[发明专利]一种虹膜分割识别方法

说明书

技术领域

本发明属于计算机技术研究领域中的生物特征识别技术领域，特别涉及一种利用虹膜的相关特征来分割虹膜的虹膜分割识别方法。

背景技术

生物特征识别技术是利用生物体固有的生理特征或行为特征进行身份鉴定的技术。与传统的身份鉴定技术如钥匙、证件、磁卡、密码等相比，生物特征识别技术充分利用了个人的固有生物特征，从而在源头上杜绝了伪造和窃取，具有更高的有效性、可靠性、安全性，在信息安全系统中得到了越来越广泛的应用。

在生物特征识别技术中，相比人脸识别、指纹识别等，虹膜具有高度独特性、稳定性及不可更改的特点，从而更加受到人们的青睐，在国家安全、反恐、司法领域、信息安全和自助服务等方面有着广阔的应用前景。

虹膜分割是虹膜识别的最重要的步骤，虹膜分割结果的好坏直接决定了虹膜识别效果的好坏。经典的虹膜分割方法有：Danugman的微分积分算法活动圆检测(参考文献[1]：“How Iris Recognition Works，”IEEE Trans.Circuits andSystems for Video Technology，vol.14，no.1，pp.21-30，Jan.2004)，Wilds的两部定位算法(参考文献[2]：“Iris Recognition：An Emerging Biometric Technology”，Proc.of the IEEE，1997，Vol.85，pp.1348-1363)，这些方法均对可以得到不错的虹膜分割定位效果，但对于有些被上下眼睑或者睫毛遮挡严重的虹膜，这些方法的分割效果均不够理想或在虹膜分割运行速度上达不到实时的要求。

发明内容

为了解决现有虹膜分割方法存在的上述技术问题，本发明提供一种快速、准确度高的虹膜分割识别方法。

本发明解决上述技术问题的技术方案包括以下步骤：

(1)对虹膜图像样本归一化训练，包括虹膜图像的尺寸归一化；

(2)对虹膜数据提取虹膜Haar特征；

(3)将虹膜正负样本集输入到Adaboost级联分类器中训练，得到一个区分虹膜和非虹膜的强分类器；

(4)将待定位的虹膜图像输入到由步骤(3)得到的强分类器中，定位出虹膜区域；

(5)将定位好的虹膜图像去除高亮点，进行虹膜瞳孔中心定位，再将虹膜图像转化为极坐标图像，进行内圆边缘检测，最后用PP算法对内圆进行定位；

(6)用当前虹膜图像的上眼睑边缘与虹膜模型进行比较得到最终的有效上眼睑边缘点，最后用曲线拟合对上眼睑进行定位；

(7)根据以上两个步骤的结果将虹膜原图像转换为特殊的极坐标图像，然后利用最大梯度得到外圆边缘，得到有效的外圆边缘点，最后用PP算法对外圆进行定位；

(8)对虹膜外圆以内，内圆以外的原图像下半部分，进行边缘检测，然后统计边缘检测点，最后用二次曲线拟合方法快速得到下眼睑，完成整个的虹膜分割识别。

上述的虹膜分割识别方法中，所述步骤(5)中将定位好的虹膜图像去除高亮点的步骤为：找到灰度直方图中占整幅图像的5％的灰度值，将其作为二值化阈值T对原图像进行二值化，得到白色区域的面积Area_T，将阈值以2为步长逐步减小，同时计算出白色区域面积Area_T-2，直到此时的面积Area_T-2与面积Area_T的关系满足公式：(Area_T-Area_T-2)/Area_T-2＞θ&&(Area_T-Area_T-2)＞num

上式中T为二值化阈值大小，θ，num为可调参数，就得到了最后的阈值，并对图像进行二值化，得到对应的需要去除高亮点的区域，用高亮点周边的像素将二值化为白色的区域进行修复。

上述的虹膜分割识别方法中，所述步骤(5)中用PP算法对内圆进行定位步骤为：

a.给定初始圆心O¹(x_p，y_p)和一些边缘点位置P_i，i＝1，2，...，N，每个边缘点和圆心的连线看为一个弹簧，初始弹簧弹性系数为k＝1/N；

b.计算弹簧的平衡长度其中||*||是指欧式距离长度；

c.当t＝1，...，T_max