基于图卷积的虹膜图像分类方法技术

本发明专利技术提供了基于图卷积的虹膜图像分类方法，包括：在建立虹膜图像样本库，对虹膜图像样本进行预处理处理，得到统一规格的虹膜样本图像样本库，并对样本库进行分类，得到含有高级语义的多个正、负样本，利用卷积神经网络提取多个正、负样本的深度特征向量，根据深度特征向量计算样本间的余弦距离，利用最邻近节点法对每个图像选取K个邻居节点，并建立邻居节点的邻接矩阵，训练图卷积网络，得到虹膜分类器。本发明专利技术利用深度学习特征来代替传统的手工特征，具有易学习、高精度、高泛化性等优点，用图卷积代替多层感知机、svm等分类器，有效利用了图像间的关系，具有高精度高效率等特点，可有效地解决虹膜图像的分类问题，提高识别的效率和安全性。

【技术实现步骤摘要】
基于图卷积的虹膜图像分类方法技术邻域本专利技术属于计算机视觉与数字图像处理和机器学习
，具体涉及一种基于图卷积的虹膜图像分类方法。
技术介绍
随着互联网技术的发展和广泛应用，使得广大人民的生活越来越便利，这其中身份认证是一个重要的基础技术。不同于其他的身份认证技术，虹膜识别技术具有相对更高的稳定性、唯一性，被认为是最可靠、安全的方法之一，同时易于识别过程中的交互实现，尤其是虹膜识别过程不受口罩佩戴的影响，可实现一定距离范围内的零接触采集与认证，因此虹膜识别在身份认定领域具备极高的性能优势。虹膜识别技术已广泛地应用于电子商务、金融证券、信息安全、交通、公共安全和司法取证等各类社会活动。随着虹膜识别在身份认证中广泛应用，虹膜识别系统也存在着诸多挑战。一方面，随着使用范围的迅速扩大，使用人数增多，虹膜数据库规模迅速增长。海量的数据库给数据存储带了考验，同时也大大增加了数据库搜索的范围，计算量加剧，响应变慢。另外一方面，随着虹膜识别在各种重要的安全邻域的应用，各种形式的攻击也是层出不穷。主要包括：在成像设备端采用假体攻击，篡改已采集的虹膜图像，篡改数据库特征等。其中，假体攻击对虹膜系统存在很大的威胁，虹膜假体攻击的方法很多，比如打印虹膜图片，3d打印带虹膜纹理的人眼，带纹理美通，屏幕攻击等等。虹膜假体可能很容易骗过常规的虹膜识别系统，例如在保险柜虹膜识别系统中，系统工作在识别模式，攻击者使用注册人员的虹膜打印图片或着屏幕显示虹膜照片来进行虹膜认证，完成保险柜开锁，导致保险柜的安全实效。因此，一个完整的虹膜识别系统，必须包含反虹膜假体攻击的方法。面对上述挑战，研究虹膜图像分类方法变得十分急迫和重要。虹膜图像分类是指按照应用需求的不同将虹膜图像归类，主要包括：假体检测，性别分类，人种分类。有效的虹膜分类方法，可以在提供准确识别图像的同时，大幅提高虹膜识别系统的响应速度和系统整体安全性。现有的虹膜图像分类方法，基本上根据先验知识来手工设计一些特征。例如对选择感兴趣区域ROI进行特征提取，对提取的纹理特征进行训练并建模，实现了对虹膜图像的粗分类。或者利用对归一化的虹膜图像进行处理得到特征向量，然后将特征向量进行基于核方法的聚类，得到聚类结果，然后在用支持向量机进行分类。以上方法基本是针对单张虹膜图像进行特征向量获取，当单张虹膜图像质量过低，以上方法就会存在很大的局限性。面对不断提升虹膜识别系统用户使用体验的需求，降低使用过程中对用户的种种约束，自然的导致虹膜图像质量波动幅度变大，使得虹膜特征提取难度增加，提取稳定和高区分性的特征变得复杂。难度具体体现在以下情形：存在虹膜区域遮挡，如头发丝、眼皮、眼镜光斑遮挡有效虹膜区域；如光线变化剧烈，虹膜图像有效区域过曝严重，如待识别目标快速移动，导致的成像运动模糊。当图像质量差，有效虹膜区域存在缺失的情况下，仅从单张虹膜图像判别是存在很大不可靠性的。
技术实现思路
鉴于上述技术问题，本专利技术提供了一种基于图卷积的虹膜图像分类方法，包括了假体检测、性别分类和人种分类。本专利技术方法采用图卷积有效利用了虹膜图像之间的关系，通过对待测图像附近相似的多张邻居图像之间关系的机器学习，可以进一步加强对待测虹膜图像的判别能力，以此改进虹膜图像分类方法，提高虹膜图像分类的效率和精度，从而提高虹膜识别系统的效率和安全性。为了实现本专利技术的目的，本专利技术采用的技术方案是：基于图卷积的虹膜图像分类方法，包括以下步骤：S1，建立虹膜图像样本库，对虹膜图像样本进行预处理，得到统一规格的虹膜图像样本库；S2，对所述虹膜图像样本库进行分类，得到含有高级语义的多个正、负样本，利用卷积神经网络(ConvolutionalNeuralNetwork，CNN)提取所述多个正、负样本的深度特征向量；S3，构建虹膜分类器，根据所述深度特征向量计算所述样本间的余弦距离，利用最邻近节点法对每个图像选取K个邻居节点，并建立所述邻居节点的邻接矩阵，利用所述深度特征向量和邻接矩阵训练图卷积网络(GraphConvolutionalNetwork，GCN)，得到虹膜分类器；S4，测试阶段，输入测试图像，输出测试分类结果。有益效果从上述技术方案看出，本专利技术基于图卷积的虹膜图像分类方法至少具有以下有益效果其中之一：1.全过程参数是通过学习得到，完全替代手工设计，提高了该方法对复杂环境下样本的适应能力；2.本方法可在完成虹膜分类的同时，基于虹膜图像的特殊性质，对输入虹膜图像进行活体检测，在提供准确识别图像的同时，大幅提高虹膜识别系统的响应速度和系统整体安全性；3.使用图卷积作为分类器，可以有效得利用图像之间的关系来寻找新的线索，解决单张图像因关键信息缺失(如遮挡，过曝)导致判别分类依据不足的问题；4.通过图卷积分类器可以有效提高分类的准确程度，可提升识别图像的裕度，使低质量输入图像依然可以通过本方法进行分类。本方法可提升虹膜识别系统用户使用体验的需求，降低使用过程中对用户的种种约束，应对由于虹膜图像质量波动幅度变大而导致的拒识和误识，有效降低虹膜特征提取难度，实现高区分性的特征的稳定提取。附图说明图1为本专利技术实施例基于图卷积的虹膜图像分类流程框图。图2表示CNN模型回归得到的虹膜圆和瞳孔圆示例图3表示预处理后的虹膜图像示例图4a真是虹膜图像示例图4b假体虹膜图像示例图5a亚洲人虹膜图像示例图5b非亚洲人虹膜图像示例图6a女性虹膜图像示例图6b男性虹膜图像示例图7图卷积分类器网络结构示意图图8虹膜样本之间特征信息融合示意图具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属
中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。本专利技术实施提供了一种虹膜图像分类方法。具体来说，本专利技术提出了一种基于图卷积的虹膜图像分类方法，其基于CNN特征提取器和图卷积实现。图1为据本专利技术实施例基于图卷积的虹膜图像分类流程框图，如图所示，本专利技术虹膜图像分类方法包括以下步骤：S1，建立虹膜图像样本库，对虹膜图像样本进行预处理，得到统一规格的虹膜图像样本库；S2，对所述虹膜图像样本库进行分类，得到含有高级语义的多个正、负样本，利用卷积神经网络(ConvolutionalNeuralNetwork，CNN)提取所述多个正、负样本的深度特征向量；S3，构建虹膜分类器，根据所述深度特征向量计算所述样本间的余弦距离，利用最邻近节点法对每个图像选取K个邻居节点，并建立所述邻居节点的邻接矩阵，利用所述深度特征向量和邻接矩阵训练图卷积网络(GraphCon本文档来自技高网...

【技术保护点】
1.基于图卷积的虹膜图像分类方法，其特征在于，包括以下步骤：/nS1，建立虹膜图像样本库，对虹膜图像样本进行预处理，得到统一规格的虹膜图像样本库；/nS2，对所述虹膜图像样本库进行分类，得到含有高级语义的多个正、负样本，利用卷积神经网络(Convolutional Neural Network，CNN)提取所述多个正、负样本的深度特征向量；/nS3，构建虹膜分类器，根据所述深度特征向量计算所述样本间的余弦距离，利用最邻近节点法对每个图像选取K个邻居节点，并建立所述邻居节点的邻接矩阵，利用所述深度特征向量和邻接矩阵训练图卷积网络(Graph Convolutional Network，GCN)，得到虹膜分类器；/nS4，测试阶段，输入测试图像，输出测试分类结果。/n

【技术特征摘要】
1.基于图卷积的虹膜图像分类方法，其特征在于，包括以下步骤：
S1，建立虹膜图像样本库，对虹膜图像样本进行预处理，得到统一规格的虹膜图像样本库；
S2，对所述虹膜图像样本库进行分类，得到含有高级语义的多个正、负样本，利用卷积神经网络(ConvolutionalNeuralNetwork，CNN)提取所述多个正、负样本的深度特征向量；
S3，构建虹膜分类器，根据所述深度特征向量计算所述样本间的余弦距离，利用最邻近节点法对每个图像选取K个邻居节点，并建立所述邻居节点的邻接矩阵，利用所述深度特征向量和邻接矩阵训练图卷积网络(GraphConvolutionalNetwork，GCN)，得到虹膜分类器；
S4，测试阶段，输入测试图像，输出测试分类结果。


2.根据权利要求1所述的基于图卷积的虹膜图像分类方法，其特征在于，对虹膜图像样本进行预处理，得到统一规格的虹膜图像样本库，包括：建立分类样本虹膜图像库，使其包含多个分类的正样本和多个分类的负样本；对所述虹膜图像样本库中的正、负样本虹膜图像进行预处理，得到归一化的虹膜图像。


3.根据权利要求1所述的虹膜图像分类方法，其中，利用卷积神经网络提取所述多个正、负样本的深度特征向量，是采用efficientNet作为深度特征向量提取器。


4.根据权利要求1所述的基于图卷积的虹膜图像分类方法，其中，所述分类样本虹膜图像库包含活体检测、种族分类及性别分类中的多个正样本和多个负样本。


5.根据权利要求1或2所述的基于图卷积的虹膜图像分类方法，其中，所述预处理过程包括：从虹膜图像中把虹膜分离出来，得到虹膜区域，通过拟合瞳孔和虹膜边界的圆...

【专利技术属性】
技术研发人员：李海青，余钱红，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：天津;12