[發明專利]基于脈沖耦合神經網絡的虹膜特征提取方法

無效

• 申請號: 201110277826.9
• 申請日: 2011-09-16
• 公開（公告）號: CN102306289A
• 公開（公告）日: 2012-01-04
• 發明（設計）人: 馬義德;徐光柱;張在峰;趙榮昌;邵宇
• 申請（專利權）人: 蘭州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 蘭州振華專利代理有限責任公司 62102
• 代理人: 董斌

技術領域

本發明涉及人體身份生物特征識別技術，虹膜識別技術。

背景技術

虹膜是人眼中介于黑色瞳孔和白色鞏膜之間的直徑約為12mm，厚為0.5mm的環型組織，該組織總體上呈現出一種由里到外的放射狀結構，并且有許多相互交錯的類似斑點、細絲、冠狀物、條紋、褶皺、地窖等形狀的細微特征。一個典型的基于虹膜的人體身份識別系統通常包括虹膜采集、虹膜定位、眼皮與睫毛檢測、虹膜圖像歸一化、特征提取和匹配識別等幾個關鍵部分組成。其中特征提取是整個系統的關鍵，是整個匹配識別的核心，它直接影響著整個識別結果的好壞。所以特征提取在基于虹膜的人體身份識別系統中扮演著重要的角色。

虹膜紋理的形成過程中充滿了各種隨機因素，所構成的隨機斑塊形狀各異，大小不一，同時伴隨著瞳孔的縮放還會產生非線形的彈性形變，并且在不同的光照下各種隨機斑塊因其對光的反射程度不同而顯的深淺不一，甚至若隱若現，因而很難對其進行有效的描述。虹膜特征提取的任務就是有效的提取和描述虹膜圖像中的那些不變的、能夠用于人體身份識別的物理量。

自虹膜身份識別的概念提出以來，有很多虹膜特征提取算法被提出。主要包括基于局部相位的方法、基于過零點表示的方法、基于紋理描述的方法，還有基于局部灰度強烈變化區域的方法。從使用的虹膜信息的維數來看，可以分為基于一維虹膜信號的特征提取方法和基于二維虹膜信號的特征提取方法。對于一維信號而言，其數據量小、處理速度快、特征明確等優勢；對于二維虹膜信號的特征提取方法，大多數都是集中在虹膜紋理特征的統計描述上。這種方法都沒有明確給出虹膜特征的含義，算法含義不直觀。

到目前為止，還沒有出現成熟的虹膜提取方法設計框架，對虹膜特征也沒有明確、統一的定義。在以往的虹膜特征提取算法中，都是將虹膜圖像進行更高層次的抽象，運用數學變換、數學模型將視覺圖像抽象為一些一般信號來處理，進而得到虹膜特征。這些方法都是從抽象的角度對虹膜圖像進行加工，只考慮虹膜圖像的信號屬性，而很少去關注虹膜圖像的視覺特征和像素間的空間關系。也因為他們的抽象層次比較高，沒有考慮到虹膜圖像的一些低層次的視覺特性，沒有明確虹膜特征的具體含義，算法的含義不明確、不直觀。

可以看出，明確虹膜特征是有意義的：只有明確了什么是特征，或者說是相應的虹膜特征提取算法所提出的特征具有很直觀的物理含義，才能夠快速衡量這種提取算法的有效程度，以便于更好地調整參數，預測性能，甚至是在匹配識別之前做出特征質量評價，從而減少錯誤識別率。而不必每次都要通過大量的匹配識別后，來評價一種特征提取算法的好壞，且即便得出宏觀結果，也不能很容易地分析出問題之所在，當然也不能快速尋找到改進辦法，甚至是不知道做出什么樣的改進，會得到什么樣的結果。

發明內容

本發明的目的是提供一種基于脈沖耦合神經網絡的虹膜特征的提取方法。

本發明是基于脈沖耦合神經網絡(PCNN，Pulse?Couple?Neural?Network)的虹膜特征提取方法，定義了具有明確直觀物理含義的局部不規則斑塊虹膜特征，并基于此特征分別利用脈沖耦合神經網絡和交叉皮層模型提取虹膜特征，其具體步驟為：

(1)明確二維虹膜圖像中的特征，即虹膜圖像中的不規則斑塊，即隱窩、犁溝，斑點；

(2)對虹膜圖像進行眼皮和睫毛檢測、歸一化預處理，具體為以下兩步：

①接近眼睛鞏膜區域，受眼皮和睫毛影響比較大的一定比例的虹膜區域直接進行刪除，盡量減小眼皮和睫毛對虹膜區域的影響；

②然后利用橡皮圈法將環型的虹膜區域轉換成矩形區域；

(3)再對圖像進行增強操作，先利用塊操作得到背景亮度估計，將虹膜圖像中的背景亮度估計值從原虹膜圖像中減去，然后利用全局的直方圖均衡化對亮度均勻的虹膜圖像進行增強處理；

(4)將增強后的虹膜圖像作為脈沖耦合神經網絡的刺激輸入，利用其同步脈沖發放和脈沖耦合特性對虹膜圖像進行特征提取，以神經網絡輸出的一系列二值形式的脈沖圖像作為虹膜特征碼；

或者利用交叉皮層模型(ICM，Intersecting?Cortical?Model)神經網絡對虹膜圖像進行分割，其輸出作為虹膜特征碼。