[发明专利]虹膜识别方法及虹膜识别系统

说明书

本发明涉及虹膜识别方法及其虹膜识别系统。该方法包括：分割步骤，对被输入的虹膜序列的每一帧图像进行虹膜区域分割；配准步骤，对被分割后的虹膜区域进行图像配准；去噪步骤，在经所述配准步骤进行图像配准的基础上对虹膜图像序列进行清晰图像信息提取和去噪音；以及融合步骤，对去噪音后的清晰虹膜图像序列进行融合。根据本发明的虹膜识别方法及虹膜识别系统，能够提高虹膜识别方法的精确度。

技术领域

本发明涉及计算机算法，具体地涉及一种虹膜识别方法以及虹膜识别系统。

背景技术

生物特征识别(Biometrics)是指通过对人类特有的生理或者行为特征(如人脸、虹膜、指纹、步态和笔迹等)进行分析处理来鉴别个体身份的技术。与传统的身份识别方法(如身份证、工作卡、口令和密码等)相比，利用人体生物特征进行个体身份鉴别更加稳定可靠且不易伪造。

由于虹膜的有效区域相对较小，虹膜图像质量对成像设备景深、用户配合度和光照条件的依赖性较高，此外，上下眼皮和睫毛又往往造成有效虹膜区域遮挡，这些不利因素都会导致在实际应用中虹膜识别系统的识别精度严重下降。在较少约束成像条件下，影响虹膜图像质量的原因有：图像采集时用户眼皮眨动导致上下眼皮对虹膜有效区域的遮挡、睫毛对虹膜区域的遮挡、光源在虹膜区域的反射光斑对虹膜区域信息的破坏以及超出采集设备景深的成像距离等。

现有的解决低质量虹膜图像识别问题的技术大多采用图像融合的策略，将多幅虹膜图像归一化到固定尺寸大小的模板上进行去噪、融合等操作。但是，对低质量虹膜图像来说，由于受到各种不利因素的影响虹膜区域的精确分割是一个难题。将精度本来就不高的虹膜环状区域进行线性变化后归一化，则归一化后的矩形区域(以Daugman方法为例)同样存在精度和噪音干扰的问题。然而，传统的虹膜图像配准技术普遍采用这种归一化的方法来简化图像配准操作。

公开于本发明背景部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

鉴于上述问题，本发明旨在提供一种能够提供高分辨率的虹膜图像并且能够确保虹膜识别的高精度化的虹膜识别方法及虹膜识别系统。

本发明的虹膜识别方法，其特征在于，包括：

分割步骤，对被输入的虹膜序列的每一帧图像进行虹膜区域分割；

配准步骤，对被分割后的虹膜区域进行图像配准；

去噪步骤，在经所述配准步骤进行图像配准的基础上对虹膜图像序列进行清晰图像信息提取和去噪音；以及

融合步骤，对去噪音后的清晰虹膜图像序列进行融合。

可选地，在所述分割步骤中包括：

对输入的每一帧虹膜图像进行Canny边缘检测以检测出图像中的边缘点；以及

对检测出来的边缘点利用Hough变换搜索出虹膜区域的内外边界。

可选地，作为所述虹膜区域的内外边界，搜索出虹膜区域的内外半径大小和圆心位置。

可选地，所述配准步骤包括：

对低质量虹膜图像配准问题建立数学模型；以及

利用迭代最近点算法进行虹膜图像配准。

可选地，作为所述数据模型，包括：仿射变换T＝(A,t)以及两个虹膜区域的重叠比率因子λ₁和λ₂，其中，A表示仿射矩阵，t为平移变量，

在利用所述迭代最近点算法的过程中包括：

根据黄金分割搜索算法估计出输入的两幅待配准虹膜图像的重叠比率因子λ₁和λ₂；