[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

说明书

本发明公开了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，此分类器的设计包括改进的伪造虹膜数据库的设计、基于MSE分析的虹膜图像评估、基于SNR分析的虹膜图像评估、边缘检测、基于改进的边缘锐度分析的虹膜图像评估流程。在虹膜识别领域创新性的采用了双边滤波、MSE分析以及SNR分析相结合的虹膜图像评估体系针对无关类别虹膜攻击、散焦虹膜图像、运动模糊虹膜图像、美瞳虹膜图像的灰度特征及噪声分布特征实现对其高效且稳定的滤除。进一步针对仿真度较高的合成虹膜的边缘锐度特征创新性的设计基于改进的边缘锐度分析的虹膜图像评估体系。最终实现虹膜识别预处理过程中伪造虹膜快速、稳定的滤除。

技术领域

本发明涉及计算机图像领域，具体涉及基于中科院自动化所CAISA虹膜数据库和C++图像处理函数、图像中指定灰度提取、降噪以及处理结果的可视化显示。

背景技术

随着网络和信息化技术的飞速发展，信息安全问题日益凸显。软硬件技术的提升使计算机及智能电子设备得以普及和使用，加速了网络技术对社会生活各个方面的渗透。通过网络技术非法获取用户的个人信息的事情时有发生，防不胜防，这使得人们更多的关注个人信息安全。传统的身份验证手段依据密码口令、证件信息，但是，由于其易于丢失、窃取、遗忘、伪造的缺陷，弊端凸显，也愈来愈满足不了当今信息化社会的安全需求，跟不上人们安全观念的提升。这就需要更加可靠的身份识别手段提高信息安全级别，增加身份识别的难度。而虹膜特征以其唯一性、稳定性、可采集性、非侵犯性、防规避性等特性，使得虹膜特征识别技术成为当前身份认证技术领域的热点。随着虹膜识别的推广，大量的异质虹膜(伪造虹膜和低质虹膜)也不断充斥着市场，对虹膜识别系统的识别性能和分类性能提出了更高的要求。

目前主要的伪造虹膜攻击及其典型特征：

(1)无关类别虹膜攻击：非虹膜图像检测；

(2)打印虹膜攻击：高清彩色打印虹膜图像检测；

(3)彩色隐形眼镜：美瞳；

(4)合成虹膜：取本人真实虹膜图像的有效虹膜区域与另外其他人虹膜进行合成。

目前主要的低质虹膜的典型特征：

(1)过度噪声遮挡；

(2)光线明暗不稳导致的散焦模糊；

(3)运动引起的运动模糊。

目前市场上的伪造虹膜和低质虹膜鱼目混珠的现象愈演愈烈，使得异质虹膜分类器技术受到学术界与企业界的关注。本文基于目前市场上主流的伪造虹膜攻击及低质虹膜攻击，从图像质量评估角度，摆脱了传统异质虹膜分类器依赖虹膜纹理特征进行分类的特性，设计了一种在虹膜识别系统实现定位之前即可滤除绝大多数异质虹膜的快速分类器。

发明内容

本发明的目的是针对传统的基于虹膜纹理特征的异质虹膜分类器需要在特征提取环节才能进行异质虹膜的滤除操作导致整个虹膜预处理、定位与分割及归一化操作环节几乎作废，因而浪费了大量的计算资源同时也降低虹膜识别系统的整体执行效率的问题。设计了基于MSE分析的虹膜图像评估、基于SNR分析的虹膜图像评估和基于改进的边缘锐度分析的虹膜图像评估三种评估方式为核心的异质虹膜分类器。该分类器分析了目前市场上主流的伪造虹膜攻击方式以及低质虹膜的攻击方式，有针对性的采用了上述的评估方式，可以在虹膜预处理环节过滤掉绝大多数的伪造及低质虹膜攻击，节约了计算机的计算资源，有效提升了效率。实验结果表明，在相同硬件环境、相同的综合虹膜样本集合中传统的虹膜分类器平均耗时875.33毫秒，而本文设计的异质虹膜分类器平均耗时433.79毫秒；传统分类器异质虹膜接收率为7％，而本文的分类器异质虹膜接收率为2％。因此，相比传统的基于虹膜纹理特征分类器，本文设计的分类器过滤效果更加全面。