[发明专利]一种基于小波变换过零表示的虹膜识别方法

权利要求书

1.一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 ) = Σ y I ′ ( x , y ) , ]]> P ( y ) = Σ x 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 min x P ( x ) , ]]> Y p = arg min y 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(x₀，y₀)、半径r，方法为：

max ( r , x 0 , y 0 ) | Σ m I ′ ( x m , k , y m , k ) - Σ m I ′ ( x m , k - 1 , y m , k - 1 ) | , - - - ( 1 ) ]]>

其中X_m，k＝r×cos(m×Δθ)+x₀，x₀＝x_p+α，α＝-10～+10，

y_m，k＝r×sin(m×Δθ)+y₀，y₀＝yp+β，β＝-10～+10，

r＝r_p+k×Δr，k＝-10～+10，α、β、k为变量

Δθ是圆周上的一个角度采样间隔，取Δθ＝1°，所以m＝0～360，Δr为在半径方向上的间隔，取Δr＝1；

通过α、β、k的代入运算，求得当式子(1)得到最大值时的x₀、y₀、r的值，则瞳孔的精确定位结果：圆心为(x₀，y₀)、半径为r₀；

步骤6，虹膜外缘粗定位方法：从步骤5得到的瞳孔精定位结果，由虹膜外缘半径范围的先验知识，取一个与瞳孔同心、半径值为比瞳孔半径值大20个像素的同心圆，求出这个圆和瞳孔圆之间的虹膜部分的灰度值平均值Avg：

Avg＝位于这环形区域点的灰度值的和÷位于这环形区域之间的总点数；

计算过程是：

环形区域中的点的集合s：{(x，y)|瞳孔圆心²≤x²+y²≤(瞳孔圆心+20)²}原图像上的灰度值为I(x，y)，位于这环形区域点的灰度值的和为位

于这环形区域之间的总点数为集合s的点的总数；

令阈值T1＝Avg-15，阈值T2＝Avg+15，作为双阈值对原灰度图像I(x，y)进行如下处理：

这样得到图像矩阵I”(x，y)是基本上只包含虹膜部分的图像，再对其进行中值滤波，得到图像矩阵I₂(x，y)；

求I₂(x，y)在水平投影值 P ′ ( x ) = Σ v I 2 ( x , y ) , ]]>然后求 X p ′ = arg min x P ′ ( x ) , ]]>从谷值点X_p′向左搜索，得到点P1’，满足在P1’以后的点的点间灰度值变化比较平缓(在5以内)；同理，从谷值点X_p′向右搜索得到P2’，满足在P2’以后的点的点间灰度值变化比较平缓(在5以内)；取P1’、P2’之间部分的范围为虹膜外缘的粗定位直径，并且可以得到虹膜外缘粗定位圆的半径R’＝P2’-P1’，虹膜外缘粗定位圆心设为与瞳孔精定位圆心一样，为(x₀，y₀；

步骤7，虹膜外缘精定位方法：对步骤3二值化后的图像，进行基于Canny算子的边缘提取，得到关于边缘的二值图像，1为边缘，0为其他点；根据步骤6的虹膜外缘粗定位半径R’和圆心(x₀，y₀)，在R’±δ，x₀±α，y₀±β范围内和在图像的-45°～45°and 135°～225°范围内进行Hough变换，其中δ、α、β为待定常数，其取值与精度和运算量有关，它们的值越大精度越高、运算量越大，反之亦然；这样就可以得到虹膜外缘的精定位结果：半径为R，圆心为(x_i，y_i)；

步骤8，对原图像进行归一化处理：由步骤5的瞳孔精定位结果(x₀，y₀，r₀)和步骤7的虹膜外缘精定位结果(x_i，y_i，R)，进行虹膜图像归一化处理；把原灰度图像的虹膜部分归一化为64×512的矩形图像I_nor(i，j)，1≤i≤64、1≤j≤512；

步骤9，对步骤8得到的图像进行光照不均的校正，然后进行直方图均衡化，得到总体亮度均匀、纹理清晰的图像I_adj(i，j)，1≤i≤64、1≤j≤512；

步骤10，虹膜编码：对步骤9所得到的图像进行特征点提取；先用4阶B-样条小波滤波器对步骤9所得到的图像I_adj(i，j)分别在水平方向和垂直方向进行卷积滤波；4阶B-样条小波滤波器：是一个小波滤波器，其参数如下：

表1 4阶B-样条小波滤波器

K是变量，ψ(K)是相应的小波函数值；卷积方法如下：

temp_h(i，j)＝ψ(-i)*I_adj(i，j)……行方向上卷积，j固定

temp_v(i，j)＝ψ(-j)*I_adj(i，j)……列方向上卷积，i固定

分别得到行和列方向上的卷积滤波后的临时存储矩阵temp_h(i，j)，temp_v(i，j)，并且进行如下判决得到行和列方向上编码，行和列方向上的编码进行与操作得到虹膜编码：

3.令code(i，j)＝code_h(i，j)And code_v(i，j)，这里的And为求两个数的与运算，以上i＝1～64，j＝1～512；

这样二值化矩阵code(i，j)就是由虹膜特征点所组成的虹膜编码，大小为64×512；

步骤11，编码匹配：由步骤9得到的矩阵code(i，j)可以代表原始图像的虹膜的编码，如果要把两个虹膜编码code1(i，j)和code2(i，j)进行匹配，可以使用下面的Hamming距离的式子，其表征的意义为两个虹膜编码之间的相似程度：

Ham min g _ Dis tan ce = Min φ { 1 M × N Σ i = 0 M Σ j = 0 N ( code 1 ( i + φ , j ) ) Xor ( code 2 ( i , j ) ) } ]]>

for-10≤φ≤10

如果HammingDistance小于某阈值T，则两个虹膜是相同虹膜；如果HammingDistance大于T，则两个虹膜是不相同虹膜；其中T的取值和样本的性质有关，可以在数据统计的时候决定最优的阈值T。