【技术实现步骤摘要】
基于相变和扩散神经网络的虹膜识别方法
[0001]本专利技术涉及虹膜识别
，尤其涉及一种基于相变和扩散神经网络的虹膜识别方法。
技术介绍
[0002]虹膜识别技术是通过拍摄人眼的虹膜来进行身份的确认，是一项基于生物特征的身份认证技术。
[0003]中国专利公开号：CN113033499A公开了一种虹膜识别方法和装置，该方法包括：获取待识别虹膜的标准化三维虹膜图像数据；利用二维卷积神经网络对标准化三维虹膜图像数据进行特征提取和分类，得到待识别虹膜对应的目标特征数据和目标用户标签，其中，二维卷积神经网络包括三维图像处理层，三维图像处理层对标准化三维虹膜图像数据进行降维处理，得到多个二维虹膜图像数据，多个二维虹膜图像数据包括斜截面数据；从三维虹膜图像数据库调取目标用户标签对应的虹膜特征数据，其中，三维虹膜图像数据库中存储多个用户中各用户的虹膜特征数据；根据目标特征数据和调取出的虹膜特征数据，生成虹膜识别结果。
[0004]然而，现有技术中通过应用神经网络实现的虹膜识别技术的虹膜识别准确率和效率还有待提高。
【技术保护点】
【技术特征摘要】
1.一种基于相变和扩散神经网络的虹膜识别方法，其特征在于，包括：步骤S1，图像获取模块获取虹膜图像并将虹膜图像传输至图像处理模块做虹膜图像归一化处理和灰度化处理以得到灰度图像；步骤S2，特征确定模块将所述灰度图像划分为若干区域，神经网络提取任一区域中的特征图像，所述特征确定模块确定是否将特征图像作为识别特征；步骤S3，所述特征确定模块确定识别特征占比，并在第二占比水平确定识别特征的级别；步骤S4，判定模块根据识别特征的级别计算任一所述区域的特征值评分并根据特征值评分将区域分类为三类特征区域，所述三类特征区域包括高特征区域、中特征区域以及低特征区域；步骤S5，识别模块根据三类特征区域的占比确定虹膜识别方式。2.根据权利要求1所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S2中，所述特征确定模块判定特征图像是否作为识别特征的方法包括：步骤S21，计算特征图像的面积和特征图像的灰度；步骤S22，根据特征图像的面积和特征图像的灰度计算特征值；步骤S23，确定特征图像的特征值水平，将处于第一特征值水平的特征图像作为识别特征。3.根据权利要求2所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S3中，若识别特征占比处于第一占比水平，所述图像处理模块对虹膜图像做对比度和清晰度处理以提高虹膜图像的识别率，图像处理模块将处理后的虹膜图像传输至特征确定模块以跳转至所述步骤S2。4.根据权利要求3所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S2中，所述神经网络提取任一区域中的特征图像，所述特征确定模块计算特征图像的面积和特征图像的灰度，特征确定模块根据特征图像的面积和特征图像的灰度按照以下公式计算特征值；所述特征确定模块根据特征值确定特征图像是否作为识别特征；若特征值处于第一特征值水平，所述特征确定模块将对应特征图像作为识别特征；若特征值处于第二特征值水平，所述特征确定模块不将对应特征图像作为识别特征；所述第一特征值水平满足特征值大于等于预设特征值标准，所述第二特征值水平满足特征值小于预设特征值标准。5.根据权利要求4所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S3中，所述特征确定模块按照以下公式计算所述灰度图像中识别特征占比；所述特征确定模块根据识别特征占比判定是否对虹膜图像做图像处理；若识别特征占比处于第一占比水平，所述特征确定模块判定需对虹膜图像做图像处
理；若识别特征占比处于第二占比水平，所述特征确定模块判定无需对虹膜图像做图像处理；所述第一占比水平满足识别特征占比小于预设占比标准，所述第二占比水平满足识别特征占比大于等于预设占比标准。6.根据权利要求5所述的基于相变和扩散神经网络的虹膜识别方法，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。