[发明专利]基于小波变换和极大值检测的虹膜识别方法

摘要

本发明提供了一种虹膜识别方法。先将定位后的虹膜纹理归一化为图像矩阵m；然后剪切出m中含有重要纹理特征的部分组成矩阵M，经直方图均衡化处理得到图像增强矩阵N；对矩阵N分块、求均值，将均值按行首尾相连构成特征信号f(x)；再以高斯函数的一阶导数为小波，在尺度因子S＝1、2下，分别对f(x)作卷积运算，得到向量t₁、t₂；将t₁、t₂首尾相连构成向量v；在向量v中作局部模极大值检测，得到用于匹配识别的虹膜纹理特征编码二值向量V；最后通过比较两个虹膜纹理的特征编码V1、V2之间的海明距离，若小于阈值T，认为两个虹膜纹理相匹配；反之，则不相匹配。本发明可克服瞳孔缩放导致的纹理变形、图像平移和旋转、环境噪声等引入的误差；同时能简化运算量，提高识别速度。

主权项

1、基于小波变换和极大值检测的虹膜识别方法，其特征是，它包含下列步骤：步骤1、将经定位后的虹膜纹理图像归一化为一个标准大小的图像矩阵以瞳孔圆心为坐标原点，构建一个极坐标系，将虹膜纹理图像中每一个像素点的直角坐标映射到极坐标中，得到相应参数(r，θ)；以参数r作为行，θ作为列，将近似圆环的虹膜纹理拉伸为一个75×360的图像矩阵m；步骤2、为了消除上下眼皮对纹理的影响，将图像矩阵m中第1行至第25行剪切出来，得到一个25×360的矩阵m1；将图像矩阵m的第121列至第360列中的第26行至第50行剪切出来，得到一个25×240的矩阵m2；将m1和m2合并为一个25×600的矩阵M；步骤3、将图像矩阵M作直方图均衡化处理，得到一个图像增强后的矩阵N；步骤4、在矩阵N中，每5×5个像素点作为一个分块，求出每一个分块的均值，一共可以得到5×120个值，将这些值按行首尾连接，构成一个长度为600位的特征信号f(x)；步骤5、以高斯函数的一阶导数作为小波，在尺度因子S＝1、2两个尺度下，分别对特征信号f(x)作卷积运算；为了计算方便，不考虑滤波器长度，得到两个长度为600位的向量t1、t2；步骤6、将t1、t2首尾连接成一个长度为1200位的向量v；在向量v中作局部模极大值检测，如果v(i-1)＜v(i)＞v(i+1)，其中i＝2，3.....599，也就是说，v(i)为局部极大值，那么令v(i-1)＝v(i)＝v(i+1)＝1，否则v(i)＝0；这样就得到一个1200位的二值向量V，以此二值向量V作为虹膜纹理的特征编码，用于匹配识别；步骤7、对于来自两个虹膜纹理的特征编码V1、V2，通过比较二者的海明距离，得到匹配结果：$\mathrm{HD}=\frac{1}{1200}\underset{j=1}{\overset{1200}{\Sigma }}{A}_j\left(\mathrm{XOR}\right)B_j;$ 若海明距离小于阈值T，认为两个虹膜纹理相匹配；若海明距离大于阈值T，认为两个虹膜纹理不相匹配。