[发明专利]虹膜图像的去模糊方法

说明书

技术领域

本发明涉及数字图像处理、模式识别和统计学习等技术领域，特别是涉及一种虹膜图像的去模糊方法。

背景技术

随着社会的发展进步，人们对于身份认证的可靠性的要求越来越高。由于生物特征的各种优点，近期研究者们提出了很多的基于生物特征的认证方法。其中，虹膜识别因其本身的高唯一性、强稳定性、非侵犯性等优点，特别适合用于人的身份认证和识别，并且已经有了很多非常成功的应用，特别是在大规模以及高精度要求的情况下。

基于虹膜的身份认证系统通过对虹膜成像装置获取到虹膜图像，再对其进行分析，完成对用户身份的认证或识别。虹膜成像装置在获取虹膜图像的时候，不可避免地会采集到一些不清晰的图片，如图2(b)、图2(c)和图2(d)所示。对于模糊的虹膜图像，其中的纹理细节信息会在一定程度上有所损失。而这一问题导致了虹膜识别的错误拒绝率升高。虹膜成像装置在获取虹膜图像的时候，为了采集到清晰的虹膜图片会对用户提出一些比较苛刻的要求。用户为了通过虹膜识别系统，需要使拍出的虹膜图像足够清晰，不得不去尽量地配合虹膜识别系统。这种对用户配合的严格要求，在一定程度上限制了虹膜识别的应用范围，造成了虹膜识别中最大的瓶颈。

在虹膜成像装置中，有限的景深是造成这一问题的主要原因。过浅的景深使得用户和相机之间的距离只能在一个很小的范围内变化，否则的话捕获到的虹膜纹理将会变得模糊不清，使得识别效果变得不理想，这种模糊被称为离焦模糊。受现阶段硬件设配和虹膜特殊性的限制，为了增加系统的景深，现行的系统往往会使用较大的光圈值。然而，当使用大光圈值时，捕获到的图像会变暗，我们只能通过增加相机的曝光时间来进行弥补。这样，在拍摄照片过程中，如果用户不能保证完全的静止，将会十分容易拍摄到运动模糊的图像。

德国Robert Bosch GmbH公司的Liu等人在其专利U.S.Pat No.2010/0201798AI中提出了一种虹膜图像去模糊方法。该方法通过深度传感器来获得人与相机的距离，估计离焦情况下的点扩散函数，再进行模糊虹膜图像的修复。

虽然上述虹膜去模糊方法取得了不错的恢复效果，但是它仍然存在很多缺陷。首先，它需要对模糊的成因进行假设，即在其系统中只能出现离焦模糊，这使得该方法都只能处理这一种情况下的模糊虹膜图像。当虹膜图像中还存在运动模糊时，此方法将会失效。其次，在这种假设下，使用了给定的点扩散函数的形式。仅通过距离传感器得到的信息去估计点扩散函数的参数，这使得点扩散函数不能够十分准确地反映真实模糊情况。另外，在这一方法中需要添加额外的硬件(深度感知器)来获得人与相机间的距离信息，使得不是所有的虹膜识别系统都能够应用此方法。最后，由于点扩散函数估计和图像噪声建模的不准确，使得图像去模糊的效果不是十分理想。

综上所述，现有的虹膜图像去模糊方法仍存在一定的改进余地，如何同时处理离焦模糊和运动模糊图像，以及如何获得准确的点扩散函数仍然是一个亟待解决的难题。如果能够增强模糊的虹膜图像中的细节信息、修复模糊的虹膜图像，就可以在一定程度上放宽对用户的要求，提高虹膜识别的可靠性和准确性。

发明内容

(一)要解决的技术问题

有鉴于此，本发明的主要目的是针对上述现有技术中存在的问题，提供一种虹膜图像的去模糊方法，以准确、鲁棒地实现模糊虹膜图像的修复。

(二)技术方案

为达到上述目的，本发明提供了一种虹膜图像的去模糊方法，该方法包括：步骤S1、分析输入的虹膜图像，判断该虹膜图像的模糊属于离焦模糊或运动模糊，再根据该判断结果初始化得到一点扩散函数；步骤S2、对输入虹膜图像的梯度进行选取，使得在选取出的梯度图上能够更有效地估计点扩散函数，再基于所选择的梯度信息，将所述已初始化的该点扩散函数进一步修正；步骤S3、基于所述修正后的点扩散函数，对模糊的虹膜图像进行修复。