[发明专利]一种基于边缘检测的虹膜识别方法及装置

说明书

本申请提供了一种基于边缘检测的虹膜识别方法及装置，包括：利用差分梯度方法对预先获取的虹膜图像进行边缘像素增强；在预设的采样点命中阈值范围内，基于预设的初始虹膜的最大直径和最小直径进行虹膜参数的迭代估计循环，得到虹膜图像轮廓的像素点，输出虹膜参数；根据虹膜参数，校验虹膜图像轮廓上边缘点的合法性，并对校验后缺失的边缘点进行插值处理，得到理想虹膜；提取理想虹膜的特征参数，并将理想虹膜的特征参数与特征库的特征参数进行比对，生成识别结果。本申请通过差分梯度方法将边缘像素增强消除了噪声数据，通过预设范围，有效增进虹膜参数的计算速度，具有可操作性强，虹膜轮廓定位效率高等特点。

技术领域

本申请属于图形图像处理技术领域，具体地讲，涉及一种基于边缘检测的虹膜识别方法及装置。

背景技术

为保证银行对客户身份验证的准确性，出现了多种验证与识别技术，包括传统的密码按键、手写签名、身份证读卡器以及新一代基于生物识别技术的指纹仪、掌静脉、人脸识别和虹膜识别等。虹膜识别一般都经过虹膜检测、图像分割、标准化、特征提取和匹配等过程，图像分割是将虹膜区域从图像中分离出来，去掉图像边缘的毛刺和突点，得到一个环状结构，即感兴趣区域(ROI，region of interest)，ROI检测和定位是影响识别准确率的关键要素。然后采用Hough(霍夫)变换进行虹膜参数(包括虹膜和瞳孔的圆心和轮廓)定位，即将图像中属于某类图形的点集(二维)映射到另一个空间(可以是高维)的某个点(集中点)上，由于不同图形对应的集中点不同，集中点的数量对应着二维平面中的图形数目，这样通过记录影射在集中点的次数并计算其峰值，就可以判断出虹膜和瞳孔的圆心和圆形轮廓区域，从而发现虹膜对应的ROI。然而在实际应用中，对图像的每个像素点运用Hough变换是不现实的，以规格为640x480像素的图像为例，传统算法要执行近30万次计算，消耗大量的存储及运算资源，运算效率极低，只有当遍历目标缩小到图像的边缘点集时，才能有效提高落在圆上的命中概率。同时，人体的虹膜和瞳孔的轮廓并不是完美的圆形结构，除了圆心不重合外，轮廓还受睫毛、眼皮、反光点灯影响，边缘点呈现不规则分布，当不规则图形数量增加时，边缘估计的命中概率呈指数级下降。

发明内容

本申请提供了一种基于边缘检测的虹膜识别方法，以至少解决现有技术中虹膜识别传统算法消耗大量的存储及运算资源并且精度不高的问题。

根据本申请的一个方面，提供了一种基于边缘检测的虹膜识别方法，包括：利用差分梯度方法对预先获取的虹膜图像进行边缘像素增强，以定位虹膜图像轮廓；在预设的采样点命中阈值范围内，基于预设的初始虹膜的最大直径和最小直径进行虹膜参数的迭代估计循环，得到虹膜图像轮廓的像素点，当虹膜图像轮廓的像素点的数量达到预设数量后，输出虹膜参数；根据虹膜参数，校验虹膜图像轮廓上边缘点的合法性，并对校验后缺失的边缘点进行插值处理，得到理想虹膜；提取理想虹膜的特征参数，并将理想虹膜的特征参数与特征库的特征参数进行比对，生成识别结果。

在一实施例中，利用差分梯度方法对预先获取的虹膜图像进行边缘像素增强，包括：分别设置竖直方向及水平方向的矩阵过滤器，并令矩阵过滤器的宽度和长度均等于初始虹膜的最大直径；利用竖直方向的矩阵过滤器和水平方向的矩阵过滤器初始化虹膜图像轮廓的像素点；在虹膜图像轮廓的像素点上设置Sobel算子。

在一实施例中，在虹膜图像轮廓的像素点上设置Sobel算子，包括：分别设置竖直方向梯度和水平方向梯度，令梯度分别等于X方向的差分梯度和Y方向的差分梯度。

在一实施例中，在预设的采样点命中阈值范围内，基于预设的初始虹膜的最大直径和最小直径进行虹膜参数的迭代估计循环，包括：设置初始虹膜的最小半径为初始虹膜的最小直径的一半，初始虹膜的最大半径为初始虹膜的最大直径的一半；在不小于初始虹膜的最小半径和不大于初始虹膜的最大半径范围内进行虹膜参数的迭代估计循环。