一种虹膜图像鲁棒特征选择和快速比对的方法

摘要

本发明公开了一种虹膜图像鲁棒特征选择和快速比对的方法，该方法包括：S1、采用区域多极子定序测量特征对虹膜纹理进行表达；S2、以相似度为导向的虹膜特征选择和融合；S3、基于层次化分类器对虹膜特征模板进行快速比对。利用本发明，使用以相似度为导向的特征选择方法选择区域定序测量特征并构建组合分类器，采用层次化分类器结构对得到的组合分类器进行重新优化组合，实现了虹膜特征模板的快速比对。本发明自动学得到的虹膜局部定序测量特征鲁棒性好、识别精度高，同时虹膜特征模板比对速度大大提高，有效解决了虹膜识别在大规模数据库情况下的应用难题。本发明可广泛用于使用虹膜进行身份识别和安全性防范的诸多应用系统中。

主权项

一种虹膜图像鲁棒特征选择和快速比对的方法，其特征在于，该方法包括：S1、采用区域多极子定序测量特征对虹膜纹理进行表达；具体包括：S11、将虹膜图像沿半径和角度方向进行分割，划分出虹膜图像的局部子区域；S12、设计多极子滤波器；S13、采用设计的多极子滤波器对每个局部子区域进行滤波，抽取定序测量特征，用抽取的定序测量特征表达虹膜纹理；S2、采用以相似度为导向的特征选择和融合方法从定序测量特征中选取最优的、分类能力最强的虹膜特征，构建用于最终的虹膜识别的单元分类器组合；其中，选取和构建的过程具体包括：S21、产生训练样本；包括从数据库中选择虹膜图像用作训练集，对选择的虹膜图像进行预处理，在每幅预处理后的图像上抽取局域化的定序测量特征作为待选的特征，并计算任意两幅图像之间的差值图像，将计算任意两幅图像之间差值图像时得到的相似度分数作为该局域定序测量特征的一个训练样本；S22、学习和建立虹膜组合分类器；包括以相似度为导向的特征选择和融合方法通过迭代地调用特征选择器，从候选特征集合里不断选择在当前样本权重分布情况下最优的特征，同时根据该特征在正负样本上的分布来构建相应的单元分类器，并将构建的单元分类器组合成为虹膜组合分类器；S3、基于层次化分类器对虹膜特征模板进行快速比对；具体包括：S31、基于建立的虹膜组合分类器构建层次化虹膜组合分类器；包括：使用虹膜组合分类器对选择出来的定序测量特征进行重新优化组合，把该定序测量特征分成几组，每一组称为一个层次虹膜组合分类器，多组层次虹膜组合分类器构成层次化虹膜组合分类器； S32、使用构建的层次化虹膜组合分类器对输入的虹膜特征模板进行快速比对；包括输入两个待比对的虹膜特征模板，把这两个虹膜特征模板对应的特征依次通过各个层次化虹膜组合分类器，只要任意一层的层次化虹膜组合分类器认为这两个模板不匹配，就直接输出不匹配结果，只有通过所有层次分类器验证的两个模板才认为是相互匹配的两个模板。