[发明专利]一种基于毯子维和缺项的虹膜识别方法

说明书

技术领域

本发明涉及一种基于毯子维和缺项的虹膜识别方法，属于虹膜识别技术领域。

技术背景

生物特征识别技术是利用人自身的生理或行为特征进行身份识别的方法，在机场、自动提款机、电子商务等高安全性领域有重要的应用。目前已被应用到生物特征识别领域的特征主要有：指纹、掌纹、虹膜、手形、人脸、静脉图、步态等。其中，虹膜相对于其他特征又有更加独特的优势。虹膜是一种在眼睛中瞳孔内的织物状的各色环状物，每个虹膜都包含一个独一无二纹理特征结构。人的虹膜大概在2～3岁的时候稳定，不再随年龄的增长而改变。因为虹膜具有高度的唯一性、稳定性、可采集性、非侵犯性等优点，虹膜识别被认为是最有前景的身份识别技术之一。

在现有的虹膜识别处理方法中，通常是利用虹膜纹理的灰度值统计信息进行虹膜匹配，并未充分利用虹膜的分形几何信息，以及多分辨率下的虹膜信息。而传统的分形维数方法，无法克服不同的虹膜纹理特性有可能具有相同的分形维数的问题，而且没有考虑虹膜纹理的辐射性生理特点。一股的多分辨信息提取方法，如小波技术运算较为复杂，导致整个虹膜识别实时性下降。因此，迫切需要研究一种虹膜识别方法，在保证良好实时性的前提下，既能够充分利用虹膜纹理的分形几何特性和辐射性特点，又能有效克服分形维数对纹理刻画不足的缺陷，从而更加充分有效地提取虹膜纹理特征，实现虹膜识别。毯子维是由Peleg等人于1984年提出的利用毯子覆盖技术计算图像表面分形维数的方法，毯子覆盖技术与其他分形理论的不同之处在于能在空间中得到图像频率，更能体现图像的特征。缺项是分形几何理论中分形维数的配对物，表现分形的纹理，它量化了图像表面的缝隙或者缺口。大的缺项值表示在几何体中存在大量的缝隙或者缺口，小的缺项值则预示着更多的均匀分布。

发明内容

针对现有技术的不足，本发明提出一种基于毯子维和缺项的虹膜识别方法，解决现有的虹膜识别方法没有充分有效地利用虹膜分形几何特征和辐射性特性。本发明通过分别计算虹膜纹理的毯子维和缺项，然后将两种特征指标进行结合从而获得优良的识别效果。

本发明的技术方案如下：

一种基于毯子维和缺项的虹膜识别方法是利用虹膜图像采集装置来实现的，所述的虹膜图像采集装置包括计算机、图像采集卡和高分辨率摄像头，其中，图像采集卡插入微型计算机中，图像采集卡通过数据线与高分辨率摄像头连接，上述虹膜识别方法的具体步骤如下：

1)读取采集的虹膜图像；

2)虹膜定位：对虹膜图像中虹膜的内外边缘进行定位，确定虹膜在图像中的位置；

3)虹膜图像归一化：获得尺寸统一的虹膜图像；

4)对归一化的虹膜图像提取毯子维矩阵和缺项矩阵：首先将归一化的虹膜图像分成多个l×l像素的分块图像，然后分别计算每个分块图像的毯子维和缺项，最后将毯子维和缺项分别按照分块图像在原虹膜图像中的位置排列成毯子维矩阵和缺项矩阵；

5)虹膜匹配：使用归一化相关分类器分别对毯子维矩阵和缺项矩阵进行相似性度量，与相应阈值进行比较，获得虹膜归属情况。

步骤2)中所述虹膜定位的步骤为：

a.根据虹膜形状类似圆环形的特点，使用模板进行边缘检测，获得虹膜内边缘上的三个不同点和虹膜外边缘上的三个不同点，图3为模板示意图；

b.利用“非共线三点确定圆″的几何原理来分别确定虹膜的内外边缘，从而确定虹膜的具体位置。图4是对图2所示虹膜图像进行定位的示意图，黑色的圆圈表示虹膜图像的内外边缘。

步骤3)中所述的虹膜图像归一化的步骤为：

a.使用双线性插值方式，通过坐标变换将定位后的虹膜环形图像归一化为统一尺寸的矩形图像；其中所述的双线性插值算法为经典算法，即使用像素四周相邻像素灰度值的线性加权确定像素本身的灰度值；

b.使用直方图均衡化对获得的统一尺寸的矩形虹膜图像进行增强，提高图像的对比度。

所述步骤4)中对分块图像(l×l)计算毯子维的方法为：将i和j分别作为三维空间的横纵坐标(i＝1，2，3，...，l；j＝1，2，3，...，l)，将(i，j)处像素的灰度值g(i，j)作为三维空间的高度坐标，则分块图像可以看作三维空间中的曲面，分块图像的毯子维可由此曲面计算得到，具体步骤如下：

a.假定第0层毯子的上下表面为原始图像，即u₀(i，j)＝b₀(i，j)＝g(i，j)，其中：g(i，j)表示三维空间中的曲面高度；u₀(i，j)为第0层的上表面高度；b₀(i，j)为第0层的下表面高度；