虹膜图像的清晰度评价方法及装置制造方法及图纸

本发明专利技术涉及一种虹膜图像的清晰度评价方法。该方法包括步骤如下：提取图像中的虹膜区域；检测所述虹膜区域的边缘，生成虹膜图像；确定所述虹膜图像中每个像素的梯度方向；基于所述梯度方向信息获取梯度图像；根据所述梯度图像判断所述虹膜图像是否清晰。本发明专利技术针对虹膜图像特点进行清晰度评价，能够准确提取出虹膜区域，不需要参考图像，与人眼主观感受一致，具有一定的鲁棒性，并有效提升了虹膜图像清晰度评价的准确性。

【技术实现步骤摘要】
虹膜图像的清晰度评价方法及装置
本公开涉及图像处理领域，尤其涉及虹膜图像的清晰度评价方法及装置、电子设备和计算机可读存储介质。
技术介绍
在众多的生物识别技术中，虹膜识别比其他的生物识别相比拥有很多的优点：唯一性、稳定性、非侵犯性等。在虹膜识别系统中，虹膜图像质量评价是其中的重要一环。由于采集到的虹膜图像存在离焦模糊、运动模糊，斜眼，光斑图像质量问题，这些图像质量较低的图像会降低虹膜图像识别的精度。因此，在进行虹膜识别前需要对虹膜图像进行质量评价，而清晰度是图像质量评价中的重要指标。目前存在多种虹膜图像清晰度评价方法，由于虹膜图像中存在眼镜、光斑、睫毛等噪声影响，许多评价方法在实际使用过程中受噪声影响较为严重，在评价过程中对清晰程度的区分度不够高，还存在一定问题。本专利技术针对现有技术的不足，提供了一种虹膜图像的清晰度评价方法，与人眼主观感受一致，具有一定的鲁棒性，并有效提升了虹膜图像清晰度评价的准确性。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种虹膜图像的清晰度评价方法及装置、电子设备和计算机可读存储介质。根据本公开实施例的第一方面，提供一种虹膜图像的清晰度评价方法，方法包括：提取图像中的虹膜区域；检测虹膜区域的边缘，生成虹膜图像；确定虹膜图像中每个像素的梯度方向；基于梯度方向信息获取梯度图像；根据梯度图像判断虹膜图像是否清晰。在一实施例中，提取图像中的虹膜区域，包括：获取人眼图像；去除人眼图像的眼皮区域及光斑；在人眼图像中拟合虹膜内圆和外圆；根据内圆和外圆，分割人眼图像获得虹膜区域。在一实施例中，在人眼图像中拟合虹膜内圆和外圆，包括：定位瞳孔中心；确定内圆半径，定位内圆区域；搜索以内圆区域为中心的向外发散方向上的候选边界点；根据候选边界点定位外圆区域。在一实施例中，检测虹膜区域的边缘，生成虹膜图像包括：确定虹膜区域的边缘区域；根据边缘区域的梯度，将虹膜区域分为掩膜区和非掩膜区，其中非掩膜区为虹膜图像。在一实施例中，根据边缘区域的梯度，将虹膜区域分为掩膜区和非掩膜区，包括：获取边缘区域的梯度，计算第一梯度方向；保留第一梯度方向上梯度强度的极大值所在的像素作为边缘，删除第一梯度方向上的其他像素；对边缘像素进行形态学膨胀操作，得到掩膜区；在虹膜区域中去掉掩膜区，得到非掩膜区。在一实施例中，确定虹膜图像中每个像素的梯度方向，包括：获取虹膜图像中每个像素的梯度；根据像素的梯度，确定像素的第二梯度方向。在一实施例中，根据像素的梯度，确定像素的第二梯度方向，包括：第二梯度方向的具体计算方式如下：其中，dy和dx分别是梯度图中像素在y方向和x方向上的梯度。在一实施例中，基于梯度方向信息获取梯度图像，包括：在梯度函数中加入方向信息；基于加入方向信息的梯度函数，获取虹膜图像的梯度图像；加入方向信息的梯度函数的具体计算公式如下：x’＝x·cosθ-y·sinθy’＝x·sinθ+y·cosθ其中x,y表示像素的横、纵坐标，σx，σy表示高斯函数方差，θ为像素的梯度方向，x’，y’表示旋转方向后的坐标。在一实施例中，根据梯度图像判断虹膜图像是否清晰，包括：根据梯度图像计算像素梯度的均方差值，归一化后得到清晰度得分；根据清晰度得分判断虹膜图像是否清晰；清晰度得分的计算公式为：其中c为常数，用于归一化，m为虹膜图像中梯度的均方差。在一实施例中，根据清晰度得分判断虹膜图像是否清晰，包括：设定清晰度阈值；比较清晰度得分与清晰度阈值，若清晰度得分大于清晰度阈值，则图像为清晰图像，否则为模糊图像。根据本公开实施例的第二方面，提供一种虹膜图像的清晰度评价装置，装置包括：提取单元，用于提取图像中的虹膜区域；检测单元，用于检测虹膜区域的边缘，生成虹膜图像；梯度方向确定单元，用于确定虹膜图像中每个像素的梯度方向；梯度图像获取单元，基于梯度方向信息获取梯度图像；评价单元，用于根据梯度图像判断虹膜图像是否清晰。在一实施例中，提取单元还用于：获取人眼图像；去除人眼图像的眼皮区域及光斑；在人眼图像中拟合虹膜内圆和外圆；根据内圆和外圆，分割人眼图像获得虹膜区域。在一实施例中，在人眼图像中拟合虹膜内圆和外圆，包括：定位瞳孔中心；确定内圆半径，定位内圆区域；搜索以内圆区域为中心的向外发散方向上的候选边界点；根据候选边界点定位外圆区域。在一实施例中，检测单元还用于：确定虹膜区域的边缘区域；根据边缘区域的梯度，将虹膜区域分为掩膜区和非掩膜区，其中非掩膜区为虹膜图像。在一实施例中，根据边缘区域的梯度，将虹膜区域分为掩膜区和非掩膜区，包括：获取边缘区域的梯度，计算第一梯度方向；保留第一梯度方向上梯度强度的极大值所在的像素作为边缘，删除第一梯度方向上的其他像素；对边缘像素进行形态学膨胀操作，得到掩膜区；在虹膜区域中去掉掩膜区，得到非掩膜区。在一实施例中，梯度方向确定单元还用于：获取虹膜图像中每个像素的梯度；根据像素的梯度，确定像素的第二梯度方向。在一实施例中，根据像素的梯度，确定像素的第二梯度方向，包括：第二梯度方向的具体计算方式如下：其中，dy和dx分别是像素在y方向和x方向上的梯度。在一实施例中，梯度图像获取单元还用于：在梯度函数中加入方向信息；基于加入方向信息的梯度函数，获取虹膜图像的梯度图像；加入方向信息的梯度函数的具体计算公式如下：x’＝x·cosθ-y·sinθy’＝x·sinθ+y·cosθ其中x,y表示像素的横、纵坐标，σx，σy表示高斯函数方差，θ为像素的梯度方向，x’，y’表示旋转方向后的坐标。在一实施例中，评价单元还用于：根据梯度图像计算像素梯度的均方差值，归一化后得到清晰度得分；根据清晰度得分判断虹膜图像是否清晰；清晰度得分的计算公式为：其中c为常数，用于归一化，m为虹膜图像中梯度的均方差。在一实施例中，根据清晰度得分判断虹膜图像是否清晰，包括：设定清晰度阈值；比较清晰度得分与清晰度阈值，若清晰度得分大于清晰度阈值，则图像为清晰图像，否则为模糊图像。根据本公开实施例的第三方面，提供一种电子设备，包括：存储器，用于存储指令；以及处理器，用于调用存储器存储的指令执行第一方面中的虹膜图像的清晰度评价方法。根据本公开实施例的第四方面，提供一种计算机可读存储介质，存储有指令，指令被处理器执行时，执行第一方面中的虹膜图像的清晰度评价方法。本公开的实施例提供的技术方案可以包括以下有益效果：首先，通过仅提取虹膜图像的方法，调整虹膜图像的边缘像素，可以有效过滤图像噪声，提升进一步计算的速度与精度。同时在梯度函数计算的过程中添加梯度方向信息，使得梯度函数在边缘方向上产生算法更大的响应，可以更好地利用梯度信息来判断清晰度。该方法不需要参考图像，与人眼主观感受一致，具有一定的鲁棒性，在清晰度判断时准确率高，运行速度快，能够快速有效地进行本文档来自技高网...

【技术保护点】
1.一种虹膜图像的清晰度评价方法，其特征在于，所述方法包括：/n提取图像中的虹膜区域；/n检测所述虹膜区域的边缘，生成虹膜图像；/n确定所述虹膜图像中每个像素的梯度方向；/n基于所述梯度方向信息获取梯度图像；/n根据所述梯度图像判断所述虹膜图像是否清晰。/n

【技术特征摘要】
1.一种虹膜图像的清晰度评价方法，其特征在于，所述方法包括：
提取图像中的虹膜区域；
检测所述虹膜区域的边缘，生成虹膜图像；
确定所述虹膜图像中每个像素的梯度方向；
基于所述梯度方向信息获取梯度图像；
根据所述梯度图像判断所述虹膜图像是否清晰。


2.根据权利要求1所述的虹膜图像的清晰度评价方法，其特征在于，所述提取图像中的虹膜区域，包括：
获取人眼图像；
去除所述人眼图像的眼皮区域及光斑；
在所述人眼图像中拟合虹膜内圆和外圆；
根据所述内圆和外圆，分割所述人眼图像获得虹膜区域。


3.根据权利要求2所述的虹膜图像的清晰度评价方法，其特征在于，所述在所述人眼图像中拟合虹膜内圆和外圆，包括：
定位瞳孔中心；
确定内圆半径，定位所述内圆区域；
搜索以所述内圆区域为中心的向外发散方向上的候选边界点；
根据所述候选边界点定位所述外圆区域。


4.根据权利要求1所述的虹膜图像的清晰度评价方法，其特征在于，所述检测所述虹膜区域的边缘，生成虹膜图像包括：
确定所述虹膜区域的边缘区域；
根据所述边缘区域的梯度，将所述虹膜区域分为掩膜区和非掩膜区，其中所述非掩膜区为虹膜图像。


5.根据权利要求4所述的虹膜图像的清晰度评价方法，其特征在于，根据所述边缘区域的梯度，将所述虹膜区域分为掩膜区和非掩膜区，包括：
获取所述边缘区域的梯度，计算第一梯度方向；
保留所述第一梯度方向上梯度强度的极大值所在的像素作为边缘，删除所述第一梯度方向上的其他像素；
对边缘像素进行形态学膨胀操作，得到所述掩膜区；
在所述虹膜区域中去掉所述掩膜区，得到所述非掩膜区。


6.根据权利要求1所述的虹膜图像的清晰度评价方法，其特征在于，所述确定所述虹膜图像中每个像素的梯度方向，包括：
获取所述虹膜图像中每个像素的梯度；
根据所述像素的梯度，确定所述像素的第二梯度方向。


7.根据权利要求6所述的虹膜图像的清晰度评价方法，其特征在于，所述根据所述像素的梯度，确定所述像素的第二梯度方向，包括：
所述第二梯度方向的具体计算方式如下：



其中，dy和dx分别是所述梯度图中像素在y方向和x方向上的梯度。


8.根据权利要求7所述的虹膜图像的清晰度评价方法，其特征在于，所述基于所述梯度方向信息获取梯度图像，包括：
在梯度函数中加入方向信息；
基于所述加入方向信息的梯度函数，获取所述虹膜图像的梯度图像；
所述加入方向信息的梯度函数的具体计算公式如下：






x’＝x·cosθ-y·sinθ
y’＝x·sinθ+y·cosθ
其中x,y表示像素的横、纵坐标，σx，σy表示高斯函数方差，θ为所述像素的梯度方向，x’，y’表示旋转方向后的坐标。


9.根据权利要求1所述的虹膜图像的清晰度评价方法，其特征在于，所述根据所述梯度图像判断所述虹膜图像是否清晰，包括：
根据所述梯度图像计算像素梯度的均方差值，归一化后得到所述清晰度得分；
根据所述清晰度得分判断所述虹膜图像是否清晰；
所述清晰度得分的计算公式为：



其中c为常数，用于归一化，m为所述虹膜图像中梯度的均方差。


10.根据权利要求9所述的虹膜图像的清晰度评价方法，其特征在于，所述根据所述清晰度得分判断所述虹膜图像是否清晰，包括：
设定清晰度阈值；
比较所述清晰度得分与所述清晰度阈值，若所述清晰度得分大于所述清晰度阈值，则所述图像为清晰图像，否则为模糊图像。


11.一种虹膜图像的清晰度评价装置，其特征在于，所述装置包括：
提取单元，用于提取图像中的虹膜区域；
检测单元，用于检测所述虹膜区域的边缘，生成虹膜图像；
...

【专利技术属性】
技术研发人员：张小亮，王秀贞，戚纪纲，杨占金，其他发明人请求不公开姓名，
申请(专利权)人：北京万里红科技股份有限公司，
类型：发明
国别省市：北京;11