经处理的图像可省略用于虹膜辨识的处理的一些方面。
在实施例中，收集并平均化(例如，使用图像处理器54)N个原始图像以便形成相比于N个原始图像的任一个原始图像具有减小噪声的(经数字化的)原始图像IM'。
在一些实施例中，可期望增强原始图像IM。图像处理器54可接收并数字化处理电子原始图像信号SRI以形成电子处理图像信号SPI中体现的对应对比增强图像，其可任选地存储在数据库单元90中。
在一些实施例(例如生物识别应用)中，系统10可比较所捕获生物识别信息(例如，与所捕获虹膜图像相关联且存储在数据库90中的虹膜代码)与已知生物识别信息(例如，与已知用户相关联且存储在数据库90中或远程地存储的虹膜代码)。如本文中所描述，控制器50可从数据库单元90存取所存储的处理图像或相关数据(例如，虹膜代码)以供比较。在虹膜辨识的示范性实施例中，来自经归一化的虹膜图像的压缩数据可用于比较。在一些实施例中，此高端压缩数据可装配在5kB到10kB的小文件或数据块中。
光学系统
如上文所论述，成像光学系统20具有如通过光学系统的特定设计定义的对象空间OS中的景深DOF及图像空间IS中的焦点深度DOF'。用于常规光学系统的景深DOF及焦点深度DOF'可通过测量通过焦点的点扩展函数(PSF)的演进而确证，且可通过指定被认为对于给定应用而言可接受的分辨率R的损耗量而确立。“最小模糊圆”往往被当作定义焦点深度DOF'的限制的参数。
在本发明中，通过向光学系统20提供一些球面像差(SA)而延伸景深DOF及焦点深度DOF'两者。在示范性实施例中，0.2λ≤SA≤5λ，更优选地0.2λ≤SA≤2λ，且甚至更优选地0.5λ≤SA≤1λ，其中λ为成像波长。在示范性实施例中，处于成像波长λ的光学系统中的球面像差SA的量使得景深DOF或焦点深度DOF'相比于衍射受限光学系统增加介于50％与500％之间的量。通过添加球面像差SA的选择量，可控制景深DOF的增加量。本文中陈述的实例光学系统设计添加球面像差SA的选择量以增大景深DOF，而不基本上增大其它像差对图像形成的不利影响。
由于景深DOF及焦点深度DOF'通过光学系统20的轴向放大MA及横向放大ML经由关系式DOF'＝(MA)DOF＝(ML)2DOF而建立联系，所以系统10为了方便而被视为具有“延伸景深”。所属领域的技术人员将认识到，此表达还暗示系统10同样具有“延伸焦点深度”。因此，下文取决于论述的上下文而提及景深DOF或焦点深度DOF'。
还可结合PSF使用MTF以通过检查通过焦点的图像的分辨率R及图像对比CI而特征化焦点深度DOF'。此处，图像对比由下式给定
CI＝(IMAX-IMIN)/(IMAX+IMIN)
且经测量用于具有特定空间频率的一组正弦线-空间对的图像，其中IMAX及IMIN分别为最大图像强度及最小图像强度。“最佳焦点”被定义为图像位置，其中MTF被最大化且其中PSF最窄。当光学系统没有像差(即，衍射受限)时，基于MTF的最佳焦点与基于PSF的最佳焦点重合。然而，当像差存在于光学系统中时，基于MTF及PSF的最佳焦点位置可不同。
常规透镜设计原理需要以如下的方式设计光学系统：寻求消除所有像差，或至少平衡像差以最小化其影响，使得所述光学系统整体上基本上无像差。然而，在本发明中，光学系统20经有意设计以具有球面像差作为主要像差，且还可同样具有少量色差。
球面像差通过将MTF的整体水平从基本频率f0＝0减小到截止频率fC而减小图像的对比。截止频率fC相比于理想(即，衍射受限)MTF并未显著减小，所以几乎所有原始空间-频率频谱皆可用。因此，空间-频率信息虽然具有较低对比，但在图像中仍可用。在一些实施例中，如下文所描述，可通过如通过图像处理单元54实行的MTF增强数字滤波过程还原减小的对比。在一些实施例中，可不必执行MTF增强，即，例如，在如本文中描述的虹膜辨识的一些实施例中，可在无MTF增强的情况下使用具有减小的MTF的EDOF图像。
球面像差SA的量在高空间频率在较大散焦范围内保持可用的意义上增大焦点深度DOF'。本文中所描述的图像的处理允许图像用于例如生物识别(例如，具有或无还原增强的焦点深度DOF'内的对比的数字滤波)的应用，由此有效地增强光学系统20的成像性能。
球面像差在波前“误差”为经归一化的瞳孔坐标ρ的偶数幂的意义上为“偶数(even)”像差。因此，球面像差呈现旋转对称波前，使得相位为零。此意指所得光学转移函数(OTF)(其为PSF的傅里叶变换)为旋转对称、实值函数。可获得MTF(其为OTF的幅度)，其中球面像差为通过考虑倾斜边缘上进行的一维MTF测量的主要像差。此测量提供所有所需的信息以通过数字信号处理还原二维图像。此外，相位在任何散焦位置处为零，其允许数字图像处理增强MTF，而无需考虑傅里叶(即，空间-频率)空间中的OTF的相位分量(即，相位转移函数或PFT)。
约0.75λ的球面像差SA量给定显著DOF增强，而不在一个散焦侧上形成MTF中的零点。超过约SA＝0.75λ，零点出现在距最佳焦点位置的散焦的两侧上。对于衍射受限光学系统来说，通过关系式DOF'＝±λ/(NA2)给定焦点深度DOF'，其中NA为光学系统的数值孔径。在示范性实施例中，光学系统20具有在约0.033与0.125之间的NA(即，约F/15到约F/4，其中F/#＝1/(2NA)假设小角近似)。
通过实例，针对F/6.6、λ＝800nm的中心波长及Δλ的带宽，衍射受限焦点深度DOF'为约20mm，其中横向放大为1/1.4。球面像差量SA＝0.75λ的引入将焦点深度DOF'增大到约100mm，增大约5倍。
MTF增强
在一些实施例中，可期望改进用具有球面像差的EDOF系统捕获的原始图像的对比。在一些实施例中，此可通过以如下的方式对原始图像进行滤波而完成：将MTF还原为平滑函数，其随着空间频率连续递减且优选地避免过冲、振铃及其它图像假影。
噪声放大往往是寻求锐化信号(例如，增强数字光学图像中的对比)的任何滤波过程中的问题。因此，在示范性实施例中，考虑噪声的功率谱的经优化的增益函数(类似于维纳的滤波器)在对比增强过程期间经施加以减小噪声放大。
在示范性实施例中，施加于“原始”MTF以形成“输出”或“增强”MTF(本文中被称为“输出MTF”)的增益函数取决于物距DOB。通过校正过程获取MTF对距离DOB，其中在预期景深DOF中通过使用散焦步骤δF≤(1/8)(λ/(NA2))取样而测量MTF以避免任何欠取样及因此针对MTF的通过焦点信息的损耗。在此实例中，增强MTF被视为“焦点相依的”。
在实施例中，MTF增益函数可不取决于物距。虽然可以任何适当方式确定MTF增益函数，但在实施例中，可基于增强MTF目标函数超过所分配景深内原始MTF的均值的比率来估计所述MTF增益函数。例如，由于可能已知相比于通过具有球面像差的系统所获得的图像的MTF的所要MTF的典型平滑形状，所以对于MTF增强来说，近似可为足够精确的。
用来还原或增强原始MTF的上述MTF增益函数为三维函数G(u,υ,d)，其中u为沿着X轴的空间频率，υ为沿着Y轴的空间频率，且d为对象在允许的延伸景深DOF中的距离(d因此对应于物距DOB)。PSF及MTF的旋转对称导致增益函数的简化定义，即：
G′(ω，d)其中ω2＝u2+v2
旋转对称同样使G'(ω,d)成为实值函数而非一般情况中的复值函数。
“增强的”或“还原的”OTF被表示为OTF'且定义为：
OTF′(u，v，d)＝G(u，v，d)OTF(u，v，d)
其中OTF为用于非相干光的光学系统的光学转移函数，OTF'为包含数字处理的光学系统的等效OTF，且G为前述MTF增益函数。通过下式给定针对基于原始或未还原MTF的还原或“输出”或“增强的”MTF(即，MTF')的关系：
MTF′(ω，d)＝G′(ω，d)MTF(ω，d)
当物距未知时，可使用经优化的平均增益函数G'。所得MTF被增强，但并非物距的函数。
后数字过程可经优化以递送工作景深DOF的范围中的任何距离上的基本上相同MTF。只要DOB是在光学系统20的景深DOF内，此即提供独立于物距DOB的基本上恒定图像质量。由于光学系统20归因于如下文描述的球面像差的存在而具有延伸景深DOF，所以系统10可适应物距DOB的相对大变动且仍能够捕获适当图像。
图4A描绘根据本发明的一些实施例的依据空间频率变化的原始MTF、增强的MTF及MTF增益函数的示范性图。在实施例中，这些图可提供示范性增益函数及其使用上述过程获得的对应多色处理(输出)的EMTF。MTF增益函数MGF可经简化为抛物线函数乘以超高斯函数的乘积构成的频率函数，即：
此处，A为常数，n为超高斯阶，且f0为截止频率，其被设置成最高频率，其中原始MTF被推荐为高于延伸景深DOF的整个范围的5％。参数A、f0及n允许改变输出MTF'水平并取决于图像传感器的奈奎斯特频率fN而管理截止频率。减小处于奈奎斯特频率fN的MTF减小噪声水平且避免图像中的混迭假影。
虽然将了解可以任何适当方式(例如，基于用来获得MGF的方法)实施MGF，但在实施例中，实施MGF的一个有效方法可为作为可存储于系统10的存储器中的经校正数据的取样表格。
图6A描绘根据本发明的一些实施例的通过具有具球面像差的透镜的EDOF光学系统产生、处于不同空间频率范围的原始及增强MTF的示范性图，而图6B描绘根据本发明的一些实施例的通过具有具球面像差的透镜的EDOF光学系统产生、处于图6A的低空间频率范围的原始及增强MTF的示范性图。在图6A中，输出MTF'的形状尽可能接近超高斯函数，即：
以此方式，增益函数适于在数字处理之后产生如所描述的超高斯输出MTF'。与增益函数相乘的原始MTF产生超高斯输出MTF'。
可通过超高斯输出函数表示输出MTF'。超高斯输出MTF'具有以低及中等空间频率到多半截止频率产生高对比度的一些宝贵性质，且可产生最小化经处理PSF、LSF(线扩展函数)及ESF(边缘扩展函数)上的过冲及振铃的连续及规则下降。
如果n＝1，那么输出MTF'为高斯。这提供无任何振铃或过冲的PSF、LSF及ESF。如果n﹥1，那么输出MTF'为超高斯。对于n的较高值来说，处于高空间频率的对比也为高，但振铃及过冲增大。在一些实施例中，良好折衷可为1﹥n﹥2，其中以低及中等空间频率很好地增强输出MTF'，而振铃及过冲被限于约5％，这对于多数成像应用来说可为可接受的。在示范性实施例中，真实输出MTF'尽可能接近超高斯。
在一些实施例中，可期望控制功率噪声放大。在其中原始MTF上的增益较高以便达成输出MTF'的距离处，可确定在MTF水平与图像上的信噪比之间的良好折衷，同时控制处于高空间频率的输出MTF'的斜率可避免显著过冲。
在图4A的MTF图中，输出MTF“EMTF”具有避免过冲及其它成像假影的平滑形状。数字滤波器的施加增益经优化或增强以获得最大输出MTF'同时控制增益或噪声。
通过平均化循序图像的图像噪声缩减
存在与图像捕获及图像处理步骤相关联的两个相异噪声源。第一噪声源被称为“固定图案噪声”或简称为FP噪声。通过图像传感器30的特定校正在给定操作条件下减小FP噪声。在示范性实施例中，通过固定图案噪声的多级映射减小FP噪声，其中通过校正表(例如，具有校正值的查找表)校正每一像素。这需要校正文件中的每一图像传感器及校正数据存储器的个别校正。例如，通过使纯白图像(例如，来自积分球)成像且测量所获得原始数字图像的变动而执行用于给定图像传感器的固定图案噪声的映射。
其它噪声源为散粒噪声，其为随机噪声。在电子装置中通过与电子的移动相关联的泊松统计(Poisson statistics)产生散粒噪声。散粒噪声也在通过光电效应将光子转换成电子时出现。
一些成像应用(例如虹膜辨识)需要高清晰度图像传感器30。为此，在示范性实施例中，图像传感器30为或包含具有3000×2208个像素尺寸为3.5微米的像素的阵列的CMOS或CCD相机。全阱容量针对处于此小像素尺寸的CMOS相机减小到21,000个电子，且散粒噪声的相关联最小值处于饱和水平的约43.2dB。
系统10的示范性实施例具有减小的噪声，使得MTF质量被改进，这导致经改良图像。散粒噪声的随机本质是使得平均化N个所捕获图像是减小噪声(即，改进SNR)的唯一可用方法。噪声在比例上减少(即，SNR增加)到N1/2。此平均化过程可被应用到原始图像以及经处理(即，对比增强)图像。
只要被平均化的图像具有固定对象或场景，平均化N个所捕获图像即为适当噪声缩减方法。然而，此平均化在对象移动时有问题。在示范性实施例中，跟踪并精确测量对象OB的移动，且通过在平均化原始图像之前先说明并补偿反对运动而采用用于减小噪声的平均化过程。
在示范性实施例中，本发明的图像平均化过程在所关注共同区域处的循序图像之间使用相关函数。通过相关峰值的位置确定相对二维图像偏移。在傅里叶域中处理相关函数以通过使用快速傅里叶变换(FFT)算法加快计算。以与初始图像相同的取样间隔取样提供的相关函数。相关最大值的检测对于一个像素的尺寸来说是精确的。
此测量技术的改进为使用在与最大关联峰值相关联的像素上居中的像素的3×3内核。通过拟合二维抛物线函数确定子像素位置以确立最大值。接着确定(X,Y)图像偏移。图像在其偏移位置处经重新取样。如果经测量(X,Y)偏移的小数部分不等于0，那么执行双线性内插。同样也可使用香农(Shannon)内插，这是因为处于高于尼奎斯特频率的频率的图像中不存在信号。接着，所有图像在被重新取样之后加总，考虑经测量相关中的(X,Y)偏移。
虹膜图像处理
图5A描绘根据本发明的实施例的包含虹膜图像捕获、处理及比较系统的示范性大致组织结构图，而图5B描绘根据本发明的实施例的包含EDOF图像捕获及MTF增强的虹膜图像捕获、处理及比较系统的示范性大致组织结构图。
在图5A及5B两者中，可通过图像传感器30获取原始图像。示范性透镜及相机系统可包含在对象空间中使空间频率从0变化到10lp/mm的设置。放大关系可存在于其中定位虹膜的对象与其中虹膜图像形成于图像捕获装置30上的图像空间之间。将了解，可以任何适当方式确定系统10的透镜的焦距(例如)以形成根据物距的图像，从而导致适当像素尺寸及像素数目，(例如，对于具有10毫米直径的虹膜的图像拉丝，每行像素范围为150到200个)。
如上文指出，图5A大致描绘不包含EDOF光学装置及处理的系统的操作，且因此，原始图像可为具有不需要增强的MTF特性的高质量图像。然而，在图5B中，可运用EDOF光学装置捕获原始图像，其可提供就图像捕获的景深来说的优点，但可导致具有减少的MTF特性的图像。因此，在图5B中，在步骤61处，可期望增强由EDOF系统捕获的所捕获原始图像。虽然将了解可以任何适当方式增强原始图像，但在实施例中，可使用上文描述的MTF增强方法来增强所述原始图像。
在一些实施例中，图5A的原始图像或图5B的MTF增强图像可经存储以供随后使用。虽然图像可以任何适当方式存储于任何适当媒体中，但在实施例中，虹膜图像可经存储作为虹膜辨识登记过程的部分且可存储于虹膜登记数据库(例如，系统10的数据库90、远程数据库及/或任何其它适当数据库)中。在一些实施例中，虹膜图像可本身用于虹膜辨识，使得将所获得虹膜图像与从数据库存取的所存储虹膜图像进行比较。
在图5A或5B的步骤62处，系统10的图像处理器54可归一化虹膜图像。典型所捕获虹膜图像(例如遵守ISO INCITS 379及ISO 19794-6、具有VGA尺寸(640×480个像素)的图像)可通常取决于用于图像的图像格式(例如，jpeg、jpeg2000等等)的压缩级而需要30kB到100kB。例如，原始8位未压缩图像可能需要307,200个字节。如下文将描述，对于虹膜辨识应用来说，图像可最终用来产生虹膜代码，其与对应于已知用户的先前所存储虹膜图像的虹膜代码进行比较。
原始虹膜图像可包含虹膜周围的不提供有用信息用于产生此虹膜代码的区域。因此，在步骤62处，虹膜图像可被归一化。
图3描绘根据本发明的一些实施例的二维空间中的虹膜图像及经归一化的虹膜图像的示范性几何表示。虽然可以任何适当方式执行虹膜图像归一化，但在实施例中，经归一化的图像可使用来自表示不超过8％的整个所捕获图像的所关注虹膜区域的数据而经产生作为矩形函数。在实施例中，可基于跨620×480个像素区域上的虹膜图像的200个像素来作出估计。对于涉及高分辨率相机(例如，5.5MP或10MP相机)的实施例来说，此ROI区域可表示小于(例如)用户的包含两只眼睛的整个脸的图像的所获得图像的1％。
经归一化的图像可具有相比于虹膜图像的大大减小的尺寸，例如，小于10kB。在归一化期间，可移除不包含用于虹膜辨识的相关信息的众多区域。在实施例中，可通过内部瞳孔边界43及外部虹膜边界41限定相关虹膜图像。也可从图像移除虹膜边界内的图像的不与虹膜辨识相关的其它方面，其包含巩膜及眼睑区域44及睫毛45。归一化过程的结果可为经归一化的图像46，所述图像发展为图3的虹膜图像上的θ及半径r的极函数。
返回到图5A及5B，在一些实施例中，经归一化的图像可经存储以供随后使用。虽然经归一化的图像可以任何适当方式存储且存储在任何适当媒体中，但在实施例中，所述经归一化的图像可经存储作为虹膜辨识登记过程的部分且可存储在虹膜登记数据库(例如，系统10的数据库90、远程数据库及/或任何其它适当数据库)中。在一些实施例中，所述经归一化的图像可本身用于虹膜辨识，使得所获得且经归一化的图像与从数据库存取的所存储的经归一化的图像进行比较。
在步骤63处，经归一化的虹膜图像可经编码以针对所获得图像的虹膜产生虹膜代码。虹膜辨识算法可构建并使用来自所捕获图像的识别码(虹膜代码)以与所存储虹膜代码进行比较或以在登记过程期间产生初始虹膜代码。如本文中所描述，在通过系统10捕获的虹膜代码与来自于先前登记过程期间捕获的图像的所存储虹膜代码之间的匹配可基于所述两个虹膜代码之间的汉明距离进行确定。
虽然将了解可以任何适当方式从经归一化的图像产生虹膜代码，但在实施例中，数学变换可用来产生所述虹膜代码。这些数学变换的共同特性可为将经归一化的虹膜图像投射成基本或向量小波并产生对应于向量列表的系数表，其中无论何时此转换为线性或非线性，这些向量的每一者皆在频域中具有典型打印。虽然将了解可使用任何适当数学变换，但在实施例中，数学变换可为加伯(Gabor)变换或对数加伯变换。例如，加伯变换(例如，离散加伯变换)可适于数字代码以提供向量列表。可通过下式定义2D中的离散加伯变换：
其中：
为离散加伯函数
为用于虹膜的识别码的系数。
其中：
mx、nx、my、ny为加伯函数的离散整数索引
S()表示离散加伯函数
u为θ轴上的归一化图像中的索引位置
v为r轴上的归一化图像中的索引位置
mx为θ轴上的离散阶
my为r轴上的离散阶
Ωx为θ轴上的因子取样，Ωx≤2π/Nx
Ωy为r轴上的因子取样，Ωx≤2π/Ny
将了解，在函数的各种基数中可能存在此表示的变动，其中系数用来确定识别码。基数可为完整且正交的，使得系数的数值具有相移性质，所述性质在与来自旋转虹膜的识别码匹配时导致稳定汉明距离计算。
在一些实施例中，虹膜代码可经存储以供随后使用。虽然虹膜代码可以任何适当方式存储且存储在任何适当媒体中，但在实施例中，所述虹膜代码可经存储作为虹膜辨识登记过程的部分且可存储在虹膜登记数据库(例如，系统10的数据库90、远程数据库及/或任何其它适当数据库)中。
在步骤64处，可将与所捕获虹膜图像相关联的虹膜代码与存储在虹膜登记数据库中的虹膜代码进行比较，以便确定在虹膜代码之间是否存在匹配。虽然可以任何适当方式执行此匹配过程，但在实施例中，与所捕获虹膜图像相关联的虹膜代码可与来自数据库的虹膜代码进行比较，且基于所述两个虹膜代码之间的汉明距离确定匹配。
图9A描绘根据本发明的一些实施例的用于虹膜代码的比较的示范性汉明距离分布。汉明距离越大，两个虹膜代码之间的差异越大，且类似地，较小汉明距离表示两个虹膜代码之间的较小差异。自匹配图像产生零汉明距离。然而，匹配过程并非完美，相反，相同主体及相同眼睛的两个独立快照之间的匹配将包含由于噪声(例如并不从一个图像关联到下一图像的散粒噪声)的一些正残余汉明距离。此外，固定图案噪声由于在使用相同相机时眼睛从一个图像移动到另一图像，所以具有差的相关性，且如果在两个不同相机上产生两个图像，那么可为不相关的。另外，来自相同眼睛的图像可以瞳孔的扩张、修剪虹膜的部分的不同眼睑孔径、因运动的模糊及照明差异而产生汉明距离的一些小变动。由于这些自然变动，用于匹配的汉明距离并非为零。
虽然如此，但明确定义匹配与否决之间的差异。如图9A中所描绘，示范性汉明距离分布可包含两个明确定义的区域(id及di)，使得阈值(Th)可经选择而提供基于小于所述阈值的汉明距离的正确匹配的极高概率。如果汉明距离小于阈值，那么确定匹配。在美国专利5,291,560中描述用于虹膜代码的比较的典型方法，所述专利以引用方式并入本文中。
经归一化的虹膜图像的MTF增强
在与虹膜图像的处理相关的一些实施例中，可对经归一化的虹膜图像而非原始虹膜图像执行MTF增强。此MTF增强可表示为操作为对关于经归一化的虹膜图像的削尖锐化过程的直接回旋卷积过程。虽然将了解可以任何适当方式(包含不同数字方法)实施通过回旋卷积的MTF增强，但在实施例中，可使用内核或在傅里叶域中应用相乘性2D遮罩屏蔽来应用此过程。此方法可提供精度及可靠性，这是因为其考虑经识别的所关注区域的整个图像上的2D回旋卷积过程的线性性质。在一些实施方案(例如其中必须实时处理并分析图像的应用)中，此过程可比原始图像的MTF增强消耗更少计算资源。
如上文所描述，以图3中的极坐标表示经归一化的虹膜图像。图10描绘根据本发明的一些实施例的经归一化的虹膜图像的MTF增强。经归一化的虹膜图像根据θ及r而变化。θ坐标通过此非欧几里得变换(non-Euclidian transform)而受笛卡尔(Cartesian)频域中的比例因子影响。空间频域中的此比例因子为直接逆值，如下：
-F(θ,r)为极坐标中的虹膜图像的极函数；
-FT为傅里叶变换；且
-
其中U受r的逆线性函数支配，这是因为距离dθ的任何改变等效于(r.dθ)的对象空间中的距离，其中dθ为θ的小变动。
因此，在空间频域中，极坐标中的频率U与对象空间中的频率f之间的比例因子为U＝f/r。因此，极坐标中的归一化虹膜图像的MTF增强可跟随U上频率比例的此渐近式改变。
在实施例中，可以线性滤波器执行极坐标中的归一化虹膜图像的MTF增强。虽然将了解可使用任何适当滤波过程，但在实施例中，可以内核函数或使用傅里叶空间中的卷积来执行滤波过程。
在实施例中，傅里叶空间中的卷积可涉及与增益函数的相乘，其具有取决于频率模数的数值。关于最初原始图像的等效光学转移函数增强为
OTF’(u，v，d)＝G(u，v，d)OTF(u，v，d)
再次参考图10，在实施例中，极图像可被分裂成处于不同(r)值的数个频带50，每一频带50对应于平均(r)值。如图10中所描绘，这些频带可部分重叠以防止在最后图像融合中转换边缘假影。
在实施例中，通过FFT(快速傅里叶变换)的处理序列可涉及关于θ及r的2个不同尼奎斯特频率。如果频带尺寸为Nθ×Nr，那么关于θ的尼奎斯特频率可为Nθ/(4πr)且关于r的尼奎斯特频率可为Nr/(2H)，其中H为沿着r轴的频带的径向高度。可根据这些尼奎斯特频率校正关于频带的FFT的频率比例，使得频带的FFT的每一样本元素具有关于θ角频率的范围[－(Nθ－1)/(4πr)－1；Nθ/(4πr)]中的频率坐标u，及关于r径向频率的范围[－(Nr－1)/(2H)；Nr/(2H)]中的频率坐标v。每一样本可为描述相位及振幅的复数。振幅可乘以处于频率f的MTF的增益函数Gain(f)，其中f2＝u2+v2。
结果可为针对频带的每一者产生FFT图像47，所述图像具有基于依Gain(f)的相乘的MTF增强。接着，FFT图像47可通过逆FFT变换还原到极坐标，从而导致用于具有增强MTF性质的频带50的每一者的归一化图像。接着，MTF增强的频带图像可经合并以产生融合图像49。频带的边缘可含有一些边缘假影作为卷积对于周期频带的自然效应，以与将通过卷积产生相同的方式周期性地重复相同频带函数。可从最后合并图像自动修剪这些边缘假影，其中每一频带在其边缘处重叠区域中修剪。结果可为极坐标中的MTF增强的归一化虹膜图像。
在另一实施例中，可通过使用内核的卷积执行归一化虹膜图像的MTF增强。以与上文所描述相同的方式，归一化虹膜图像可被分裂成频带。θ轴上的卷积的内核以1/r扩展以正确表示与笛卡尔坐标中的最初原始图像相同的尺寸。可以与针对上文描述的FFT方法所描述相同的方式执行卷积及分离频带的合并，此意指最后通过相同方法重新组合每一频带的所得图像的每一者。
虹膜代码均衡
如本文中所描述，在其中使用EDOF光学系统的一些实施例中，可在经归一化之前或之后增强原始图像。在其它实施例中，可期望避免EDOF原始图像的MTF增强(例如)以减小执行MTF增强所必需的处理时间或处理功率。在实施例中，系统10可产生虹膜代码均衡系数，其促进所存储虹膜代码与从尚未增强的EDOF图像产生的虹膜代码的比较，无论所存储虹膜代码是否最初从具有EDOF光学系统的系统10产生。
虽然可以任何适当方式产生均衡系数，但在实施例中，可基于如具有窄频谱的加伯或对数加伯函数的小波的一般特性产生所述均衡系数。图4B描绘根据本发明的一些实施例的用于产生表示为空间频率的函数的虹膜代码的小波基函数60的示范性图。对这些初等函数的每一者的傅里叶变换的分析可证实具有与[nx,ny,mx,my]的阶值相关的峰值及宽度的一些典型窄结构。可基于识别码数学表示的每一所使用的基函数的空间频域中的窄频谱来确定均衡系数。
在实施例中，可基于估量均值通过空间频谱内的积分的积分来计算均衡(或放大)率。估量均值为与在计算平均放大系数时每一空间频率处的空间频谱密度的振幅成比例的影响权值。所捕获且经归一化的EDOF的MTF可具有第一阶的主要局部变动，使得第二阶的变动由于跨小波频谱的窄尺寸的MTF斜率的低变动而常常可忽略。在实施例中，如图4C中所描绘(图4C描绘根据本发明的一些实施例的用于产生通过增益MTF函数调制的虹膜代码、依据空间频率变化的小波基函数的示范性图)，可基于所考虑特殊频率峰值处的增强MTF值与原始MTF值之间的比率来确定均衡率。针对EDOF系统的MTF性质(例如，用于EDOF系统的原始及增强MTF之间的比率)可为系统相依的且可为系统的常数。
图4D描绘根据本发明的一些实施例的与图4C的经调制小波函数相关联、依据空间频率变化的均衡系数的离散表示的示范性图。在每一基函数处，可确定与MTF增益函数(MGF)相关的相乘性均衡系数。如上文所描述，MTF性质可为系统相依的。可以任何适当方式(例如，基于用于系统的实际确定比率、基于估计参数、基于计算参数、任何其它适当方法或其任何组合)确定针对系统的系数。
一旦确定均衡系数，所述均衡系数即可用于匹配过程中。在均衡之前，虹膜代码数值为数值的表格。
在均衡之后，虹膜代码数值为其中其中为关于虹膜代码的均衡或放大系数。
通过使用离散加伯变换作为实例而说明针对均衡系数的使用的示范性实施例。然而，将了解，只要控制函数的基数且对每一基函数施加限制空间频谱带宽，此方法即可应用于任何虹膜代码产生算法。在图8A上说明加伯小波基函数的简化1D表示。在图8A上表示为了陈述的简洁性而以一维提取的两种典型加伯函数小波情况A及B。A及B可具有不同调制频率，所述调制频率为频域FA及FB中的频率峰值(例如，如图8B中所描绘)。如上文所描述，通过定义的增益函数确定待应用的均衡、增益或放大因子，其中相应地f＝FA或f＝FB。均衡系数与虹膜代码的每一相应系数相乘(基于通过关于图4A描述且描绘的经设计MTF放大率)，且对应于相关联虹膜代码函数的频谱特征的平均或中心峰值空间频率(例如，如关于图4D描绘且描述)。
EDOF虹膜图像处理
图7描绘根据本发明的一些实施例的表示四个路径P1到P4的示范性组织结构图，所述四个路径P1到P4描绘用于从图像捕获到识别的生物识别的示范性序列。在图7的示范性实施例中，已运用EDOF光学系统捕获通过图像传感器30所捕获的原始图像，所述EDOF光学系统具有如本文中描述的延伸景深及MTF特性。图7描绘用于EDOF原始图像的四个替代处理路径。第一路径P1对应于图5B的路径，且包含相同步骤61到64用于增强EDOF原始图像(步骤61)、归一化增强图像(步骤62)、针对经归一化的增强图像产生虹膜代码(步骤63)，且基于针对经归一化的增强图像的虹膜代码执行匹配(步骤64)。路径P2与路径P1的不同之处在于，在步骤65处对经归一化的图像执行MTF增强，而非在步骤61处对原始图像执行MTF增强。如下文将更详细地描述，路径P3省略MTF增强，但执行剩余步骤。最后，如下文将更详细地描述，路径P4省略MTF增强，但添加额外均衡步骤(步骤66)。
参考路径P2，在实施例中，在步骤62处可归一化EDOF原始图像。接着，在P2的步骤65处可在EDOF原始图像的经归一化之后执行MTF增强(例如，如本文中描述的卷积)，使得MTF增强出现在归一化图像的空间中。对归一化图像执行MTF增强可能需要的处理功率比如在路径P1的步骤61处根据需要对完整EDOF原始图像执行此处理所需的处理功率少很多。在实施例中，对减小的空间应用卷积方法的过程导致具有小于原始图像源的数据量的10％的新矩形数据表。路径P2可应用于虹膜辨识应用中，其中算法产生提取自虹膜(例如，如本文中所描述)的环形区域的矩形归一化图像。
从极性表示到矩形表示的几何变换可在图像上产生非均匀拼接，使得关于角度θ的输出取样间距随径向距离增大。可基于近似而对归一化图像执行MTF增强，可通过考虑图像的平均间距而确定所述近似。路径P2的所得增强且经归一化的图像可能具有类似于路径P1的增强且经归一化的图像的性质，但可能需要显著减少的处理开销。接着，处理可继续如上文描述的虹膜代码产生(步骤63)及匹配(步骤64)。
参考路径P3，在实施例中，可在无MTF增强的情况下处理EDOF原始图像。在实施例中，由EDOF光学系统的球面像差产生的景深增强可通过防止延伸景深内的光学MTF的零点及对比反转而保持起作用。球面像差可减小信号的振幅且影响在低空间频率与较高空间频率(例如，如在图6A及6B上所展示)之间的振幅的比率。此比率变动可以空间频率渐近，而不在空间频率或频率之间的傅里叶域中引入任何相移。在无相移的引入的情况下，此可限制来自图像空间的假影的产生，其可在计算汉明距离时直接影响匹配过程(例如，通过随机增大汉明距离)。因此，在汉明距离上存在低分散，其可限制误差率，甚至在无MTF增强的情况下也是如此。在实施例中，可通过使用用于汉明距离计算的函数而减小误差率，所述函数对低空间频率(“LSF”)(例如，图6B中描绘的频率)具有支配权重。然而，分散效应将增大到使用中间空间频率(“MSF”)及高空间频率(“HSF”)的程度。关于经归一化的图像空间，在增强与非增强MTF之间的MTF比率的此规则且连续增加可防止可能在匹配时影响汉明距离的假影的产生。
在实施例中，用于虹膜数据库中的登记的成像系统可具有类似光学特性(例如，具有球面像差的EDOF光学系统)。将类似系统用于登记(具有或无MTF增强)及捕获可导致较低误差率。无论何种系统用于登记，路径P3皆可维持与现存虹膜数据库(例如，ISO INCITS379及ISO 19794-6)的兼容性。
参考路径P4，在实施例中，可在无MTF增强的情况下、但运用添加的均衡步骤66处理EDOF原始图像。如上文所描述，均衡过程可导致来自尚未经历MTF增强的图像的虹膜代码与来自虹膜登记数据库的图像的比较的改进，从而导致将无均衡地存在的汉明距离的缩减。在步骤62处归一化原始EDOF虹膜图像，在步骤63处针对经归一化的图像产生虹膜代码，在步骤66处执行均衡，且在步骤64处比较虹膜代码。
图9B描绘根据本发明的一些实施例的用于基于不同虹膜登记及捕获过程比较虹膜代码的示范性汉明距离分布。图Eq1可表示通过匹配相同眼睛产生的汉明距离的统计直方图，其中运用不具有球面像差的透镜产生相同虹膜的所捕获及所存储图像，其中运用不具有球面像差的透镜捕获一个图像且通过具有受控球面像差的透镜及采用增强MTF技术的系统捕获另一图像，或其中通过具有受控球面像差的透镜及采用增强MTF技术的系统产生两个图像。图Eq2可表示通过运用具有受控球面像差量而无MTF增强的透镜匹配相同眼睛的汉明距离的统计直方图。由于MTF通过添加球面像差而较低，所以信噪比可增大同时无信息丢失。相对较高噪声的效应稍微扩大汉明距离分散且产生误差概率的微小增大。图Eq3可表示通过匹配相同眼睛产生的汉明距离的统计直方图，其中运用不具有球面像差的透镜或运用具有受控球面像差的透镜及具有MTF增强的系统来产生两个图像的一个图像，且运用具有受控球面像差且无MTF增强的透镜来产生另一图像。由于两个图像的MTF比率并不随空间频率恒定，所以此可产生虹膜代码的系数之间的一些微小额外失真且因此扩大汉明距离的分散。
图Df1、Df2及Df3分别为匹配来自不同主体的不同眼睛与如上文所描述针对Eq1、Eq2及Eq3配置的捕获及登记系统的汉明距离。虽然图9B中未描绘，但基于针对如上文关于图6B描述的低空间频率的MTF特性，统计图Eq2、Eq3、Df2及Df3可具有在识别算法主要使用来自低空间频率的信息时更接近Eq1及Df1的分散特性。以此方式，影响编码系数的相对振幅，同时维持系数之间的强相关，使得并不显著影响汉明距离的计算。如图9B中所描绘，阈值距离Th可经选择以导致虹膜代码匹配的高度精确确定，无论哪个光学系统或处理路径如上文描述那样使用。
前述内容仅说明本发明的原理且可由本领域技术人员作出各种修改，而不背离本发明的范围。出于说明而非限制的目的呈现上述实施例。本发明也可采取除本文中明确描述的形式外的许多形式。因此，强调本发明并不限于明确揭示的方法、系统及设备，而旨在包含其变动及修改，变动及修改是在所附权利要求书的精神内。
作为又一实例，可作出设备或过程参数(例如，尺寸、配置、组件、处理步骤顺序等等)的变动以进一步优化如本文中展示且描述的所提供的结构、装置及方法。无论如何，本文中描述的结构及装置以及相关联方法具有许多应用。因此，所揭示目标不应限于本文中描述的任何单个实施例，而应以根据所附权利要求书的广度及范围解释。

Claims (34)

1.一种处理处于成像波长λIM的虹膜的延伸景深EDOF图像的方法，所述方法包括：
捕获所述虹膜的原始图像，其中所述原始图像具有精简调制转移函数MTF，所述函数基于具有0.2λIM≤SA≤2λIM的球面像差SA量的光学系统；
归一化所述原始图像；
执行极坐标中的经归一化的所述原始图像的MTF增强以产生MTF增强图像；及
从所述MTF增强图像产生虹膜代码。
2.根据权利要求1所述的方法，其进一步包括将所述MTF增强图像存储在虹膜登记数据库中。
3.根据权利要求1所述的方法，其进一步包括将所述原始图像存储在虹膜登记数据库中。
4.根据权利要求1所述的方法，其进一步包括将经归一化的所述原始图像存储在虹膜登记数据库中。
5.根据权利要求1所述的方法，其进一步包括将所述虹膜代码存储在虹膜登记数据库中。
6.根据权利要求1所述的方法，其进一步包括将所述虹膜代码与一或多个已知虹膜代码进行比较。
7.根据权利要求6所述的方法，其中最初通过不具有增强景深函数的光学系统获得所述已知虹膜代码。
8.根据权利要求6所述的方法，其中最初通过具有增强景深函数但无MTF增强的光学系统获得所述已知虹膜代码。
9.根据权利要求1所述的方法，其中所述光学系统包括单个透镜系统。
10.根据权利要求9所述的方法，其中用于所述光学系统的孔径光阑被定位在最小化彗形像差的位置处。
11.根据权利要求9所述的方法，其中所述单个透镜包括玻璃或塑料。
12.根据权利要求9所述的方法，其中所述单个透镜包括旋转对称光学组件。
13.根据权利要求9所述的方法，其中所述单个透镜包括球面折射表面。
14.根据权利要求1所述的方法，其中归一化所述原始图像包括将所述原始图像缺少关于所述虹膜的信息的部分移除。
15.根据权利要求14所述的方法，其中将所述原始图像缺少关于所述虹膜的信息的部分移除包括将所述原始图像未处于外部虹膜边界内且在内部瞳孔边界外的部分移除。
16.根据权利要求1所述的方法，其中经归一化的所述原始图像要求少于10％的所述原始图像所要求的数据的字节。
17.根据权利要求1所述的方法，其中经归一化的所述原始图像要求少于5％的所述原始图像所要求的数据的字节。
18.一种用于处理处于成像波长λIM的虹膜的延伸景深EDOF图像的系统，所述系统包括：
光学系统，其具有0.2λIM≤SA≤2λIM的球面像差SA量，所述光学系统经配置以在图像传感器上形成原始图像，所述原始图像基于所述球面像差已经精简调制转移函数MTF；
控制器，其电连接到所述图像传感器，其中所述控制器经配置以从所述光学系统捕获所述虹膜的原始图像、归一化所述原始图像、执行极坐标中的经归一化的所述原始图像的MTF增强以产生MTF增强图像，且从所述MTF增强图像产生虹膜代码。
19.根据权利要求18所述的系统，其中所述控制器进一步经配置以将所述MTF增强图像存储在虹膜登记数据库中。
20.根据权利要求18所述的系统，其中所述控制器进一步经配置以将所述原始图像存储在虹膜登记数据库中。
21.根据权利要求18所述的系统，其中所述控制器进一步经配置以将经归一化的所述原始图像存储在虹膜登记数据库中。
22.根据权利要求18所述的系统，其中所述控制器进一步经配置以将所述虹膜代码存储在虹膜登记数据库中。
23.根据权利要求18所述的系统，其中所述控制器进一步经配置以将所述虹膜代码与一或多个已知虹膜代码进行比较。
24.根据权利要求23所述的系统，其中最初通过不具有增强景深函数的光学系统获得所述已知虹膜代码。
25.根据权利要求23所述的系统，其中最初通过具有增强景深函数但无MTF增强的光学系统获得所述已知虹膜代码。
26.根据权利要求18所述的系统，其中所述光学系统包括单个透镜系统。
27.根据权利要求26所述的系统，其中用于所述光学系统的孔径光阑被定位在最小化彗形像差的位置处。
28.根据权利要求26所述的系统，其中所述单个透镜包括玻璃或塑料。
29.根据权利要求26所述的系统，其中所述单个透镜包括旋转对称光学组件。
30.根据权利要求26所述的系统，其中所述单个透镜包括球面折射表面。
31.根据权利要求18所述的系统，其中所述控制器进一步经配置以将所述原始图像缺少关于所述虹膜的信息的部分移除以归一化所述原始图像。
32.根据权利要求31所述的系统，其中所述控制器进一步经配置以将所述原始图像未处于外部虹膜边界内且在内部瞳孔边界外的部分移除，以将所述原始图像缺少关于所述虹膜的信息的部分移除。
33.根据权利要求18所述的系统，其中经归一化的所述原始图像要求少于10％的所述原始图像所要求的数据的字节。
34.根据权利要求18所述的系统，其中经归一化的所述原始图像要求少于5％的所述原始图像所要求的数据的字节。
CN201711057160.XA 2015-04-23 2016-04-22 延伸景深生物识别系统 Pending CN107783284A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/694,545 US9495590B1 (en) 2015-04-23 2015-04-23 Extended depth-of-field biometric system
US14/694,545 2015-04-23
CN201680018271.7A CN107407803B (zh) 2015-04-23 2016-04-22 延伸景深生物识别系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201680018271.7A Division CN107407803B (zh) 2015-04-23 2016-04-22 延伸景深生物识别系统

Publications (1)

Publication Number Publication Date
CN107783284A true CN107783284A (zh) 2018-03-09

Family

ID=57143331

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201910393227.XA Pending CN110275291A (zh) 2015-04-23 2016-04-22 延伸景深生物识别系统
CN201711057160.XA Pending CN107783284A (zh) 2015-04-23 2016-04-22 延伸景深生物识别系统
CN201680018271.7A Expired - Fee Related CN107407803B (zh) 2015-04-23 2016-04-22 延伸景深生物识别系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201910393227.XA Pending CN110275291A (zh) 2015-04-23 2016-04-22 延伸景深生物识别系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201680018271.7A Expired - Fee Related CN107407803B (zh) 2015-04-23 2016-04-22 延伸景深生物识别系统

Country Status (5)

Country Link
US (3) US9495590B1 (zh)
EP (1) EP3286696A4 (zh)
CN (3) CN110275291A (zh)
TW (1) TW201702690A (zh)
WO (1) WO2016171624A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9495590B1 (en) * 2015-04-23 2016-11-15 Global Bionic Optics, Ltd. Extended depth-of-field biometric system
IL272891B2 (en) 2016-01-19 2023-09-01 Magic Leap Inc Collection, selection and combination of an eye image
CN108132530B (zh) * 2017-03-03 2022-01-25 中国北方车辆研究所 一种基于像差平衡和控制的大景深光学方法及其系统
CN110692062B (zh) 2017-03-24 2023-12-08 奇跃公司 虹膜代码的累积和置信分配
CN108089325A (zh) * 2017-12-26 2018-05-29 西安博雅精密光学科技有限公司 基于波前编码超大景深成像系统
CN108288053B (zh) * 2018-03-01 2020-10-30 武汉轻工大学 一种虹膜图像的处理的方法、装置及计算机可读存储介质
TWI659364B (zh) * 2018-04-03 2019-05-11 財團法人工業技術研究院 電子裝置、虹膜辨識方法以及電腦可讀式媒體
CN109257524B (zh) * 2018-09-13 2020-10-02 北京信息科技大学 一种基于Wigner分布函数的全聚焦扫描成像方法
US10545096B1 (en) 2018-10-11 2020-01-28 Nanotronics Imaging, Inc. Marco inspection systems, apparatus and methods
US11403884B2 (en) 2019-01-16 2022-08-02 Shenzhen GOODIX Technology Co., Ltd. Anti-spoofing face ID sensing
US10915992B1 (en) * 2019-08-07 2021-02-09 Nanotronics Imaging, Inc. System, method and apparatus for macroscopic inspection of reflective specimens
US11593919B2 (en) 2019-08-07 2023-02-28 Nanotronics Imaging, Inc. System, method and apparatus for macroscopic inspection of reflective specimens
DE102019215460A1 (de) * 2019-10-09 2021-04-15 Siemens Healthcare Gmbh Verfahren und Vorrichtung zur Rauschreduktion von Bildaufnahmen
US11468496B2 (en) * 2020-08-07 2022-10-11 International Business Machines Corporation Smart contact lenses based shopping

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101681021A (zh) * 2007-04-06 2010-03-24 全球仿生光学有限公司 大景深成像系统和虹膜识别系统
US20110261247A1 (en) * 2010-04-27 2011-10-27 FM-Assets Pty Ltd Thick single-lens extended depth-of-field imaging systems
US20120275665A1 (en) * 2011-04-28 2012-11-01 James Russell Bergen Method of generating a normalized digital image of an iris of an eye

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5291560A (en) 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
WO2003052465A2 (en) * 2001-12-18 2003-06-26 University Of Rochester Multifocal aspheric lens obtaining extended field depth
WO2004025565A1 (ja) 2002-09-13 2004-03-25 Matsushita Electric Industrial Co., Ltd. 虹彩コード化方法、個人認証方法、虹彩コード登録装置、虹彩認証装置、および虹彩認証プログラム
CN1768346B (zh) * 2003-03-31 2010-11-17 Cdm光学有限公司 用于最小化成像系统中的光程差效应的系统和方法
EP1615171B1 (en) * 2003-04-02 2016-06-01 Panasonic Intellectual Property Management Co., Ltd. Image processing method, image processor, photographing apparatus, image output unit and iris verify unit
EP1647936B1 (en) 2003-07-17 2012-05-30 Panasonic Corporation Iris code generation method, individual authentication method, iris code entry device, individual authentication device, and individual certification program
US7944467B2 (en) * 2003-12-01 2011-05-17 Omnivision Technologies, Inc. Task-based imaging systems
US7336430B2 (en) * 2004-09-03 2008-02-26 Micron Technology, Inc. Extended depth of field using a multi-focal length lens with a controlled range of spherical aberration and a centrally obscured aperture
KR100859036B1 (ko) * 2004-09-14 2008-09-17 씨디엠 옵틱스 인코퍼레이티드 촬상 시스템 및 관련 방법
US20060204861A1 (en) * 2005-03-14 2006-09-14 Eyal Ben-Eliezer Optical mask for all-optical extended depth-of-field for imaging systems under incoherent illumination
CN1324518C (zh) * 2005-04-07 2007-07-04 上海邦震科技发展有限公司 基于特征边缘分布的虹膜几何特征提取方法
EP2328006B1 (en) * 2005-09-19 2014-08-06 OmniVision CDM Optics, Inc. Task-based imaging systems
GB0603411D0 (en) * 2006-02-21 2006-03-29 Xvista Ltd Method of processing an image of an eye
KR100852629B1 (ko) * 2006-06-02 2008-08-18 연세대학교 산학협력단 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법
JP4752660B2 (ja) * 2006-07-28 2011-08-17 沖電気工業株式会社 個人認証方法及び個人認証装置
JP4650386B2 (ja) * 2006-09-29 2011-03-16 沖電気工業株式会社 個人認証システム及び個人認証方法
WO2009029638A1 (en) 2007-08-27 2009-03-05 Videntity Systems, Inc. Iris recognition
EP2221652A4 (en) * 2007-11-29 2010-12-29 Kyocera Corp IMAGING DEVICE AND ELECTRONIC APPARATUS
EP2891918A1 (en) * 2008-02-29 2015-07-08 Global Bionic Optics Pty Ltd. Single-lens extended depth-of-field imaging systems
US8411910B2 (en) * 2008-04-17 2013-04-02 Biometricore, Inc. Computationally efficient feature extraction and matching iris recognition
FR2935803B1 (fr) * 2008-09-08 2014-08-08 Ecole Polytech Dispositif et procede de mesure optique de transmission et de diffusion de milieux oculaires
EP2228677A1 (en) * 2009-03-09 2010-09-15 Global Bionic Optics Pty Ltd. Extended depth-of-field surveillance imaging system
US8452131B2 (en) * 2009-09-25 2013-05-28 International Business Machines Corporation Iris recognition system and method
US8917914B2 (en) * 2011-04-05 2014-12-23 Alcorn State University Face recognition system and method using face pattern words and face pattern bytes
US8610813B2 (en) * 2011-05-31 2013-12-17 Omnivision Technologies, Inc. System and method for extending depth of field in a lens system by use of color-dependent wavefront coding
US9065993B1 (en) * 2012-07-31 2015-06-23 Google Inc. Fixed focus camera with lateral sharpness transfer
US9224042B2 (en) * 2013-04-17 2015-12-29 Honeywell International Inc. Cross-sensor iris matching
US8958608B2 (en) * 2013-06-04 2015-02-17 Ut-Battelle, Llc Frontal view reconstruction for iris recognition
US10042994B2 (en) * 2013-10-08 2018-08-07 Princeton Identity, Inc. Validation of the right to access an object
US9767358B2 (en) * 2014-10-22 2017-09-19 Veridium Ip Limited Systems and methods for performing iris identification and verification using mobile devices
EP3223232B1 (en) * 2014-11-20 2022-05-25 Sony Group Corporation Glasses-type wearable device for capturing an image of a wearer's iris
US9495590B1 (en) * 2015-04-23 2016-11-15 Global Bionic Optics, Ltd. Extended depth-of-field biometric system
FR3037422B1 (fr) * 2015-06-15 2017-06-23 Morpho Procede d'identification et/ou d'authentification d'un individu par reconnaissance d'iris
KR102334209B1 (ko) * 2015-06-15 2021-12-02 삼성전자주식회사 사용자 인증 방법 및 이를 지원하는 전자장치
CN109661194B (zh) * 2016-07-14 2022-02-25 奇跃公司 使用角膜曲率的虹膜边界估计
RU2016138608A (ru) * 2016-09-29 2018-03-30 Мэджик Лип, Инк. Нейронная сеть для сегментации изображения глаза и оценки качества изображения
KR102279550B1 (ko) * 2017-01-23 2021-07-20 삼성전자주식회사 홍채를 위한 합성 코드를 이용한 인증 방법 및 인증 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101681021A (zh) * 2007-04-06 2010-03-24 全球仿生光学有限公司 大景深成像系统和虹膜识别系统
US20110261247A1 (en) * 2010-04-27 2011-10-27 FM-Assets Pty Ltd Thick single-lens extended depth-of-field imaging systems
US20120275665A1 (en) * 2011-04-28 2012-11-01 James Russell Bergen Method of generating a normalized digital image of an iris of an eye

Also Published As

Publication number Publication date
EP3286696A1 (en) 2018-02-28
TW201702690A (zh) 2017-01-16
CN107407803B (zh) 2019-06-07
US20180165501A1 (en) 2018-06-14
US20160314350A1 (en) 2016-10-27
EP3286696A4 (en) 2018-08-22
US10460167B2 (en) 2019-10-29
US9727783B2 (en) 2017-08-08
CN110275291A (zh) 2019-09-24
CN107407803A (zh) 2017-11-28
US20170032174A1 (en) 2017-02-02
WO2016171624A1 (en) 2016-10-27
US9495590B1 (en) 2016-11-15

Similar Documents

Publication Publication Date Title
CN107407803B (zh) 延伸景深生物识别系统
AU2019204639B2 (en) Image and feature quality, image enhancement and feature extraction for ocular-vascular and facial recognition, and fusing ocular-vascular with facial and/or sub-facial information for biometric systems
Priesnitz et al. An overview of touchless 2D fingerprint recognition
CN107135664B (zh) 一种人脸识别的方法以及人脸识别装置
Radman et al. Fast and reliable iris segmentation algorithm
CN105917353B (zh) 用于生物认证的特征提取及匹配以及模板更新
EP2677464B1 (en) Feature detection in numeric data
US10922512B2 (en) Contactless fingerprint recognition method using smartphone
KR101265377B1 (ko) 태스크-기반의 이미징 시스템
US20090141140A1 (en) End-to-end design of electro-optic imaging systems for color-correlated objects
JP2008517352A (ja) 非接触光学手段および３ｄ指紋認識方法
CN109698944B (zh) 投影区域校正方法、投影设备及计算机可读存储介质
CN104680128B (zh) 一种基于四维分析的生物特征识别方法和系统
JP2010213274A (ja) 拡張された被写界深度の監視用撮像システム
WO2018179338A1 (ja) 機械学習装置及び画像認識装置
CN109002748A (zh) 混合虹膜及面部生物识别系统
Park et al. Multispectral iris authentication system against counterfeit attack using gradient-based image fusion
CN111814564A (zh) 基于多光谱图像的活体检测方法、装置、设备和存储介质
EP3451042B1 (en) Systems and methods of biometric acquisition using positive optical distortion
Zhang et al. Autofocus method based on multi regions of interest window for cervical smear images
Hsieh et al. Test of the practicality and feasibility of EDoF-empowered image sensors for long-range biometrics
Jannis et al. An overview of touchless 2D fingerprint recognition
Andrews et al. Conditional adversarial camera model anonymization
Li et al. End-to-end Wiener–CNN optimization for lensless extended depth of field imaging with phase mask
Catanante Adaptive fusion of bright-field microscopy images acquired in different focal planes

Legal Events

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

Application publication date: 20180309