[发明专利]基于特征边缘分布的虹膜几何特征提取方法

摘要

本发明属生物特征识别技术领域，具体为一种基于特征边缘分布的虹膜几何特征提取方法。该方法首先定义虹膜几何特征，并说明其可靠性和稳定性；然后运用反对称双正交小波提取虹膜几何特征边缘，根据虹膜几何特征分布的非均匀特性，构造不等间隔分级的全局边缘分布特征；最后引入特征距离的表示形式，提出合法用户的判定方法。本发明方法识别精度高，受外界环境影响小。

主权项

1、一种基于特征边缘分布的虹膜几何特征提取方法，其特征在于具体步骤如下：(1)划分虹膜子区域将目标虹膜图像进行归一化处理，得到矩形图像；再将矩形虹膜图像区域划分为一系列子区域，每个子区域作为提取几何特征信息的最小单位；(2)利用反对称双正交小波提取边缘采用具有双正交特性的小波基函数，对图像进行i级的小波分解；后续检测在塔式分解数据上进行，其中i为选定的分解级数；基于图像的塔式分解数据，通过半重构过程得到各个分辨率级上的梯度矢量，并通过(1)(2)式分别计算梯度模值Mi和梯度相角Ai；对每一级分辨率下的边缘点沿相角方向求局部模值的极大值，即可得到所有可能的边缘像素集合；其中：第i级分辨率上的每一个边缘像素点所具有的模值为：$M_i(x,y)=\sqrt{{\left(\frac{\partial f_i(x,y)}{\partial x}\right)}^2+{\left(\frac{\partial f_i(x,y)}{\partial y}\right)}^2}---\left(1\right)$ 方相梯度相角为：$A_i(x,y)={\mathrm{tg}}^{-1}[\frac{\partial f_i(x,y)}{\partial y}/\frac{\partial f_i(x,y)}{\partial x}]---\left(2\right)$ 其中，f(x，y)为原始图像，且该函数平方可积，fi(x，y)为f(x，y)在第i级分辨率上的近似或平滑，x和y表示边缘点的坐标；(3)构造全局边缘分布特征(i)记子区域内的特征边缘像素数为S，子区域内的像素总数为T，计算子区域的特征边缘百分比μ，μ＝S/T；(ii)计λ为全部虹膜区域的特征边缘百分比的归一化系数，子区域的特征边缘百分比与归一化系数的比值为相对特征边缘百分比，记为μ′，μ′＝μ/λ，记(T1，T2)为μ′的分布区间；(iii)将(T1，T2)区间划分为N个互不重叠的不等间隔区间段，N＝2n，则每个区间段可由一个n位的二进制编码表示；(iv)利用三次Bezier曲线进行不等间隔的特征分级，以(T1，0)，(T2，N)，(T3，M)，(T4，N-M)作为三次Bezier曲线型值点，其中T3，T4是划分激励区与缓变区的分界点；经过上述归一化和分级处理，使每个虹膜子区域都对应到一个n位的二进制特征码，从而得到虹膜几何特征分布的“全局几何分布特征码”；(4)特征匹配设虹膜区域划分为j行m列个子区域，虹膜几何特征分布的“全面几何分布特征码”Gd为：$\mathrm{Gd}=\left[\begin{array}{c}{\mathrm{Gd}}_{11}\\ ···\\ {\mathrm{Gd}}_{1m}\\ {\mathrm{Gd}}_{21}\\ ···\\ {\mathrm{Gd}}_{2m}\\ ···\\ {\mathrm{Gd}}_{j1}\\ ···\\ {\mathrm{Gd}}_{\mathrm{jm}}\end{array}\right],---\left(3\right)$ 该j×m维矢量的每个分量Gdi都对应于某个子区域的n位二进制特征码，于是，对于输入的待匹配虹膜图像α与虹膜图像数据库中的某一幅图像β，计算全局几何分布特征Gd的互相关函数如下：$R_{\mathrm{\alpha \beta }}=\frac{1}{j}\underset{J=}{\overset{j}{\Sigma }}\frac{\underset{M=1}{\overset{m}{\Sigma }}{\mathrm{Gd}}_{\mathrm{JM}}·{\mathrm{Gd}}_{J\underset{\beta }{\left[(M+i)\mathrm{mod}m\right]}}}{{\left(\underset{M=1}{\overset{m}{\Sigma }}\underset{\alpha }{{{\mathrm{Gd}}^2}_{\mathrm{JM}}}\right)}^{1/2}{\left(\underset{M=1}{\overset{m}{\Sigma }}{{Gd}^2}_{\underset{\beta }{J\left[(M+i)\mathrm{mod}m\right]}}\right)}^{1/2},}---\left(4\right)$ 其中i＝1，2，…k≤m，记δ为Rαβ(i)的最高峰，则利用如下的L距离测度，虹膜图像α与虹膜图像β的“全局几何分布特征码”Gd之间的相关距离定义如下： dL(Gd)(α，β)＝1-δ，对于输入的待匹配虹膜图像和虹膜图像数据库中所有图像，计算全局几何分布特征Gd的距离，得到一系列虹膜图像的相关距离dL(Gd)(α，β)，求出最小的相关距离dmin，将这个最小距离与设定的距离阈值ds相比，如果dmin≤ds，则该虹膜图像是合法登录的，否则，该虹膜图像为非法登录。