尺度变化稳定特征与多算法表决的一对一虹膜识别方法技术

本发明专利技术公开了一种尺度变化稳定特征与多算法表决的一对一虹膜识别方法，将有关虹膜以及识别人的个人信息存储进一个红外射频扫描身份卡中，作为对比实验中的对比方，之后正式采集的时候，采集测试人的虹膜，作为对比实验中的测试方。本发明专利技术在保证提取虹膜有效特征的前提下，减少冗余和噪音的干扰，并通过多种算法投票表决，降低出现因为采集环境影响导致的识别错误的情况的风险，增加虹膜正确识别率与鲁棒性，增加安全性，可靠性，操作简单，容易掌握。

One to one iris recognition method based on scale change stability feature and multi algorithm voting

The invention discloses one to one iris recognition method of the scale change stability feature and the multi algorithm vote, and stores the iris and the individual's personal information into an infrared radio frequency scanning identity card. As the comparison experiment, the iris of the test person is collected as the contrast, and the contrast is taken as contrast. The test party in the experiment. The invention can reduce the interference of redundancy and noise, and vote by many algorithms to reduce the risk of identifying errors caused by environmental impact, increase the correct recognition rate and robustness of the iris, increase the integrity, reliability, easy operation and easy to operate. Mastery.

【技术实现步骤摘要】
尺度变化稳定特征与多算法表决的一对一虹膜识别方法
本专利技术涉及电学、数字图像处理、数字信号传输和生物特征识别领域。提出尺度变化稳定特征的概念。并提取采集到的虹膜的尺度变化稳定特征的信息，利用多算法表决的方式，用一对一的形式判定两虹膜是否是同类别的方法。
技术介绍
目前生物识别技术应用相当的广泛，人脸识别，虹膜识别，指纹识别等都已经开始大量出现在我们的日常生活中。针对一些需要高机密，高安全性的场所，如监狱，银行，军事基地等，虹膜是最有效和可信赖的生物特征。虹膜识别的关键是特征的提取与表达。虹膜特征提取目前主要分成三类方法：第一类为基于滤波器的方法，最具代表性的是Daugman提出的多尺度二维Gabor滤波器。第二类是基于图像变换的方法：Dwivedi等人利用旋转不变特征向量生成的小数矢量加入滤波中提取虹膜特征。这两类都是基于频率域提取虹膜特征，第三类是基于空间域提取虹膜特征：Li提出的统计特征中心对称局部二值模式方法提取虹膜特征。三类算法在实验中都取得了很好的效果，但是也都存在一些问题，首先，第一类与第二类算法针对像素纹理信息，对图像质量要求高，因此抗噪音干扰能力差。而第三类算法特征提取较为复杂，并且受光照影响较大。其次，虹膜纹理特征分布并不稳定，因此虹膜特征提取效果可能会出现偏差。因此面对同样的两张虹膜图像，进行同类判断，三类算法判断的结果可能不同，并且都有判断错误的可能性。因此，就需要一种应用于监狱，银行，军事基地等高机密场所，可以有效避免纹理分布不均匀问题，对不同拍摄环境下拍摄出来的虹膜图像都可以进行有效识别，具有良好鲁棒性以及设备无关性，并对虹膜质量不会太高，仅满足基本质量要求即可的快速虹膜身份判断方法。这种判断方法可以应用于身份识别，门禁等多个地方。
技术实现思路
本专利技术公开了一种尺度变化稳定特征与多算法表决的一对一虹膜识别方法(简称：眼证通)，将有关虹膜以及识别人的个人信息存储进一个红外射频扫描身份卡中，作为对比实验中的对比方，之后正式采集的时候，采集测试人的虹膜，作为对比实验中的测试方。本专利技术所述的一种尺度变化稳定特征与多算法表决的一对一虹膜识别方法，包括以下步骤：1、一种尺度变化稳定特征与多算法表决的一对一虹膜识别方法，包括以下步骤：1)通过虹膜采集仪采集待测人的眼睛图像，根据清晰度和有效虹膜区域对图像进行质量判断；清晰度：计算机通过Tenengrad梯度法判断判断图像的清晰程度；有效虹膜区域：计算机通过canny边缘检测以及hough检测圆法，找到瞳孔以及虹膜边界的所在位置，计算两个边界内环的面积，并根据灰度直方图找到虹膜区域的灰度分布，进而根据灰度分布计算虹膜区域的面积在环中所占的比例：提取比例大于六分之一的虹膜信息；比例小于六分之一重新采集；对合格眼睛图像的虹膜区域进行归一增强化，将虹膜区域图像映射到256×32矩形区域中，并通过增强算法突出虹膜纹理形成归一增强图像；根据虹膜归一增强图像中的尺度变化稳定特征(简称：SCSF)，调整图像的维度构建5层的差分高斯金字塔，具体方法如下；第一层维度为512×64，第二层维度为256×32，后三层维度分别为128×16，64×8，32×4；每一层用五个不同的高斯滤波G(x)进行处理：计算公式如下：σ为平滑因子；σ初始值设为5；每张图像的平滑因子乘以k，组成新的平滑因子k×σ；x为图像点的灰度值；将每层的5张图像依次相减，构成差分图像层，每层有4张差分图像；将每层的差分图像利用插值法将维数统一调整为256×32；读取将5层中经过同样高斯滤波处理的4张图像中滤波处理值，比较4组滤波处理值；4组值均不为0的点为稳定特征点；所有的稳定特征点构成尺度变化稳定特征SCSF，SCSF共计T个特征点；通过拓展统计的局部二值模式、基于过零点检测Haar小波、基于免疫粒子群算法的Gabor滤波器将SCSF表示为二进制特征码，形成3段特征码；拓展统计的局部二值模式：以每个特征点为中心，建立N组圆形邻域，每个圆形邻域内含有多个像素点；比较每个圆形邻域内像素点与特征点的大小，像素点大于特征点则用1表示像素点，像素点小于特征点则用0表示像素点；统计N组圆形领域内像素点中1的个数，并按照由内到外，像素点由少到多的顺序设置N位特征码，若圆形区域内像素点中1的个数大于等于像素点总个数的一半，则用1表示该位的特征码，若圆形区域内像素点中1的个数小于像素点总个数的一半，则用0表示该位的特征码；最终将纹理特征转化为N×T位二进制特征码；过零点检测Haar小波：计算机将虹膜归一增强图像用Haar小波进行处理，将第三层子块维度调整为256×32，提取SCSF特征点的水平，垂直和对角三个方向的高频系数，并根据高频系数的值设定特征码；如果高频系数大于等于0，则特征码用1表示，如果高频系数小于0，则特征码用0表示，最终形成3×T位特征码；基于免疫粒子群算法的Gabor滤波器将虹膜信息转为频率域内的振荡幅度，振荡幅度计算公式如下：xr＝xcosθ+ysinθyr＝-xsinθ+ycosθf0为中心震荡频率；γ＝f0/α，α为高斯函数的x方向的宽度；θ为Gabor核函数的旋转角度；xr为在旋转角度θ下x方向向量下的宽度，yr为在旋转角度θ下y方向向量下的宽度，η＝f0/β，β为高斯函数y方向的宽度；令y＝η＝δ/2π，将振荡幅度改写如下；σ为高斯函数标准差；为了得到在不同的方向和频率尺度的振荡幅度用下述公式计算：kn＝kmax/fvφm＝πm/8和kv分别为Gabor滤波的方向和频率，σ＝2π；kmax为最大频率，fv是相邻两个Gabor核之间的频率差，v＝1,2,3...m；构造m个不同的频率尺度；将方向从0°到180°区间分为n份；共计使用m×n组的Gabor滤波器组；将免疫算法与粒子群优化结合，形成免疫粒子群算法，对Gabor滤波中的kmax和fv进行优化：输入待测人虹膜作为测试虹膜，同类别及异类别训练虹膜各N张；设立W组粒子群，每组粒子群中包含一个Gabor滤波器，使用Gabor滤波器提取虹膜SCSF的特征，将虹膜特征转为二进制特征码；计算测试虹膜与训练虹膜之间的Hamming距离；将测试虹膜视为免疫系统中的抗原，训练虹膜视为免疫系统中的抗体，计算测试虹膜与训练虹膜的亲和度；计算公式如下：Qi＝1/(1+Hi)Qi表示测试虹膜与第i个训练虹膜的亲和度；Hi表示测试虹膜与第i个训练虹膜的Hamming距离；计算适应度，公式如下：Qi表示测试虹膜与同类别第i个训练虹膜的亲和度总和；Qt表示测试虹膜与不同类别第t个训练虹膜的亲和度总和；计算新的适应度QC，并将新的适应度QC与原来的适应度进行比较；如果新的QC大于原来的QC，将新的pBest设为新的QC对应的滤波参数；比较W组滤波器中QC，并将最大的QC对应的滤波参数设为新的gBest。新的pBest和gBest确定下来后，计算机对粒子进行进化。进化公式为：vi＝vi×ω+c1×rand1×(pBesti-xd)+c2×rand2×(gBest-xi)xi＝xi+viω为惯量权重，设为0.729；c1和c2是加速系数，设为1.49445；xi为第i组粒子的值；vi为第i组粒子的运动速度；pBesti为第i组粒子的历史最优；gBest为参本文档来自技高网...

【技术保护点】
一种尺度变化稳定特征与多算法表决的一对一虹膜识别方法，包括以下步骤：1)通过虹膜采集仪采集待测人的眼睛图像，根据清晰度和有效虹膜区域对图像进行质量判断；清晰度：计算机通过Tenengrad梯度法判断判断图像的清晰程度；有效虹膜区域：计算机通过canny边缘检测以及hough检测圆法，找到瞳孔以及虹膜边界的所在位置，计算两个边界内环的面积，并根据灰度直方图找到虹膜区域的灰度分布，进而根据灰度分布计算虹膜区域的面积在环中所占的比例：提取比例大于六分之一的虹膜信息；比例小于六分之一重新采集；对合格眼睛图像的虹膜区域进行归一增强化，将虹膜区域图像映射到256×32矩形区域中，并通过增强算法突出虹膜纹理形成归一增强图像；根据虹膜归一增强图像中的尺度变化稳定特征(简称：SCSF)，调整图像的维度构建5层的差分高斯金字塔，具体方法如下；第一层维度为512×64，第二层维度为256×32，后三层维度分别为128×16，64×8，32×4；每一层用五个不同的高斯滤波G(x)进行处理：计算公式如下：

【技术特征摘要】
1.一种尺度变化稳定特征与多算法表决的一对一虹膜识别方法，包括以下步骤：1)通过虹膜采集仪采集待测人的眼睛图像，根据清晰度和有效虹膜区域对图像进行质量判断；清晰度：计算机通过Tenengrad梯度法判断判断图像的清晰程度；有效虹膜区域：计算机通过canny边缘检测以及hough检测圆法，找到瞳孔以及虹膜边界的所在位置，计算两个边界内环的面积，并根据灰度直方图找到虹膜区域的灰度分布，进而根据灰度分布计算虹膜区域的面积在环中所占的比例：提取比例大于六分之一的虹膜信息；比例小于六分之一重新采集；对合格眼睛图像的虹膜区域进行归一增强化，将虹膜区域图像映射到256×32矩形区域中，并通过增强算法突出虹膜纹理形成归一增强图像；根据虹膜归一增强图像中的尺度变化稳定特征(简称：SCSF)，调整图像的维度构建5层的差分高斯金字塔，具体方法如下；第一层维度为512×64，第二层维度为256×32，后三层维度分别为128×16，64×8，32×4；每一层用五个不同的高斯滤波G(x)进行处理：计算公式如下：σ为平滑因子；σ初始值设为5；每张图像的平滑因子乘以k，组成新的平滑因子k×σ；x为图像点的灰度值；将每层的5张图像依次相减，构成差分图像层，每层有4张差分图像；将每层的差分图像利用插值法将维数统一调整为256×32；读取将5层中经过同样高斯滤波处理的4张图像中滤波处理值，比较4组滤波处理值；4组值均不为0的点为稳定特征点；所有的稳定特征点构成尺度变化稳定特征SCSF，SCSF共计T个特征点；通过拓展统计的局部二值模式、基于过零点检测Haar小波、基于免疫粒子群算法的Gabor滤波器将SCSF表示为二进制特征码，形成3段特征码；拓展统计的局部二值模式：以每个特征点为中心，建立N组圆形邻域，每个圆形邻域内含有多个像素点；比较每个圆形邻域内像素点与特征点的大小，像素点大于特征点则用1表示像素点，像素点小于特征点则用0表示像素点；统计N组圆形领域内像素点中1的个数，并按照由内到外，像素点由少到多的顺序设置N位特征码，若圆形区域内像素点中1的个数大于等于像素点总个数的一半，则用1表示该位的特征码，若圆形区域内像素点中1的个数小于像素点总个数的一半，则用0表示该位的特征码；最终将纹理特征转化为N×T位二进制特征码；过零点检测Haar小波：计算机将虹膜归一增强图像用Haar小波进行处理，将第三层子块维度调整为256×32，提取SCSF特征点的水平，垂直和对角三个方向的高频系数，并根据高频系数的值设定特征码；如果高频系数大于等于0，则特征码用1表示，如果高频系数小于0，则特征码用0表示，最终形成3×T位特征码；基于免疫粒子群算法的Gabor滤波器将虹膜信息转为频率域内的振荡幅度，振荡幅度计算公式如下：xr＝xcosθ+ysinθyr＝-xsinθ+ycosθf0为中心震荡频率；γ＝f0/α，α为高斯函数的x方向的宽度；θ为Gabor核函数的旋转角度；xr为在旋转角度θ下x方向向量下的宽度，yr为在旋转角度θ下y方向向量下的宽度，η＝f0/β，β为高斯函数y方向的宽度；令y＝η＝δ/2π，将振荡幅度改写如下；σ为高斯函数标准差；为了得到在不同的方向和频率尺度的振荡幅度用下述公式计算：kn＝kmax/fvφm＝πm/8和kv分别为Gabor滤波的方向和频率，σ＝2π；kmax为最大频率，fv是相邻两个Gabor核之间的频率差，v＝1,2,3...m；构造m个不同的频率尺度；将方向从0°到180°区间分为n份；共计使用m×n组的Gabor滤波器组；将免疫算法与粒子群优化结合，形成免疫粒子群算法，对Gabor滤波中的kmax和fv进行优...

【专利技术属性】
技术研发人员：刘元宁，刘帅，朱晓冬，董立岩，冯家凯，郑少阁，沈椿壮，苏丹扬，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22