[发明专利]虹膜图像归一化方法、装置及计算机可读存储介质

说明书

本发明公开了一种虹膜图像归一化方法、装置及计算机可读存储介质，所述方法包括：获取待处理虹膜图像，确定所述待处理虹膜图像所属的状态类型；根据所述状态类型查找对应的采样模型；根据所述采样模型对所述待处理虹膜图像进行非线性采样，获得采样点，根据所述采样点将所述待处理虹膜图像归一化成矩形图像。由于充分考虑了瞳孔放大或缩小对虹膜部分的影响，能很好地减少由于瞳孔放大或缩小带来的误差，提升了虹膜图像归一化处理部分的性能，从而能提高后续虹膜部分的特征提取和虹膜识别的准确率。

技术领域

本发明涉及虹膜图像处理领域，尤其涉及一种虹膜图像归一化方法、装置及计算机可读存储介质。

背景技术

如今是信息化高速发展的时代，互联网概念已经深入我们的生活。如何精确鉴定个人的真实身份，保护信息安全，已成为一个亟待解决的关键性问题。传统的身份认证极易伪造和丢失，难以满足急速发展的社会需求，目前最为便捷安全的解决方案就是生物识别。虹膜识别是一种基于人体生理特征的生物体特征识别技术，与人体纹理、掌纹、脸相、音频、步频及血液等特征识别相比，具有唯一、高稳定、识别率高及检测方便等优点，因此虹膜识别技术己成为当前身份鉴别研究的热门领域。

由于人的瞳孔在不同光照下会有变化，因而虹膜面积也会发生变化，使得虹膜特征很难直接进行比对，因此需要对检测出来的虹膜图像进行规范化处理，即将环形的虹膜区域通过坐标变换映射成一个长为角度分辨率，宽为径向分辨率的矩形区域，以减少虹膜图像由于外界干扰而产生的旋转平移影响。此过程称为归一化，对虹膜图像进行归一化处理是虹膜识别系统中非常重要的一个环节。虹膜区域是类圆环形状的，不利于特征提取分析。虹膜归一化的目的是将每幅原始图像调整到相同的尺寸和对应位置，从而消除平移、缩放和旋转对虹膜识别的影响，从而提高虹膜识别的效率。

通常情况下，由于虹膜的内外边界的圆心不是重合的，都有一定的偏差，因此这种偏差也造成了内外边缘构成的环形区域是不同宽度的。目前的虹膜归一化方法都是线性归一化，即都是以线性映射的方式将虹膜从环形映射到固定尺寸的矩形，包括整体线性归一化、双弹簧模型归一化等线性方法。但是由于外界光照等得变化，会引起瞳孔的缩放，瞳孔的缩放会引起虹膜纹理发生相应的缩放变化，这种缩放是不均匀的，是非线性的。因此，虹膜纹理的线性归一化方法无效消除这种不均匀的缩放，从而会降低后续的虹膜识别的准确率。

发明内容

本发明的主要目的在于提供一种虹膜图像归一化方法、装置及计算机可读存储介质，旨在解决现有技术中不能较精确地进行虹膜图像归一化处理的技术问题。

为实现上述目的，本发明提供一种虹膜图像归一化方法，所述方法包括以下步骤：

获取待处理虹膜图像，确定所述待处理虹膜图像所属的状态类型；

根据所述状态类型查找对应的采样模型；

根据所述采样模型对所述待处理虹膜图像进行非线性采样，获得采样点，根据所述采样点将所述待处理虹膜图像归一化成矩形图像。

优选地，所述根据所述采样模型对所述待处理虹膜图像进行非线性采样，获得采样点，根据所述采样点将所述待处理虹膜图像归一化成矩形图像，具体包括：

根据所述采样模型和预设点坐标计算所述采样模型的预设参数，获得目标采样模型；

根据所述目标采样模型对所述待处理虹膜图像进行非线性采样，获得采样点，根据所述采样点将所述待处理虹膜图像归一化成矩形图像。

优选地，所述根据所述采样模型和预设点坐标计算所述采样模型的预设参数，获得目标采样模型，具体包括：

获取预设点坐标，根据所述预设点坐标将所述采样模型转化为包含预设参数的方程组；

按照预设规则对所述预设参数进行赋值，在当前赋值使所述方程组成立时，将当前赋值作为预设参数，获得目标采样模型。