一种基于小波变换过零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小波变换过零表示的虹膜身份识别算法，此算法能够在欠理想的情况下，即所采集的虹膜图像存在一定眼皮遮挡和一定形变的，仍然能够通过小波变换过零表示的方法准确的提取特征点，并进行虹膜编码，从而完成正确的身份识别。同时，本发明专利技术对原来图像进行了基于一定阀值的二值化处理，所以能够提高瞳孔粗定位的精度和简化瞳孔精定位，并能提高精度。提出基于虹膜外缘粗定位的双阀值处理，进行中值滤波后，能够有效提取虹膜的大概部分，并进行快速比较准确的粗定位。在之后的Ｈｏｕｇｈ变换精定位过程中要使用粗定位的结果，并且比较精确的定位虹膜外缘。使用４阶Ｂ－样条小波滤波器进行特征提前并进行虹膜编码，有效的提取信息部分，简化编码，提高匹配的效果。

【技术实现步骤摘要】

本专利技术属于生物识别验证
，特别涉及生物识别验证
中的虹膜识别验证

技术介绍
在高度信息化的现代社会，人们的身份鉴别已经渗透到日常生活的每一个方面。同时，由于交通、通讯和网络技术的飞速发展，人类的活动范围越来越大，身份鉴别的难度和重要性也越来越突出。对于我们这样一个人口众多的国家，身份鉴别有着特别广泛的应用前景和重要的战略意义，金融、安全、网络、电子商务等无一不需要可靠的身份鉴别。传统的利用密码等身份鉴别的方法具有易遗忘、易假冒等缺点，已不符合现代数字社会的需求。基于生物特征的身份鉴别技术利用人本身所拥有的生物特征来判别人的身份，这些生物特征具有“人各有异、终生不变、随身携带”三个特点，具有稳定、便捷、不易伪造等优点，近年来已成为身份鉴别的热点。常用的生物特征包括指纹、掌纹、虹膜、脸像、声音、签名和笔迹等。虹膜识别技术是最近发展起来的身份鉴别技术，具有识别准确性高、速度快，具有防伪性和非侵犯性等优点。虹膜识别已有一定规模的商业应用，如机场检票系统、自动柜员机(ATM)等，另外在网上支付、门禁保安、远程登录以及对罪犯或嫌疑人的识别与管理等领域都有很好的应用前景。这种包括虹膜识别在内的基于人体生物特征的身份鉴别技术已经形成了一个专门的学科，称为生物特征识别。1936年，眼科专家Frank Burch指出虹膜具有独特的信息，可用于身份识别。1987年，眼科专家Aran Safir和Leonard Flom首次提出了利用虹膜图像进行自动虹膜识别的概念，但是他们并没有开发出一个实际的应用系统。1991年，美国洛斯阿拉莫斯国家实验室的Johnson专利技术了一个虹膜识别系统，这是有文献记载的最早的一个应用系统。1993年，John Daugman专利技术了一个高性能的虹膜识别原型系统，目前，大部分自动虹膜识别系统使用Daugman的核心识别算法。1996年，Richard Wildes研制成功基于虹膜的身份认证系统。但是这些成功研制的虹膜识别系统都要求有精密的光学前端系统输入装置，以保证质量良好的、没有严重上下眼皮遮挡的、没有形变的虹膜图像。但他们所使用的虹膜库都是非流通的，目前所常见的免费可使用的库只有中科院的CASIA1.0、2.0虹膜库。但这个库中的大部分虹膜图像存在上下眼皮遮挡问题，部分存在弹性形变。现在通常使用的虹膜特征方法有(1)Daugman提出的基于Gabor滤波器的虹膜纹理相位编码算法，该算法利用Gabor滤波器的局部性和方向性对虹膜纹理进行分解编码，要求输入图像质量高。详见文献J.G.Daugman，How Iris Recogniton Works，IEEE Trans on Circuits & Systems for VideoTechnology，volume 14，issue 1，2004，21-30. (2)Wildes提出用高斯型滤波器在不同分辨率下分解虹膜图像，并把结果进行存储比较。上述两种算法的性能容易受外界环境影响，眼球表面反光、虹膜的几何变形、睫毛遮挡、噪声等问题也严重影响识别性能，且实际应用中对测试环境和设备要求较高。详见文献Wildes，R.P，Iris recognitionan emerging biometric technology，Proceedings of the IEEE，Volume85，Issue 9，Sept.1997，Page(s)1348-1363。(3)Boles提出的基于小波变换的虹膜识别方法它有效地克服了图像平移、旋转、图像缩放等前者未能解决的问题，提高了识别性能，但具体的方法描述不清楚。详见文献W.W.Boles，B.Boashash，A human Identification Technique Using Images of the Iris and WaveletTransform.IEEE Trans，on signal processing，volume 46，issue 4，1998，1185-1188. 以上3种方法的实验都是通过他们自己的虹膜库来验证效果的，在不同的其他实验条件下很难实现，而且识别效果最好的方法(1)Daugman方法是建立在高质量图像(很小的眼皮遮挡和形变、高清晰度)的基础上的，在现在没有标准虹膜库的条件下，很难完全使用这些方法。
技术实现思路
本专利技术提供了一种基于小波变换过零表示的虹膜身份识别算法，此算法能够在欠理想的情况下，即所采集的虹膜图像存在一定眼皮遮挡和一定形变的，仍然能够通过小波变换过零表示的方法准确的提取特征点，并进行虹膜编码，从而完成正确的身份识别。流程图如说明书附图1所示。为了方便描述本专利技术地内容，首先将相关概念说明如下1.灰度图像、灰度值灰度图像是指图像中只包含了亮度信息而没有任何颜色信息的图像。本专利所使用的灰度图像是8级(28)灰度，即取值是0～255。一般将白色的灰度值定义为255，黑色灰度值定义为0，而由黑到白之间的明暗度均匀地划分为256个等级。2.瞳孔和虹膜外缘的表示因为它们都近似于圆，所以可以分别用圆心和半径来表示它们的位置和大小。瞳孔圆心表示为(x0，y0)、半径表示为r；虹膜圆心表示为(xi，yi)、半径表示为R。3.二值化处理设定的阈值T0，对于原来图像I中点(x，y)的灰度值I(x，y)，小于T0的取为0，大于T0的取为1。说明书附图2为二值化阈值选取的示意图。说明书附图3(a)为采集的虹膜图像，说明书附图3(b)为二值化后的虹膜图像效果图。4.迭代运算，通过r，x0，y0在一定范围内的取值，这里是x0＝xp+α，α＝-10～+10；y0＝yp+β，β＝-10～+10；r＝rp+k*Δr，k＝-10～+10，其中瞳孔粗定位结果圆心(xp，yp)、半径rp。计算后面的表达式所得到最大(最小)值时的x0，y0，r的取值。5.中值滤波所谓中值滤波，是指把以某点(x，y)为中心的小窗口内的所有象素的灰度按从大到小的顺序排列，将中间值作为(x，y)处的灰度值(若窗口中有偶数个象素，则取两个中间值的平均)。6.Canny算子边缘检测Canny边缘检测法利用高斯函数的一阶微分，它能在噪声抑制和边缘检测之间取得较好的平衡。具体检测步骤见文献(《MATLAB6.X图像处理》，清华大学出版社，247页～250页)(1)用高斯滤波器来对图像滤波，可以去除图像中的噪声。(2)用高斯算子一阶微分对图像进行滤波，得到每个像素梯度的大小|G|和方向θ。|G|=12]]>θ=tan-1]]>f为滤波后的图像。(3)对梯度进行“非极大抑制”。梯度的方向可以被定义为属于4个区之一，各个区用不同的邻域像素用来进行比较，以决定局部极大值。这4个区及其相应的比较方向如下表3-1所示。表格3-1四个区域其相应的比较方向 例如，如果中心像素x的梯度方向属于第4区，则把x的梯度值与它的左上和右下相邻像素的梯度值比较，看x的梯度值是否是局部极大值。如果不是，就把像素x的灰度设为0，这个过程称为“非极大抑制”。(4)对梯度取两次阈值得到两个阈值T1和T2，T1＝0.4*T2。我们把梯度值小于T1的像素的灰度设为0，得到图本文档来自技高网...

【技术保护点】
一种基于小波变换过零表示的虹膜身份识别算法，其特征在于包括如下步骤：步骤１，将虹膜摄像采集装置靠近人眼，在人眼进入摄像范围内后进行图像采集，通过数字图像采集ＣＣＤ的光电转换得到含有虹膜图像的原始灰度图像Ｉ（ｘ，ｙ），图像左上角为Ｉ（ｘ，ｙ）的零点Ｉ（０，０），图像向右令横坐标ｘ递增，图像向下令纵坐标ｙ递增，得到人眼图像，虹膜图像的原始灰度图像Ｉ（ｘ，ｙ）的取值范围为０～２５５，ｘ的范围为１～Ｍ，ｙ的范围为１～Ｎ，原图像大小为Ｍ×Ｎ；步骤２，显示原始灰度图像Ｉ（ｘ，ｙ）的直方图，标识１左面的第一个峰值为瞳孔区域的灰度值，取阈值Ｔ０为其向右的第一个谷值；步骤３，对步骤１中得到的原始灰度图像Ｉ（ｘ，ｙ），用阈值Ｔ０进行二值化处理；原始灰度图像Ｉ（ｘ，ｙ）小于Ｔ０的点Ｉ（ｘ，ｙ）的值取为０，Ｉ（ｘ，ｙ）大于Ｔ０的点Ｉ（ｘ，ｙ）的值取为１，组成二值矩阵Ｉ’（ｘ，ｙ），得到的二值化图像Ｉ’（ｘ，ｙ）大小等于原图像Ｉ（ｘ，ｙ）；步骤４，瞳孔粗定位；通过步骤３得到原始灰度图像Ｉ（ｘ，ｙ）的二值化后的图像Ｉ’（ｘ，ｙ），用式子Ｐ（ｘ）＝＊Ｉ′（ｘ，ｙ），Ｐ（ｙ）＝＊Ｉ′（ｘ，ｙ）将二值化后的图像进行水平方向上和垂直方向上的投影，得到二值化后的图像水平方向上和垂直方向上的投影值Ｐ（ｘ），Ｐ（ｙ）；并且通过计算Ｘ↓［ｐ］＝ａｒｇ＊Ｐ（ｘ），Ｙ↓［ｐ］＝ａｒｇ＊Ｐ（ｙ），得到瞳孔粗定位圆的圆心在直角坐标上的结果（ｘ↓［ｐ］，ｙ↓［ｐ］），如说明书附图３（ｃ）所示；从水平的投影值Ｐ（ｘ）谷值点Ｘ↓［ｐ］向左搜索，得到点Ｐ１，满足在Ｐ１以后的点的投影值变化比较平缓（在５以内），同理，从谷值点Ｘ↓［ｐ］向右搜索得到Ｐ２，满足在Ｐ２以后的点的投影值变化比较平缓（在５以内）；取Ｐ１、Ｐ２之间部分的范围为瞳孔的粗定位直径，并且可以得到瞳孔粗定位圆的半径ｒ↓［ｐ］＝Ｐ２－Ｐ１；步骤５，瞳孔精定位方法：根据步骤４的瞳孔粗定位结果，圆心（ｘ↓［ｐ］，ｙ↓［ｐ］）、半径ｒ↓［ｐ］，通过迭代运算求得瞳孔精确定位结果，圆心（ｘ↓［０］，ｙ↓［０］）、半径ｒ，方法为：ｍａｘ（ｒ，ｘ↓［０］，ｙ↓［０］）｜＊Ｉ′（ｘ↓［ｍ，ｋ］，ｙ↓［ｍ，ｋ］）－＊Ｉ′（ｘ↓［ｍ，ｋ－１］，ｙ↓［ｍ，ｋ－１］）｜，（１）其中ｘ↓［ｍ，ｋ］＝ｒ×ｃｏｓ（ｍ×△θ）＋ｘ↓［０］，ｘ↓［０］＝ｘ↓［ｐ］＋α，α＝－１０～＋１０，ｙ↓［ｍ，ｋ］＝ｒ×ｓｉｎ（ｍ×△θ）＋ｙ↓［０］，ｙ↓...

【技术特征摘要】

【专利技术属性】
技术研发人员：解梅，李栩荣，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：90[中国|成都]