基于频域参数估计的离焦虹膜图像复原方法
【专利摘要】本发明公开了一种在频域进行参数估计的离焦虹膜图像复原方法，首先对离焦模糊虹膜图像进行傅里叶变换，得到频域图像，然后采用Hough变换对频域图像中的第一暗环以椭圆曲线进行参数计算，以此参数计算离焦半径，并初始化点扩散函数，采用盲去卷积迭代的方法估计清晰图像的傅里叶变换，通过傅里叶逆变换得到清晰虹膜图像。本发明可以在未知光学系统参数情况下对离焦参数进行有效估计，实现模糊虹膜图像复原，有效降低离焦虹膜图像对虹膜识别性能的影响，提升系统的鲁棒性，放宽对用户的限制，拓宽虹膜识别系统的应用领域。
【专利说明】基于频域参数估计的离焦虹膜图像复原方法
【技术领域】
[0001]本发明属于生物特征识别领域，涉及数字图像处理、统计学习和模式识别等技术，特别是涉及一种对未知参数系统获取的离焦虹膜图像在频域计算离焦半径并进行图像复原的方法。
【背景技术】
[0002]基于虹膜的身份鉴别以其高可靠性、稳定性和非侵犯性而占有生物特征识别技术的重要地位。常用的虹膜识别系统都是在被采集者的配合下采集高质量的虹膜图像，但在实际图像获取中，由于光学系统景深限制，在一些非合作模式或远距离识别时，无法获取清晰的准确对焦的虹膜图像。离焦的模糊虹膜图像由于其对于识别性能的不利影响，往往在虹膜识别系统前端的图像质量评价环节被摒弃，对这些图像进行复原能够提升系统的识别性能，提高系统鲁棒性及易用性。
[0003]目前，离焦模糊虹膜图像的复原可以基于普通离焦模糊图像复原技术，其主要步骤包括:点扩散函数(PSF)估计(即退化模型的估计)，噪声估计，被复原的图像估计。假设被复原的图像表示为f，噪声为n，g为模糊图像，则被复原的图像的退化模型可表示为:
[0004]g = h*f+n (I)
[0005]其对应的傅里叶变换可表示为:
[0006]G (U，V) = F (U，V) H (U，V)+N (U，V) (2)
[0007]图像的复原过程中，需要对退化函数h和噪声η做出估计，从而求得估计图像f。常用的图像复原的理论和方法主要有维纳滤波法、有约束的最小二乘法、最大熵法、加速正则化RL方法、最大后验概率方法等。其中维纳滤波属于反转滤波的一种方法，它的准则是寻找点扩散函数使估计图像与原始清晰图像间的均方误差最小；有约束的最小二乘法是一种有约束条件的反转滤波方法，计算量较大；最大熵法是一种基于最大似然法的反卷积算法，最终得到原图像的强度分布；RL方法是一种经典的去卷积算法，通过迭代来求解估计图像；最大后验概率法在已知退化图像最大后验估计值下采用贝叶斯判决理论对原图像估计。
[0008]实际图像采集时的PSF是未知的时，需要对系统的PSF进行估计，才能较好的复原图像。一种有效的复原方法是盲去卷积法，首先对PSF初始化，然后利用迭代的方法对退化函数和估计图像不断修正，直到迭代收敛。对于离焦模糊的虹膜图像，其成像过程中受到的外界干扰较少，其频域图像特性与离焦量有非线性的关系，可以在频域估算离焦量并以此初始化PSF，利用盲去卷积迭代复原图像，能够快速逼近实际PSF，实现高效率的虹膜图像复原。
【发明内容】
[0009](一 )要解决的技术问题
[0010]本发明的目的在于利用由于光学系统景深限制而产生的离焦虹膜图像的纹理信息来做识别，提供一种离焦虹膜图像的复原方法。此方法能恢复离焦模糊虹膜图像的纹理信息，提高虹膜识别系统的易用性，具有更好的识别性能。
[0011](二)技术解决方案
[0012]为达到上述目的，本发明提供了一种离焦虹膜图像复原方法，对未知参数系统获取的离焦虹膜图像在频域计算离焦半径并进行图像复原，包括以下步骤:
[0013]S1、对离焦虹膜图像进行傅里叶变换，得到对应的频域图像；
[0014]S2、对频域图像中的第一个暗环以椭圆曲线进行拟合，得到椭圆的参数；
[0015]S3、根据拟合得到的椭圆参数计算离焦半径；
[0016]S4、初始化点扩散函数，采用盲去卷积迭代的方法估计清晰虹膜图像的傅里叶变换；
[0017]S5、对计算结果进行傅里叶逆变换得到清晰虹膜图像。
[0018]上述方案中，所述步骤S2包括:S21、对频域图像进行去噪、二值化、形态学处理及边缘检测，提取出第一个暗环；S22、对提取出的暗环采用Hough变换的方法求出椭圆参数。其中步骤S21采用中值滤波对频域图像进行滤波，选取合适的阈值将频域图像二值化，采用膨胀腐蚀等形态学处理方法处理二值化的频域图像，采用canny算子检测椭圆暗环；步骤S22中采用Hough变换来拟合椭圆曲线的5个参数，其中，椭圆的中心点位置为图像中心，因此只需计算除了椭圆中心横纵坐标外的其他3个参数。
[0019]上述方案中，所述步骤S3包括:将计算求得的椭圆曲线与公式
【权利要求】
1.一种离焦虹膜图像的复原方法，对未知参数系统获取的离焦虹膜图像在频域计算离焦半径并进行图像复原，包括以下步骤: 51、对离焦虹膜图像进行傅里叶变换，得到对应的频域图像； 52、对频域图像中的第一个暗环以椭圆曲线进行拟合，得到椭圆的参数； 53、根据拟合得到的椭圆参数计算离焦半径； 54、初始化点扩散函数，采用盲去卷积迭代的方法估计清晰虹膜图像的傅里叶变换； 55、对计算结果进行傅里叶逆变换得到清晰虹膜图像。
2.根据权利要求1所述的离焦虹膜图像的复原方法，其特征在于，所述步骤S2包括: 521、对频域图像进行去噪、二值化、形态学处理及边缘检测，提取出第一个暗环； 522、对提取出的暗环采用Hough变换的方法拟合求出椭圆参数。
3.根据权利要求2所述的离焦虹膜图像的复原方法，其特征在于， 步骤S21采用中值滤波对频域图像进行滤波，选取合适的阈值将频域图像二值化，采用膨胀腐蚀等形态学处理方法处理二值化的频域图像，采用canny算子检测到椭圆暗环。
4.根据权利要求2所述的离焦虹膜图像的复原方法，其特征在于， 步骤S22中采用Hough变换来拟合椭圆曲线的5个参数，其中，椭圆的中心点位置为图像中心，因此只需求得除了椭圆中心坐标外的其他3个参数。
5.根据权利要求1所述的离焦虹膜图像的复原方法，其特征在于，所述步骤S3包括: 将计算求得的椭圆曲线与公式
6.根据权利要求1所述的离焦虹膜图像的复原方法，其特征在于，所述步骤S4包括: S41、初始化点扩散函数的傅里叶变换； S42、将模糊虹膜图像的傅里叶变换作为估计图像傅里叶变换的初始化估计； S43、根据模糊虹膜图像的灰度信息计算噪声功率参数； S44、采用盲去卷积的迭代方法对退化函数的傅里叶变换和估计图像的傅里叶变换同时进行迭代，且每一次迭代只与上一次的迭代结果和噪声功率参数有关； S45、当迭代达到停止条件时，将此时的估计图像的傅里叶变换作为输出的最终估计虹膜图像的傅里叶变换。
7.根据权利要求6所述的离焦虹膜图像的复原方法，其特征在于， 步骤S43中选取虹膜图像边缘的几块区域，分别计算其均值与方差的比值，再以这几个区域比值的均值作为噪声功率参数。
8.根据权利要求6所述的离焦虹膜图像的复原方法，其特征在于， 步骤S44的迭代停止条件为当前迭代与最后两次迭代之间的均方误差小于设定的阈值。
【文档编号】G06T5/00GK103971341SQ201410209111
【公开日】2014年8月6日 申请日期:2014年5月16日 优先权日:2014年5月16日
【发明者】何玉青, 任慧颖, 王思远, 黄坤, 侯博严 申请人:北京理工大学