基于块状纹理采样的虹膜图像数据库合成方法技术

本发明专利技术一种基于块状纹理采样的虹膜图像数据库合成方法包括步骤：对虹膜图像预处理，得到特定的目标区域作为合成纹理的输入图像。该方法有效的从真实虹膜图像中得到干净的虹膜纹理；块状纹理采样的虹膜图像合成，通过非参数采样方法，从真实的虹膜图像中得到虚拟的合成虹膜图像；模拟虹膜在各种外部和内部条件下的变化特性，从一幅虚拟图像中合成多幅类内虹膜图像，从而生成大规模的虹膜图像数据库；将合成的归一化虹膜图像转换成圆环状虹膜；建立合成虹膜图像数据库的评价体系。本发明专利技术用于对虹膜识别算法的大规模测试，用以比较和预测算法的性能，也作为虚拟图像对现有系统作攻击测试，为应用系统增加防伪功能。

【技术实现步骤摘要】

本专利技术属于模式识别
，具体地涉及图像处理与生物特征识 别技术。
技术介绍
生活在一个高度信息化的现代社会，身份识别已经渗透到人们日常生 活的每一个方面。生物识别技术作为新的一种身份识别技术，得到了越 来越广泛的应用。基于虹膜的生物特征识别技术在过去的十几年间得到 了迅速的发展。然而，由于目前公开虹膜图像数据库并不多，而且相对 较小，而有些大规模的虹膜图像数据库仍然是私有的，所以目前的虹膜 识别算法大多数都只能在一些相对小的数据库上进行性能测试。这样的 测试结果不具备很好的泛化能力，因此并不能预测识别算法在大规模应 用中的性能。由此可见虹膜识别算法迫切需要大规模的虹膜图像数据库。 然而获得一个这样的数据库非常困难，不仅需要耗费大量的时间和精力， 而且由于人们越来越重视隐私，采集大规模的虹膜图像容易带来有争议 性的问题。如果我们能够研究出一种方法，人工的合成虹膜图像，并生成虹膜图 像数据库，就可以解决以上诸多问题。合成虹膜图像不仅可以用于算法 的训练和测试，还可以作为攻击数据对系统进行安全测试，以增加系统 的防伪功能。目前己经采用类似合成技术进行算法测试的有指纹合成。国际指纹识别竞赛(FVC2000， FVC2002， FVC2004， FVC2006)引入了合成的指纹图像对竞赛的算法进行测试。关于虹膜图像合成目前也已有一些算法。 例如，采用主成份分析(PCA)和超分辨率合成虹膜图像，采样马尔可夫随 机场合成虹膜图像等。
技术实现思路
本专利技术的目的是提出一种基于块状纹理采样的虹膜图像数据库合成 方法，以生成大规模的虹膜图像数据库，从而为虹膜识别算法提供训练 和测试数据。为实现上述目的，本专利技术提供的基于块状纹理采样的虹膜图像数据 库合成方法包括步骤如下步骤h对虹膜图像进行虹膜定位，归一化和去噪的预处理，得到清 晰虹膜块状纹理作为采样虹膜图像 ，步骤2:利用块状纹理采样的方法，将真实虹膜图像作为采样图像， 合成归一化虹膜图像；步骤3:从一幅合成归一化虹膜图像生成多幅类内虹膜图像；步骤4:将归一化虹膜图像转换成圆环形；步骤5:采用虹膜图像外观，数据库容量和类内类间距离为评价指标， 对合成虹膜图像数据库建立评价体系。本专利技术的虹膜图像合成方法采用从真实的虹膜纹理中采样的策略， 将每次采样的纹理块与原有的纹理在空域中融合，所合成的虹膜纹理外 观上与真实虹膜相似度高，具有很强的仿真性。本专利技术使用的纹理合成 方法能够生成大规模的虹膜图像数据库，从而为算法提供了良好的测试 平台。本专利技术所生成的虹膜图像数据库的统计特性与真实虹膜库的统计 特性非常相近，进一步表明合成虹膜图像数据库可以提供优良的测试环 境。本专利技术对于硬件没有特殊的要求，而且不涉及复杂的计算，易于在 实际的系统中使用。附图说明图1为虹膜图像数据库合成的框架图； 图2虹膜图像预处理示例，其中，(a) 是真实虹膜图像；(b) 是定位后的虹膜图像；(c) 是归一化的虹膜图像；(d) 是待采样的虹膜图像；图3为基于块状纹理采样虹膜图像合成示意图，其中，(a) 是待采样的纹理块和采样中若干个纹理块示意；(b) 是其中一个纹理块及其示意图；(c) 是初始化的合成图像；(d) 是第l个纹理块粘贴后的示意图；(e) 是第k个纹理粘贴前的示意图；(f) 是第k个纹理粘贴后的示意图。图4是瞳孔膨胀和收縮时导致虹膜纹理的形变示意图，其中，(a) 是瞳孔膨胀时的虹膜纹理；(b) 瞳孔膨胀示意图；(c) 瞳孔收縮时的虹膜纹理；(d) 瞳孔收缩示意图。图5是虹膜纹理随机扰动的示意图，其中，(a) 是在原有的虹膜纹理上随机选择若干区域的示意图；(b) 是所选择的其中一个区域；(c) 是(b)区域经过扰动后的图像；(d) 是随机生成的扰动模板。图6是环形虹膜旋转，即归一化虹膜图像平移的示意图，其中，(a) 是平移前的图像示意图；(b) 是平移后的图像示意图。图7是真实虹膜图像和几种合成虹膜图像的比较，其中， (a) 、 (b)是真实的归一化虹膜图像；(c) 、(d)是用本专利技术的方法合成的归一化虹膜图像；(e) 是用马尔科夫随机场的方法合成的归一化虹膜图像；(f) 是用PCA和超分辨率方法合成的归一化虹膜图像；(g) 是真实的环形虹膜图像；(h) - (p)为本专利技术的方法合成的环形虹膜图像。图8是合成虹膜库类间汉明距离分布图及其二次曲线拟合。 图9是真实虹膜库类间汉明距离分布图及其二次曲线拟合。 图IO是合成虹膜库类内类间汉明距离分布图。图11是真实虹膜库类内类间汉明距离分布图。图12是真实虹膜与合成虹膜的ROC曲线图。具体实施方式下面结合附图详细说明本专利技术技术方案中所涉及的各个细节问题。 应指出的是，所描述的实施例仅旨在便于对本专利技术的理解，而对其不起 任何限定作用。虹膜图像合成可以为虹膜识别算法提供大规模的训练和测试数据 库，从而增强算法的稳定性和鲁棒性。本专利技术提出一种新颖的虹膜图像 合成算法，其流程框图如图1所示。图1中，待采样的虹膜图像是从真 实虹膜图像中提取得到的虹膜纹理，对该图像以纹理块为基元进行采样 并重新合成后得到了归一化虹膜图像，然后根据虹膜在各种外部和内部 条件下的变化特性，由一幅归一化虹膜图像合成多幅类内虹膜图像，最 后将合成的类内归一化虹膜图像环形化，即通过双线性插值的方法将其转换成圆环形。假设所合成的目标虹膜数据库中有N个子类，本专利技术的 方法首先从待采样图像中合成N幅归一化虹膜图像，由于采样过程的随 机性，每幅图像与其他图像均互相独立，自成为一个子类，如图中第二步骤即合成归一化虹膜图像所对应的子类1 子类N所示；图中第三步骤即合成多幅类内图像纵向对应的图代表从每个子类中的一幅图像生成了若干幅同类图像；图中第四步骤即虹膜图像环形化纵向对应的图表示 每个子类的图像从方形的归一化图像最终变成了数据库中的环形图像。 图1中横向所示标号相同的子类，即第一个子类1和第二个子类1是同 一个子类，但是其存在形式不同，第一个子类1中的图像为合成的归一 化图像，最后一个子类1为最后得到的环形图形，其他子类之间遵从同 样的关系。与现有的虹膜图像合成算法相比，本专利技术的新颖性在于1)引入块状纹理采样，最大限度的保留了虹膜的纹理基元的特性。 虹膜纹理基元是表达虹膜纹理特性的基本单元，对表达虹膜的外观和虹 膜的统计特性上起着重要的作用。以往的虹膜图像合成算法致力于对虹 膜的整体重建、对虹膜的单个象素进行采样或直接对虹膜图像作虚拟建模，忽略了虹膜纹理的基元特性。本专利技术中，对块状纹理采样包含了虹 膜纹理基元的特性，因此仿真度高。2)引入虹膜纹理的非线性形变来生成多幅类内虹膜图像，有效的模 拟光照条件下虹膜纹理扩张和收縮的情况,为测试识别算法鲁棒性的提供 了良好的环境。下面对本专利技术涉及的关键步骤逐一进行详细说明，本专利技术的基本步 骤具体形式如下所述首先，是虹膜图像的预处理虹膜图像中不仅包括虹膜，还有瞳孔、巩膜、眼皮和睫毛等。因此 要得到清晰的虹膜纹理，第一步应该是从虹膜图像中把虹膜分离出来， 然后将虹膜圆环归一化到固定尺寸的矩形区域，即虹膜的预处理(虹膜 定位和归一化)，这是关键性的一步。1. 虹膜定位人眼的瞳孔和虹膜外轮廓都很接近圆形，因此我们采用圆模型来拟 合瞳孔和虹膜边界。人眼瞳孔本文档来自技高网...

【技术保护点】
一种基于块状纹理采样的虹膜图像数据库合成方法，包括步骤：　步骤１：对虹膜图像进行虹膜定位，归一化和去噪的预处理，得到清晰虹膜块状纹理作为采样虹膜图像；　步骤２：利用块状纹理采样的方法，将真实虹膜图像作为采样图像，合成归一化虹膜图像；　步骤３：从一幅合成归一化虹膜图像生成多幅类内虹膜图像；　步骤４：将归一化虹膜图像转换成圆环形；　步骤５：采用虹膜图像外观，数据库容量和类内类间距离为评价指标，对合成虹膜图像数据库建立评价体系。

【技术特征摘要】

【专利技术属性】
技术研发人员：谭铁牛，孙哲南，韦卓识，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]