融合图像质量评价的可见光虹膜定位方法研究
发布时间：2021-07-21 01:22
随着经济与科技的高速发展,个人信息的安全性越来越受到重视,这使得生物识别技术快速发展并逐渐成熟。在智能移动终端中实现可见光下的虹膜身份识别是其中热度较高的研究课题之一。因此本文将适用于可见光条件的移动端虹膜识别系统作为课题背景,研究虹膜图像质量评价与虹膜定位方法。虹膜图像质量评价与虹膜定位是虹膜识别系统中的重要步骤。智能移动终端所获取的可见光图像易受干扰而无法准确定位,即使定位成功,所获图像的纹理信息也可能因光照问题而无法满足识别需求。为解决上述问题,本文利用智能移动终端的视频采集功能,面向多帧序列虹膜图像,提出一种结合图像质量评价与虹膜区域定位的级联型框架,在实现虹膜图像质量评价的同时完成虹膜区域定位,以保证虹膜定位的准确性和虹膜纹理信息的可靠性。该方法首先采用Tenegrad清晰评价函数对图像进行虹膜图像质量评价,排除因运动或者失焦引起的模糊图像。然后建立一个HOG+SVM分类模型实现虹膜初定位,从人眼图像中初步定位虹膜区域,排除人脸面部与眉毛等非虹膜区域。再采用小波变换提取出虹膜区域的小波系数,构成特征向量输入BP神经网络进行虹膜纹理质量评价,以排除虹膜纹理不清晰图像。最后采用拟...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
MICHE-I虹膜数据库Fig.1.1MICHE-IirisdatabaseiPhone5SamsungGalaxyS4
沈阳工业大学硕士学位论文6这四种条件下的8张虹膜图像，前置摄像头所拍摄的图像尺寸大小为9601280，后置摄像头所拍摄的图像尺寸大小为1536*2048。SamsungGalaxyS4图库图像的采集环境与iPhone5图库采集环境相同，前置摄像头所拍摄的图像尺寸大小为1080*1920，后置摄像头所拍摄的图像尺寸大小为2322*4128。1.4.2UBIRIS.v2虹膜数据库UBIRIS虹膜识别数据库是2005年葡萄牙BeiriaInterior大学为了评估在远离理想成像条件下可见光虹膜识别的可行性所构建的数据库，该数据库中包含受成像距离、主题视角和光照条件影响的各种非理想图像。该库主要由UBIRIS.v1和UBIRIS.v2两个库构成，其中UBIRIS.v2是在非约束条件（远距离，移动和可见波长）下捕获的图像，具有更现实的噪声因子。UBIRIS.v2数据库中的图像均由佳能EOS5D设备在自然光和人造光源下采集，其中一共采集了261个志愿者，拉丁美洲的白种人占约90%，黑人占约8%和亚裔占约2%。为了增加异质性，每个志愿者分两个阶段采集图像，从第一阶段到第二阶段，采集设备和人造光源的位置和方向会发生变化。在采集过程中，要求志愿者以比正常速度稍慢的速度行走，并观察迫使他们旋转头部和眼睛的多个横向标记，从而能够在8米至4米之间手动捕获每米3幅图像，从而获得总共15幅图像，总计11102幅虹膜图像。UBIRIS.v2数据库的图像采集框架与人工裁剪合成图像的细节如表1.1所示，图1.2为该虹膜数据中的虹膜图像。表1.1UBIRIS.v2数据库图像采集框架Tab.1.1UBIRIS.v2databaseimageacquisitionframework相机名称颜色表示快门速度曝光时间焦距格式像素分辨率佳能EOS5DRGB1/197秒1/200秒400毫米tiff300*400图1.2UBIRIS.v2虹膜数据库Fig.1.2UBIRIS.v2irisdatabase
第2章虹膜图像增强与光斑消除9图2.1Retinex原理图Fig.2.1Retinexschematicdiagram对于人眼所看到的颜色来说，环境光照和物体表面反射光能力决定进入人眼中的物体的亮度。因此，Retinex算法的数学表达式可以表示为式（2.1）：S(x,y)L(x,y)R(x,y)（2.1）在处理过程中，为减轻计算压力，通常在对数域内进行计算，即对式（2.1）两边取对数进行计算，如式（2.2）所示：Log[R(x,y)]Log[S(x,y)]Log[L(x,y)]（2.2）其中，S(x,y)表示原始虹膜图像，L(x,y)表示估计后的光照图像，R(x,y)表示增强后虹膜图像。其具体步骤如下所示：（1）读入原始虹膜图像S(x,y)，并输入高斯模糊半径；（2）根据输入的高斯模糊半径，对图像进行高斯模糊得到估计后的光照图像L(x,y)；（3）将高斯模糊后的图像L(x,y)代入式（2.2）中，得到增强后的虹膜图像Log[R(x,y)]；（4）将Log[R(x,y)]量化映射到0~255的像素值之内，得到增前后虹膜图像。单尺度Retinex增强算法选用的高斯函数导致增强后图像不能同时满足大幅度压缩与对比度增强，为使两种增强效果都得到保证，需选择合适的高斯模糊半径值，半径值在80~100之间进行选龋对于最后一步Log[R(x,y)]的量化映射方法有很多种，其中比较简单是通过统计出反射图像的最大值（Max）及最小值（Min），量化每个像素的灰度值value得到增强后的虹膜图像R(x,y)的灰度。数学表达式如式（2.3）所示：
本文编号：3294010
【文章来源】：沈阳工业大学辽宁省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
MICHE-I虹膜数据库Fig.1.1MICHE-IirisdatabaseiPhone5SamsungGalaxyS4
沈阳工业大学硕士学位论文6这四种条件下的8张虹膜图像，前置摄像头所拍摄的图像尺寸大小为9601280，后置摄像头所拍摄的图像尺寸大小为1536*2048。SamsungGalaxyS4图库图像的采集环境与iPhone5图库采集环境相同，前置摄像头所拍摄的图像尺寸大小为1080*1920，后置摄像头所拍摄的图像尺寸大小为2322*4128。1.4.2UBIRIS.v2虹膜数据库UBIRIS虹膜识别数据库是2005年葡萄牙BeiriaInterior大学为了评估在远离理想成像条件下可见光虹膜识别的可行性所构建的数据库，该数据库中包含受成像距离、主题视角和光照条件影响的各种非理想图像。该库主要由UBIRIS.v1和UBIRIS.v2两个库构成，其中UBIRIS.v2是在非约束条件（远距离，移动和可见波长）下捕获的图像，具有更现实的噪声因子。UBIRIS.v2数据库中的图像均由佳能EOS5D设备在自然光和人造光源下采集，其中一共采集了261个志愿者，拉丁美洲的白种人占约90%，黑人占约8%和亚裔占约2%。为了增加异质性，每个志愿者分两个阶段采集图像，从第一阶段到第二阶段，采集设备和人造光源的位置和方向会发生变化。在采集过程中，要求志愿者以比正常速度稍慢的速度行走，并观察迫使他们旋转头部和眼睛的多个横向标记，从而能够在8米至4米之间手动捕获每米3幅图像，从而获得总共15幅图像，总计11102幅虹膜图像。UBIRIS.v2数据库的图像采集框架与人工裁剪合成图像的细节如表1.1所示，图1.2为该虹膜数据中的虹膜图像。表1.1UBIRIS.v2数据库图像采集框架Tab.1.1UBIRIS.v2databaseimageacquisitionframework相机名称颜色表示快门速度曝光时间焦距格式像素分辨率佳能EOS5DRGB1/197秒1/200秒400毫米tiff300*400图1.2UBIRIS.v2虹膜数据库Fig.1.2UBIRIS.v2irisdatabase
第2章虹膜图像增强与光斑消除9图2.1Retinex原理图Fig.2.1Retinexschematicdiagram对于人眼所看到的颜色来说，环境光照和物体表面反射光能力决定进入人眼中的物体的亮度。因此，Retinex算法的数学表达式可以表示为式（2.1）：S(x,y)L(x,y)R(x,y)（2.1）在处理过程中，为减轻计算压力，通常在对数域内进行计算，即对式（2.1）两边取对数进行计算，如式（2.2）所示：Log[R(x,y)]Log[S(x,y)]Log[L(x,y)]（2.2）其中，S(x,y)表示原始虹膜图像，L(x,y)表示估计后的光照图像，R(x,y)表示增强后虹膜图像。其具体步骤如下所示：（1）读入原始虹膜图像S(x,y)，并输入高斯模糊半径；（2）根据输入的高斯模糊半径，对图像进行高斯模糊得到估计后的光照图像L(x,y)；（3）将高斯模糊后的图像L(x,y)代入式（2.2）中，得到增强后的虹膜图像Log[R(x,y)]；（4）将Log[R(x,y)]量化映射到0~255的像素值之内，得到增前后虹膜图像。单尺度Retinex增强算法选用的高斯函数导致增强后图像不能同时满足大幅度压缩与对比度增强，为使两种增强效果都得到保证，需选择合适的高斯模糊半径值，半径值在80~100之间进行选龋对于最后一步Log[R(x,y)]的量化映射方法有很多种，其中比较简单是通过统计出反射图像的最大值（Max）及最小值（Min），量化每个像素的灰度值value得到增强后的虹膜图像R(x,y)的灰度。数学表达式如式（2.3）所示：
本文编号：3294010
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3294010.html
最近更新
教材专著
