CN114758407A - 一种基于仿射变换的虹膜视角矫正方法 - Google Patents

Abstract

本发明涉及图像矫正领域，尤其涉及一种基于仿射变换的虹膜视角矫正方法，包括，S1，提取瞳孔边缘点，并对边缘点进行标号，生成集合；S2，根据边缘点确定畸坐标系的Y轴；S3，根据畸坐标系的Y轴确定所述畸坐标系的X；S4，根据畸坐标系的Y轴与X轴对虹膜图像进行校验，判定能否进行图像转换；S5,本发明通过应用轮廓提取算法，以机器识别的方式大幅提高了瞳孔边缘点识别和间距测量的精度，从数据的角度保证了虹膜视角矫正的精准；通过自动完成了瞳孔轮廓识别、坐标系建立、瞳孔图像的仿射变换和矫正效果检测，大大缩短了检测时长。

Description

一种基于仿射变换的虹膜视角矫正方法

技术领域

本发明涉及图像矫正领域，尤其涉及一种基于仿射变换的虹膜视角矫正方法。

背景技术

虹膜识别技术被广泛认为是二十一世纪最具有发展前途的生物认证技术，目前正在蓬勃发展中。当瞳孔发生变形或虹膜采集设备采集到的图像出现虹膜图像偏转现象时，会大大降低基于计算机视觉的虹膜识别成功率。

中国专利公开号：CN112651389A公开了一种非正视虹膜图像的矫正模型训练、矫正、识别方法及装置，该训练方法包括：利用仿射变换参数对第一正视虹膜图像仿射变换，得到非正视虹膜图像；将第一正视虹膜图像、仿射变换得到非正视虹膜图像及仿射变换参数输入至深度卷积神经网络，得到仿射变换逆变换参数；利用训练得到的仿射变换逆变换参数对非正视虹膜图像进行仿射逆变换，得到矫正后的非正视虹膜图像；比对矫正后的非正视虹膜图像与第二正视虹膜图像，得到比对结果；计算比对结果与比对阈值的长度与训练得到的仿射变换逆变换参数和仿射变换逆变换参数的长度，以得到损失函数，训练深度卷积神经网络，得到非正视虹膜图像矫正模型。由此可见，目前本领域，主要存在以下问题：

当瞳孔发生变形或虹膜图像出现偏转时，会大大降低虹膜识别的成功率。

发明内容

为此，本发明提供一种基于仿射变换的虹膜视角矫正方法，用以克服现有技术中当瞳孔发生变形或虹膜图像出现偏转时，虹膜识别的成功率低的问题。

为实现上述目的，本发明提供一种基于仿射变换的虹膜视角矫正方法，包括，

一种基于仿射变换的虹膜视角矫正方法，包括，

S1，提取瞳孔边缘点，并对边缘点进行标号，生成集合；

S2，根据边缘点确定畸坐标系的Y轴；

S3，根据畸坐标系的Y轴确定所述畸坐标系的X；

S4，根据畸坐标系的Y轴与X轴对虹膜图像进行校验，判定能否进行图像转换；

S5,按照象限分布对虹膜图像分别进行转换，并对转换完成的图像进行拼接，生成校正后的虹膜图像;

在进行虹膜视角矫正转换的过程中设置有控制模块，控制模块内设置矫正算法。

进一步的，所述控制模块将所述瞳孔边缘点集合中的各所述瞳孔边缘点进行标号，分别记为第1边缘点，第2边缘点，...，第n边缘点，

将各瞳孔边缘点两两连接，并记录各连接线段的长度，生成线段长度集合L0，选取所述线段长度集合L0中的最大值L_i-j,所述最大值L_i-j所在的线段为所述畸坐标系的Y轴，向上方向为正，其中，L_i-j为第i边缘点与第j边缘点的连接线段长度，i∈{1,2，...，n-1}，j∈{2,3，...，n}，且i＜j。

进一步的，所述控制模块根据所述Y轴将所述瞳孔边缘点集合分为两部分，分别记为第一区域与第二区域，矫正算法计算所述第一区域中各瞳孔边缘点分别到所述第i边缘点和所述第j边缘点的连接线段长度之和，得出第一区域的各瞳孔边缘点分别到第i边缘点和第j边缘点的连接线段长度之和的集合C1,C1={C_1,1,C_1,2,C_1,3，...，C_1,(j-i-1)}，其中，C_1,1=L_{（i+1）-i+L（i+1）-j}，C_1,2=L_{（i+2）-i+L（i+2）-j}，...C_1,(j-i-1)=L_{（j-1）-i+L（j-1）-j}，对比集合C1中的数值，选取最大值对应的瞳孔边缘点作为端点D1；

矫正算法计算所述第二区域中各瞳孔边缘点分别到所述第i边缘点和所述第j边缘点的连接线段长度之和，得出第二区域的各瞳孔边缘点分别到第i边缘点和第j边缘点的连接线段长度之和的集合C2,C2={C_2,1,C_2,2,C_2,3，...，C_2,(n-j+i-1)}，其中，C_2,1=L_{（i-1）-i+L（i-1）-j}，C_2,2=L_{（i-2）-i+L（i-2）-j}，...C_2,i-1=L_1-i+L_1-j，C_2,i=L_n-i+Ln-j，C_2,i+1=L_{(n-1)-i+L(n-1)-j}...C_2,(n-j+i-1)=L_{（j+1）-i+L（j+1）-j}，对比集合C2中的数值，选取最大值对应的瞳孔边缘点作为端点D2；

连接端点D1与端点D2，生成线段L_D1-D2,L_D1-D2所在的直线为畸坐标系的X轴,向右方向为正。

进一步的，所述矫正算法计算L_i-j与L_D1-D2的比值Q，Q=L_i-j÷L_D1-D2；

所述控制模块内设有比值评价值Qz，将计算的比值Q与比值评价值Qz进行对比，

当Q＜Qz时，判定虹膜视角矫正前后差距大，无法获得精确的虹膜图像，不对虹膜图像进行矫正；

当Q≥Qz时，判定虹膜视角矫正前后差距适中，通过矫正算法能够对虹膜图像进行矫正。

进一步的，当判定通过矫正算法能够对虹膜图像进行矫正时，根据确定的X轴、Y轴建立完整的畸坐标系，以所述X轴和所述Y轴的交点为原点O,O（xo,yo,1）；

将各所述瞳孔边缘点依次连接，生成近似椭圆K，椭圆K与Y轴正方向交点为点A，A（xa,ya,1），与Y轴负方向交点为点C，C（xc,yc,1），与X轴正方向交点为点D，D（xd,yd,1），与X轴负方向交点为点B，B（xb,yb,1）;

矫正算法以原点O，点A，点C，点D，点B为基点对采集的虹膜图像进行矫正。

进一步的，虹膜图像矫正完成后，生成直角坐标系P，在直角坐标系P中存有基点点A’，点C’，点D’，点B’,各点坐标为A’（xa’,ya’,1），C’（xc’,yc’,1），D’（xd’,yd’,1），B’（xb’,yb’,1），其中，点A’由畸坐标系中点A变换得到，点B’由畸坐标系中点B变换得到，点C’由畸坐标系中点C变换得到，点D’由畸坐标系中点D变换得到。

进一步的，在进行虹膜图像矫正时，将近似椭圆K按照象限分为四部分，并逐一进行变换，变换完成后将四部分进行拼接，生成矫正后的图像。

进一步的，矫正算法将仿射变换后所述直角坐标系P内原点O’到A’、B’、C’和D’的线段长度，均等于所述畸坐标系内原点O到A、B、C和D的线段长度的均值,即直角坐标系P内原点至各端点的线段长度R=（ya-xb-yc+xd）/4。

进一步的，在对畸坐标系第二象限的虹膜图像进行矫正时，设置有畸坐标系第二象限的变换矩阵M2，矫正算法将获取的畸坐标系内第二象限图像标记为img2，并对img2进行矫正变换，得到直角坐标系P的第二象限图像img2’,img2’=img2×M2；

对于变换矩阵M2，M2=

×

。

进一步的，在对畸坐标系第一象限的虹膜图像进行矫正时，设置有畸坐标系第一象限的变换矩阵M1，在对畸坐标系第三象限的虹膜图像进行矫正时，设置有畸坐标系第三象限的变换矩阵M3，在对畸坐标系第四象限的虹膜图像进行矫正时，设置有畸坐标系第四象限的变换矩阵M4，矫正算法分别对各坐标系的图像进行变换，

将畸坐标系第一象限图像img1变换为直角坐标系P的第一象限图像img1’，img1’=img1×M1；

将畸坐标系第三象限图像img3变换为直角坐标系P的第三象限图像img3’，img3’=img3×M3；

将畸坐标系第四象限图像img4变换为直角坐标系P的第四象限图像img4’，img4’=img4×M4；

在对四个坐标系的图像变换完成后，矫正算法对各象限图像进行拼接，生成矫正后的图像img。

与现有技术相比，本发明的有益效果在于，本发明通过应用轮廓提取算法，以机器识别的方式大幅提高了瞳孔边缘点识别和间距测量的精度，从数据的角度保证了虹膜视角矫正的精准。

进一步地，本发明自动完成了瞳孔轮廓识别、坐标系建立、瞳孔图像的仿射变换和矫正效果检测，大大缩短了检测时长。

进一步的，将最长边确定为畸坐标系的Y轴，确定准确的形变基准，使得变换后的图像更加准确，增加矫正的精度。

进一步的，本发明中端点D1与端点D2分别为第一区域和第二区域距离第i边缘点和第j边缘点最远点，形变差值与Y轴上各点的形变差值最大，因此将端点D1与端点D2连接作为畸坐标系的X轴，确定横坐标的形变基准，使得变换后的图像更加准确，增加矫正的精度。

进一步的，在图像矫正的过程中，在确定畸坐标系的X轴，Y轴后，计算L_i-j与L_D1-D2的比值Q，确定横向与纵向的形变范围，当形变范围越大时，比值的数值越小，在采集的虹膜角度偏移达到一定量时，即使进行角度转换也无法获取精确地虹膜图像，因此设置通过将比值Q与比值评价值Qz进行对比，确定形变的范围，使得矫正后的图像更加准确。

进一步的，在进行形变时，将采集的图像按照象限进行分割，并根据象限单独进行形变转换，使得各个区域有独自的变换矩阵，提升形变后图像的准确性。

附图说明

图1为本发明实施例所述基于仿射变换的虹膜视角矫正方法的流程图；

图2为本发明实施例所述基于仿射变换的虹膜视角矫正方法的瞳孔边缘点集合示意图；

图3为本发明实施例所述基于仿射变换的虹膜视角矫正方法的畸坐标系示意图；

图4为本发明实施例所述基于仿射变换的虹膜视角矫正方法的标准坐标系示意图；

图5为本发明实施例所述基于仿射变换的虹膜视角矫正方法的仿射变换前后坐标系示意图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是可附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1所示，图1为本发明实施例所述基于仿射变换的虹膜视角矫正方法的流程图。本发明提供一种基于仿射变换的虹膜视角矫正方法，包括，

S1，提取瞳孔边缘点，并对边缘点进行标号，生成集合；

S2，根据边缘点确定畸坐标系的Y轴；

S3，根据畸坐标系的Y轴确定所述畸坐标系的X；

S4，根据畸坐标系的Y轴与X轴对虹膜图像进行校验，判定能否进行图像转换；

S5,按照象限分布对虹膜图像分别进行转换，并对转换完成的图像进行拼接，生成校正后的虹膜图像;

在进行虹膜视角矫正转换的过程中设置有控制模块，控制模块内设置矫正算法。

本发明自动检测轮廓提取算法提取的瞳孔轮廓是否完整，全自动计算出虹膜视角矫正后的瞳孔图像，并能检测虹膜视角矫正后的效果，从数据的角度保证了虹膜视角矫正的精准，大大提升了虹膜识别的成功率。

请参阅图2与图3，图2为本发明实施例所述基于仿射变换的虹膜视角矫正方法的瞳孔边缘点集合示意图，图3为本发明实施例所述基于仿射变换的虹膜视角矫正方法的畸坐标系示意图。

控制模块将所述瞳孔边缘点集合中的各所述瞳孔边缘点进行标号，分别记为第1边缘点，第2边缘点，...，第n边缘点，

将各瞳孔边缘点两两连接，并记录各连接线段的长度，生成线段长度集合L0，选取所述线段长度集合L0中的最大值L_i-j,所述最大值L_i-j所在的线段为所述畸坐标系的Y轴，向上方向为正，其中，L_i-j为第i边缘点与第j边缘点的连接线段长度，i∈{1,2，...，n-1}，j∈{2,3，...，n}，且i＜j。

将最长边确定为畸坐标系的Y轴，确定准确的形变基准，使得变换后的图像更加准确，增加矫正的精度。

具体而言，所述控制模块根据所述Y轴将所述瞳孔边缘点集合分为两部分，分别记为第一区域与第二区域，矫正算法计算所述第一区域中各瞳孔边缘点分别到所述第i边缘点和所述第j边缘点的连接线段长度之和，得出第一区域的各瞳孔边缘点分别到第i边缘点和第j边缘点的连接线段长度之和的集合C1,C1={C_1,1,C_1,2,C_1,3，...，C_1,(j-i-1)}，其中，C_1,1=L_{（i+1）-i+L（i+1）-j}，C_1,2=L_{（i+2）-i+L（i+2）-j}，...C_1,(j-i-1)=L_{（j-1）-i+L（j-1）-j}，对比集合C1中的数值，选取最大值对应的瞳孔边缘点作为端点D1；

矫正算法计算所述第二区域中各瞳孔边缘点分别到所述第i边缘点和所述第j边缘点的连接线段长度之和，得出第二区域的各瞳孔边缘点分别到第i边缘点和第j边缘点的连接线段长度之和的集合C2,C2={C_2,1,C_2,2,C_2,3，...，C_2,(n-j+i-1)}，其中，C_2,1=L_{（i-1）-i+L（i-1）-j}，C_2,2=L_{（i-2）-i+L（i-2）-j}，...C_2,i-1=L_1-i+L_1-j，C_2,i=L_n-i+Ln-j，C_2,i+1=L_{(n-1)-i+L(n-1)-j}...C_2,(n-j+i-1)=L_{（j+1）-i+L（j+1）-j}，对比集合C2中的数值，选取最大值对应的瞳孔边缘点作为端点D2；

连接端点D1与端点D2，生成线段L_D1-D2,L_D1-D2所在的直线为畸坐标系的X轴,向右方向为正。

端点D1与端点D2分别为第一区域和第二区域距离第i边缘点和第j边缘点最远点，形变差值与Y轴上各点的形变差值最大，因此将端点D1与端点D2连接作为畸坐标系的X轴，确定横坐标的形变基准，使得变换后的图像更加准确，增加矫正的精度。

具体而言，所述矫正算法计算L_i-j与L_D1-D2的比值Q，Q=L_i-j÷L_D1-D2；

所述控制模块内设有比值评价值Qz，将计算的比值Q与比值评价值Qz进行对比，

当Q＜Qz时，判定虹膜视角矫正前后差距大，无法获得精确的虹膜图像，不对虹膜图像进行矫正，重新进行虹膜图像采集；

当Q≥Qz时，判定虹膜视角矫正前后差距适中，通过矫正算法能够对虹膜图像进行矫正。

在图像矫正的过程中，在确定畸坐标系的X轴，Y轴后，计算L_i-j与L_D1-D2的比值Q，确定横向与纵向的形变范围，当形变范围越大时，比值的数值越小，在采集的虹膜角度偏移达到一定量时，即使进行角度转换也无法获取精确地虹膜图像，因此设置通过将比值Q与比值评价值Qz进行对比，确定形变的范围，使得矫正后的图像更加准确。

请参阅图4、图5，图4为本发明实施例所述基于仿射变换的虹膜视角矫正方法的标准坐标系示意图，图5为本发明实施例所述基于仿射变换的虹膜视角矫正方法的仿射变换前后坐标系示意图。

当判定通过矫正算法能够对虹膜图像进行矫正时，根据确定的X轴、Y轴建立完整的畸坐标系，以所述X轴和所述Y轴的交点为原点O,O（xo,yo,1）；

将各所述瞳孔边缘点依次连接，生成近似椭圆K，椭圆K与Y轴正方向交点为点A，A（xa,ya,1），与Y轴负方向交点为点C，C（xc,yc,1），与X轴正方向交点为点D，D（xd,yd,1），与X轴负方向交点为点B，B（xb,yb,1）;

矫正算法以原点O，点A，点C，点D，点B为基点对采集的虹膜图像进行矫正。

具体而言，虹膜图像矫正完成后，生成直角坐标系P，在直角坐标系P中存有基点点A’，点C’，点D’，点B’,各点坐标为A’（xa’,ya’,1），C’（xc’,yc’,1），D’（xd’,yd’,1），B’（xb’,yb’,1），其中，点A’由畸坐标系中点A变换得到，点B’由畸坐标系中点B变换得到，点C’由畸坐标系中点C变换得到，点D’由畸坐标系中点D变换得到。

具体而言，在进行虹膜图像矫正时，将近似椭圆K按照象限分为四部分，并逐一进行变换，变换完成后将四部分进行拼接，生成矫正后的图像。

在进行形变时，将采集的图像按照象限进行分割，并根据象限单独进行形变转换，使得各个区域有独自的变换矩阵，提升形变后图像的准确性。

具体而言，矫正算法将仿射变换后所述直角坐标系P内原点O’到A’、B’、C’和D’的线段长度，均等于所述畸坐标系内原点O到A、B、C和D的线段长度的均值,即直角坐标系P内原点至各端点的线段长度R=（ya-xb-yc+xd）/4。

具体而言，在对畸坐标系第二象限的虹膜图像进行矫正时，设置有畸坐标系第二象限的变换矩阵M2，矫正算法将获取的畸坐标系内第二象限图像标记为img2，并对img2进行矫正变换，得到直角坐标系P的第二象限图像img2’,img2’=img2×M2；

对于变换矩阵M2，M2=

×

。

具体而言，在对畸坐标系第一象限的虹膜图像进行矫正时，设置有畸坐标系第一象限的变换矩阵M1，在对畸坐标系第三象限的虹膜图像进行矫正时，设置有畸坐标系第三象限的变换矩阵M3，在对畸坐标系第四象限的虹膜图像进行矫正时，设置有畸坐标系第四象限的变换矩阵M4，矫正算法分别对各坐标系的图像进行变换，

将畸坐标系第一象限图像img1变换为直角坐标系P的第一象限图像img1’，img1’=img1×M1；

将畸坐标系第三象限图像img3变换为直角坐标系P的第三象限图像img3’，img3’=img3×M3；

将畸坐标系第四象限图像img4变换为直角坐标系P的第四象限图像img4’，img4’=img4×M4；

在对四个坐标系的图像变换完成后，矫正算法对各象限图像进行拼接，生成矫正后的图像img。

实现虹膜视角矫正后的完整瞳孔图像img’：

img’=img1’+img2’+img3’+img4’=img1×M1+img2×M2+img3×M3+img4×M4；

具体而言，所述畸坐标系内的瞳孔图像据所述X轴和所述Y轴的交叉结果划分为4部分，每部分均视为椭圆的一部分进行椭圆至圆的仿射变换，最后将仿射变换后的结果进行拼接，形成完整的实现虹膜视角矫正后的瞳孔图像。

所述矫正算法在完成虹膜视角矫正后再次利用轮廓提取算法提取所述瞳孔图像img’的所述瞳孔边缘点集合，通过各所述瞳孔边缘点两两之间的连接线段长度判定瞳孔图像img’的瞳孔边缘点集合是否为圆形，

当所述矫正算法判定所述瞳孔图像img’的所述瞳孔边缘点集合为圆形时，矫正算法给出矫正成功提示；

当所述矫正算法判定所述瞳孔图像img’的所述瞳孔边缘点集合不为圆形时，矫正算法给出矫正未成功的提示，并根据再次提取的瞳孔边缘点集合再次计算虹膜视角矫正成功后的瞳孔图像；

具体而言，本发明自动完成了瞳孔轮廓识别、坐标系建立、瞳孔图像的仿射变换和矫正效果检测，不仅缩短了检测时长，而且实现了虹膜识别的自动化，解决了当瞳孔发生变形或虹膜图像出现偏转时，虹膜识别成功率低的问题。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种基于仿射变换的虹膜视角矫正方法，其特征在于，包括，

S1，提取瞳孔边缘点，并对边缘点进行标号，生成集合；

S2，根据边缘点确定畸坐标系的Y轴；

S3，根据畸坐标系的Y轴确定所述畸坐标系的X轴；

S4，根据畸坐标系的Y轴与X轴对虹膜图像进行校验，判定能否进行图像转换；

S5,按照象限分布对虹膜图像分别进行转换，并对转换完成的图像进行拼接，生成校正后的虹膜图像;

在进行虹膜视角矫正转换的过程中设置有控制模块，控制模块内设置矫正算法。

2.根据权利要求1所述的基于仿射变换的虹膜视角矫正方法，其特征在于，所述控制模块将所述瞳孔边缘点集合中的各所述瞳孔边缘点进行标号，分别记为第1边缘点，第2边缘点，...，第n边缘点，

将各瞳孔边缘点两两连接，并记录各连接线段的长度，生成线段长度集合L0，选取所述线段长度集合L0中的最大值L_i-j,所述最大值L_i-j所在的线段为所述畸坐标系的Y轴，向上方向为正，其中，L_i-j为第i边缘点与第j边缘点的连接线段长度，i∈{1,2，...，n-1}，j∈{2,3，...，n}，且i＜j。

3.根据权利要求2所述的基于仿射变换的虹膜视角矫正方法，其特征在于，所述控制模块根据所述Y轴将所述瞳孔边缘点集合分为两部分，分别记为第一区域与第二区域，矫正算法计算所述第一区域中各瞳孔边缘点分别到所述第i边缘点和所述第j边缘点的连接线段长度之和，得出第一区域的各瞳孔边缘点分别到第i边缘点和第j边缘点的连接线段长度之和的集合C1,C1={C_1,1,C_1,2,C_1,3，...，C_1,(j-i-1)}，其中，C_1,1=L_{（i+1）-i+L（i+1）-j}，C_1,2=L_{（i+2）-i+L（i+2）-j}，...C_1,(j-i-1)=L_{（j-1）-i+L（j-1）-j}，对比集合C1中的数值，选取最大值对应的瞳孔边缘点作为端点D1；

矫正算法计算所述第二区域中各瞳孔边缘点分别到所述第i边缘点和所述第j边缘点的连接线段长度之和，得出第二区域的各瞳孔边缘点分别到第i边缘点和第j边缘点的连接线段长度之和的集合C2,C2={C_2,1,C_2,2,C_2,3，...，C_2,(n-j+i-1)}，其中，C_2,1=L_{（i-1）-i+L（i-1）-j}，C_2,2=L_{（i-2）-i+L（i-2）-j}，...C_2,i-1=L_1-i+L_1-j，C_2,i=L_n-i+Ln-j，C_2,i+1=L_{(n-1)-i+L(n-1)-j}...C_2,(n-j+i-1)=L_{（j+1）-i+L（j+1）-j}，对比集合C2中的数值，选取最大值对应的瞳孔边缘点作为端点D2；

连接端点D1与端点D2，生成线段L_D1-D2,L_D1-D2所在的直线为畸坐标系的X轴,向右方向为正。

4.根据权利要求3所述的基于仿射变换的虹膜视角矫正方法，其特征在于，所述矫正算法计算L_i-j与L_D1-D2的比值Q，Q=L_i-j÷L_D1-D2；

所述控制模块内设有比值评价值Qz，将计算的比值Q与比值评价值Qz进行对比，

当Q＜Qz时，判定虹膜视角矫正前后差距大，无法获得精确的虹膜图像，不对虹膜图像进行矫正；

当Q≥Qz时，判定虹膜视角矫正前后差距适中，通过矫正算法能够对虹膜图像进行矫正。

5.根据权利要求4所述的基于仿射变换的虹膜视角矫正方法，其特征在于，当判定通过矫正算法能够对虹膜图像进行矫正时，根据确定的X轴、Y轴建立完整的畸坐标系，以所述X轴和所述Y轴的交点为原点O,O（xo,yo,1）；

将各所述瞳孔边缘点依次连接，生成近似椭圆K，椭圆K与Y轴正方向交点为点A，A（xa,ya,1），与Y轴负方向交点为点C，C（xc,yc,1），与X轴正方向交点为点D，D（xd,yd,1），与X轴负方向交点为点B，B（xb,yb,1）;

矫正算法以原点O，点A，点C，点D，点B为基点对采集的虹膜图像进行矫正。

6.根据权利要求5所述的基于仿射变换的虹膜视角矫正方法，其特征在于，

虹膜图像矫正完成后，生成直角坐标系P，在直角坐标系P中存有基点点A’，点C’，点D’，点B’,各点坐标为A’（xa’,ya’,1），C’（xc’,yc’,1），D’（xd’,yd’,1），B’（xb’,yb’,1），其中，点A’由畸坐标系中点A变换得到，点B’由畸坐标系中点B变换得到，点C’由畸坐标系中点C变换得到，点D’由畸坐标系中点D变换得到。

7.根据权利要求6所述的基于仿射变换的虹膜视角矫正方法，其特征在于，在进行虹膜图像矫正时，将近似椭圆K按照象限分为四部分，并逐一进行变换，变换完成后将四部分进行拼接，生成矫正后的图像。

8.根据权利要求7所述的基于仿射变换的虹膜视角矫正方法，其特征在于，矫正算法将仿射变换后所述直角坐标系P内原点O’到A’、B’、C’和D’的线段长度，均等于所述畸坐标系内原点O到A、B、C和D的线段长度的均值,即直角坐标系P内原点至各端点的线段长度R=（ya-xb-yc+xd）/4。

9.根据权利要求7所述的基于仿射变换的虹膜视角矫正方法，其特征在于，在对畸坐标系第二象限的虹膜图像进行矫正时，设置有畸坐标系第二象限的变换矩阵M2，矫正算法将获取的畸坐标系内第二象限图像标记为img2，并对img2进行矫正变换，得到直角坐标系P的第二象限图像img2’,img2’=img2×M2；

对于变换矩阵M2，M2=

×

。

10.根据权利要求9所述的基于仿射变换的虹膜视角矫正方法，其特征在于，在对畸坐标系第一象限的虹膜图像进行矫正时，设置有畸坐标系第一象限的变换矩阵M1，在对畸坐标系第三象限的虹膜图像进行矫正时，设置有畸坐标系第三象限的变换矩阵M3，在对畸坐标系第四象限的虹膜图像进行矫正时，设置有畸坐标系第四象限的变换矩阵M4，矫正算法分别对各坐标系的图像进行变换，

将畸坐标系第一象限图像img1变换为直角坐标系P的第一象限图像img1’，img1’=img1×M1；

将畸坐标系第三象限图像img3变换为直角坐标系P的第三象限图像img3’，img3’=img3×M3；

将畸坐标系第四象限图像img4变换为直角坐标系P的第四象限图像img4’，img4’=img4×M4；

在对四个坐标系的图像变换完成后，矫正算法对各象限图像进行拼接，生成矫正后的图像img。

Images