專利名稱：基于sift 特征包的牛眼虹膜圖像識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及牛眼虹膜圖像識別方法，特別涉及ー種適用于存在旋轉(zhuǎn)、偏移、局部遮擋或尺度不一致的非完美牛眼虹膜圖像的識別方法。
背景技術(shù)：
虹膜識別被認(rèn)為是最可靠的生物特征識別技術(shù)之一，可以廣泛應(yīng)用于身份證件識另|J、礦場出入控制、罪犯跟蹤等方面。與利用指紋、人臉、步態(tài)等其他人體生物特征進(jìn)行身份鑒別的方法相比，使用虹膜進(jìn)行鑒別具有更高的準(zhǔn)確率和更好的防偽性。傳統(tǒng)的動物標(biāo)識主要采用耳標(biāo)等人工標(biāo)簽，容易脫落、遺失，給管理帶來諸多不便。相比傳統(tǒng)的動物標(biāo)識方式，采用虹膜技術(shù)標(biāo)識動物具有安全性好，防偽性強等特征。 然而，與人眼虹膜識別相比，現(xiàn)有的動物虹膜圖像識別技術(shù)至少存在兩個方面的問題第一，在實際應(yīng)用中，待識別動物無法像人一樣主動配合，導(dǎo)致獲取圖像的旋轉(zhuǎn)、偏移、局部遮擋或尺度不一致等情況。第二，現(xiàn)有虹膜定位技術(shù)很難獲得準(zhǔn)確的虹膜外邊緣，進(jìn)而影響歸ー化虹膜圖像的質(zhì)量。在這些情況下，現(xiàn)有技術(shù)很難獲得準(zhǔn)確的識別結(jié)果，從而限制了動物虹膜識別技術(shù)在食品溯源體系中的應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有牛眼虹膜識別技術(shù)存在的問題，提供一種能夠?qū)Ψ峭昝琅Ｑ酆缒D像進(jìn)行準(zhǔn)確識別的方法。本發(fā)明采用的技術(shù)方案是在對本發(fā)明方法進(jìn)行具體描述之前，首先給出相關(guān)定義Ca)非完美牛眼虹膜圖像存在旋轉(zhuǎn)、偏移、局部遮擋或尺度不一致，但內(nèi)邊緣輪廓完整的牛眼虹膜圖像。(b)目標(biāo)牛眼虹膜庫存儲已知身份的牛眼虹膜的圖像庫，待識別圖像通過與該圖像庫對比來確定身份。(c) SIFT特征采用尺度不變特征變換(SIFT，ScaleInvariant Feature Transform)方法獲得的圖像特征描述子。一種基于SIFT特征包的牛眼虹膜圖像識別方法，包括以下步驟(I)若識別機制未訓(xùn)練好，則執(zhí)行步驟2，否則轉(zhuǎn)到步驟10 ；(2)獲得用于獲取SIFT特征包的訓(xùn)練圖像集；
(3)根據(jù)訓(xùn)練圖像集獲取最佳SIFT特征包；(4)獲得目標(biāo)牛眼虹膜庫；(5)對每一幅目標(biāo)牛眼虹膜圖像進(jìn)行預(yù)處理；(6)對每一幅目標(biāo)牛眼虹膜圖像進(jìn)行虹膜內(nèi)邊緣定位；(7)利用SIFT方法獲得每一幅目標(biāo)牛眼虹膜圖像的SIFT特征點；(8)移除虹膜內(nèi)邊緣中的SIFT特征點，得到每一幅目標(biāo)牛眼虹膜圖像的有效SIFT特征點；(9)將每一幅目標(biāo)牛眼虹膜圖像的SIFT特征點與最佳SIFT特征包對比，獲得每一幅目標(biāo)牛眼虹膜圖像的特征直方(10)接收待識別圖像；(11)對待識別圖像進(jìn)行預(yù)處理；(12)對待識別圖像進(jìn)行虹膜內(nèi)邊緣定位；(13)利用SIFT方法獲得待識別圖像的SIFT特征點；(14)移除虹膜內(nèi)邊緣中的SIFT特征點，得到待識別圖像的有效SIFT特征點；(15)將待識別圖像的SIFT特征點與最佳SIFT特征包對比，獲取待識別圖像的特征直方圖；(16)計算待識別圖像與目標(biāo)牛眼虹膜庫中每一幅圖像的直方圖距離；(17)以直方圖距離最小的目標(biāo)牛眼虹膜圖像對應(yīng)的對象作為識別結(jié)果；(18)結(jié)束。作為優(yōu)選，所述的獲取最佳SIFT特征包的步驟是(I)獲得訓(xùn)練圖像集；(2)對每一幅訓(xùn)練牛眼虹膜圖像進(jìn)行預(yù)處理；(3)對每一幅訓(xùn)練牛眼虹膜圖像進(jìn)行虹膜內(nèi)邊緣定位；(4)利用SIFT方法獲得每一幅訓(xùn)練牛眼虹膜圖像的SIFT特征點；(5)移除虹膜內(nèi)邊緣中的SIFT特征點，得到訓(xùn)練圖像的有效SIFT特征點集；(6)合并所有訓(xùn)練圖像的SIFT特征點集，得到訓(xùn)練樣本的SIFT特征點空間；(7)采用K最鄰近法對訓(xùn)練樣本的SIFT特征點空間進(jìn)行聚類分析，得到K個類及對應(yīng)的特征均值；(8)為每ー個特征均值賦予一個標(biāo)簽用以標(biāo)識該特征均值代表的類，得到由K個帶標(biāo)簽的特征均值構(gòu)成的最佳SIFT特征包；(9)結(jié)束。有益效果由于不需要進(jìn)行虹膜外邊緣精確定位和虹膜圖像歸一化，本發(fā)明方法在待識別牛眼虹膜圖像存在旋轉(zhuǎn)、偏移、局部遮擋或尺度 不一致的情況下也能夠較準(zhǔn)確地進(jìn)行識別，有助于提高牛眼虹膜圖像識別的準(zhǔn)確性與可靠性。


圖I是本發(fā)明的基本框 圖2是本發(fā)明方法的詳細(xì)工作流程 圖3是本發(fā)明獲取SIFT特征包的工作流程圖。
具體實施例方式下面結(jié)合附圖和具體實施方式
對本發(fā)明作進(jìn)ー步說明
如圖I所示，通過虹膜圖像采集裝置獲取牛眼虹膜數(shù)字灰度圖像，然后根據(jù)目測對圖像進(jìn)行預(yù)處理獲取圖像的有效區(qū)域。通過虹膜內(nèi)邊緣定位和SIFT特征提取方法獲得有效的牛眼虹膜圖像有效SIFT特征點集合。然后就由識別機制來處理，通常包括獲取虹膜圖像的特征直方圖和與目標(biāo)牛眼虹膜庫中的已有圖像進(jìn)行比對。本發(fā)明的詳細(xì)工作流程如圖2所示。步驟10是初始動作。步驟11判斷識別機制是否訓(xùn)練好，如果是則執(zhí)行步驟21 ;否則執(zhí)行步驟12。步驟12判斷是否已獲得最佳SIFT特征包，如果是則執(zhí)行步驟15 ;否則執(zhí)行步驟13。步驟13獲取用于獲取最佳SIFT特征包的訓(xùn)練圖像集，該圖像集中每個牛眼至少有兩張圖像。步驟14根據(jù)訓(xùn)練圖像集選擇出最佳SIFT特征包，該特征包中包含K個SIFT特征均值，這里K是用戶指定的整數(shù)值，例如1000。這ー選擇過程采用本發(fā)明專門設(shè)計的算法，該步驟在后面的部分結(jié)合圖3進(jìn)行具體介紹。最佳SIFT特征包選擇好后，步驟15獲取目標(biāo)牛眼虹膜庫，該庫中每個牛眼至少有一幅圖像。步驟16對虹膜圖像進(jìn)行預(yù)處理，獲得圖像的有效區(qū)域。這里的通過目測，選擇覆蓋虹膜區(qū)域的最大矩形區(qū)間為圖像的有效區(qū)域。步驟17在圖像的有效區(qū)域內(nèi)對內(nèi)邊緣進(jìn)行定位。這里采用主動輪廓線法對虹膜內(nèi)邊緣進(jìn)行定位。步驟18在圖像的有效區(qū)域內(nèi)用SIFT方法獲得圖像的SIFT特征點。步驟19移除落在虹膜內(nèi)邊緣內(nèi)部的SIFT特征點，獲得有效SIFT特征點集。步驟20,采用近似最鄰近法(ANN, Approximate Nearest Neighbor)將有效SIFT特征點集中的每個特征與最佳SIFT特征包中的特征均值進(jìn)行比對，為每ー個有效SIFT特征點賦上對應(yīng)最佳SIFT特征包中特征均值的標(biāo)簽，并計數(shù)，進(jìn)而獲得對應(yīng)目標(biāo)牛眼虹膜圖像的特征直方圖。步驟21，接收待識別圖像。步驟22、23、24、25、26采用與步驟16、17、18、19、20相同的方法對待識別圖像進(jìn)行預(yù)處理、虹膜內(nèi)邊緣定位、SIFT特征提取、獲得有效SIFT特征點集，最終獲得圖像的特征直方圖。步驟27采用近似最鄰近法比較待識別圖像特征直方圖與目標(biāo)牛眼虹膜庫中各圖像特征直方圖距離。步驟28輸出結(jié)果，直方圖距離最小的目標(biāo)虹膜圖像對應(yīng)的對象為識別結(jié)果。步驟29為結(jié)束狀態(tài)。值得指出的是圖2的步驟13和14專門用于獲得最佳SIFT特征包，該特征包一旦被選擇出來，就能夠直接用于不同的目標(biāo)牛眼虹膜圖像庫。圖3詳細(xì)說明了圖2中的步驟14，該步驟的作用是根據(jù)訓(xùn)練圖像集選擇出具有K個特征均值的最佳SIFT特征包，這里K是用戶指定的整數(shù)值。圖3的步驟1400是 起始狀態(tài)。步驟1401、1402、1403、1404與采用與圖2中的步驟16、17、18、19相同的方法對每一幅訓(xùn)練圖像進(jìn)行預(yù)處理、虹膜內(nèi)邊緣定位、SIFT特征提取，最終對應(yīng)訓(xùn)練圖像的有效SIFT特征點集。步驟1405合并所有訓(xùn)練圖像的SIFT特征點集，得到訓(xùn)練樣本的SIFT特征點空間。步驟1406采用K最鄰近法(KNN，K-Nearest Neighbor)對訓(xùn)練樣本的SIFT特征點空間進(jìn)行聚類分析，得到K個類及對應(yīng)的K個特征均值。這里的K由用戶指定，例如1000。一般而言，根據(jù)SIFT特征點空間大小，K的值在幾百到幾千之間。步驟1407為每ー個特征均值賦予一個標(biāo)簽用以標(biāo)識該特征均值代表的類，這樣就得到由K個帶標(biāo)簽的特征均值構(gòu)成的最佳SIFT特征包。最后，步驟1408為圖3的結(jié)束狀態(tài)。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。本實施例中未明確的各組成部分均可用現(xiàn)有技術(shù)加以實現(xiàn)。
權(quán)利要求
1.基于SIFT特征包的牛眼虹膜圖像識別方法，其特征在于，該方法包括以下步驟 (1)若識別機制未訓(xùn)練好，則執(zhí)行步驟2，否則轉(zhuǎn)到步驟10； (2)獲得用于獲取SIFT特征包的訓(xùn)練圖像集； (3)根據(jù)訓(xùn)練圖像集獲取最佳SIFT特征包； (4)獲得目標(biāo)牛眼虹膜庫； (5)對每一幅目標(biāo)牛眼虹膜圖像進(jìn)行預(yù)處理； (6)對每一幅目標(biāo)牛眼虹膜圖像進(jìn)行虹膜內(nèi)邊緣定位； (7)利用SIFT方法獲得每一幅目標(biāo)牛眼虹膜圖像的SIFT特征點； (8)移除虹膜內(nèi)邊緣中的SIFT特征點，得到每一幅目標(biāo)牛眼虹膜圖像的有效SIFT特征點集； (9)將每一幅目標(biāo)牛眼虹膜圖像的SIFT特征點與最佳SIFT特征包對比，獲得目標(biāo)牛眼虹膜圖像的特征直方圖； (10)接收待識別圖像； (11)對待識別圖像進(jìn)行預(yù)處理； (12)對待識別圖像進(jìn)行虹膜內(nèi)邊緣定位； (13)利用SIFT方法獲得待識別圖像的SIFT特征點； (14)移除虹膜內(nèi)邊緣中的SIFT特征點，得到待識別圖像的有效SIFT特征點集； (15)將待識別圖像的SIFT特征點與最佳SIFT特征包對比，獲取待識別圖像的特征直方圖； (16)計算待識別圖像與目標(biāo)牛眼虹膜庫中每一幅圖像的直方圖距離； (17)以直方圖距離最小的目標(biāo)牛眼虹膜圖像對應(yīng)的對象作為識別結(jié)果； (18)結(jié)束。
2.根據(jù)權(quán)利要求I所述的基于SIFT特征包的牛眼虹膜圖像識別方法，其特征在干，所述的獲取最佳SIFT特征包的步驟是 (1)獲得訓(xùn)練圖像集； (2)對每一幅訓(xùn)練牛眼虹膜圖像進(jìn)行預(yù)處理； (3)對每一幅訓(xùn)練牛眼虹膜圖像進(jìn)行虹膜內(nèi)邊緣定位； (4)利用SIFT方法獲得每一幅訓(xùn)練牛眼虹膜圖像的SIFT特征點； (5)移除虹膜內(nèi)邊緣中的SIFT特征點，得到訓(xùn)練圖像的有效SIFT特征點集； (6)合并所有訓(xùn)練圖像的SIFT特征點集，得到訓(xùn)練樣本的SIFT特征點空間； (7)采用K最鄰近法對訓(xùn)練樣本的SIFT特征點空間進(jìn)行聚類分析，得到K個類及對應(yīng)的特征均值； (8)為每ー個特征均值賦予一個標(biāo)簽用以標(biāo)識該特征均值代表的類，得到由K個帶標(biāo)簽的特征均值構(gòu)成的最佳SIFT特征包； (9)結(jié)束。
全文摘要
本發(fā)明公開了一種基于SIFT特征包的牛眼虹膜圖像識別方法，包括以下步驟對虹膜圖像進(jìn)行預(yù)處理獲取有效區(qū)域；用SIFT方法獲取特征點；用主動輪廓線方法進(jìn)行內(nèi)邊緣定位；移除內(nèi)邊緣內(nèi)的特征點得到有效SIFT特征點集；通過與最佳SIFT特征包對比獲得特征直方圖；計算待識別圖像和目標(biāo)虹膜庫中每一幅圖像的直方圖距離，以直方圖距離最小的目標(biāo)牛眼虹膜圖像對應(yīng)的對象作為識別結(jié)果。本發(fā)明在待識別牛眼虹膜圖像存在旋轉(zhuǎn)、偏移、局部遮擋或尺度不一致的情況下也能夠較準(zhǔn)確地進(jìn)行識別，從而有助于提高牛眼虹膜圖像識別的準(zhǔn)確性和可靠性，推動虹膜識別方法在食品溯源體系中的應(yīng)用。
文檔編號G06K9/00GK102693421SQ20121017702
公開日2012年9月26日 申請日期2012年5月31日 優(yōu)先權(quán)日2012年5月31日
發(fā)明者孫勝楠, 宋陽, 楊世才, 趙林度 申請人:東南大學(xué)