[发明专利]一种基于边缘梯度方向金字塔直方图的虹膜识别方法

说明书

技术领域

本发明属于计算机图像处理技术领域，涉及虹膜特征提取和识别技术。

背景技术

生物特征识别技术是为了进行身份验证而采用自动技术测量其身体的特征或是个人的行为特点，并将这些特征或特点与数据库的模板数据进行比较，完成认证的一种解决方案。现今，虹膜作为个人身份识别标志已经得到公认，它与生俱来，不易丢失，不易受损，易于识别，是高安全级别应用中进行身份认证的理想手段，相比与其它识别技术，虹膜识别技术具有更高的准确性，有统计表明，虹膜识别的错误率在各种生物特征识别中是最低的。作为生物识别技术中最具有推广价值技术之一，虹膜识别技术在网络，银行，证券，医疗和保险等行业得到了广泛的应用。随着虹膜采集设备的发展，个人的虹膜信息的获得更为方便和快捷，虹膜识别技术可以在更广泛的领域中得以发展。

在虹膜自动识别系统中，虹膜图像的特征提取扮演着关键的角色，它关系到整个识别系统的效率和性能。它主要是把高维的图像数据转换为若干具有代表性的特征，并采用相似度或则距离来对各类特征进行分类。目前，常用的虹膜图像的特征提取和识别方法有：

(1)Daugman[]提出的基于2D Gabor函数来提取归一化图像的信息，得到相应的虹膜编码，并对编码进行异或操作，完成分类过程。High Confidence Visual Recognition of personsBy a Test of StatisticalIndependence，IEEE Trans.On Pattern Analysis and Machine Intelligence，Vol.15，No.11，pp.1148-1161，1993

(2)Wild使用具有4层分辨率的Laplacian金字塔来提取虹膜特征，使用Fisher线性分类器进行模式分类。RWildes，J.Asmuth.A machine-vision system for iris recognition.MachineVision and Applications，1996，91-8

(3)Boles提出的将在虹膜纹理图像上提取的纹理特征看作以为信号，利用在不同尺度下的小波变换来分解信号，小波变换系数的果岭便是被提取用于刻画虹膜的纹理特征。W.W.Boles，J.Asmuth，A Human Identification Technique Using Imagine of the Iris and WaveletTransform，IEEE trans，on Signal Processing，Vo.446，pp.1185-1188，1998

(4)Li Ma提出了一种简单有效的虹膜特征提取方法，该方法主要是通过选择归一化图像的主要灰度信息构成一维特征矢量，然后记录这个一维特征矢量小波变化活的值的突变点，最后记录的这些位置向量进行异或，来区分是否是同一个人的虹膜。LiMa，TieniTan，YunhongWang，DexinZhang，″EfficientIrisReocgnition by Characterizing keyLocalVariations″，IEEEtraps，onImageProcessing，vol.13，No.6，pp.739-750，2004.

上述算法从不同角度切入提取特征，且各自都有优缺点和适用的范围。至今还没有哪一种算法可以说在各个方面都优于其它算法，所以虹膜特征提取仍然具有很高的研究价值。

发明内容

本发明把在场景分类中广泛应用的BOW模型和金字塔匹配核结合起来，提出了边缘梯度方向金字塔直方图的虹膜特征提取方法，通过大量的实验论证了该方法良好的性能，同时，该方法最大的特点就是效率高，在特征提取和识别两个环节所需的计算量都很小，满足实时性虹膜识别系统对效率的要求。

本发明的详细技术方案为：

一种基于边缘梯度方向金字塔直方图的虹膜识别方法，如图1所示，包括虹膜样本特征提取过程和虹膜识别过程；所述虹膜样本特征提取过程包括以下步骤：

步骤1：原始虹膜样本图像预处理。

对虹膜采集装置所采集的原始虹膜样本图像进行包括归一化、去噪和灰度校正的预处理，将原始虹膜图像归一化成64×512像素大小、去除了睫毛和眼睑、且灰度等级为[0，255]的有效虹膜区域图像。

步骤2：采用sobel算子提取边缘像素点，并保留强边缘像素点。