CN108288053A - 一种虹膜图像的处理的方法、装置及计算机可读存储介质 - Google Patents
一种虹膜图像的处理的方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108288053A CN108288053A CN201810174415.9A CN201810174415A CN108288053A CN 108288053 A CN108288053 A CN 108288053A CN 201810174415 A CN201810174415 A CN 201810174415A CN 108288053 A CN108288053 A CN 108288053A
- Authority
- CN
- China
- Prior art keywords
- iris
- image
- iris image
- standard
- block
- 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.)
- Granted
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种虹膜图像的处理方法、装置及计算机可读存储介质。本发明首先确定待处理虹膜图像的虹膜纹理区域,将待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块,能够最大限度的包含虹膜归一化图像纹理信息;然后对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;再将各最大相关系数进行相加,将相加结果作为待处理虹膜图像相对于标准虹膜图像的匹配分数;将匹配分数与预设阈值进行比较,在匹配分数大于预设阈值时,认定待处理虹膜图像与标准虹膜图像匹配成功,进而能够有效精确将待处理的虹膜图像匹配到正确的虹膜图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种虹膜图像的处理方法、装置及计算机可读存储介质。
背景技术
现代社会的发展对人类自身身份识别的准确性、安全性与使用性提出了更高的要求。而身份识别恰恰是人们日常生活中遇到的一个普遍性问题,在生活中经常会发生需要证明自己的身份、鉴别别人的身份等事情。传统的身份识别方法己经远远落后于时代的要求,人类必须寻求更为安全可靠、使用方便的身份识别新途径,基于生物特征识别的身份鉴定技术具有以下优点:不易遗忘或丢失,防伪性能好,不易伪造或被盗,随身携带,随时随地可用。生物特征识别技术是指使用人体本身所固有的生理特征或行为特征,具有不可复制性、唯一性、普遍性和稳定性等特点。而虹膜识别技术具有随机的细节特征和纹理特征,且保持相当高的稳定性;具有内在的隔离和保护能力,不需要接触式采集等生理方面的有点,有着广泛的市场前景和科学研究价值。
虹膜图像中包含有丰富的纹理特征,许多纹理分析的方法都可以用来抽取虹膜特征。目前常用的纹理特征方法有空间自相关法、傅里叶功率谱法、共生矩阵法、分数维描述法等等。但由于虹膜纹理的复杂性,这些传统方法得不到较好地特征值。在虹膜的分类和匹配上比较常用的算法有汉明距匹配法和方差倒数加权欧式距离分类法,匹配算法都不能获得较好地效果。本发明是基于分块的互相关虹膜归一化图像特征提取及匹配方法,能简单有效的对虹膜归一化图像进行特征提取和匹配。
发明内容
本发明的主要目的在于提供了一种虹膜图像的处理方法、装置,及计算机可读存储介质,旨在解决现有技术中不能有效地将待处理的虹膜图像匹配到正确的虹膜图像的问题。
为实现上述目的,本发明提供了一种虹膜图像的处理方法,所述方法包括以下步骤:
确定待处理虹膜图像的虹膜纹理区域;
将所述待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块;
对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;
将各最大相关系数进行相加,将相加结果作为所述待处理虹膜图像相对于所述标准虹膜图像的匹配分数;
将所述匹配分数与预设阈值进行比较,在所述匹配分数大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配成功。
优选地,所述待处理虹膜图像以及所述标准虹膜图像均为经过图像归一化处理之后的虹膜图像。
优选地,通过以下公式计算所述当前虹膜特征子块与所述标准虹膜特征子块之间的相关系数:
其中,x1表示所述当前虹膜特征子块的行索引,y1表示所述当前虹膜特征子块的列索引,x2表示所述标准虹膜特征子块的行索引,y2表示所述标准虹膜特征子块的列索引,T(x1,y1)表示所述当前虹膜特征子块,I(x2+x1,y2+y1)表示所述当前虹膜特征子块遍历到的标准虹膜特征子块,R(x2,y2)表示所述当前虹膜特征子块与所述标准虹膜特征子块之间的相关系数。
优选地,所述对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数之前,还包括:
获取图像库中预存的标准虹膜图像,确定所述标准虹膜图像的虹膜纹理区域;
将所述标准虹膜图像的虹膜纹理区域按照预设区域大小划分为多个标准虹膜特征子块。
优选地,所述将所述匹配分数与预设阈值进行比较之前,所述方法还包括:
获取所述图像库中预存的每个标准虹膜图像;
根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值。
优选地,所述根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值,具体包括:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
选取分数最大的匹配分数和分数最小的匹配分数,求取最大的匹配分数和最小的匹配分数的平均值,将所述平均值作为预设阈值。
优选地,所述根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值,具体包括:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
在所述图像库中的标准虹膜图像的数量大于预设数量时,对各匹配分数按照由大到下的顺序进行排序,分别选取分数大小为前三位以及分数大小为后三位的匹配分数;
求取已选取的各匹配分数的平均值,将所述平均值作为预设阈值。
优选地,所述将所述匹配分数与预设阈值进行比较之后,所述方法还包括:
在所述匹配分数不大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配失败。
此外,为实现上述目的,本发明还提出一种虹膜图像的处理装置,所述装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虹膜图像的处理程序,所述虹膜图像的处理程序配置为实现如上所述虹膜图像的处理方法的步骤。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有虹膜图像的处理程序,所述虹膜图像的处理程序被处理器执行时实现如上所述的虹膜图像的处理方法的步骤。
本发明首先确定待处理虹膜图像的虹膜纹理区域,将待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块,能够最大限度的包含虹膜归一化图像纹理信息;然后对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;再将各最大相关系数进行相加,将相加结果作为待处理虹膜图像相对于标准虹膜图像的匹配分数;将匹配分数与预设阈值进行比较,在匹配分数大于预设阈值时,认定待处理虹膜图像与标准虹膜图像匹配成功,可以有效地对归一化虹膜图像进行特征提取和匹配,进而能够精确地将待处理的虹膜图像匹配到正确的虹膜图像。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置的结构示意图;
图2为本发明一种虹膜图像的处理方法第一实施例的流程示意图;
图3为本发明一实施例中经过图像归一化处理之后的待处理虹膜图像的示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的装置结构示意图。
如图1所示,该虹膜图像的处理装置可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的虹膜图像的处理装置结构并不构成对虹膜图像的处理装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、用户接口模块、网络通信模块以及虹膜图像的处理程序。
在图1所示的虹膜图像的处理装置中,本发明虹膜图像的处理装置中的处理器1001、存储器1005可以设置在虹膜图像的处理装置中,所述虹膜图像的处理装置通过处理器1001调用存储器1005中存储的虹膜图像的处理程序,并执行以下操作:
确定待处理虹膜图像的虹膜纹理区域;
将所述待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块;
对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;
将各最大相关系数进行相加,将相加结果作为所述待处理虹膜图像相对于所述标准虹膜图像的匹配分数;
将所述匹配分数与预设阈值进行比较,在所述匹配分数大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配成功。
进一步地,处理器1001可以调用存储器1005中存储的虹膜图像的处理程序,还执行以下操作:
获取图像库中预存的标准虹膜图像,确定所述标准虹膜图像的虹膜纹理区域;
将所述标准虹膜图像的虹膜纹理区域按照预设区域大小划分为多个标准虹膜特征子块。
进一步地,处理器1001可以调用存储器1005中存储的虹膜图像的处理程序,还执行以下操作:
获取所述图像库中预存的每个标准虹膜图像;
根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值。
进一步地,处理器1001可以调用存储器1005中存储的虹膜图像的处理程序,还执行以下操作:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
选取分数最大的匹配分数和分数最小的匹配分数,求取最大的匹配分数和最小的匹配分数的平均值,将所述平均值作为预设阈值。
进一步地,处理器1001可以调用存储器1005中存储的虹膜图像的处理程序,还执行以下操作:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
在所述图像库中的标准虹膜图像的数量大于预设数量时,对各匹配分数按照由大到下的顺序进行排序,分别选取分数大小为前三位以及分数大小为后三位的匹配分数;
求取已选取的各匹配分数的平均值,将所述平均值作为预设阈值。
进一步地,处理器1001可以调用存储器1005中存储的虹膜图像的处理程序,还执行以下操作:
在所述匹配分数不大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配失败。
本实施例首先确定待处理虹膜图像的虹膜纹理区域,将待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块,能够最大限度的包含虹膜归一化图像纹理信息;然后对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;再将各最大相关系数进行相加,将相加结果作为待处理虹膜图像相对于标准虹膜图像的匹配分数;将匹配分数与预设阈值进行比较,在匹配分数大于预设阈值时,认定待处理虹膜图像与标准虹膜图像匹配成功,可以有效地对归一化虹膜图像进行特征提取和匹配,进而能够精确地将待处理的虹膜图像匹配到正确的虹膜图像。
基于上述硬件结构,提出本发明一种虹膜图像的处理方法实施例。
参照图2,图2为本发明一种虹膜图像的处理方法第一实施例的流程示意图。
本实施例中,所述方法包括以下步骤:
步骤S10:确定待处理虹膜图像的虹膜纹理区域;
需要说明的是,本实施例的执行主体为上述虹膜图像的处理装置的处理器;本实施例中的待处理虹膜图像为经过图像归一化处理之后的虹膜图像,如图3所示,图3为所述待处理虹膜图像,所述待处理虹膜图像的边界为瞳孔、虹膜边界,是纹理信息最丰富的区域。
在具体实现中,眼睑,眼睫毛位于两侧,为尽量的减少噪声(例如眼睑,眼睫毛)信息的干扰,通过采用固定的分块模式进行特征提取,以确定待处理虹膜图像的虹膜纹理区域;
进一步地,本实施例在下述步骤S30之前,需要获取图像库中预存的标准虹膜图像,采用与上述相同的固定的分块模式进行特征提取,以确定所述标准虹膜图像的虹膜纹理区域;将所述标准虹膜图像的虹膜纹理区域按照预设区域大小划分为多个标准虹膜特征子块。
步骤S20:将所述待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块;
在具体实现中,在进行相关运算之后会返回一个矩阵,通过寻找矩阵里面的最大值,可以确定相关系数的最大值。将最大值的位置返回可以在图中标出匹配块的具体位置;
本实施例将所述待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为12块区域,即12个待匹配虹膜特征子块,每个待匹配虹膜特征子块的像素大小为20*40,而图像库中的标准虹膜图像大小为512*60大小的虹膜归一化灰度图像,如图1所示。每一块左上点(行,列)坐标分别为(0,130)、(0,170)、(0,210)、(0,250)、(0,290)、(0,330)、(20、130)、(20,170)、(20,210)、(20,250)、(20,290)、(20,330)。
步骤S30:对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;
在具体实现中,将以上12个待匹配虹膜特征子块从所述待处理虹膜图像提取出来,变成小图块,获取分块信息的是自定义的一个函数;
将提取到的当前虹膜特征子块在所述标准虹膜图像按照预设的顺序依次移动一个像素以对所述标准虹膜图像的标准虹膜特征子块进行遍历,计算提取到的当前虹膜特征子块与遍历到的标准虹膜特征子块之间的相关系数,并记录12个待匹配虹膜特征子块遍历到的最大相关系数。
具体地,通过以下公式(3)计算所述当前虹膜特征子块与所述标准虹膜特征子块之间的相关系数:
其中,所述公式(1)中的T(x1,y1)为待匹配虹膜图像,x1为所述当前虹膜特征子块的行索引,y1为所述当前虹膜特征子块的列索引,w1为所述当前虹膜特征子块的宽,h1为所述当前虹膜特征子块的高,所述公式(1)表征为将所述待匹配虹膜图像的当前虹膜特征子块减去其均值再除以其方差,将图像归一化消除光照明暗影响;
其中,所述公式(2)中的T(x2,y2)为标准虹膜特征子块,x2为所述标准虹膜特征子块的行索引,y2为所述标准虹膜特征子块的列索引,w2为所述标准虹膜特征子块的宽,h2为所述标准虹膜特征子块的高,所述公式(2)表征为将所述标准虹膜图像的标准虹膜特征子块减去其均值再除以其方差,将图像归一化消除光照明暗影响;
其中,所述公式(3)表征为对归一化后的当前虹膜特征子块和遍历到的标准虹膜特征子块进行相关运算,得到所述当前虹膜特征子块与所述标准虹膜特征子块之间的相关系数,公式(3)中的T(x1,y1)表示所述当前虹膜特征子块,I(x2+x1,y2+y1)表示所述当前虹膜特征子块遍历到的标准虹膜特征子块,R(x2,y2)表示所述当前虹膜特征子块与所述标准虹膜特征子块之间的相关系数。
根据以上公式,可以计算得到各个待匹配虹膜特征子块对应的最大相关系数分别为0.85372,1,0.83685,0.94365,0.94351,0.89731,0.89534,0.87531,0.78367,0.79821,0.76313,0.75549;从以上数据可知,相关系数最高的位置为(20,170),其对应的相关系数的值为1。
步骤S40:将各最大相关系数进行相加,将相加结果作为所述待处理虹膜图像相对于所述标准虹膜图像的匹配分数;
可理解的是,将各个待匹配虹膜特征子块对应的最大相关系数相加,得到的相加结果为10.34619,这个相加结果可以表征为所述待处理虹膜图像相对于所述标准虹膜图像的匹配分数。
步骤S50:将所述匹配分数与预设阈值进行比较,在所述匹配分数大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配成功。
需要说明的是,本实施例中,所述步骤S50之前还包括生成预设阈值的步骤,其中,生成所述预设阈值的步骤为:获取所述图像库中预存的每个标准虹膜图像;根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值,即对应不同的图像库设定不同的预设阈值。
本实施例中的图像库中预存有至少两张标准虹膜图像,具体地,所述待处理虹膜图像与所述图像库中每一张标准虹膜图像进行比对,统计并记录所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;选取分数最大的匹配分数和分数最小的匹配分数,求取最大的匹配分数和最小的匹配分数的平均值,将所述平均值作为预设阈值。
可理解的是,如果图像数据库中没有与待处理虹膜图像配对成功的图片,但是由于事物的相关性,总会存在一个最大系数,则会造成误识别,因此必须设定一个阈值,只有最大的匹配分数与最小的匹配分数达到一定的差距了,也就是差别特别明显了,才认定匹配成功。
在具体实现中,例如图像库中有十张标准虹膜图像,那么所述待处理虹膜图像要分别计算与这十张标准虹膜图像之间的匹配分数,然后对这十个匹配分数进行排序,分别选取分数大小为前三位以及分数大小为后三位的匹配分数;求取已选取的各匹配分数的平均值,将所述平均值作为预设阈值。
在所述匹配分数大于所述预设阈值时,认定所述待处理虹膜图像与当前的标准虹膜图像匹配成功,即说明所述图像库中预先存储有一张与所述待处理虹膜图像相同的虹膜图像;在所述匹配分数不大于所述预设阈值时,认定所述待处理虹膜图像与当前的标准虹膜图像匹配失败,即说明所述图像库中并没有预先存储有一张与所述待处理虹膜图像相同的虹膜图像。
本实施例首先确定待处理虹膜图像的虹膜纹理区域,将待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块,能够最大限度的包含虹膜归一化图像纹理信息;然后对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;再将各最大相关系数进行相加,将相加结果作为待处理虹膜图像相对于标准虹膜图像的匹配分数;将匹配分数与预设阈值进行比较,在匹配分数大于预设阈值时,认定待处理虹膜图像与标准虹膜图像匹配成功,可以有效地对归一化虹膜图像进行特征提取和匹配,进而能够精确地将待处理的虹膜图像匹配到正确的虹膜图像。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有虹膜图像的处理程序,所述虹膜图像的处理程序被处理器执行时实现如下操作:
确定待处理虹膜图像的虹膜纹理区域;
将所述待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块;
对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;
将各最大相关系数进行相加,将相加结果作为所述待处理虹膜图像相对于所述标准虹膜图像的匹配分数;
将所述匹配分数与预设阈值进行比较,在所述匹配分数大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配成功。
进一步地,所述虹膜图像的处理程序被处理器执行时还实现如下操作:
获取图像库中预存的标准虹膜图像,确定所述标准虹膜图像的虹膜纹理区域;
将所述标准虹膜图像的虹膜纹理区域按照预设区域大小划分为多个标准虹膜特征子块。
进一步地,所述虹膜图像的处理程序被处理器执行时还实现如下操作:
获取所述图像库中预存的每个标准虹膜图像;
根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值。
进一步地,所述虹膜图像的处理程序被处理器执行时还实现如下操作:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
选取分数最大的匹配分数和分数最小的匹配分数,求取最大的匹配分数和最小的匹配分数的平均值,将所述平均值作为预设阈值。
进一步地,所述虹膜图像的处理程序被处理器执行时还实现如下操作:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
在所述图像库中的标准虹膜图像的数量大于预设数量时,对各匹配分数按照由大到下的顺序进行排序,分别选取分数大小为前三位以及分数大小为后三位的匹配分数;
求取已选取的各匹配分数的平均值,将所述平均值作为预设阈值。
进一步地,所述虹膜图像的处理程序被处理器执行时还实现如下操作:
在所述匹配分数不大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配失败。
本实施例首先确定待处理虹膜图像的虹膜纹理区域,将待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块,能够最大限度的包含虹膜归一化图像纹理信息;然后对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;再将各最大相关系数进行相加,将相加结果作为待处理虹膜图像相对于标准虹膜图像的匹配分数;将匹配分数与预设阈值进行比较,在匹配分数大于预设阈值时,认定待处理虹膜图像与标准虹膜图像匹配成功,进而能够有效精确将待处理的虹膜图像匹配到正确的虹膜图像。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台装置(可以是手机,,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种虹膜图像的处理方法,其特征在于,所述方法包括:
确定待处理虹膜图像的虹膜纹理区域;
将所述待处理虹膜图像的虹膜纹理区域按照预设区域大小划分为多个待匹配虹膜特征子块;
对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数;
将各最大相关系数进行相加,将相加结果作为所述待处理虹膜图像相对于所述标准虹膜图像的匹配分数;
将所述匹配分数与预设阈值进行比较,在所述匹配分数大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配成功。
2.如权利要求1所述的方法,其特征在于,所述待处理虹膜图像以及所述标准虹膜图像均为经过图像归一化处理之后的虹膜图像。
3.如权利要求2所述的方法,其特征在于,通过以下公式计算所述当前虹膜特征子块与所述标准虹膜特征子块之间的相关系数:
其中,x1表示所述当前虹膜特征子块的行索引,y1表示所述当前虹膜特征子块的列索引,x2表示所述标准虹膜特征子块的行索引,y2表示所述标准虹膜特征子块的列索引,T(x1,y1)表示所述当前虹膜特征子块,I(x2+x1,y2+y1)表示所述当前虹膜特征子块遍历到的标准虹膜特征子块,R(x2,y2)表示所述当前虹膜特征子块与所述标准虹膜特征子块之间的相关系数。
4.如权利要求1-3任一项所述的方法,其特征在于,所述对各待匹配虹膜特征子块进行提取,计算提取到的当前虹膜特征子块与预存的标准虹膜图像中的标准虹膜特征子块之间的最大相关系数之前,所述方法还包括:
获取图像库中预存的标准虹膜图像,确定所述标准虹膜图像的虹膜纹理区域;
将所述标准虹膜图像的虹膜纹理区域按照预设区域大小划分为多个标准虹膜特征子块。
5.如权利要求4所述的方法,其特征在于,所述将所述匹配分数与预设阈值进行比较之前,所述方法还包括:
获取所述图像库中预存的每个标准虹膜图像;
根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值。
6.如权利要求5所述的方法,其特征在于,所述根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值,具体包括:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
选取分数最大的匹配分数和分数最小的匹配分数,求取最大的匹配分数和最小的匹配分数的平均值,将所述平均值作为预设阈值。
7.如权利要求5所述的方法,其特征在于,所述根据所述待处理虹膜图像以及所述图像库中预存的各标准虹膜图像生成预设阈值,具体包括:
统计所述待处理虹膜图像相对于所述图像库中的每个标准虹膜图像的匹配分数;
在所述图像库中的标准虹膜图像的数量大于预设数量时,对各匹配分数按照由大到下的顺序进行排序,分别选取分数大小为前三位以及分数大小为后三位的匹配分数;
求取已选取的各匹配分数的平均值,将所述平均值作为预设阈值。
8.如权利要求1-4任一项所述的方法,其特征在于,所述将所述匹配分数与预设阈值进行比较之后,所述方法还包括:
在所述匹配分数不大于所述预设阈值时,认定所述待处理虹膜图像与所述标准虹膜图像匹配失败。
9.一种虹膜图像的处理装置,其特征在于,所述装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虹膜图像的处理程序,所述虹膜图像的处理程序配置为实现如权利要求1至8中任一项所述虹膜图像的处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有虹膜图像的处理程序,所述虹膜图像的处理程序被处理器执行时实现如权利要求1至8中任一项所述的虹膜图像的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174415.9A CN108288053B (zh) | 2018-03-01 | 2018-03-01 | 一种虹膜图像的处理的方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174415.9A CN108288053B (zh) | 2018-03-01 | 2018-03-01 | 一种虹膜图像的处理的方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108288053A true CN108288053A (zh) | 2018-07-17 |
CN108288053B CN108288053B (zh) | 2020-10-30 |
Family
ID=62833165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810174415.9A Active CN108288053B (zh) | 2018-03-01 | 2018-03-01 | 一种虹膜图像的处理的方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108288053B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507996A (zh) * | 2020-03-24 | 2020-08-07 | 北京万里红科技股份有限公司 | 虹膜图像评价方法及装置、虹膜识别方法及装置 |
CN112528720A (zh) * | 2020-04-03 | 2021-03-19 | 西安钗瑞信息科技有限公司 | 一种基于深度学习的红外体温测量系统 |
CN112949518A (zh) * | 2021-03-09 | 2021-06-11 | 上海聚虹光电科技有限公司 | 虹膜图像处理方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7164117B2 (en) * | 1992-05-05 | 2007-01-16 | Automotive Technologies International, Inc. | Vehicular restraint system control system and method using multiple optical imagers |
CN101030244A (zh) * | 2006-03-03 | 2007-09-05 | 中国科学院自动化研究所 | 基于人体生理图像中排序测度特征的自动身份识别方法 |
CN105913487A (zh) * | 2016-04-09 | 2016-08-31 | 北京航空航天大学 | 一种基于人眼图像中虹膜轮廓分析匹配的视线方向计算方法 |
CN107273812A (zh) * | 2017-05-22 | 2017-10-20 | 西安交通大学 | 一种用于身份认证的活体虹膜防伪方法 |
CN107407803A (zh) * | 2015-04-23 | 2017-11-28 | 全球仿生物光学有限公司 | 延伸景深生物识别系统 |
-
2018
- 2018-03-01 CN CN201810174415.9A patent/CN108288053B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7164117B2 (en) * | 1992-05-05 | 2007-01-16 | Automotive Technologies International, Inc. | Vehicular restraint system control system and method using multiple optical imagers |
CN101030244A (zh) * | 2006-03-03 | 2007-09-05 | 中国科学院自动化研究所 | 基于人体生理图像中排序测度特征的自动身份识别方法 |
CN107407803A (zh) * | 2015-04-23 | 2017-11-28 | 全球仿生物光学有限公司 | 延伸景深生物识别系统 |
CN105913487A (zh) * | 2016-04-09 | 2016-08-31 | 北京航空航天大学 | 一种基于人眼图像中虹膜轮廓分析匹配的视线方向计算方法 |
CN107273812A (zh) * | 2017-05-22 | 2017-10-20 | 西安交通大学 | 一种用于身份认证的活体虹膜防伪方法 |
Non-Patent Citations (3)
Title |
---|
SHAN ZENG 等: "Multiple kernel fuzzy discriminant analysis for hyperspectral imaging classification", 《EEE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS》 * |
何光辉 等: "非监督子空间学习中关联度量多维尺度分析", 《中国图象图形学报》 * |
何家峰 等: "一种基于子块图像互相关的虹膜识别方法", 《计算机工程与应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507996A (zh) * | 2020-03-24 | 2020-08-07 | 北京万里红科技股份有限公司 | 虹膜图像评价方法及装置、虹膜识别方法及装置 |
CN111507996B (zh) * | 2020-03-24 | 2023-12-01 | 北京万里红科技有限公司 | 虹膜图像评价方法及装置、虹膜识别方法及装置 |
CN112528720A (zh) * | 2020-04-03 | 2021-03-19 | 西安钗瑞信息科技有限公司 | 一种基于深度学习的红外体温测量系统 |
CN112528720B (zh) * | 2020-04-03 | 2024-04-05 | 西安钗瑞信息科技有限公司 | 一种基于深度学习的红外体温测量系统 |
CN112949518A (zh) * | 2021-03-09 | 2021-06-11 | 上海聚虹光电科技有限公司 | 虹膜图像处理方法、装置、设备及存储介质 |
CN112949518B (zh) * | 2021-03-09 | 2024-04-05 | 上海聚虹光电科技有限公司 | 虹膜图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108288053B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107450708B (zh) | 解锁控制方法及相关产品 | |
Merler et al. | Diversity in faces | |
Feng et al. | Multi-cues eye detection on gray intensity image | |
US7065521B2 (en) | Method for fuzzy logic rule based multimedia information retrival with text and perceptual features | |
US6895103B2 (en) | Method for automatically locating eyes in an image | |
CN108288053A (zh) | 一种虹膜图像的处理的方法、装置及计算机可读存储介质 | |
KR20200037147A (ko) | 응시점 판단 방법 및 장치, 전자 기기 및 컴퓨터 저장 매체 | |
WO2019148968A1 (zh) | 移动终端、人脸解锁方法及相关产品 | |
CN106056064A (zh) | 一种人脸识别方法及人脸识别装置 | |
CN111344701A (zh) | 一种智能终端的启动控制方法及启动控制系统 | |
CN105374055A (zh) | 图像处理方法及装置 | |
WO2012154369A1 (en) | Scaling of visual content based upon user proximity | |
WO2021139475A1 (zh) | 一种表情识别方法及装置、设备、计算机可读存储介质、计算机程序产品 | |
CN105847734A (zh) | 一种基于人脸识别的视频通信方法及系统 | |
JP2018538608A (ja) | 顔検証方法および電子デバイス | |
CN104951770A (zh) | 人脸图像数据库的构建方法、应用方法及相应装置 | |
CN111429338B (zh) | 用于处理视频的方法、装置、设备和计算机可读存储介质 | |
CN105096353A (zh) | 一种图像处理方法及装置 | |
CN109859857A (zh) | 身份信息的标注方法、装置和计算机可读存储介质 | |
Singh et al. | Disguised faces in the wild 2019 | |
CN109145716B (zh) | 基于脸部识别的登机口检验平台 | |
CN110276313B (zh) | 身份认证方法、身份认证装置、介质和计算设备 | |
CN107291238A (zh) | 一种数据处理方法与装置 | |
US20060280344A1 (en) | Illumination normalizing apparatus, method, and medium and face recognition apparatus, method, and medium using the illumination normalizing apparatus, method, and medium | |
CN114187166A (zh) | 图像处理方法、智能终端及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |