虹膜图像质量评估课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,Ise-Log,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,Ise-Log,Institute of Systems Engineering,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,Ise-Log,Institute of Systems Engineering,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,Ise-Log,Institute of Systems Engineering,Thank You!,http:/,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,Ise-Log,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,虹膜图像质量评估,宋阳,2011/4/22,虹膜图像质量评估宋阳,虹膜图像质量评价的必要性,目前的图像质量评估方法,对于人眼虹膜图像质量的评估方法,影响牛眼虹膜采集的因素,后期工作,目录,虹膜图像质量评价的必要性目录,一、虹膜图像质量评价的必要性,虹膜识别作为一种高度可靠的身份鉴别方法,在应用中的实际识别性能很大程度上与采集的虹膜图像质量密切相关。通过研究虹膜图像质量评价方法去掉不符合识别要求的模糊、严重遮挡和变形等低质量虹膜图像，可以有效地提高虹膜识别系统的性能。,图像质量的好坏将会直接影响后续的操作，质量不合格的图像将会严重影响识别的准确性；而质量好的图像则为后续处理提供了可靠的保障。,一、虹膜图像质量评价的必要性虹膜识别作为一种高度可靠的身份鉴,二、目前的图像质量评估方法,目前存在的图像质量评估方法，按照评估方法来分类，可以分为主观评估和客观评估。主观评估只有一种方式，即一幅图像有多个观察者分别打分，它的平均值即为图像的质量分数；而客观评估则有多种方式，它体现在很多有参照质量评估和无参照质量评估方法中。,主观评估方法,数字图像的主观质量评估就是通过人来观察图像，对图像质量的优劣作出主观的评定。观察者根据一些事先规定的评价尺度或自己的经验，对测试图像按视觉效果提出质量判断，并给出质量评分，对所有观察者给出的分数进行加权平均，所得的结果即为图像的主观质量评估。,二、目前的图像质量评估方法目前存在的图像质量评估方法，按照评,客观评估方法,客观图像评估方法又可以分为有参照质量评估和无参照质量评估方法。,1,、有参照质量评估,峰值信噪比方法,峰值信噪比（,Peak Signal-Noise Ratio,）是一种量化对比压缩图像与源图像的标准方法。对一幅,8,位的灰度图像，信号的峰值是,255,，因此一幅,MN,的,8,位灰度图像,x,和它的重建图像,x,的峰值信噪比由下式计算：,这里,MSE,为均方差，定义为,PSNR,的单位是分贝,(db),。,客观评估方法,2,、无参照质量评估,（,1,）图像灰度梯度向量模方和,对一幅数字图像,f(x,y),，其梯度的模为：,对于图像序列的第,k,幅图像，在某图像窗口,W,内的灰度梯度向量模的和为,G,k,，灰度梯度向量模方和为,G,k,。则,G,k,或,G,k,的值反映了图像序列第,k,幅图像在图像窗口,W,内的灰度变化率大小。一幅图像越模糊，图像中灰度变化率越小，,G,k,或,G,k,的值越小。图像由模糊变清晰时，图像中的灰度变化率由小变大。最大值的,G,k,或,G,k,对应的图像就是最清晰的图像。,2、无参照质量评估,（,2,）,Roberts,梯度和,考虑到,f(x,y),和,f(x+1,y+1),的灰度差的象元位置关系，可采用,Roberts,梯度和：,（2）Roberts梯度和,三、对于人眼虹膜图像质量的评估方法,目前，虹膜图像质量评价的研究仍然有限。现有虹膜质量评估算法实现可分为空域和频域两大类。空域的质量评估算法主要是利用虹膜图像瞳孔、虹膜及巩膜区域的灰度分布特征评价虹膜图像质量；频域算法则通过分析虹膜图像傅立叶变换的频谱能量进行评价。主要算法有以下：,1),卷积核方法,Daugman,通过计算一幅图像傅立叶变换的高频能量来评价图像的清晰程度，高频能量越大则图像越清晰，如果图像能够通过一个最低的判断准则，则该图像用于识别。考虑到图像分辨率比较大则卷积运算速度比较慢，为降低计算的复杂性，,Daugman,采用,88,的卷积核，,Wei,利用,55,的算子进行卷积。,2),边缘锐度方法,Zhang,通过虹膜与瞳孔之间边缘像素的灰度梯度来衡量图像的聚焦程度，他认为对于聚焦较好的清晰虹膜图像，瞳孔和虹膜边界区域的图像灰度变化应当比较快；而对于模糊的虹膜图像，瞳孔到虹膜的灰度变化比较缓慢。,Zhang,以,1/w=Gradient/,（,M,i,M,p,）定义瞳孔到虹膜边缘的灰度变化，称为边缘锐度。该比值越大，图像质量越好。,三、对于人眼虹膜图像质量的评估方法目前，虹膜图像质量评价的研,3),傅立叶频谱分析方法,Ma,等通过分析虹膜图像傅立叶频谱的高、中、低频段分布，用虹膜区域总的频谱能量来区分未遮挡和严重遮挡的虹膜图像,用中频段能量与其他频率能量的比值来区分是清晰的图像还是散焦及运动模糊的虹膜图像。在质量评价时，为了降低傅立叶变换的计算复杂度，仅仅考虑靠近瞳孔两侧的两个,6464,虹膜小区域，通过计算这两个局部区域的质量描述子的均值，作为评价图像质量的标准。最后，对于一个给定的质量描述子，使用支持向量机判断该图像是否为清晰的虹膜图像。,Wei,在对虹膜图像空域滤波后，分别用傅里叶频谱高频、垂直高频能量来评估离焦模糊和运动模糊程度，用虹膜区域的平均灰度值来判断虹膜是否存在遮挡。,冯薪桦等提出了一种分步式的质量评价算法，该方法与,Ma,等的方法类似，在判断虹膜图像是否散焦时很大程度上取决于瞳孔定位的精确度，同时，高频分量的阈值设置需要经过大量的实验才能得出可靠经验值。,3)傅立叶频谱分析方法,4,）基于,WBCT,的评价方法,由于基于小波分析的,Contourlet,变换,(Wavelet-based contourlet transform,WBCT),能有效地反映图像纹理的视觉感知特性，陈瑞在,Gao,等人对数字图像质量评价的基础上，通过对虹膜评估区域进行,WBCT,分解，定义和计算,5,种质量评价指标来评估离焦模糊图像、运动模糊图像、佩带隐形眼镜图像、睫毛和眼睑遮挡图像。,5,）其它方法,邢磊等从自动虹膜识别系统设计的角度出发，提出“图像清晰度”，“内外偏心度”和“虹膜可见度”三个指标进行虹膜图像质量评价。由于要计算图像的灰度共生矩阵导致计算量比较大，因此该方法计算图像清晰度的指标时速度比较慢。,4）基于 WBCT 的评价方法,四、影响牛眼虹膜采集的因素,牛眼虹膜的采集过程相对于人眼采集过程来说，要更加复杂些，采集时相对地影响虹膜图像质量的因素也较多，甚至有些是无法控制的。这些因素有来自采集设备本身设计使用的影响，同时也有来自于牛这种动物自身生理方面以及牛的不配合采集的影响，更有来自于采集时自然环境的影响。其主要表现为以下几个方面,:,（,1,）来自采集设备的设计与使用因素。由于该采集设备是专门为人眼虹膜采集所设计的，采用的内置红外光波长相对于更适应人眼的虹膜反应，其摄像头的焦距也是以拍摄人眼虹膜为依据而设定，因此对于采集相对虹膜纹理较复杂的牛眼虹膜图像时，采集时需更注意拍摄角度，同时该采集设备由于是便携式非接触式的，内置电池使用的时间较短，容易在电量不充分时影响牛眼虹膜图像采集清晰度。,（,2,）来自牛的不配合采集因素。由于牛本身具有易怒的天性，人与牛之间无法交流，眼睛是其极为敏感部位，采集时光照的影响会刺激牛的眼睛，造成其烦躁从而不配合采集虹膜图像。有时甚至会旋转眼球，使得采集设备无法聚焦牛的虹膜。,四、影响牛眼虹膜采集的因素牛眼虹膜的采集过程相对于人眼采集,（,3,）来自牛的生理特征因素。牛的眼睛相对于人的眼睛要大，而且其瞳孔和虹膜占据了眼睛可视的大部分面积，受采集设备限制不太利于采集到完整清晰的虹膜图像,(,只能采集到大部分,),。牛的眼睫毛较长而且浓密，在采集时经常由于光照刺激，造成睫毛遮挡无法采集到虹膜。,（,4,）来自采集环境的因素。采集牛眼时，牛舍光线往往比较昏暗，光照角度的变化、光照强度的变化、运动模糊以及牛瞳孔的过度变形等，都会造成采集虹膜的失败。,（3）来自牛的生理特征因素。牛的眼睛相对于人的眼睛要大，,五、后期工作,充分了解图像质量分析在人眼虹膜方面的运用，结合人眼与牛眼的区别，将图像质量分析运用到牛眼虹膜的质量判定中。,五、后期工作充分了解图像质量分析在人眼虹膜方面的运用，结合人,Thank You!,Thank You!,