[发明专利]一种基于小波包分解的虹膜识别方法

权利要求书

1.一种基于小波包分解的虹膜识别方法，其特征在于，包括以下步骤：

步骤1：采集人眼图像，并进行虹膜图像预处理，得到处理后的虹膜图像；

步骤2：根据虹膜纹理分布，划分虹膜有效区域，在虹膜有效区域内选取特征提取区域；

步骤3：在得到的特征提取区域上进行基于小波包变换进行二层分解，得到对角高频信息，并将得到的对角高频信息进行二进制编码，得到虹膜特征码；

步骤4：对得到的虹膜特征码进行虹膜特征的分类与匹配，最终得到分类结果。

2.根据权利要求1所述的一种基于小波包分解的虹膜识别方法，其特征在于，步骤1所述的虹膜图像预处理操作包括：虹膜定位、虹膜干扰检测与归一化处理以及虹膜图像归一化处理。

3.根据权利要求2所述的一种基于小波包分解的虹膜识别方法，其特征在于，步骤2的具体操作步骤包括：

S21：将虹膜区域分为R₁和R₂区域，分别对应于虹膜瞳孔部和虹膜睫状体部；

S22：初步选定R₁区域为虹膜有效区域，并将R₁区域再划分为R₃和R₄区域，选定受干扰小的区域R₄为虹膜有效区域；

S23：在虹膜有效区域内由上向下、由右至左选取选取固定大小的特征提取区域R₅。

4.根据权利要求3所述的一种基于小波包分解的虹膜识别方法，其特征在于，步骤3中所述的小波包变换的公式为：

其中，i＝1,2,…,2j，j＝1,2,…,J，J＝log2N，N为小波包分解层数，f(t)为待分解信号，表示第j层上第i个小波包即小波包系数，G、H为小波分解滤波器。

5.根据权利要求3所述的一种基于小波包分解的虹膜识别方法，其特征在于，步骤3的具体操作步骤包括：

S31：对选取的特征区域先进行第一层分解，得到节点子图；

S32：对各节点子图进行二层分解，得到各子节点的图像低频信息、水平高频信息，垂直高频信息和对角高频信息；

S32：选取第二层的对角高频信息的组合作为虹膜特征提取对象，设置阈值0对提取的高频系数进行二进制编码，且特征空间元素C(i)的编码规则为：

S33：编码后得到虹膜特征码。

6.根据权利要求5所述的一种基于小波包分解的虹膜识别方法，其特征在于，步骤4中所述的虹膜特征的分类与匹配的具体步骤包括：

步骤41：从得到的虹膜特征码中选取一个虹膜特征码X与虹膜数据库中的虹膜模板特征编码进行比较，并将异或操作产生的不一致的编码位数占总模板位数的比例作为海明距离，海明距离的计算公式为：

其中，N为总模板位数；

步骤42：判断得到的海明距离HD，距离越小则两类虹膜模式越相似；

步骤43：重复步骤41-步骤42，直至将得到的虹膜特征码全部比对完后，得到最终的分类结果。