[发明专利]虹膜图像识别方法、虹膜图像识别装置及存储介质

说明书

本公开是关于虹膜图像识别方法、虹膜图像识别装置及存储介质，虹膜图像识别方法，包括：获取待处理虹膜图像；基于改进的二维经验模态分解对待处理虹膜图像分解，得到多个二维经验模态分解分量；在多个二维经验模态分解分量中选取预设数量的二维经验模态分解分量进行重构，得到重构后的待处理虹膜图像；提取并融合重构后的待处理虹膜图像的分布特征；基于轻型梯度提升框架对分布特征进行识别，得到识别结果。根据本公开的实施例，通过改进的BEMD对待处理虹膜图像分解，提取部分分解分量重构虹膜图像，提取并融合重构后的虹膜图像特征，并借助lightgbm算法进行识别，有效地消除虹膜图像中的噪声以及背景因素的干扰，从而提高虹膜识别的精度和效率。

技术领域

本公开涉及图像处理技术领域，尤其涉及虹膜图像识别方法、虹膜图像识别装置及存储介质。

背景技术

生物特征识别是通过人体所固有的生理特征或行为特征对身份进行验证和识别的技术，其中虹膜识别具有可靠性高、稳定性好、等优点，同时也得到了学术界、产业界、政府和军队的广泛关注，成为生物特征识别领域关注的焦点。

利用虹膜识别时，虹膜图像的质量关系到识别的速度与精度，当前使用虹膜识别的过程中，由于受到人为和环境因素的影响，例如，采集到的虹膜图像的质量差、增加虹膜图像识别的难度，影响识别效率，导致识别精度降低，甚至引起虹膜识别失败，给人们的使用带来不便。

发明内容

为克服相关技术中存在的问题，本公开提供虹膜图像识别方法、虹膜图像识别装置、人眼识别方法、人眼识别装置及存储介质。

根据本公开实施例的一方面，提供虹膜图像识别方法，虹膜图像识别方法包括：获取待处理虹膜图像；基于改进的二维经验模态分解对待处理虹膜图像分解，得到多个二维经验模态分解分量；在多个二维经验模态分解分量中选取预设数量的二维经验模态分解分量进行重构，得到重构后的待处理虹膜图像；提取并融合重构后的待处理虹膜图像的分布特征；基于轻型梯度提升框架对分布特征进行识别，得到识别结果。

在一实施例中，基于改进的二维经验模态分解对待处理虹膜图像分解，包括：在改进的二维经验模态分解中，利用分段三次埃尔米特多项式插值函数计算改进的二维经验模态分解的包络曲面均值。

在一实施例中，基于改进的二维经验模态分解对待处理虹膜图像分解，包括：对待处理虹膜图像进行边界对称延拓。

在一实施例中，提取并融合重构后的待处理虹膜图像的分布特征，包括：利用logGabor奇函数提取重构后的待处理虹膜图像的分布特征。

在一实施例中，基于轻型梯度提升框架对分布特征进行识别，包括：利用汉明距离确定待处理虹膜图像的相似度；并基于轻型梯度提升框架对汉明距离进行识别。

在一实施例中，虹膜图像识别方法还包括：对待处理虹膜图像进行预处理，预处理包括；对待处理虹膜图像进行归一化处理；以及对归一化的待处理虹膜图像的分块。

在一实施例中，到重构后的待处理虹膜图像，包括：基于自适应的直方图均衡化，对重构后的待处理虹膜图像进行增强。

根据本公开实施例的一方面，提供虹膜图像识别装置，虹膜图像识别装置包括：获取模块，用于获取待处理虹膜图像；分解模块，用于基于改进的二维经验模态分解对待处理虹膜图像分解，得到多个二维经验模态分解分量；重构模块，用于在多个二维经验模态分解分量中选取预设数量的二维经验模态分解分量进行重构，得到重构后的待处理虹膜图像；提取模块，用于提取并融合重构后的待处理虹膜图像的分布特征；识别模块，用于基于轻型梯度提升框架对分布特征进行识别，得到识别结果。

在一实施例中，基于改进的二维经验模态分解对待处理虹膜图像分解时，分解模块用于：在改进的二维经验模态分解中，利用分段三次埃尔米特多项式插值函数计算改进的二维经验模态分解的包络曲面均值。