虹膜识别系统和方法以及具有其程序的存储介质

1.一种虹膜识别系统，包括：
特征向量数据库(DB)，其用于预先存储标识个人身份的特征向量；
虹膜图像提取器，其用于提取由外部输入的眼睛图像中的虹膜图像；
特征向量提取器，其用于多次切分虹膜图像提取器所提取的虹膜图 像，通过被多次切分的各个虹膜图像来获得虹膜特征区域，并且通过统 计方法从虹膜特征区域中提取特征向量；以及
识别器，其用于对特征向量提取器所提取的特征向量与特征向量数 据库中存储的特征向量进行比较，从而识别个人身份。
2.如权利要求1所述的虹膜识别系统，其特征在于，所述虹膜图像 提取器包括：
边缘元素检测部分，其用于通过对眼睛图像施用Canny边缘检测法 以检测边缘元素；
分组部分，其用于对所检测到的边缘元素进行分组；
虹膜图像提取部分，其用于通过对经过分组的边缘元素施用二等分 法以提取虹膜图像；以及
归一化部分，其用于通过对所提取的虹膜图像施用弹性体模型而对 所提取的虹膜图像进行归一化。
3.如权利要求2所述的虹膜识别系统，其特征在于，所述弹性体模 型包括多个弹性体，每个所述弹性体都是可纵向伸长的，并且其一端连 接巩膜而另一端连接瞳孔。
4.如权利要求1所述的虹膜识别系统，其特征在于，所述特征向量 提取器包括：
多次切分部分，其用于对虹膜图像提取器所提取的虹膜图像进行小 波包变换从而多次切分所述提取的虹膜图像；
计算部分，其用于为被多次切分的虹膜图像的区域计算能量值；
特征区域提取部分，其用于从被多次切分的虹膜图像的区域中提取 并存储能量值大于预设参考值的区域；以及
特征向量构造部分，其用于将所述被提取并存储的区域切分为多个 子区域，获得所述子区域的平均值和标准偏差值，并且利用所述平均值 和标准偏差值来构造特征向量；
对于由特征区域提取部分提取的区域，以预定的次数重复执行由多 次切分部分实现的小波包变换过程和由计算部分实现的能量值计算过 程，而后将能量值大于参考值的区域存储在特征区域提取部分中。
5.如权利要求4所述的虹膜识别系统，其特征在于，所述计算部分 对各个多次切分区域的能量值求平方，累加平方的能量值，而后将累加 的能量值除以区域数目，由此能够得到结果能量值。
6.如权利要求4所述的虹膜识别系统，其特征在于，所述识别器通 过对特征向量提取部分所提取的特征向量和预先存储在特征向量数据库 中的特征向量施用支持向量机方法来计算特征向量之间的距离，并且如 果所计算出的特征向量之间的距离小于预设参考值则确认个人身份。
7.如权利要求1所述的虹膜识别系统，其特征在于，所述特征向量 提取器包括：
多次切分部分，其用于通过对虹膜图像提取器所提取的虹膜图像施 用Daubechies小波变换而多次切分该提取的虹膜图像，并且从被多次切 分的虹膜图像中提取含有x-轴和y-轴高频分量HH的区域；
计算部分，其用于通过HH区域的特征值来计算虹膜图案的鉴别率 D，并且递增重复次数；
特征区域提取部分，其用于确定预设参考值是否小于鉴别率D或者 重复次数是否小于预设参考次数，如果所述参考值大于鉴别率D或者重 复次数大于所述参考次数则完成其操作，如果所述参考值等于或小于鉴 别率D，或者所述重复次数等于或小于所述参考次数则存储并处理HH 区域的信息，提取具有x-轴和y-轴低频分量的区域LL，选择LL区域作 为新的处理目标图像；以及
特征向量构造部分，其用于将所述被提取并存储的区域切分为多个 子区域，获取所述子区域的平均值和标准偏差值，并且利用所述平均值 和标准偏差值来构造特征向量；
对于被所述特征区域提取部分选择作为新的处理目标图像的区域， 重复执行由多次切分部分实现多次切分过程及其后续过程。
8.如权利要求7所述的虹膜识别系统，其特征在于，所述鉴别率D 是通过对HH区域每个像素的值取平方、而后累加平方值、而后将累加 值除以HH区域的总数所得到的值。
9.如权利要求7所述的虹膜识别系统，其特征在于，所述识别器通 过对特征向量提取器所提取的特征向量和预先存储在特征向量数据库中 的特征向量施用归一化的欧几里德距离和最小距离分类规则而确认个人 身份。
10.如权利要求1所述的虹膜识别系统，其特征在于，所述系统进一 步包括滤波器，其用于对由外部输入的眼睛图像进行滤波，并且将其输 出到所述虹膜图像提取器。
11.如权利要求10所述的虹膜识别系统，其特征在于，所述滤波器 包括：
闪烁检测部分，其用于检测眼睛图像的闪烁；
瞳孔位置检测部分，其用于检测眼睛图像中的瞳孔位置；
垂直分量检测部分，其用于检测边缘的垂直分量；
滤波部分，其用于将通过分别由闪烁检测部分、瞳孔位置检测部分 和垂直分量检测部分检测得到的值分别乘以权值W1、W2和W3而得到 的值大于预设参考值的眼睛图像予以排除，并且将剩余的眼睛图像输出 到所述虹膜图像提取器。
12.如权利要求11所述的虹膜识别系统，其特征在于，当将眼睛图 像切分为M×N个块时，所述闪烁检测装置计算各个原始图像中的块的平 均亮度之和，并输出最大亮度值F1。
13.如权利要求12所述的虹膜识别系统，其特征在于，所述权值 W1的权重与距眼睛图像垂直中心的距离成比例。
14.如权利要求11所述的虹膜识别系统，其特征在于，当将眼睛图 像切分为M×N个块时，所述瞳孔位置检测部分检测出各块平均亮度小于 预设值的块F2。
15.如权利要求14所述的虹膜识别系统，其特征在于，所述权值 W2的权重与距眼睛图像中心的距离成比例。
16.如权利要求11所述的虹膜识别系统，其特征在于，所述垂直分 量检测部分通过Sobel边缘检测法来检测虹膜区域的垂直分量的值F3。
17.如权利要求6所述的虹膜识别系统，其特征在于，无论与距眼睛 图像中心的距离如何，所述权值W3都是相同的。
18.如权利要求1所述的虹膜识别系统，所述系统还包括寄存器，其 用以将特征向量提取器所提取的特征向量记录到所述特征向量数据库 中。
19.如权利要求1所述的虹膜识别系统，所述系统进一步包括拍摄装 置，其用以拍摄个人的眼睛图像并将其输出到滤波器。
20.一种虹膜识别方法，包括如下步骤：
提取自外部输入的眼睛图像中的虹膜图像；
对所提取的虹膜图像进行多次切分，从多次切分的各个虹膜图像中 获得虹膜特征区域，并且通过统计方法从虹膜特征区域提取出特征向量； 以及
对所提取的特征向量与特征向量数据库中存储的特征向量进行比 较，由此识别个人身份。
21.如权利要求20所述的方法，其特征在于，所述提取虹膜图像的 步骤包括如下子步骤：
(a1)通过对眼睛图像施用Canny边缘检测法而检测边缘元素；
(a2)对检测到的边缘元素进行分组；
(a3)通过对经过分组的边缘元素施用二等分法以提取虹膜图像； 以及
(a4)通过对所提取的虹膜图像施用弹性体模型而对所提取的虹膜 图像进行归一化。
22.如权利要求21所述的方法，其特征在于，所述弹性体模型包括 多个弹性体，每个弹性体都是可纵向伸长的，并且其一端连接巩膜而另 一端连接瞳孔。
23.如权利要求20所述的方法，其特征在于，所述提取特征向量的 步骤包括如下子步骤：
(b1)对步骤(a)提取的虹膜图像进行小波包变换从而多次切分所 提取的虹膜图像；
(b2)计算被多次切分的虹膜图像的区域的能量值；
(b3)从被多次切分的虹膜图像的区域中提取并存储能量值大于预 设参考值的区域，并且对所提取区域重复执行小波包变换步骤至能量值 计算步骤；以及
(b4)将所述被提取并存储的区域切分为多个子区域，获得所述子 区域的平均值和标准偏差值，并且利用所述平均值和标准偏差值来构造 特征向量。
24.如权利要求23所述的方法，其特征在于，所述能量值是通过对 被多次切分的区域的能量值取平方、而后累加平方的能量值、而后将该 累加能量值除以区域的总数目所得到的值。
25.如权利要求23所述的方法，其特征在于，所述识别个人身份的 步骤包括：通过对所提取的特征向量和预先存储的特征向量施用支持向 量机方法而计算特征向量之间的距离，并且如果所计算出的特征向量之 间的距离小于预设参考值则确认个人身份。
26.如权利要求20所述的方法，其特征在于，所述提取特征向量的 步骤包括如下子步骤：
(b1)通过对提取的虹膜图像施用Daubechies小波变换而多次切分 虹膜图像提取器所提取的虹膜图像；
(b2)从被多次切分的虹膜图像中提取含有x-轴和y-轴高频分量的 HH区域；
(b3)通过HH区域的特征值来计算虹膜图案的鉴别率D，并且递 增重复次数；
(b4)确定预设参考值是否小于鉴别率D或者重复次数是否小于预 设参考次数；
(b5)如果所述参考值大于鉴别率D或者重复次数大于所述参考次 数，则完成其操作，而如果所述参考值等于或小于鉴别率D，或者所述 重复次数等于或小于所述参考次数，则存储并处理HH区域的信息；
(b6)提取具有x-轴和y-轴低频分量的区域LL；
(b7)选择LL区域作为新的处理目标图像，其中对被选择作为新的 处理目标图像的区域重复执行多次切分步骤及其后续步骤；以及
(b8)将所述被提取并存储的区域切分为多个子区域，获得所述子 区域的平均值和标准偏差值，并且利用所述平均值和标准偏差值来构造 特征向量。
27.如权利要求26所述的方法，其特征在于，所述鉴别率D是通过 对HH区域每个像素的值取平方、而后累加平方值、而后将累加值除以 HH区域的总数所得到的值。
28.如权利要求26所述的方法，其特征在于，所述识别个人身份的 步骤包括这样一个步骤：通过对所提取的特征向量和预先存储的特征向 量施用归一化的欧几里德距离和最小距离分类规则而确认个人身份。
29.如权利要求20所述的方法，所述方法还包括对自外部输入的眼 睛图像进行滤波的步骤。
30.如权利要求29所述的方法，其特征在于，所述滤波步骤包括如 下子步骤：
(c1)检测眼睛图像的闪烁；
(c2)检测眼睛图像中瞳孔的位置；
(c3)检测边缘的垂直分量；
(c4)将通过分别由闪烁检测步骤、瞳孔位置检测步骤和垂直分量 检测步骤所检测到的值分别乘以权值W1、W2和W3所得到的值大于预 设参考值的眼睛图像予以排除，并使用剩余的眼睛图像。
31.如权利要求30所述的方法，其特征在于，所述步骤(c1)包括 如下子步骤：当将眼睛图像切分为M×N个块时，计算在各个原始图像中 的块的平均亮度之和，并且输出最大亮度值F1。
32.如权利要求31所述的方法，其特征在于，所述权值W1的权重 与距眼睛图像垂直中心的距离成比例。
33.如权利要求30所述的方法，其特征在于，所述步骤(c2)包括 如下子步骤：当将眼睛图像切分为M×N个块时，检测出各块的平均亮度 小于预设值的块F2。
34.如权利要求14所述的方法，其特征在于，所述权值W2的权重 与距眼睛图像中心的距离成比例。
35.如权利要求30所述的方法，其特征在于，所述步骤(c3)通过 Sobel边缘检测法来检测虹膜区域的垂直分量的值F3。
36.如权利要求35所述的方法，其特征在于，无论与距眼睛图像中 心的距离如何，所述权值W3都是相同的。
37.如权利要求20所述的方法，所述方法进一步包括记录所提取的 特征向量的步骤。
38.一种其上存储有程序的计算机可读取的存储介质，所述程序包含 如下步骤：
提取自外部输入的眼睛图像中的虹膜图像；
对所提取的虹膜图像进行多次切分，从多次切分的各个虹膜图像中 获得虹膜特征区域，并且通过统计方法从虹膜特征区域提取出特征向量； 以及
对所提取的特征向量与特征向量数据库中存储的特征向量进行比 较，由此识别个人身份。
39.如权利要求38所述的存储介质，其特征在于，所述提取虹膜图 像的步骤包括如下子步骤：
(a1)通过对眼睛图像施用Canny边缘检测方法而检测边缘元素；
(a2)对检测到的边缘元素进行分组；
(a3)通过对经过分组的边缘元素施用二等分法以提取虹膜图像； 以及
(a4)通过对所提取虹膜图像施用弹性体模型而对所提取的虹膜图 像进行归一化。
40.如权利要求39所述的存储介质，其特征在于，所述弹性体模型 包括多个弹性体，每个弹性体都是可纵向伸长的，并且其一端连接巩膜 而另一端连接瞳孔。
41.如权利要求38所述的存储介质，其特征在于，所述提取特征向 量的步骤包括如下子步骤：
(b1)对由所述虹膜图像提取步骤提取的虹膜图像进行小波包变换 从而多次切分所提取的虹膜图像；
(b2)计算被多次切分的虹膜图像的区域的能量值；
(b3)从被多次切分的虹膜图像的区域中提取并存储能量值大于预 设参考值的区域，并且对所提取的区域重复执行小波包变换步骤至能量 值计算步骤；以及
(b4)将所述被提取并存储的区域切分为多个子区域，获得所述子 区域的平均值和标准偏差值，并且利用所述平均值和标准偏差值来构造 特征向量。
42.如权利要求41所述的存储介质，其特征在于，所述能量值是通 过对被多次切分的区域的能量值取平方、而后累加平方的能量值、而后 将累加的能量值除以区域的总数目所得到的值。
43.如权利要求41所述的存储介质，其特征在于，所述识别个人身 份的步骤包括如下子步骤：通过对所提取的特征向量和预先存储的特征 向量施用支持向量机方法而计算特征向量之间的距离，并且如果所计算 出的特征向量之间的距离小于预设参考值则确认个人身份。
44.如权利要求38所述的存储介质，其特征在于，所述提取特征向 量的步骤包括如下子步骤：
(b1)通过对提取的虹膜图像施用Daubechies小波变换而多次切分 虹膜图像提取器所提取的虹膜图像；
(b2)从被多次切分的虹膜图像中提取含有x-轴和y-轴高频分量的 HH区域；
(b3)通过HH区域的特征值来计算虹膜图案的鉴别率D，并且递 增重复次数；
(b4)确定预设参考值是否小于鉴别率D或者重复次数是否小于预 设参考次数；
(b5)如果所述参考值大于鉴别率D或者重复次数大于所述参考次 数，则完成其操作，而如果所述参考值等于或小于鉴别率D，或者所述 重复次数等于或小于所述参考次数，则存储并处理HH区域的信息；
(b6)提取具有x-轴和y-轴低频分量的区域LL；
(b7)选择LL区域作为新的处理目标图像，其中对被选择作为新的 处理目标图像的区域重复执行多次切分步骤及其后续步骤；以及
(b8)将所述被提取并存储的区域切分为多个子区域，获得所述子 区域的平均值和标准偏差值，并且利用所述平均值和标准偏差值来构造 特征向量。
45.如权利要求44所述的存储介质，其特征在于，所述鉴别率D是 通过对HH区域的每个像素的值取平方、而后累加平方值、而后将累加 值除以HH区域的总数所得到的值。
46.如权利要求44所述的存储介质，其特征在于，所述识别个人身 份的步骤包括这样一个步骤：通过对所提取的特征向量和预先存储的特 征向量施用归一化的欧几里德距离和最小距离分类规则而确认个人身 份。
47.如权利要求38所述的存储介质，还包括对自外部输入的眼睛图 像进行滤波的步骤。
48.如权利要求47所述的存储介质，其特征在于，所述滤波步骤包 括如下子步骤：
(c1)检测眼睛图像的闪烁；
(c2)检测眼睛图像中瞳孔的位置；
(c3)检测边缘的垂直分量；
(c4)将通过分别由闪烁检测步骤、瞳孔位置检测步骤和垂直分量 检测步骤所检测到的值分别乘以权值W1、W2和W3所得到的值大于预 设参考值的眼睛图像予以排除，并使用剩余的眼睛图像。
49.如权利要求48所述的存储介质，其特征在于，所述步骤(c1) 包括如下子步骤：当将眼睛图像切分为M×N个块时，计算在各个原始图 像中的块的平均亮度之和，并且输出最大亮度值F1。
50.如权利要求49所述的存储介质，其特征在于，所述权值W1的 权重与距眼睛图像垂直中心的距离成比例。
51.如权利要求51所述的存储介质，其特征在于，所述步骤(c2) 包括如下子步骤：当将眼睛图像切分为M×N个块时，检测出各块的平均 亮度小于预设值的块F2。
52.如权利要求51所述的存储介质，其特征在于，所述权值W2的 权重与距眼睛图像中心的距离成比例。
53.如权利要求48所述的存储介质，其特征在于，所述步骤(c3) 通过Sobel边缘检测法来检测虹膜区域的垂直分量的值F3。
54.如权利要求53所述的存储介质，其特征在于，无论与距眼睛图 像中心的距离如何，所述权值W3都是相同的。
55.如权利要求38所述的存储介质，所述程序进一步包括记录所提 取的特征向量的步骤。

暂无