基于多重处理的虹膜图像增强方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种基于多重处理的虹膜图像增强方法、装置、设备及介质。该基于多重处理的虹膜图像增强方法包括：获取虹膜图像集；计算虹膜图像的对比度，按照对比度由大到小的顺序对虹膜图像进行排序，得到初始虹膜序列；从初始虹膜序列中依照对比度由大到小的顺序获取预设数量的虹膜图像，组成初始虹膜集；采用多尺度视网膜算法对初始虹膜图像进行全局增强处理，得到第一增强虹膜图像集；对第一增强虹膜图像采用拉普拉斯算子进行锐化处理，得到第二增强虹膜图像集。该基于多重处理的虹膜图像增强方法不仅突出了虹膜图像的纹理细节，也很好地削弱了增强处理过程中的光晕，具有较好的增强效果，提高了虹膜图像的识别准确率。

Iris image enhancement method, device, device and medium based on multiple processing

The invention discloses an iris image enhancement method, device, equipment and medium based on multiple processing. The iris image enhancement method based on multi-processing includes: acquiring iris image set; calculating iris image contrast, sorting iris image according to the order of contrast from large to small to get the initial iris sequence; acquiring a preset number of iris images from the initial iris sequence according to the order of contrast from large to small. The first enhanced iris image set is obtained by global enhancement of the initial iris image with multi-scale retinal algorithm, and the second enhanced iris image set is obtained by sharpening the first enhanced iris image with Laplace operator. The iris image enhancement method based on multi-processing not only highlights the texture details of the iris image, but also weakens the halo in the enhancement process. It has a good enhancement effect and improves the recognition accuracy of the iris image.

【技术实现步骤摘要】
基于多重处理的虹膜图像增强方法、装置、设备及介质
本专利技术涉及图像处理领域，尤其涉及一种基于多重处理的虹膜图像增强方法、装置、设备及介质。
技术介绍
虹膜作为一种重要的身份鉴别特征，具有唯一性、稳定性、可采集性和非侵犯性等特点。在虹膜识别系统中，经常需要清晰度较高的虹膜图像作为训练集，但是由于采集设备的限制和采集环境变化等因素的影响，都会导致采集的虹膜图像质量不佳，如对比度低和噪声干扰等问题都会影响虹膜纹理特征的凸显，进而影响虹膜图像训练集的清晰度和识别效率。为了提高识别的准确率，往往需要对虹膜图像进行增强处理，以凸显图像的纹理特征。目前通常只是对采集到的虹膜图像的对比度进行整体动态调整，然而经过如此处理的虹膜图像在识别系统中的准确率还是不高。
技术实现思路
基于此，有必要针对上述技术问题，提供一种基于多重处理的虹膜图像增强方法、装置、设备及介质，以解决虹膜图像识别准确率不高的问题。一种基于多重处理的虹膜图像增强方法，包括：获取虹膜图像集，所述虹膜图像集包括虹膜图像，所述虹膜图像包括用户标识；计算所述虹膜图像集中的虹膜图像的对比度，并按照对比度由大到小的顺序对虹膜图像集中每个用户标识对应的虹膜图像进行排序，得到每个用户标识对应的初始虹膜序列；从每个用户标识对应的初始虹膜序列中依据对比度由大到小的顺序获取预设数量的虹膜图像，组成初始虹膜集；采用多尺度视网膜算法对所述初始虹膜集中的初始虹膜图像进行全局增强处理，得到第一增强虹膜图像集；对所述第一增强虹膜图像集中的第一增强虹膜图像采用拉普拉斯算子进行锐化处理，得到第二增强虹膜图像集。一种基于多重处理的虹膜图像增强装置，包括：虹膜图像集获取模块，用于获取虹膜图像集，所述虹膜图像集包括虹膜图像，所述虹膜图像包括用户标识；虹膜序列获取模块，用于计算所述虹膜图像集中的虹膜图像的对比度，并按照对比度由大到小的顺序对虹膜图像集中每个用户标识对应的虹膜图像进行排序，得到每个用户标识对应的初始虹膜序列；初始虹膜集获取模块，用于从每个用户标识对应的初始虹膜序列中依据对比度由大到小的顺序获取预设数量的虹膜图像，组成初始虹膜集；第一增强虹膜图像集获取模块，用于采用多尺度视网膜算法对所述初始虹膜集中的初始虹膜图像进行全局增强处理，得到第一增强虹膜图像集；第二增强虹膜图像集获取模块，用于对所述第一增强虹膜图像集中的第一增强虹膜图像采用拉普拉斯算子进行锐化处理，得到第二增强虹膜图像集。一种计算机设备，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时实现上述基于多重处理的虹膜图像增强方法的步骤。一种计算机可读介质，所述计算机可读介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于多重处理的虹膜图像增强方法的步骤。本专利技术实施例提供的基于多重处理的虹膜图像增强方法、装置、设备及介质中，首先获取虹膜图像集，对图像虹膜集中的每个用户标识对应的虹膜图像计算对比度，并按照对比度由大到小的顺序进行排序，得到初始虹膜序列，以对比度大小作为虹膜图像选取的标准，便于后续从中挑选对比度较大的虹膜图像进行处理。然后，依据每一用户标识从初始虹膜序列中依序获取预设数量的虹膜图像，组成初始虹膜集，以便后续对该虹膜集进行处理，减少一些冗余操作，加快图像处理的实时性，接下来，采用多尺度视网膜算法对初始虹膜集中的初始虹膜图像进行全局增强处理，使初始虹膜图像暗区的纹理特征的对比度增强。最后，对增强后的虹膜图像进行锐化处理，不仅削弱了光晕，而且虹膜图像边缘细节特征被加强，具有较好的增强效果，提高了虹膜图像的识别准确率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例中基于多重处理的虹膜图像增强方法的应用场景图；图2是本专利技术实施例中基于多重处理的虹膜图像增强方法的一流程图；图3是图2中步骤S10的一具体实施方式的一流程图；图4是图2中步骤S20的一具体实施方式的一流程图；图5是图2中步骤S50的一具体实施方式的一流程图；图6(a)是本专利技术实施例中一初始虹膜图像的示例图；图6(b)是本专利技术实施例中一第二增强虹膜图像的示例图；图7是本专利技术实施例中基于多重处理的虹膜图像增强装置的一示意图；图8是本专利技术实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请提供的基于多重处理的虹膜图像增强方法，可以应用在计算机设备或系统中，用于对虹膜图像进行增强处理，以解决虹膜图像识别准确率不高的问题。其中，计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。可选地，若该基于多重处理的虹膜图像增强方法应用在系统中，该系统可以包括服务端和客户端。图1示出该基于多重处理的虹膜图像增强方法应用在系统中的应用场景图。其中，服务端和客户端之间通过网络进行连接，客户端采集或者获取虹膜图像，服务端从客户端获取虹膜图像，客户端具体可以是摄像机、照相机、扫描仪或其他带有拍照功能的设备(手机或平板电脑等)，或者存储有虹膜图像的存储设备。客户端可以为一个，也可以为复数个。服务端具体可以用一个服务器实现或者用复数个服务器组成的服务器集群实现。在一实施例中，如图2所示，提供一种基于多重处理的虹膜图像增强方法，以该方法应用在计算机设备中为例进行说明，包括以下步骤：S10：获取虹膜图像集，虹膜图像集包括虹膜图像，虹膜图像包括用户标识。其中，虹膜图像集是指由虹膜图像组成的图像集合，而虹膜图像是指通过摄像设备拍摄用户眼睛内部的虹膜所得到的图像。可选地，虹膜图像集可以是实时采集的，也可以预先存储在计算机设备中。一个虹膜图像集可以包括一个用户的虹膜图像，也可以包括多个用户的虹膜图像。例如，一个虹膜图像集中包括N个用户的虹膜图像，若每个用户都有M幅虹膜图像，那么该虹膜图像集就有M*N幅虹膜图像。优选地，虹膜图像集中包括至少两幅虹膜图像。用户标识是指虹膜图像所属用户的标识，用于对虹膜图像按照所属用户进行分类，每一虹膜图像对应一用户标识，同一用户的虹膜图像对应相同的用户标识。在一个具体实施方式中，可通过拍摄用户的眼睛获取预定数量的虹膜图像组成虹膜图像集，或者从计算机设备中获取预定数量的预先存储的虹膜图像组成虹膜图像集，或者通过拍摄用户的眼睛获取部分虹膜图像，再从计算机设备中获取另一部分预先存储的虹膜图像，两者共同组成虹膜图像集。优选地，可选择在相同时间段内，采集若干用户的多幅虹膜图像作为虹膜图像集。例如，可以在阴雨天的中午采集，也可以在晴天的下午采集，这样能够避免获取的虹膜图像集中不同的虹膜图像因光线变化导致对比度相差较大的问题。S20：计算虹膜图像集中的虹膜图像的对比度，并按照对比度由大到小的顺序对虹膜图像集中每个用户标识本文档来自技高网...

【技术保护点】
1.一种基于多重处理的虹膜图像增强方法，其特征在于，包括：获取虹膜图像集，所述虹膜图像集包括虹膜图像，所述虹膜图像包括用户标识；计算所述虹膜图像集中的虹膜图像的对比度，并按照对比度由大到小的顺序对虹膜图像集中每个用户标识对应的虹膜图像进行排序，得到每个用户标识对应的初始虹膜序列；从每个用户标识对应的初始虹膜序列中依据对比度由大到小的顺序获取预设数量的虹膜图像，组成初始虹膜集；采用多尺度视网膜算法对所述初始虹膜集中的初始虹膜图像进行全局增强处理，得到第一增强虹膜图像集；对所述第一增强虹膜图像集中的第一增强虹膜图像采用拉普拉斯算子进行锐化处理，得到第二增强虹膜图像集。

【技术特征摘要】
1.一种基于多重处理的虹膜图像增强方法，其特征在于，包括：获取虹膜图像集，所述虹膜图像集包括虹膜图像，所述虹膜图像包括用户标识；计算所述虹膜图像集中的虹膜图像的对比度，并按照对比度由大到小的顺序对虹膜图像集中每个用户标识对应的虹膜图像进行排序，得到每个用户标识对应的初始虹膜序列；从每个用户标识对应的初始虹膜序列中依据对比度由大到小的顺序获取预设数量的虹膜图像，组成初始虹膜集；采用多尺度视网膜算法对所述初始虹膜集中的初始虹膜图像进行全局增强处理，得到第一增强虹膜图像集；对所述第一增强虹膜图像集中的第一增强虹膜图像采用拉普拉斯算子进行锐化处理，得到第二增强虹膜图像集。2.如权利要求1所述的基于多重处理的虹膜图像增强方法，其特征在于，所述获取虹膜图像集，包括：实时获取人眼和摄像头的实测距离，若所述实测距离不在距离阈值范围内，则发送提示消息；若所述实测距离在距离阈值范围内，则控制所述摄像头进行连续拍摄，获取所述虹膜图像集。3.如权利要求1所述的基于多重处理的虹膜图像增强方法，其特征在于，所述计算所述虹膜图像集中的虹膜图像的对比度，包括：获取所述虹膜图像集中虹膜图像的每个像素的灰度值，并依次将每个像素作为中心像素；根据预设邻域大小，计算每个中心像素的灰度值与对应邻域像素的灰度值之差；基于所述预设邻域大小和该虹膜图像对应矩阵的行数和列数，获取该虹膜图像中所述灰度值之差的个数；将该虹膜图像中每个中心像素的灰度值与对应邻域像素的灰度值之差进行平方求和之后除以该虹膜图像中所述灰度值之差的个数，得到该虹膜图像的对比度。4.如权利要求1所述的基于多重处理的虹膜图像增强方法，其特征在于，所述采用多尺度视网膜增强算法对所述初始虹膜集中的初始虹膜图像进行全局增强处理，包括：采用如下公式对初始虹膜集中的初始虹膜图像进行全局增强处理：其中，N为尺度的个数，n为正整数且小于等于N，(x,y)为所述初始虹膜图像中像素的坐标值，G(x,y)为多尺度视网膜算法输入的所述初始虹膜图像的灰度值，R(x,y)为多尺度视网膜算法输出的所述第一增强虹膜图像的灰度值，wn为第n个尺度的权重因子，其约束条件为Fn(x,y)为第n个中心环绕函数，其中，Fn(x,y)的表达式为：Fn(x,y)＝Knexp[-(x2+y2)/σn2]；式中，σn为第n个中心环绕函数的尺度参数，系数Kn须满足：∫∫Knexp[-(x2+y2)/σn2]dxdy＝1。5.如权利要求1所述的基于多重处理的虹膜图像增强方法，其特征在于，所述对所述第一增强虹膜图像集中的第一增强虹膜图像采用拉普拉斯算子进行锐化处理，包括：获取所述第一增强虹膜图像集中的第一增强虹膜图像的每个像素的灰度值，采...

【专利技术属性】
技术研发人员：李占川，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44