虹膜识别系统的图像质量评价方法技术方案

一种虹膜识别系统的图像质量评价方法，采用“图像清晰度”指标判定采集到的虹膜图像对焦的准确程度，用灰度共生矩阵的熵作为图像清晰度的评价函数，采用“内外偏心度”指标判定采集到的虹膜图像中虹膜的内外边缘的偏心程度，即虹膜纹理的形变程度，采用“虹膜可见度”指标判定采集到的虹膜图像所包含的有效的虹膜纹理的信息量，即向识别系统提供有效信息的能力，采用“标准分法”将以上三种指标综合起来，得到虹膜图像的综合质量指数，在采集到的图像序列中选取相对质量较好的图像进行识别。本发明专利技术全面反映了虹膜识别系统对图像的质量要求，降低了时间和空间复杂度，降低了系统的错误接受率和错误拒绝率。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种，采用标准分法综合三项质量指标，得到虹膜图像的综合质量指数，属于生物特征技术中的虹膜识别
生物特征技术就是利用模式识别、图像处理等方法对人类自身所具有的生理特征和行为特征(统称为生物特征)进行可靠、有效的分析和描述，通过判断这些描述的一致性从而实现自动身份识别的一类技术。通常认为的生理特征包括人脸、指纹、虹膜、视网膜、掌纹等；行为特征包括声音、签名、步态等。其中，指纹识别已经得到了比较广泛的研究和应用。虹膜是位于眼睛黑色瞳孔和白色巩膜之间的圆环状薄膜，是眼球血管膜的一部分。与其他的生物特征相比，虹膜具有唯一性、稳定性、防伪性和非侵犯性等诸多优点，因而虹膜识别技术具有了巨大的研究意义和广泛的应用前景。图像的质量评价在自动虹膜识别系统中是必不可少的。首先，对图像清晰程度的度量是实现自动调焦的基础。其次，不符合标准的图像可能导致“注册失败”，即使用者因为不能提供足够的可重复获取的虹膜纹理信息，而无法在虹膜识别系统中进行注册。衡量一个虹膜识别系统通常有三个指标错误接受率(FAR)、错误拒绝率(FRR)以及注册失败率(FTE)。这三个指标之间是相互关联的，如果降低标准使“注册失败率”下降，就意味着系统要对部分不符合质量标准的图像强行进行识别，从而会导致另外两个指标的大幅增加。导致“注册失败”的原因主要包括对焦不准确(称为“离焦”)，拍摄时眼睛没有看引导方向，以及采集瞬间瞳孔过大或眼睛眨动导致虹膜纹理过少等。再次，采集过程得到的虹膜图像的质量高低对于能否正确识别而言至关重要。为尽量提高图像的质量，自动虹膜识别系统通常拍摄一个图像序列，然后在其中选取质量最好的图像进入下一步的识别过程。传统的图像质量评价方法分为主观评价和客观评价。在自动虹膜识别系统中，要求整个过程中都没有操作者的介入，因此无法应用主观评价方法。图像的客观评价包括对图像的“逼真度”和“可懂度”评价。现在常用的客观评价方法如均方误差方法(MSE)和峰值信噪比方法(PSNR)等都是对于图像“逼真度”的评价。在虹膜图像的采集过程中，没有所谓的“标准图像”可言，因而要求的是对图像“可懂度”的评价。近年来比较流行的基于HVS的质量评价方法，根据人的视觉特性建立质量评价模型。由于视觉上感觉良好的图像(如瞳孔放大的虹膜图像)并不一定适合计算机自动识别，也不能满足虹膜图像质量评价的需要。在衡量图像清晰度方面，较为常用的是最大熵法。但是由于直方图并不含有图像的几何信息，因此，最大熵法具有熵值在齐焦点附近变化平缓，以及会出现第二峰值点两点不足。为了对图像进行纹理分析，Haralick等人提出了灰度共生矩阵(GLCM)的概念。基于统计特性的灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，该矩阵的特征量通常被用作图像纹理的度量，但没有用于虹膜图像的质量评价。为实现这样的目的，本专利技术从自动虹膜识别系统设计的角度出发，针对导致注册失败的几个主要因素，提出了图像清晰度，内外偏心度以及虹膜可见度三个指标，以判定采集到的图像是否可以进入识别过程。本专利技术采用“图像清晰度”指标判定采集到的虹膜图像对焦的准确程度，把反映图像纹理特征的灰度共生矩阵与反映图像均衡性特征的熵结合起来，提出用灰度共生矩阵的熵作为图像清晰度的评价函数，以克服最大熵法不能反映图像结构的不足。采用“内外偏心度”指标判定采集到的虹膜图像中虹膜的内外边缘的偏心程度，即虹膜纹理的形变程度，采用“虹膜可见度”指标判定采集到的虹膜图像所包含的有效的虹膜纹理的信息量，即向识别系统提供有效信息的能力。本专利技术采用“标准分法”将以上三种指标综合起来，得到虹膜图像的综合质量指数，在采集到的图像序列中选取相对质量较好的图像进行识别。本专利技术方法的具体步骤如下一、图像清晰度本专利技术采用基于灰度共生矩阵的熵作为图像清晰度的评价函数。对灰度图像来说，“清晰”的含义就是图像的灰度值分布在尽量宽的灰度等级范围内，并且同一区域内灰度均衡，区域之间差别明显。影响图像清晰度的因素主要是对焦是否准确(图像准确对焦时的成像点称为“齐焦点”，实际成像时离开齐焦点的距离称为“离焦量”)。其次照明太亮或者太暗可能把图像的灰度限制在一个很小的范围内。再次，由于拍摄瞬间眼球的移动，可能造成图像的运动模糊。图像直方图的熵(以下简称“熵”)反映着图像中信息的含量，熵与图像的清晰程度紧密相联。一般而言，图像越清晰，所包含的信息量越大，其熵值也越大。基于统计特性的灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，该矩阵的特征量通常被用作图像纹理的度量。本专利技术把反映图像纹理特征的灰度共生矩阵与反映图像均衡性特征的熵结合起来，首先计算图像的灰度共生矩阵，然后用灰度共生矩阵的熵作为图像清晰度的评价函数。二、内外偏心度通过对虹膜图像的灰度直方图进行分析可知，眼睑(包括其他面部皮肤)、虹膜和瞳孔明显的分为三个灰度等级(眼睑的灰度高于虹膜，虹膜的灰度又高于瞳孔)。从灰度直方图上的两个波谷可以得到虹膜与瞳孔之间的灰度阈值，以及虹膜与巩膜之间的灰度阈值。将虹膜图像分别向X轴和Y轴方向作投影。利用其在X轴方向的灰度投影以及两个灰度阈值，可以求出瞳孔的半径与圆心横坐标，以及虹膜的半径与圆心横坐标。利用其在Y轴方向的灰度投影及两个灰度阈值，可以求出瞳孔圆心纵坐标。由于眼睑的遮盖，虹膜外边界的上下两段通常是不可见的，因此不能由此求出虹膜圆心纵坐标。为得到虹膜圆心纵坐标，这里采用如下的方法由圆形的对称性可知，圆形边界上任意两点的中垂线必经过圆心。同时，由于已经得到了虹膜圆心的横坐标，因此，可以作经过虹膜圆心横坐标的垂线，然后在左右两侧可见的虹膜边界上任取两点，求出它们的中垂线与圆心所在垂线的交点。任取不同的两点可以得到很多不同的交点，但由圆形的对称性可知，出现频度最高的点必是真正的圆心位置。因此，可以对这些交点进行投票，把频度最高的点作为虹膜的圆心。内外偏心度定义为瞳孔圆心与虹膜圆心之间的距离在虹膜半径中所占的比重。这个值越小，说明虹膜的内外边界越接近同心圆，图像越有利于识别。三、虹膜可见度由采集过程获取的有效虹膜纹理的多少直接影响到识别的准确性。虽然虹膜相对于其他生物特征来说，可供识别的信息要丰富得多，但是由于眼睑遮盖或瞳孔缩放，仍然可能无法获得足够的纹理信息。特别是在拍摄的瞬间，可能由于人眼的眨动，导致虹膜纹理完全不可见。不同位置的虹膜纹理在识别中所起的作用差别很大。由人的生理特点所决定，越靠近瞳孔的区域，虹膜纹理越密集；越远离瞳孔的区域，虹膜纹理越稀疏。特别是对于东方人来说，可供识别的有效纹理往往集中在靠近瞳孔的一个较窄的环形区域内。因此，“虹膜可见度”衡量的，应该是“有效虹膜区域的比重”。虹膜可见度指标必须能够同时反映上述两种因素的影响。在计算眼睑遮盖因子时，本专利技术从虹膜图像的灰度分布特征入手，直接进行像素的统计。利用虹膜与瞳孔之间，以及虹膜与巩膜之间的两个灰度阈值，统计位于这两个灰度阈值之间的有效虹膜区域的象素数。眼睑遮盖因子定义为有效虹膜区域的象素数与整个虹膜区域的象素数的比值，其中整个虹膜区域的象素数可以由求得的虹膜半径获得。通常虹膜的纹理区域也会有光斑和部分睫毛的干扰。由于光斑的灰度很高，而睫毛的灰度非常低(通常本文档来自技高网...

【技术保护点】
一种虹膜识别系统的图像质量评价方法，其特征在于包括：１）采用“图像清晰度”指标判定采集到的虹膜图像对焦的准确程度，把反映图像纹理特征的灰度共生矩阵与反映图像均衡性特征的熵结合起来，用灰度共生矩阵的熵作为图像清晰度的评价函数；２）采用“内外偏心度”指标判定采集到的虹膜图像中虹膜的内外边缘的偏心程度，即虹膜纹理的形变程度，从虹膜图像的灰度直方图上的两个波谷得到虹膜与瞳孔之间的灰度阈值，以及虹膜与巩膜之间的灰度阈值，将虹膜图像分别向Ｘ轴和Ｙ轴方向作投影，利用其在Ｘ轴方向的灰度投影以及两个灰度阈值，求出瞳孔的半径与圆心横坐标，以及虹膜的半径与圆心横坐标，利用其在Ｙ轴方向的灰度投影及两个灰度阈值，求出瞳孔圆心纵坐标，作经过虹膜圆心横坐标的垂线，然后在左右两侧可见的虹膜边界上任取两点，求出它们的中垂线与圆心所在垂线的交点，任取不同的两点得到很多不同的交点，对这些交点进行投票，把频度最高的点作为虹膜的圆心，将瞳孔圆心与虹膜圆心之间的距离在虹膜半径中所占的比重定义为内外偏心度；３）采用“虹膜可见度”指标判定采集到的虹膜图像所包含的有效的虹膜纹理的信息量，利用虹膜与瞳孔之间，以及虹膜与巩膜之间的两个灰度阈值，统计位于这两个灰度阈值之间的有效虹膜区域的象素数，眼睑遮盖因子定义为有效虹膜区域的象素数与整个虹膜区域的象素数的比值，其中整个虹膜区域的象素数由求得的虹膜半径获得，瞳孔缩放因子定义为虹膜半径与瞳孔半径的差在虹膜半径中所占的比重，虹膜可见度定义为眼睑遮盖因子与瞳孔缩放因子的乘积；４）采用“标准分法”将以上三种指标综合起来，对采集到的一个图像序列，针对每一项质量指标将其中的图像由高到低排序，按照正态分布的原理，指定一个分布区间，计算出每一幅图像对应该项质量指标的标准分，将每幅图像的三个标准分相加，得到虹膜图像的综合质量指数，在采集到的图像序列中选取相对质量较好的图像进行识别。...

【技术特征摘要】

【专利技术属性】
技术研发人员：施鹏飞，邢磊，宫雅卓，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]