CN101894256A - 基于奇对称2D Log-Gabor滤波器的虹膜识别方法 - Google Patents
基于奇对称2D Log-Gabor滤波器的虹膜识别方法 Download PDFInfo
- Publication number
- CN101894256A CN101894256A CN 201010217903 CN201010217903A CN101894256A CN 101894256 A CN101894256 A CN 101894256A CN 201010217903 CN201010217903 CN 201010217903 CN 201010217903 A CN201010217903 A CN 201010217903A CN 101894256 A CN101894256 A CN 101894256A
- Authority
- CN
- China
- Prior art keywords
- iris
- log
- formula
- feature
- theta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于奇对称2D Log-Gabor滤波器的虹膜图像特征提取方法,按照以下步骤实施:步骤1、通过虹膜采集设备得到虹膜图像;步骤2、虹膜图像预处理:包括虹膜定位、虹膜图像质量评估、归一化步骤;步骤3、使用基于奇对称2D Log-Gabor滤波器的改进算法提取原始虹膜特征:导出2D Log-Gabor滤波器函数;将2D Log-Gabor滤波器从极坐标转换成直角坐标;将2D Log-Gabor滤波器分解为二维奇对称滤波器函数;虹膜子块划分与特征提取;步骤4、特征融合,具体包括提取子块的幅值及相位、融合特征步骤;步骤5、特征匹配分类:包括特征编码、海明距离编码、选择海明距离阈值、虹膜特征识别步骤。本发明方法突破了虹膜采集距离2米以内的限制,提高了长距离虹膜识别的准确性与可靠性。
Description
技术领域
本发明属于生物特征识别技术领域,涉及一种基于奇对称2D Log-Gabor滤波器的虹膜识别方法。
背景技术
评价一种生物特征识别技术的好坏有四个方面:防伪性、普遍性、稳定性和可接受性。在所有生物特征中,指纹相对稳定但录取指纹属于侵犯性的。脸形特征具有很多优点(如非侵犯性、用户友好),但脸形随年龄变化,而且容易伪装。声音特征具有与脸形特征相似的优点,但它随年龄、健康状况和环境等因素变化,而且语音识别***也容易被录音所欺骗,容易被伪造。虹膜特征识别解决了这些问题,而且同时还具有上述其他生物特征所具有的一些优点。虹膜识别是利用瞳孔和巩膜之间的环状区域纹理,也就是虹膜进行身份鉴别的生物体识别技术。虹膜识别的过程主要包括图像采集、预处理、特征提取、编码后形成虹膜特征,然后与虹膜模板数据库中的特征模板进行比较匹配,得出识别结果。
然而,现有的虹膜识别方法还存在一系列突出问题,如采集距离小于2米,产品使用环境苛刻,以及Gabor滤波器存在月牙状等问题,导致虹膜识别的准确率和匹配效率较低,无法满足应用中的实际需求。
发明内容
本发明提供了一种基于奇对称2D Log-Gabor滤波器的虹膜识别方法,解决了现有技术采集距离短,产品使用环境苛刻,以及Gabor滤波器存在月牙状,导致虹膜识别的准确率和匹配效率较低的问题。
本发明所采用的技术方案是,一种基于奇对称2D Log-Gabor滤波器的虹膜图像特征提取方法,该方法按照以下步骤实施:
步骤1、采集虹膜图像:采用自动变焦的摄像头作为虹膜采集设备,在卤光灯照射配合下,采集得到虹膜图像;
步骤2、虹膜图像预处理:
2.1)虹膜定位,通过水平与垂直灰度投影对虹膜圆心位置(x0,y0)进行粗定位,然后使用高斯梯度圆边缘检测算子分别进行虹膜内边缘和外边界的定位,假设I(x,y)是坐标为(x,y)处的眼睛图像强度,并且虹膜边缘的模型化圆心在(x0,y0)处,圆半径为r,则由式(1)求得圆心坐标与半径:
2.2)虹膜图像质量评估;
2.3)虹膜归一化,将过滤评估合格的虹膜图像从笛卡尔直角坐标系归一化展开到极坐标系上,转化过程由式(2)得到:
式(2)中,r∈[0,1],θ∈[0,2π],(x0(θ),y0(θ)),(x1(θ),y1(θ))分别代表在θ方向上的瞳孔和巩膜内、外边缘的边缘点;
步骤3、使用基于奇对称2D Log-Gabor滤波器的改进算法提取原始虹膜特征:
3.1)导出2D Log-Gabor滤波器函数,2D Log-Gabor定义在log极坐标下,函数表达由式(3)给出:
式(3)中,(ρ,θ)为极坐标,以Log2为刻度,滤波器在多倍频范围内,ns=5是多分辨率的刻度数,nt是方向数值,其范围在3-20之间,s∈{1,....,ns},t∈{1,....,nt},用来标记滤波器的频谱和方向,(ρs,θ(s,t))为滤波器的坐标中心,(σρ,σθ)为分别在ρ和θ下的带宽;
再将2D Log-Gabor滤波器从极坐标转换成直角坐标,经变换后的频域形式为:
其中,f0为中心频率,σu控制μ1方向上的带宽,σv控制v1方向上的带宽,θ为滤波器的方向,对于不同的中心频率f0,σu/f0及σv保持不变;
3.2)将2D Log-Gabor滤波器分解为二维奇对称滤波器函数,由式(5)求得:
3.3)虹膜子块划分与特征提取,将归一化及增强后的虹膜纹理图像按滤波器大小划分为32×8个子块,并获取每一子块的特征值Fmn,由式(6)求得:
其中Gmn o(u,v)为尺度为m、方向为n的奇对称2D Log-Gabor滤波器,(i,j)为子块中心坐标,N,M为子块大小;
步骤4、特征融合:
4.1)提取子块的幅值及相位,通过步骤3提取出(x,y)子块的特征值Fmn(x,y)后,通过式(7)和式(8)提取对应子块的幅值信息Mmn(x,y)和相位信息Pmn(x,y):
其中,表示Fmn(x,y)的共轭函数;
4.2)融合特征,由式(9)找到在m尺度下的幅值最大的n/2个方向序号s,由式(10)求得尺度和这些方向下的有效虹膜特征编码,hr,hi分别表示实部与虚部生成的1bit编码:
步骤5、特征匹配分类:采用基于纹理分布的加权海明距离用于特征匹配分类,具体步骤如下:
5.1)特征编码:首先,将特征区域分成32×8个子块,每个子块选取5个尺度和8个方向,得到20480bit数据;其次,经过步骤4特征融合,得到10240bit特征序列;之后,将该序列按照十六进制编码方式,每8位进行一次编码,得到1280个字节的特征编码;
5.2)海明距离编码,将海明距离作为衡量两个虹膜编码之间的相似度,两个虹膜编码之间的海明距离由式(11)得到:
L表示整个虹膜编码的长度,A,B表示虹膜特征编码序列,j表示虹膜编码的第j位,A,B做异或计算,当Aj与Bj相同时为0,反之为1;
利用基于纹理分布的加权海明距离进行计算:首先,按照式(11)求出每一个子带的海明距离h1,h2,……,hn,n为子带个数,i越大,表示的子带hi越靠近虹膜内边界,再通过式(12)求解子带海明距离的加权和:
式中加权因子满足:a1<a2<...<an且a1+a2+...+an=n;
5.3)选择海明距离阈值,通过上述步骤得到虹膜的海明距离编码后,根据实验统计结果,确定0.38为海明距离阈值;
5.4)虹膜特征识别,采用上步确定的海明距离阈值,对采集虹膜和虹膜数据库中样本的特征编码进行比较,如果其海明距离小于等于阈值,则认为是同一虹膜;反之,则认为是不同虹膜。
本发明的有益效果是,通过虹膜质量评估方法避免低质量虹膜图像对识别结果的影响,使用改进的基于奇对称2D Log-Gabor滤波器的特征提取方法弥补了Log-Gabor滤波器与2D Log-Gabor滤波器由于角度方向带宽周期性变换而造成的月牙状缺陷,突破了虹膜采集距离2米以内的限制,提高了长距离虹膜识别的准确性与可靠性;而且从算法上削弱图像采集设备带来的不利影响,通过小波滤波技术最大程度的获取虹膜纹理细节信息,并将噪声影响降至最低限度。
附图说明
图1是本发明方法的流程图;
图2是本发明方法展开后的虹膜图像;
图3是本发明方法针对的月牙状波形造成的栅格状虹膜特征图像;
图4是本发明方法提取的虹膜特征图像;
图5是本发明方法与偶对称2D Log-Gabor滤波器的Hamming距离分布比较图,o1与e1曲线为两种方法类间比较的距离分布,o2和e2曲线为两种方法类内比较的距离分布;
图6是本发明方法对现有的CASIA虹膜库的ROC曲线图;
图7是本发明方法对现有的UBIRIS虹膜库的ROC曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
参照图1,本发明的基于奇对称2D Log-Gabor滤波器的虹膜图像特征提取方法,按照以下步骤实施:
步骤1、长距离采集虹膜图像。
虹膜采集是虹膜识别***的关键性技术之一。虹膜本身尺寸很小,如何在不侵犯人体的情况下,获取高质量的虹膜图像供识别之用,这是实现长距离虹膜识别的核心问题之一。本发明采用了带有可自动变焦的高清晰摄像头作为虹膜采集设备,镜头由微型步进电机驱动,可以根据虹膜质量评估模型的反馈信息自动调节焦距,无需用户主动协助。照明光源选择摄影用卤光灯(选用的功率为50W,色温为5100K),不会在虹膜上留下比较明显的光斑,形成噪声污染。
步骤2、虹膜图像预处理。
对步骤1得到的一系列虹膜图像进行预处理,以从采集的眼部图像中得到符合识别要求的归一化虹膜图像。虹膜图像预处理包括虹膜定位、虹膜图像质量评估、归一化等步骤。
2.1)虹膜定位。通过水平与垂直灰度投影对虹膜圆心位置(x0,y0)进行粗定位,然后使用高斯梯度圆边缘检测算子分别进行虹膜内边缘(瞳孔边缘)和外边界(巩膜边界)的定位。假设I(x,y)是坐标为(x,y)处的眼睛图像强度,并且虹膜边缘的模型化圆心在(x0,y0)处,圆半径为r,则通过式(1)求得圆心坐标与半径。
2.2)虹膜图像质量评估。
虹膜图像质量评估的目的是滤掉不合格的虹膜图像,并实时输出合格图像到后续的识别过程。在采集时伴随眼睛的眨动、旋转等运动,可能造成虹膜部分或全部被眼皮、眼睫毛遮挡或由于焦距不准造成成像不清晰,因而在识别之前需要对图像质量进行评价。
虹膜图像质量评估分两步进行:
2.21)反馈评估。为了让采集装置能够对焦距、照明等各个参数进行自主调节,首先对采集图像的亮度和模糊程度进行评估。令QLight、QBlur分别表示亮度、模糊两个评估结果,则反馈的评估结果Qfeedback为:
Qfeedback=QLight+QBlur (2)
2.22)过滤评估。通过步骤2.21)将采集装置调节到最佳状态后,使用式(3)的评估结果Qiris对采集的虹膜图像进行过滤,将不符合质量要求的图像滤除,剩下的虹膜图像进入下一步处理。
Qiris=EBright×QBright+EEyelid×QEyelid+EEyelash×QEyelash+ELoc×QLoc (3)
其中,QBright、Qeyelid、Qeyelash和QLoc分别是光斑、眼睑遮挡、睫毛遮挡和虹膜定位的评估结果,EBright、EEyelid、EEyelash和ELoc分别为光斑、眼睑遮挡、睫毛遮挡和虹膜定位评估结果的权值因子,每个权值因子取值范围区间为[0,1],且EBright+EEyelid+EEyelash+ELoc=1。
2.3)虹膜归一化。将过滤评估合格的虹膜图像从笛卡尔直角坐标系归一化展开到极坐标系上,转化过程通过式(4)得到:
式中:r∈[0,1],θ∈[0,2π],(x0(θ),y0(θ)),(x1(θ),y1(θ))分别代表在θ方向上的瞳孔和巩膜的(即虹膜内、外边缘)边缘点。展开后的虹膜图像,如图2所示。通常同一个虹膜在多次采集后,各虹膜图像中虹膜的位置与大小都会发生变化。归一化展开将虹膜图像调整到相同的尺寸和对应位置,从而消除了平移、缩放和选择对虹膜识别的影响,为下一步特征提取奠定了必要的基础。
步骤3、使用基于奇对称2D Log-Gabor滤波器的改进算法提取原始虹膜特征。
3.1)导出2D Log-Gabor滤波器函数,2D Log-Gabor定义在log极坐标下,函数表达通过式(5)给出:
式(5)中:(ρ,θ)为极坐标,以Log2为刻度,滤波器在多倍频范围内,ns=5是多分辨率的刻度数,nt是方向数值,其范围在3-20之间,优选值为8,属于8方向滤波器,s∈{1,....,ns},t∈{1,....,nt},用来标记滤波器的频谱和方向,(ρs,θ(s,t))为滤波器的坐标中心,(σρ,σθ)为分别在ρ和θ下的带宽。
再将2D Log-Gabor滤波器从极坐标转换成直角坐标,经变换后的频域形式为:
其中f0为中心频率,σμ控制μ1方向上的带宽,σv控制v1方向上的带宽,θ为滤波器的方向,为了保证滤波器的形状恒定,对于不同的中心频率f0,σu/f0及σv必须保持不变。
3.2)将2D Log-Gabor滤波器分解为二维奇对称滤波器函数,分解计算由式(7)求得:
二维奇对称Log-Gabor滤波器能够把产生于角度方向上的带宽转变为二维纹理方向上的带宽,由于角度的周期性影响使得带宽呈周期性放大,致使月牙状频域波形的产生,但在二维纹理方向上,带宽过大并不会导致周期性放大,当两个分量带宽过大时,函数的空间域波形会产生畸变,同样也超出组滤波器的覆盖范围,所以,通过小波变换,扩大了频宽而且合理增加了覆盖频谱,避免了提取出的虹膜特征图像出现栅格状问题(如图3,4所示)。
3.3)虹膜子块划分与特征提取。将归一化及增强后的虹膜纹理图像按滤波器大小划分为32×8个子块,并获取每一子块的特征值Fmn,通过式(8)求得:
其中Gmn o(u,v)为尺度为m、方向为n的奇对称2D Log-Gabor滤波器,(i,j)为子块中心坐标,N,M为子块大小。
步骤4、特征融合。
任何一种优秀的特征提取算法都不能百分之百充分提取纹理特征,尤其是虹膜特征中通常夹杂的有很多无效特征。虹膜纹理属于极复杂纹理,增强或去噪过程容易丢失很多图像的真实信息,因而产生错误特征。此外,填充的冗余特征值过多也是导致识别不准确的原因之一。基于以上考虑,将步骤3提取的原始特征进行筛选融合,形成可用的特征。
本发明方法中的奇对称2D Log-Gabor滤波器选取5个尺度,每个尺度选取8个方向,每个子块提供40个特征值,选取其中幅值较大的20个作为最有效特征。
特征融合具体步骤如下:
4.1)提取子块的幅值及相位。通过步骤3提取出(x,y)子块的特征值Fmn(x,y)后,通过式(9)和式(10)提取对应子块的幅值信息Mmn(x,y)和相位信息Pmn(x,y):
4.2)融合特征。通过式(11)找到在m尺度下的幅值最大的n/2个方向序号s,由式(12)求得尺度和这些方向下的有效虹膜特征编码,hr,hi分别表示实部与虚部生成的1bit编码。
通过特征融合公式,并非所有的特征点都参与比对识别,而通过特征融合,参与识别的量化特征点都是在区域范围内最具代表性的特征,从而最大限度的简化了特征数量,增加了识别效率。
步骤5、特征匹配分类。
特征匹配分类的过程就是识别过程,即将采集的图像与数据库中的虹膜图像进行比对,计算两个虹膜图像编码的“相似度”,然后把“相似度”值和一个固定的下限比较来判别这两个编码是否来自同一虹膜,达到最终的识别目的。
本发明引入基于纹理分布的加权海明距离用于特征匹配分类,特征匹配分类的具体步骤如下:
5.1)特征编码。首先,将特征区域分成32×8个子块,每个子块选取5个尺度和8个方向,得到20480bit数据;其次,经过步骤4特征融合,得到10240bit特征序列;之后,将该序列按照十六进制编码方式,每8位进行一次编码,就产生1280个字节的特征编码。
5.2)海明距离编码。海明距离(Hamming Distance,HD)可以作为衡量两个虹膜编码之间的相似度,两个虹膜编码之间的海明距离由式(13)得到:
L表示整个虹膜编码的长度,A,B表示虹膜特征编码序列,j表示虹膜编码的第j位,A,B做异或计算,当Aj与Bj相同时为0,反之为1。
本发明方法利用基于纹理分布的加权海明距离进行计算:首先,按照式(13)求出每一个子带的海明距离h1,h2,……,hn,n为子带个数,i越大,表示的子带hi越靠近虹膜内边界,再由式(14)求解子带海明距离的加权和:
式中加权因子满足:a1<a2<...<an且a1+a2+...+an=n。
对于同类虹膜,因各子带的海明距离基本相同,通过式(14)得到的加权距离与式(13)计算的海明距离基本一样,而对于不同类的虹膜,因靠外界子带的海明距离较靠内边界子带的小,结果得到的加权距离较海明距离的定义式距离大。因此,采用式(14)的加权海明距离后,虹膜的类间距会更大,从而有利于不同虹膜之间的区分。
5.3)选择海明距离阈值。通过上述步骤得到虹膜的海明距离编码后,需要通过匹配规律确定海明距离阈值。阈值的选择十分重要,它对识别算法的拒识率和误识率有直接的影响。由图5通过统计可以发现,不同虹膜图像的海明距离集中分布于0.4至0.5之间,相同虹膜的海明距离分布集中在0.15至0.35之间。选取介于0.35至0.4之间的阈值,对识别结果进行统计,可得误识率(FAR)与拒识率(FRR)在0.38处相等。因此,可确定0.38为海明距离阈值。
5.4)虹膜特征识别。确定阈值之后,对采集虹膜和虹膜数据库中样本的特征编码进行比较,如果其海明距离小于等于阈值,则认为是同一虹膜;反之,则认为是不同虹膜。
本发明提供了一种基于奇对称2D Log-Gabor滤波器的虹膜识别方法,针对长距离虹膜识别在实际应用中的需求,采用自适应的虹膜采集***,能够通过虹膜质量评估方法反馈的虹膜质量评估结果自动调整;同时对采集虹膜图像进行过滤,避免低质量虹膜图像对识别结果的影响;使用改进的基于奇对称2D Log-Gabor滤波器的特征提取方法,弥补了Log-Gabor滤波器与2D Log-Gabor滤波器由于角度方向带宽周期性变换而造成的月牙状缺陷;使用加权海明距离进行虹膜特征匹配与识别,保证了识别的高效性与鲁棒性。本发明方法突破了现有虹膜采集距离2米以内的限制,提高了长距离虹膜识别的准确性与可靠性。
实施例中,选用CASIA-IrisV3虹膜库包括249人共396只眼睛的2655幅虹膜图像样本和UBIRS虹膜库包括241人共246只眼睛的1877幅虹膜样本图像组建测试样本。UBIRIS虹膜库包含彩色图像,与CASIA灰度图不同,通过预处理模块后,UBIRIS的虹膜图像纹理表现稍差,主要原因在于毛细血管颜色与虹膜底色表现不够突出,再通过高斯滤波后,识别率不及CASIA库的识别效果。
对常用的2D Gabor算法、Log-Gabor复合滤波器算法和本发明方法对比试验进行比较,参照图6、图7与表1,是采用三种算法的虹膜识别***其错误接受率(FAR)、错误拒绝率(FRR)、等错误率(ERR)等性能指标对照表。
表1、采用三种算法的错误拒绝率、等错误率对照表
在对比实验中还发现,使用奇对称滤波器比使用偶对称滤波器识别性能提高4%-5%左右。虽然编码效果相类似,但匹配性能还是奇对称滤波器略高。使用奇对称滤波器比使用偶对称滤波类间匹配高0.04左右,比类内匹配高出0.02左右,造成这一现象的主要原因是虹膜纹理在局部频域分布更偏向于点对称,而不是线对称,对虹膜图像卷积后,有效编码比用线对称得到的有效编码多0.3-0.6。
Claims (4)
1.一种基于奇对称2D Log-Gabor滤波器的虹膜图像特征提取方法,其特征在于,该方法按照以下步骤实施:
步骤1、采集虹膜图像:采用自动变焦的摄像头作为虹膜采集设备,在卤光灯照射配合下,采集得到虹膜图像;
步骤2、虹膜图像预处理:
2.1)虹膜定位,通过水平与垂直灰度投影对虹膜圆心位置(x0,y0)进行粗定位,然后使用高斯梯度圆边缘检测算子分别进行虹膜内边缘和外边界的定位,假设I(x,y)是坐标为(x,y)处的眼睛图像强度,并且虹膜边缘的模型化圆心在(x0,y0)处,圆半径为r,则由式(1)求得圆心坐标与半径:
2.2)虹膜图像质量评估;
2.3)虹膜归一化,将过滤评估合格的虹膜图像从笛卡尔直角坐标系归一化展开到极坐标系上,转化过程由式(2)得到:
式(2)中,r∈[0,1],θ∈[0,2π],(x0(θ),y0(θ)),(x1(θ),y1(θ))分别代表在θ方向上的瞳孔和巩膜内、外边缘的边缘点;
步骤3、使用基于奇对称2D Log-Gabor滤波器的改进算法提取原始虹膜特征:
3.1)导出2D Log-Gabor滤波器函数,2D Log-Gabor定义在log极坐标下,函数表达由式(3)给出:
式(3)中,(ρ,θ)为极坐标,以Log2为刻度,滤波器在多倍频范围内,ns=5是多分辨率的刻度数,nt是方向数值,其范围在3-20之间,s∈{1,....,ns},t∈{1,....,nt},用来标记滤波器的频谱和方向,(ρs,θ(s,t))为滤波器的坐标中心,(σρ,σθ)为分别在ρ和θ下的带宽;
再将2D Log-Gabor滤波器从极坐标转换成直角坐标,经变换后的频域形式为:
3.2)将2D Log-Gabor滤波器分解为二维奇对称滤波器函数,由式(5)求得:
3.3)虹膜子块划分与特征提取,将归一化及增强后的虹膜纹理图像按滤波器大小划分为32×8个子块,并获取每一子块的特征值Fmn,由式(6)求得:
其中Gmn o(u,v)为尺度为m、方向为n的奇对称2D Log-Gabor滤波器,(i,j)为子块中心坐标,N,M为子块大小;
步骤4、特征融合:
4.1)提取子块的幅值及相位,通过步骤3提取出(x,y)子块的特征值Fmn(x,y)后,通过式(7)和式(8)提取对应子块的幅值信息Mmn(x,y)和相位信息Pmn(x,y):
4.2)融合特征,由式(9)找到在m尺度下的幅值最大的n/2个方向序号s,由式(10)求得尺度和这些方向下的有效虹膜特征编码,hr,hi分别表示实部与虚部生成的1bit编码:
步骤5、特征匹配分类:采用基于纹理分布的加权海明距离用于特征匹配分类,具体步骤如下:
5.1)特征编码:首先,将特征区域分成32×8个子块,每个子块选取5个尺度和8个方向,得到20480bit数据;其次,经过步骤4特征融合,得到10240bit特征序列;之后,将该序列按照十六进制编码方式,每8位进行一次编码,得到1280个字节的特征编码;
5.2)海明距离编码,将海明距离作为衡量两个虹膜编码之间的相似度,两个虹膜编码之间的海明距离由式(11)得到:
L表示整个虹膜编码的长度,A,B表示虹膜特征编码序列,j表示虹膜编码的第j位,A,B做异或计算,当Aj与Bj相同时为0,反之为1;
利用基于纹理分布的加权海明距离进行计算:首先,按照式(11)求出每一个子带的海明距离h1,h2,……,hn,n为子带个数,i越大,表示的子带hi越靠近虹膜内边界,再通过式(12)求解子带海明距离的加权和:
式中加权因子满足:a1<a2<...<an且a1+a2+...+an=n;
5.3)选择海明距离阈值,通过上述步骤得到虹膜的海明距离编码后,根据实验统计结果,确定0.38为海明距离阈值;
5.4)虹膜特征识别,采用上步确定的海明距离阈值,对采集虹膜和虹膜数据库中样本的特征编码进行比较,如果其海明距离小于等于阈值,则认为是同一虹膜;反之,则认为是不同虹膜。
2.根据权利要求1所述的方法,其特征在于:所述步骤(2.2)中,虹膜图像质量评估,具体步骤如下:
2.21)反馈评估,首先对采集图像的亮度和模糊程度进行评估,令QLight、QBlur分别表示亮度、模糊两个评估结果,则反馈的评估结果Qfeedback为:
Qfeedback=QLight+QBlur (13)
2.22)过滤评估,通过步骤2.21)将采集装置调节到最佳状态后,使用式(14)的评估结果Qiris对采集的虹膜图像进行过滤,将不符合质量要求的图像滤除,剩下的虹膜图像进入下一步处理,
Qiris=EBright×QBright+EEyelid×QEyelid+EEyelash×QEyelash+ELoc×QLoc (14)
其中,QBright、Qeyelid、Qeyelash和QLoc分别是光斑、眼睑遮挡、睫毛遮挡和虹膜定位的评估结果,EBright、EEyelid、EEyelash和ELoc分别为光斑、眼睑遮挡、睫毛遮挡和虹膜定位评估结果的权值因子,每个权值因子取值范围区间为[0,1],且EBright+EEyelid+EEyelash+ELoc=1。
3.根据权利要求1所述的方法,其特征在于:所述步骤(3.1)中,nt是方向数值,优选值为8,属于8方向滤波器。
4.根据权利要求1所述的方法,其特征在于:所述步骤4中,奇对称2D Log-Gabor滤波器选取5个尺度,每个尺度选取8个方向,每个子块提供40个特征值,选取其中幅值较大的20个作为最有效特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102179037A CN101894256B (zh) | 2010-07-02 | 2010-07-02 | 基于奇对称2D Log-Gabor滤波器的虹膜识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102179037A CN101894256B (zh) | 2010-07-02 | 2010-07-02 | 基于奇对称2D Log-Gabor滤波器的虹膜识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101894256A true CN101894256A (zh) | 2010-11-24 |
CN101894256B CN101894256B (zh) | 2012-07-18 |
Family
ID=43103444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102179037A Expired - Fee Related CN101894256B (zh) | 2010-07-02 | 2010-07-02 | 基于奇对称2D Log-Gabor滤波器的虹膜识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101894256B (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663754A (zh) * | 2012-04-17 | 2012-09-12 | 北京博研新创数码科技有限公司 | 一种基于区域高斯加权的图像匹配计算方法 |
CN103632124A (zh) * | 2013-12-16 | 2014-03-12 | 百度在线网络技术(北京)有限公司 | 条码的识别方法及装置 |
CN103843009A (zh) * | 2011-09-06 | 2014-06-04 | 茂福公司 | 通过虹膜识别进行鉴定 |
CN104240205A (zh) * | 2014-09-26 | 2014-12-24 | 北京无线电计量测试研究所 | 一种基于矩阵填充的虹膜图像增强方法 |
CN104463854A (zh) * | 2014-11-26 | 2015-03-25 | 四川大学 | 基于八边形滤波器组的快速图像匹配算法 |
CN104504372A (zh) * | 2014-12-15 | 2015-04-08 | 南方医科大学 | 一种手指静脉图像的仿生纹理特征提取方法 |
CN104700386A (zh) * | 2013-12-06 | 2015-06-10 | 富士通株式会社 | 舌部区域的边缘提取方法和边缘提取装置 |
CN104751150A (zh) * | 2015-04-21 | 2015-07-01 | 南京安穗智能科技有限公司 | 基于奇对称2D Log-Gabor滤波器和Adaboost相结合的虹膜识别方法 |
CN105160306A (zh) * | 2015-08-11 | 2015-12-16 | 北京天诚盛业科技有限公司 | 虹膜图像模糊判断的方法和装置 |
CN105279492A (zh) * | 2015-10-22 | 2016-01-27 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN105488494A (zh) * | 2015-12-29 | 2016-04-13 | 浙江工商大学 | 一种虹膜内边缘的快速精确的定位方法 |
CN105741171A (zh) * | 2016-01-28 | 2016-07-06 | 李天� | 一种用于征信***的人物特征图像处理方法及其征信*** |
CN106203047A (zh) * | 2016-07-08 | 2016-12-07 | 钟林超 | 一种具有身份验证功能的移动存储设备 |
CN106250810A (zh) * | 2015-06-15 | 2016-12-21 | 摩福公司 | 通过虹膜辨识对个体进行识别和/或认证的方法 |
CN106326841A (zh) * | 2016-08-12 | 2017-01-11 | 合肥虹视信息工程有限公司 | 一种快速虹膜识别算法 |
CN106503739A (zh) * | 2016-10-31 | 2017-03-15 | 中国地质大学(武汉) | 联合光谱和纹理特征的高光谱遥感影像svm分类方法及*** |
CN106650616A (zh) * | 2016-11-09 | 2017-05-10 | 北京巴塔科技有限公司 | 虹膜定位方法及可见光虹膜识别*** |
CN107273812A (zh) * | 2017-05-22 | 2017-10-20 | 西安交通大学 | 一种用于身份认证的活体虹膜防伪方法 |
CN107369141A (zh) * | 2017-06-28 | 2017-11-21 | 广东欧珀移动通信有限公司 | 美颜方法和电子装置 |
CN107395863A (zh) * | 2017-06-27 | 2017-11-24 | 广东欧珀移动通信有限公司 | 控制方法、控制设备、电子装置和计算机可读存储介质 |
CN107408195A (zh) * | 2015-12-29 | 2017-11-28 | 厦门中控智慧信息技术有限公司 | 一种虹膜识别方法及装置 |
CN107506754A (zh) * | 2017-09-19 | 2017-12-22 | 厦门中控智慧信息技术有限公司 | 虹膜识别方法、装置及终端设备 |
CN107844737A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
CN108351960A (zh) * | 2015-10-15 | 2018-07-31 | 微软技术许可有限责任公司 | 具有经改进虹膜识别的电子设备及其方法 |
CN108596112A (zh) * | 2018-04-27 | 2018-09-28 | 北京万里红科技股份有限公司 | 一种大规模虹膜特征识别匹配阈值的动态选取方法 |
CN109165587A (zh) * | 2018-08-11 | 2019-01-08 | 石修英 | 智能图像信息抽取方法 |
CN109191413A (zh) * | 2018-08-21 | 2019-01-11 | 西京学院 | 一种基于改进型卷积神经网络的多聚焦图像融合方法 |
CN110059520A (zh) * | 2018-01-18 | 2019-07-26 | 北京京东金融科技控股有限公司 | 虹膜特征提取的方法、装置及虹膜识别*** |
CN110072054A (zh) * | 2019-05-07 | 2019-07-30 | 京东方科技集团股份有限公司 | 终端设备及其图像的变焦处理方法和装置 |
CN110363207A (zh) * | 2018-04-09 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 图像检测和分类器模型的生成方法、装置及设备 |
CN110414300A (zh) * | 2018-04-28 | 2019-11-05 | 北京眼神科技有限公司 | 虹膜特征的合成方法和装置 |
CN110647890A (zh) * | 2019-08-28 | 2020-01-03 | 惠州市德赛西威智能交通技术研究院有限公司 | 高性能的图像特征提取及匹配方法、***和存储介质 |
CN110647787A (zh) * | 2018-06-27 | 2020-01-03 | 厦门本能管家科技有限公司 | 一种基于虹膜识别的私钥生成与解密的方法及*** |
CN111680549A (zh) * | 2020-04-28 | 2020-09-18 | 肯维捷斯(武汉)科技有限公司 | 一种纸纹识别方法 |
CN113553908A (zh) * | 2021-06-23 | 2021-10-26 | 中国科学院自动化研究所 | 基于设备独有性感知的异质虹膜识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0664037B1 (en) * | 1991-07-15 | 2001-12-19 | Iridian Technologies, Inc. | Biometric personal identification system based on iris analysis |
CN1760887A (zh) * | 2004-10-11 | 2006-04-19 | 中国科学院自动化研究所 | 虹膜图像的鲁棒特征抽取与识别方法 |
CN101122949A (zh) * | 2007-08-30 | 2008-02-13 | 中国科学技术大学 | 一种基于局部频率特征和局部方向特征的虹膜识别方法 |
CN101499134A (zh) * | 2009-03-13 | 2009-08-05 | 重庆大学 | 基于现场可编程门阵列的虹膜识别方法及*** |
-
2010
- 2010-07-02 CN CN2010102179037A patent/CN101894256B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0664037B1 (en) * | 1991-07-15 | 2001-12-19 | Iridian Technologies, Inc. | Biometric personal identification system based on iris analysis |
CN1760887A (zh) * | 2004-10-11 | 2006-04-19 | 中国科学院自动化研究所 | 虹膜图像的鲁棒特征抽取与识别方法 |
CN101122949A (zh) * | 2007-08-30 | 2008-02-13 | 中国科学技术大学 | 一种基于局部频率特征和局部方向特征的虹膜识别方法 |
CN101499134A (zh) * | 2009-03-13 | 2009-08-05 | 重庆大学 | 基于现场可编程门阵列的虹膜识别方法及*** |
Non-Patent Citations (6)
Title |
---|
《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》 20040131 John Daugman How Iris Recognition Works 第21-30页 1-4 第14卷, 第1期 2 * |
《中国优秀博硕士学位论文全文数据库(硕士)》 20051015 叶文东 基于二维log Gabor变换的虹膜识别方法研究 全文 1-4 , 第06期 2 * |
《电子科技》 20071231 孙齐锋,等 提高网络接入控制安全的虹膜识别技术研究 第55-57页 1-4 , 第1期 2 * |
《航空计算技术》 20070731 陈英,等 步进式序列虹膜图像质量评价 第60-63页 1-4 第37卷, 第4期 2 * |
《计算机应用》 20090430 吕林涛,等 一种基于奇对称2D Log-Gabor的虹膜特征提取算法 第976-978页 1-4 第29卷, 第4期 2 * |
《计算机辅助设计与图形学学报》 20070531 姚鹏,等 基于改进的Log-Gabor小波的虹膜识别算法 第563-568页 1-4 第19卷, 第5期 2 * |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103843009A (zh) * | 2011-09-06 | 2014-06-04 | 茂福公司 | 通过虹膜识别进行鉴定 |
CN102663754B (zh) * | 2012-04-17 | 2014-12-10 | 北京博研新创数码科技有限公司 | 一种基于区域高斯加权的图像匹配计算方法 |
CN102663754A (zh) * | 2012-04-17 | 2012-09-12 | 北京博研新创数码科技有限公司 | 一种基于区域高斯加权的图像匹配计算方法 |
CN104700386A (zh) * | 2013-12-06 | 2015-06-10 | 富士通株式会社 | 舌部区域的边缘提取方法和边缘提取装置 |
CN103632124B (zh) * | 2013-12-16 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 条码的识别方法及装置 |
CN103632124A (zh) * | 2013-12-16 | 2014-03-12 | 百度在线网络技术(北京)有限公司 | 条码的识别方法及装置 |
CN104240205A (zh) * | 2014-09-26 | 2014-12-24 | 北京无线电计量测试研究所 | 一种基于矩阵填充的虹膜图像增强方法 |
CN104463854A (zh) * | 2014-11-26 | 2015-03-25 | 四川大学 | 基于八边形滤波器组的快速图像匹配算法 |
CN104504372A (zh) * | 2014-12-15 | 2015-04-08 | 南方医科大学 | 一种手指静脉图像的仿生纹理特征提取方法 |
CN104751150A (zh) * | 2015-04-21 | 2015-07-01 | 南京安穗智能科技有限公司 | 基于奇对称2D Log-Gabor滤波器和Adaboost相结合的虹膜识别方法 |
CN106250810B (zh) * | 2015-06-15 | 2021-11-23 | 摩福公司 | 通过虹膜辨识对个体进行识别和/或认证的方法 |
CN106250810A (zh) * | 2015-06-15 | 2016-12-21 | 摩福公司 | 通过虹膜辨识对个体进行识别和/或认证的方法 |
CN105160306B (zh) * | 2015-08-11 | 2019-05-07 | 北京眼神智能科技有限公司 | 虹膜图像模糊判断的方法和装置 |
CN105160306A (zh) * | 2015-08-11 | 2015-12-16 | 北京天诚盛业科技有限公司 | 虹膜图像模糊判断的方法和装置 |
CN108351960A (zh) * | 2015-10-15 | 2018-07-31 | 微软技术许可有限责任公司 | 具有经改进虹膜识别的电子设备及其方法 |
CN108351960B (zh) * | 2015-10-15 | 2022-03-29 | 微软技术许可有限责任公司 | 具有经改进虹膜识别的电子设备及其方法 |
CN105279492B (zh) * | 2015-10-22 | 2018-11-09 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN105279492A (zh) * | 2015-10-22 | 2016-01-27 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
CN107408195A (zh) * | 2015-12-29 | 2017-11-28 | 厦门中控智慧信息技术有限公司 | 一种虹膜识别方法及装置 |
CN107408195B (zh) * | 2015-12-29 | 2020-06-23 | 厦门中控智慧信息技术有限公司 | 一种虹膜识别方法及装置 |
CN105488494A (zh) * | 2015-12-29 | 2016-04-13 | 浙江工商大学 | 一种虹膜内边缘的快速精确的定位方法 |
CN105488494B (zh) * | 2015-12-29 | 2019-01-08 | 浙江工商大学 | 一种虹膜内边缘的快速精确的定位方法 |
CN105741171A (zh) * | 2016-01-28 | 2016-07-06 | 李天� | 一种用于征信***的人物特征图像处理方法及其征信*** |
CN106203047A (zh) * | 2016-07-08 | 2016-12-07 | 钟林超 | 一种具有身份验证功能的移动存储设备 |
CN106203047B (zh) * | 2016-07-08 | 2018-12-14 | 江苏心灵鸡汤信息技术有限公司 | 一种具有身份验证功能的移动存储设备 |
CN106326841A (zh) * | 2016-08-12 | 2017-01-11 | 合肥虹视信息工程有限公司 | 一种快速虹膜识别算法 |
CN107844737A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
CN107844737B (zh) * | 2016-09-19 | 2020-10-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
CN106503739A (zh) * | 2016-10-31 | 2017-03-15 | 中国地质大学(武汉) | 联合光谱和纹理特征的高光谱遥感影像svm分类方法及*** |
CN106650616A (zh) * | 2016-11-09 | 2017-05-10 | 北京巴塔科技有限公司 | 虹膜定位方法及可见光虹膜识别*** |
CN107273812A (zh) * | 2017-05-22 | 2017-10-20 | 西安交通大学 | 一种用于身份认证的活体虹膜防伪方法 |
CN107395863A (zh) * | 2017-06-27 | 2017-11-24 | 广东欧珀移动通信有限公司 | 控制方法、控制设备、电子装置和计算机可读存储介质 |
CN107369141A (zh) * | 2017-06-28 | 2017-11-21 | 广东欧珀移动通信有限公司 | 美颜方法和电子装置 |
CN107506754A (zh) * | 2017-09-19 | 2017-12-22 | 厦门中控智慧信息技术有限公司 | 虹膜识别方法、装置及终端设备 |
CN110059520A (zh) * | 2018-01-18 | 2019-07-26 | 北京京东金融科技控股有限公司 | 虹膜特征提取的方法、装置及虹膜识别*** |
CN110059520B (zh) * | 2018-01-18 | 2024-04-09 | 京东科技控股股份有限公司 | 虹膜特征提取的方法、装置及虹膜识别*** |
CN110363207A (zh) * | 2018-04-09 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 图像检测和分类器模型的生成方法、装置及设备 |
CN108596112A (zh) * | 2018-04-27 | 2018-09-28 | 北京万里红科技股份有限公司 | 一种大规模虹膜特征识别匹配阈值的动态选取方法 |
CN110414300A (zh) * | 2018-04-28 | 2019-11-05 | 北京眼神科技有限公司 | 虹膜特征的合成方法和装置 |
CN110647787A (zh) * | 2018-06-27 | 2020-01-03 | 厦门本能管家科技有限公司 | 一种基于虹膜识别的私钥生成与解密的方法及*** |
CN109165587A (zh) * | 2018-08-11 | 2019-01-08 | 石修英 | 智能图像信息抽取方法 |
CN109191413A (zh) * | 2018-08-21 | 2019-01-11 | 西京学院 | 一种基于改进型卷积神经网络的多聚焦图像融合方法 |
CN110072054B (zh) * | 2019-05-07 | 2021-01-26 | 京东方科技集团股份有限公司 | 终端设备及其图像的变焦处理方法和装置 |
CN110072054A (zh) * | 2019-05-07 | 2019-07-30 | 京东方科技集团股份有限公司 | 终端设备及其图像的变焦处理方法和装置 |
CN110647890A (zh) * | 2019-08-28 | 2020-01-03 | 惠州市德赛西威智能交通技术研究院有限公司 | 高性能的图像特征提取及匹配方法、***和存储介质 |
CN110647890B (zh) * | 2019-08-28 | 2022-05-27 | 惠州市德赛西威智能交通技术研究院有限公司 | 高性能的图像特征提取及匹配方法、***和存储介质 |
CN111680549A (zh) * | 2020-04-28 | 2020-09-18 | 肯维捷斯(武汉)科技有限公司 | 一种纸纹识别方法 |
CN111680549B (zh) * | 2020-04-28 | 2023-12-05 | 肯维捷斯(武汉)科技有限公司 | 一种纸纹识别方法 |
CN113553908A (zh) * | 2021-06-23 | 2021-10-26 | 中国科学院自动化研究所 | 基于设备独有性感知的异质虹膜识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101894256B (zh) | 2012-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101894256A (zh) | 基于奇对称2D Log-Gabor滤波器的虹膜识别方法 | |
Ma et al. | Personal identification based on iris texture analysis | |
Sun et al. | Improving iris recognition accuracy via cascaded classifiers | |
KR100852629B1 (ko) | 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 | |
CN102521575B (zh) | 基于多方向Gabor和Adaboost虹膜识别方法 | |
CN102844768B (zh) | 图像模板的屏蔽 | |
Hollingsworth et al. | Iris recognition using signal-level fusion of frames from video | |
Barpanda et al. | Iris recognition with tunable filter bank based feature | |
Liu et al. | Heterogeneous face image matching using multi-scale features | |
CN101710383A (zh) | 一种身份认证的方法及认证装置 | |
CN107135664A (zh) | 一种人脸识别的方法以及人脸识别装置 | |
CN101996308A (zh) | 人脸认证方法及***、人脸模型训练方法及*** | |
Nithya et al. | Iris recognition techniques: a literature survey | |
Du | Using 2D log-Gabor spatial filters for iris recognition | |
Maček et al. | Multimodal biometric authentication in IoT: Single camera case study | |
EP2138950B1 (en) | Iris feature extraction, identification and verification system based on directionlets | |
CN1442823A (zh) | 基于虹膜分析的个体身份自动识别*** | |
Kaur et al. | Estimation towards the impact of contact lens in iris recognition: A study | |
Poornima et al. | Unconstrained iris authentication through fusion of RGB channel information | |
Tan et al. | Iris recognition: recent progress and remaining challenges | |
Khan et al. | Fast and efficient iris segmentation approach based on morphology and geometry operation | |
Rifaee et al. | Unconstrained iris recognition | |
Islam et al. | Partial iris image recognition using wavelet based texture features | |
Chakraborty et al. | Bio-metric identification using automated iris detection technique | |
Langgartner | Machine learning techniques and optical systems for iris recognition from distant viewpoints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120718 Termination date: 20150702 |
|
EXPY | Termination of patent right or utility model |