CN113033296A - 一种虹膜快速识别方法及系统 - Google Patents

一种虹膜快速识别方法及系统 Download PDF

Info

Publication number
CN113033296A
CN113033296A CN202110169041.3A CN202110169041A CN113033296A CN 113033296 A CN113033296 A CN 113033296A CN 202110169041 A CN202110169041 A CN 202110169041A CN 113033296 A CN113033296 A CN 113033296A
Authority
CN
China
Prior art keywords
iris
image
iris image
rectangular
gabor filter
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
CN202110169041.3A
Other languages
English (en)
Inventor
卢仕辉
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.)
Guangdong Aopo Smart Home Co ltd
Original Assignee
Guangdong Aopo Smart Home Co 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 Guangdong Aopo Smart Home Co ltd filed Critical Guangdong Aopo Smart Home Co ltd
Priority to CN202110169041.3A priority Critical patent/CN113033296A/zh
Publication of CN113033296A publication Critical patent/CN113033296A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种虹膜快速识别方法及系统，包括对虹膜图像进行预处理得到被图像增强的虹膜图像；对被图像增强的虹膜图像进行特征提取及编码；采用数据库进行虹膜图像的识别，本发明通过边缘检测算子和Hough函数，极坐标变换，局部直方图均衡化，二维Gabor滤波器以及下采用法进行虹膜的定位、归一化、特征提取和降维，又利用数据库进行虹膜图形的识别，不仅保留了原图像的重要特征信息而且加快了运算速度。本发明适用于图像检测领域。

Description

一种虹膜快速识别方法及系统
技术领域
本公开涉及虹膜识别、图像处理技术领域，具体涉及一种虹膜快速识别方法及系统。
背景技术
错误率最低、技术最可靠的虹膜识别技术是生物特征识别技术中热门的研究课题，虹膜识别技术可以被广泛应用于安防设备及移动终端设备，这其中，如何对虹膜进行定位、归一化、极坐标变换等在虹膜识别技术中非常重要，且如何更快更精确地进行虹膜的特征提取也是近年来的学术界研究的方向。
发明内容
为解决上述问题，本公开提供一种虹膜快速识别方法及系统的技术方案，根据本公开的一方面，提供一种虹膜快速识别方法及系统，所述方法包括以下步骤：
S100,对虹膜图像进行预处理得到第一虹膜图像；
S200,对第一虹膜图像进行特征提取及编码；
S300,采用数据库进行虹膜图像的识别。
具体的，在S100中，对虹膜图像进行预处理的方法为：
S110，在虹膜图像中定位虹膜得到虹膜环形图像；
S120，对虹膜环形图像进行归一化处理得到矩形虹膜图像；
S130，对矩形虹膜图像进行图像增强处理得到第一虹膜图像。
具体的，S110中，在虹膜图像中定位虹膜得到虹膜环形图像的方法为：
S111，通过边缘检测算子得到二值化的边缘虹膜图像；
S112，通过HOUGH变换函数得到边缘虹膜图像的内圆和外圆；
S113，根据边缘虹膜图像的内圆和外圆得到虹膜环形图像。
具体的，S120中,对虹膜环形图像进行归一化处理得到矩形虹膜图像的方法为采用极坐标变换方法对环形虹膜图像进行归一化处理得到矩形虹膜图像，所述矩形虹膜图像大小为360行×r列，r为虹膜外圆和虹膜内圆的半径差。
具体的，S130中,对矩形虹膜图像进行图像增强处理得到第一虹膜图像的方法为采用局部直方图均衡化的方法对对矩形虹膜图像进行图像增强处理得到第一虹膜图像。
具体的，S200中,对第一虹膜图像进行特征提取及编码的步骤为：采用二维Gabor滤波器对第一虹膜图像进行特征提取及编码，所述二维Gabor滤波器的编码公式为
Figure BDA0002938333590000021
其中，(m，n)为第一虹膜图像中的点，(m0,n0)为二维Gabor滤波器的中心位置，(α,β)为二维Gabor滤波器的有效宽度和长度，j为虚数单位，(u0,v0)为调制频率；采用神经网络中的下采用法对虹膜图像的特征进行降维。
具体的，S300中,采用数据库进行虹膜图像的识别的方法为通过在虹膜识别系统中进行虹膜图像匹配进行识别。
本发明还提供了一种虹膜快速识别系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
预处理单元,用于对虹膜图像进行预处理得到第一虹膜图像；
特征提取单元,用于对第一虹膜图像进行特征提取及编码；
图像识别单元,用于采用数据库进行虹膜图像的识别。
本公开的有益效果为：本发明提供一种虹膜快速识别方法及系统，通过边缘检测算子和Hough函数，极坐标变换，局部直方图均衡化，二维Gabor滤波器以及神经网络中的下采用法进行虹膜的定位、归一化、特征提取和降维，又利用数据库进行虹膜图形的识别，不仅保留了原图像的重要特征信息而且加快了运算速度。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为一种虹膜快速识别方法的流程图；
图2所示为一种虹膜快速识别系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种虹膜快速识别方法的流程图，下面结合图1来阐述根据本公开的实施方式的一种虹膜快速识别方法。
本公开提出一种虹膜快速识别方法，所述方法包括以下步骤：
S100,对虹膜图像进行预处理得到第一虹膜图像；
S200,对第一虹膜图像进行特征提取及编码；
S300,采用数据库进行虹膜图像的识别。
具体的，在S100中，对虹膜图像进行预处理的方法为：
S110，在虹膜图像中定位虹膜得到虹膜环形图像；
S120，对虹膜环形图像进行归一化处理得到矩形虹膜图像；
S130，对矩形虹膜图像进行图像增强处理得到第一虹膜图像。
具体的，S110中，在虹膜图像中定位虹膜得到虹膜环形图像的方法为：
S111，通过边缘检测算子得到二值化的边缘虹膜图像；
S112，通过HOUGH变换函数得到边缘虹膜图像的内圆和外圆；
S113，根据边缘虹膜图像的内圆和外圆得到虹膜环形图像。
具体的，S120中,对虹膜环形图像进行归一化处理得到矩形虹膜图像的方法为采用极坐标变换方法对环形虹膜图像进行归一化处理得到矩形虹膜图像，所述矩形虹膜图像大小为360行×r列，r为虹膜外圆和虹膜内圆的半径差。
具体的，S130中,对矩形虹膜图像进行图像增强处理得到第一虹膜图像的方法为采用局部直方图均衡化的方法对对矩形虹膜图像进行图像增强处理得到第一虹膜图像。
具体的，S200中,对被图像增强的虹膜图像进行特征提取及编码的方法为采用二维Gabor滤波器对被图像增强的虹膜图像进行特征提取及编码，所述二维Gabor滤波器的编码公式为：
Figure BDA0002938333590000031
其中，(m，n)为第一虹膜图像中的点，(m0,n0)为二维Gabor滤波器的中心位置，(α,β)为二维Gabor滤波器的有效宽度和长度，j为虚数单位，(u0,v0)为调制系数，它的空间频率
Figure BDA0002938333590000032
决定了滤波器的尺度，方向为θ＝tanh-1(v0/u0)。Gabor滤波器中每一对奇对称和偶对称对应于一定空间的频率和方向。
取3个尺度和5个方向得到二维Gabor滤波器组，夯实表示统一尺度和不同方向的Gabor滤波器组，列是表示同一方向和不同尺度的Gabor滤波器组，在[0,π]上选择4个Gabor滤波器方向，分别为θ＝0，θ＝π/4，θ＝π/2，3θ＝π/4，能够覆盖相应的4个方向θ＝π，θ＝5π/4，θ＝3π/2，θ＝7π/4。Gabor滤波器中心频率控制着提取虹膜纹理尺度的大小信息。中心频率间距比为
Figure BDA0002938333590000041
依次在Gabor滤波器中选取7个尺度，即
Figure BDA0002938333590000042
Gabor滤波器的窗口大小为13×13，产生28个Gabor滤波器组。虹膜图像像素点I(r,θ)的滤波特征可以通过极坐标滤波器和图像的灰度值卷积得到：
T(r,θ)＝G(r,θ)*I(r,θ) (2)
其中，G(r,θ)为极坐标滤波器，取
Figure BDA0002938333590000043
作为特征值，其中，Tre(r,θ)、Tim(r,θ)分别为卷积后的实部和虚部，可以得到28幅虹膜图像。其中，Tre(r,θ)、Tim(r,θ)分别代表虹膜图像的高频分量和低频分量。
采用神经网络中的下采用法即特征提取对虹膜图像的特征进行降维将28张虹膜特征图像将空间维数降低到ω2×h2,再转换成维数为qi(i＝1,2,3,…,28qi＝ω2×h2)的列向量，ω2和h2的取值范围为大于等于1小于等于28，组成的28维列向量首尾相接构建新的维数为q的特征列向量p：
Figure BDA0002938333590000044
计算列向量p与data.dat数据库中的列向量Xi的差值与已知列向量的比值，若相似度小于80％，则虹膜识别成功，否则，判断虹膜识别不成功，并把采集到的虹膜图像收录到数据库中。
本公开的实施例提供的一种虹膜快速识别系统，如图2所示为本公开的一种虹膜快速识别系统结构图，该实施例的一种虹膜快速识别系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种虹膜快速识别方法实施例中的步骤。
本发明提供的一种虹膜快速识别系统，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
预处理单元,用于对虹膜图像进行预处理得到第一虹膜图像；
特征提取单元,用于第一虹膜图像进行特征提取及编码；
图像识别单元,用于采用数据库进行虹膜图像的识别。
所述一种虹膜快速识别系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种虹膜快速识别系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种虹膜快速识别系统的示例，并不构成对一种虹膜快速识别系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种虹膜快速识别系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种瞳孔定位校准系统运行系统的控制中心，利用各种接口和线路连接整个一种瞳孔定位校准系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种瞳孔定位校准系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (8)

1.一种虹膜快速识别方法，其特征在于，所述方法包括以下步骤：
S100,对虹膜图像进行预处理得到第一虹膜图像；
S200,对第一虹膜图像进行特征提取及编码；
S300,采用数据库进行虹膜图像的识别。
2.根据权利要求1所述的一种虹膜快速识别方法，其特征在于，在S100中，对虹膜图像进行预处理的方法为：
S110，在虹膜图像中定位虹膜得到虹膜环形图像；
S120，对虹膜环形图像进行归一化处理得到矩形虹膜图像；
S130，对矩形虹膜图像进行图像增强处理得到第一虹膜图像。
3.根据权利要求2所述的一种虹膜快速识别方法，其特征在于，S110中，在虹膜图像中定位虹膜得到虹膜环形图像的方法为：
S111，通过边缘检测算子得到二值化的边缘虹膜图像；
S112，通过HOUGH变换函数得到边缘虹膜图像的内圆和外圆；
S113，根据边缘虹膜图像的内圆和外圆得到虹膜环形图像。
4.根据权利要求2所述的一种虹膜快速识别方法，其特征在于，S120中,对虹膜环形图像进行归一化处理得到矩形虹膜图像的方法为采用极坐标变换方法对环形虹膜图像进行归一化处理得到矩形虹膜图像，所述矩形虹膜图像大小为360行×r列，r为虹膜外圆和虹膜内圆的半径差。
5.根据权利要求2所述的一种虹膜快速识别方法，其特征在于，S130中,对矩形虹膜图像进行图像增强处理得到第一虹膜图像的方法为采用局部直方图均衡化的方法对矩形虹膜图像进行图像增强处理得到第一虹膜图像。
6.根据权利要求1所述的一种虹膜快速识别方法，其特征在于，S200中,对预处理后的虹膜图像进行特征提取及编码的步骤为：采用二维Gabor滤波器对预处理后的虹膜图像进行虹膜纹理特征提取及编码，所述二维Gabor滤波器的编码公式为：
Figure FDA0002938333580000011
其中，(m，n)为第一虹膜图像中的点，(m0,n0)为二维Gabor滤波器的中心位置，(α,β)为二维Gabor滤波器的有效宽度和长度，j为虚数单位，(u0,v0)为调制频率；采用神经网络中的下采用法对虹膜图像的特征进行降维。
7.根据权利要求1所述的一种虹膜快速识别方法，其特征在于，S300中,采用数据库进行虹膜图像的识别的方法为通过在虹膜识别系统中进行虹膜图像匹配进行识别。
8.一种虹膜快速识别系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
预处理单元,用于对虹膜图像进行预处理得到第一虹膜图像；
特征提取单元,用于对第一虹膜图像进行特征提取及编码；
图像识别单元,用于采用数据库进行虹膜图像的识别。
CN202110169041.3A 2021-02-07 2021-02-07 一种虹膜快速识别方法及系统 Pending CN113033296A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110169041.3A CN113033296A (zh) 2021-02-07 2021-02-07 一种虹膜快速识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110169041.3A CN113033296A (zh) 2021-02-07 2021-02-07 一种虹膜快速识别方法及系统

Publications (1)

Publication Number Publication Date
CN113033296A true CN113033296A (zh) 2021-06-25

Family

ID=76460248

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110169041.3A Pending CN113033296A (zh) 2021-02-07 2021-02-07 一种虹膜快速识别方法及系统

Country Status (1)

Country Link
CN (1) CN113033296A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326841A (zh) * 2016-08-12 2017-01-11 合肥虹视信息工程有限公司 一种快速虹膜识别算法
CN107408195A (zh) * 2015-12-29 2017-11-28 厦门中控智慧信息技术有限公司 一种虹膜识别方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107408195A (zh) * 2015-12-29 2017-11-28 厦门中控智慧信息技术有限公司 一种虹膜识别方法及装置
CN106326841A (zh) * 2016-08-12 2017-01-11 合肥虹视信息工程有限公司 一种快速虹膜识别算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田启川: "《虹膜识别原理及算法》", 国防工业出版社, pages: 52 - 54 *

Similar Documents

Publication Publication Date Title
CN108229532B (zh) 图像识别方法、装置和电子设备
Zahedi et al. Combining Gabor filter and FFT for fingerprint enhancement based on a regional adaption method and automatic segmentation
Priyanka et al. An improved block based copy-move forgery detection technique
CN111639558A (zh) 一种基于ArcFace Loss和改进残差网络的指静脉身份验证方法
Alaslni et al. Transfer learning with convolutional neural networks for iris recognition
CN106650568A (zh) 一种人脸识别方法及装置
Ismail et al. Efficient enhancement and matching for iris recognition using SURF
Ali et al. Speeded up robust features for efficient iris recognition
Gani et al. A novel method for digital image copy-move forgery detection and localization using evolving cellular automata and local binary patterns
CN112633281B (zh) 一种基于Hash算法车辆身份认证方法及系统
Xu et al. Multi‐pyramid image spatial structure based on coarse‐to‐fine pyramid and scale space
Tan et al. A survey on digital image copy-move forgery localization using passive techniques
Dakhil et al. Design and implementation of fingerprint identification system based on KNN neural network
Hamidi et al. Local selected features of dual‐tree complex wavelet transform for single sample face recognition
Patel et al. Performance improvement in preprocessing phase of fingerprint recognition
CN113033296A (zh) 一种虹膜快速识别方法及系统
ELSayed et al. Masked SIFT with align‐based refinement for contactless palmprint recognition
Ghafoor et al. Robust palmprint identification using efficient enhancement and two‐stage matching technique
CN112308027B (zh) 图像匹配方法、生物识别芯片及电子装置
CN109815791B (zh) 基于血管的身份识别方法和装置
Ameur et al. Weighted PCA-EFMNet: A deep learning network for Face Verification in the Wild
Kale et al. Copy Move Forgery Detection-A Robust Technique
TW202117591A (zh) 影像處理方法、晶片及電子裝置
US20240193929A1 (en) Target identification method, device and computer-readable storage medium
Yang et al. Rotation invariant local binary pattern for blind detection of copy-move forgery with affine transform

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

Application publication date: 20210625