虹膜图像质量评估.ppt

虹膜图像质量评估宋阳2011/4/22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目录一、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。图像质量的好坏将会直接影响后续的操作,质量不合格的图像将会严重影响识别的准确性;而质量好的图像则为后续处理提供了可靠的保障。二、目前的图像质量评估方法目前存在的图像质量评估方法,按照评估方法来分类,可以分为主观评估和客观评估。主观评估只有一种方式,即一幅图像有多个观察者分别打分,它的平均值即为图像的质量分数;而客观评估则有多种方式,它体现在很多有参照质量评估和无参照质量评估方法中。主观评估方法数字图像的主观质量评估就是通过人来观察图像,对图像质量的优劣作出主观的评定。观察者根据一些事先规定的评价尺度或自己的经验,对测试图像按视觉效果提出质量判断,并给出质量评分,对所有观察者给出的分数进行加权平均,所得的结果即为图像的主观质量评估。客观评估方法客观图像评估方法又可以分为有参照质量评估和无参照质量评估方法。1、有参照质量评估峰值信噪比方法峰值信噪比(PeakSignal-NoiseRatio)是一种量化对比压缩图像与源图像的标准方法。对一幅8位的灰度图像,信号的峰值是255,因此一幅M×N的8位灰度图像x和它的重建图像x’的峰值信噪比由下式计算:这里MSE为均方差,定义为PSNR的单位是分贝(db)。2、无参照质量评估(1)图像灰度梯度向量模方和对一幅数字图像f(x,y),其梯度的模为:对于图像序列的第k幅图像,在某图像窗口W内的灰度梯度向量模的和为Gk,灰度梯度向量模方和为Gk’。则Gk或Gk’的值反映了图像序列第k幅图像在图像窗口W内的灰度变化率大小。一幅图像越模糊,图像中灰度变化率越小,Gk或Gk’的值越小。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。(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: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。3)傅立叶频谱分析方法Ma等通过分析虹膜图像傅立叶频谱的高、中、低频段分布,用虹膜区域总的频谱能量来区分未遮挡和严重遮挡的虹膜图像,用中频段能量与其他频率能量的比值来区分是清晰的图像还是散焦及运动模糊的虹膜图像。在质量评价时,为了降低傅立叶变换的计算复杂度,仅仅考虑靠近瞳孔两侧的两个64×64虹膜小区域,通过计算这两个局部区域的质量描述子的均值,作为评价图像质量的标准。最后,对于一个给定的质量描述子,使用支持向量机判断该图像是否为清晰的虹膜图像。Wei在对虹膜图像空域滤波后,分别用傅里叶频谱高频、垂直高频能量来评估离焦模糊和运动模糊程度,用虹膜区域的平均灰度值来判断虹膜是否存在遮挡。冯薪桦等提出了一种分步式的质量评价算法,该方法与Ma等的方法类似,在判断虹膜图像是否散焦时很大程度上取决于瞳孔定位的精确度,同时,高频分量的阈值设置需要经过大量的实验才能得出可靠经验值。4)基于WBCT的评价方法由于基于小波分析的Contourlet变换(Wavelet-basedcontourlettransform,WBCT)能有效地反映图像纹理的视觉感知特性,陈瑞在Gao等人对数字图像质量评价的基础上,通过对虹膜评估区域进行WBCT分解,定义和计算5种质量评价指标来评估离焦模糊图像、运动模糊图像、佩带隐形眼镜图像、睫毛和眼睑遮挡图像。5)其它