[发明专利]伪造虹膜图像的判别方法

说明书

技术领域

本发明属于计算机视觉、数字图像处理和模式识别技术领域，具体涉及一种伪造虹膜图像的判别方法，可应用于基于生物特征的身份判别系统中来提高系统自身的综合性能。

背景技术

目前，基于生物特征的身份识别受到了各国政府的重视，已经渗透到人们日常生活的每一个方面。在众多生物特征中，虹膜具有唯一性高、稳定性强、非侵犯性等优点。这些优点使得虹膜特别适合用于人的身份认证和判别，在过去的十几年间受到越来越多的关注，相关研究和技术也得到了迅速的发展。虹膜判别不仅可以应用于电子商务、金融证券、信息安全、交通、公安和司法，而且已经上升到了国家战略国防的高度。

随着虹膜判别从实验走向实用，在众多安全防控领域得到应用，虹膜判别系统本身也面临着安全问题，出现了各种不同形式的系统攻击方式。其中，伪造虹膜对系统是很大的威胁，伪造虹膜攻击系统的方法有很多种，比如打印在纸上的虹膜图像、显示屏显示的虹膜图像、彩色印花隐形眼镜、具有丰富虹膜纹理的人造眼球等。伪造虹膜可能造成虹膜判别系统的错误判别，例如在自助通关系统中，系统工作于判别工作模式，包含嫌疑犯虹膜数据库，佩戴彩色印花隐形眼镜可能导致系统判别该用户没有注册，可以通行，导致系统没有起到应有的安全防控作用。因此，有效的伪造虹膜判别方法是提高虹膜判别系统可靠性的重要部分。

目前，虽然虹膜判别系统的安全性问题成为备受关注的焦点，但实用的伪造虹膜判别的方法并不多，大多为针对某一系统的安全策略。John Daugman(U.S.Pat.No.5291560)使用虹膜图像的傅里叶变换的频谱特性进行伪造虹膜判别可用于判别清晰的纸质打印虹膜图像与真实虹膜图像。施鹏飞等(CN101059837A)使用灰度共生矩阵的对比度及角度二阶矩特征作为伪造虹膜判别的特征，该方法针对清晰的彩色印花隐形眼镜判别。

随着虹膜判别系统向用户友好、方便使用的方向发展，对用户的配合度要求减低，会导致虹膜图像质量下降等问题，这使得虹膜的真伪判别面临更大的挑战。伪造虹膜的方法也呈现多样化、高质量的发展趋势。现有的伪造虹膜判别算法仍有改进的空间，如何快速有效地进行虹膜判别系统中的伪造虹膜判别仍然是一个亟待解决的难题。

发明内容

(一)要解决的技术问题

本发明所要解决的技术问题是提供了一种伪造虹膜图像判别方法，以改进现有的伪造虹膜图像判别方法，提高伪造虹膜图像判别系统的精度、鲁棒性和可靠性，从而提高虹膜识别系统的安全性能。

(二)技术方案

为解决上述技术问题，本发明提供了一种伪造虹膜图像判别方法，该方法包括构建阶段和判别阶段，所述构建阶段包括树型视觉词典的构建阶段和伪造虹膜判别分类器的构建阶段，其中树型视觉词典的构建阶段对样本虹膜图像库中的样本虹膜图像进行处理，得到树型视觉词典；伪造虹膜判别分类器的构建阶段基于所述树型视觉词典和稀疏编码方法来构造伪造虹膜判别分类器；判别阶段使用所述伪造虹膜判别分类器来判断目标虹膜图像的真伪。

其中所述树型视觉词典的构建阶段包括如下步骤：

步骤S11：建立所述样本虹膜图像库，使其包含多个真实样本虹膜图像和多个伪造样本虹膜图像；步骤S12：对所述样本图像库中的多个真实样本虹膜图像和多个伪造样本虹膜图像进行预处理，得到归一化样本虹膜图像；步骤S13：在所述归一化样本虹膜图像中抽取底层特征，该底层特征是指采用算子直接从图像提取的特征。步骤S14：根据所抽取的底层特征建立树型视觉词典，该树型视觉词典结构如下：包括一个根节点和多个层，每一层包括若干节点；其中根节点是一个虚拟节点，代表整个特征空间；第一层包含k₁个节点，其作为根节点的子节点，对应k₁个特征聚类中心；第二层包含对应第一层中节点的子节点，第一层中每个节点有k₂个子节点；以后每层中都是上一层的子节点，每个父节点最多有k_i个子节点，其中i＞2。

其中伪造虹膜判别分类器的构建阶段包括如下步骤：

步骤S15：自所述的树型视觉词典的根节点而下，级联的在每层对底层特征进行编码，获得所述底层特征的特征向量；步骤S16：将真实样本虹膜图像和伪造样本虹膜图像的特征向量分别作为正样本和负样本，训练支持向量机，得到伪造虹膜判别分类器。

其中判别阶段包括如下步骤：