[发明专利]一种基于双弹簧模型的虹膜纹理归一化方法

说明书

技术领域

本发明涉及眼睛虹膜识别技术领域，特别涉及一种虹膜纹理归一化方法。

背景技术

随着网络和信息技术的发展，个人身份鉴别得到前所未有的重视，也面临着越来越严重的考验。生物特征识别(Biometrics)是以人体固有的各种生理和形态特征作为识别介质，从而达到唯一识别个人身份，进行个人身份认证的新兴研究学科。与传统的身份鉴定手段相比，基于生物特征识别的身份鉴定技术具有不易遗忘或丢失、防伪性能好、随身携带等优点。

虹膜，作为重要的生物特征，用于身份鉴别具有天然的被保护特性、高复杂性、高稳定性、高防伪性等优点。与其他生物特征识别技术相比，虹膜识别是准确率最高的方法之一。因此基于虹膜的身份鉴别技术得到学术界和企业界越来越多的重视。虹膜位于人眼黑色瞳孔和白色巩膜之间的环状部分，其中呈现一种由里向外的放射状结构，包括许多相互交错的类似于斑点、细纹、冠状、隐窝等形状的细微特征，称为虹膜的纹理信息。

如图1所示，现有的虹膜识别身份认证方法包含以下几个步骤：虹膜图像采集步骤、图像预处理步骤、虹膜定位步骤、虹膜归一化步骤、特征提取步骤和特征匹配步骤。其中，虹膜图像采集步骤用于采集包含有丰富细节信息的可供识别的虹膜图像；图像预处理步骤用于判断采集到的虹膜图像中是否有虹膜，图像是否清晰以及是否是活体采集；虹膜定位步骤用于定位虹膜的内外圆以及眼睑；虹膜归一化步骤用于将虹膜图像归一化成固定分辨率的矩形图像，其中，矩形图像中包含了全部可用的虹膜纹理信息；特征提取步骤负责将虹膜纹理信息编码为合适的可用来识别的模式信息；特征匹配步骤用于将两个虹膜特征编码进行比对，以确定是否是来自于同一个眼睛。

目前，大多数虹膜识别身份认证方法中的虹膜归一化方法都是虹膜纹理的线性归一化方法，即都是以线性映射的方式将虹膜从环形映射到固定尺度的矩形。该类方法对虹膜内外圆周上的对应点进行线性等分，然而在拍摄虹膜图像的时候，由于外界光照等的变化，会引起瞳孔的缩放，瞳孔的缩放会引起虹膜纹理发生相应的缩放变化，这种缩放是不均匀的，是非线性的。因此，虹膜纹理的线性归一化方法无法消除这种不均匀缩放，从而会降低后续的虹膜识别的准确率。其中，虹膜纹理的不均匀缩放是由虹膜的生理特点决定的。眼科学研究表明，瞳孔的收缩和放大主要是虹膜的环状肌纤维和放射状肌纤维共同作用的结果。环状肌纤维分布在虹膜的内边缘附近，放射状肌纤维分布在虹膜外边缘附近。其中，环状肌纤维是构成虹膜纹理的主要部份。当瞳孔收到光照刺激进行收缩和扩张的时候，靠近虹膜内边缘的环状肌纤维大幅度的伸缩，而外围的放射状肌纤维伸缩幅度却很小，此时虹膜内边缘的纹理会随之明显的压缩或者伸张，而虹膜的外边缘的纹理却几乎没有什么变化。所以虹膜纹理的收缩和扩张并不是均匀的线性，而是非线性的，不具有仿射不变性。如图2所示，可以清楚看到近瞳区和远瞳区不同的伸缩状况。

由于虹膜纹理的线性归一化方法的不足，人们提出了虹膜纹理的非线性归一化方法。如名称为“人体虹膜纹理的非线性归一化方法”，公开号为CN1776710A的专利公开了一种非线性的虹膜纹理归一化方法，该方法首先利用圆弧结构进行径向非线性归一化环形虹膜区域，使得所有的虹膜图像具有相同的瞳孔缩放程度。再如名称为“虹膜纹理归一化处理方法”公开号为CN1445714A的专利，其采用的方法是采用矫正函数，以虹膜内外边缘半径比为参数，进行径向的非线性采样，从而对虹膜纹理的不均匀缩放进行校正。上述两种非线性归一化方法，较传统的线性归一化方法有所改进，均采用了相关的数学模型对虹膜的非线性压缩进行矫正，但是上述两种计算方法都较为繁复，计算量大，不易工程化，并且实际效果不够精确。

发明内容

为解决上述现有方法的问题之一，本发明提供了一种基于弹簧模型的虹膜纹理归一化方法，相比现有的线性归一化方法更加精确可靠，相比现有的非线性归一化方法更加简便实用，能够很好的减少由于瞳孔的缩放所带来的误差，为后续的虹膜特征提取提供了便利，并进以提高虹膜识别总体的识别率。

本发明为一种基于双弹簧模型的虹膜纹理归一化方法，包括如下步骤：