[发明专利]一种虹膜定位与特征提取方法和系统

说明书

本申请实施例中提供了一种虹膜定位与特征提取方法和系统，其中，该方法的步骤包括：S1、基于预先构建的局部灰度分布统计模型，选取虹膜区域分割阈值；S2、利用基于虹膜区域分割阈值构建的双阈值耦合分类器，对虹膜所在区域进行筛选，获得瞳孔区域图像和虹膜区域图像；S3、利用基于瞳孔区域图像和虹膜区域图像构建的边界检测器，确定有效虹膜区域；S4、利用基于有效虹膜区域构建的局部小波高频能量塔式跃迁模型，对有效虹膜区域的有效虹膜像素进行编码，获得虹膜特征编码。本方案克服了低质虹膜图像中的噪声干扰和不稳定特征的影响，从而有利于提高虹膜识别系统的准确率和鲁棒性。

技术领域

本申请涉及虹膜生物识别领域，特别涉及一种以确定有效虹膜区域为基础，结合局部小波高频能量塔式跃迁模型进行虹膜精确定位与稳定特征提取的方法和系统。

背景技术

虹膜识别以其准确性、稳定性、安全性和非接触性等显著优势已成为生物识别领域的重点研究方向和发展趋势。但是由于虹膜尺寸很小，易受噪声干扰，以及用户姿态的影响，在采集到的虹膜图像中，虹膜区域往往存在污染和形变，因此如何解决低质图像虹膜精确定位和稳定特征提取的问题，是虹膜识别的关键和难点。目前典型的虹膜特征提取和匹配方法存在以下缺点：

1.缺乏适应性强的虹膜定位拟合模型，对于低质图像，虹膜定位受噪声干扰影响较大，定位不准确，使虹膜稳定特征的提取变得更加困难；

2.缺乏鲁棒性强的虹膜特征度量算子，对于低质图像，特征提取受虹膜形变影响较大，难以提取稳定的虹膜特征，使虹膜识别的准确率大大降低；

3.对于低质图像，为了避免虹膜识别的准确率下降，采取舍弃当前图像进行重新采集的策略，从而严重影响了虹膜识别系统的效率。

发明内容

为解决上述问题之一，本申请提供了一种虹膜定位与特征提取方法，解决低质图像虹膜精确定位和稳定特征提取的问题，从而有效增强虹膜识别的准确率和鲁棒性。

根据本申请实施例的第一个方面，提供了一种虹膜定位与特征提取方法，该方法的步骤包括：

S1、基于预先构建的局部灰度分布统计模型，选取虹膜区域分割阈值；

S2、利用基于虹膜区域分割阈值构建的双阈值耦合分类器，对虹膜所在区域进行筛选，获得瞳孔区域图像和虹膜区域图像；

S3、利用基于瞳孔区域图像和虹膜区域图像构建的边界检测器，确定有效虹膜区域；

S4、利用基于有效虹膜区域构建的局部小波高频能量塔式跃迁模型，对有效虹膜区域的有效虹膜像素进行编码，获得虹膜特征编码。

根据本申请实施例的第二个方面，提供了一种虹膜定位与特征提取系统，该系统包括：

阈值选取模块，基于预先构建的局部灰度分布统计模型，选取虹膜区域分割阈值；

图像筛选模块，利用基于虹膜区域分割阈值构建的双阈值耦合分类器，对虹膜所在区域进行筛选，获得瞳孔区域图像和虹膜区域图像；

有效区域确定模块，利用基于瞳孔区域图像和虹膜区域图像构建的边界检测器，确定有效虹膜区域；

特征提取模块，利用基于有效虹膜区域构建的局部小波高频能量塔式跃迁模型，对有效虹膜区域的有效虹膜像素进行编码，获得虹膜特征编码。

本申请所述技术方案根据具体的虹膜图像的局部灰度统计分布自适应地选取虹膜区域分割阈值，然后结合双阈值耦合分类器和精细设计的虹膜边界检测器准确地筛选和定位有效的虹膜区域，最后通过构建局部小波高频能量塔式跃迁模型提取稳定的虹膜特征并进行编码。本方案克服了低质虹膜图像中的噪声干扰和不稳定特征的影响，从而有利于提高虹膜识别系统的准确率和鲁棒性。

附图说明