虹膜图像质量评价的研究..doc

虹膜图像质量评价的研究        彭智勇1,曾庆宁1,彭超男2时间:2008年07月15日    字体:大中小        关键词:<"cblue""rch/?q=虹膜识别"target='_blank'>虹膜识别<"cblue""rch/?q=图像质量评价"target='_blank'>图像质量评价<"cblue""rch/?q=眼部"target='_blank'>眼部<"cblue""rch/?q=最大"target='_blank'>最大<"cblue""rch/?q=采集系统"target='_blank'>采集系统             摘要:详细介绍了对采集到的虹膜图像进行质量评价的方法,并通过实验证明了其有效性。关键词:虹膜灰度门限值评价当采集到一幅虹膜图像后,首先要进行质量评价,再根据评价结果确定其是否可用于<"cblue""rch/?q=虹膜识别"title="虹膜识别">虹膜识别。对虹膜图像的质量评价可分为4个方面:(1)对图像总体质量评定。判断图像是否聚焦清晰、亮度是否过高或过低。(2)判断虹膜是否位于图像中心。在采集瞬间,如果处于闭眼状态,则虹膜不在图像中。如果眼珠突然偏离,则采集到的图像中虹膜因严重偏离图像中心可能会引起很大的形变。(3)判断图像中虹膜部分是否清晰并判断图像中虹膜部分的大小。一方面,眼皮一般会遮盖一部分虹膜;另一方面,由于虹膜图像采集要求的对准较严格,很难保证每次采集时,虹膜都完全位于图像之中。因此,如果眼皮遮盖过多或者位于图像之外的虹膜面积太大,就会严重影响虹膜识别的效果。(4)对虹膜中有效点的判断。由于存在各种干扰,在虹膜中会有一些无效的点。它会随着环境的变化而变化,因此必须去除。在虹膜图像清晰度评价方面,文献[1]中提出根据聚焦因子F来判断。其基本思想是:计算瞳孔边缘<"cblue""rch/?q=最大"title="最大">最大梯度的平均值S,以及虹膜灰度均值与瞳孔灰度均值之差H,得到聚焦因子F=S/H。但在实验研究中发现,F对虹膜图像清晰度不太敏感。通常,图像清晰时,S变大,H也变大;图像模糊时,S变小,H也变小。另外,McHugh等提出一种频谱的方法[2],其基本思想是:计算虹膜图像在高频域的能量,该域能量越高,图像清晰度越好。本文从4个方面对虹膜<"cblue""rch/?q=图像质量评价"title="图像质量评价">图像质量评价进行了研究。通过对图像亮度和清晰度对图像总体质量进行评价;通过检测瞳孔是否位于中心来判断虹膜是否位于图像中心;确定虹膜不可用部分并评价虹膜清晰度,以剔除不能用于识别的虹膜图像;通过判断虹膜中有效点的方法去除虹膜中的各种噪声,采用灰度差分评价虹膜的聚焦状态和清晰度。在虹膜检测方面,选用Daugman提出的一种非常稳健的圆形轮廓算子[3]来定位可能的虹膜,并利用圆形边缘梯度、虹膜半径、虹膜半径的上下限、瞳孔半径与虹膜半径之比的上下限、瞳孔相对于虹膜的偏心率的上下限、瞳孔区域的平均灰度值以及瞳孔区域的灰度方差与平均灰度值的比值等特征来校验其可信度。1对图像总体质量评定在进行虹膜定位前,先对采集到的虹膜图像进行总体质量评定。主要是对图像亮度与图像总体清晰度进行判断。,则要求DC满足:L1<DC<L2,其中L1和L2为门限值。