一种基于相对总变差和概率协同表示的虹膜识别方法技术

本发明专利技术公开了一种基于相对总变差和概率协同表示的虹膜识别方法。在实际场景中，由于睫毛和眼睑、眼镜和其他伪影引起的镜面反射、斜视和模糊等问题，获取非理想虹膜图像的概率相对较高，且现有方法的性能明显下降。为克服这些问题，提出了基于相对总变差(RTV)和基于概率协同表示(PROCRC)的虹膜识别分类的统一框架。RTV从给定的图像中提取有意义的眼睛结构并进行虹膜分割，其次，利用GABOR滤波器提取虹膜特征。而PROCRC则最大化了测试样本属于多个类中每个类的概率，最后的识别率通过计算类的概率来判别。在真实虹膜公共数据集上的实验结果表明，该方法对镜面反射、离轴、模糊和光照等各种畸变具有一定的鲁棒性。

【技术实现步骤摘要】
一种基于相对总变差和概率协同表示的虹膜识别方法
本技术专利技术提出了一种具有鲁棒性和准确性的快速虹膜识别方法。
技术介绍
生物识别技术被广泛应用于各种应用领域。最常见的生物识别系统包括面部、指纹、语音模式、手静脉几何结构、签名和虹膜模式。生物识别应用程序已被用于访问图书馆中的个人计算机，用于身份检测、机场安全等。在所有生物识别系统中，虹膜识别系统被认为是最可靠和最准确的，因为它在统计上具有独特的特征，在每个人的一生中都保持不变。虹膜识别系统是目前公认的最重要、最可靠的身份认证系统之一，是基于人类虹膜进行身份认证的系统。现有的方法在理想的虹膜图像上获得了极高的识别率。然而，在实际场景中，由于睫毛、睑、眼镜、头发和其他伪影引起的镜面反射、斜视、噪音、模糊和遮挡，获取非理想虹膜图像的概率非常高。对于这些非理想的虹膜图像，现有方法的性能明显下降。为了克服这些问题，本专利技术提出了一个基于相对总变差(RTV)和基于概率协同表示的虹膜识别分类(PROCRC)的统一框架。RTV从给定的图像中提取有意义的眼睛结构，而PROCRC则最大化了测试样本属于多本文档来自技高网...

【技术保护点】
1.一种基于相对总变差和概率协同表示的虹膜识别方法，其特征在于包括以下步骤：/n(1)虹膜预处理及分割技术：去除眼睛图像的反射，对眼睛图像进行二值化处理，补充所获得的掩模并将其应用于眼睛图像以形成反射点，在抑制的眼睛图像上检测虹膜和瞳孔边界并对其分割得到相应的瞳孔和虹膜圆；/n(2)虹膜特征提取：将步骤(1)分割后的虹膜图像归一化处理，运用Gabor滤波器从标准化虹膜图像中提取特征，对生成的特征图像进行采样因子为4的下采样减少信息冗余，其特征向量的大小为327680/(4×4)＝20480，并将获得的特征向量归一化为零均值和单位方差化后采用主成分分析(PCA)方法为其降维；/n(3)基于概率协...

【技术特征摘要】
1.一种基于相对总变差和概率协同表示的虹膜识别方法，其特征在于包括以下步骤：
(1)虹膜预处理及分割技术：去除眼睛图像的反射，对眼睛图像进行二值化处理，补充所获得的掩模并将其应用于眼睛图像以形成反射点，在抑制的眼睛图像上检测虹膜和瞳孔边界并对其分割得到相应的瞳孔和虹膜圆；
(2)虹膜特征提取：将步骤(1)分割后的虹膜图像归一化处理，运用Gabor滤波器从标准化虹膜图像中提取特征，对生成的特征图像进行采样因子为4的下采样减少信息冗余，其特征向量的大小为327680/(4×4)＝20480，并将获得的特征向量归一化为零均值和单位方差化后采用主成分分析(PCA)方法为其降维；
(3)基于概率协同表示的分类方法：通过PROCRC方法来获取两个...

【专利技术属性】
技术研发人员：何小海，普拉迪普·卡恩，张津，张雁腾，滕奇志，卿粼波，吴小强，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51