一种基于相对熵的虹膜图像清晰度评价方法技术

本发明专利技术提供了一种图像质量评价方法及系统，包括：首先根据原始虹膜图像确定待评价候选区图像，通过局部最大梯度计算，得到局部最大梯度能量图像，进而得到局部最大梯度能量图像的能量向量。进一步对待评价候选区图像进行低通滤波得到参考图像，统计得到参考图像的能量向量。通过交叉熵度量的方式得到上述两能量向量之间的差异，最后通过将清晰度量化为评价分数，直观地表现出原待评价虹膜图像质量。本发明专利技术提出的方法不需要事先采集参考图像，无需反复繁琐的参数调节，可操作性强，评价结果与人眼感知相近，在虹膜识别系统中具有十分广泛的应用前景。的应用前景。的应用前景。

【技术实现步骤摘要】
一种基于相对熵的虹膜图像清晰度评价方法


[0001]本专利技术实施例涉及图像处理
，尤其是涉及一种基于相对熵的虹膜图像清晰度评价方法。

技术介绍

[0002]虹膜识别作为生物特征识别的重要手段，凭借唯一、高防伪、高稳定性逐渐被应用于防恐、金融、社保等需要精确鉴定个人身份的场景中。质量评价是所有生物特征识别过程的首要环节，准确评价特征质量是提高识别率、降低据识率的重要保障。虹膜质量评价主要包括清晰度、虹膜巩膜对比度、虹膜瞳孔对比度、灰度等级利用率以及虹膜有效区域占比五项内容。除了清晰度外，其他指标均有明确的公式进行定量计算。
[0003]目前广泛采用的虹膜清晰度评价手段为ISO/IEC 29794-6：2015(E)中提到的方法。通过统计并量化得到虹膜图像中的高频分量比例，以此表示虹膜图像的清晰度，但在实际研究中发现，该方法对图像亮度和个体虹膜差异很敏感，实际使用时无法很好的确定阈值筛除不清晰图像。面对时下新的技术挑战，如远距离虹膜识别、行进中虹膜识别等，亟待解决的问题是，对待识别虹膜图像的图像质量进行快速合理的评价，并以此作为是否进行后续识别操作的关键判断依据，最终使得虹膜识别的结果具备较高的精确性、鲁棒性、实时性和安全性，故图像质量评价方法具有十分重要的实际应用价值。
[0004]鉴于上述原因，需要一种快速准确虹膜图像清晰度评价方法，且能实现对不同图像亮度、不同个体虹膜均有一致性的评价。

技术实现思路

[0005]本专利技术提出一种基于相对熵的虹膜图像清晰度评价方法。本方法无需手工选取统计特征且能有效应对未知失真类型的失真图像，并获得较为准确有效的图像质量评价结果。
[0006]为了实现上述目的，本申请提供了下述技术特征：
[0007]一种基于相对熵的虹膜图像清晰度评价方法，所述方法包括：
[0008]第一步，根据原始虹膜图像A中的虹膜中心点及虹膜半径，确定待评价候选区域内的图像B；
[0009]第二步，对所述图像B进行局部最大梯度计算，得到局部最大梯度能量图像C；
[0010]第三步，通过遍历统计所述图像C中的像素值分布，得到所述原始虹膜图像A的能量分布的向量P；
[0011]第四步，采用低通滤波方法对所述图像B进行转换，得到参考图像E；
[0012]第五步，重复第二步和第三步得到所述参考图像E的能量分布的向量Q；
[0013]第六步，采用交叉熵定量方法计算所述向量P与向量Q的相对熵差异L；
[0014]其中，计算所述相对熵差异L的差异指标为：
[0015][0016]通过对所述向量P与向量Q的相对熵差异L进行换算，得到所述原始虹膜图像A的清晰度评价分数S。
[0017]优选的，所述虹膜中心点确定方法为离散圆形动态轮廓线法粗定位。
[0018]优选的，所述原始虹膜图像和所述参考图像的虹膜区域选择的所述图像子块，是正方形的。
[0019]优选的，对于无法定位虹膜中心的图像，认为图像质量过差。
[0020]进一步的，确定虹膜中心坐标和虹膜半径后，所述待评价候选区域坐标范围是：
[0021]x∈(P
x
-∝
r，P
x
+
∝
r)，y∈(P
y
-∝
r，P
y
+
∝
r)
[0022]其中，坐标(P
x
，P
y
)为所述虹膜中心，r为所述虹膜半径，α为倍数，为保证虹膜图像的完整性和有效性，倍数α的取值范围为(1.2，1.3)。
[0023]进一步的，根据所述待评价候选区域坐标范围得到图像B，进而，对所述图像B进行梯度图计算。
[0024]优选的，采用索贝尔算子(Sobel operator)与所述图像B进行卷积运算近似获得图像在x和y方向的梯度值。
[0025]优选的，所述采用的索贝尔算子包含两组3＊3向量，分别与图像进行卷积可以得到X方向和Y方向的梯度近似值。
[0026]进一步的，计算并得到图像B的梯度图图像C，如公式2所示：
[0027][0028]其中，λ为X方向与Y方向梯度融合系数，G
x
为X方向卷积模板，G
y
为Y方向卷积模板，B为待评价候选区内图像B，图像C为所述图像B对应梯度图。
[0029]进一步的，计算并得到图像C的最大梯度能量图图像D，如公式3所示：
[0030][0031]其中，所述图像C表示待评价清晰度的图像的梯度图，R
x
为以x为中心边长为R的图像块，所述图像D表示最大梯度能量图。
[0032]进一步的，计算所述最大梯度能量图的直方图信息作为能量向量。
[0033]优选的，计算所述最大梯度能量图的直方图信息作为能量向量的方法为遍历法。
[0034]具体的，通过遍历所述图像D统计灰度值t在所述图像D中出现的次数，得到所述图像D的直方图信息作为能量向量P(t)。
[0035]进一步的，构造图像B的参考图像E。
[0036]优选的，利用低通滤波获得参考图像E，低通滤波包括但不限于的均值滤波、高斯滤波、中值滤波等方式。
[0037]优选的，所述均值滤波方法的滤波核规格包括但不限于[3＊3]、[5＊5]以及[7＊7]。
[0038]按照上述步骤，同理可以得到参考图像E的能量向量Q(t)，其中t＝0，1，...，255。
[0039]进一步的，通过定量的评价参考图像与原图之间高频信息的差异，可以得到所述
两能量向量之间的差异L。
[0040]具体的，利用交叉熵公式定量计算向量P与向量Q的距离，记作L，如公式4所示：
[0041][0042]其中，L为能量向量P与能量向量Q的距离。
[0043]最后，通过将清晰度量化为评价分数，直观地表现出原待评价虹膜图像质量。
[0044]具体的，对所述能量向量距离L进行归一化得到清晰度评价S，计算公式如公式5所示：
[0045][0046]其中，L表示能量向量P与能量向量Q的距离，K表示归一化中心值，表示归一化系数。
[0047]本专利技术实施例还提供一种图像质量评价设备，包括：
[0048]至少一个中央处理器、至少一个存储器、通信接口和总线；
[0049]其中，所述中央处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于该评价设备与显示器的通信设备之间的信息传输；所述存储器存储有可被所述中央处理器执行的程序指令，所述中央处理器调用所述程序指令能够执行上述图像质量评价方法。
[0050]本专利技术实施例还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述图像评价方法。
[0051]由以上本专利技术提供的技术方案可见，与现有技术相比较，本专利技术提供了一种图像质量评价方法及系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，包括以下步骤：第一步，根据原始虹膜图像A中的虹膜中心点及虹膜半径，确定待评价候选区域内的图像B；第二步，对所述图像B进行局部最大梯度计算，得到局部最大梯度能量图C；第三步，通过遍历统计所述图像C中的像素值分布，得到所述原始虹膜图像A的能量分布的向量P；第四步，采用低通滤波方法对所述图像B进行转换，得到参考图像E；第五步，重复步骤2和步骤3得到所述参考图像E的能量分布的向量Q；第六步，采用交叉熵定量方法计算所述向量P与向量Q的相对熵差异L；其中，计算所述相对熵差异L的差异指标：通过对所述向量P与向量Q的相对熵差异L进行换算，得到所述原始虹膜图像A的清晰度评价分数S。2.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，所述虹膜中心点确定方法为：首先对所述原始虹膜图像A进行虹膜粗定位，通过离散圆形动态轮廓线法，确定虹膜中心坐标(P
x
，P
y
)和虹膜半径r，以所述虹膜中心坐标(P
x
，P
y
)为中心，α倍所述虹膜半径r为边长的矩形区域，作为所述待评价候选区域内的图像B，所述待评价候选区域内的图像B的坐标范围是：x∈(P
x
-∝
r，P
x
+
∝
r)，y∈(P
y
-∝
r，P
y
+
∝
r)。3.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，所述对图像B进行梯度图计算，进一步包含：采用索贝尔算子(Sobel operator)与所述图像B进行卷积运算近似获得图像在x和y方向的梯度值。采用的索贝尔算子包含两组3＊3向量，分别与图像进行卷积可以得到X方向和Y方向的梯度近似值。根...

【专利技术属性】
技术研发人员：李海青，张新会，侯广琦，
申请(专利权)人：天津中科虹星科技有限公司，
类型：发明
国别省市：