一种级联的视频流虹膜图像质量检测方法技术

本发明专利技术提供了一种级联的视频流虹膜图像质量检测方法，包括如下步骤：a)虹膜图像采集；b)虹膜图像定位及位置判断，若判断出定位不成功或位置不合适，则返回步骤a)重新采集；c)基于图像饱和度的自适应调整对虹膜图像清晰度进行判断，若判断出清晰度不符合要求，则返回步骤a)重新采集；d)基于光斑形状的分析对虹膜图像运动模糊判断，若判断出虹膜图像存在运动模糊，则返回步骤a)重新采集；e)基于区域的加权对虹膜图像遮挡度进行判断，若判断出虹膜图像存在严重遮挡，则返回步骤a)重新采集。本发明专利技术的虹膜图像质量检测方法可应用于复杂场景，为一种快速、准确的级联式虹膜图像质量检测方法。

【技术实现步骤摘要】

本专利技术涉及图像处理、模式识别和生物特征识别等
，尤其涉及。
技术介绍
虹膜是眼睛的一个组成部分，位于角膜的后方，晶状体的前方。虹膜识别技术采用专用光学图像采集仪采集人眼虹膜图像，然后通过数字图像处理技术、模式识别和人工智能技术对采集到的虹膜图像进行处理、存储、比对，实现对人员身份的认证和识别。虹膜识别具有唯一性高、稳定性强、非侵犯性等优点，已被成功地应用于机场、海关、银行等场合的身份鉴定。在实际应用中，虹膜图像采集装置的景深和采集范围是固定的，当使用者采集距离处于景深范围以外时，会出现图像散焦问题。同时，使用者在采集过程中如果发生移动时，会造成图像出现运动模糊问题，甚至虹膜超出图像边界的问题。此外，使用者在采集过程中眨眼时，会造成虹膜图像的遮挡问题。上述问题出现时，所采集到的虹膜图像无法达到系统的质量要求。虹膜图像质量判断是虹膜识别系统中的一个重要环节，其作用是对采集到的虹膜图像进行质量分析，判断当前图像是否符合给定的质量要求，并做出相应的处理。只有当前图像满足质量要求时，才能进入下一步的虹膜图像分割、特征抽取和比对等处理流程。如果当前图像不满足质量要求，则需要改变采集装置的参数或装置与使用者的相对位置，继续采集图像，直到采集到质量合格的图像。由于实际应用中采集环境、用户配合度等的复杂性，目前国内外有效的虹膜图像质量检测方法并不多。英国剑桥大学的Daugman(U. S. Pat. No. 5291560)和中国科学院自动化所的马力(CN01144524. 6)提出使用频谱分析的方法判断虹膜图像的清晰度，但是该方法易受到睫毛、眉毛、头发等高频部位的影响。电子科技大学的马争等人(CN200810030096. O)采用边缘梯度能量函数的方法判断虹膜纹理的清晰度，该方法易将纹理少的虹膜图像误判为模糊的虹膜图像；同时，该专利通过分析虹膜纹理、睫毛和眼睑的灰度值特征估计虹膜的遮挡分数，对复杂环境下(如煤矿井下黑暗环境、室外强光照环境等)的低质量虹膜图像质量判断效果不理想。中科院自动化所的李星光等人(CN201110451829.X)提出基于机器学习的虹膜图像质量确定方法。该方法首先提取多个虹膜图像质量因子，然后通过Neyman-Pearson方法融合得到虹膜图像质量分数和等级,在效果方面有一定的改进,但是该方法计算复杂度高，无法实时计算。综上，现有的虹膜识别系统虹膜图像质量检测方法多采用频谱分析、灰度分析、纹理分析等方法，计算效率低，易受噪声影响，在准确性、实时性等方面仍有较大改进的空间，如何设计实现准确的、可用于复杂场景的、快速的虹膜图像质量检测方法仍然是一个亟待解决的难题。为了解决上述问题，本专利技术设计开发。
技术实现思路
本专利技术的目的在于提供一种可应用于复杂场景的、快速、准确的级联式虹膜图像质量检测方法。根据本专利技术的方法可以实现在复杂环境下实时、准确地判断虹膜图像质量。根据本专利技术的一个方面，提供了，包括如下步骤a)虹膜图像采集；b)虹膜图像定位及位置判断，若判断出定位不成功或位置不合适，则返回步骤a)重新采集；c)基于图像饱和度的自适应调整对虹膜图像清晰度进行判断，若判断出清晰度不符合要求，则返回步骤a)重新采集；d)基于光斑形状的分析对虹膜图像运动模糊判断，若判断出虹膜图像存在运动模糊，则返回步骤a)重新采集；e)基于区域的加权对虹膜图像遮挡度进行判断，若判断出虹膜图像存在严重遮挡，则返回步骤a)重新米集。优选地，在所述步骤b)包含下列子步骤bl)检测和判别虹膜图像中的光斑，并结合光斑的位置和大小判别光斑是否为真实的山2)检测虹膜图像中瞳孔候选区域；b3)融合bl)的光斑检测分析结果和b2)的瞳孔候选区域检测结果；b4)基于积分差分算法得到虹膜的定位结果；b5)基于b4)的结果判定虹膜的位置。优选地，在所述步骤c)包含下列子步骤cl)计算虹膜图像的全图清晰度；C2)计算虹膜图像的感兴趣区域的清晰度；c3)通过线性加权的方式融合Cl)的全图清晰度和c2)的感兴趣区域的清晰度；c4)通过对图像直方图进行线性加权来计算虹膜图像的饱和度；c5)根据c4)计算得到的虹膜图像饱和度，对c3)中融合得到的虹膜图像的清晰度进行自适应调整；c6)对在c5)中调整后的虹膜图像清晰度进行判别。优选地，所述感兴趣区域为以虹膜中心为中心，以O. 9-2倍的虹膜直径为边长的矩形区域。优选地，在所述步骤d)包含下列子步骤dl)在所述步骤b)的基础上获取有效的光斑区域信息；d2)通过形状分析的方法判断当前图像运动模糊的程度。优选地，所述步骤d2)的形状分析方法为形状矩方法或基于傅里叶描述子的方法。优选地，在所述步骤e)包含下列子步骤el)检测眼皮的边界点；e2)对眼皮边界进行二次抛物线曲线拟合；e3)分别计算上、下眼皮的遮挡比例；e4)采用线性加权的方式对e3)计算得到的上、下眼皮遮挡比例进行融合；e5)根据e4)的融合结果判别虹膜图像的遮挡度。优选地，在所述步骤e4)中线性加权的权重因子是可调整的。优选地，在所述步骤e4)中下眼皮的遮挡程度高于上眼皮。优选地，在所述步骤c)、d)和e)的顺序可交换。应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本专利技术所要求保护内容的限制。附图说明参考随附的附图，本专利技术更多的目的、功能和优点将通过本专利技术实施方式的如下描述得以阐明，其中图1示出了根据本专利技术的级联的视频流虹膜图像质量检测方法的流程图；图2a示出了通过虹膜图像光学成像装置采集到的虹膜图像示意图；图2b示出了虹膜图像定位及位置判断的具体方法步骤；图3a示出了虹膜图像清晰度判断的具体方法流程；图3b示出了虹膜图像清晰度检测算子的示例；图3c示出了昏暗环境和强光照环境下的虹膜图像；图3d示出了图像饱和度计算中权重分布的示例；图4a示出了虹膜图像运动模糊判断的具体方法流程；图4b示出了运动模糊的虹膜图像；图4c示出了光斑一维边界曲线到光斑中心距离的统计直方图；图5a示出了虹膜图像遮挡程度判断的具体方法流程；图5b示出了计算虹膜图像遮挡程度的一些参数。具体实施例方式通过参考示范性实施例，本专利技术的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本专利技术并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本专利技术的具体细节。方法概述图1示出了本专利技术所述的级联的视频流虹膜图像质量检测方法的流程图。包括如下主要步骤步骤SlOl :虹膜图像采集。通过专用的虹膜图像光学成像装置采集用户的虹膜图像。步骤S102 :虹膜图像定位及位置判断。对步骤SlOl采集到的虹膜图像进行粗定位，得到虹膜的内外圆参数，即瞳孔中心和半径，虹膜的中心和半径。并根据虹膜中心位置和半径大小确定该虹膜的位置是否合适。若定位不成功或位置不合适，则返回步骤SlOl重新采集用户的虹膜图像。步骤S103 :当步骤S102中虹膜图像的定位成功且位置符合要求时，进行虹膜图像的清晰度判断。采用基于空域滤波的方法对进入该步骤的虹膜图像进行清晰度分析。特别地，清晰度分析时采用局部和全局分析结合的方法，并结合当前虹膜图像的饱和度自适应的调节清晰度阈值。若判断出图像不清晰，则返回步骤SlOl重新采本文档来自技高网...

【技术保护点】
一种级联的视频流虹膜图像质量检测方法，包括如下步骤：a)虹膜图像采集；b)虹膜图像定位及位置判断，若判断出定位不成功或位置不合适，则返回步骤a)重新采集；c)基于图像饱和度的自适应调整对虹膜图像清晰度进行判断，若判断出清晰度不符合要求，则返回步骤a)重新采集；d)基于光斑形状的分析对虹膜图像运动模糊判断，若判断出虹膜图像存在运动模糊，则返回步骤a)重新采集；e)基于区域的加权对虹膜图像遮挡度进行判断，若判断出虹膜图像存在严重遮挡，则返回步骤a)重新采集。

【技术特征摘要】
1.一种级联的视频流虹膜图像质量检测方法，包括如下步骤: a)虹膜图像采集； b)虹膜图像定位及位置判断，若判断出定位不成功或位置不合适，则返回步骤a)重新米集； c)基于图像饱和度的自适应调整对虹膜图像清晰度进行判断，若判断出清晰度不符合要求，则返回步骤a)重新采集； d)基于光斑形状的分析对虹膜图像运动模糊判断，若判断出虹膜图像存在运动模糊，则返回步骤a)重新采集； e)基于区域的加权对虹膜图像遮挡度进行判断 ，若判断出虹膜图像存在严重遮挡，则返回步骤a)重新采集。2.根据权利要求1的方法，其中在所述步骤b)包含下列子步骤: bl)检测和判别虹膜图像中的光斑，并结合光斑的位置和大小判别光斑是否为真实的； b2)检测虹膜图像中瞳孔候选区域； b3)融合bl)的光斑检测分析结果和b2)的瞳孔候选区域检测结果； b4)基于积分差分算法得到虹膜的定位结果； b5)基于b4)的结果判定虹膜的位置。3.根据权利要求1的方法，其中在所述步骤c)包含下列子步骤: Cl)计算虹膜图像的全图清晰度； c2)计算虹膜图像的感兴趣区域的清晰度； c3)通过线性加权的方式融合Cl)的全图清晰度和c2)的感兴趣区域的清晰度；c4)通过对图像直方图进行线性...

【专利技术属性】
技术研发人员：何召锋，李志林，邱显超，马力，
申请(专利权)人：北京中科虹霸科技有限公司，
类型：发明
国别省市：