[发明专利]一种基于LBP图像和分块编码的虹膜特征提取方法

说明书

技术领域

本发明属于生物特征识别领域，涉及数字图像处理、统计学习和模式识别等技术，特别是涉及一种基于LBP图像和分块编码的虹膜特征提取方法。

背景技术

生物识别技术是一种有效的个人身份识别的方法。人体有很多固有的物理特征和行为特征可以使用，例如人脸、指纹、虹膜、静脉、语音等。由于具有唯一性、稳定性和非侵犯性等优点，虹膜识别是目前最可靠的方法，具有更高的识别率和更低的等错误率。如今，虹膜识别已成为生物识别技术的研究重点，而特征提取是虹膜识别算法中的一个关键问题。

最早的自动虹膜识别系统是由Daugman研发的，他利用2D Gabor滤波器对虹膜纹理进行一种简单的粗量化和相位编码。目前，这种方法成为许多商业系统的基础。近年来，大量的虹膜特征提取算法已提出。但大多数特征提取方法需要复杂的数学计算，而且可能需要很长的时间得到结果。

目前的许多纹理分析方法，基本上可分为统计法和结构法两类。统计法是纹理分析中最基本的一类方法，一般原理简单，较易实现，但适用范围受到限制；结构法将研究重点放在分析纹理元之间的相互关系和排列规则上，对于分析自然纹理图像很难取得满意的效果。

局部二进制模式(LBP，Local Binary Patterns)是在1996年首次作为局部图像对比度补偿措施由TimoOjala提出的，它利用结构法分析固定窗口特征，再利用统计法做整体的特征提取。与Gabor小波相比，LBP特征可以通过对原始图像的简单扫描快速提取得到，并处在低维空间中，同时仍保留虹膜丰富的纹理信息。而基于虹膜LBP特征图像的直接匹配，存储空间大、匹配速度慢。如何既能提取虹膜丰富且有效的纹理信息，又能减少存储空间、提高匹配速度，仍然是虹膜识别系统中一个亟待解决的难题。

发明内容

(一)要解决的技术问题

本发明的目的在于克服现有技术不足之处，提供一种基于LBP图像和分块编码的虹膜特征提取方法。此方法能提取虹膜丰富的纹理信息，减少存储空间、提高匹配速度，具有更高的正确识别率和更低的等错误率。

(二)技术解决方案

为达到上述目的，本发明提供了一种基于LBP图像和分块编码的虹膜特征提取方法，该方法包括：

S1、对归一化虹膜图像应用LBP算子得到虹膜LBP图像；

S2、采用基于虹膜统计信息的分块编码方法从LBP图像中提取虹膜特征；

S3、用汉明距离作为分类器得到识别结果。

上述方案中，所述步骤S1包括：

S11、基于某个像素点及其周围圆形邻域里的多个像素点，采用圆形LBP算子计算此像素点的LBP值；

S12、对归一化虹膜图像的所有像素，采用圆形LBP算子计算出相应的LBP值；

S13、将整幅图像所有的LBP值线性变换到0～255，得到虹膜的8位归一化LBP图像。

上述方案中，步骤S1中所述的归一化虹膜图像是对拍摄到的虹膜图像进行预处理后得到的，包括虹膜定位和归一化，具体包括：首先对输入灰度图像进行虹膜检测定位与分割，以瞳孔的圆心作为圆心，采用极坐标的方式将虹膜展开成矩形，并缩放到统一的尺寸，实现虹膜图像的归一化。

上述方案中，所述步骤S2包括：

S21、将归一化LBP图像分成同等大小的矩形块，每一块作为局部区域；

S22、将当前块的灰度均值和方差与整幅图像、相邻块的灰度均值和方差分别进行比较，用0或1表示比较结果，得到当前块的4位二进制编码；

S23、按照从上到下、从左到右的顺序，将所有矩形块的4个编码位串接起来，得到表示虹膜特征的二进制虹膜代码。

上述方案中，所述步骤S3包括：

采用汉明距离作为分类器，计算两个虹膜代码之间的相似度，得到虹膜识别结果。

(三)有益效果

从上述技术方案可以看出，本发明具有以下有益效果：

1、本发明提供的这种基于LBP图像和分块编码的虹膜特征提取方法，通过LBP圆形算子作用于归一化虹膜图像得到的LBP特征图像，能够充分表征虹膜丰富的纹理信息；LBP算子不会受到平均亮度的影响，所以LBP特征图像具有灰度不变性；选取了最佳的LBP圆形算子参数，能够更加有效地对虹膜纹理进行个性化的表达和描述。