[发明专利]基于SIFT 特征包的牛眼虹膜图像识别方法

说明书

技术领域

本发明涉及牛眼虹膜图像识别方法，特别涉及一种适用于存在旋转、偏移、局部遮挡或尺度不一致的非完美牛眼虹膜图像的识别方法。

背景技术

虹膜识别被认为是最可靠的生物特征识别技术之一，可以广泛应用于身份证件识别、矿场出入控制、罪犯跟踪等方面。与利用指纹、人脸、步态等其他人体生物特征进行身份鉴别的方法相比，使用虹膜进行鉴别具有更高的准确率和更好的防伪性。传统的动物标识主要采用耳标等人工标签，容易脱落、遗失，给管理带来诸多不便。相比传统的动物标识方式，采用虹膜技术标识动物具有安全性好，防伪性强等特征。

然而，与人眼虹膜识别相比，现有的动物虹膜图像识别技术至少存在两个方面的问题：第一，在实际应用中，待识别动物无法像人一样主动配合，导致获取图像的旋转、偏移、局部遮挡或尺度不一致等情况。第二，现有虹膜定位技术很难获得准确的虹膜外边缘，进而影响归一化虹膜图像的质量。在这些情况下，现有技术很难获得准确的识别结果，从而限制了动物虹膜识别技术在食品溯源体系中的应用。

发明内容

本发明的目的是针对现有牛眼虹膜识别技术存在的问题，提供一种能够对非完美牛眼虹膜图像进行准确识别的方法。

本发明采用的技术方案是：在对本发明方法进行具体描述之前，首先给出相关定义：（a）非完美牛眼虹膜图像：存在旋转、偏移、局部遮挡或尺度不一致，但内边缘轮廓完整的牛眼虹膜图像。（b）目标牛眼虹膜库：存储已知身份的牛眼虹膜的图像库，待识别图像通过与该图像库对比来确定身份。（c）SIFT特征：采用尺度不变特征变换（SIFT，Scale Invariant Feature Transform）方法获得的图像特征描述子。

一种基于SIFT 特征包的牛眼虹膜图像识别方法，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；（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，获得每一幅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；（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。

作为优选，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。

有益效果：由于不需要进行虹膜外边缘精确定位和虹膜图像归一化，本发明方法在待识别牛眼虹膜图像存在旋转、偏移、局部遮挡或尺度不一致的情况下也能够较准确地进行识别，有助于提高牛眼虹膜图像识别的准确性与可靠性。

附图说明

图1是本发明的基本框图；

图2是本发明方法的详细工作流程图；

图3是本发明获取SIFT特征包的工作流程图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步说明：