CN110674737B - 一种虹膜识别的增强方法 - Google Patents

Abstract

本发明公开一种虹膜识别的增强方法，包括以下步骤：S1、利用成像系统采集n帧虹膜序列图像，以双目瞳孔中心及其水平连线为基准进行单帧校正和序列配准，得到配准后的序列虹膜图像P{i}i＝1，…，n；S2、对所述序列虹膜图像P{i}i＝1，…，n进行灰度融合，得到待检测的虹膜图像I：S3、统计所述待检测的虹膜图像I的灰度直方图分布和计算所述待检测的虹膜图像I的像素块灰度级差，判定所述待检测的虹膜图像I的整体亮度是否过亮或过暗；对非过亮或过暗的待检测虹膜图像I，判断其是否存在亮度分布不均匀的情况；S4、对过亮或过暗的虹膜图像，通过交互式操作提升虹膜识别的稳定性，对亮度分布不均匀的虹膜图像，通过直方图分布拟合均衡法进行亮度修正来提升虹膜识别的稳定性。

Description

一种虹膜识别的增强方法

技术领域

本发明涉及生物特征识别方法。更具体地，涉及一种虹膜识别的增强方法。

背景技术

虹膜识别是目前最精确、最快速的生物识别技术，以其高度的准确性、稳定性、安全性和非接触性等优势成为生物识别领域研究和应用的重点方向和发展趋势。在实际应用中，为了提升用户的使用体验，增强虹膜识别的自由度和认可度，往往涉及到复杂光线条件下的虹膜识别应用场景，而复杂光线环境一直以来都是虹膜识别应用的难点。环境光线过亮或过暗会引起瞳孔的极度收缩或扩张，从而使虹膜区域产生较大程度的非线性畸变，影响识别的准确率；环境光线不均匀会造成虹膜图像灰度随机分布，从而增加虹膜图像预处理的难度，影响识别的实时性。因此，需要提供一种高效的虹膜识别增强方法，提高虹膜识别在复杂光线条件下的准确率和实时性，从而提升用户体验。

发明内容

本发明的目的在于提供一种虹膜识别的增强方法，针对复杂光线条件下光照过亮、过暗或者不均匀等问题，解决虹膜畸变和灰度不均匀对识别准确率和实时性的影响，从而提高虹膜识别对复杂光照环境的适应性。

为达到上述目的，本发明提供一种虹膜识别的增强方法，包括以下步骤：

S1、利用成像系统采集n帧虹膜序列图像，以双目瞳孔中心及其水平连线为基准进行单帧校正和序列配准，得到配准后的序列虹膜图像P{i}i＝1，…，n；

S2、对所述序列虹膜图像P{i}i＝1，…，n进行灰度融合，得到待检测的虹膜图像I：

S3、统计所述待检测的虹膜图像I的灰度直方图分布和计算所述待检测的虹膜图像I的像素块灰度级差，根据待检测虹膜图像I的灰度直方图分布和像素块灰度级差检测所述待检测虹膜图像I的整体亮度是否过亮或过暗；对非过亮或过暗的待检测虹膜图像I，利用成像系统在均匀成像条件下采集到的虹膜图像序列I₂{i}i＝1，…，n与所述待检测虹膜图像I进行比对，判断待检测虹膜图像I是否存在亮度分布不均匀的情况；

S4、当通过步骤S3检测到虹膜图像I过亮时，使所述成像系统自动打开辅助滤光装置，同时提示用户进行眨眼，并提高成像帧频，以虹膜成像波长为中心，控制滤光波段带宽，然后，采集并筛选用户眨眼过程中瞳孔由大到小变化时虹膜尺寸适中的多光谱段虹膜图像序列I₀{i}i＝1，…，n，对所述I₀{i}进行多光谱成像差异滤波以滤除杂光成像的干扰，得到亮度修正后的虹膜图像序列F{J}，J＝1，…，m，对所述虹膜图像序列F{J}，J＝1，…，m进行特征融合，获得特征增强后的虹膜特征向量fr₁，利用所述虹膜特征向量fr₁进行虹膜识别；

当通过步骤S3检测到虹膜图像I过暗时，使所述成像系统自动打开辅助补光装置，在镜头上、下、左、右四个方位交替打开辅助补光光源阵列，然后再全方位辅助补光，采集得到虹膜补光成像序列I₁{i}i＝1，…，n，再对所述I₁{i}进行灰度融合，得到亮度修正后的虹膜图像并提取该虹膜图像的特征向量fr₂；利用所述虹膜特征向量fr₂进行虹膜识别；

当通过步骤S3检测到虹膜图像I存在亮度分布不均匀的情况时，计算所述I₂{i}的灰度直方图分布曲线，得到所述虹膜图像序列I₂{i}的灰度均匀分布直方图曲线序列gl{i}i＝1，…，n；

定义所述亮度分布不均匀的虹膜图像为R，根据gl{i}对所述亮度分布不均匀的虹膜图像R进行直方图拟合均衡，获得虹膜图像灰度拟合序列：

RE{i}＝imheq(R，gl{i})，i＝1，…，n

其中，imheq()为直方图拟合均衡函数；

对所述RE{i}进行加权灰度融合，得到亮度修正后的虹膜图像并提取该虹膜图像的特征向量fr₃；利用所述虹膜特征向量fr₃进行虹膜识别。

优选地，所述步骤S2进一步包括：通过下述灰度融合公式得到待检测图像I

I＝imfus(P{i})＝median(pi(j，k))，i＝1，…n

其中，imfus()为图像融合函数，median()为取灰度中值函数，j为图像像素的行数，k为图像像素的列数。

优选地，所述步骤S3进一步包括：

统计所述待测虹膜图像I的灰度直方图分布，获取m个极大值对应的灰度值，通过下述公式得到待测虹膜图像I灰度直方图中最大的m个极大值所对应的灰度值序列

gs{i}＝rank(imhist(I)，m，'descend')，i＝1，…，m

其中，imhist()为灰度直方图统计函数，rank()为按数值排序函数，其中m＝5～7；

计算待测虹膜图像I的像素块灰度级差，获取最大的l个灰度级差值，通过下述公式获得待测虹膜图像I的像素块灰度级差最大的l个值组成的序列

gd{j}＝rank(gsdiffer(imgblk(I，q)，'med')，l，'descend')，j＝1，…，l

其中，imgblk()为图像分块函数，子块大小为q×q，gsdiffer()为子块灰度级差统计函数，以两个子块内像素灰度值的中值做差，其中q＝4，l＝2～4；

根据所述gs{i}和gd{j}，根据下述公式判定待测虹膜图像I的整体亮度是否过亮或过暗，

其中，min()为求最小值函数，max()为求最大值函数，α₁，α₂，β₁，β₂为图像整体亮度分布判别阈值，其中α₁＝120，α₂＝100，β₁＝80，β₂＝100；

根据下述公式判断非过亮或过暗的待测虹膜图像I的亮度分布是否均匀，

其中，g(I)为待检测虹膜图像I的灰度直方图分布，f均匀光照条件下采集的虹膜图像的灰度直方图分布，imhcorr()为图像灰度直方图分布相关系数计算函数，τ为图像亮度分布均匀性判别阈值，其中，τ＝0.55～0.75。

优选地，所述步骤S4进一步包括：

通过下述多光谱成像差异滤波公式对多光谱段虹膜图像序列I₀{i}进行滤波处理，获得进行亮度修正后的图像序列F{i}，i＝1，…，m，

F{i}＝imdiffit(I{i})，i＝1，…，n

其中，imdiffit()为多光谱成像差异滤波函数，其中，n＝3～7；

通过下述特征融合公式，获得所述图像序列F{i}，i＝1，…，m的虹膜特征向量

fr＝ffus(fext(F₀{i}))，i＝1，…，m

其中，fext()为虹膜特征提取函数，ffus()为虹膜特征融合函数，其中i＝3～5；

通过下述灰度融合公式对所述虹膜补光成像序列I₁{i}进行灰度融合，获得进行亮度修正后的图像GI₁，

GI₁＝gsfuc(I₁(i))，ⁱ＝1，…，n

其中，gsfuc()为灰度融合函数，其中，n＝5～10；

通过下述加权灰度融合公式对所述虹膜图像灰度拟合序列RE{i}进行加权灰度融合，获得进行亮度修正后的图像GI₂，

其中，gsfuswd()为加权灰度融合函数，w{i}为加权系数序列，abs()为取绝对值函数，fd为直方图均衡拟合误差序列，其中t＝5～9。

本发明的有益效果如下：

本发明专利通过整体亮度分布及局部灰度差异检测虹膜图像过亮、过暗或者亮度分布不均匀的情况，并通过交互设计的辅助滤光和补光装置，以及灰度融合、特征融合和非线性拟合等方法，对复杂光线条件下的亮度缺陷虹膜图像进行亮度修正。以此为基础提出了一种虹膜识别的增强方法，能有效解决复杂光线条件下虹膜识别准确率和实时性差的问题，从而提升虹膜识别应用的适应性。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出本发明一种虹膜识别的增强方法的流程图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

为解决背景技术中所提出的技术问题，图1示出本发明的一种虹膜识别增强方法的流程图，如图1所示，一种虹膜识别增强的方法，包括以下步骤：

S1、利用成像系统采集n帧虹膜序列图像，以双目瞳孔中心及其水平连线为基准进行单帧校正和序列配准，得到配准后的序列虹膜图像P{i}i＝1，…，n；

S2、对所述序列虹膜图像P{i}i＝1，…，n进行灰度融合，得到待检测的虹膜图像I，

通过下述灰度融合公式得到待检测图像I

I＝imfus(P{i})＝median(pi(j，k))，i＝1，…n

其中，imfus()为图像融合函数，median()为取灰度中值函数，j为图像像素的行数，k为图像像素的列数。

S3、统计所述待检测的虹膜图像I的灰度直方图分布和计算所述待检测的虹膜图像I的像素块灰度级差，根据待检测虹膜图像I的灰度直方图分布和像素块灰度级差检测所述待检测虹膜图像I的整体亮度是否过亮或过暗；对非过亮或过暗的待检测虹膜图像I，利用成像系统在均匀成像条件下采集到的虹膜图像序列I₂{i}i＝1，…，n与所述待检测虹膜图像I进行比对，判断待检测虹膜图像I是否存在亮度分布不均匀的情况；

其中，I₂{i}i＝1，…，n的采集条件为不同光照环境中虹膜成像系统均匀成像的虹膜图像序列，

统计所述待测虹膜图像I的灰度直方图分布，获取m个极大值对应的灰度值，通过下述公式得到待测虹膜图像I灰度直方图中最大的m个极大值所对应的灰度值序列

gs{i}＝rank(imhist(I)，m，'descend')，i＝1，…，m

其中，imhist()为灰度直方图统计函数，rank()为按数值排序函数，其中m＝5～7；

计算待测虹膜图像I的像素块灰度级差，获取最大的l个灰度级差值，通过下述公式获得待测虹膜图像I的像素块灰度级差最大的l个值组成的序列

gd{j}＝rank(gsdiffer(imgblk(I，q)，'med')，l，'descend')，j＝1，…，l

其中，imgblk()为图像分块函数，子块大小为q×q，gsdiffer()为子块灰度级差统计函数，以两个子块内像素灰度值的中值做差，其中q＝4，l＝2～4；

根据所述gs{i}和gd{j}，根据下述公式判定待测虹膜图像I的整体亮度是否过亮或过暗，

其中，min()为求最小值函数，max()为求最大值函数，α₁，α₂，β₁，β₂为图像整体亮度分布判别阈值，其中α₁＝120，α₂＝100，β₁＝80，β₂＝100；

根据下述公式判断非过亮或过暗的待测虹膜图像I的亮度分布是否均匀，

其中，g(I)为待检测虹膜图像I的灰度直方图分布，f均匀光照条件下采集的虹膜图像的灰度直方图分布，imhcorr()为图像灰度直方图分布相关系数计算函数，τ为图像亮度分布均匀性判别阈值，其中，τ＝0.55～0.75

S4、当通过步骤S3检测到虹膜图像I过亮时，使所述成像系统自动打开辅助滤光装置，同时提示用户进行眨眼，并提高成像帧频，以虹膜成像波长为中心，控制滤光波段带宽，然后，采集并筛选用户眨眼过程中瞳孔由大到小变化时虹膜尺寸适中的多光谱段虹膜图像序列I₀{i}i＝1，…，n，对所述I₀{i}进行多光谱成像差异滤波以滤除杂光成像的干扰，得到亮度修正后的虹膜图像序列F{J}，J＝1，…，m，对所述虹膜图像序列F{J}，J＝1，…，m进行特征融合，获得特征增强后的虹膜特征向量fr₁，利用所述虹膜特征向量fr₁进行虹膜识别；

当通过步骤S3检测到虹膜图像I过暗时，使所述成像系统自动打开辅助补光装置，在镜头上、下、左、右四个方位交替打开辅助补光光源阵列，然后再全方位辅助补光，采集得到虹膜补光成像序列I₁{i}i＝1，…，n，再对所述I₁{i}进行灰度融合，得到亮度修正后的虹膜图像并提取该虹膜图像的特征向量fr₂；利用所述虹膜特征向量fr₂进行虹膜识别；

当通过步骤S3检测到虹膜图像I存在亮度分布不均匀的情况时，计算所述I₂{i}的灰度直方图分布曲线，得到所述虹膜图像序列I₂{i}的灰度均匀分布直方图曲线序列gl{i}i＝1，…，n；

定义所述亮度分布不均匀的虹膜图像为R，根据gl{i}对所述亮度分布不均匀的虹膜图像R进行直方图拟合均衡，获得虹膜图像灰度拟合序列：

RE{i}＝imheq(R，gl{i})，i＝1，…，n

其中，imheq()为直方图拟合均衡函数；

对所述RE{i}进行加权灰度融合，得到亮度修正后的虹膜图像并提取该虹膜图像的特征向量fr₃；利用所述虹膜特征向量fr₃进行虹膜识别，

通过下述多光谱成像差异滤波公式对多光谱段虹膜图像序列I₀{i}进行滤波处理，获得进行亮度修正后的图像序列F{i}，i＝1，…，m，

F{i}＝imdiffit(I{i})，i＝1，…，n

其中，imdiffit()为多光谱成像差异滤波函数，其中，n＝3～7；

通过下述特征融合公式，获得所述图像序列F{i}，i＝1，…，m的虹膜特征向量

fr＝ffus(fext(F₀{i}))，i＝1，…，m

其中，fext()为虹膜特征提取函数，ffus()为虹膜特征融合函数，其中i＝3～5；

通过下述灰度融合公式对所述虹膜补光成像序列I₁{i}进行灰度融合，获得进行亮度修正后的图像GI₁，

GI₁＝gsfuc(I₁(i))，i＝1，…，n

其中，gsfuc()为灰度融合函数，其中，n＝5～10；

通过下述加权灰度融合公式对所述虹膜图像灰度拟合序列RE{i}进行加权灰度融合，获得进行亮度修正后的图像GI₂，

其中，gsfuswd()为加权灰度融合函数，w{i}为加权系数序列，abs()为取绝对值函数，fd为直方图均衡拟合误差序列，其中t＝5～9。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (4)

1.一种虹膜识别的增强方法，其特征在于，包括以下步骤：

S1、利用成像系统采集n帧虹膜序列图像，以双目瞳孔中心及其水平连线为基准进行单帧校正和序列配准，得到配准后的序列虹膜图像P{i}i＝1，…，n；

S2、对所述序列虹膜图像P{i}i＝1，…，n进行灰度融合，得到待检测的虹膜图像I；

S3、统计所述待检测的虹膜图像I的灰度直方图分布和计算所述待检测的虹膜图像I的像素块灰度级差，根据待检测的虹膜图像I的灰度直方图分布和像素块灰度级差检测所述待检测的虹膜图像I的整体亮度是否过亮或过暗；对非过亮或过暗的待检测虹膜图像I，利用成像系统在均匀成像条件下采集到的虹膜图像序列I₂{i}i＝1，…，n与所述待检测的虹膜图像I进行比对，判断待检测的虹膜图像I是否存在亮度分布不均匀的情况；

S4、当通过步骤S3检测到虹膜图像I过亮时，使所述成像系统自动打开辅助滤光装置，同时提示用户进行眨眼，并提高成像帧频，以虹膜成像波长为中心，控制滤光波段带宽，然后，采集并筛选用户眨眼过程中瞳孔由大到小变化时虹膜尺寸适中的多光谱段虹膜图像序列I₀{i}i＝1，…，n，对所述I₀{i}进行多光谱成像差异滤波以滤除杂光成像的干扰，得到亮度修正后的虹膜图像序列F{J}，J＝1，…，m，对所述虹膜图像序列F{J}，J＝1，…，m进行特征融合，获得特征增强后的虹膜特征向量fr₁，利用所述虹膜特征向量fr₁进行虹膜识别；

当通过步骤S3检测到待检测的虹膜图像I过暗时，使所述成像系统自动打开辅助补光装置，在镜头上、下、左、右四个方位交替打开辅助补光光源阵列，然后再全方位辅助补光，采集得到虹膜补光成像序列I₁{i}i＝1，…，n，再对所述I₁{i}进行灰度融合，得到亮度修正后的虹膜图像并提取该虹膜图像的特征向量fr₂；利用所述虹膜特征向量fr₂进行虹膜识别；

当通过步骤S3检测到待检测的虹膜图像I存在亮度分布不均匀的情况时，计算所述I₂{i}的灰度直方图分布曲线，得到所述虹膜图像序列I₂{i}的灰度均匀分布直方图曲线序列gl{i}i＝1，…，n；

定义所述亮度分布不均匀的虹膜图像为R，根据gl{i}对所述亮度分布不均匀的虹膜图像R进行直方图拟合均衡，获得虹膜图像灰度拟合序列：

RE{i}＝imheq(R，gl{i})，i＝1，…，n

其中，imheq()为直方图拟合均衡函数；

对所述RE{i}进行加权灰度融合，得到亮度修正后的虹膜图像并提取该虹膜图像的特征向量fr₃；利用所述虹膜特征向量fr₃进行虹膜识别。

2.根据权利要求1所述的虹膜识别的增强方法，其特征在于，所述步骤S2进一步包括：通过下述灰度融合公式得到待检测的虹膜图像I

I＝imfus(P{i})＝median(p_i(j，k))，i＝1，…n

其中，imfus()为图像融合函数，median()为取灰度中值函数，j为图像像素的行数，k为图像像素的列数。

3.根据权利要求1所述的虹膜识别的增强方法，其特征在于，所述步骤S3进一步包括：

统计所述待检测的虹膜图像I的灰度直方图分布，获取m个极大值对应的灰度值，通过下述公式得到待测虹膜图像I灰度直方图中最大的m个极大值所对应的灰度值序列

gs{i}＝rank(imhist(I)，m，'descend')，i＝1，…，m

其中，imhist()为灰度直方图统计函数，rank()为按数值排序函数，其中m＝5～7；

计算待测虹膜图像I的像素块灰度级差，获取最大的l个灰度级差值，通过下述公式获得待检测的虹膜图像I的像素块灰度级差最大的l个值组成的序列

gd{j}＝rank(gsdiffer(imgblk(I，q)，'med')，l，'descend')，j＝1，…，l

其中，imgblk()为图像分块函数，子块大小为q×q，gsdiffer()为子块灰度级差统计函数，以两个子块内像素灰度值的中值做差，其中q＝4，l＝2～4；

根据所述gs{i}和gd{j}，根据下述公式判定待测的虹膜图像I的整体亮度是否过亮或过暗，

其中，min()为求最小值函数，max()为求最大值函数，α₁，α₂，β₁，β₂为图像整体亮度分布判别阈值，其中α₁＝120，α₂＝100，β₁＝80，β₂＝100；

根据下述公式判断非过亮或过暗的待测虹膜图像I的亮度分布是否均匀，

其中，g(I)为待测的虹膜图像I的灰度直方图分布，f均匀光照条件下采集的虹膜图像的灰度直方图分布，imhcorr()为图像灰度直方图分布相关系数计算函数，τ为图像亮度分布均匀性判别阈值，其中，τ＝0.55～0.75。

4.根据权利要求3所述的虹膜识别的增强方法，其特征在于，所述步骤S4进一步包括：

通过下述多光谱成像差异滤波公式对多光谱段虹膜图像序列I₀{i}进行滤波处理，获得进行亮度修正后的图像序列F{i}，i＝1，…，m，F{i}＝imdiffit(I{i})，i＝1，…，n

其中，imdiffit()为多光谱成像差异滤波函数，其中，n＝3～7；

通过下述特征融合公式，获得所述图像序列F{i}，i＝1，…，m的虹膜特征向量

fr＝ffus(fext(F₀{i}))，i＝1，…，m

其中，fext()为虹膜特征提取函数，ffus()为虹膜特征融合函数，其中i＝3～5；

通过下述灰度融合公式对所述虹膜补光成像序列I₁{i}进行灰度融合，获得进行亮度修正后的图像GI₁，

GI₁＝gsfuc(I₁(i))，i＝1，…，n

其中，gsfuc()为灰度融合函数，其中，n＝5～10；

通过下述加权灰度融合公式对所述虹膜图像灰度拟合序列RE{i}进行加权灰度融合，获得进行亮度修正后的图像GI₂，

其中，gsfuswd()为加权灰度融合函数，w{i}为加权系数序列，abs()为取绝对值函数，fd为直方图均衡拟合误差序列，其中t＝5～9。

Images