[发明专利]序列虹膜图像超分辨率重建方法

说明书

技术领域

本发明属于生物特征识别领域，涉及数字图像处理、统计学习和模式识别等技术，特别是涉及一种序列虹膜图像的超分辨率重建方法。

背景技术

基于虹膜的身份鉴别以其高可靠性，稳定性和非侵犯性而占有生物特征识别技术的重要地位。一般的识别方法都是基于满足一定分辨率的图像进行的，如国际标准要求图像中虹膜直径不少于150像素。而在实际图像获取中，在一些特定环境，如远距离识别或者受到系统光学性能的限制，不一定能获取较高分辨率的图像，低分辨率图像往往在识别时被摒弃，或者在识别时不能获得高的性能，对这些图像进行高分辨率重构能够增加识别率，提高系统鲁棒性及易用性。

目前，虹膜图像的超分辨率重建可以基于普通图像超分辨率重建技术，但就虹膜图像而言，因其虹膜纹理与占据环形区域的特殊性，其重建过程与普通图像有所不同。其主要步骤包括图像预处理、图像配准和超分辨率重建。

虹膜图像在进行采集时由于瞳孔的振颤特性而使图像具有不同的瞳孔尺寸和虹膜纹理区域，在识别时只考虑虹膜纹理区域特征，因此可以先将虹膜进行定位及归一化展开，只保留虹膜纹理区域进行后续超分辨率重建。

序列图像的配准即运动估计，是寻找两幅图像在空间和灰度上的映射的过程，一般情况下图像配准的方法通常可分为三类：(1)基于像素的配准方法，即根据待配准图像的相关函数、Fourier变换和各阶矩量之间的关系式来计算配准参数。(2)基于特征的配准方法，即根据需要配准图像重要相同特征之间的几何关系确定配准参数。这类方法首先需要提取特征，如图像的边缘、角、点、线、曲率等具有不变性的特征。提取特征可在空间域内进行。也可在变换域内进行。(3)基于模型的配准方法，这种方法是根据图像失真的数学模型来进行非线性校正式的配准。由于虹膜图像的旋转在归一化图像中体现为水平位移，因此序列归一化虹膜图像的配准可只考虑二维的位移。根据归一化图像的特点，以及虹膜识别系统的速度和精度要求，选择基于像素的Fourier变换方法来对其进行配准。

目前，序列虹膜图像的超分辨率重建方法多采用空域的方法，包括主成分变换法、基于学习的多层感知器法、图像平均法、以及贝叶斯最大后验概率法等。这些方法包含先验信息的约束，能将插值、迭代、滤波重采样同复杂的运动模型结合起来处理。空域法的降质过程模型内容广泛，可以包括非理想采样、空间可变点扩散函数、全局运动和局部运动、光学模糊、运动模糊等。

重复背投影法也是空域法中的一种，首先用一幅输入图像进行插值作为输出图像的初始估计，并将所有低分辨率图像插值得到高分辨率图像,估计图像与实际观测图像的高分辨率插值图像之间的差值称为模拟误差，根据模拟误差不断更新当前估计。简而言之，就是重复地应用各幅低分辨率图像的插值图像与估计得到的高分辨率图像的差来更新估计的高分辨率图像。重复背投影法通过观测方程使超分辨率的结果与观测数据匹配，因此，可以用于序列虹膜图像的重建。

发明内容

(一)要解决的技术问题

本发明的目的在于减少虹膜识别系统中对图像分辨率要求的限制，提供一种序列虹膜图像的超分辨率重建方法。此方法能提取低分辨率序列虹膜图像中的信息，重建得到高分辨率虹膜图像，提高虹膜识别系统的易用性，具有更低的等错误率。

(二)技术解决方案

为达到上述目的，本发明提供了一种序列虹膜图像的超分辨率重建方法，其中至少使用一帧图像对序列虹膜图像进行重建，包括以下步骤：

S1、从视频中选取任意幅虹膜图像，并对选取的序列图像分别进行预处理，得到序列归一化虹膜图像；

S2、采用频域配准方法对序列归一化虹膜图像进行配准；

S3、采用改进的重复背投影法对配准后的归一化虹膜图像进行超分辨率重建；

上述方案中，所述步骤S1包括：S11、从视频序列中选取成像清晰、对比度较好的正面虹膜图像；S12、对选取的序列虹膜图像分别进行虹膜内外边界的定位，将虹膜区域从图像中分割，并将分割得到的虹膜区域映射到极坐标，得到归一化的虹膜图像。步骤S11中采用局部对比度法进行图像清晰度判断，并且采用微积分算子进行瞳孔和虹膜是否圆形的检测以确定是否为正向虹膜图像；步骤S12中采用Sobel算子和Hough变换的方法定位虹膜，采用分段插值得到虹膜纹理矩形图像。