[發明專利]一種基于小波包分解的虹膜特征提取與匹配方法

有效

• 申請號: 201611065197.2
• 申請日: 2016-11-28
• 公開（公告）號: CN106778535B
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 郭慧杰;韓一梁;楊昆;王超楠;楊倩倩;張立
• 申請（專利權）人: 北京無線電計量測試研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 付生輝;張雪梅

本發明公開了一種虹膜特征提取與匹配方法，該方法包括：將規范化虹膜圖像進行分塊和去噪處理，并將去噪后的所有子塊進行虹膜特征提取，形成特征模板；分別對各子塊圖像進行一層小波包分解，提取虹膜的徑向紋理特征和弧向紋理特征，形成環向特征向量；分別對各子塊圖像進行多層小波包分解，提取虹膜的總體能量分布特征和局部能量分布特征，形成能量特征向量；將子塊的環向特征向量和能量特征向量組成子塊圖像的虹膜特征向量，將各個子塊圖像的虹膜特征向量組成虹膜圖像的特征模板；對兩幅虹膜圖像的特征模板進行匹配識別，并基于相似度和漢明距離逐級進行判別分類。本方案在保證識別精度的基礎上能夠有效提高虹膜特征提取與匹配的實時性和適應性。

技術領域

本發明涉及虹膜圖像處理與識別領域，特別是涉及一種用于虹膜生物識別系統的虹膜特征提取方法。

背景技術

虹膜識別具有準確性、穩定性、安全性和實用性等顯著優勢，是目前已知最先進的生物識別技術，擁有廣闊的市場前景。在實際的虹膜識別系統中，虹膜特征提取與匹配是虹膜識別的核心環節，只有提取到盡可能多的穩定而獨立的特征點信息，并采取合理的分類判別策略，同時兼顧算法的適應性，降低對虹膜圖像采集與預處理的要求，才能有效提升虹膜識別應用系統的性能，兼顧識別的精度和速度。

目前在實際應用的自動虹膜識別系統中，最常用的虹膜特征提取與匹配方法包括：Daugman提出的基于二維Gabor紋理濾波相位編碼和Hamming距離判別的方法；Wildes提出的基于Gaussian-Laplace金字塔多分辨分解編碼和Fisher線性判據的方法；譚鐵牛提出的基于圓形對稱空間濾波編碼和最近鄰分類決策的方法。這些方法雖然能提取到盡可能多的穩定的虹膜特征，但計算量大、冗余特征信息多，并且對虹膜圖像成像質量以及預處理要求較高，算法復雜，適應性差，不利于滿足虹膜識別系統的實時性要求。

發明內容

本發明要解決的技術問題是提供一種基于小波包分解的虹膜特征提取與匹配方法，在保證識別精度的基礎上解決虹膜特征提取與匹配實時性和適應性差的問題。

為解決上述技術問題，本發明采用下述技術方案：

一種基于小波包分解的虹膜特征提取與匹配方法，該方法的步驟包括：

S1、將規范化虹膜圖像進行分塊和去噪處理，并將去噪后的所有子塊進行虹膜特征提取，形成特征模板；

S2、分別對各子塊圖像進行一層小波包分解，提取虹膜的徑向紋理特征和弧向紋理特征，形成環向特征向量；

S3、分別對各子塊圖像進行多層小波包分解，提取虹膜的總體能量分布特征和局部能量分布特征，形成能量特征向量；

S4、將子塊的環向特征向量和能量特征向量組成子塊圖像的虹膜特征向量，將各個子塊圖像的虹膜特征向量組成虹膜圖像的特征模板；

S5、對兩幅虹膜圖像的特征模板進行匹配識別，并基于相似度和漢明距離逐級進行判別分類。

優選地，所述步驟S1包括：

S11、將獲取的規范化虹膜圖像進行分塊處理；

S12、根據噪聲掩膜圖像剔除含噪聲的圖像塊，并將不含噪聲的圖像塊組成虹膜圖像子塊序列；

S13、分別對各子塊進行虹膜特征提取，形成特征模板。

優選地，所述步驟S5包括：

S51、根據加權環向特征向量的相似度進行初篩分類，如果屬于異類虹膜，則匹配失敗，進入下一對虹膜特征模板的匹配，如果屬于同類虹膜，則初篩成功執行步驟S52；

S52、根據加權能量特征向量的漢明距離進行判別分類。

本發明的有益效果如下：