虹膜圖像質(zhì)量評估

1、虹膜圖像質(zhì)量評估宋陽2011/4/222 虹膜圖像質(zhì)量評價的必要性 目前的圖像質(zhì)量評估方法 對于人眼虹膜圖像質(zhì)量的評估方法 影響牛眼虹膜采集的因素 后期工作目錄3一、虹膜圖像質(zhì)量評價的必要性 虹膜識別作為一種高度可靠的身份鑒別方法, 在應(yīng)用中的實際識別性能很大程度上與采集的虹膜圖像質(zhì)量密切相關(guān)。 通過研究虹膜圖像質(zhì)量評價方法去掉不符合識別要求的模糊、嚴重遮擋和變形等低質(zhì)量虹膜圖像， 可以有效地提高虹膜識別系統(tǒng)的性能。 圖像質(zhì)量的好壞將會直接影響后續(xù)的操作，質(zhì)量不合格的圖像將會嚴重影響識別的準確性；而質(zhì)量好的圖像則為后續(xù)處理提供了可靠的保障。4二、目前的圖像質(zhì)量評估方法 目前存在的圖像質(zhì)量評估方

2、法，按照評估方法來分類，可以分為主觀評估和客觀評估。主觀評估只有一種方式，即一幅圖像有多個觀察者分別打分，它的平均值即為圖像的質(zhì)量分數(shù)；而客觀評估則有多種方式，它體現(xiàn)在很多有參照質(zhì)量評估和無參照質(zhì)量評估方法中。 主觀評估方法 數(shù)字圖像的主觀質(zhì)量評估就是通過人來觀察圖像，對圖像質(zhì)量的優(yōu)劣作出主觀的評定。觀察者根據(jù)一些事先規(guī)定的評價尺度或自己的經(jīng)驗，對測試圖像按視覺效果提出質(zhì)量判斷，并給出質(zhì)量評分，對所有觀察者給出的分數(shù)進行加權(quán)平均，所得的結(jié)果即為圖像的主觀質(zhì)量評估。5 客觀評估方法 客觀圖像評估方法又可以分為有參照質(zhì)量評估和無參照質(zhì)量評估方法。1、有參照質(zhì)量評估 峰值信噪比方法 峰值信噪比（Pe

3、ak Signal-Noise Ratio）是一種量化對比壓縮圖像與源圖像的標準方法。對一幅8位的灰度圖像，信號的峰值是255，因此一幅MN的8位灰度圖像x和它的重建圖像x的峰值信噪比由下式計算： 這里MSE為均方差，定義為 PSNR的單位是分貝(db)。62、無參照質(zhì)量評估（1）圖像灰度梯度向量模方和 對一幅數(shù)字圖像f (x ,y)，其梯度的模為： 對于圖像序列的第k幅圖像，在某圖像窗口W內(nèi)的灰度梯度向量模的和為Gk，灰度梯度向量模方和為Gk。則 Gk或Gk的值反映了圖像序列第k幅圖像在圖像窗口W內(nèi)的灰度變化率大小。一幅圖像越模糊，圖像中灰度變化率越小， Gk或Gk的值越小。圖像由模糊變清晰

4、時，圖像中的灰度變化率由小變大。最大值的Gk或Gk對應(yīng)的圖像就是最清晰的圖像。7（2）Roberts梯度和考慮到f (x ,y)和f (x +1,y+1)的灰度差的象元位置關(guān)系，可采用Roberts梯度和：8三、對于人眼虹膜圖像質(zhì)量的評估方法目前，虹膜圖像質(zhì)量評價的研究仍然有限?，F(xiàn)有虹膜質(zhì)量評估算法實現(xiàn)可分為空域和頻域兩大類。空域的質(zhì)量評估算法主要是利用虹膜圖像瞳孔、虹膜及鞏膜區(qū)域的灰度分布特征評價虹膜圖像質(zhì)量；頻域算法則通過分析虹膜圖像傅立葉變換的頻譜能量進行評價。主要算法有以下： 1) 卷積核方法 Daugman通過計算一幅圖像傅立葉變換的高頻能量來評價圖像的清晰程度，高頻能量越大則圖像越

5、清晰，如果圖像能夠通過一個最低的判斷準則，則該圖像用于識別。考慮到圖像分辨率比較大則卷積運算速度比較慢，為降低計算的復(fù)雜性，Daugman采用88 的卷積核，Wei利用 55 的算子進行卷積。 2) 邊緣銳度方法 Zhang通過虹膜與瞳孔之間邊緣像素的灰度梯度來衡量圖像的聚焦程度，他認為對于聚焦較好的清晰虹膜圖像，瞳孔和虹膜邊界區(qū)域的圖像灰度變化應(yīng)當比較快；而對于模糊的虹膜圖像，瞳孔到虹膜的灰度變化比較緩慢。Zhang以 1/w=Gradient/（Mi Mp）定義瞳孔到虹膜邊緣的灰度變化，稱為邊緣銳度。該比值越大，圖像質(zhì)量越好。9 3) 傅立葉頻譜分析方法 Ma等通過分析虹膜圖像傅立葉頻譜的

6、高、中、低頻段分布，用虹膜區(qū)域總的頻譜能量來區(qū)分未遮擋和嚴重遮擋的虹膜圖像, 用中頻段能量與其他頻率能量的比值來區(qū)分是清晰的圖像還是散焦及運動模糊的虹膜圖像。在質(zhì)量評價時，為了降低傅立葉變換的計算復(fù)雜度，僅僅考慮靠近瞳孔兩側(cè)的兩個 6464 虹膜小區(qū)域，通過計算這兩個局部區(qū)域的質(zhì)量描述子的均值，作為評價圖像質(zhì)量的標準。最后，對于一個給定的質(zhì)量描述子，使用支持向量機判斷該圖像是否為清晰的虹膜圖像。 Wei在對虹膜圖像空域濾波后，分別用傅里葉頻譜高頻、垂直高頻能量來評估離焦模糊和運動模糊程度，用虹膜區(qū)域的平均灰度值來判斷虹膜是否存在遮擋。 馮薪樺等提出了一種分步式的質(zhì)量評價算法，該方法與Ma等的方

7、法類似，在判斷虹膜圖像是否散焦時很大程度上取決于瞳孔定位的精確度，同時，高頻分量的閾值設(shè)置需要經(jīng)過大量的實驗才能得出可靠經(jīng)驗值。10 4）基于 WBCT 的評價方法 由于基于小波分析的Contourlet變換(Wavelet-based contourlet transform, WBCT)能有效地反映圖像紋理的視覺感知特性，陳瑞在Gao等人對數(shù)字圖像質(zhì)量評價的基礎(chǔ)上，通過對虹膜評估區(qū)域進行WBCT分解，定義和計算5種質(zhì)量評價指標來評估離焦模糊圖像、運動模糊圖像、佩帶隱形眼鏡圖像、睫毛和眼瞼遮擋圖像。 5）其它方法 邢磊等從自動虹膜識別系統(tǒng)設(shè)計的角度出發(fā)，提出“圖像清晰度”，“內(nèi)外偏心度”和“

8、虹膜可見度”三個指標進行虹膜圖像質(zhì)量評價。由于要計算圖像的灰度共生矩陣導(dǎo)致計算量比較大，因此該方法計算圖像清晰度的指標時速度比較慢。11四、影響牛眼虹膜采集的因素牛眼虹膜的采集過程相對于人眼采集過程來說，要更加復(fù)雜些，采集時相對地影響虹膜圖像質(zhì)量的因素也較多，甚至有些是無法控制的。這些因素有來自采集設(shè)備本身設(shè)計使用的影響，同時也有來自于牛這種動物自身生理方面以及牛的不配合采集的影響，更有來自于采集時自然環(huán)境的影響。其主要表現(xiàn)為以下幾個方面: （1）來自采集設(shè)備的設(shè)計與使用因素。由于該采集設(shè)備是專門為人眼虹膜采集所設(shè)計的，采用的內(nèi)置紅外光波長相對于更適應(yīng)人眼的虹膜反應(yīng)，其攝像頭的焦距也是以拍攝人

9、眼虹膜為依據(jù)而設(shè)定，因此對于采集相對虹膜紋理較復(fù)雜的牛眼虹膜圖像時，采集時需更注意拍攝角度，同時該采集設(shè)備由于是便攜式非接觸式的，內(nèi)置電池使用的時間較短，容易在電量不充分時影響牛眼虹膜圖像采集清晰度。 （2）來自牛的不配合采集因素。由于牛本身具有易怒的天性，人與牛之間無法交流，眼睛是其極為敏感部位，采集時光照的影響會刺激牛的眼睛，造成其煩躁從而不配合采集虹膜圖像。有時甚至?xí)D(zhuǎn)眼球，使得采集設(shè)備無法聚焦牛的虹膜。 12 （3）來自牛的生理特征因素。牛的眼睛相對于人的眼睛要大，而且其瞳孔和虹膜占據(jù)了眼睛可視的大部分面積，受采集設(shè)備限制不太利于采集到完整清晰的虹膜圖像(只能采集到大部分)。牛的眼睫毛較長而且濃密，在采集時經(jīng)常由于光照刺激，造成睫毛遮擋無法