[发明专利]一种基于强化泛用型虹膜特征标签的轻量级身份验证方法

权利要求书

1.一种基于强化泛用型虹膜特征标签的轻量级身份验证方法，其特征在于：其方法如下所述：

步骤一、使用市面常见虹膜采集仪，采集模板虹膜灰度图像两张；

步骤二、分别处理两张模板虹膜灰度图像，得到两张180×30维度模板虹膜处理图像；

步骤三、基于两张180×30维度模板虹膜处理图像得到模板特征标签，并将模板特征标签存储到IC卡中；

步骤四、通过虹膜采集仪采集测试虹膜灰度图像一张；

步骤五、处理测试虹膜灰度图像，得到180×30维度测试虹膜处理图像；

步骤六、提取180×30维度测试虹膜处理图像的特征标签；

步骤七、通过读卡器读取IC卡中存储的模板特征标签，利用模板虹膜灰度图像的特征标签与测试虹膜灰度图像的特征标签实现身份验证，具体过程如下：

第一步、读取IC卡中存储的模板虹膜特征标签，将十进制数转化为两个二进制数组，分别为8位二进制编码B1和7位二进制编码B2；

第二步、以测试虹膜特征标签D1与模板虹膜特征标签B1与B2进行身份验证，如果B1中第i个位置的数值为1，则设定为满足条件R1；在满足条件R1的情况下，D1的二进制数与B1中第i个位置所对应的B2的二进制数相同，则设定为满足条件R2；满足条件R2的情况占满足条件R1的情况的50％及以上，得到结论：测试虹膜与IC卡存储虹膜是同一个人；满足条件R2的情况占满足条件R1的情况的50％以下，得到结论：测试虹膜与IC卡存储虹膜不是同一个人；

上述步骤二、步骤五中处理虹膜灰度图像的具体过程如下：

第一步、通过非线性函数对虹膜图像进行处理，其中e代表指数函数中的底数，f(x,y)代表虹膜图像中坐标为(x,y)的点的灰度值，取结果值T的范围在[e^-0.5,1]的灰度点，并通过开运算去除图像噪声干扰，得到具有瞳孔部分的灰度图；

第二步、对具有瞳孔部分的灰度图通过函数进行处理，其中，z代表具有瞳孔部分的灰度图中所有灰度值不为0或者255的点的平均值，f₁(x,y)代表图像中坐标为(x,y)的点的灰度值在经过函数处理后的结果值，min代表具有瞳孔部分的灰度图中所有灰度值不为0或者255的点的最小值，将f₁(x,y)的值小于等于0的点(x,y)的灰度值全部设为0，其余点的灰度值设为255，得到瞳孔的二值化图像；

第三步、通过对瞳孔的二值化图像canny边缘检测操作以及Hough圆检测操作，找到瞳孔以及虹膜边界的所在位置，确定瞳孔圆心和半径；

第四步、通过Daugman橡皮筋法，以第三步中确定的瞳孔圆心为极坐标的极点，以2倍半径长度为极轴，将虹膜灰度图像转化为256×32维度的归一图像；

第五步、设定归一图像中灰度值不为0或者255的点为特征点，根据公式1，公式2得到图像模糊度；

公式1：

K_i＝|F(x_i,y_i+1)-F(x_i,y_i)|+|F(x_i,y_i-1)-F(x_i,y_i)|+|F(x_i+1,y_i)-F(x_i,y_i)|+|F(x_i-1,y_i)-F(x_i,y_i)| (1)

其中：

F(x_i,y_i)代表归一图像中坐标为(x_i,y_i)的第i特征点的灰度值；

F(x_i,y_i+1)代表归一图像中坐标为(x_i,y_i+1)的特征点上侧相邻点的灰度值；

F(x_i,y_i-1)代表归一图像中坐标为(x_i,y_i-1)的特征点下侧相邻点的灰度值；

F(x_i+1,y_i)代表归一图像中坐标为(x_i+1,y_i)的特征点右侧相邻点的灰度值；

F(x_i-1,y_i)代表归一图像中坐标为(x_i-1,y_i)的特征点左侧相邻点的灰度值；

K_i代表归一图像中坐标为(x_i,y_i)的第i特征点与上侧、下侧、左侧、右侧共计4个相邻点灰度值之间的灰度值变化差值的绝对值的和；

公式2：

其中：

D代表归一图像模糊度；

s代表归一图像中特征点的个数；

根据不同采集器的规格，设定清晰阈值p，D大于或者等于p时，代表该采集器下采集到的图像清晰，可以继续进行虹膜图像处理；D小于p时，代表该采集器下采集到的图像模糊，不可以继续进行虹膜图像处理；

第六步、设定第三步中初步找到的瞳孔圆心为中心点，将虹膜灰度图像中与该中心点距离大于5倍半径长度以及小于1倍半径长度的点的灰度值设为255，其余点的灰度值不变，之后根据公式组所得到的四个参数计算图像的直视度，设定虹膜灰度图像的维度为M×N，其中M代表长度，N代表宽度；

公式组：

其中：

f₂(M,y1_i)代表最右侧边界上的坐标为(M,y1_i)的第i个点的灰度值；

G₁代表图像最右侧边界上灰度值不等于255的点的数量的总和与维度N的比值；

f₃(0,y2_i)代表最左侧边界上的坐标为(0,y2_i)的第i个点的灰度值；

G₂代表图像最左侧边界上灰度值不等于255的点的数量的总和与维度N的比值；

f₄(x1_i,N)代表最下侧边界上的坐标为(x1_i,N)的第i个点的灰度值；

G₃代表图像最下侧边界上灰度值不等于255的点的数量的总和与维度M的比值；

f₅(x2_i,0)代表最上侧边界上的坐标为(x2_i,0)的第i个点的灰度值；

G₄代表图像最上侧边界上灰度值不等于255的点的数量的总和与维度M的比值；

sgn为符号函数，代表返回参数的正负；

根据公式3判断图像直视度，公式3：

Zs＝sgn((sgn(G₁-q)+sgn(G₂-q)+sgn(G₃-q)+sgn(G₄-q))+3) (3)

其中：

q代表判别阈值，根据不同的采集器的规格进行设置；

Zs代表图像直视度，如果Zs＝-1，则认定图像直视程度不可以继续进行虹膜图像处理，如果Zs＝1，则认定图像直视程度可以继续进行虹膜图像处理；

第七步、通过Daugman橡皮筋法，以第三步中确定的瞳孔圆心为极坐标的极点，以2倍半径长度为极轴，将虹膜灰度图像转化为180×30维度的虹膜处理图像。