[发明专利]基于SIFT 特征包的牛眼虹膜图像识别方法

权利要求书

1. 基于SIFT 特征包的牛眼虹膜图像识别方法，其特征在于，该方法包括以下步骤：

（1）若识别机制未训练好，则执行步骤2，否则转到步骤10；

（2）获得用于获取SIFT特征包的训练图像集；

（3）根据训练图像集获取最佳SIFT特征包；

（4）获得目标牛眼虹膜库；

（5）对每一幅目标牛眼虹膜图像进行预处理；

（6）对每一幅目标牛眼虹膜图像进行虹膜内边缘定位；

（7）利用SIFT方法获得每一幅目标牛眼虹膜图像的SIFT特征点；

（8）移除虹膜内边缘中的SIFT特征点，得到每一幅目标牛眼虹膜图像的有效SIFT特征点集；

（9）将每一幅目标牛眼虹膜图像的SIFT特征点与最佳SIFT特征包对比，获得目标牛眼虹膜图像的特征直方图；

（10）接收待识别图像；

（11）对待识别图像进行预处理；

（12）对待识别图像进行虹膜内边缘定位；

（13）利用SIFT方法获得待识别图像的SIFT特征点；

（14）移除虹膜内边缘中的SIFT特征点，得到待识别图像的有效SIFT特征点集；

（15）将待识别图像的SIFT特征点与最佳SIFT特征包对比，获取待识别图像的特征直方图；

（16）计算待识别图像与目标牛眼虹膜库中每一幅图像的直方图距离；

（17）以直方图距离最小的目标牛眼虹膜图像对应的对象作为识别结果；

（18）结束。

2. 根据权利要求1所述的基于SIFT 特征包的牛眼虹膜图像识别方法，其特征在于，所述的获取最佳SIFT特征包的步骤是：

（1）获得训练图像集；

（2）对每一幅训练牛眼虹膜图像进行预处理；

（3）对每一幅训练牛眼虹膜图像进行虹膜内边缘定位；

（4）利用SIFT方法获得每一幅训练牛眼虹膜图像的SIFT特征点；

（5）移除虹膜内边缘中的SIFT特征点，得到训练图像的有效SIFT特征点集；

（6）合并所有训练图像的SIFT特征点集，得到训练样本的SIFT特征点空间；

（7）采用K最邻近法对训练样本的SIFT特征点空间进行聚类分析，得到K个类及对应的特征均值；

（8）为每一个特征均值赋予一个标签用以标识该特征均值代表的类，得到由K个带标签的特征均值构成的最佳SIFT特征包；

（9）结束。