基于机器学的虹膜图像质量确定方法

摘要

一种基于机器学的虹膜图像质量确定方法，包括步骤：对虹膜图像进行预处理；提取虹膜图像质量因子；利用多高斯模型拟合单一质量因子正负样本的概率密度函数；利用改进的Neyman-Pearson方法融合得到虹膜图像质量分数；通过假设检验的方法确定最优质量等级数。本发明针对离焦、运动模糊和斜眼，提出了鲁棒的检测方法，引入了Neyman-Pearson方法融合多质量因子，形成质量分数，最终通过假设检验的方法得到了具有统计意义的图像质量等级。本发明可用于虹膜图像采集时的质量确定，以及针对识别算法的性能预测。

主权项

一种基于机器学习的虹膜图像质量确定方法，该方法包括步骤：步骤1，学习步骤，在该步骤对训练图像库中的虹膜图像进行预处理，提取虹膜图像质量因子，利用多高斯模型拟合单一质量因子正负样本的概率密度函数，利用改进的Neyman‑Pearson方法融合各质量因子得到质量分数，根据假设检验的方法确定最优质量等级数；步骤2，对测试图像进行预处理，提取虹膜图像质量因子，根据学习步骤中训练得到的各质量因子正负样本的概率密度函数得到测试图像中对应样本的概率分布值，根据质量分数和质量等级的对应关系，将该输入虹膜图像划归到对应的质量等级内。