一种虹膜分割识别方法

摘要

本发明公开了一种虹膜分割识别方法。它包括以下步骤：将已知的分类好的虹膜样本进行特征提取并通过训练，生成可以快速有效的对未知的虹膜样本进行定位的Adaboost级联分类器，将待定位的虹膜图像输入到强分类器中，定位出虹膜区域；将未知的虹膜样本通过分割模块进行虹膜分割提取，得到有效的虹膜分割结果。本发明采用基于级联Adaboost算法和PP算法的虹膜分割方法，提高了算法的鲁棒性与抗噪能力，可以自动实时的实现算法的整个流程，并应用于实际过程之中。本发明不仅能大大减少虹膜分割的运行时间，而且对遮挡严重的虹膜具有很好的鲁棒性，从而使得虹膜识别性能得到了显著的提高。

主权项

一种虹膜分割识别方法，包括以下步骤：(1)对虹膜图像样本归一化训练，包括虹膜图像的尺寸归一化；(2)对虹膜数据提取虹膜Haar特征；(3)将虹膜正负样本集输入到Adaboost级联分类器中训练，得到一个区分虹膜和非虹膜的强分类器；(4)将待定位的虹膜图像输入到由步骤(3)得到的强分类器中，定位出虹膜区域；(5)将定位好的虹膜图像去除高亮点，进行虹膜瞳孔中心定位，再将虹膜图像转化为极坐标图像，进行内圆边缘检测，最后用PP算法对内圆进行定位；(6)用当前虹膜图像的上眼睑边缘与虹膜模型进行比较得到最终的有效上眼睑边缘点，最后用曲线拟合对上眼睑进行定位；(7)根据以上两个步骤的结果将虹膜原图像转换为拥有446个角度的极坐标图像，然后利用最大梯度得到外圆边缘，得到有效的外圆边缘点，最后用PP算法对外圆进行定位；(8)对虹膜外圆以内，内圆以外的原图像下半部分，进行边缘检测，然后统计边缘检测点，最后用二次曲线拟合方法快速得到下眼睑，完成整个的虹膜分割识别。