欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種虹膜分割識(shí)別方法

文檔序號(hào):6440018閱讀:346來源:國知局
專利名稱:一種虹膜分割識(shí)別方法
技術(shù)領(lǐng)域
本發(fā)明屬于計(jì)算機(jī)技術(shù)研究領(lǐng)域中的生物特征識(shí)別技術(shù)領(lǐng)域,特別涉及一種利用虹膜的相關(guān)特征來分割虹膜的虹膜分割識(shí)別方法。
背景技術(shù)
生物特征識(shí)別技術(shù)是利用生物體固有的生理特征或行為特征進(jìn)行身份鑒定的技術(shù)。與傳統(tǒng)的身份鑒定技術(shù)如鑰匙、證件、磁卡、密碼等相比,生物特征識(shí)別技術(shù)充分利用了個(gè)人的固有生物特征,從而在源頭上杜絕了偽造和竊取,具有更高的有效性、可靠性、安全性,在信息安全系統(tǒng)中得到了越來越廣泛的應(yīng)用。在生物特征識(shí)別技術(shù)中,相比人臉識(shí)別、指紋識(shí)別等,虹膜具有高度獨(dú)特性、穩(wěn)定性及不可更改的特點(diǎn),從而更加受到人們的青睞,在國家安全、反恐、司法領(lǐng)域、信息安全和自助服務(wù)等方面有著廣闊的應(yīng)用前景。虹膜分割是虹膜識(shí)別的最重要的步驟,虹膜分割結(jié)果的好壞直接決定了虹膜識(shí)別效果的好壞。經(jīng)典的虹膜分割方法有Danugman的微分積分算法活動(dòng)圓檢測(cè)(參考文獻(xiàn)[1] :"How Iris Recognition Works,,,IEEE Trans. Circuits andSystems for Video Technology, vol. 14,no. 1,pp. 21-30,Jan. 2004),Wilds 的兩部定位算法(參考文獻(xiàn)[2] “Iris Recognition :An Emerging Biometric Technology,,,Proc. of the IEEE, 1997, Vol.85, pp. 1348-136;3),這些方法均對(duì)可以得到不錯(cuò)的虹膜分割定位效果,但對(duì)于有些被上下眼瞼或者睫毛遮擋嚴(yán)重的虹膜,這些方法的分割效果均不夠理想或在虹膜分割運(yùn)行速度上達(dá)不到實(shí)時(shí)的要求。

發(fā)明內(nèi)容
為了解決現(xiàn)有虹膜分割方法存在的上述技術(shù)問題,本發(fā)明提供一種快速、準(zhǔn)確度高的虹膜分割識(shí)別方法。本發(fā)明解決上述技術(shù)問題的技術(shù)方案包括以下步驟(1)對(duì)虹膜圖像樣本歸一化訓(xùn)練,包括虹膜圖像的尺寸歸一化;(2)對(duì)虹膜數(shù)據(jù)提取虹膜Haar特征;(3)將虹膜正負(fù)樣本集輸入到Adaboost級(jí)聯(lián)分類器中訓(xùn)練,得到一個(gè)區(qū)分虹膜和非虹膜的強(qiáng)分類器;(4)將待定位的虹膜圖像輸入到由步驟C3)得到的強(qiáng)分類器中,定位出虹膜區(qū)域;(5)將定位好的虹膜圖像去除高亮點(diǎn),進(jìn)行虹膜瞳孔中心定位,再將虹膜圖像轉(zhuǎn)化為極坐標(biāo)圖像,進(jìn)行內(nèi)圓邊緣檢測(cè),最后用PP算法對(duì)內(nèi)圓進(jìn)行定位;(6)用當(dāng)前虹膜圖像的上眼瞼邊緣與虹膜模型進(jìn)行比較得到最終的有效上眼瞼邊緣點(diǎn),最后用曲線擬合對(duì)上眼瞼進(jìn)行定位;(7)根據(jù)以上兩個(gè)步驟的結(jié)果將虹膜原圖像轉(zhuǎn)換為特殊的極坐標(biāo)圖像,然后利用最大梯度得到外圓邊緣,得到有效的外圓邊緣點(diǎn),最后用PP算法對(duì)外圓進(jìn)行定位;
(8)對(duì)虹膜外圓以內(nèi),內(nèi)圓以外的原圖像下半部分,進(jìn)行邊緣檢測(cè),然后統(tǒng)計(jì)邊緣檢測(cè)點(diǎn),最后用二次曲線擬合方法快速得到下眼瞼,完成整個(gè)的虹膜分割識(shí)別。上述的虹膜分割識(shí)別方法中,所述步驟(5)中將定位好的虹膜圖像去除高亮點(diǎn)的步驟為找到灰度直方圖中占整幅圖像的5%的灰度值,將其作為二值化閾值T對(duì)原圖像進(jìn)行二值化,得到白色區(qū)域的面積AreiiT,將閾值以2為步長逐步減小,同時(shí)計(jì)算出白色區(qū)域面積AreaT_2,直到此時(shí)的面積AreaT_2與面積Are£iT的關(guān)系滿足公式(Are£iT-Are£iT_2) /AreaT_2 > θ && (AreaT_AreaT_2) > num上式中T為二值化閾值大小,θ,num為可調(diào)參數(shù),就得到了最后的閾值,并對(duì)圖像進(jìn)行二值化,得到對(duì)應(yīng)的需要去除高亮點(diǎn)的區(qū)域,用高亮點(diǎn)周邊的像素將二值化為白色的區(qū)域進(jìn)行修復(fù)。上述的虹膜分割識(shí)別方法中,所述步驟(5)中用PP算法對(duì)內(nèi)圓進(jìn)行定位步驟為a.給定初始圓心O1 (xp, yp)和一些邊緣點(diǎn)位置Pi, i = 1,2,. . .,N,每個(gè)邊緣點(diǎn)和圓心的連線看為一個(gè)彈簧,初始彈簧彈性系數(shù)為k = 1/N ;b.計(jì)算彈簧的平衡長度爐=IZfXiI1I0^I,其中I l*l I是指歐式距離長度;c.當(dāng) t= 1, . . . , TfflaxCl.每個(gè)彈簧都會(huì)產(chǎn)生一個(gè)對(duì)圓心方向的拉力或者彈力,從而將現(xiàn)在的圓心點(diǎn) 0'拉到平衡位置,拉動(dòng)的距離S=-M爐力1)0 = 1,2, ...W;C2.計(jì)算所有彈簧的合力及=XJl1I,然后算出當(dāng)前圓心位置Os,^J = Oi+汐;C3.重新計(jì)算所有彈簧的平衡長度P+1;C4.計(jì)算C = |及| +,假如C(t)彡Cmax,則得到最終的圓心點(diǎn)位置0P(xP,yP) 和半徑&。本發(fā)明的技術(shù)效果是1)本發(fā)明在虹膜定位過程中,把虹膜Haar特征引入到級(jí)聯(lián) Adaboost方法中,可以提取更有效的虹膜特征。2)在虹膜分割中可以自動(dòng)有效的定位出瞳孔中心?;脤⑸涎鄄€的檢測(cè)放在外圓檢測(cè)之前,可以去除掉大部分眼瞼以及睫毛對(duì)虹膜外圓定位的影響。4)在虹膜外圓分割中,利用新的極坐標(biāo)圖可以有效的提取外圓邊緣,從而更加有效魯棒的定位出虹膜外圓。5)本發(fā)明采用的級(jí)聯(lián)Adaboost算法可以從大量的特征中逐步選取最優(yōu)的Haar分類特征,可以快速虹膜定位。本發(fā)明是一種基于級(jí)聯(lián)Adaboost算法和PP算法的虹膜分割方法,提高了算法的魯棒性與抗噪能力,可以自動(dòng)實(shí)時(shí)的實(shí)現(xiàn)算法的整個(gè)流程,并應(yīng)用于實(shí)際過程之中。本發(fā)明不僅能大大減少虹膜分割的運(yùn)行時(shí)間,而且對(duì)遮擋嚴(yán)重的虹膜具有很好的魯棒性,從而使得虹膜識(shí)別性能得到了顯著的提高。下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。


圖1是本發(fā)明的流程圖。圖2是本發(fā)明中的Haar特征示意圖。
具體實(shí)施例方式圖1是本發(fā)明提出的虹膜分割算法總流程示意圖。整個(gè)流程包括定位模塊和虹膜分割模塊。訓(xùn)練模塊為對(duì)已分割好的虹膜樣本用新的虹膜Haar特征表示,然后通過訓(xùn)練得到一個(gè)強(qiáng)的級(jí)聯(lián)Adaboost分類器。虹膜分割模塊為對(duì)已經(jīng)定位好的虹膜進(jìn)行虹膜部分的分割,從而將虹膜特征提取出來。具體的虹膜定位模塊與虹膜分割模塊步驟如下圖1是本發(fā)明提出的基于虹膜本身所有的特征提出的虹膜Haar特征示意圖。根據(jù)虹膜本身的特點(diǎn),構(gòu)造出新的虹膜haar特征,從而更好的選擇出Adaboost級(jí)聯(lián)分類器, 加快虹膜定位過程。具體虹膜定位模塊如下虹膜定位模塊的基本步驟如下第一步歸一化原始的訓(xùn)練虹膜圖像。包括虹膜圖像大小歸一化,首先根據(jù)瞳孔的中心位置來裁剪出標(biāo)準(zhǔn)的虹膜圖像(長寬相等),然后歸一化到20*20像素大小。第二步用圖2中的Haar特征來表示已知的訓(xùn)練虹膜樣本,然后將其放入到級(jí)聯(lián) Adaboost訓(xùn)練分類器中,訓(xùn)練出一個(gè)基于Adaboost的級(jí)聯(lián)分類器。訓(xùn)練級(jí)聯(lián)Adaboost的具體步驟如下1.給定訓(xùn)練樣本S = {(Xl,Yl),K,(xffl, ym)},yi = 士 1表示虹膜樣本和非虹膜樣本;2.初始化樣本權(quán)重=Wi = 1/m, m為所有的樣本個(gè)數(shù);3.迭代過程t = 1,K,T,t是當(dāng)前迭代次數(shù),T是總的迭代次數(shù);(1)用獲取局部模式流程的方法產(chǎn)生弱分類器ht ;(2)更新樣本權(quán)重:ffi+1(i) = Wt(i)*eXp[-yi*ht]/Zt,Zt 為歸一化因子;4.構(gòu)造總分類器:H = Dt ;第三步將新的虹膜圖像輸入到前兩步構(gòu)造出來的級(jí)聯(lián)分類器中,快速有效的定位出瞳孔位置。虹膜分割模塊的基本步驟如下第一步虹膜內(nèi)圓定位。包括虹膜去除高亮點(diǎn),虹膜瞳孔中心定位,虹膜圖像的極坐標(biāo)化,虹膜內(nèi)圓定位。1.虹膜去除高亮點(diǎn)。首先找到灰度直方圖中占整幅圖像的5%的灰度值,將其作為二值化閾值T對(duì)原圖像進(jìn)行二值化。得到白色區(qū)域的面積AreiiT,然后將閾值以2為步長逐步減小,同時(shí)計(jì)算出白色區(qū)域面積AreaT_2,直到此時(shí)的面積AreaT_2與上次面積AreiiT的關(guān)系滿足公式(1),就得到了最后的閾值,并對(duì)圖像進(jìn)行二值化,得到對(duì)應(yīng)的需要去除高亮點(diǎn)的區(qū)域。然后用高亮點(diǎn)周邊的像素將二值化為白色的區(qū)域進(jìn)行修復(fù)。(AreaT_AreaT_2)/AreaT_2 > θ && (Area1-AreaT_2) > num(1)其中T為二值化閾值大小,θ ,num為可調(diào)參數(shù),θ為0. 2到0. 3之間,num取值為 20到30之間;2.虹膜瞳孔中心定位。通過虹膜圖像的灰度直方圖,找到兩個(gè)波峰之間的波谷,從而得到二值化閾值。然后經(jīng)過圖像形態(tài)學(xué)算法,得到最后的瞳孔區(qū)域,然后大致估計(jì)得到瞳孔的大致中心位置。
3.虹膜圖像的極坐標(biāo)化。根據(jù)上一步驟得到的瞳孔中心為中心點(diǎn),將虹膜原圖像轉(zhuǎn)換為極坐標(biāo)圖像,0到360度有360個(gè)方向,對(duì)應(yīng)將圖像轉(zhuǎn)換為360*N的極坐標(biāo)圖像,N為原圖像的長寬的一半大小。4.在極坐標(biāo)圖像上,用Sobel算子得到內(nèi)圓的邊緣,然后將邊緣點(diǎn)對(duì)應(yīng)到虹膜原圖像中,最后用PP算法定位出內(nèi)圓。PP算法的具體步驟如下d.給定初始圓心O1 (xp, yp)和一些邊緣點(diǎn)位置Pi, i = 1,2,. . .,N,每個(gè)邊緣點(diǎn)和圓心的連線看為一個(gè)彈簧,初始彈簧彈性系數(shù)為k = 1/N ;e.計(jì)算彈簧的平衡長度爐+,其中I I * I I是指歐式距離長度;f.當(dāng) t= 1, . . . , TfflaxCl.每個(gè)彈簧都會(huì)產(chǎn)生一個(gè)對(duì)圓心方向的拉力或者彈力,從而將現(xiàn)在的圓心點(diǎn) 0'拉到平衡位置,拉動(dòng)的距離《=-樹爐力= 2,C2.計(jì)算所有彈簧的合力及=XJl1I,然后算出當(dāng)前圓心位置V1Ovj^ = Oi +汐;C3.重新計(jì)算所有彈簧的平衡長度P+1;C4.計(jì)算C = |及| +,假如C(t)彡Cmax,則得到最終的圓心點(diǎn)位置0P(xP,yP) 和半徑&。第二步虹膜上眼瞼定位。首先用訓(xùn)練的方法得到3個(gè)虹膜上眼瞼的基本模型,然后用當(dāng)前的上眼瞼邊緣與模型進(jìn)行比較得到最終的有效上眼瞼邊緣點(diǎn),最后用曲線擬合對(duì)上眼瞼進(jìn)行定位;第三步虹膜外圓定位。在定位出內(nèi)圓的情況下,因?yàn)閮?nèi)圓圓心與外圓圓心相距不是很遠(yuǎn),以內(nèi)圓圓心為中心點(diǎn),從而將虹膜原圖像轉(zhuǎn)換為特殊的極坐標(biāo)圖像,根據(jù)虹膜的特點(diǎn),此時(shí)的極坐標(biāo)圖像有446個(gè)角度,其中在水平方向的左右90度是以0. 5度為步長,豎直方向的角度是以2度為步長。然后利用前面步驟的信息,去除掉一些不需要檢測(cè)邊緣的區(qū)域(包括內(nèi)圓,上眼瞼以外的區(qū)域),再用最大梯度測(cè)量法得到虹膜外圓的邊緣點(diǎn),以及概率統(tǒng)計(jì)方法得到有效邊緣監(jiān)測(cè)點(diǎn),最后用PP算法定位出外圓。第四步虹膜下眼瞼定位。對(duì)虹膜外圓以內(nèi),內(nèi)圓以外的原圖像下半部分,進(jìn)行邊緣檢測(cè),然后統(tǒng)計(jì)邊緣檢測(cè)點(diǎn),最后用二次曲線擬合方法快速得到下眼瞼。本發(fā)明在著名的虹膜庫CASIA-IrisV2和CASIA-IrisV3_Lamp上的實(shí)驗(yàn)結(jié)果,包括虹膜定位準(zhǔn)確率,虹膜瞳孔中心檢測(cè)率,最終的虹膜分割結(jié)果。從表1可以看出,本發(fā)明方法可以有效魯棒并且自動(dòng)的完成虹膜分割流程。表 權(quán)利要求
1.一種虹膜分割識(shí)別方法,包括以下步驟(1)對(duì)虹膜圖像樣本歸一化訓(xùn)練,包括虹膜圖像的尺寸歸一化;(2)對(duì)虹膜數(shù)據(jù)提取虹膜Haar特征;(3)將虹膜正負(fù)樣本集輸入到Adaboost級(jí)聯(lián)分類器中訓(xùn)練,得到一個(gè)區(qū)分虹膜和非虹膜的強(qiáng)分類器;(4)將待定位的虹膜圖像輸入到由步驟C3)得到的強(qiáng)分類器中,定位出虹膜區(qū)域;(5)將定位好的虹膜圖像去除高亮點(diǎn),進(jìn)行虹膜瞳孔中心定位,再將虹膜圖像轉(zhuǎn)化為極坐標(biāo)圖像,進(jìn)行內(nèi)圓邊緣檢測(cè),最后用PP算法對(duì)內(nèi)圓進(jìn)行定位;(6)用當(dāng)前虹膜圖像的上眼瞼邊緣與虹膜模型進(jìn)行比較得到最終的有效上眼瞼邊緣點(diǎn),最后用曲線擬合對(duì)上眼瞼進(jìn)行定位;(7)根據(jù)以上兩個(gè)步驟的結(jié)果將虹膜原圖像轉(zhuǎn)換為擁有446個(gè)角度的極坐標(biāo)圖像,然后利用最大梯度得到外圓邊緣,得到有效的外圓邊緣點(diǎn),最后用PP算法對(duì)外圓進(jìn)行定位;(8)對(duì)虹膜外圓以內(nèi),內(nèi)圓以外的原圖像下半部分,進(jìn)行邊緣檢測(cè),然后統(tǒng)計(jì)邊緣檢測(cè)點(diǎn),最后用二次曲線擬合方法快速得到下眼瞼,完成整個(gè)的虹膜分割識(shí)別。
2.根據(jù)權(quán)利要求1所述的虹膜分割識(shí)別方法,所述步驟(5)中將定位好的虹膜圖像去除高亮點(diǎn)的步驟為找到灰度直方圖中占整幅圖像的5%的灰度值,將其作為二值化閾值T 對(duì)原圖像進(jìn)行二值化,得到白色區(qū)域的面積AreiiT,將閾值以2為步長逐步減小,同時(shí)計(jì)算出白色區(qū)域面積AreaT_2,直到此時(shí)的面積AreaT_2與面積Are£iT的關(guān)系滿足公式(AreaT_AreaT_2)/AreaT_2 > θ && (AreaT_AreaT_2) > num上式中T為二值化閾值大小,θ,num為可調(diào)參數(shù),就得到了最后的閾值,并對(duì)圖像進(jìn)行二值化,得到對(duì)應(yīng)的需要去除高亮點(diǎn)的區(qū)域,用高亮點(diǎn)周邊的像素將二值化為白色的區(qū)域進(jìn)行修復(fù)。
3.根據(jù)權(quán)利要求1所述的虹膜分割識(shí)別方法,所述步驟(5)中用PP算法對(duì)內(nèi)圓進(jìn)行定位步驟為a.給定初始圓心O1(xp, yp)和一些邊緣點(diǎn)位置Pi, i = 1,2,. . .,N,每個(gè)邊緣點(diǎn)和圓心的連線看為一個(gè)彈簧,初始彈簧彈性系數(shù)為k = 1/N ;b.計(jì)算彈簧的平衡長度爐Η/Λ^Σ ,Ιο^Ι,其中I1*1 I是指歐式距離長度;c· ^ t — 1,· · ·,TmasCl.每個(gè)彈簧都會(huì)產(chǎn)生一個(gè)對(duì)圓心方向的拉力或者彈力,從而將現(xiàn)在的圓心點(diǎn)O'拉到平衡位置,拉動(dòng)的距離《=-M爐力1)0 = ;C2.計(jì)算所有彈簧的合力及=:^1^,然后算出當(dāng)前圓心位置V+1Ovj^ = Oi +汐;C3.重新計(jì)算所有彈簧的平衡長度ρ+1;C4.計(jì)算C = |及| +,假如C(t) < Cmax,則得到最終的圓心點(diǎn)位置0P(xP,yP)和半
全文摘要
本發(fā)明公開了一種虹膜分割識(shí)別方法。它包括以下步驟將已知的分類好的虹膜樣本進(jìn)行特征提取并通過訓(xùn)練,生成可以快速有效的對(duì)未知的虹膜樣本進(jìn)行定位的Adaboost級(jí)聯(lián)分類器,將待定位的虹膜圖像輸入到強(qiáng)分類器中,定位出虹膜區(qū)域;將未知的虹膜樣本通過分割模塊進(jìn)行虹膜分割提取,得到有效的虹膜分割結(jié)果。本發(fā)明采用基于級(jí)聯(lián)Adaboost算法和PP算法的虹膜分割方法,提高了算法的魯棒性與抗噪能力,可以自動(dòng)實(shí)時(shí)的實(shí)現(xiàn)算法的整個(gè)流程,并應(yīng)用于實(shí)際過程之中。本發(fā)明不僅能大大減少虹膜分割的運(yùn)行時(shí)間,而且對(duì)遮擋嚴(yán)重的虹膜具有很好的魯棒性,從而使得虹膜識(shí)別性能得到了顯著的提高。
文檔編號(hào)G06K9/62GK102411709SQ201110396720
公開日2012年4月11日 申請(qǐng)日期2011年12月2日 優(yōu)先權(quán)日2011年12月2日
發(fā)明者李樹濤, 盛先 申請(qǐng)人:湖南大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
安溪县| 班玛县| 建阳市| 葫芦岛市| 新龙县| 辛集市| 邮箱| 南川市| 三都| 寿阳县| 上杭县| 洪江市| 永德县| 上思县| 武夷山市| 辉县市| 巨野县| 德惠市| 沾益县| 增城市| 通化市| 无极县| 开原市| 耿马| 镇康县| 垣曲县| 辰溪县| 阿巴嘎旗| 博湖县| 商丘市| 昆明市| 临泉县| 拜泉县| 翁源县| 分宜县| 邓州市| 岢岚县| 历史| 酒泉市| 江安县| 沂南县|