专利名称：虹膜图像的去模糊方法
技术领域：
本发明涉及数字图像处理、模式识别和统计学习等技术领域，特别是涉及一种虹膜图像的去模糊方法。
背景技术：
随着社会的发展进步，人们对于身份认证的可靠性的要求越来越高。由于生物特征的各种优点，近期研究者们提出了很多的基于生物特征的认证方法。其中，虹膜识别因其本身的高唯一性、强稳定性、非侵犯性等优点，特别适合用于人的身份认证和识别，并且已经有了很多非常成功的应用，特别是在大规模以及高精度要求的情况下。基于虹膜的身份认证系统通过对虹膜成像装置获取到虹膜图像，再对其进行分析，完成对用户身份的认证或识别。虹膜成像装置在获取虹膜图像的时候，不可避免地会采集到一些不清晰的图片，如图2(b)、图2(c)和图2(d)所示。对于模糊的虹膜图像，其中的纹理细节信息会在一定程度上有所损失。而这一问题导致了虹膜识别的错误拒绝率升高。 虹膜成像装置在获取虹膜图像的时候，为了采集到清晰的虹膜图片会对用户提出一些比较苛刻的要求。用户为了通过虹膜识别系统，需要使拍出的虹膜图像足够清晰，不得不去尽量地配合虹膜识别系统。这种对用户配合的严格要求，在一定程度上限制了虹膜识别的应用范围，造成了虹膜识别中最大的瓶颈。在虹膜成像装置中，有限的景深是造成这一问题的主要原因。过浅的景深使得用户和相机之间的距离只能在一个很小的范围内变化，否则的话捕获到的虹膜纹理将会变得模糊不清，使得识别效果变得不理想，这种模糊被称为离焦模糊。受现阶段硬件设配和虹膜特殊性的限制，为了增加系统的景深，现行的系统往往会使用较大的光圈值。然而，当使用大光圈值时，捕获到的图像会变暗，我们只能通过增加相机的曝光时间来进行弥补。这样， 在拍摄照片过程中，如果用户不能保证完全的静止，将会十分容易拍摄到运动模糊的图像。德国Robert Bosch GmbH 公司的 Liu 等人在其专利 U. S. Pat No. 2010/0201798AI 中提出了一种虹膜图像去模糊方法。该方法通过深度传感器来获得人与相机的距离，估计离焦情况下的点扩散函数，再进行模糊虹膜图像的修复。虽然上述虹膜去模糊方法取得了不错的恢复效果，但是它仍然存在很多缺陷。首先，它需要对模糊的成因进行假设，即在其系统中只能出现离焦模糊，这使得该方法都只能处理这一种情况下的模糊虹膜图像。当虹膜图像中还存在运动模糊时，此方法将会失效。其次，在这种假设下，使用了给定的点扩散函数的形式。仅通过距离传感器得到的信息去估计点扩散函数的参数，这使得点扩散函数不能够十分准确地反映真实模糊情况。另外，在这一方法中需要添加额外的硬件(深度感知器)来获得人与相机间的距离信息，使得不是所有的虹膜识别系统都能够应用此方法。最后，由于点扩散函数估计和图像噪声建模的不准确， 使得图像去模糊的效果不是十分理想。综上所述，现有的虹膜图像去模糊方法仍存在一定的改进余地，如何同时处理离焦模糊和运动模糊图像，以及如何获得准确的点扩散函数仍然是一个亟待解决的难题。如果能够增强模糊的虹膜图像中的细节信息、修复模糊的虹膜图像，就可以在一定程度上放宽对用户的要求，提高虹膜识别的可靠性和准确性。
发明内容
(一)要解决的技术问题有鉴于此，本发明的主要目的是针对上述现有技术中存在的问题，提供一种虹膜图像的去模糊方法，以准确、鲁棒地实现模糊虹膜图像的修复。(二)技术方案为达到上述目的，本发明提供了一种虹膜图像的去模糊方法，该方法包括步骤 Si、分析输入的虹膜图像，判断该虹膜图像的模糊属于离焦模糊或运动模糊，再根据该判断结果初始化得到一点扩散函数；步骤S2、对输入虹膜图像的梯度进行选取，使得在选取出的梯度图上能够更有效地估计点扩散函数，再基于所选择的梯度信息，将所述已初始化的该点扩散函数进一步修正；步骤S3、基于所述修正后的点扩散函数，对模糊的虹膜图像进行修复。所述步骤Sl包括步骤S11、在一组人工离焦模糊的虹膜图像上，计算其聚焦程度值，并训练得到聚焦程度值和离焦点扩散函数参数之间的对应关系；步骤S12、在一组人工运动模糊的虹膜图像上，计算光斑的长度信息，并训练得到光斑的长度信息和运动点扩散函数参数之间的对应关系；步骤S13、根据输入的虹膜图像中两场成像的差异程度，判断该虹膜图像的模糊属于离焦模糊或运动模糊，当两场成像的差异较大时，判断其是运动模糊， 反之判断其是离焦模糊；步骤S14、当步骤S13中判断为离焦模糊的情况下，对虹膜图像进行进一步的分割，得到虹膜的有效区域，并在此区域上计算聚焦程度值；步骤S15、当步骤 S13中判断为运动模糊的情况下，在瞳孔内以其中的光斑为中心，抽取一个子区域，对其频谱进行方向滤波，得到光斑的方向作为运动的方向信息，再根据运动方向上的光斑长度，获得光斑的长度信息；步骤S16、根据步骤S13的判断结果，并根据步骤S14或者步骤S15得到的聚焦程度值、或者方向及长度信息，对所输入的模糊虹膜图像的点扩散函数进行初始化。在步骤S13之后，还包括以下步骤抽取模糊虹膜图像两场中的任一场，再差值到原模糊虹膜图像的大小，得到单场的模糊虹膜图像，用于后续的操作，接着，在单场的模糊虹膜图像上进行虹膜的定位，得到用于拟合虹膜内外边界的两个圆的参数，以备步骤S14 和S15中使用；步骤S14中所述离焦模糊的点扩散函数具有如下形式
权利要求
1.一种虹膜图像的去模糊方法，其特征在于，该方法包括步骤Si、分析输入的虹膜图像，判断该虹膜图像的模糊属于离焦模糊或运动模糊，再根据该判断结果初始化得到一点扩散函数；步骤S2、对输入虹膜图像的梯度进行选取，使得在选取出的梯度图上能够更有效地估计点扩散函数，再基于所选择的梯度信息，将所述已初始化的该点扩散函数进一步修正； 步骤S3、基于所述修正后的点扩散函数，对模糊的虹膜图像进行修复。
2.根据权利要求1所述的虹膜图像的去模糊方法，其特征在于，所述步骤Sl包括 步骤S11、在一组人工离焦模糊的虹膜图像上，计算其聚焦程度值，并训练得到聚焦程度值和离焦点扩散函数参数之间的对应关系；步骤S12、在一组人工运动模糊的虹膜图像上，计算光斑的长度信息，并训练得到光斑的长度信息和运动点扩散函数参数之间的对应关系；步骤S13、根据输入的虹膜图像中两场成像的差异程度，判断该虹膜图像的模糊属于离焦模糊或运动模糊，当两场成像的差异较大时，判断其是运动模糊，反之判断其是离焦模糊；步骤S14、当步骤S13中判断为离焦模糊的情况下，对虹膜图像进行进一步的分割，得到虹膜的有效区域，并在此区域上计算聚焦程度值；步骤S15、当步骤S13中判断为运动模糊的情况下，在瞳孔内以其中的光斑为中心，抽取一个子区域，对其频谱进行方向滤波，得到光斑的方向作为运动的方向信息，再根据运动方向上的光斑长度，获得光斑的长度信息；步骤S16、根据步骤S13的判断结果，并根据步骤S14或者步骤S15得到的聚焦程度值、 或者方向及长度信息，对所输入的模糊虹膜图像的点扩散函数进行初始化。
3.根据权利要求2所述的虹膜图像的去模糊方法，其特征在于，在步骤S13之后，还包括以下步骤抽取模糊虹膜图像两场中的任一场，再差值到原模糊虹膜图像的大小，得到单场的模糊虹膜图像，用于后续的操作，接着，在单场的模糊虹膜图像上进行虹膜的定位，得到用于拟合虹膜内外边界的两个圆的参数，以备步骤S14和S15 中使用。
4.根据权利要求2所述的虹膜图像的去模糊方法，其特征在于，步骤S14中所述离焦模糊的点扩散函数具有如下形式
5.根据权利要求2所述的虹膜图像的去模糊方法，其特征在于， 步骤S15中所述离焦模糊的点扩散函数具有如下形式
6.根据权利要求2所述的虹膜图像的去模糊方法，其特征在于，在步骤S16中，根据步骤Sll和步骤S12训练得到的对应关系，对所输入模糊的虹膜图像的点扩散函数进行初始化。
7.根据权利要求1所述的虹膜图像的去模糊方法，其特征在于，所述步骤S2包括 步骤S21、根据上次循环中的点扩散函数(首次循环中，使用初始点扩散函数)，由单场的模糊虹膜图像，对潜在的清晰虹膜图像进行估计；步骤S22、对估计出的清晰虹膜图像，计算其梯度图，并选择出对于优化点扩散函数有效的区域；步骤S23、根据步骤S22中选择出的清晰虹膜图像中有效梯度图区域，选择出单场模糊虹膜图像对应梯度图的有效区域；步骤S24、根据步骤S22和S23中选择出的梯度信息、已知的单场模糊虹膜图像和本次循环中估计出的清晰虹膜图像，对点扩散函数进行修正；步骤S25、基于新的点扩散函数，重复步骤S21到S24，迭代地修正点扩散函数，使其能够准确地反映真实的模糊原因。
8.根据权利要求7所述的虹膜图像的去模糊方法，其特征在于，步骤S21和步骤SM中采用的噪声模型，不仅对图像的像素值进行了约束，而且同时对图像的一阶和二阶偏微分进行约束；步骤S21的能量函数可写成如下形式
9.根据权利要求7所述的虹膜图像的去模糊方法，其特征在于，步骤S22中针对估计出的清晰虹膜图像，其梯度选择包括三个步骤过饱和区域检测 S221、睫毛以及眼皮区域检测S222和梯度图强度的阈值化S223。
10.根据权利要求7所述的虹膜图像的去模糊方法，其特征在于，步骤S23中为了选择单场模糊虹膜图像对应梯度图的有效区域，将步骤S22中估计出的清晰虹膜图像的梯度信息和上次循环中的点扩散函数进行卷积，选择结果中大于给定阈值的区域。
11.根据权利要求7所述的虹膜图像的去模糊方法，其特征在于，步骤S24中采用初始的点扩散函数作为约束，根据步骤S22和S23选择的梯度信息更新点扩散函数，能量函数可写成如下形式
12.根据权利要求1所述的虹膜图像的去模糊方法，其特征在于，在所述步骤S3中 使用修正过的点扩散函数，对潜在的清晰虹膜图像进行估计，并将此次估计出的清晰图像作为去模糊结果，完成对模糊虹膜图像的修复。
全文摘要
本发明公开了一种虹膜图像的去模糊方法，包括步骤S1，分析输入的虹膜图像，判断该虹膜图像的模糊属于离焦模糊或运动模糊，再根据该判断结果初始化得到一点扩散函数；步骤S2，对输入虹膜图像的梯度进行选取，使得在选取出的梯度图上能够更有效地估计点扩散函数，再基于所选择的梯度信息，将所述已初始化的该点扩散函数进一步修正；步骤S3、基于所述修正后的点扩散函数，对模糊的虹膜图像进行修复。本发明可以有效减小模糊虹膜图像对系统识别性能的不利影响，并且可以广泛应用于虹膜识别系统中，使得系统的鲁棒性和可靠性得到提高，放宽对使用者的要求。
文档编号G06T5/00GK102542535SQ20111036665
公开日2012年7月4日 申请日期2011年11月18日 优先权日2011年11月18日
发明者刘京, 孙哲南, 谭铁牛 申请人:中国科学院自动化研究所