渐进式虹膜图像质量评估模型

合集下载

虹膜图像的质量评价研究

２０１６年１２月
《图像信息处理技术》专题文章导读
图像技术研究部韩广良中国科学院长春光学精密机械与物理研究所
图像信息处理技术是从光学图像中获取所需的信息、识别其中包含的语义，作为后续进一步处理的依据，该技术包含了图像获取、存储、识别、理解、数据提取等，实际上模拟了人类通过眼睛和大脑处理事物的机理，是一种机器智能处理技术。随着计算机、电子学、软件等技术的飞速发展，图像信息处理技术也已逐渐向更高机器智能水平迈进，吸引了越来越多的科研人员在这个领域中探索拼搏。图像技术研究部是长春光机所从事图像信息处理技术研究的专项技术研究部门，成立二十余年来，专注于图像、视频、信息处理的基础理论和工程应用研究，已形成服务于国家建设需求，并不断创新发展的专业布局，其研究成果已广泛应用于军事、航天航空、工业制造、公共安全等领域。本专栏结合了长春光机所图像技术研究部及相关合作单位的研究成果，内容包含了领域研究现状、图像识别和跟踪算法、图像处理应用策略、图像处理工程实现等，是研究人员在工程应用研究中的技术结晶。
第３１卷
第１２期
液晶与显不
ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＬｉｑｕｉｄＣｒｙｓｔａｌｓａｎｄＤｉｓｐｌａｙｓ

虹膜图像质量评估.

虹膜图像质量评估
宋阳 2011/4/22
目录
• 虹膜图像质量评价的必要性 • 目前的图像质量评估方法 • 对于人眼虹膜图像质量的评估方法 • 影响牛眼虹膜采集的因素 • 后期工作2源自一、虹膜图像质量评价的必要性
• 虹膜识别作为一种高度可靠的身份鉴别方法, 在应用中的实际识别性能很大程度上与采集的虹膜图像质量密切相关。通过研究虹膜图像质量评价方法去掉不符合识别要求的模糊、严重遮挡和变形等低质量虹膜图像，可以有效地提高虹膜识别系统的性能。
。图像由模糊变清晰时，图像中的灰度变化率由小变大。最大值的Gk
或Gk’对应的图像就是最清晰的图像。
6
（2）Roberts梯度和 • 考虑到f (x ,y)和f (x +1,y+1)的灰度差的象元位置关系，可采用Roberts梯
度和：
7
三、对于人眼虹膜图像质量的评估方法
• 目前，虹膜图像质量评价的研究仍然有限。现有虹膜质量评估算法实现可分为空域和频域两大类。空域的质量评估算法主要是利用虹膜图像瞳孔、虹膜及巩膜区域的灰度分布特征评价虹膜图像质量；频域算法则通过分析虹膜图像傅立叶变换的频谱能量进行评价。主要算法有以下： 1) 卷积核方法 Daugman通过计算一幅图像傅立叶变换的高频能量来评价图像的清晰程度，高频能量越大则图像越清晰，如果图像能够通过一个最低的判断准则，则该图像用于识别。考虑到图像分辨率比较大则卷积运算速度比较慢，为降低计算的复杂性，Daugman采用8×8 的卷积核，Wei 利用 5×5 的算子进行卷积。 2) 边缘锐度方法 Zhang通过虹膜与瞳孔之间边缘像素的灰度梯度来衡量图像的聚焦程度，他认为对于聚焦较好的清晰虹膜图像，瞳孔和虹膜边界区域的图像灰度变化应当比较快；而对于模糊的虹膜图像，瞳孔到虹膜的灰度变化比较缓慢。Zhang以 1/w=Gradient/（Mi –Mp）定义瞳孔到虹膜边缘的灰度变化，称为边缘锐度。该比值越大，图像质量越好。

渐进式虹膜图像质量评估模型

渐进式虹膜图像质量评估模型吕林涛;石富旬【摘要】虹膜图像质量评估目前尚无统一评估标准,导致虹膜识别拒识率和误识率较高.针对该问题,提出一种虹膜图像质量评估模型.根据虹膜图像中各干扰因素的不同特点,在先验知识基础上采用区域化、加权的方法,渐近式地实施像素级质量评估,依据像素级评估结果实施图像级质量评估.实验结果表明,像素级虹膜图像质量评估中的虹膜图像干扰项识别率和模糊识别率较高,图像级虹膜图像质量评估与人工评估结果相一致.【期刊名称】《计算机工程》【年(卷),期】2010(036)018【总页数】3页(P217-219)【关键词】虹膜图像;图像质量评估;虹膜识别【作者】吕林涛;石富旬【作者单位】西安理工大学计算机科学与工程学院,西安,710048;西安理工大学计算机科学与工程学院,西安,710048【正文语种】中文【中图分类】TP3911 概述虹膜识别技术作为一种重要的生物识别技术，由于其具有唯一性、稳定性、防伪性、非侵入性的优点，越来越受到人们的关注。

但虹膜识别技术主要凭借虹膜的纹理结构，质量较差的图像会降低识别结果的可信度，甚至直接导致错误的识别结果。

因此，构造一个鲁棒性强的自动化虹膜图像自动评估模型是该领域研究的热点。

目前，虹膜图像质量的评估主要是在理想情况下进行，如 Daugman博士采用二维傅里叶变换计算虹膜图像频域的高频能量值评估图像模糊性，缺乏实用性。

随后人们试图强化虹膜图像评估的实用性，针对虹膜图像提取的不同干扰提出了不同的图像评估方法。

如文献[1]通过引入评价区域局部化、小波包分解和能量加权完成失焦和遮挡现象的评估；文献[2]提出一种步进式虹膜图像质量评价用于眼睑及睫毛的检测；文献[3]利用虹膜图像中的梯度变化，通过边缘检测的方法检测，对遮挡及定位结果进行评估。

但上述评估方法由于仅考虑虹膜图像的某些主要影响因素，为反映图像全面评估性，需要附加大量的额外运算，其结果导致虹膜图像提取的实用效果不佳。

虹膜图像的质量评价研究

虹膜图像的质量评价研究史春蕾;周凤文;胡雨露;孙海江【摘要】对虹膜识别系统来说，所采集虹膜图像的质量好坏直接影响识别是否成功。

本文针对散焦模糊和眼睑睫毛遮挡问题提出了一种新的虹膜图像质量评价方法：判断图像是否散焦模糊采用了 LoG 算子提取瞳孔两侧局部虹膜的高频能量，判断虹膜是否有眼睑严重遮挡采用了计算瞳孔上方指定矩形区域的灰度均值，同时计算该区域的水平梯度来衡量虹膜受睫毛遮挡的程度。

仿真实验表明，算法的平均处理速度0．0209 s/帧，满足实时虹膜识别系统的需求，是一种快速有效的虹膜图像质量评价算法。

%The quality of collecting iris image is vital to whether recognizing iris image is right in iris recognition system.A new algorithm is proposed for the defocused and occluded iris images.Firstly the high frequency power of the right and left part of the pupil is calculated by Laplacian of Gaussian operator to discard the defocusedimages.Secondly,the average gray value of the upper region of the pupil is computed to discard the occluded images by eyelid.Finally,the occluded degree by eyelash is measured through the gradient information of the upper region of the pupil.The experimental results show that,the average processing speed of the algorithm is 0.020 9 s per frame,which fully meets the requirement of real-time iris recognition system,and also shows this algorithm is fast and efficient for iris image quality evaluation.【期刊名称】《液晶与显示》【年(卷),期】2016(031)012【总页数】6页(P1131-1136)【关键词】虹膜图像;质量评价;高斯拉普拉斯算子;眼睑睫毛遮挡【作者】史春蕾;周凤文;胡雨露;孙海江【作者单位】长春师范大学物理学院，吉林长春 130032;长春理工大学教务处，吉林长春 130022;东北师范大学物理学院，吉林长春 130000;中国科学院长春光学精密机械与物理研究所图像处理技术研究部，吉林长春 130033【正文语种】中文【中图分类】TP391.4生物特征识别技术主要包括指纹识别[1]、人脸识别[2-3]、虹膜识别[4]等。

【硕士论文】虹膜图像质量评估方法的研究

ｄｅｆｉｎｉｔｉｏｎｏｆｔｈｅｉｎｐｕｔｉｍａｇｅ．Ｉｆｔｈｅｉｍａｇｅｉｓｓｅｎｔｅｎｃｅｄｆｏｒｔｈｅｆｕｚｚｙ，ｔｈｅｎｆｕｒｔｈｅｒ
ａｌｇｏｒｉｔｈｍｔｈｒｏｕｇｈｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｔｏａｎａｌｙｓｉｓｔｈｅｃａｕｓｅｓｏｆａｍｂｉｇｕｉｔｙ，ｔｈｅ
在虹膜图像清晰度上，根据图像在灰度值上的特性，提出运用“拉普拉斯（８邻域微分）算子和一方法实时地判断输入图像的清晰度，如果被初判为模糊的图像，则进一步通过改进的基于拉普拉斯锐化与ＦＦＴ（快速傅立叶变换）相结合的算法来分析图像产生模糊的原因。
在虹膜可见度上，是用虹膜比重因子和瞳孔缩放因子的乘积来表示。其中，虹膜比重因子是先根据图像的灰度特征，获取虹膜像素点的个数，从而得出该区域上的虹膜比重因子；瞳孔缩放因子是运用虹膜图像定位结果，通过几何方法来计算。
目前，国内外有很多学者在虹膜泌别研究中．取得了一定的成果，但是在识别速度和准确率方面，很难做到两全其美，即速度的提高是以牺牲识别准确率为代价、准确率的提高是咀牺牲识别速度为代价的，如何既能提高速度又能提高准确率成为虹膜识别技术的瓶颈问题。而虹膜图像质量评估对于识别速度和准确率的提高，以及虹膜采集系统的自动化具有很好的现实意义。因此，采集图像后，虹膜图像的质量评估就成为虹膜识别技术中非常重要的环节之一，具有很高的研冗价值。
Ｑ＝国ｌＱｌ＋国２Ｑ２．Ａｍｏｎｇｔｈｅｍ，ＱｌａｎｄＱ２ｒｅｓｐｅｃｔｉｃｉｖｅｌｙｏｎｂｅｈａｌｆｏｆｔｈｅｑｕａｌｉｔｙ
ａｓｓｅｓｓｍｅｎｔｆａｃｔｏｒｏｆｉｒｉｓｉｍａｇｅｄｅｆｉｎｉｔｉｏｎａｎｄｖｉｓｉｂｉｌｉｔｙ，ｃｏＩｉｓｔｈｅｗｅｉｇｈｔｏｆＱｌ，Ｃ０２ｉｓ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

动评估模型是该领域研究的热点。
量利用虹膜识别中这些阶段的中间处理结果和减少辅助运算
ｉｒｅｏｐｒｏｍｎｒｍｅｔｌｐｘｌｌｖｅｖｌａｉｎｏａｉｕｎｅｅｎａｔｒｎｉｉｍａｅ．ｅｉｇ —ｅｅｖｒｌｅａｕｔｎｂｓｄｏｎｏｄｒｔｅｒａｉｃｅｎａｉｅ—ｅｌｅａｕｔｆｖｒｏｓｉｔｒｒｇｆｃｏｓｉｒｓｉｇｓＴｈｍａｅｌｖｌｏｅａｌｖｌａｉａｅｎｆｎｏｆｉｏｐｘｌｌｖｌａｓｓｍｅｔｅｕｔｒｃｅ．ｐｒｍｅｔｌｅｕｔｈｉｅ—ｅｅｓｅｓｎｓｌｐｏｅｄｓＥｘｉｎａｓｌｓｏｗａｅｐｘｌｅｅｒｓｉｇｕｌｙａｓｓｍｅｔａｔｒｒｏａｃｌｒｒｓｅｒｓｈｔｔｔｉｅｖｌｉｍａｅｑａｉｓｅｓｎｓａｂｔｆｒｎｅｉｂｕｈｌｉｔｈｅｅｐｅｍｎ
ｃａａｔｒｓｃｆｄｆｅｅｔｎｅｅｎａｔｒｎｔｅｉｉｍａｅｒｇｏａｉａｉｎａｄｗｅｇｔｄｍｅｏｓａｅａｏｔｎｔｅｂｓｓｏｒｏｎｈｒｃｅｔｓｏｉｆｒｎｔｒｒｇｆｃｏｓｉｓｉｇ，ｅｉｎｌｔｏｎｉｈｅｔｄｒｄｐｅｏｈａｉｆａｐｒｋｏｗｌｄｅｉｉｉｆｉｈｒｚｈｄｉｅｇ
ｒｃｇｉｏｎｔｒｅｅｃｒｅｔｆｃｔｎ，ｍａｅｌｖｌｓｅｓｎｆｉｓｉｇｕｌｓｅｓｎｓｃｎｉｔｎｔｅｍａａ．ｅｏｎｔｎａｄｉｅｒｎｅｔｍｉｎｉａｏｉｇ —ｅｅｓｓｍｅｔｉｎｆｅｄｉｉａｏｒｍａｅｑａｉａｓｓｍｅｔｏｓｓｅｔｈｔｎｕｉｙｔｉｗｉｈ１
ｃｎｔａｗａｅｄｃｅｓｄｅｃｅｔｙＡｉｎｔｔｉｒｂｅｔｉａｅｒｐｓｓａｎｖｌｄｌｏｓｅｓｎｉｍａｅＡｃｏｄｎｅｎａｏｌｙｓｂｅｒａｅｆｉｎｌ．ｍｉｇａｓｐｏｌｍ，ｓｐｐｒｐｏｏｅｏｅｉｈｈｍｏｅｒｔａｓｓｍｅｔｉｓｉｇ．ｃｒｉｇｔｔｆｈｅｏｆｒｏｈ
［ｓｒｃｌＳｎｅｔｅｅｉｎｎｆｄｓｄｒｒｒｇｕｌｙａｓｓｍｅｔｔｒｓｎ，ｈｃｇｉｏｊｃｉｎｒｔｎｌｃｅｔｎｅｒｔＡｂｔａｔｉｃｒｏｕｉｅｔａｄｆｓｉｅｑａｔｓｅｓｎｅｅｔｔｅｒｏｎｔｎｒｅｔａａｄｆｓａｃｐａｃｅｈｓｉｎａｏｉｍａｉｉａｐｅｉｅｏｅａｅａ
美蕾词：虹膜图像；图像质量评估；虹膜识别
ＰｏｒｓｉｅｒｓｍａｅＱｕｌｙＥａｕｔｎＭｏｅｒｇｅｓｉＩｇａｉｖｌａｉｄｌｖＩｔｏ
ＬＬｉ－ａ，ＨＩＦｘｎＶｎｔｏＳｕ－ｕ
ｆｃｏｌｆｍｐｔｒｃｎｅ＆Ｅｇｎｅｎ， ’ｎＵｎｖｒｉｆｅｈｎｏｙＸｉｎ７０４，ｈｎ）ＳｈｏＣｏｕｅｉｃｏＳｅｎｉｅｒｇＸｉｉｅｓｙｏＴｃｏｌｔ， ’ １０８Ｃｉａｉａｔａ
第３卷第１６８期
Ｖ１３ｏ．６
；
计
算
机
工
程
２１００年９月
Ｓｐｅｂｒ２１ｅｔｍｅ００
Ｎｏ１．８
ＣｏｐｔｒＥｎｉｅｒ来自ｎｍｕｅｇｎｅｉｇ
Ａ＇ｗ能及识别技术・ｒ
文章缩号：１０—３２（１）＿０１３文献标识码Ａｏ４８０ｏ８＿２７ｏ２１ —０
根据虹膜图像中各干扰因素的不同特点，在先验知识基础上采用区域化、加权的方法，渐近式地实施像素级质量评估，据像素级评估结依果实施图像级质量评估。实验结果表明，像素级虹膜图像质量评估中的虹膜图像干扰项识别率和模糊识另率较高，图像级虹膜图像质量评口
估与人工评估结果相一致。
中圈分类号ｌＴ３１Ｐ９
渐进式虹膜图像质量评估模型
吕林涛，石富旬
（西安理工大学计算机科学与工程学院，西安７０４）１０８羹要：虹膜图像质量评估目前尚无统一评估标准，导致虹膜识别拒识率和误识率较高。针对该问题，提出一种虹膜图像质量评估模型。
［ｅｏｄｌｉｓｍｇ；ａｅｕｉａａｏ；ｉｒｏｎｉＫｙｒｓｉｉａｅｉｇａｔｅｌｔｎｉｓｅｇｉｏｗｒｍｑｌｙｖｕｉｒｃｔｎ
ｌ概述
虹膜识别技术作为一种重要的生物识另技术，由于其具 Ⅱ 有唯一性、稳定性、防伪性、非侵入性的优点，越来越受到人们的关注。但虹膜识别技术主要凭借虹膜的纹理结构，质量较差的图像会降低识别结果的可信度，甚至直接导致错误的识别结果。因此，构造一个鲁棒性强的自动化虹膜图像自