【技术实现步骤摘要】
本专利技术属于图像处理领域，尤其涉及一种虹膜边界分割方法、虹膜识别方法及计算机可读存储介质。
技术介绍
1、在日常生活乃至重大安保中，基于人脸、指纹、虹膜等生物识别技术，得到广泛的研究和应用。虹膜的诸多优势使得它被认为是最有发展潜力的生物识别方式，所以对该领域的研究具有重要的理论意义和应用价值。
2、传统的虹膜识别方法是采用手动设计的特征，这类方法往往涉及大量先验知识和中间操作，过程繁琐复杂，面对复杂的虹膜特征，可能导致误差较大、处理速度慢等问题。
3、因此，为了解决传统虹膜识别方法准确度不高的问题，借助深度学习方法处理虹膜数据，并实现一种虹膜识别方法和系统，具有十分重要的现实应用价值。
技术实现思路
1、为克服上述相关技术中的缺陷，一方面，本专利技术提供一种虹膜边界分割方法，具有提取虹膜边界准确性高的优点。
2、为实现上述技术目的，本专利技术提供一种虹膜边界分割方法。所述的一种虹膜边界分割方法对眼睛图像的虹膜区域进行边界检测和边界分割。所述虹膜边界分割方法包括以下步骤：对所述眼睛图像采用加权自适应霍夫变换方法进行处理，获取所述眼睛图像的虹膜区域的粗边界线，并通过所述粗边界线获取中心点。采用椭圆极坐标变换对所述虹膜区域进行处理，获取所述虹膜区域的精边界线。通过所述精边界线对所述眼睛图像进行分割，获取所述虹膜区域的图像。
3、优选地，在对所述眼睛图像采用加权自适应霍夫变换方法进行处理之前，所述虹膜边界分割方法还包括对所述眼睛图像进行预处
4、另一方面，本专利技术提供一种虹膜边界识别方法，所述的虹膜边界识别方法采用上述实施例所述的虹膜边界分割方法。
5、所述虹膜边界识别方法包括：通过所述虹膜边界分割方法对眼睛图像进行处理，获取虹膜图像。对所述虹膜图像采用预先训练的虹膜特征提取模型进行虹膜特征提取，并对提取出的特征进行相似度匹配。对所述对虹膜特征进行定性定量的数据分析，并将获取的数据与提前录入的虹膜匹配。其中，所述虹膜特征提取模型包括resnet-101模型，所述resnet-101模型包括ranger优化器和损失函数lossfl。
6、所述损失函数lossfl为：
7、lossfl＝-αt(1-pt)γlog2(pt)
8、
9、式中，y为类别；pt为样本与类别y的接近程度；p为预测结果的概率；αt是用于平衡正负样本不均的权值因子；γ的正取值能减少易区分样本的损失，更关注难区分样本。
10、优选地，在通过所述虹膜边界分割方法对眼睛图像进行处理，获取虹膜图像之前，所述虹膜边界识别方法还包括对所述眼睛图像进行预处理。
11、对所述眼睛图像进行预处理包括如下步骤：对所述眼睛图像的样本进行进行扩充处理。对所述虹膜图像进行去噪处理。
12、优选地，在对所述虹膜图像采用预先训练的虹膜特征提取模型进行虹膜特征提取之前，所述虹膜边界识别方法还包括对虹膜区域的图像进行预处理。
13、对虹膜区域的图像进行预处理的方法包括如下步骤：对所述虹膜区域的图像进行归一化处理，将虹膜由环状变换为矩形虹膜图像。对所述矩形虹膜图像进行图像增强。
14、优选地，对所述虹膜区域的图像进行归一化处理的方法包括daugman橡胶片模型方法。
15、优选地，对所述矩形虹膜图像进行图像增强的方法包括对比度限制自适应直方图均衡化方法。
16、另一方面，本专利技术还提供一种计算机可读存储介质。所述计算机可读存储介质存储有计算机程序指令，所述计算机程序指令在计算机上运行时，使得所述计算机执行如上述实施例中任一项所述的虹膜边界识别方法。
17、再一方面，本专利技术还提供一种计算机程序产品。存储在非瞬时性的计算机可读存储介质上。所述计算机程序产品包括计算机程序指令，在计算机上执行所述计算机程序指令时，所述计算机程序指令使计算机执行如上述实施例中任一项所述的虹膜边界识别方法。
18、本专利技术的有益效果在于：
19、本专利技术所述的虹膜边界分割方法，采用加权自适应霍夫变换对眼睛图像进行处理，对眼睛图像中的虹膜区域的边缘进行粗边界线提取，通过粗边界线可以获取虹膜区域的中心点。以虹膜区域的中心点对眼睛图像进行椭圆极坐标变换，可以获取虹膜的精边界线，有效地解决了虹膜边界检测分割不佳的问题。
20、本专利技术所述的虹膜边界识别方法深度网络学习模型进行特征识别和提取，其中，深度网络学习模型采用resnet-101模型，本专利技术中，对resnet-101模型提出损失函数和优化器组合，可以对虹膜图像的识别高准确率，解决了传统虹膜识别方法精度不高的问题，具有重要实践意义。
本文档来自技高网...【技术保护点】
1.一种虹膜边界分割方法，对眼睛图像的虹膜区域进行边界检测和边界分割，其特征在于，所述虹膜边界分割方法包括以下步骤：
2.根据权利要求1所述的虹膜边界分割方法，其特征在于，在对所述眼睛图像采用加权自适应霍夫变换方法进行处理之前，所述虹膜边界分割方法还包括对所述眼睛图像进行预处理；
3.一种虹膜边界识别方法，采用上述权利要求1或2所述的虹膜边界分割方法，其特征在于，所述虹膜边界识别方法包括：
4.根据权利要求3所述的虹膜边界识别方法，其特征在于，在对所述虹膜图像采用预先训练的虹膜特征提取模型进行虹膜特征提取之前，所述虹膜边界识别方法还包括对虹膜区域的图像进行预处理；
5.根据权利要求4所述的虹膜边界识别方法，其特征在于，对所述虹膜区域的图像进行归一化处理的方法包括Daugman橡胶片模型方法。
6.根据权利要求4所述的虹膜边界识别方法，其特征在于，对所述矩形虹膜图像进行图像增强的方法包括对比度限制自适应直方图均衡化方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序指令，所述计
8.一种计算机程序产品，其特征在于，存储在非瞬时性的计算机可读存储介质上。所述计算机程序产品包括计算机程序指令，在计算机上执行所述计算机程序指令时，所述计算机程序指令使计算机执行如上述权利要求3至6任一项所述的虹膜边界识别方法。
...【技术特征摘要】
1.一种虹膜边界分割方法，对眼睛图像的虹膜区域进行边界检测和边界分割，其特征在于，所述虹膜边界分割方法包括以下步骤：
2.根据权利要求1所述的虹膜边界分割方法，其特征在于，在对所述眼睛图像采用加权自适应霍夫变换方法进行处理之前，所述虹膜边界分割方法还包括对所述眼睛图像进行预处理；
3.一种虹膜边界识别方法，采用上述权利要求1或2所述的虹膜边界分割方法，其特征在于，所述虹膜边界识别方法包括：
4.根据权利要求3所述的虹膜边界识别方法，其特征在于，在对所述虹膜图像采用预先训练的虹膜特征提取模型进行虹膜特征提取之前，所述虹膜边界识别方法还包括对虹膜区域的图像进行预处理；
5.根据权利要求4所述的虹膜边界识别方法，其特征...
【专利技术属性】
技术研发人员：续欣莹，刘茜娜，谢珺，赵文涛，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。