[发明专利]一种虹膜识别预处理过程中快速滤除伪造虹膜的异质虹膜分类器设计方法

权利要求书

1.一种虹膜识别预处理过程中快速滤除伪造虹膜的异质虹膜分类器设计方法，其特征在于，包括如下步骤：

步骤1：SNR分析的虹膜图像评估；

引入虹膜样本图像，生成虹膜图像灰度直方图，提取标准虹膜样本和伪造虹膜样本的图像像素灰度值，分别对其进行高斯平滑，再次计算标准虹膜样本和伪造虹膜样本的图像像素灰度值，代入SNR公式计算图像信噪比SNR的值；

步骤2：基于MSE分析的虹膜图像评估；

引入通过基于SNR分析的图像评估的虹膜样本图像，获取SNR图像评估获取的标准虹膜样本图像和伪造虹膜样本图像的像素灰度值，代入MSE均方误差计算公式，通过原始图像的灰度信息，计算出伪造虹膜图像相对于原始图像的失真程度；

步骤3：基于改进的边缘锐度分析的虹膜图像评估；

引入通过基于MSE分析的图像评估的虹膜样本图像，分析统计出图像某一边缘法向方向的灰度变化情况对图像进行评价；首先利用Sobel边缘检测算子提取出边缘，提取出边缘两侧像素灰度值，求出边缘法向的灰度变化率；提取边缘两侧总体像素灰度，求出该方向上的总体灰度变化，代入改进的边缘锐度分析算法公式计算出点锐度；

所述步骤1的实现包括：生成引入的虹膜样本图像的灰度直方图，提取标准虹膜样本和伪造虹膜样本的图像像素灰度值分别记为α(i,j)和β(i,j)；对标准虹膜样本和伪造虹膜样本分别进行高斯平滑降噪，再提取标准虹膜样本和伪造虹膜样本的图像像素灰度值分别记为α′(i,j)和β′(i,j)，代入图像信噪比的计算公式：

式中的M和N分别代表图像长度和宽度上的像素个数；

求出的信噪比值为SNR1和SNR2，图像信噪比值越大，图像质量越高；

所选步骤(3)的具体过程为：

引入通过基于MSE分析的图像评估的虹膜样本图像，分析统计出图像某一边缘法向方向的灰度变化情况对图像进行评价；首先利用Sobel边缘检测算子提取出边缘，提取出边缘两侧像素灰度值，求出边缘法向的灰度变化率记为d_f/d_x；提取边缘两侧总体像素灰度，求出该方向上的总体灰度变化记为f(b)-f(a)；

所述Sobel边缘测算子提取边缘的具体过程如下：

滑动图像窗口与Sobel边缘检测算子模板卷积，求得当前窗口中心像素的梯度值；不断滑动卷积窗口求得完整虹膜样本图像像素点的梯度值，生成原图的梯度图像，有效凸显出图像的边缘部分；

所述锐度分析算法采用：a)使用逐个像素邻域梯度计算代替了传统算法中边缘梯度计算，便于图像的整体评估；b)对方格像素8个邻域灰度变化进行距离加权，0°与90°相邻的像素权值为1,45°和90°相邻的像素权值为c)将上述提取的参数代入改进的边缘锐度分析公式计算出点锐度。

2.根据权利要求1所述的一种虹膜识别预处理过程中快速滤除伪造虹膜的异质虹膜分类器设计方法，其特征在于，所述步骤2的具体过程为：

引入通过基于SNR分析的图像评估的虹膜样本图像，获取SNR图像评估获取的标准虹膜样本图像和伪造虹膜样本图像的像素灰度值α(i,j)和β(i,j)，代入MSE均方误差计算公式：

式中的M和N分别代表图像长度和宽度上的像素个数；

根据标准虹膜样本图像与伪造虹膜样本图像的灰度值，计算出MSE均方误差值，该值反映出伪造虹膜图像相对于原始图像的失真程度，图像失真越大，即灰度变化较大，均方误差值越高，超过误差范围即可认定为伪造虹膜。

3.根据权利要求1所述的一种虹膜识别预处理过程中快速滤除伪造虹膜的异质虹膜分类器设计方法，其特征在于，所述Sobel算子卷积模板表示为：

其中S_x表示为水平方向的卷积模板，S_y表示为垂直方向的卷积模板，K[i,j]表示为滤波窗口，a_i表示像素点。