基於局部二值模式特徵和圖匹配的虹膜識別方法

2023-06-01 12:52:56 2

專利名稱：基於局部二值模式特徵和圖匹配的虹膜識別方法
技術領域：
本發明涉及數字圖像處理、模式識別、計算機視覺和信息編碼，特別是基於局部二值模式特徵(Local Binary Pattern)和圖匹配(Graph Matching)的虹膜識別方法。
背景技術：
有效的身份認證方法可以給我們的生活帶來安全、便利和效益， 可以給我們的社會帶來安定、秩序和效率。在網絡高度發達、人員交往和流動頻繁的現代社會裡，人們對身份識別技術有了更高的期望 自動、快速、準確、防偽、方便、不可抵賴。在需求的驅動下，基亍 指紋、人臉、虹膜、手形、筆跡等生物特徵的身份鑑別方法應運而生， 試圖取代基於知識或者標誌物的傳統方法。虹膜是位於人眼表面黑色瞳孔和白色鞏膜之間的圓環狀區域，在 紅外光下呈現出豐富的紋理信息，如斑點、條紋、細絲、隱窩等細節 特徵。並且這些特徵穩定不變，虹膜圖像採集越來越方便，識別過程 非接觸，所以基於虹膜識別的身份認證方法具有許多獨特的優勢。由於眼科醫生經常檢查病人的眼睛，最早是由他們發現了虹膜的 獨特性，並提出了將虹膜圖像應用於身份識別的思想。但是第一套成 功的虹膜識別算法是由英國劍橋大學的JohnDaugman博士在1993年提出。虹膜識別不僅是學術研究的熱點，它的廣闊應用前景還吸引了松 下、LG、 OKI、 Sarnoff、 Iridian等國際著名公司和眾多的科研機構。 由於虹膜識別的精度極高，所以虹膜也是少數能夠用於一對多識別方 式的生物特徵，特別適合於大規模人群的身份識別，而且防偽性強。 自從"9.11"恐怖事件發生後，世界各國都加大了高性能身份認證技術 的研發投入，虹膜識別備受各國政府安防應用的青睞，國際民航組織 (ICAO)的生物護照計劃(E-passport)中也明確規定虹膜是選用的生物特徵之一。隨著政府應用的激增和成像成本的持續下滑，這幾年 國際虹膜識別市場已經進入了高速發展期，每年的增長速度都會超過50%，預計到2009年的年營業收入會達到5.19億美元，虹膜識別的良 好發展前景已經得到了普遍的共識。虹膜識別系統已經被廣泛應用於 金融、邊防、海關、網絡、電子商務、社會福利、保險、身份證、門 禁、信息安全等關鍵領域，甚至還用於査找失蹤兒童。對於虹膜識別，不管是外行還是內行，人們首先想到的問題就是: 機器是用什麼特徵進行虹膜識別的？什麼是虹膜圖像中凸現個性化差 異的本質特徵？這就是虹膜識別的基本的、原理性的問題，因為虹膜 識別通過對比虹膜圖像特徵之間的相似性來確定人們的身份。在虹膜 識別系統中，對蘊藏在虹膜圖像數據中的特徵信息的有效表達是決定 系統性能指標的關鍵因素。受成像時環境、距離、姿態、噪聲、睫毛 等因素的影響，同-隻眼睛在不同時刻採集的虹膜圖像不可能完全相 同，相應的特徵也會不同。可能引起虹膜圖像類內差異的主要因素包 括光照和對比度的變化、睫毛和眼皮的遮擋、瞳孔的彈性形變、校 準誤差、質量退化、不同採集設備造成的差異、戴眼鏡帶來的變化等。 為了將不同時刻採集的虹膜圖像分到同一類，在特徵表達時必須盡最 大可能濾除與身份無關的因素的影響，使虹膜圖像的特徵描述模型對 於類內信號差異具有魯棒性。在儘量提高虹膜圖像特徵表達模型的抗 噪能力的同時，又要保證它對類間信息差異的敏感性。同樣是信號差 異，虹膜紋理的特徵必須針對類內和類間兩種情況具有相反的感應特 性，這本身是一個矛盾，也是虹膜圖像特徵表達最大的難點，即要達 到類內特徵分布的方差小，同時類間特徵分布的方差大。所以在提取 虹膜圖像的特徵時要把握兩條原則儘量提高虹膜圖像特徵的信息含 量；儘量保證虹膜特徵的魯棒性。由於虹膜的唯 -性和可區分性來源 於虹膜紋理中隨機分布的細微圖像結構，如斑點、細絲、冠狀、條紋、 隱窩等，所以現有的主流虹膜識別方法都是使用局部特徵來描述人與 人之間存在的細微虹膜圖像差異。這些方法的弊端就是虹膜識別性能 受環境噪聲和定位精度的影響，造成系統的脆弱性，產生較大的錯誤
拒絕率。例如旋轉校正誤差在虹膜識別中是很難避免的，假設識別系 統具有友好的用戶界面，容許用戶頭部繞光軸的旋轉角度在[-3(T，3(n 的範圍內。對於實際的虹膜識別系統，兩幅虹膜圖像之間的必然存在著較大的旋轉校正誤差。因為如果我們想控制誤差在r的範圍內，則需要將其中一幅虹膜圖像的模板至少旋轉60次，和另一幅圖像的模板 依次匹配，最優的匹配結果對應最佳的旋轉角度。而旋轉匹配次數越 多，系統的運算速度就大打折扣，並且會優化異類匹配的結果，導致系統錯誤接收率的上升。 一般的虹膜識別系統控制旋轉校正在20次以內，這就是說抽取的虹膜特徵和識別算法應該容忍3。以內的旋轉誤差。 和特徵抽取一樣，特徵匹配也是虹膜識別系統中的一個重要環節， 但是在虹膜識別領域卻被長期忽視。現有的虹膜特徵匹配方法都是屬於統計分類器，例如Hamming距離、歐氏距離、相關係數、神經網絡 等，還沒有基於結構信息的匹配算法。發明內容為了解決現有技術的問題，本發明的目的是提高虹膜識別系統的 魯棒性，減少錯誤拒絕率，拓展虹膜識別系統的應用範圍，為此，本 發明提供一種基於局部二值模式特徵和圖匹配的虹膜識別方法。為實現上述目的，本發明基於局部二值模式特徵和圖匹配的虹膜 識別方法包括步驟使用虹膜圖像獲取裝置採集用戶的虹膜圖像； 對虹膜圖像進行預處理，生成極坐標下的歸一化虹膜圖像； 提取歸一化虹膜圖像中每個鄰域的局部二值模式特徵； 把歸一化虹膜圖像分成若干個圖像塊，按圖像塊生成局部二值模 式直方圖；把每個圖像塊作為一個節點，且把圖像塊的局部二值模式直方圖 作為節點的屬性，使之利用圖模式表達每幅虹膜圖像的特徵；用圖匹配搜索虹膜註冊圖像和輸入虹膜圖像兩個圖模式中的匹配 節點對，對虹膜圖像匹配識別；根據計算所得的匹配節點對的個數判斷所述的兩幅虹膜圖像是否
來自同一人的同一隻眼睛。根據本發明的實施例，所述的局部二值模式特徵包括步驟 某個圖像鄰域內中心像素分別與周圍的幾個像素的灰度值之間進行順序比對，比對產生二值編碼，將二值編碼串聯起來構成的代碼。 根據本發明的實施例，所述的把歸一化虹膜圖像分成若干個圖像塊包括步驟把虹膜圖像切分成互相重疊或者不重疊的區域，這些區域的形狀 可以是橢圓形或方形、平行四邊形、三角形等多邊形。根據本發明的實施例，所述的局部二值模式直方圖是在所切分的 虹膜圖像區域裡，不同類型的局部二值模式編碼出現頻數所形成的分布。根據本發明的實施例，所述的匹配節點對需要滿足兩個條件 紋理相似性條件是利用兩個節點的屬性，使局部二值模式直方圖 的匹配分數高過其他所有的節點對組合的相似度，這兩個節點分別來 自兩個圖模式，並且其中一個節點就是匹配節點對之一；拓撲一致性條件是使得所述兩個節點都處於圖模式中相同的上下 文空間位置。根據本發明的實施例，所述的搜索註冊圖像和輸入虹膜圖像兩個 圖模式中的匹配節點對是利用圖匹配算法，按照匹配節點對的兩個條 件要求採取排除法進行判別。先計算拓撲一致節點對的局部二值模式 直方圖之間的相似性是否高於一個閾值，以減少紋理不相似但拓撲相 同的節點對的驗證時間。在驗證匹配節點對時採取一票否決的原則， 即一旦發現當前拓撲一致節點對的相似度低於拓撲不一致節點對的相 似度就停止驗證。根據本發明的實施例，所述判斷兩幅虹膜圖像是否來自同一人的 同一隻眼睛，根據它們的匹配節點對的個數來衡量。本發明有益的效果包括*局部二值模式特徵描述了圖像中一個像素分別和鄰域內多個 像素的灰度值之間的大小順序關係，對灰度的單調增函數變換具有不 變性，所以局部二值模式特徵能夠抵抗虹膜識別中的光照和對比度變 化。*虹膜可看成是一種紋理，存在著大量的細微圖像結構信息，局 部二值模式特徵可以有效描述虹膜紋理基元的結構特徵。*局部二值模式直方圖刻畫的是紋理區域的特徵，比單個的特徵 更魯棒，尤其是可以克服虹膜識別中普遍存在的定位誤差和配準誤差。*局部二值模式特徵的計算效率高，局部二值模式特徵提取和快 速圖匹配方法使本發明能夠很好地滿足虹膜識別的實時性需求。滿足 虹膜識別實時性的需求。*圖像的主要特徵體現在局部區域特徵和這些局部區域的上下 文位置關係，在計算機視覺領域中的成功圖像識別算法要同時抓住這 兩個主要屬性，例如馬爾可夫隨機場就是要試圖建立圖像中不同像素 或者區域在空間位置上的依賴關係。本發明用圖來表達虹膜圖像特徵，是一種強大的圖像分析方法，用帶屬性的節點(node)去描述虹膜紋 理局部區域特徵，用邊緣(edge)去建立節點間的位置關係。*本發明的圖匹配方法基於最優配對法則，即如果兩個虹膜圖模 式來自於同一隻眼睛，那麼對應的節點之間應該具有最高的匹配度。 這樣圖匹配的程度就可以用滿足最優配對法則的節點對個數來衡量。 並且本發明的圖匹配方法計算速度快。*基於本發明的圖匹配方法，異類虹膜圖像匹配分數可以用二項 分布建模，即虹膜識別的錯誤接收率可以從理論上進行估計和控制。 唯一性(Individuality)是生物特徵識別最關鍵的性能指標。當然通過 實驗的方法，可以評估一種生物識別方法的總體識別精度，包括在不 同閾值下的錯誤接收率和錯誤拒絕率，但是實驗結果都是依賴於測試 樣本數據。所以如果能夠從理論上分析一種身份認證方法的唯一性將 是一件很有意義的事情，這樣可以比較客觀、科學地給出生物特徵識 別方法的唯一性指標，選擇合適閾值來控制錯誤接收率，提供嚴格可 信的司法證據。在本發明的虹膜圖像塊匹配方法中，如果虹膜紋理的 分布完全隨機，就可以假設第一幅圖像的任意塊在來自不同類的另一 幅虹膜圖像中找到最優配對塊的概率為1/M (M是圖模式中的節點個 數，即將歸-一化虹膜圖像切分的區域個數)。這樣異類圖像匹配分數應
該滿足二項分布P(S = x) = C(》(l—^)f。*根據本發明圖匹配方法的唯一性數學模型，當1V^32時可以推 測絕大部分的類間匹配分數不會超過5，在實際虹膜圖像庫的實驗結 果也驗證了本發明的想法，也就是說對於類內匹配而言，只需要在32 次配對中抓住1/5的機會就可以非常高的概率斷定參與匹配的兩幅圖 像來自同一隻眼睛。而對於主流的虹膜識別方法一般需要70%的iris code匹配上，從這一點本發明可以推理出基於虹膜塊圖匹配的方法對 於遮擋應該比較魯棒，即使大部分虹膜圖像區域都被睫毛和眼皮"汙 染"，本發明的方法仍然有可能從中找到足夠說明兩幅虹膜圖像同源的 證據。本發明可用於需要身份認證、進行安全性防範的諸多應用系統中， 如門禁、考勤、通關、邊檢等。


圖1為本發明基於局部二值模式特徵和圖匹配的虹膜識別方法流 程框圖；圖2為八鄰域局部二值模式特徵編碼的示意圖； 圖3為本發明虹膜圖像預處理示意圖，其中，圖3a是虹膜圖像；圖3b是圖3a的定位結果；圖3c是圖3b的歸一化結果。 圖4為對圖3c進行局部二值模式特徵提取的結果示意圖； 圖5為本發明對虹膜歸一化圖像進行區塊劃分的示意圖； 圖6為本發明某個圖像塊的局部二值模式直方圖； 圖7為本發明虹膜圖像特徵的圖模式表達； 圖8為本發明虹膜識別圖匹配方法示意圖；圖9為本發明中類間虹膜圖像特徵匹配分數的理論分布(當圖模
式節點個數M-32時)具體實施方式
虹膜識別系統一般工作在兩種狀態下註冊模式和識別模式。在 註冊模式，合法用戶向系統提交自己的虹膜特徵模板；在識別模式， 系統通過對比存儲的模板和用戶臨時採集的虹膜圖像的特徵來確定這 個用戶身份是否合法。不論是註冊模式還是識別模式，虹膜識別算法 都要進行圖像預處理和特徵提取，在識別模式下還要進行特徵匹配。 本發明提出的方法將主要應用於虹膜特徵提取與匹配。本發明提出一種新穎的基於局部二值模式特徵和圖匹配的虹膜識 別方法，與當前其他虹膜識別方法相比，本發明的新穎性主要在於1) 用紋理基元直方圖的特徵表達模型來刻畫虹膜圖像中的結構和 統計紋理信息；2) 將虹膜圖像特徵表達成圖模式，把圖像塊看成是圖節點，把圖 像塊的局部二值模式直方圖作為節點的屬性。3) 基於最優配對法則來計算兩個虹膜圖模式的相似度。4) 特徵匹配採用的分類器是基於結構模式識別方法，不是主流的 統計模式識別方法。如圖1，本發明提出的基於局部二值模式特徵和圖匹配的虹膜識 別方法流程框圖所示，採用PC計算機或嵌入式計算平臺，虹膜圖像 獲取裝置，和虹膜圖像處理和識別軟體來實現本發明。包含七個主要 步驟步驟S1:虹膜圖像釆集在波長為800-900nm的近紅外光的充分照射下，使用虹膜圖像獲 取裝置例如用普通的CCD或者CMOS攝像頭就可以拍攝到富含細 節紋理信息的清晰的虹膜圖像。步驟S2:虹膜圖像預處理圖3a是虹膜圖像，虹膜圖像中不僅包括虹膜，還有瞳孔、鞏膜、 眼皮和睫毛等。瞳孔和虹膜的外輪廓都很接近圓形，因此虹膜圖像預 處理的任務是找到擬合瞳孔和虹膜邊界的圓的坐標和半徑，然後將虹 膜圓環歸一化到固定尺寸的矩形區域，即虹膜定位和歸一化。① 虹膜定位人眼瞳孔的灰度遠低於周圍區域，所以可以使用閾值法分離出瞳 孔區域，然後將該區域的重心作為初步的瞳孔中心，在該點附近用可 變尺寸的模板去擬合瞳孔的邊緣，最佳的擬合結果就是瞳孔定位的結 果。虹膜的中心接近瞳孔的中心，所以可以使用同樣的方法找到虹膜的中心和半徑。圖3b是對圖3a中的虹膜定位之後的例子，其中白色 的圓圈表示擬合後瞳孔和虹膜的外邊界。② 歸一化虹膜圖像以雙線性插值的方式，可以將定位好的虹膜圓環進行空間變換到 --個固定尺寸的矩形區域。圖3c是虹膜歸一化之後的結果。水平方向 對應於原始虹膜圖像的角度方向(逆時針為正方向)，歸一化到 0° 360°，豎直方向對應於原始虹膜圖像的徑向方向，歸一化到0 1。步驟S3:提取局部二值模式特徵局部二值模式特徵是某個像素分別與其等距離的N個像素(這些 像素的位置均勻分布在半徑為R的圓周上)灰度值之間的定序測量特 徵的組合體。圖2給出了一個八鄰域局部二值模式特徵的例子，將中 心像素/,的灰度值作為閾值，和/,距離為R的八個鄰域像素/, (j=0,l，2， ...， 7)根據其灰度值與/f的大小關係分別編碼成1或0，然後 把這八位Bit轉化成一個十進位的整數，作為以點K,x)為中心的小鄰 域的紋理基元代碼M/^。formula see original document page 11 (1)上式中函數"sgn"的定義為formula see original document page 11所以對於一個N鄰域的局部二值模式特徵編碼，它的取值範圍是 從0到2W-l的一個整數。圖4為對歸一化虹膜圖像圖3 (c)進行局 部二值模式特徵提取的結果示意圖(N=8， R=2)，其中每個像素的灰 度值就是以這個像素為中心的鄰域的局部二值模式特徵編碼(從0到 255)。 步驟S4:按圖像塊生成局部二值模式直方圖輸入虹膜圖像先通過定位和歸一化得到80x512的極坐標圖像，將 靠近瞳孔的64x512的歸一化圖像(這個區域不容易受到睫毛和眼皮遮 擋的影響)分割成2xl6-32個32x32的方塊，如圖5，本發明對虹膜歸 一化圖像進行區塊劃分的示意圖所示，把虹膜圖像切分成互相重疊或 者不重疊的區域，這些區域為多邊形狀可以靈活變化，並不局限於正 方形，可以是橢圓、平行四邊形等。在紋理方塊區域中每個像素可以 得到一個局部二值模式特徵編碼，統計該區域每種局部二值模式特徵 代碼出現的頻率就可以得到局部二值模式特徵直方圖:formula see original document page 12(3)上式中函數"count"的定義為formula see original document page 12圖6就是某個圖像塊的局部二值模式直方圖，直方圖的橫坐標是 局部二值模式特徵代碼，縱坐標就是該方塊中每個代碼出現的頻數。 局部二值模式代碼中有許多的代碼在紋理中出現的頻率非常少，不但 不能帶來有益的紋理信息，反而會降低局部二值模式直方圖的魯棒性， 所以在本實施方案裡將這些代碼合併成一個代碼。步驟S5:將虹膜圖像特徵表達成圖模式S5將歸一化虹膜圖像的每個方塊作為一個圖節點，將這個方塊的局 部二值模式直方圖作為這個節點的屬性。在保存虹膜特徵時記錄了這 些節點之間的位置關係。這樣就完成了基於圖的虹膜特徵模板構建， 如圖7，本發明虹膜圖像特徵的圖模式表達所示。步驟S6:快速圖匹配算法由於虹膜紋理中存在著大量的紋理基元，它們分布的隨機性造成 不同虹膜區域具有不同的紋理特徵，即不同的局部二值模式直方圖。 所以虹膜局部二值模式圖匹配的基本思想就是最優配對法則，即如果 兩個虹膜圖模式來自於同一隻眼睛，那麼對應的節點之間應該具有最 高的匹配度，這樣圖匹配的程度就可以用滿足最優配對法則的節點對 個數是否足夠多來衡量。如圖8，本發明虹膜識別圖匹配方法示意圖
所示，上圖中的A4圖像塊可能和下圖中的B1到B32都進行匹配，但如果上下圖來自於同一隻眼睛，則A4應該和B4的相似度最高。假設兩幅虹膜圖像J和S的LBP特徵表達分別為 /^{/w1,/^2,...,///2}禾口 / {// '，朋2,...,朋32} ， X寸於圖像爿中節點//,(/ = 1,2，...,32)，如果在/^中能找到最優配對節點//&，它們必須滿 足兩個條件1)紋理相似性條件紋理相似性條件是指兩個節點的屬性，即局部二值模式直方圖的匹配分數高過其他所有的節點對組合的相似度；這兩個節點分別來自兩個圖模式，並且其中一個節點是匹配節點對之一；argminZ)/加"ce(股，朋"二 7 (5)r^to"ce(3c,^是一個計算兩個直方圖之間距離的函數。在應用中還 要求最小距離必須小於一個事先選定的閾值Q ，選擇依據是在測試集 80%的類內匹配對應節點對的距離都小於；。可供選用的直方圖之間 的距離函數包括formula see original document page 13在本實施方案中採用的是Chi-square距離。2) 拓撲一致性條件節點/"'和//&在圖J和圖S中的拓撲位置必須一致。如果不考慮 大範圍的旋轉和平移，而且方塊是按照固定的位置順序標號的話，y' 必須等於/。基於上述思想，計算兩個局部二值模式圖的相似性S的算法偽代 碼如下所示，S取值範圍是從0到32， S越大，說明這兩幅圖像來自 同一人的可能性越大。如果期望匹配分數的結果是歸一化的數值，則 輸出肪2即可，它的取值範圍就是[O，l]。> ,w.."〖/ /(///，')<Cre// /(///，朋')</(///,朋')end步驟S7:識別決策根據虹膜識別系統不同的應用場合設置不同的閾值，對應著不同 的錯誤接收率(FAR, False Acc印t Rate)和錯誤拒絕率(FRR， False Reject Rate)。當匹配分數S大於預先定義的閾值時，判斷用戶通過身 份認證，否則給出未通過認證的信息。為了計算本發明不同FAR所對 應的決策閾值，可以根據圖匹配方法的數學模型進行估計。在上述的虹膜圖像塊匹配方法中，如果虹膜紋理的分布完全隨機， 就可以假設第一幅圖像的任意塊在來自不同類的另一幅虹膜圖像中找 到最優配對塊的概率為1/32。這樣異類圖像匹配分數應該滿足二項分
布formula see original document page 15 該分布曲線，如圖9，本發明中類間虹膜圖像特徵匹配分數的理論分布所示，當應用場合需要把FAR控制在1/L，對應的決策閾值應 為T，使得formula see original document page 15本發明提出了一種基於局部二值模式特徵和圖匹配的虹膜識別方法。本發明方法的優點在於以下兩個方面1. 識別精度高。由於局部二值模式特徵能很好地刻畫虹膜紋理 中的結構和統計特徵，所以得到的特徵向量有很強的區分性能。將虹 膜圖像特徵表達成圖模式，同時對虹膜圖像局部區域特徵和這些局部 區域的上下文位置關係進行了建模。並且基於最優配對原則的圖匹配 方法可以嚴格控制錯誤接收率。2. 魯棒性強。根據定義，局部二值模式特徵對灰度值的單調增函數變化具有不變性，即能夠克服光照變化對成像的影響。從虹膜圖 像區域提取的直方圖統計特徵可以克服一定程度的形變、定位誤差和 睫毛眼皮遮擋的影響。虹膜圖像的圖匹配方法使得正確接收的門檻降低，只要能夠找到1/5的最優匹配圖像塊就可以確認用戶的身份，使系統的容錯率達到了新的高度。3. 計算效率高。局部二值模式特徵提取和快速圖匹配方法使本發明能夠很好地滿足虹膜識別的實時性需求。綜上所述，本發明是一種優秀的虹膜圖像特徵提取和特徵匹配方 法，可以提高現有的虹膜識別算法的一些不足之處。本發明具有廣闊 的應用範圍，它可用於門禁、考勤、通關、安檢，以及其他需要進行 準確身份鑑別的領域。實施例l:虹膜識別在礦井工人管理系統中的應用我國擁有豐富的煤礦資源， 一些大的礦井每天有幾千名礦工下井 作業。為了實時監控礦工和安監員的上下井情況，我們可以在礦井出 入口和井下安裝虹膜識別系統，要求礦工和安監員在指定終端進行虹 膜識別，這樣可以方便人員管理和考勤，避免了人工點名或籤名(出 錯，作弊，統計不方便，工作效率低)、IC卡(攜帶不方便，可能作 弊)、人臉識別(人臉圖像受煤渣的影響)和指紋識別(指紋圖像受煤 渣的影響)等身份認證方法存在的種種弊端。由於煤礦環境相對惡劣，井上井下光照條件變化大，造成瞳孔形 變嚴重、定位誤差大，以及圖像灰度與對比度變化，所以虹膜圖像的 類內差異大，對主流的基於局部特徵的虹膜識別方法形成挑戰，本發 明的虹膜識別方法魯棒性強、識別率高，正好可以滿足煤礦工人和安 監員的身份識別需求。
權利要求
1、一種基於局部二值模式特徵和圖匹配的虹膜識別方法，包括步驟使用虹膜圖像獲取裝置採集用戶的虹膜圖像；對虹膜圖像進行預處理，生成極坐標下的歸一化虹膜圖像；提取歸一化虹膜圖像中每個鄰域的局部二值模式特徵；把歸一化虹膜圖像分成若干個圖像塊，按圖像塊生成局部二值模式直方圖；把每個圖像塊作為一個節點，且把圖像塊的局部二值模式直方圖作為節點的屬性，使之利用圖模式表達每幅虹膜圖像的特徵；用圖匹配搜索虹膜註冊圖像和輸入虹膜圖像兩個圖模式中的匹配節點對，對虹膜圖像匹配識別；根據計算所得的匹配節點對的個數判斷所述的兩幅虹膜圖像是否來自同一人的同一隻眼睛。
2、 按權利要求1所述的方法，其特徵在於，所述的局部二值模式 特徵包括步驟某個圖像鄰域內中心像素分別和與周圍的幾個像素的灰度值之間 進行順序比對，比對產生二值編碼，將二值編碼串聯起來構成的代碼。
3、 按權利要求1所述的方法，其特徵在於，所述的把歸一化虹膜 圖像分成若干個圖像塊包括步驟把虹膜圖像切分成互相重疊或者不重疊的區域，這些區域的形狀可 以是橢圓形或方形、平行四邊形、三角形等多邊形。
4、 按權利要求1所述的方法，其特徵在於，所述的局部二值模式 直方圖是在所切分的虹膜圖像區域裡，不同類型的局部二值模式編碼出 現頻數所形成的分布。
5、 按權利要求1所述的方法，其特徵在於，所述的匹配節點對需要 滿足兩個條件紋理相似性條件是利用兩個節點的屬性，使局部二值模式直方圖的 匹配分數高過其他所有的節點對組合的相似度，這兩個節點分別來自兩 個圖模式，並且其中一個節點就是匹配節點對之一；拓撲一致性條件是使得所述兩個節點都處於圖模式中相同的上下 文空間位置。
6. 按權利要求1所述的方法，其特徵在於，所述的搜索註冊圖像和 輸入虹膜圖像兩個圖模式中的匹配節點對是利用圖匹配算法，按照匹配 節點對的兩個條件要求採取排除法進行判別。先計算拓撲一致節點對的 局部二值模式直方圖之間的相似性是否高於一個閾值，以減少紋理不相 似但拓撲相同的節點對的驗證時間。在驗證匹配節點對時採取一票否決 的原則，即一旦發現當前拓撲一致節點對的相似度低於拓撲不一致節點 對的相似度就停止驗證。
7、 按權利要求1所述的方法，其特徵在於，所述判斷兩幅虹膜圖像是否來自同一人的同一隻眼睛，根據它們的匹配節點對的個數來衡量
全文摘要
本發明公開一種基於局部二值模式特徵和圖匹配的虹膜識別方法首先根據虹膜圖像鄰域內兩兩像素灰度值之間的大小順序關係提取局部二值模式編碼，用於描述具有光照不變特性的虹膜紋理結構特徵；然後把虹膜圖像分成若干個圖像塊，計算每個塊中的局部二值模式直方圖，用於描述對平移和形變具有魯棒性的虹膜紋理統計特徵。把每個圖像塊看成是一個節點，圖像塊的局部二值模式直方圖作為節點的屬性，每幅虹膜圖像的特徵表達成一個圖模式。在虹膜識別時通過圖匹配的方法來搜索兩個圖模式中的匹配節點對。識別圖像和註冊圖像的匹配節點對個數表明它們之間的相似性，從而判定用戶的身份。本發明用於自動識別個人身份，例如門禁、考勤、通關等應用領域。
文檔編號G06K9/00GK101154265SQ200610140640
公開日2008年4月2日 申請日期2006年9月29日 優先權日2006年9月29日
發明者孫哲南, 王陽生, 譚鐵牛 申請人:中國科學院自動化研究所