[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

本發明公開了一種基于FREAK描述的虹膜特征提取方法。本發明通過采用SIFT算法中的高斯差分金子塔模型從虹膜紋理的多個尺度檢測穩定的特征點集合，并利用FREAK描述符根據特征點周圍像素強度關系進行編碼，摒棄了原SIFT算法根據像素本身復雜的梯度信息進行編碼，實現了虹膜底層特征的快速表征并提升抗干擾能力；另外通過對原始特征向量的有效重構，降低特征向量之間的相關性，提高虹膜特征點表征的區分性。

技術領域

本發明屬于生物特征識別及信息安全的技術領域，特別涉及一種基于FREAK描述的虹膜特征提取方法。

背景技術

近年來虹膜識別因為其唯一性，非接觸性，普遍性，可接受性等特點在近十年來發展迅速，在虹膜識別系統的核心算法方面已經取得了長足的進步，但是隨著需求的不斷更新，虹膜識別技術也需要不斷地改進。

虹膜識別是利用計算機視覺在圖像或視頻中定位其虹膜并識別其身份的一種生物特征識別技術。虹膜識別主要有以下幾個步驟：虹膜獲取，虹膜分割，虹膜表征和虹膜匹配。

近些年，針對虹膜識別問題，國內外學者提出了一些相關算法。目前大多采用的是采用Gabor濾波器對虹膜紋理進行濾波，根據濾波后的特征圖進行編碼，但是這種方法依賴于高清晰虹膜圖像的獲取，在受到不均勻光照以及紋理模糊的非理想虹膜識別上，識別性能顯著下降，還有最近的基于特征點局部不變特征的非理想虹膜識別方法，例如基于尺度不變特征變換(SIFT)虹膜識別方法：Region-based SIFT approach to irisrecognition,Optics and Lasers in Engineering,2009，以及加速穩健特征(SURF)方法：Speeded up robust features for efficient iris recognition，對于光照和虹膜紋理模糊具備良好的魯棒性，但這些方法的實時性不高。

發明內容

本發明的目的是在非均勻光照、紋理模糊、旋轉等干擾在虹膜識別技術應用中普遍存在的情況下，提出一種基于FREAK描述的虹膜特征提取方法，以提高虹膜識別的整體性能。方法引用SIFT中的高斯差分金字塔檢測模型，設計不同尺度的高斯核對虹膜進行濾波，根據不同尺度間的濾波特征圖相減結果得到穩定的虹膜特征點集，并根據FREAK描述符對特征點及其周圍采樣點的相對大小關系進行編碼得到初始描述子，之后對每一個特征點描述子進行重構減少特征向量的冗余度，提高描述子表征的區分性和匹配的速度，完成虹膜特征的提取。

本發明具體包括如下步驟：

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(維)的初始特征描述子；

步驟三、特征點描述子重構：

因為每個特征點周圍較多的采樣點會產生維度過高的特征描述子，而有些點對的比較結果對于虹膜圖像的描述并非有效，所以需要對初始特征描述子進行重構：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。

本發明有益效果如下：