[发明专利]一种虹膜定位与特征提取方法和系统

权利要求书

1.一种虹膜定位与特征提取方法，其特征在于，该方法的步骤包括：

S1、基于预先构建的局部灰度分布统计模型，选取虹膜区域分割阈值；

S2、利用基于虹膜区域分割阈值构建的双阈值耦合分类器，对虹膜所在区域进行筛选，获得瞳孔区域图像和虹膜区域图像；

S3、利用基于瞳孔区域图像和虹膜区域图像构建的边界检测器，确定有效虹膜区域；

S4、利用基于有效虹膜区域构建的局部小波高频能量塔式跃迁模型，对有效虹膜区域的有效虹膜像素进行编码，获得虹膜特征编码；

其中，所述步骤S4包括：

将有效虹膜区域IC通过径向和弧向采样，变换为有效虹膜像素块RB；

将RB分别在lv×lv、2lv×2lv、4lv×4lv三个分辨率尺度上进行分块，然后分别在不同分辨率尺度的子块上进行1、2、3级小波分解，构建局部小波高频能量塔：

其中，square表示求平方函数，dwt2表示二维离散小波变换函数，db_i表示小波基，i表示小波分解级数，gethfb表示取小波高频子带系数函数，j表示小波高频子带的层级；

根据局部小波高频能量塔，构建局部小波高频能量塔式跃迁模型：

其中，mean表示求均值函数，square表示求平方函数，dwt2表示二维离散小波变换函数，dbi表示小波基，i表示小波分解级数，gethfb表示取小波高频子带系数函数，j表示小波高频子带的层级，isgreater表示系数能量关系运算符；

利用局部小波高频能量塔式跃迁模型对有效虹膜像素块RB进行编码，得到虹膜特征编码阵列RC。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：

根据设定局部灰度均值统计算子和虹膜图像的像素分辨率，分别获得高灰度阈值局部灰度统计模型和低灰度阈值局部灰度统计模型；

利用高灰度阈值局部灰度统计模型ST_H和低灰度阈值局部灰度统计模型ST_L分别确定：

光斑检测高灰度阈值：T_H＝median(gs(ST_H(end-h+1：end)))，其中，median表示取中值函数，gs表示取灰度值函数，h为ST_H中对应的后h个最高灰度值，end为末尾元素的索引；

瞳孔检测低灰度阈值：T_L＝median(gs(ST_L(1：l)))，其中，median表示取中值函数，gs表示取灰度值函数，l为ST_L中对应的前l个最低灰度值。

3.根据权利要求2所述的方法，其特征在于，所述步骤S2包括：

根据虹膜区域分割的高灰度阈值和低灰度阈值构建双阈值耦合分类器：IS＝repmat(isinner(T_L，T_H)，S)，其中，repmat表示二维扩展函数，S表示分类器IS的行、列尺寸，isinner表示灰度区间关系运算符；

利用所述双阈值耦合分类器从虹膜图像中分割出瞳孔所在的区域：

其中，numel表示非零元素计数函数，find表示关系匹配函数，表示卷积运算，n_h、n_l分别表示高、低灰度检出数门限，Ω表示从虹膜图像IR中检出的瞳孔所在区域，IP即为瞳孔区域图像块；

利用瞳孔区域图像块IP扩展出虹膜区域：

其中，size表示取图像矩阵二维尺寸函数，getcore表示取图像中心像素块函数，Φ表示从虹膜图像IR中分割出的虹膜区域，IB即为虹膜区域图像块，m、n分别表示IB的行、列像素数。