虹膜图像模糊判断的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及生物识别领域，特别是指一种虹膜图像模糊判断的方法和装置。
【背景技术】
[0002] 近年来，虹膜识别逐渐成为一种重要的身份认证和识别手段。当用户适度配合时， 虹膜识别方法能够取得较好的识别效果。但在实际应用场景中，很难保证用户在一定时间 内保持配合的状态，因此在采集虹膜图像过程中，不可避免会得到不符合识别和认证要求 的虹膜图像。为了保证虹膜识别的准确性和稳定性又方便用户使用，就需要设计快速有效 的虹膜图像质量评价方法。
[0003] 在影响虹膜图像质量的因素中，模糊是最常见也是最重要的虹膜图像质量畸变类 型。根据形成模糊的原因不同，一般将虹膜模糊分为离焦模糊和运动模糊。离焦模糊是指 被拍摄对象远离对焦平面而引起的图像模糊现象。目前评价离焦模糊的方法主要有基于梯 度变化的方法、全局空域滤波的方法和基于感兴趣区域的方法，这些方法在特定条件下都 能取得较好的结论，但是距离应用场景还有一定差距。运动模糊指的是在采集过程中，对象 的快速位置变化导致图像形成错位而引起图像模糊的现象。常见的评价运动模糊的方法是 基于垂直算子的方法，另外还有很多基于运动方式而产生的具有针对性的算法。
[0004] (1)基于梯度变化的方法：
[0005] 该方法，利用巩膜和虹膜间的梯度值评价模糊的程度来判断，如果梯度值比较小， 说明图像可能比较模糊；或者利用虹膜与瞳孔之间的梯度进行模糊程度判断，如果梯度比 较小，说明图像可能比较模糊。
[0006] (2)基于全局空域滤波的方法：
[0007] 针对离焦模糊，图像中各个方向的高频信息均被削弱，可以通过构建高通或带滤 波器的方式检测这种高频信息的损失程度，如构造一个各向同性的滤波器，将图像与滤波 器的卷积值作为质量分数。
[0008] (3)基于感兴趣区域的方法
[0009] 为了克服非虹膜区域的噪声影响，需要关注虹膜有效区域，通过虹膜定位得到瞳 孔边界，预定义瞳孔两边对应的区域作为感兴趣区域，之后利用该区域的中高频信息作为 特征，通过支持向量机（SVM)分类器训练得到图像判断是否是清晰图像。
[0010] 上述基于梯度变化的方法和基于全局空域滤波的方法大都关注于对边缘梯度的 直接描述，而不关注梯度的分布，基于感兴趣区域的方法由于需要用到比较复杂的图像处 理和分类算法，所以速度较慢。
【发明内容】
[0011] 本发明提供一种虹膜图像模糊判断的方法和装置，该方法判断准确率高，运行速 度快，抗干扰能力强，准确率高，提高了虹膜识别的性能。
[0012] 为解决上述技术问题，本发明提供技术方案如下：
[0013] -种虹膜图像模糊判断的方法，包括：
[0014] 利用径向对称变换在虹膜图像中定位瞳孔的位置；
[0015] 在虹膜图像中截取感兴趣区域，所述感兴趣区域内包含瞳孔边界以及所述瞳孔边 界两侧的瞳孔和虹膜；
[0016] 对所述感兴趣区域的梯度值按照瞳孔半径方向进行高斯拟合，得到模糊分数，所 述模糊分数为拟合得到的高斯函数的散度参数；
[0017] 判断所述模糊分数是否大于模糊分数阈值，若是，则为模糊的虹膜图像。
[0018] -种虹膜图像模糊判断的装置，包括：
[0019] 定位模块，用于利用径向对称变换在虹膜图像中定位瞳孔的位置；
[0020] 第一截取模块，用于在虹膜图像中截取感兴趣区域，所述感兴趣区域内包含瞳孔 边界以及所述瞳孔边界两侧的瞳孔和虹膜；
[0021] 拟合模块，对所述感兴趣区域的梯度值按照瞳孔半径方向进行高斯拟合，得到模 糊分数，所述模糊分数为拟合得到的高斯函数的散度参数；
[0022] 第一判断模块，用于判断所述模糊分数是否大于模糊分数阈值，若是，则为模糊的 虹膜图像。
[0023] 本发明具有以下有益效果：
[0024] 本发明中，利用径向对称变换首先对瞳孔进行粗定位，然后利用高斯函数拟合判 断瞳孔边缘变化程度进而评价虹膜图像模糊程度（包括在虹膜图像中截取感兴趣区域，以 及对感兴趣区域按照瞳孔半径方向对图像的梯度值进行高斯拟合，得到模糊分数），最后利 用模糊分数对虹膜图像进行质量判断。
[0025] 与现有技术相比，本发明的虹膜图像模糊判断的方法中以瞳孔边缘两侧沿瞳孔半 径方向的梯度分布，比现有技术中对边缘梯度的直接描述更能反映出虹膜图像的模糊程 度，判断准确。并且本发明比现有技术中基于感兴趣区域的方法虽然都是截取感兴趣区域 片段，但是相比于现有技术中基于支持向量机，以感兴趣区域高频信息为特征进行分类的 方法，本发明更加高效，判断速度更快。
[0026] 另外，本发明利用径向对称变换在虹膜图像中定位瞳孔的位置，可以避免光斑、睫 毛、头发等噪声对虹膜图像模糊判断的影响，抗干扰能力强，准确率高。
[0027] 故本发明的虹膜图像模糊判断的方法判断准确率高，运行速度快，抗干扰能力强， 准确率高，提高了虹膜识别的性能。
【附图说明】
[0028] 图1为本发明的虹膜图像模糊判断的方法的流程图；
[0029] 图2为本发明的虹膜图像模糊判断的方法的示意图；
[0030] 图3为本发明中P、P+、P的对应关系示意图；
[0031 ]图4为本发明中的严重模糊的虹膜图像；
[0032] 图5为本发明中感兴趣片段示意图；
[0033] 图6为本发明中不同模糊程度的虹膜图像的梯度图；
[0034] 图7为本发明中不同参数的高斯函数曲线图；
[0035] 图8为本发明中不同模糊程度的虹膜图像的高斯函数和模糊分数；
[0036] 图9为本发明中不同的虹膜图像的纹理丰富度比较；
[0037] 图10为本发明的虹膜图像模糊判断的方法的一个实施例的流程图。
【具体实施方式】
[0038] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0039] 本发明提供一种虹膜图像模糊判断的方法，如图1所示，包括：
[0040] 步骤SlOl :利用径向对称变换在虹膜图像中定位瞳孔的位置；
[0041] 可以使用现有技术中的各种算法定位出瞳孔，一般的，需要得到瞳孔的圆心以及 半径，以此来定位瞳孔；本发明利用径向对称变换在虹膜图像中定位瞳孔的位置，可以避免 光斑、睫毛、头发等噪声对虹膜图像模糊判断的影响，抗干扰能力强，准确率高；
[0042] 步骤S102 :在虹膜图像中截取感兴趣区域，感兴趣区域内包含瞳孔边界以及瞳孔 边界两侧的瞳孔和虹膜；
[0043] 以瞳孔边界（步骤SlOl定位出的圆的圆周）为基准，截取包含瞳孔边界以及内侧 的瞳孔片段和外侧的虹膜片段的区域；
[0044] 步骤S103 :对感兴趣区域的梯度值按照瞳孔半径方向进行高斯拟合，得到模糊分 数，模糊分数为拟合得到的高斯函数的散度参数；
[0045] 沿着瞳孔半径方向（瞳孔-瞳孔边界-虹膜方向或者虹膜-瞳孔边界-瞳孔方 向）进行高斯拟合，得到高斯曲线，以高斯曲线的分散程度作为模糊分数，模糊分数越大， 图像越模糊；
[0046] 步骤S104 :判断模糊分数是否大于模糊分数阈值，若是，则为模糊的虹膜图像；
[0047] 将得到的模糊分数与预先设定的模糊分数阈值比较，如果大于模糊分数阈值，则 该图像为模糊的虹膜图像。
[0048] 高斯函数为
，其中a为其幅值参数（最大值），b为其均值参数（对 称轴），c为其散度参数。
[0049] 本发明中，首先利用径向对称变换对瞳孔进行粗定位，然后利用高斯函数拟合判 断瞳孔边缘变化程度进而评价虹膜图像模糊程度（包括在虹膜图像中截取感兴趣区域，以 及对感兴趣区域按照瞳孔半径方向对图像的梯度值进行高斯拟合，得到模糊分数），最后利 用模糊分数对虹膜图像进行质量判断。
[0050] 与现有技术相比，本发明的虹膜图像模糊判断的方法中以瞳孔边缘两侧沿瞳孔半 径方向的梯度分布，比现有技术中对边缘梯度的直接描述更能反映出虹膜图像的模糊程 度，判断准确。并且本发明比现有技术中基于感兴趣区域的方法虽然都是截取感兴趣区域 片段，但是相比于现有技术中基于支持向量机，以感兴趣区域高频信息为特征进行分类的 方法，本发明更加高效，判断速度更快。
[0051] 另外，本发明利用径向对称变换在虹膜图像中定位瞳孔的位置，可以避免光斑、睫 毛、头发等噪声对虹膜图像模糊判断的影响，抗干扰能力强，准确率高。
[0052] 故本发明的虹膜图像模糊判断的方法判断准确率高，运行速度快，抗干扰能力强， 准确率高，提高了虹膜识别的性能。
[0053] 作为本发明的虹膜图像模糊判断的方法的一种改进，感兴趣区域可以为扇形区 域，具体可以为：以瞳孔圆心为基准，以过瞳孔圆心的右侧水平线为起始方向，以逆时针为 旋转方向，截取以I. 7*rpupil的圆和圆0. 7*r pupil之间的圆环的pi~7*pi/6之间的圆环片 段1以及ll*pi/6~2*pi之间的圆环片段2,选择其中一个作为感兴趣区域；其中r pupil为 前述的瞳孔半径；
[0054] 对感兴趣区域的梯度值按照瞳孔半径方向进行高斯拟合，得到模糊分数（步骤 S103)包括：
[0055] 步骤S1031 :将感兴趣区域展开成矩形区域；
[0056] 为了便于分析，本发明利用插值算法将扇形区域展开成矩形区域，图5中b为对应 图中感兴趣区域的矩形展开图；
[0057] 步骤S1032 :将矩形区域的每一列在最大梯度值处对齐；
[0058] 由于在瞳孔边的缘片段是按照扇形展开成矩形，因此在理想情况下，形成的矩形 图像中的每一列均是沿瞳孔半径方向分布，因此每一列图像均是按照"瞳孔-瞳孔边缘-虹 膜"的方式进行梯度排列，因此每一列基本会有相同的梯度分布形式，本发明采用的方式是 按照每一列梯度最大值处将梯度图像对齐；