[发明专利]一种基于相对熵的虹膜图像清晰度评价方法

权利要求书

1.一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，包括以下步骤：

第一步，根据原始虹膜图像A中的虹膜中心点及虹膜半径，确定待评价候选区域内的图像B；

第二步，对所述图像B进行局部最大梯度计算，得到局部最大梯度能量图C；

第三步，通过遍历统计所述图像C中的像素值分布，得到所述原始虹膜图像A的能量分布的向量P；

第四步，采用低通滤波方法对所述图像B进行转换，得到参考图像E；

第五步，重复步骤2和步骤3得到所述参考图像E的能量分布的向量Q；第六步，采用交叉熵定量方法计算所述向量P与向量Q的相对熵差异L；

其中，计算所述相对熵差异L的差异指标：

通过对所述向量P与向量Q的相对熵差异L进行换算，得到所述原始虹膜图像A的清晰度评价分数S。

2.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，所述虹膜中心点确定方法为：首先对所述原始虹膜图像A进行虹膜粗定位，通过离散圆形动态轮廓线法，确定虹膜中心坐标(P_x，P_y)和虹膜半径r，以所述虹膜中心坐标(P_x，P_y)为中心，α倍所述虹膜半径r为边长的矩形区域，作为所述待评价候选区域内的图像B，所述待评价候选区域内的图像B的坐标范围是：

x∈(P_x-∝r，P_x+∝r)，y∈(P_y-∝r，P_y+∝r)。

3.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，所述对图像B进行梯度图计算，进一步包含：

采用索贝尔算子(Sobel operator)与所述图像B进行卷积运算近似获得图像在x和y方向的梯度值。采用的索贝尔算子包含两组3＊3向量，分别与图像进行卷积可以得到X方向和Y方向的梯度近似值。

根据公式2计算并得到图像B的梯度图图像C：

其中图像B表示待评价清晰度的图像，G_x为X方向卷积模板，G_y为Y方向卷积模板，λ为X方向与Y方向梯度融合系数，所述图像C为图像B对应梯度图。

根据公式3计算并得到图像C的最大梯度能量图图像D：

其中所述图像C表示待评价清晰度的图像的梯度图，R_x表示以x为中心边长为R的图像块，所述图像D表示最大梯度能量图。

4.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，所述评价候选区域范围是以所述虹膜中心坐标(P_x，P_y)为中心，α倍所述虹膜半径r为边长的矩形区域，所述倍数α的取值范围为(1.2，1.3)。

5.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，所述计算能量向量P的方法为遍历所述图像D统计灰度值t在所述图像D中出现的次数，得到所述图像D的直方图信息作为能量向量。

6.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，分别在所述原始虹膜图像和所述参考图像的虹膜区域选择的所述图像子块，是正方形的。

7.如权利要求1所述的一种基于相对熵的虹膜图像清晰度评价方法，其特征在于，所述均值滤波方法的滤波核规格包括但不限于[3＊3]、[5＊5]以及[7＊7]。

8.如权利要求3中所述对图像B进行能量计算，其特征在于，对于无法定位虹膜中心的图像，认为图像质量过差。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述一种基于相对熵的虹膜图像清晰度评价方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述图像融合质量评价方法的步骤。