[发明专利]一种虹膜图像的质量评价方法及计算设备

说明书

本发明公开了一种虹膜图像的质量评价方法及计算设备。其中，该质量评价方法包括步骤：提取虹膜图像的光斑边缘点；对光斑边缘点进行椭圆拟合，以得到至少一个拟合的椭圆；根据拟合的椭圆计算拟合参数；基于拟合参数，确定虹膜图像的质量评价结果。此外，本发明还一并公开了用于执行上述方法的计算设备及对应的可读存储介质。

技术领域

本发明涉及图像处理技术领域，特别涉及一种虹膜图像的质量评价方法及计算设备。

背景技术

虹膜是位于人眼白色巩膜和黑色瞳孔之间的环状组织，包含了最丰富的纹理信息。从外观上看，虹膜由许多腺窝、褶皱和色素斑等构成，是人体中最独特的结果之一。作为重要的身份识别特征，虹膜识别具有唯一性、稳定性、可采集性和非侵犯性等优点。因而，虹膜识别技术是一项能够精确鉴别个体的生物特征识别技术，有着巨大的应用前景。

虹膜识别系统越来越多地被用于大规模应用场景，通常，虹膜识别系统的工作流程为：先采集注册图像生成注册模板；再采集识别图像生成识别码，将识别码与数据库中的识别模板进行比对，完成一次识别工作。可以看出，获取虹膜图像贯穿整个识别系统，而在实际应用中，由于用户个体差异，虹膜图像视频流中常常存在斜视、闭眼和模糊等质量不理想的图像。如果将质量不佳的图像进行虹膜识别，会增加识别时间，造成不良的用户体验，同时还会增加错误识别的风险。因此，无论是注册阶段还是识别阶段，通过虹膜图像质量评价筛选出满足要求的虹膜图像，都是至关重要的。

现有的虹膜图像的质量评价方法，如文献《虹膜图像的质量评价研究》中提出的虹膜图像的质量评价方法，采用高斯拉普拉斯(LoG)算子提取瞳孔两侧局部虹膜图像的高频能量，来生成虹膜图像的清晰度评价指标。研究认为，评价指标越高，虹膜图像越清晰，即，质量越好。但申请人在研究中发现，由于高频能量与图像本身的信息量相关，对于一些纹理、细节较多的虹膜图像，其高频能量也较多，即便图像清晰度不够，但计算出的清晰度评价指标仍然会高于那些纹理较少的、清晰的虹膜图像。因此，在实际应用中，不同个体虹膜区域褶皱和色素斑等构成要素的差异，会极大地影响评价指标的差异。

鉴于上述原因，需要一种优化的虹膜图像的质量评价方案，能够克服不同个体的虹膜差异对质量评价的影响。

发明内容

为此，本发明提供了一种虹膜图像的质量评价方法及计算设备，以力图解决或者至少缓解上面存在的至少一个问题。

根据本发明的一方面，提供了一种虹膜图像的质量评价方法，该方法包括步骤：提取虹膜图像的光斑边缘点；对光斑边缘点进行椭圆拟合，以得到至少一个拟合的椭圆；根据拟合的椭圆计算拟合参数；基于拟合参数，确定虹膜图像的质量评价结果。

可选地，在根据本发明的方法中，提取虹膜图像的光斑边缘点的步骤包括：计算虹膜图像的梯度；根据所算得的梯度，提取虹膜图像中的边缘点；根据所提取的边缘点的灰度变化，从边缘点中选出候选边缘点；根据候选边缘点的坐标，从候选边缘点中筛选出光斑边缘点。

可选地，在根据本发明的方法中，根据所算得的梯度，提取虹膜图像的边缘点的步骤包括：计算虹膜图像中每个像素点的梯度方向；基于像素点的梯度方向，确定该像素点的最大梯度；基于像素点的最大梯度，提取虹膜图像的边缘点。

可选地，在根据本发明的方法中，基于像素点的最大梯度，提取虹膜图像的边缘点的步骤包括：若像素点的梯度值大于该像素点的最大梯度，则确定该像素点为边缘点；若像素点的梯度值不大于该像素点的最大梯度，则确定该像素点不是边缘点。

可选地，在根据本发明的方法中，根据所提取的边缘点的灰度变化，从边缘点中选出候选边缘点的步骤包括：计算边缘点四个方向的灰度变化；确定灰度变化的绝对值最大的方向；在绝对值最大的方向上，从边缘点中确定出候选边缘点。