一種基于矩陣填充的虹膜圖像增強方法
【專利摘要】本發(fā)明公開一種基于矩陣填充的虹膜圖像增強方法，該方法步驟包括選定虹膜圖像的矩形區(qū)域并對其進行分塊；利用矩陣填充的方法對矩形區(qū)域的分塊圖像塊并行地進行細節(jié)增強；合并經(jīng)過細節(jié)填充后的各圖像塊，對各個相鄰圖像塊的拼接處進行邊界平滑處理，得到一幅完整的增強后虹膜圖像。本發(fā)明所述的技術(shù)方案，在現(xiàn)有技術(shù)只能通過引入虹膜圖像質(zhì)量評價模型規(guī)避虹膜圖像細節(jié)信息缺失的情形下，利用矩陣填充的方法，根據(jù)圖像塊中已知的像素信息重構(gòu)出未知的像素信息，填充了圖像的細節(jié)缺失信息，從而對圖像進行了增強。
【專利說明】一種基于矩陣填充的虹膜圖像增強方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像增強方法。更具體地，涉及一種用于虹膜生物識別系統(tǒng)的虹膜圖像增強方法。

【背景技術(shù)】
[0002]虹膜識別以其準確性、穩(wěn)定性、安全性和非接觸性等顯著優(yōu)勢漸已成為生物識別領(lǐng)域的研究熱點和發(fā)展趨勢。在虹膜識別系統(tǒng)中，捕獲到清晰的虹膜圖像是實現(xiàn)準確識別的前提。然而，由于采集設(shè)備的硬件限制和采集環(huán)境的復(fù)雜影響等因素，獲取的虹膜圖像往往會存在不同程度的模糊，包括噪聲干擾、對比度低、散焦模糊和運動模糊等情形。
[0003]在虹膜識別系統(tǒng)中，對獲取的虹膜圖像首先要進行預(yù)處理，為了保證識別的準確性，其中圖像增強是必不可少的。圖像增強主要包含三個方面的內(nèi)容:一、對圖像中干擾噪聲的抑制或消除；二、對圖像整體動態(tài)范圍或?qū)Ρ榷鹊臄U展；三、對圖像局部細節(jié)信息的有效填充。
[0004]針對虹膜圖像增強，現(xiàn)有的方法主要是對圖像中存在的干擾噪聲進行抑制和對低對比度圖像進行整體動態(tài)范圍的擴展；而對虹膜圖像中經(jīng)常出現(xiàn)的由于用戶距離不當(dāng)而造成的散焦模糊和由于用戶晃動而造成的運動模糊等虹膜細節(jié)信息缺失的情形，現(xiàn)有的方法并沒有對虹膜圖像的局部細節(jié)進行有效填充，而是通過引入虹膜圖像質(zhì)量評價模型對不符合要求的圖像進行舍棄，然后選擇質(zhì)量較好的圖像或者重新獲取虹膜圖像。
[0005]虹膜識別系統(tǒng)在捕獲用戶虹膜圖像的過程中，由于用戶距離采集裝置或遠或近或者發(fā)生移動，在獲取到的虹膜圖像中經(jīng)常會產(chǎn)生散焦模糊和運動模糊，導(dǎo)致圖像細節(jié)信息的缺失，邊緣細節(jié)的缺失影響虹膜定位的精度，紋理細節(jié)的缺失影響特征提取的精度，從而降低虹膜識別的準確率?，F(xiàn)有的虹膜圖像增強方法通過引入虹膜圖像質(zhì)量評價模型規(guī)避虹膜圖像細節(jié)信息缺失的情形，這種方法有以下缺點:
[0006]1.單一的虹膜圖像質(zhì)量評價模型難以準確評估模糊虹膜圖像的質(zhì)量，為了降低系統(tǒng)的錯誤拒絕率，通常需要重新捕獲質(zhì)量較好的虹膜圖像，而重復(fù)獲取虹膜圖像會降低用戶對虹膜識別系統(tǒng)的接受程度。
[0007]2.復(fù)合的虹膜圖像質(zhì)量評價模型雖然能對模糊虹膜圖像的質(zhì)量做出較好的評判，但是運算復(fù)雜度往往較高，大大降低了系統(tǒng)運行的實時性，不利于虹膜識別系統(tǒng)的應(yīng)用和推廣。
[0008]3.對于模糊的虹膜圖像，單純引入質(zhì)量評價模型無法對圖像進行增強，通過舍棄模糊的圖像而重新獲取清晰的圖像來規(guī)避模糊虹膜圖像的細節(jié)增強問題，會大大降低虹膜識別系統(tǒng)的吞吐率。
[0009]因此，需要提供一種基于矩陣填充的虹膜圖像增強方法。


【發(fā)明內(nèi)容】

[0010]本發(fā)明的目的在于提供一種基于矩陣填充的虹膜圖像增強方法，解決模糊虹膜圖像由于局部細節(jié)信息缺失而無法被準確識別的問題。
[0011]為達到上述目的，本發(fā)明采用下述技術(shù)方案:
[0012]一種基于矩陣填充的虹膜圖像增強方法，該方法步驟包括:
[0013]S1、選定虹膜矩形區(qū)域M，作為圖像塊X ;
[0014]S2、對所述圖像塊X利用矩陣填充的方法進行細節(jié)增強，該矩陣填充的方法進一步包括:
[0015]對圖像塊X e Rnxn進行奇異值變換，將后P個較小的奇異值置零，P的取值范圍為1,2,…，X的對角線元素個數(shù)；
[0016]進行奇異值反變換，得到低秩矩陣XS Xl的非零元素子集Ω里包括m個非零元素X1ij, (i, j) e Ω ；
[0017]利用奇異值定向聚合迭代法求解浐核范數(shù)的最小化，得到?jīng)旱耐耆貥?gòu)矩陣XK，公式如下:
[0018]minimize | Xe |*
[0019]subject to Pi2 (Xr) =Ps2(Xl)
[0020]在公式中，I I.I I*表示矩陣的核范數(shù)，ΡΩ為子集Ω上的正交投影算子，Xk為細節(jié)增強后的圖像塊。
[0021]優(yōu)選地,步驟SI進一步包括步驟:
[0022]S11、設(shè)定圖像中虹膜區(qū)域的半徑范圍[RnitoRniax]和內(nèi)外邊界中心坐標差(Δ X, Δ y)；
[0023]S12、利用邊緣檢測結(jié)合Hough圓變換的方法計算瞳孔區(qū)域的中心坐標(cx, cy)和半徑rp ；
[0024]S13、根據(jù)所述瞳孔區(qū)域的中心坐標(cx，cy)、虹膜區(qū)域的半徑范圍[Rmin，RfflaJ和內(nèi)外邊界中心坐標差(Λ X，Λ y)選定以坐標(cx，cy)為中心，寬和高分別為2X (Rmax+ Δ y)和2 X (Rfflax+ Δ x)的虹膜矩形區(qū)域M，作為圖像塊X。
[0025]優(yōu)選地，步驟S2中較小奇異值個數(shù)P的取值為X對角線元素個數(shù)的1/4至1/3。
[0026]優(yōu)選地，步驟S2中的奇異值定向聚合迭代法的迭代運算公式為:
IO
[0027]<；
Yk =IV1+ AA(Il-A)
[0028]在公式中，k為正整數(shù)，Y0 = O e Rnxn, { δ k}k>1為標量步長序列，?τ為奇異值定向聚合算子，其中D,的定義為:
Dt(Y)=UDi(Z)Vt
[0029]"、 、
\Dr (Σ ) =diag({(<r,- O—},」,.)
[0030]在公式中，τ >0，t+ = max (0, t), r = rank(Y)，σ >0為矩陣Y的奇異值，Σ為奇異值對角陣，U和V為奇異值分解的正交變換矩陣；
[0031]所述奇異值定向聚合迭代法的迭代運算，當(dāng)滿足預(yù)先設(shè)定的迭代停止條件時，運算結(jié)束。
[0032]優(yōu)選地，對于矩陣X\ e Rnxn,設(shè)定τ = 10η, δ k = 1.99，k為正整數(shù)，設(shè)定迭代運算的停止條件為:
Pcl(XL-XRk)
[0033]-π------L- < ε
IK(^l)IL
[0034]在公式中，I I.I |F表示矩陣的F-范數(shù)，ε>0是誤差容限，設(shè)定誤差容限值ε e [1(Γ3，10-5]。
[0035]優(yōu)選地，一種基于矩陣填充的虹膜圖像增強方法進一步包括:
[0036]S131、將步驟SI中選定的虹膜矩形區(qū)域M等分成多個圖像塊X’ ；
[0037]S132、分別對所述多個圖像塊V并行地進行細節(jié)增強步驟S2 ；
[0038]S133、對經(jīng)過細節(jié)增強后的多個圖像塊X’ κ進行合并，得到增強后的虹膜圖像。
[0039]優(yōu)選地,所述步驟S131進一步包括:
[0040]將選定的矩形區(qū)域M等分成hXw像素的圖像塊X’，h和w分別取正整數(shù)，共ceil (2X (Rmax+ Δ y) /h) X ceil (2X (Rmax+ Δ x) /w)塊；
[0041]V的邊界處采用對稱延拓。
[0042]優(yōu)選地，h和w分別取值為8。
[0043]優(yōu)選地，步驟S133中對多個圖像塊V E進行合并進一步包括:將其邊界處的一行或者一列像素與相鄰圖像塊邊界處的像素取灰度平均值；進行圖像塊拼接合并。
[0044]本發(fā)明的有益效果如下:
[0045]本發(fā)明所述技術(shù)方案，在增強后的人眼虹膜圖像中，由于虹膜區(qū)域的細節(jié)信息得到有效填充，因此虹膜邊緣清晰，紋理豐富，有利于后續(xù)對虹膜邊界的精確定位和虹膜特征Ih息的有效提取，從而大大提聞虹I吳識別的準確率。

【專利附圖】

【附圖說明】
[0046]下面結(jié)合附圖對本發(fā)明的【具體實施方式】作進一步詳細的說明。
[0047]圖1示出一種基于矩陣填充的虹膜圖像增強方法的流程圖。

【具體實施方式】
[0048]為了更清楚地說明本發(fā)明，下面結(jié)合優(yōu)選實施例和附圖對本發(fā)明做進一步的說明。附圖中相似的部件以相同的附圖標記進行表示。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，下面所具體描述的內(nèi)容是說明性的而非限制性的，不應(yīng)以此限制本發(fā)明的保護范圍。
[0049]一種基于矩陣填充的虹膜圖像增強方法的具體步驟是:
[0050]第一步，獲取虹膜圖像，選定虹膜圖像的矩形區(qū)域并對其進行分塊。
[0051]對于模糊的人眼虹膜圖像，首先確定需要進行圖像增強的虹膜矩形區(qū)域，即圖像中我們感興趣但是細節(jié)信息嚴重缺失的部分。根據(jù)成像系統(tǒng)的視場范圍和分辨率等參數(shù)，預(yù)先設(shè)定圖像中虹膜區(qū)域的半徑范圍[RmtoRmaJ和內(nèi)、外邊界中心坐標差(Λχ，Ay)，在定位瞳孔位置的基礎(chǔ)上，即可選定圖像中包含整個虹膜區(qū)域在內(nèi)的范圍，即模糊虹膜圖像中需要進行增強的部分。
[0052]由于黑色的近似圓形的瞳孔區(qū)域是整幅人眼虹膜圖像中灰度值較低的部分，瞳孔邊界處的像素灰度值變化較大，所以通過邊緣檢測結(jié)合Hough圓變換的方法，在圖像中瞳孔區(qū)域所處的范圍內(nèi)搜索最大的圓邊界，即使是在模糊的虹膜圖像中，也能較準確地定位瞳孔的位置，得到瞳孔區(qū)域的中心坐標(cx，cy)和半徑rp。而虹膜是位于人眼中瞳孔和鞏膜之間的環(huán)形區(qū)域，虹膜的內(nèi)邊界即為瞳孔的邊界，虹膜的外邊界與瞳孔近似同心圓，因此根據(jù)瞳孔的位置和虹膜的半徑范圍及內(nèi)、外邊界中心坐標差即可劃定圖像中包含整個虹膜區(qū)域在內(nèi)的范圍，即以坐標(cx，cy)為中心，寬和高分別為2X (Rmax+Ay)和2X (Rmax+ Δ x)的矩形區(qū)域M。
[0053]對于選定的矩形區(qū)域M，為了便于實現(xiàn)并行運算以降低運算時間，將其等分成8X8 像素的圖像塊 X，共 ceil (2X (Rmax+ Δ y) /8) X ceil (2X (Rmax+ Δ χ) /8) ±夾，其中ceil(.)表示向上取整，邊界處采用對稱延拓，然后并行地對各圖像塊進行基于矩陣填充的圖像增強。
[0054]第二步，利用矩陣填充的方法分別對多個圖像塊并行地進行細節(jié)增強。
[0055]對分割后的各個虹膜圖像塊，分別利用矩陣填充的方法對其進行局部細節(jié)增強，即根據(jù)圖像塊中已知的像素信息準確重構(gòu)出未知的細節(jié)信息。
[0056]一個圖像塊可以看成是一個以像素灰度值為元素的矩陣，矩陣填充即為利用已知元素準確重構(gòu)出未知元素的過程，而準確重構(gòu)的前提是原始矩陣必須具有低秩性。對模糊的圖像塊X e Rnxn進行奇異值變換，其中Rnxn表示nXn大小的實數(shù)矩陣。然后將后ρ個較小的奇異值置零，即去掉圖像塊中能量較小的部分，其中P的取值范圍為1，2，…，X的對角線元素個數(shù)，優(yōu)選的是P的取值為X對角線元素個數(shù)的1/4至1/3。然后進行奇異值反變換，即可得到低秩矩陣XS并且已知其非零子集Ω里包括m個非零元素X1ij, (i, j) e Ω，圖像中未知的細節(jié)信息由這m個非零元素利用矩陣填充的方法重構(gòu)。
[0057]矩陣浐中保留了 X中能量聚集的部分，為了解決浐的矩陣填充問題，通過采用奇異值定向聚合迭代法求解其核范數(shù)的最小化問題，從而得到重構(gòu)矩陣Xk:
[0058]minimize | Xe |*
[0059]subject to ΡΩ (Xe) = ΡΩ (Xl) (I)
[0060]在公式(I)中，M.I I*表示矩陣的核范數(shù)，Ρω是子集Ω上的正交投影算子，Xk是對浐的完全重構(gòu)，即對X進行增強后得到的圖像塊。
[0061]將奇異值定向聚合迭代法歸納性地定義為:
^\=DT (IV1)
[0062]< (,
[Yk = Yk^l +SkPn(xL -Xr,)⑵
[0063]在公式(2)中，k = 1，2，3,..., + °°，Y。= O e RnXn，{ δ k}k>1 是標量步長序列，D1是奇異值定向聚合算子，定義為:
Dt (Y)=UDt (E)Vt
_ Dr (Σ) =—({(σ「Γυ(3)
[0065]在公式(3)中，τ >0, t+ = max (O, t), r = rank (Y), σ >0 是矩陣 Y 的奇異值，Σ是奇異值對角陣，U和V是奇異值分解的正交變換矩陣。
[0066]對于公式⑵中的迭代運算，序列{Χ\}收斂于公式⑴的解。對于矩陣X\ e Rnxn,設(shè)定τ = 10η, δ k = 1.99, k = I, 2, 3,..., + 設(shè)定迭代運算的停止條件為:
Pa (xL - Xr,.)
_7] I 亦)IL y⑷
[0068]在公式(4)中，I I.I |F表示矩陣的F-范數(shù)，ε >0是一個誤差容限。在實際運算過程中，設(shè)定一個誤差容限值ε e [10_3，10_5]，當(dāng)公式⑵中的迭代結(jié)果滿足公式⑷給出的條件時，迭代運算結(jié)束，求得重構(gòu)矩陣Χκ，即實現(xiàn)對模糊圖像塊X的細節(jié)增強。
[0069]第三步，合并經(jīng)過細節(jié)填充后的各個增強圖像塊，得到一幅完整的增強后虹膜圖像。
[0070]對增強后的各個虹膜圖像塊，按照其原始的排列順序進行合并。由于增強處理使得相鄰圖像塊在邊界過渡部分的像素灰度值出現(xiàn)跳變效應(yīng)，因此需要對各個相鄰圖像塊的拼接處進行邊界平滑處理。對每個8X8像素的圖像塊，將其上、下、左、右邊界處(如果存在)的一行(或列)像素與相鄰圖像塊邊界處的像素取灰度平均值，然后進行圖像塊拼接合并，得到一幅完整的增強后虹膜圖像。
[0071]綜上所述，本發(fā)明所述技術(shù)方案，在增強后的人眼虹膜圖像后，由于虹膜區(qū)域的細節(jié)信息得到有效填充，因此虹膜邊緣清晰，紋理豐富，有利于后續(xù)對虹膜邊界的精確定位和虹膜特征信息的有效提取，從而大大提高虹膜識別的準確率。
[0072]顯然，本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實施方式的限定，對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動，這里無法對所有的實施方式予以窮舉，凡是屬于本發(fā)明的技術(shù)方案所引伸出的顯而易見的變化或變動仍處于本發(fā)明的保護范圍之列。
【權(quán)利要求】
1.一種基于矩陣填充的虹膜圖像增強方法，其特征在于，該方法步驟包括: 51、選定虹膜矩形區(qū)域M，作為圖像塊X; 52、對所述圖像塊X利用矩陣填充的方法進行細節(jié)增強，該矩陣填充的方法進一步包括: 對圖像塊X e Rnxn進行奇異值變換，將后P個較小的奇異值置零，P的取值范圍為1,2,…，X的對角線元素個數(shù)； 進行奇異值反變換，得到低秩矩陣XS X1的非零元素子集Ω里包括m個非零元素X1ij,(i, j) e Ω ； 利用奇異值定向聚合迭代法求解炒核范數(shù)的最小化，得到炒的完全重構(gòu)矩陣Χκ，公式如下:
minimize | |Xr | | *
subject to ΡΩ (Xe) = ΡΩ (Xl) 在公式中，11.11*表示矩陣的核范數(shù)，ρω為子集Ω上的正交投影算子，χκ為細節(jié)增強后的圖像塊。
2.根據(jù)權(quán)利要求1所述基于矩陣填充的圖像增強方法，其特征在于，所述步驟SI進一步包括步驟: 511、設(shè)定圖像中虹膜區(qū)域的半徑范圍[Rmin，Rmax]和內(nèi)外邊界中心坐標差(Λχ，Ay); 512、利用邊緣檢測結(jié)合Hough圓變換的方法計算瞳孔區(qū)域的中心坐標(cx，cy)和半徑rP ; 513、根據(jù)所述瞳孔區(qū)域的中心坐標(cx，cy)、虹膜區(qū)域的半徑范圍[Rmin，Rmax]和內(nèi)外邊界中心坐標差(Λ X，Λ y)選定以坐標(cx，cy)為中心，寬和高分別為2X (Rfflax+ Δ y)和2 X (Rfflax+Δχ)的虹膜矩形區(qū)域Μ，作為圖像塊X。
3.根據(jù)權(quán)利要求1所述基于矩陣填充的圖像增強方法，其特征在于，所述步驟S2中較小奇異值個數(shù)P的取值為X對角線元素個數(shù)的1/4至1/3。
4.根據(jù)權(quán)利要求1所述基于矩陣填充的圖像增強方法，其特征在于，所述步驟S2中的奇異值定向聚合迭代法的迭代運算公式為: ^ri =Dt (Yk^l) \Yk -Yk^l +SkPa(xL-Xrk) 在公式中，k為正整數(shù)，Y0 = Oe Rnxn, { Sk}k>1為標量步長序列，?τ為奇異值定向聚合算子，其中D,的定義為: Dr(Y)= υθΓ(Σ)ντ Dt ⑷=diag({(a(-r)J1.)V'' 在公式中，τ >0，t+ = max (O, t)，r = rank (Y)，σ >0為矩陣Y的奇異值，Σ為奇異值對角陣，U和V為奇異值分解的正交變換矩陣； 所述奇異值定向聚合迭代法的迭代運算，當(dāng)滿足預(yù)先設(shè)定的迭代停止條件時，運算結(jié)束。
5.根據(jù)權(quán)利要求4所述基于矩陣填充的圖像增強方法，其特征在于，對于矩陣X\ e RnXn，設(shè)定τ = 10η, δ k = 1.99，k為正整數(shù)，設(shè)定迭代運算的停止條件為: |尸q(il-0||f ^ -7-?^ ε \ΡΛΧ% 在公式中，I I.I |F表示矩陣的F-范數(shù)，ε>0是誤差容限，設(shè)定誤差容限值ε e [1(Γ3，10-5]。
6.根據(jù)權(quán)利要求1所述基于矩陣填充的圖像增強方法，其特征在于，該方法進一步包括: 5131、將步驟S1中選定的虹膜矩形區(qū)域Μ等分成多個圖像塊X’； 5132、分別對所述多個圖像塊X’并行地進行細節(jié)增強步驟S2； 5133、對經(jīng)過細節(jié)增強后的多個圖像塊X’κ進行合并，得到增強后的虹膜圖像。
7.根據(jù)權(quán)利要求6所述基于矩陣填充的圖像增強方法，其特征在于，所述步驟S131進一步包括: 將選定的矩形區(qū)域Μ等分成hXw像素的圖像塊X’，h和w分別取正整數(shù)，共ceil (2X (Rmax+ Δ y) /h) X ceil (2X (Rmax+ Δ x) /w)塊； X’的邊界處采用對稱延拓。
8.根據(jù)權(quán)利要求7所述基于矩陣填充的圖像增強方法，其特征在于，所述h和w分別取值為8。
9.根據(jù)權(quán)利要求6所述基于矩陣填充的圖像增強方法，其特征在于，所述步驟S133中對多個圖像塊X’ κ進行合并進一步包括:將其邊界處的一行或者一列像素與相鄰圖像塊邊界處的像素取灰度平均值；進行圖像塊拼接合并。
【文檔編號】G06T5/00GK104240205SQ201410504450
【公開日】2014年12月24日 申請日期:2014年9月26日 優(yōu)先權(quán)日:2014年9月26日
【發(fā)明者】郭慧杰, 王超楠, 楊倩倩, 韓一梁, 楊昆, 年豐 申請人:北京無線電計量測試研究所