[发明专利]模型生成方法、虹膜图像质量评估方法及电子设备

权利要求书

1.一种虹膜图像质量评估模型的生成方法，其特征在于，所述方法包括：

获取训练样本集合，所述训练样本集合是指由电子设备采集的不同个体的虹膜图像；

将所述虹膜图像输入一纹理分类器，根据第一分类标准将所述虹膜图像分类，获得多个纹理分类；将对应于不同纹理分类的所述虹膜图像进行虹膜分割，生成第一展开矩形图数据库；

将所述虹膜图像输入一质量分类器，根据第二分类标准将所述虹膜图像分类，获得多个质量分类；将对应于不同质量分类的所述虹膜图像进行虹膜分割，生成第二展开矩形图数据库；

根据所述第一展开矩形图数据库和所述纹理分类，生成第一预测模型；根据所述第二展开矩形图数据库，生成第二预测模型；

根据所述第一预测模型、所述第二预测模型和一质量分数，生成一虹膜图像质量评估模型；

其中，所述第一分类标准关联于虹膜纹理稠密程度；所述第二分类标准关联于虹膜图像的质量；

所述根据第二分类标准将所述虹膜图像分类，获得多个质量分类包括：接收所述训练样本集合中的虹膜图像；根据所述虹膜图像的质量，对所述虹膜图像进行分类，确定至少五个质量分类；自第一质量分类起，所述虹膜图像的质量依次降低；

所述方法还包括：

将所述第二展开矩形图数据库分为对应于所述纹理分类的多个存储；

于每一所述存储中，分别存储相应的纹理分类及最低质量分类对应的所述虹膜图像，所述最低质量分类为自所述第一质量分类起的任一质量分类；

获取所述虹膜图像的展开矩形图，并对所述展开矩形图分别执行行方向滤波和列方向滤波，得到一行方向滤波结果和一列方向滤波结果；

计算所述行方向滤波结果和所述列方向滤波结果的相似度，获得所述虹膜图像的质量分数。

2.根据权利要求1所述的虹膜图像质量评估模型的生成方法，其特征在于，所述根据第一分类标准将所述虹膜图像分类，获得多个纹理分类包括：

接收所述训练样本集合中的虹膜图像；

根据虹膜纹理稠密程度，对所述虹膜图像进行分类，确定至少三个纹理分类；自第一纹理分类起，所述虹膜纹理稠密程度依次降低。

3.根据权利要求2所述的虹膜图像质量评估模型的生成方法，其特征在于，所述将对应于不同纹理分类的所述虹膜图像进行虹膜分割，生成第一展开矩形图数据库包括：

接收经所述纹理分类器分类的虹膜图像，分割所述虹膜图像的瞳孔-虹膜区域，获得一分割结果；

对所述分割结果进行圆拟合，获得一拟合结果；

对所述拟合结果进行非同心展开，生成第一初始展开矩形图；

在所述第一初始展开矩形图中计算眼睑睫毛掩模，并将所述第一初始展开矩形图中所述眼睑睫毛掩模对应位置的像素置0，生成第一展开矩形图；

获取所述训练样本集合中全部图像的第一展开矩形图，生成第一展开矩形图数据库。

4.根据权利要求3所述的虹膜图像质量评估模型的生成方法，其特征在于，所述根据所述第一展开矩形图数据库和所述纹理分类，生成第一预测模型：

对所述多个纹理分类和所述第一展开矩形图数据库进行特征提取，获得一特征提取结果；

迭代训练所述特征提取结果，生成第一预测模型，所述第一预测模型适于预测所述虹膜纹理稠密程度。

5.根据权利要求1所述的虹膜图像质量评估模型的生成方法，其特征在于，所述将对应于不同质量分类的所述虹膜图像进行虹膜分割，生成第二展开矩形图数据库包括：

接收经所述质量分类器分类的虹膜图像，分割所述虹膜图像的瞳孔-虹膜区域，获得一分割结果；

对所述分割结果进行圆拟合，获得一拟合结果；

对所述拟合结果进行非同心展开，生成第二初始展开矩形图；

在所述第二初始展开矩形图中计算眼睑睫毛掩模，并将所述第二初始展开矩形图中所述眼睑睫毛掩模对应位置的像素置0，生成第二展开矩形图；

获取所述训练样本集合中全部图像的第二展开矩形图，生成第二展开矩形图数据库。