一种虹膜特定特征提取优化方法及系统

技术领域

本公开涉及图像处理技术领域，具体涉及一种虹膜特定特征提取优化方法及系统。

背景技术

虹膜纹理特征丰富、卷缩轮、色素斑、坑洞等都是现在医学实验和临床分析的热点。关于虹膜卷缩轮的特征提取大多依靠简易的图像采集和采集者肉眼观察来实现，由于信息数据提取的结果大都以来采集者经验积累以及当时的环境因素影响，主观性较强，且无法量化重复实现，因此如何更加客观、可靠、可重复性地提取卷缩轮特征显得尤为重要。

发明内容

为解决上述问题，本公开提供一种虹膜特定特征提取优化方法，其特征在于，所述方法包括以下步骤：

S100，获取视频图像；

S200，对视频图像进行预处理得到第一图像；

S300，针对第一图像进行虹膜特定特征提取。

具体的，S100中，所述视频图像采用近红外摄像机获得，所述近红外摄像机的近红外光的波长范围[700,1100]nm。

具体的，S200中,对视频图像进行预处理得到第一图像的步骤为：

S210，对视频图像进行灰度化处理，得到灰度图像；

S220，对灰度图像进行去噪处理，所述去噪处理的方法为采用迭代方法对灰度图像进行去噪处理得到去噪图像；

S230，采用粒子群算法定位去噪图像的虹膜内圆和外圆得到第一图像。

具体的，在S220中，对灰度图像进行去噪处理的步骤为：

S221，对灰度图像进行去噪处理，去噪公式为：

其中，I为输入的图像，div为散度算子，

S222，判断第t次迭代后的输出图像与第t-1次迭代后的输出图像之间的相关性，当相关性小于预定阈值时，则第t-1次迭代后的输出图像为去噪图像，当相关性大于预定阈值时，则将第t次迭代后的输出图像作为第t+1次输入的图像进行第t+1次迭代，所述判断相关性的公式为：

E＝[L(a,b)]

其中，

在这里，a和b分贝代表所述第t次迭代后的输出图像和所述第t次输入的图像，μ

具体的，S230中,采用粒子群算法定位去噪图像的虹膜内圆和外圆的方法为：

S231，增强去噪图像的对比度得到增强图像；

S232，采用canny算子对增强图像进行边缘检测得到边缘检测结果图像；

S233，对边缘检测结果图像做填充处理，检测最大面积的区域，即为瞳孔初步轮廓；

S234，在瞳孔初步轮廓选定12个点，所述12个点的所有相邻两个点之间的距离相等，并求出12个点的坐标点；

S235，将每隔5个点的两点连接，得到6条直线，6条直线的交点即为圆心；

S236，采用粒子群算法拟合定位虹膜内圆和外圆得到第一图像，所述算法函数为

其中，选取瞳孔上12个边缘点的坐标(x,y)为(x

具体的，S300，针对第一图像进行虹膜特征提取的方法为：

S310，对第一图像进行归一化处理得到归一化图像；

S320，选择归一化图像中垂直方向上的5个像素点为基元，所述5个像素点由中心像素点和上边2个像素点和下边2个像素点组成，设上边2个像素点和下边2个像素点和中心像素点的灰度差分别为g

S330，设置p{i

S340，选用15×15的滑动窗口在归一化图像上从最左边自下往上的一列的方向滑动，计算窗口内边界模式出现的次数和非边界模式出现的次数之商的最大值，保存最大值所在窗口的中心点，即为该列方向的边界点；

S350，使用该滑动窗口遍历归一化图像，找到所有列方向的边界点；

S360，连接所有列方向的边界点，映射到归一化图像上，即为虹膜特定特征，所述虹膜特定特征为虹膜卷缩轮特征。

本公开还提供了一种虹膜特定特征提取优化系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

获取单元,用于获取视频图像；

预处理单元,用于对视频图像进行预处理得到第一图像；

提取单元,用于针对第一图像进行虹膜特定特征提取。

本公开的有益效果为：本发明提供一种虹膜特定特征提取优化方法及系统，采用粒子群算法定位去噪图像的虹膜内圆和外圆，又通过判断灰度差状态法提取虹膜卷缩轮特征，不仅保留了原图像的重要特征信息，且使得卷缩轮特征的提取更加客观、可靠和可重复。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1所示为了一种虹膜特定特征提取优化方法的流程图；

图2所示为了一种虹膜特定特征提取优化系统结构图。

具体实施方式

以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如图1所示为根据本公开的了一种虹膜特定特征提取优化方法的流程图，下面结合图1来阐述根据本公开的实施方式的了一种虹膜特定特征提取优化定位方法。

本公开提出了一种虹膜特定特征提取优化方法，所述方法包括以下步骤：

S100，获取视频图像；

S200，对视频图像进行预处理得到第一图像；

S300，针对第一图像进行虹膜特定特征提取。

优选的，S100中，所述视频图像采用近红外摄像机获得，所述近红外摄像机的近红外光的波长范围[700,1100]nm。

优选的，S200中,对视频图像进行预处理得到第一图像的步骤为：

S210，对视频图像进行灰度化处理，得到灰度图像；

S220，对灰度图像进行去噪处理，所述去噪处理的方法为采用迭代方法对灰度图像进行去噪处理得到去噪图像；

S230，采用粒子群算法定位去噪图像的虹膜内圆和外圆得到第一图像。

具体的，在S220中，对灰度图像进行去噪处理的步骤为：

S221，对灰度图像进行去噪处理，去噪公式为：

其中，I为输入的图像，div为散度算子，

S222，判断第t次迭代后的输出图像与第t-1次迭代后的输出图像之间的相关性，当相关性小于预定阈值时，则第t-1次迭代后的输出图像为去噪图像，当相关性大于预定阈值时，则将第t次迭代后的输出图像作为第t+1次输入的图像进行第t+1次迭代，所述判断相关性的公式为：

E＝[L(a,b)]

其中，

在这里，a和b分贝代表所述第t次迭代后的输出图像和所述第t次输入的图像，μ

优选的，S230中,采用粒子群算法定位去噪图像的虹膜内圆和外圆的方法为：

S231，增强去噪图像的对比度得到增强图像；

S232，采用canny算子对增强图像进行边缘检测得到边缘检测结果图像；

S233，对边缘检测结果图像做填充处理，检测最大面积的区域，即为瞳孔初步轮廓；

S234，在瞳孔初步轮廓选定12个点，所述12个点的所有相邻两个点之间的距离相等，并求出12个点的坐标点；

S235，将每隔5个点的两点连接，得到6条直线，6条直线的交点即为圆心；

S236，采用粒子群算法拟合定位虹膜内圆和外圆得到第一图像，所述算法函数为

其中，选取瞳孔上12个边缘点的坐标(x,y)为(x

优选的，S300，针对第一图像进行虹膜特征提取的方法为：

S310，对第一图像进行归一化处理得到归一化图像；

S320，选择归一化图像中垂直方向上的5个像素点为基元，所述5个像素点由中心像素点和上边2个像素点和下边2个像素点组成，设上边2个像素点和下边2个像素点和中心像素点的灰度差分别为g

S330，设置p{i

S340，选用15×15的滑动窗口在归一化图像上从最左边自下往上的一列的方向滑动，计算窗口内边界模式出现的次数和非边界模式出现的次数之商的最大值，保存最大值所在窗口的中心点，即为该列方向的边界点；

S350，使用该滑动窗口遍历归一化图像，找到所有列方向的边界点；

S360，连接所有列方向的边界点，映射到归一化图像上，即为虹膜特定特征，所述虹膜特定特征为虹膜卷缩轮特征。

本公开的实施例提供的一种虹膜特定特征提取优化系统，如图2所示为本公开的一种虹膜特定特征提取优化系统结构图，该实施例的一种虹膜特定特征提取优化系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种虹膜特定特征提取优化方法实施例中的步骤。

本发明提供的一种虹膜特定特征提取优化系统，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

获取单元,用于获取视频图像；

预处理单元,用于对视频图像进行预处理得到第一图像；

提取单元,用于针对第一图像进行虹膜特定特征提取。

所述一种虹膜特定特征提取优化系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种虹膜特定特征提取优化系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种虹膜特定特征提取优化系统的示例，并不构成对一种虹膜特定特征提取优化系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种虹膜特定特征提取优化系统还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种虹膜特定特征提取优化系统运行系统的控制中心，利用各种接口和线路连接整个一种虹膜特定特征提取优化系统的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种虹膜特定特征提取优化系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。