專利名稱：一種用于光學體全息虹膜識別的圖像前處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及虹膜識別技術(shù)領(lǐng)域，特別是一種用于光學體全息虹膜識別的圖像前處
理方法。
背景技術(shù)：
虹膜識別具有高準確度、不容易偽造、非侵犯性等優(yōu)勢，被認為是最具有前景的生 物識別技術(shù)。自從虹膜識別開始了商業(yè)化的進程，經(jīng)過多年的發(fā)展，在算法領(lǐng)域技術(shù)上已經(jīng) 日趨成熟。光學體全息圖像識別技術(shù)在達虹膜識別領(lǐng)域的應用可以使得虹膜識別技術(shù)有進 一步的發(fā)展，讓虹膜識別具有同時識別多幅虹膜圖像，提高虹膜識別處理大量虹膜圖像的 能力。虹膜圖像識別的的前處理過程包括了定位、特征提取與編碼。目前比較可靠的虹 膜定位的方法主要有微積分算法方法和邊緣提取與霍夫變換結(jié)合的方法；特征提取方法有 gabor小波和log-gabor濾波等方法。但是現(xiàn)有技術(shù)并沒有把光學體全息圖像識別技術(shù)應用到虹膜識別領(lǐng)域。

發(fā)明內(nèi)容
本發(fā)明提供一種用于光學體全息虹膜識別的圖像前處理方法，以解決現(xiàn)有技術(shù)并 沒有把光學體全息圖像識別技術(shù)應用到虹膜識別領(lǐng)域的技術(shù)問題。本發(fā)明采用的技術(shù)方案如下—種用于光學體全息虹膜識別的圖像前處理方法，對采集的虹膜圖像進行處理， 所述方法包括(11)對采集的虹膜圖像進行虹膜區(qū)域的定位，確定虹膜內(nèi)外邊緣及人眼上下眼 瞼；(12)確定虹膜區(qū)域后，對虹膜進行特征提取與編碼；(13)對編碼后的數(shù)據(jù)進行光學體全息識別二次編碼。作為一種優(yōu)選方案，所述步驟(11)的具體步驟如下首先進行虹膜內(nèi)外邊緣定位，具體步驟如下(211)將采集的虹膜圖像按比例縮??；(212)進行形態(tài)學濾波；(213)按照亮度接近最小值和位置處于圖像的中心附近為依據(jù)將圖像二值化；(214)根據(jù)瞳孔區(qū)域的尺寸和虹膜半徑之間的統(tǒng)計關(guān)系，確定虹膜外邊緣和內(nèi)邊 緣的搜索區(qū)域和搜索半徑；(215)對(212)中所述形態(tài)學濾波之后的圖像使用carmy算子提取邊緣，得到邊緣 圖，并將虹膜外邊緣搜索區(qū)域以外的邊緣點去掉，對所有可能的半徑進行霍夫變換，每一個 可能半徑得到的霍夫變換圖中選取三個亮度最大的峰值作為候選最佳霍夫峰；(216)在所有候選最佳霍夫峰中選取符合最小判斷依據(jù)的峰值點；
(217)在找到外邊緣半徑之后，將(215)中所述邊緣圖放大，并將虹膜內(nèi)邊緣搜索 區(qū)域以外的邊緣點去掉，對所有可能的半徑進行霍夫變換，每一個可能半徑得到的霍夫變 換圖中選取三個亮度最大的峰值作為候選最佳霍夫峰，在所有候選最佳霍夫峰中選取符合 最小判斷依據(jù)的峰值點；進行人眼上下眼瞼定位，具體步驟如下(221)采用霍夫變換進行圓形搜索，離瞳孔圓心最近的圓弧是上眼瞼；(222)對圖像進行180度旋轉(zhuǎn)；(223)采用霍夫變換進行圓形搜索，離瞳孔圓心最近的圓弧是下眼瞼(224)得到定位結(jié)果；作為進一步的優(yōu)選方案，所述步驟(216)和(217)所述的判斷依據(jù)根據(jù)如下方式 判斷確定第j個可能半徑的第i個峰值的亮度為Iu，該峰值到瞳孔中心的距離為， 所有峰值的最大亮度為，到瞳孔中心的最短距離為Dmin，則第i個峰的判斷依據(jù)Si」為
(/ -/..) (D. -D )
Sij = Pi -^7~~“ + Pd vd -其中是亮度標準的權(quán)重，Pd是距離標準的權(quán)重。在 作為一種優(yōu)選方案，對上述步驟(224)得到的定位結(jié)果進行檢查，如果不符合標準，則認為是原始的 虹膜圖像拍攝質(zhì)量不佳，輸出重新進行虹膜圖像采集的提示，所述對定位結(jié)果進行檢查的 具體步驟如下(41)計算定位結(jié)果中瞳孔以內(nèi)的平均亮度，如果高于設定的閾值則輸出重新進行 虹膜圖像采集的提示，否則執(zhí)行步驟(42)；(42)計算瞳孔區(qū)域外一定半徑的圓環(huán)內(nèi)的平均亮度，如果低于設定的閾值則輸出 重新進行虹膜圖像采集的提示，否則執(zhí)行步驟(43)；(43)檢查虹膜外邊緣中心和內(nèi)邊緣中心偏移是否超過閾值，如果超過閾值則輸出 重新進行虹膜圖像采集的提示，否則執(zhí)行步驟(44)；(44)計算上下眼瞼遮蔽的面積占虹膜圓環(huán)面積的百分比，超過閾值則輸出重新進 行虹膜圖像采集的提示。作為一種優(yōu)選方案，所述步驟(12)的具體步驟如下(51)將人眼圖上下眼瞼部分作為噪聲區(qū)域標記起來，并將其刪除；(52)使用仿射變換將虹膜區(qū)域和噪聲區(qū)域變換成矩形；(53)對步驟(52)的圖像做傅立葉變換，在頻域使用log-gabor濾波進行特征提 ??；(54)做傅立葉逆變換，取圖像的實部進行二值化，并將噪聲區(qū)域刪除，得到最后的 特征編碼；作為一種優(yōu)選方案，所述步驟(13)的具體步驟如下(61)將步驟(12)編碼得到的圖像的每個像素，映射到二次編碼圖中，映射方法為 原圖上的一個像素對應寬度為1個像素，高度為多于1個像素的區(qū)域，該區(qū)域稱為二次像 素。二次像素從圖像的上下兩端向圖像中間排列。排列完所有像素之后保持二次編碼圖約
51/3中間區(qū)域沒有二次像素。；(62)將步驟(61)中得到的圖像的行距擴大到多于1個像素。作為進一步的優(yōu)選方案所述步驟(61)將步驟(12)編碼得到的圖像的每個像素，映射成寬度為1個像素， 高度為10 15個像素的區(qū)域；所述步驟(62)將步驟(61)中得到的圖像的行距擴大到15 20個像素。本發(fā)明用于光學體全息虹膜識別的前處理過程，實現(xiàn)了把光學體全息圖像識別技 術(shù)應用到虹膜識別領(lǐng)域。光學體全息虹膜識別技術(shù)是光學體全息圖像識別在虹膜識別中的 應用，具有并行識別虹膜的功能。本發(fā)明針對光學體全息圖像識別的特點對虹膜圖像進行 前處理，具有一般虹膜識別前處理的功能，同時又符合光學體全息圖像識別的要求。采用本 發(fā)明的處理方法，實現(xiàn)虹膜的快速定位，減少計算量、提高計算準確度，同時提高虹膜識別 率。


圖1為形態(tài)學濾波后的人眼圖2為瞳孔大致區(qū)域；
圖3為限制后的邊緣圖4為對圖3進行霍夫變換后的霍夫變換圖
圖5為虹膜編碼示意圖6為原始的人眼圖像；
圖7為采用本發(fā)明對圖6圖像的虹膜定位；
圖8為虹膜定位流程圖9為二次編碼后的輸出圖。
具體實施例方式下面結(jié)合附圖和具體實施例對本發(fā)明進行進一步詳細的說明。本發(fā)明需要完成三個功能虹膜區(qū)域的定位、虹膜特征提取與編碼、光學體全息識 別二次編碼。1.虹膜內(nèi)外邊緣以及上下眼瞼的定位本發(fā)明的虹膜定位算法采用形態(tài)學濾波和hough變換相結(jié)合，通過粗定位減少邊 緣點的數(shù)量以達到減少運算時間，提高運算速度的目的。虹膜定位包括了虹膜內(nèi)外邊緣和 上下眼瞼的定位。虹膜內(nèi)外邊緣定位如圖1 圖4所示。如圖1所示，在進行hough變換之前，首先 將圖像按一定的比例縮小，然后使用形態(tài)學濾波除去不必要的細節(jié)(睫毛、瞳孔內(nèi)的反光 點，皮膚的反光點，虹膜紋理等)，形態(tài)學濾波需要先進行圖像打開然后再進行圖像關(guān)閉，這 些操作都需要一個結(jié)構(gòu)元素來完成。這里采用圓形的結(jié)構(gòu)元素，適當選擇這個結(jié)構(gòu)元素的 半徑，就可以去除圖像中一定尺寸以下的細節(jié)結(jié)構(gòu)，這些結(jié)構(gòu)的邊緣會被弱化，亮度會和附 近的像素相近，在邊緣提取時不會成為邊緣。然后如圖2所示，按照亮度接近最小值和位置處于圖像的中心附近為依據(jù)將圖像
6二值化，找到瞳孔的大致區(qū)域。瞳孔區(qū)域亮度接近最小值，而且不位于人眼圖像的四個邊角 (四個邊角的亮度一般很低，也接近最小值)，經(jīng)過形態(tài)學濾波之后只要符合這兩個條件， 可以保證是瞳孔的大致區(qū)域。根據(jù)瞳孔區(qū)域和的尺寸和虹膜半徑之間的統(tǒng)計關(guān)系(瞳孔的半徑是虹膜半徑的 0. 1 0. 8，虹膜區(qū)域位于全圖縱向的1/3中心和橫向的1/3中心)，這樣就可以大致確定虹 膜外邊緣的搜索區(qū)域和搜索半徑。將得到的瞳孔區(qū)域做以下的處理求出瞳孔區(qū)域的平均 橫縱坐標(即重心)作為瞳孔的大致中心，然后求出瞳孔區(qū)域中各像素離瞳孔中心的最大 距離作為瞳孔的大致半徑按照Daugman教授的研究結(jié)果，瞳孔的半徑是虹膜半徑的0. 1 0. 8。，所以有上述 瞳孔大大致半徑得到虹膜的大致半徑范圍，這范圍內(nèi)的多個整數(shù)就是多個可能的半徑。在找到外邊緣半徑之后，將圖像放大，根據(jù)外邊緣找到內(nèi)邊緣的搜索區(qū)域和搜索 半徑。這是為了讓搜索內(nèi)外邊緣時具有相同的精度。內(nèi)邊緣的半徑比外邊緣要小，所以在 搜尋內(nèi)邊緣時采用更大的比例。一般采用將采集的虹膜圖像放大為兩倍的比例。內(nèi)半徑的 大致范圍就是瞳孔的大致范圍。將這個大致值的0. 5作為可能內(nèi)邊緣半徑的下限，1. 5倍作 為上限，采用和搜索外邊緣相同的方法搜索內(nèi)邊緣。對形態(tài)學濾波之后的圖像使用canny算子提取邊緣，對所有可能的半徑進行霍夫 變換，每一個可能半徑得到的霍夫變換圖中選取三個亮度最大的峰值作為候選最佳霍夫 峰；假設存在10個可能的半徑，則會進行10次霍夫變換，每次使用一個不同的半徑、 得到3個最亮的峰值，總共有3X10 = 30個峰值。然后在這30個峰值之中按照下述判斷 依據(jù)來找出最合適的峰值。判斷依據(jù)通過hough變換每一個可能的半徑會有一個hough變換圖，稱為一層。這樣可以 得到一系列的峰值點。如果只依靠最大亮度來判斷虹膜邊緣是很容易出錯的。在篩選峰值 點的時候加入位置的限制條件將有效的提高定位的準確度。第j層第i個峰的亮度為Iu， 到圖2亮像素中心區(qū)域的距離為Du，所有峰的最大亮度為1_，到圖2亮像素中心區(qū)域的最
短距離為Dmin。第i個峰的判斷依據(jù)為
其中Pi是亮度
標準的權(quán)重，pd是距離標準的權(quán)重。在本文的工作中Pl = o. 3，pD = o. 7。找的最小值 可以確定圓形的圓心和半徑，從而完成邊緣的定位。在上述的過程中不用檢查還有未判斷的半徑，因為半徑的可能范圍是已知的，所 有在此范圍內(nèi)的整數(shù)半徑都要做霍夫變換。上下眼瞼的檢測也是使用hough變換進行圓形的搜索，和虹膜內(nèi)外邊緣檢測不同 的是判斷最佳霍夫峰的標準?；舴蜃儞Q可以知道一個圓形的圓心和半徑，所以上述方法在 確定虹膜內(nèi)邊緣，即瞳孔時就已經(jīng)得出了瞳孔的圓心。在眼瞼檢測中由于眼瞼之上也存在 弧度和眼瞼相近的紋理，所以位置是主要判據(jù)離瞳孔圓心最近的圓弧是眼瞼。最后還要進行定位的檢查。檢查指標有4個a)計算定位結(jié)果中瞳孔以內(nèi)的平均亮度，如果高于設定的閾值則表明瞳孔半徑找 得太大或者眼瞼把瞳孔部分區(qū)域遮蔽了；
b)計算瞳孔區(qū)域外一定半徑的圓環(huán)內(nèi)的平均亮度，如果低于設定的閾值則表明瞳 孔半徑找得太小，上述一定半徑的圓環(huán)一般為瞳孔半徑1. 0倍 1. 3倍的圓環(huán)；c)如果瞳孔定位正確，但是虹膜外邊緣中心和內(nèi)邊緣中心偏移超過閾值，則表明 外邊緣定位錯誤；d)計算上下眼瞼遮蔽的面積占虹膜圓環(huán)面積的百分比，超過閾值則表明眼瞼定位 錯誤或者眼瞼遮蔽虹膜區(qū)域過大。如果這4條指標有一條不合格，將會得到定位失敗的結(jié)果，提示要重新采集虹膜 圖像進行定位。2.虹膜特征提取與編碼算法流程圖如圖5所示(51)將人眼圖上下眼瞼部分作為噪聲區(qū)域標記起來，并將其刪除；(52)使用仿射變換將虹膜區(qū)域和噪聲區(qū)域變換成矩形，如(51)所述，噪聲區(qū)域是 上下眼瞼部分。(51)中將噪聲標記起來的意思是生成一個與原圖相同尺寸的二值化圖像， 該圖上白像素表示在原圖中相同位置的像素是噪聲。(52)中使用放射變換需要將原圖和上 述的噪聲二值化圖都分別變換成矩形；(53)對步驟(52)的圖像做快速傅立葉變換，在頻域使用log-gabor濾波進行特征 提??；(54)做傅立葉逆變換，取圖像的實部進行二值化，并將噪聲區(qū)域刪除，得到最后的 特征編碼；將虹膜圖像中眼瞼遮蓋的部分去掉，然后將定位找到的虹膜部分進行仿射變換得 到Imp，同時將眼瞼部分也做仿射變換，生成一個對應的mask，然后對Imp進行l(wèi)og-Gabor 濾波，并取其實部進行二值化，然后和mask做與運算得到虹膜編碼。3.光學體全息識別二次編碼將特征提取得到的虹膜編碼進行二次編碼。二次編碼后的圖像尺寸由體全息圖像 識別光路中的SLM分辨率決定。這里稱二次編碼之前的輸入圖像為imin，二次編碼后的輸 出圖像為imout。imout的像素數(shù)比imin的大。imin中的一個像素對應imout中的一個 寬度為1像素，高度為10像素的區(qū)域，此區(qū)域稱為二次像素。所以imin中的一行對應在 imout中就成為上下寬度為10像素的條紋。針對光學體全息圖像識別的特點，降低像素之 間的垂直竄擾，imout中的條紋間隔為15像素，并且將imin中的像素排列到imout的上下 兩端，imout的中間不排列imin的像素。實驗證明上述的二次編碼方法在光學體全息圖像識別中可以減低像素之間之間 的竄擾，提高識別率。采用中科院虹膜數(shù)據(jù)庫CASI\versi0n2\devicel\中的37人的虹膜圖 像作為實驗對象。用光學體全息圖像識別方法進行識別，無二次編碼的圖像識別率為91 %， 二次編碼后的識別率為100%。如圖6所示，為原始的人眼圖像，采用圖源為CASI數(shù)據(jù)庫 version2\devicel\0055\0055_005. bmp ；圖7為采用本發(fā)明進行虹膜定位的效果圖。圖8為虹膜定位流程圖，左邊是定位流程，右邊是對應步驟的效果圖。虹膜定位采 用形態(tài)學和hough變換相結(jié)合的方法尋找虹膜的內(nèi)外邊緣和上下眼瞼。先將虹膜圖像進行 形態(tài)學濾波得到定位圖像Imr，去除反光點和睫毛等不需要的細節(jié)，然后再進行二值化，找 出在圖像中心附近的低亮度區(qū)域即為瞳孔的大致區(qū)域，然后找出這一區(qū)域重心C和此區(qū)域測量其橫縱寬度再取兩者平均值作為瞳孔的大致直徑d。將Imr按比例縮小，然后選取以C為中心，直徑為3d的圓形區(qū)域作為虹膜外邊緣定位的目標區(qū)域。使用carmy算子提取Imr 的這部分區(qū)域的邊緣，其他部分先屏蔽掉，得到Imo，然后以d作為參照選取一定的半徑搜 索區(qū)域?qū)mo使用hough變換尋找虹膜的外邊緣。以Imo作為hough變換的對象可以減少 邊緣點的數(shù)量，減少運算的時間，同時屏蔽了其他噪聲，增加了定位的準確性。找到虹膜外 邊緣之后將Imo按比例適當?shù)姆糯?，然后以d為參照劃定一定的范圍作為虹膜內(nèi)邊緣搜索 半徑進行hough變換，尋找虹膜內(nèi)邊緣。這樣做可以保證內(nèi)邊緣的搜索精度和外邊緣是一 致的。根據(jù)虹膜外邊半徑為參照將Imo上半部分一定區(qū)域截取下來，然后以虹膜外邊緣半 徑的一定倍數(shù)為搜索半徑使用hough變換尋找上眼瞼。然后將Imo旋轉(zhuǎn)180度，截取出一 個含有眼瞼的區(qū)域使用同樣的方法搜尋下眼瞼。圖9為二次編碼后的輸出圖imout。
具體編碼時，使用matlab編寫算法源代碼編譯成動態(tài)連接庫供C++調(diào)用處理虹膜 圖像，以CASI數(shù)據(jù)庫versioMVlevicel文件夾中的37人虹膜圖像為實驗對象，進行圖像 前處理后做光學體全息虹膜識別，識別率為100%，平均每幅圖處理時間為3. 6秒。
權(quán)利要求
一種用于光學體全息虹膜識別的圖像前處理方法，對采集的虹膜圖像進行處理，其特征在于，所述方法包括(11)對采集的虹膜圖像進行虹膜區(qū)域的定位，確定虹膜內(nèi)外邊緣及人眼上下眼瞼；(12)確定虹膜區(qū)域后，對虹膜進行特征提取與編碼；(13)對編碼后的數(shù)據(jù)進行光學體全息識別二次編碼。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(11)的具體步驟如下首先進行虹膜內(nèi)外邊緣定位，具體步驟如下(211)將采集的虹膜圖像按比例縮?。?212)進行形態(tài)學濾波；(213)按照亮度接近最小值和位置處于圖像的中心附近為依據(jù)將圖像二值化；(214)根據(jù)瞳孔區(qū)域的尺寸和虹膜半徑之間的統(tǒng)計關(guān)系，確定虹膜外邊緣和內(nèi)邊緣的 搜索區(qū)域和搜索半徑；(215)對(212)中所述形態(tài)學濾波之后的圖像使用carmy算子提取邊緣，得到邊緣圖， 并將虹膜外邊緣搜索區(qū)域以外的邊緣點去掉，對所有可能的半徑進行霍夫變換，每一個可 能半徑得到的霍夫變換圖中選取三個亮度最大的峰值作為候選最佳霍夫峰；(216)在所有候選最佳霍夫峰中選取符合最小判斷依據(jù)的峰值點；(217)在找到外邊緣半徑之后，將(215)中所述邊緣圖放大，并將虹膜內(nèi)邊緣搜索區(qū)域 以外的邊緣點去掉，對所有可能的半徑進行霍夫變換，每一個可能半徑得到的霍夫變換圖 中選取三個亮度最大的峰值作為候選最佳霍夫峰，在所有候選最佳霍夫峰中選取符合最小 判斷依據(jù)的峰值點；進行人眼上下眼瞼定位，具體步驟如下(221)采用霍夫變換進行圓形搜索，離瞳孔圓心最近的圓弧是上眼瞼；(222)對圖像進行180度旋轉(zhuǎn)；(223)采用霍夫變換進行圓形搜索，離瞳孔圓心最近的圓弧是下眼瞼(224)得到定位結(jié)果。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟(216)和(217)所述的判斷依據(jù) 根據(jù)如下方式判斷確定第j個可能半徑的第i個峰值的亮度為Iu，該峰值到瞳孔中心的距離為，所 有峰值的最大亮度為1_，到瞳孔中心的最短距離為Dmin，則第i個峰的判斷依據(jù)S。為 -其中Pl是亮度標準的權(quán)重，pD是距離標準的權(quán)重。
4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，對上述步驟(224)得到的定位結(jié)果進 行檢查，如果不符合標準，則認為是原始的虹膜圖像拍攝質(zhì)量不佳，輸出重新進行虹膜圖像 采集的提示，所述對定位結(jié)果進行檢查的具體步驟如下(41)計算定位結(jié)果中瞳孔以內(nèi)的平均亮度，如果高于設定的閾值則輸出重新進行虹膜 圖像采集的提示，否則執(zhí)行步驟(42)；(42)計算瞳孔區(qū)域外一定半徑的圓環(huán)內(nèi)的平均亮度，如果低于設定的閾值則輸出重新 進行虹膜圖像采集的提示，否則執(zhí)行步驟(43)；(43)檢查虹膜外邊緣中心和內(nèi)邊緣中心偏移是否超過閾值，如果超過閾值則輸出重新進行虹膜圖像采集的提示，否則執(zhí)行步驟(44)；(44)計算上下眼瞼遮蔽的面積占虹膜圓環(huán)面積的百分比，超過閾值則輸出重新進行虹 膜圖像采集的提示。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(12)的具體步驟如下(51)將人眼圖上下眼瞼部分作為噪聲區(qū)域標記起來，并將其刪除；(52)使用仿射變換將虹膜區(qū)域和噪聲區(qū)域變換成矩形；(53)對步驟(52)的圖像做快速傅立葉變換，在頻域使用log-gabor濾波進行特征提??；(54)做傅立葉逆變換，取圖像的實部進行二值化，并將噪聲區(qū)域刪除，得到最后的特征 編碼；
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(13)的具體步驟如下(61)將步驟(12)編碼得到的圖像的每個像素，映射到二次編碼圖中，映射方法為原圖 上的一個像素對應寬度為1個像素，高度為多于1個像素的區(qū)域，該區(qū)域稱為二次像素。二 次像素從圖像的上下兩端向圖像中間排列。排列完所有像素之后保持二次編碼圖約1/3中 間區(qū)域沒有二次像素。；(62)將步驟(61)中得到的圖像的行距擴大到多于1個像素。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于所述步驟(61)將步驟(12)編碼得到的圖像的每個像素，映射成寬度為1個像素，高度 為10 15個像素的區(qū)域；所述步驟(62)將步驟(61)中得到的圖像的行距擴大到15 20個像素。
全文摘要
本發(fā)明涉及虹膜識別技術(shù)領(lǐng)域，特別是一種用于光學體全息虹膜識別的圖像前處理方法，對采集的虹膜圖像進行處理，所述方法包括(11)對采集的虹膜圖像進行虹膜區(qū)域的定位，確定虹膜內(nèi)外邊緣及人眼上下眼瞼；(12)確定虹膜區(qū)域后，對虹膜進行特征提取與編碼；(13)對編碼后的數(shù)據(jù)進行光學體全息識別二次編碼。本發(fā)明用于光學體全息虹膜識別的前處理過程，實現(xiàn)了把光學體全息圖像識別技術(shù)應用到虹膜識別領(lǐng)域。光學體全息虹膜識別技術(shù)是光學體全息圖像識別在虹膜識別中的應用，具有并行識別虹膜的功能。采用本發(fā)明的處理方法，實現(xiàn)虹膜的快速定位，減少計算量、提高計算準確度，同時提高虹膜識別率。
文檔編號G06K9/36GK101866420SQ20101019141
公開日2010年10月20日 申請日期2010年5月28日 優(yōu)先權(quán)日2010年5月28日
發(fā)明者王彪, 黃卓垚 申請人:中山大學