一种虹膜图像的质量评价方法
【专利摘要】本发明提出了一种虹膜图像的质量评价方法，该算法首先采用连通域分析算法进行瞳孔定位，其次对瞳孔的左右区域进行提升静态小波分解，并通过计算两区域高频系数的拉普拉斯能量和对散焦模糊图像进行剔除；最后，通过计算瞳孔上侧区域的水平方向和垂直方向上的均值梯度，并应用SVM模型剔除有遮挡的图像。实验结果表明，该算法可以有效地、实时地评价具有散焦模糊和遮挡的虹膜图像。
【专利说明】一种虹膜图像的质量评价方法
【技术领域】
[0001]本发明属于图像识别领域，具体涉及到一种虹膜图像的质量评价方法。
【背景技术】
[0002]虹膜是人体最独特的结构之一，它位于角膜和晶状体之间，呈圆盘状，中间为瞳孔所穿过，其表面由许多腺窝、色素斑、皱褶等构成，具有丰富的纹理信息。虹膜纹理具有以下特点:唯一性、稳定性、防伪性、非侵入性和天然的极坐标特性。这使得虹膜识别技术与以往的生物识别技术相比，具有稳定性好、准确率高、识别速度快和应用范围广等特点。近年来受到人们越来越多的关注。
[0003]在虹膜识别系统中，虹膜图像的质量是影响识别效果的重要因素。为了提高识别系统的准确性，必须选择满足一定质量要求的图像作为识别系统的输入。传统的图像质量评价方法分为主观评价和客观评价两大类。在虹膜识别系统中，通常要求对使用者的限值尽可能小，因此必须采用客观的评价标准，从虹膜图像采集仪输出的视频序列中自动挑选出一幅质量较好的图像，并实时输出到后续的识别过程中。
[0004]影响虹膜图像质量的因素主要包括眼皮、睫毛的遮挡和散焦模糊。目前，虹膜识别系统中常用的质量评价算法包括:利用虹膜图像的2维傅里叶变换计算频域高频能量的方法、计算虹膜边界梯度的方法和基于小波包分解的虹膜图像质量评价算法，这3种算法都是针对由于对焦不准引起的图像质量的差异，并不能处理眼皮、睫毛遮挡的情况。
【发明内容】
[0005]本发明的目的针对虹膜图像中出现眼皮、睫毛的遮挡情况下的虹膜图像质量评价，提出了一种虹膜图像质量评价方法。具体的实施步骤如下:
[0006]步骤1:虹膜定位
[0007]本发明采用基于连通域分析的瞳孔定位算法，具体的定位过程如下:
[0008]I)对虹膜图像进行全局二值化，其中二值化的阈值
【权利要求】
1.一种虹膜图像的质量评价方法，其具体步骤:1)瞳孔定位；2)散焦模糊图像剔除；3)有遮挡图像剔除。
2.根据权利要求1所述的一种虹膜图像的质量评价方法，其特征在于，采用基于连通域分析的瞳孔定位算法，具体步骤如下: 对虹膜图像进行全局二值化，其中阈值Τ=Ι^ψ ； 这里，U为图像中最小的灰度，4?为图像中的灰度均值； 2)应用闭运算去除大部分眼皮和睫毛的干扰，其中采用的矩形模板大小为4x4； 3)进行连通域分析，找出面积最大的连通域C，瞳孔的中心坐标和瞳孔半径&，其中 这里，N为连通C的像素点个数，为连通域C中点的坐标，函数代表取整操作。
3.根据权利要求1所述的一种虹膜图像的质量评价方法，其特征在于，采用静态提升小波拉普拉斯能量和的散焦模糊图像剔除算法，具体步骤如下: O图像分解 选择瞳孔两侧64x64的矩形区域馬和鳥，分别对这两个区域进行提升静态小波分解，得到高频系数和，其中I表示·层，k表示方向； 2)计算两区域的拉普拉斯能量和 应用公式(I )，计算两个区域高频系数的拉普拉斯能量和Jf NM N SMlfi (U) = Σ Σ (* + 取_/+H) , SMLst (ij) = Σ(i+"*,y+?) a?—Jyrn—(I) 这里 ag5 (lj) = !2? (U) ifi (* M /3 (>+M|?1? (Lj) /5 (u -1) - 3)散焦模糊虹膜图像筛除 设定阈值T，通过公式(2)虹膜图像左右两区域的拉普拉斯能量和SML ;当SML>T时，表示该虹膜图像不存在散焦模糊现象；当SML〈T时，表示该虹膜图像被认定是具有散焦模糊的图像，应该被剔除。
4.
【文档编号】G06K9/00GK103854011SQ201210520636
【公开日】2014年6月11日 申请日期:2012年12月3日 优先权日:2012年12月3日
【发明者】朱亚辉, 封长林 申请人:西安元朔科技有限公司