论文部分内容阅读
随着信息技术的发展,作为生物特征识别技术之一的虹膜识别技术正在兴起,并显示了巨大的优越性。虹膜图像质量评估是虹膜识别系统中的关键步骤,图像质量的好坏将直接影响后续识别结果的准确性。在分析已有虹膜图像质量评估算法的基础上,针对自动虹膜识别系统中的虹膜图像质量存在的问题,本文提出了一套完整的实时虹膜质量评估流程,主要的研究工作有以下几方面:1.虹膜定位是质量评估的基础。本文只需用到虹膜内边缘信息,针对虹膜图像的特点提出了一种新的基于灰度信息的虹膜内边缘定位算法,该算法通过搜索灰度曲线上灰度梯度值最大的点来获得虹膜边界点,并通过曲线拟合定位虹膜边界的位置,然后通过三次迭代消除光斑影响,得到精准定位的虹膜内边缘。2.结合人眼视觉特性和主观评估的方法对图像进行总体质量评估。首先根据直方图特征检测图像的亮度,排除太亮、太暗和部分眨眼的情况;根据瞳孔粗略中心位置判断虹膜是否偏离图像中心,避免纹理不完整和斜视的情况出现;检测红外光源在瞳孔附近形成的两个特殊的反光点,根据反光点的存在和大小判断是否有眨眼和非人眼图像的情况,由反光点的几何特征判断人机距离,距离不当的进行语音提示靠近或远离,避免图像离焦模糊。3.对虹膜图像中的感兴趣区域ROI进行细节质量评估。通过分析虹膜纹理、睫毛和眼睑的灰度值特征,采用统计像素的方法判断睫毛眼皮遮挡情况;提出了利用边缘算子检测下眼皮遮挡的新方法;根据虹膜纹理径向分布的特征,采用边缘梯度能量函数计算虹膜纹理清晰度。4.实现了虹膜自动采集系统中的实时质量评估。对采集到的每帧图像进行分步骤评估,不同步骤设置不同门限,只有满足要求的图像才能进入下一步骤的评估,这样减少了进行全部步骤评估的图像数量,保证了选取图像的质量和速度。所有的算法均在Matalb7.0平台中测试通过,移植到VC系统中并优化后,对每帧图像进行实时质量评估的时间小于0.05秒,实验结果证明,该算法能够实时地自动选取满足要求的虹膜图像,大幅度提高了整个虹膜识别系统的准确率。