CN111476808A - 虹膜图像的清晰度评价方法及装置 - Google Patents
虹膜图像的清晰度评价方法及装置 Download PDFInfo
- Publication number
- CN111476808A CN111476808A CN202010198046.4A CN202010198046A CN111476808A CN 111476808 A CN111476808 A CN 111476808A CN 202010198046 A CN202010198046 A CN 202010198046A CN 111476808 A CN111476808 A CN 111476808A
- Authority
- CN
- China
- Prior art keywords
- gradient
- image
- iris
- iris image
- pixel
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000006870 function Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 210000000744 eyelid Anatomy 0.000 claims description 6
- 210000001747 pupil Anatomy 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种虹膜图像的清晰度评价方法。该方法包括步骤如下:提取图像中的虹膜区域;检测所述虹膜区域的边缘,生成虹膜图像;确定所述虹膜图像中每个像素的梯度方向;基于所述梯度方向信息获取梯度图像;根据所述梯度图像判断所述虹膜图像是否清晰。本发明针对虹膜图像特点进行清晰度评价,能够准确提取出虹膜区域,不需要参考图像,与人眼主观感受一致,具有一定的鲁棒性,并有效提升了虹膜图像清晰度评价的准确性。
Description
技术领域
本公开涉及图像处理领域,尤其涉及虹膜图像的清晰度评价方法及装置、电子设备和计算机可读存储介质。
背景技术
在众多的生物识别技术中,虹膜识别比其他的生物识别相比拥有很多的优点:唯一性、稳定性、非侵犯性等。在虹膜识别***中,虹膜图像质量评价是其中的重要一环。由于采集到的虹膜图像存在离焦模糊、运动模糊,斜眼,光斑图像质量问题,这些图像质量较低的图像会降低虹膜图像识别的精度。因此,在进行虹膜识别前需要对虹膜图像进行质量评价,而清晰度是图像质量评价中的重要指标。目前存在多种虹膜图像清晰度评价方法,由于虹膜图像中存在眼镜、光斑、睫毛等噪声影响,许多评价方法在实际使用过程中受噪声影响较为严重,在评价过程中对清晰程度的区分度不够高,还存在一定问题。
本发明针对现有技术的不足,提供了一种虹膜图像的清晰度评价方法,与人眼主观感受一致,具有一定的鲁棒性,并有效提升了虹膜图像清晰度评价的准确性。
发明内容
为克服相关技术中存在的问题,本公开提供一种虹膜图像的清晰度评价方法及装置、电子设备和计算机可读存储介质。
根据本公开实施例的第一方面,提供一种虹膜图像的清晰度评价方法,方法包括:提取图像中的虹膜区域;检测虹膜区域的边缘,生成虹膜图像;确定虹膜图像中每个像素的梯度方向;基于梯度方向信息获取梯度图像;根据梯度图像判断虹膜图像是否清晰。
在一实施例中,提取图像中的虹膜区域,包括:获取人眼图像;去除人眼图像的眼皮区域及光斑;在人眼图像中拟合虹膜内圆和外圆;根据内圆和外圆,分割人眼图像获得虹膜区域。
在一实施例中,在人眼图像中拟合虹膜内圆和外圆,包括:定位瞳孔中心;确定内圆半径,定位内圆区域;搜索以内圆区域为中心的向外发散方向上的候选边界点;根据候选边界点定位外圆区域。
在一实施例中,检测虹膜区域的边缘,生成虹膜图像包括:确定虹膜区域的边缘区域;根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,其中非掩膜区为虹膜图像。
在一实施例中,根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,包括:获取边缘区域的梯度,计算第一梯度方向;保留第一梯度方向上梯度强度的极大值所在的像素作为边缘,删除第一梯度方向上的其他像素;对边缘像素进行形态学膨胀操作,得到掩膜区;在虹膜区域中去掉掩膜区,得到非掩膜区。
在一实施例中,确定虹膜图像中每个像素的梯度方向,包括:获取虹膜图像中每个像素的梯度;根据像素的梯度,确定像素的第二梯度方向。
在一实施例中,根据像素的梯度,确定像素的第二梯度方向,包括:第二梯度方向的具体计算方式如下:
其中,dy和dx分别是梯度图中像素在y方向和x方向上的梯度。
在一实施例中,基于梯度方向信息获取梯度图像,包括:在梯度函数中加入方向信息;基于加入方向信息的梯度函数,获取虹膜图像的梯度图像;加入方向信息的梯度函数的具体计算公式如下:
x’=x·cosθ-y·sinθ
y’=x·sinθ+y·cosθ
其中x,y表示像素的横、纵坐标,σx,σy表示高斯函数方差,θ为像素的梯度方向,x’,y’表示旋转方向后的坐标。
在一实施例中,根据梯度图像判断虹膜图像是否清晰,包括:根据梯度图像计算像素梯度的均方差值,归一化后得到清晰度得分;根据清晰度得分判断虹膜图像是否清晰;清晰度得分的计算公式为:
其中c为常数,用于归一化,m为虹膜图像中梯度的均方差。
在一实施例中,根据清晰度得分判断虹膜图像是否清晰,包括:设定清晰度阈值;比较清晰度得分与清晰度阈值,若清晰度得分大于清晰度阈值,则图像为清晰图像,否则为模糊图像。
根据本公开实施例的第二方面,提供一种虹膜图像的清晰度评价装置,装置包括:提取单元,用于提取图像中的虹膜区域;检测单元,用于检测虹膜区域的边缘,生成虹膜图像;梯度方向确定单元,用于确定虹膜图像中每个像素的梯度方向;梯度图像获取单元,基于梯度方向信息获取梯度图像;评价单元,用于根据梯度图像判断虹膜图像是否清晰。
在一实施例中,提取单元还用于:获取人眼图像;去除人眼图像的眼皮区域及光斑;在人眼图像中拟合虹膜内圆和外圆;根据内圆和外圆,分割人眼图像获得虹膜区域。
在一实施例中,在人眼图像中拟合虹膜内圆和外圆,包括:定位瞳孔中心;确定内圆半径,定位内圆区域;搜索以内圆区域为中心的向外发散方向上的候选边界点;根据候选边界点定位外圆区域。
在一实施例中,检测单元还用于:确定虹膜区域的边缘区域;根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,其中非掩膜区为虹膜图像。
在一实施例中,根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,包括:获取边缘区域的梯度,计算第一梯度方向;保留第一梯度方向上梯度强度的极大值所在的像素作为边缘,删除第一梯度方向上的其他像素;对边缘像素进行形态学膨胀操作,得到掩膜区;在虹膜区域中去掉掩膜区,得到非掩膜区。
在一实施例中,梯度方向确定单元还用于:获取虹膜图像中每个像素的梯度;根据像素的梯度,确定像素的第二梯度方向。
在一实施例中,根据像素的梯度,确定像素的第二梯度方向,包括:第二梯度方向的具体计算方式如下:
其中,dy和dx分别是像素在y方向和x方向上的梯度。
在一实施例中,梯度图像获取单元还用于:在梯度函数中加入方向信息;基于加入方向信息的梯度函数,获取虹膜图像的梯度图像;加入方向信息的梯度函数的具体计算公式如下:
x’=x·cosθ-y·sinθ
y’=x·sinθ+y·cosθ
其中x,y表示像素的横、纵坐标,σx,σy表示高斯函数方差,θ为像素的梯度方向,x’,y’表示旋转方向后的坐标。
在一实施例中,评价单元还用于:根据梯度图像计算像素梯度的均方差值,归一化后得到清晰度得分;根据清晰度得分判断虹膜图像是否清晰;清晰度得分的计算公式为:
其中c为常数,用于归一化,m为虹膜图像中梯度的均方差。
在一实施例中,根据清晰度得分判断虹膜图像是否清晰,包括:设定清晰度阈值;比较清晰度得分与清晰度阈值,若清晰度得分大于清晰度阈值,则图像为清晰图像,否则为模糊图像。
根据本公开实施例的第三方面,提供一种电子设备,包括:存储器,用于存储指令;以及处理器,用于调用存储器存储的指令执行第一方面中的虹膜图像的清晰度评价方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,存储有指令,指令被处理器执行时,执行第一方面中的虹膜图像的清晰度评价方法。
本公开的实施例提供的技术方案可以包括以下有益效果:首先,通过仅提取虹膜图像的方法,调整虹膜图像的边缘像素,可以有效过滤图像噪声,提升进一步计算的速度与精度。同时在梯度函数计算的过程中添加梯度方向信息,使得梯度函数在边缘方向上产生算法更大的响应,可以更好地利用梯度信息来判断清晰度。该方法不需要参考图像,与人眼主观感受一致,具有一定的鲁棒性,在清晰度判断时准确率高,运行速度快,能够快速有效地进行清晰度评价。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种虹膜图像的清晰度评价方法的流程示意图;
图2是根据一示例性实施例示出的一种虹膜图像的清晰度评价装置的示意框图;
图3是根据一示例性实施例示出的一种装置的示意框图。
图4是根据一示例性实施例示出的一种电子装置的示意框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
目前一些虹膜图像的技术中,主要包括空间域和频域两种评价算法,基于空间域的方法主要是基于梯度函数进行清晰度评价,基于频域的方法主要使用小波变换进行清晰度评价。在图像处理中,一般认为对焦好的图像具有更尖锐的边缘,故具有更大的梯度函数值,但现有的评价方法中,缺少针对虹膜图像中容易出现的噪声的处理,同时仅利用梯度函数对图像进行清晰度评价的效果一般。
而本公开为解决上述问题,提供一种虹膜图像的清晰度评价方法10,参见图1,方法包括步骤S11-S15,以下对步骤S11-S15进行详细说明。
步骤S11:提取图像中的虹膜区域。
在本公开的一实施例中,步骤S11还包括:获取人眼图像;去除人眼图像的眼皮区域及光斑;在人眼图像中拟合虹膜内圆和外圆;根据内圆和外圆,分割人眼图像获得虹膜区域H。通过上述对包含虹膜区域的图像的预处理步骤,可以有效分割出虹膜区域,消除除虹膜外其他区域对图像清晰度评价的影响,同时减少后续图像中像素相关系数的计算量,提升算法速度。
在本公开的一实施例中,在人眼图像中拟合虹膜内圆和外圆,包括:定位瞳孔中心;确定内圆半径,定位内圆区域;搜索以内圆区域为中心的向外发散方向上的候选边界点;根据候选边界点定位外圆区域。其中,内圆外圆边界可以是圆,也可以是各种近似圆的非规则曲线。在上述获取内圆和外圆的步骤中,可以将虹膜区域完整划分出来,定位出的内圆半径尽量小,而外圆半径尽量大,确保提取出的区域覆盖所有虹膜区域。
步骤S12:检测所述虹膜区域的边缘,生成虹膜图像。
在本公开的一实施例中,步骤S12包括:确定虹膜区域的边缘区域;根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,其中非掩膜区为虹膜图像。上述步骤是通过边缘检测的方式提取出更加精确的虹膜区域中的有效像素,利于清晰度评价。
在本公开的一实施例中,根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,包括:获取边缘区域的梯度,计算第一梯度方向;保留第一梯度方向上梯度强度的极大值所在的像素作为边缘,删除第一梯度方向上的其他像素;对边缘像素进行形态学膨胀操作,得到掩膜区;在虹膜区域中去掉掩膜区,得到非掩膜区。
具体地,在步骤S11所述的虹膜区域H上,通过检测虹膜区域的边缘,来生成掩膜区Y和非掩膜区F。具体地,图像边缘梯度可以由sobel等算子得到,通过梯度值可以进一步计算梯度方向,通过非极大抑制方法,保留每个梯度方向上梯度强度的极大值所在的像素作为边缘,并删掉该方向其他的像素,将边缘变得精确。然后对边缘像素进行形态学膨胀操作,得到掩膜区Y,虹膜区域H中去掉掩膜区Y的区域为非掩膜区F。作为过滤掉的掩膜,在进行接下来的虹膜的相关算子计算时,掩膜上的这些像素将不再参与计算。通过掩膜的方式,可以得到更加清晰的边缘,避免模糊边缘可能带来的噪声,从而提升虹膜图像最终的评价效果。
步骤S13:确定所述虹膜图像中每个像素的梯度方向。
在本公开的一实施例中,步骤S13包括,获取虹膜图像中每个像素的梯度;根据像素的梯度,确定像素的第二梯度方向。
具体地,在步骤S12得到的虹膜图像,即非掩膜区域F上进行梯度计算得到梯度图像T,具体的,可以先使用sobel算子计算得到梯度图,然后计算非掩膜区F中的像素所在位置的梯度方向θ,梯度方向的具体计算方式如下:
其中,dy和dx分别是sobel算子在y方向和x方向上的梯度。然后将此方向作为改进的高斯-拉普拉斯算子的方向θ,进行计算非掩膜区F的梯度图。通过sobel算子可以快速获取图像的梯度信息,根据其水平和垂直方向的梯度可以快速准确地得到梯度方向信息,有效降低算法计算复杂度。
步骤S14:基于所述梯度方向信息获取梯度图像。
传统的高斯-拉普拉斯算子是对高斯核函数求取二阶导数得到的,具体表现为先对图像进行高斯滤波,然后再进行拉普拉斯变换。原有的高斯-拉普拉斯算子公式:
其中(x,y)代表像素坐标,σ代表高斯函数方差。
在本公开的一实施例中,步骤S14包括,在梯度函数中加入方向信息;基于加入方向信息的梯度函数,获取虹膜图像的梯度图像;加入方向信息的梯度函数的具体计算公式如下:
x’=x·cosθ-y·sinθ
y’=x·sinθ+y·cosθ
其中x,y表示像素的横、纵坐标,σ_x,σ_y表示高斯函数方差,θ为像素的梯度方向,x’,y’表示旋转方向后的坐标。传统的算子呈现中心对称,对各个方向的边缘具有相同的响应,因此,加入方向特性后,可以让算子能够在边缘方向上产生更大的响应,更好的检测边缘梯度,相较于没有加入方向信息的梯度计算,该算法得到的梯度值变化更大,在清晰度判断时具有更好的区分度。
步骤S15:根据所述梯度图像判断所述虹膜图像是否清晰。
在本公开的一实施例中,步骤S15包括,根据梯度图像计算像素梯度的均方差值,归一化后得到清晰度得分;根据清晰度得分判断虹膜图像是否清晰;清晰度得分的计算公式为:
其中c为常数,用于归一化,m为虹膜图像中梯度的均方差。
在本公开的一实施例中,根据清晰度得分判断虹膜图像是否清晰,包括:设定清晰度阈值;比较清晰度得分与清晰度阈值,若清晰度得分大于清晰度阈值,则图像为清晰图像,否则为模糊图像。
基于同一个发明构思,图2示出了一种虹膜图像的清晰度评价装置100,装置100包括:提取单元110,用于提取图像中的虹膜区域;检测单元120,用于检测虹膜区域的边缘,生成虹膜图像;梯度方向确定单元130,用于确定虹膜图像中每个像素的梯度方向;梯度图像获取单元140,基于梯度方向信息获取梯度图像;评价单元150,用于根据梯度图像判断虹膜图像是否清晰。
在一实施例中,提取单元110还用于:获取人眼图像;去除人眼图像的眼皮区域及光斑;在人眼图像中拟合虹膜内圆和外圆;根据内圆和外圆,分割人眼图像获得虹膜区域。
在一实施例中,在人眼图像中拟合虹膜内圆和外圆,包括:定位瞳孔中心;确定内圆半径,定位内圆区域;搜索以内圆区域为中心的向外发散方向上的候选边界点;根据候选边界点定位外圆区域。
在一实施例中,检测单元120还用于:确定虹膜区域的边缘区域;根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,其中非掩膜区为虹膜图像。
在一实施例中,根据边缘区域的梯度,将虹膜区域分为掩膜区和非掩膜区,包括:获取边缘区域的梯度,计算第一梯度方向;保留第一梯度方向上梯度强度的极大值所在的像素作为边缘,删除第一梯度方向上的其他像素;对边缘像素进行形态学膨胀操作,得到掩膜区;在虹膜区域中去掉掩膜区,得到非掩膜区。
在一实施例中,梯度方向确定单元130还用于:获取虹膜图像中每个像素的梯度;根据像素的梯度,确定像素的第二梯度方向。
在一实施例中,根据像素的梯度,确定像素的第二梯度方向,包括:第二梯度方向的具体计算方式如下:
其中,dy和dx分别是像素在y方向和x方向上的梯度。
在一实施例中,梯度图像获取单元140还用于:在梯度函数中加入方向信息;基于加入方向信息的梯度函数,获取虹膜图像的梯度图像;加入方向信息的梯度函数的具体计算公式如下:
x’=x·cosθ-y·sinθ
y’=x·sinθ+y·cosθ
其中x,y表示像素的横、纵坐标,σx,σy表示高斯函数方差,θ为像素的梯度方向,x’,y’表示旋转方向后的坐标。
在一实施例中,评价单元150还用于:根据梯度图像计算像素梯度的均方差值,归一化后得到清晰度得分;根据清晰度得分判断虹膜图像是否清晰;清晰度得分的计算公式为:
其中c为常数,用于归一化,m为虹膜图像中梯度的均方差。
在一实施例中,根据清晰度得分判断虹膜图像是否清晰,包括:设定清晰度阈值;比较清晰度得分与清晰度阈值,若清晰度得分大于清晰度阈值,则图像为清晰图像,否则为模糊图像。
关于上述实施例中的虹膜图像的清晰度评价装置100,其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图3是根据一示例性实施例示出的前述任一实施例装置的示意框图。例如,装置200可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图3,装置200可以包括以下一个或多个组件:处理组件202,存储器204,电源组件206,多媒体组件208,音频组件210,输入/输出接口212,传感器组件214,以及通信组件216。
处理组件202通常控制装置200的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件202可以包括一个或多个处理器220来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件202可以包括一个或多个模块,便于处理组件202和其他组件之间的交互。例如,处理组件202可以包括多媒体模块,以方便多媒体组件208和处理组件202之间的交互。
存储器204被配置为存储各种类型的数据以支持在装置200的操作。这些数据的示例包括用于在装置200上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件206为装置200的各种组件提供电力。电源组件206可以包括电源管理***,一个或多个电源,及其他与为装置200生成、管理和分配电力相关联的组件。
多媒体组件208包括在所述装置200和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件208包括一个前置摄像头和/或后置摄像头。当设备200处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件210被配置为输出和/或输入音频信号。例如,音频组件210包括一个麦克风(MIC),当装置200处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器204或经由通信组件216发送。在一些实施例中,音频组件210还包括一个扬声器,用于输出音频信号。
输入/输出接口212为处理组件202和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件214包括一个或多个传感器,用于为装置200提供各个方面的状态评估。例如,传感器组件214可以检测到装置200的打开/关闭状态,组件的相对定位,例如所述组件为装置200的显示器和小键盘,传感器组件214还可以检测装置200或装置200一个组件的位置改变,用户与装置200接触的存在或不存在,装置200方位或加速/减速和装置200的温度变化。传感器组件214可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件214还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件214还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件216被配置为便于装置200和其他设备之间有线或无线方式的通信。装置200可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件216经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件216还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器204,上述指令可由装置200的处理器220执行以完成上述方法。例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图4是根据一示例性实施例示出的一种电子装置300的框图。例如,装置300可以被提供为一服务器。参照图4,装置300包括处理组件322,其进一步包括一个或多个处理器,以及由存储器342所代表的存储器资源,用于存储可由处理组件322的执行的指令,例如应用程序。存储器342中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件322被配置为执行指令,以执行上述方法。
装置300还可以包括一个电源组件326被配置为执行装置300的电源管理,一个有线或无线网络接口350被配置为将装置300连接到网络,和一个输入输出接口358。装置300可以操作基于存储在存储器342的操作***,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (22)
1.一种虹膜图像的清晰度评价方法,其特征在于,所述方法包括:
提取图像中的虹膜区域;
检测所述虹膜区域的边缘,生成虹膜图像;
确定所述虹膜图像中每个像素的梯度方向;
基于所述梯度方向信息获取梯度图像;
根据所述梯度图像判断所述虹膜图像是否清晰。
2.根据权利要求1所述的虹膜图像的清晰度评价方法,其特征在于,所述提取图像中的虹膜区域,包括:
获取人眼图像;
去除所述人眼图像的眼皮区域及光斑;
在所述人眼图像中拟合虹膜内圆和外圆;
根据所述内圆和外圆,分割所述人眼图像获得虹膜区域。
3.根据权利要求2所述的虹膜图像的清晰度评价方法,其特征在于,所述在所述人眼图像中拟合虹膜内圆和外圆,包括:
定位瞳孔中心;
确定内圆半径,定位所述内圆区域;
搜索以所述内圆区域为中心的向外发散方向上的候选边界点;
根据所述候选边界点定位所述外圆区域。
4.根据权利要求1所述的虹膜图像的清晰度评价方法,其特征在于,所述检测所述虹膜区域的边缘,生成虹膜图像包括:
确定所述虹膜区域的边缘区域;
根据所述边缘区域的梯度,将所述虹膜区域分为掩膜区和非掩膜区,其中所述非掩膜区为虹膜图像。
5.根据权利要求4所述的虹膜图像的清晰度评价方法,其特征在于,根据所述边缘区域的梯度,将所述虹膜区域分为掩膜区和非掩膜区,包括:
获取所述边缘区域的梯度,计算第一梯度方向;
保留所述第一梯度方向上梯度强度的极大值所在的像素作为边缘,删除所述第一梯度方向上的其他像素;
对边缘像素进行形态学膨胀操作,得到所述掩膜区;
在所述虹膜区域中去掉所述掩膜区,得到所述非掩膜区。
6.根据权利要求1所述的虹膜图像的清晰度评价方法,其特征在于,所述确定所述虹膜图像中每个像素的梯度方向,包括:
获取所述虹膜图像中每个像素的梯度;
根据所述像素的梯度,确定所述像素的第二梯度方向。
10.根据权利要求9所述的虹膜图像的清晰度评价方法,其特征在于,所述根据所述清晰度得分判断所述虹膜图像是否清晰,包括:
设定清晰度阈值;
比较所述清晰度得分与所述清晰度阈值,若所述清晰度得分大于所述清晰度阈值,则所述图像为清晰图像,否则为模糊图像。
11.一种虹膜图像的清晰度评价装置,其特征在于,所述装置包括:
提取单元,用于提取图像中的虹膜区域;
检测单元,用于检测所述虹膜区域的边缘,生成虹膜图像;
梯度方向确定单元,用于确定所述虹膜图像中每个像素的梯度方向;
梯度图像获取单元,用于基于所述梯度方向信息获取梯度图像;
评价单元,用于根据所述梯度图像判断所述虹膜图像是否清晰。
12.根据权利要求11所述的虹膜图像的清晰度评价装置,其特征在于,所述提取单元还用于:
获取人眼图像;
去除所述人眼图像的眼皮区域及光斑;
在所述人眼图像中拟合虹膜内圆和外圆;
根据所述内圆和外圆,分割所述人眼图像获得虹膜区域。
13.根据权利要求12所述的虹膜图像的清晰度评价装置,其特征在于,所述在所述人眼图像中拟合虹膜内圆和外圆,包括:
定位瞳孔中心;
确定内圆半径,定位所述内圆区域;
搜索以所述内圆区域为中心的向外发散方向上的候选边界点;
根据所述候选边界点定位所述外圆区域。
14.根据权利要求11所述的虹膜图像的清晰度评价装置,其特征在于,所述检测单元还用于:
确定所述虹膜区域的边缘区域;
根据所述边缘区域的梯度,将所述虹膜区域分为掩膜区和非掩膜区,其中所述非掩膜区为虹膜图像。
15.根据权利要求14所述的虹膜图像的清晰度评价装置,其特征在于,根据所述边缘区域的梯度,将所述虹膜区域分为掩膜区和非掩膜区,包括:
获取所述边缘区域的梯度,计算第一梯度方向;
保留所述第一梯度方向上梯度强度的极大值所在的像素作为边缘,删除所述第一梯度方向上的其他像素;
对边缘像素进行形态学膨胀操作,得到所述掩膜区;
在所述虹膜区域中去掉所述掩膜区,得到所述非掩膜区。
16.根据权利要求11所述的虹膜图像的清晰度评价装置,其特征在于,所述梯度方向确定单元还用于:
获取所述虹膜图像中每个像素的梯度;
根据所述像素的梯度,确定所述像素的第二梯度方向。
20.根据权利要求19所述的虹膜图像的清晰度评价装置,其特征在于,所述根据所述清晰度得分判断所述虹膜图像是否清晰,包括:
设定清晰度阈值;
比较所述清晰度得分与所述清晰度阈值,若所述清晰度得分大于所述清晰度阈值,则所述图像为清晰图像,否则为模糊图像。
21.一种电子设备,其特征在于,包括:
存储器,用于存储指令;以及
处理器,用于调用所述存储器存储的指令执行如权利要求1至10中任一项所述的虹膜图像的清晰度评价方法。
22.一种计算机可读存储介质,其特征在于,存储有指令,所述指令被处理器执行时,执行如权利要求1至10中任一项所述的虹膜图像的清晰度评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010198046.4A CN111476808B (zh) | 2020-03-19 | 2020-03-19 | 虹膜图像的清晰度评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010198046.4A CN111476808B (zh) | 2020-03-19 | 2020-03-19 | 虹膜图像的清晰度评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111476808A true CN111476808A (zh) | 2020-07-31 |
CN111476808B CN111476808B (zh) | 2023-12-26 |
Family
ID=71747643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010198046.4A Active CN111476808B (zh) | 2020-03-19 | 2020-03-19 | 虹膜图像的清晰度评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476808B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034481A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 设备图像模糊检测方法及装置 |
CN113763380A (zh) * | 2021-09-29 | 2021-12-07 | 江苏信息职业技术学院 | 基于矢量梯度的无参考图像清晰度评价方法 |
CN114944004A (zh) * | 2022-07-25 | 2022-08-26 | 海易科技(北京)有限公司 | 人脸图像存储方法、装置、设备、计算机介质和程序产品 |
CN116798107A (zh) * | 2023-06-16 | 2023-09-22 | 北京万里红科技有限公司 | 一种用于比对虹膜图像的可视化处理方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588424A (zh) * | 2004-07-02 | 2005-03-02 | 清华大学 | 基于断纹检测的指纹识别方法 |
US20110075892A1 (en) * | 2009-09-25 | 2011-03-31 | International Business Machines Corporation | System and method for generating and employing short length iris codes |
CN103825880A (zh) * | 2013-12-11 | 2014-05-28 | 北京万里红科技股份有限公司 | 一种防止计算机违规外联的监控装置及其制作和监控方法 |
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 |
CN107909589A (zh) * | 2017-11-01 | 2018-04-13 | 浙江工业大学 | 一种结合C‑V水平集和GrabCut算法的牙齿图像分割方法 |
CN108629293A (zh) * | 2018-04-16 | 2018-10-09 | 西安交通大学 | 一种具有反馈机制的自适应近红外虹膜图像采集方法 |
CN110084789A (zh) * | 2019-04-15 | 2019-08-02 | 广西释码智能信息技术有限公司 | 一种虹膜图像的质量评价方法及计算设备 |
-
2020
- 2020-03-19 CN CN202010198046.4A patent/CN111476808B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588424A (zh) * | 2004-07-02 | 2005-03-02 | 清华大学 | 基于断纹检测的指纹识别方法 |
US20110075892A1 (en) * | 2009-09-25 | 2011-03-31 | International Business Machines Corporation | System and method for generating and employing short length iris codes |
CN103825880A (zh) * | 2013-12-11 | 2014-05-28 | 北京万里红科技股份有限公司 | 一种防止计算机违规外联的监控装置及其制作和监控方法 |
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 |
CN107909589A (zh) * | 2017-11-01 | 2018-04-13 | 浙江工业大学 | 一种结合C‑V水平集和GrabCut算法的牙齿图像分割方法 |
CN108629293A (zh) * | 2018-04-16 | 2018-10-09 | 西安交通大学 | 一种具有反馈机制的自适应近红外虹膜图像采集方法 |
CN110084789A (zh) * | 2019-04-15 | 2019-08-02 | 广西释码智能信息技术有限公司 | 一种虹膜图像的质量评价方法及计算设备 |
Non-Patent Citations (1)
Title |
---|
史春蕾,等: "虹膜图像的质量评价研究", vol. 31, no. 12, pages 1131 - 1136 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034481A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 设备图像模糊检测方法及装置 |
CN113763380A (zh) * | 2021-09-29 | 2021-12-07 | 江苏信息职业技术学院 | 基于矢量梯度的无参考图像清晰度评价方法 |
CN114944004A (zh) * | 2022-07-25 | 2022-08-26 | 海易科技(北京)有限公司 | 人脸图像存储方法、装置、设备、计算机介质和程序产品 |
CN116798107A (zh) * | 2023-06-16 | 2023-09-22 | 北京万里红科技有限公司 | 一种用于比对虹膜图像的可视化处理方法及装置 |
CN116798107B (zh) * | 2023-06-16 | 2024-05-14 | 北京万里红科技有限公司 | 一种用于比对虹膜图像的可视化处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111476808B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476808B (zh) | 虹膜图像的清晰度评价方法及装置 | |
US11532180B2 (en) | Image processing method and device and storage medium | |
EP3163504B1 (en) | Method, device and computer-readable medium for region extraction | |
CN108197586B (zh) | 脸部识别方法和装置 | |
EP3163500A1 (en) | Method and device for identifying region | |
EP2977956B1 (en) | Method, apparatus and device for segmenting an image | |
US10007841B2 (en) | Human face recognition method, apparatus and terminal | |
CN107480665B (zh) | 文字检测方法、装置及计算机可读存储介质 | |
CN106228556B (zh) | 图像质量分析方法和装置 | |
WO2017071058A1 (zh) | 区域识别方法及装置 | |
CN110287671B (zh) | 验证方法及装置、电子设备和存储介质 | |
CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
CN106295638A (zh) | 证件图像倾斜校正方法和装置 | |
CN105631803B (zh) | 滤镜处理的方法和装置 | |
CN107798654B (zh) | 图像磨皮方法及装置、存储介质 | |
CN107038428B (zh) | 活体识别方法和装置 | |
CN109784164B (zh) | 前景识别方法、装置、电子设备及存储介质 | |
CN109509195B (zh) | 前景处理方法、装置、电子设备及存储介质 | |
CN106228168A (zh) | 卡片图像反光检测方法和装置 | |
CN108921178B (zh) | 获取图像模糊程度分类的方法、装置、电子设备 | |
US20170339287A1 (en) | Image transmission method and apparatus | |
CN106296665A (zh) | 卡片图像模糊检测方法和装置 | |
CN113409342A (zh) | 图像风格迁移模型的训练方法、装置及电子设备 | |
CN106056117A (zh) | 矩形物体的图像处理方法及装置 | |
CN112200040A (zh) | 遮挡图像检测方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100081 room 701, floor 7, Fuhai international port, Haidian District, Beijing Applicant after: Beijing wanlihong Technology Co.,Ltd. Address before: 100081 1504, floor 15, Fuhai international port, Daliushu Road, Haidian District, Beijing Applicant before: BEIJING SUPERRED TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |