[發明專利]一種基于FREAK描述的虹膜特征提取方法

在審

• 申請號: 202011504941.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112464909A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 季畢勝;葉學義;應娜;鄒茹夢;廖奕藝
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/15;G06T5/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于FREAK描述的虹膜特征提取方法，其特征在于，包括如下步驟：

步驟一、虹膜特征點檢測：

采用SIFT算法中的高斯金字塔模型提取穩定的虹膜特征點集合；

步驟二、特征點的FREAK描述子生成：

對步驟一得到特征點采用FREAK算法進行描述，該方法以特征點為圓心，構建7個同心圓，在每個同心圓上均勻采樣使得每個同心圓上獲得6個采樣點，加上特征點總共獲得43個采樣點，可產生43*(43-1)/2＝903個采樣點對，對獲得的采樣點所在的感受野區域進行高斯模糊處理以降低噪聲的影響，最后根據處理后采樣點對灰度值大小的比較結果獲得每個特征點的初始特征描述子；

步驟三、特征點描述子重構：

建立檢測到的虹膜特征點矩陣，矩陣中的每一行表示一個特征點描述子，每一行中的每個二進制值表示步驟二得到的包括特征點在內的所有采樣點對的比較結果，矩陣大小為N×903，N為檢測到的特征點的數目；對虹膜特征點矩陣的每一列計算其均值，由于虹膜特征點矩陣中的元素都是0/1分布的，均值在0.5附近說明該列具有高的方差；最后計算每一列平均值與值0.5的差，根據差值由小到大進行排序，取前512列作為重構后的特征點描述子，完成虹膜特征提取。

2.根據權利要求1所述的一種基于FREAK描述的虹膜特征提取方法，其特征在于，步驟一具體操作如下：

虹膜特征點檢測:

a、采用不同尺度因子σ的高斯函數與虹膜圖像進行卷積后進行3次下采樣構建3組5層的高斯尺度空間，方式如下：

L(x，y，σ)＝I(x，y)*G(x，y，σ) (1)

其中：L(x，y，σ)為虹膜圖像的尺度空間表征，I(x，y)為虹膜圖像，G(x，y，σ)為高斯核，*為卷積操作，σ是尺度空間因子，σ值的大小決定著虹膜圖像被模糊平滑的程度，當σ連續變化時，L(x，y，σ)構成虹膜圖像的尺度空間表征；將每一組中5層虹膜圖像依次倆倆做差得后到3組4層的高斯差分尺度空間(Difference of Gaussian，DoG)：

其中D(x，y，σ)為高斯差分尺度空間函數，k為常數；

b、特征點選擇

將待檢測像素點與和它同尺度的周圍鄰域8個像素和上下相鄰對應位置的9×2個像素共26個像素進行比較，在這局部區域內若為極大值或者為極小值，則標記為初始特征點；利用高斯差分尺度空間函數D(x，y，σ)在初始特征點處的泰勒展開式對初始特征點進行三維二次函數擬合確定初始特征點的精確位置；由于虹膜圖像經過高斯差分處理后檢測到的一部分特征點的邊緣響應會大于設定的閾值，造成這些特征點并不穩定，所以需要在擬合的同時去除這些特征點和低對比度特征點，擬合公式如下所示：

其中，x₀，y₀，σ₀為離散空間中極值點坐標，并不是真正的極值點精確位置，對公式(4)求導后令其等于零，得到特征點精確位置為再將帶入公式(4)，根據的響應的絕對值剔除不穩定的低對比度的特征點，之后根據在虹膜特征點處的Hessian矩陣，如公式(5)所示：

求出特征點的特征值，其中D_xx，D_xy，D_yy是通過特征點鄰域對應位置的差分求得的，最后將不滿足公式(6)的特征點去除掉：

其中Tr(H)為矩陣H對角元素之和，Det(H)矩陣的行列式，T為所設邊緣響應的閾值，滿足公式(6)的特征點將保留下來，不滿足的點表明該點具有很大的主曲率，這樣的點可能為邊界點，應該去除掉。

3.根據權利要求2所述的一種基于FREAK描述的虹膜特征提取方法，其特征在于，步驟二具體操作如下：

特征點的FREAK描述子生成：

對步驟一確定下來的特征點進行編碼：

以步驟一得到的特征點為中心，采樣點均勻分布在以特征點為圓心的7層同心圓上；與特征點間隔越小，采樣點越密集；與特征點間隔越大，采樣點越稀疏；另外對每一個采樣點需要進行高斯平滑以消除噪聲對采樣點的影響；根據采樣點對之間的強度大小關系進行編碼，得到二進制特征向量，方式如下：

F＝∑_0≤a＜N2^aT(P_a) (7)

其中：P_a表示一對采樣點，N為描述子長度，T(P_a)為采樣點對的輸出結果；

其中：為經過高斯平滑后的采樣點的灰度值強度，r₁和r₂為不同采樣點所在的同心圓半徑，每個特征點本身參與比較，最終得到維的特征點描述子。