[发明专利]一种从视频流中选取到了质量合格的虹膜图像的方法

说明书

【技术领域】

本发明属于图像处理技术领域，主要涉及生物特征鉴别中的一种从视频流中选取到了质量合格的虹膜图像的方法。

【背景技术】

在信息技术高度发展和电子业务广泛应用的现代社会，信息安全已经渗透到人们日常生活的每一个方面。因此可用于身份鉴别、保护信息安全的生物特征识别技术越来越受到人们的重视。与传统的方法相比，生物特征识别的优点是不会丢失、遗忘和伪造，是安全而快速的鉴别方式。虹膜识别技术是一种新兴的生物特征识别技术，与其它生物特征识别技术相比具有以下几个优点：稳定性、唯一性、高可靠性和非接触性，这些特点使得虹膜识别在公安、国防、金融、保险、医疗卫生、计算机网络等各个领域中具有非常广阔的应用前景。随着数字信号处理技术和图像处理技术的发展，虹膜身份识别系统已经日趋成熟。详见文献：John G.Daugman，“How Iris Recognition Works，”IEEETransaction on Circuits and Systems for Video Technology，Volume 14，Issue 1，pp.21-30，2004和文献：John G.Daugman，“High ConfidenceRecognition of Persons by Iris Patterns，”The Proceeding of IEEE 35^thInternat ional Carnahan Conference on Security Technology，pp.254-263，2001所述。

虹膜图像质量评估是自动虹膜识别系统中的一个非常重要的环节，它确保了采集过程中得到满足质量标准的图像。实际中，由于拍摄时采集设备的焦距问题，拍摄瞬间眼球的转动问题，以及眼睑和睫毛对虹膜的部分遮挡，常常使采集的虹膜图像无法进行后续的特征提取。目前已有的算法中还没有提出一种有效的虹膜图像质量评估模型，因此我们旨在建立一套通用可行的评估模型，详见文献：Chen Ji，Hu Guangshu，“Iris Image Quality Evaluation basedon Wavelet Packet Decomposition，”Journal of Tsinghua University(Sci&Tech)，volume 43，no.3，pp.377-380，2003。

目前已有虹膜质量评估方法有：

(1)基于快速傅立叶变换的方法。它对虹膜区域上的两个矩形块内的像素点进行二维快速傅立叶变换，然后通过对其高频、中频和低频能量的统计，分析图像是否清晰和存在睫毛遮挡。该模型的通用行不强，容易将纹理较少的清晰虹膜图像误判为低质量虹膜图像。详见文献：Li Ma，Tieniu Tan，YunhongWang，Dexin Zhang，“Personal Identification based on Iris TextureAnalysis，”IEEE Transactions on Pattern Analysis and MachineIntelligence，volume.25，no.12，pp.1519-1533。

(2)基于小波包分解的方法。它选取纹理高频分量分布最集中的子频带作为特征子频带，以其能量作为判别图像质量的准则。该方法的缺点是无法判断因睫毛遮挡而存在问题的虹膜图像。详见文献：Chen Ji，Hu Guangshu，“Iris Image Quality Evaluation based on Wavelet PacketDecomposition，”Journal of Tsinghua University(Sci&Tech)，volume43，no.3，pp.377-380，2003。

上述的虹膜图像质量评估方法的通用性都不强，无法满足自动虹膜采集系统中选取高质量图像的要求。

【发明内容】

本发明的任务是建立一套通用性比较强的从视频流中选取到了质量合格的虹膜图像的方法。

本发明的目的是这样实现的：

一种从视频流中选取到了质量合格的虹膜图像的方法，其特征在于其包括下列步骤：

步骤1、通过摄像装置，对人眼中的虹膜进行图像采集，得到含有虹膜图像的原始灰度图像；