本发明涉及虹膜隐私保护，具体为一种利用相似特征结构进行虹膜保护方法。
背景技术：
1、生物识别技术广泛应用于身份认证。人类生物通常具有独特、遗传、稳定性高的特点。因此，生物特征认证技术比传统认证技术具有更大的优势。针对生物特征识别的生物特征包括手形、指纹、脸形、虹膜、视网膜、脉搏、耳朵等。与其他生物识别技术相比，虹膜具有独特的模式，虹膜识别最方便，准确度高，且难以伪造。让你的虹膜与别人的相似是很困难的。
2、然而隐私和安全始终是重要问题。虽然虹膜识别有很大的优势，但也存在安全问题。在技术快速发展和网络进步以及相机和手机像素精度急剧提高的时代，技术使得从生活中获取生物识别图像成为可能(例如微信、instagram等)。使虹膜信息等更容易被截取、非法利用，造成严重后果。
3、在隐私保护领域，一些基于虹膜隐私保护算法的研究已经取得了一定的成果。然而，现有技术大多存在下列问题：忽略虹膜信息在社交网络和社交网络中被窃取和利用的风险，忽略了虹膜畸变的可能，虹膜图像利用加密算法缺导致图像失真的问题，为此提供了一种利用相似特征结构进行虹膜保护方法。
技术实现思路
1、本发明的目的是针对现有技术的缺陷，提供一种利用相似特征结构进行虹膜保护方法，以解决上述背景技术提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种利用相似特征结构进行虹膜保护方法，具体步骤如下：
3、s1：采集高清晰度虹膜图像，并采用高斯滤波器技术设计去噪算法，平滑图像并保留边缘特征，有效去除各种干扰噪声，获得清晰度高，噪声低的虹膜图像；
4、s2：使用canny边缘检测算法对降噪后的图像进行数据处理，以高准确率识别出虹膜和瞳孔的精确边界，定义虹膜区域的精确范围，获得了有着明显线条的虹膜和瞳孔边界并提供最优边缘检测算法；
5、s3：通过霍夫变化识别和定位虹膜以及瞳孔的圆形边界，精确提取关键虹膜特征边缘，通过微分近似法检测虹膜特征，创新性的使用加权随机采样的方法向虹膜特征部分巧妙加入噪声，控制失真增强隐私；
6、s4：利用尺度不变特征变化(sift)检测方法和特征匹配来比较添加虹膜噪声之前和之后的相似度，对比相似度检测和特征比较的结果，确认了方法的高效性，证明了即便在加入随机噪声后，系统依然能够准确无误地识别虹膜特征。
7、作为本发明的一种优选技术方案，步骤s1采用高斯滤波器技术对采集的虹膜图像降噪，包括如下步骤：
8、s11：选择合适的高斯滤波器参数，包括确定核大小和标准差，决定了滤波器窗口的范围和控制高斯核的扩散程度；
9、s12：根据所选的核大小和标准差构建高斯核，利用距离核中心的位置以及高斯函数的标准差来计算二维数组中每个元素的值，高斯公式函数如下：
10、
11、其中(x)和(y)代表距离核中心的横纵距离，(σ)是高斯分布发的标准差，π是数字常数值，用于规范化函数，确保整个空间上的积分总和为1；
12、s13：将构建好的高斯核应用到每个像素上，对于图像中的每个像素，用高斯核覆盖该像素及其周围的像素，然后计算加权平均值，此值作为新的像素值。
13、作为本发明的一种优选技术方案，步骤s2中使用canny边缘检测来识别图像的边界，包括如下步骤：
14、s21：使用sobel算子在水平和垂直方向上计算图像梯度的幅度和方向，帮助确定边界的可能方向，这两个算子如下所示：
15、
16、s22：对图像的每一个像素，分别用这两个sobel算子卷积，计算水平和垂直方向上的梯度，应用以上矩阵通过在图像上滑动窗口来完成；对于图像中的每个像素点[i(x,y)]，计算得到的水平和垂直梯度分别为[g_x(x,y)]和[g_y(x,y)]；对于每个像素点，根据其水平和垂直梯度计算总的梯度幅度和方向，梯度幅度用于表示边缘的强度，而梯度方向指示边缘的方向，计算公式如下：
17、梯度幅度:
18、梯度方向：其中，(θ(x,y))通常会被量化到四个方向中的一个，四个方向分别为0°、45°、90°和135°；
19、s23：采用非极大值压抑规则过滤掉不是边缘的点，使得边缘的宽度小至一个像素，对图像的每个像素进行遍历，根据当前像素的梯度方向，比较它在该方向上的两侧邻近像素的梯度幅度，当前像素的梯度幅度是该方向上的局部最大值，保留该像素作为边缘候选；当前像素的梯度幅度不是局部最大值，那么将该像素的值设为0，从而抑制；
20、s24：阈值处理则涉及选取一个低阈值和一个高阈值，将梯度幅度高于高阈值的像素标记为强边缘，梯度幅度介于两个阈值之间的且与强边缘相连的像素标记为弱边缘，这两步结合过滤噪声和非边缘，确保只有真正的边缘被标识出来。
21、作为本发明的一种优选技术方案，步骤s3中通过霍夫变化识别和定位虹膜以及瞳孔的圆形边界，精确提取关键虹膜特征边缘，包括如下步骤：
22、s31：利用霍夫变换在参数空间中定义和搜索可能的圆心位置和半径，使用累加器数组记录和筛选出候选圆形，最终通过阈值处理和结果验证来精确检测并定位图像中即使部分遮挡或不完整的圆形边界，得到准确到虹膜边界图像；
23、s32：采用微分近似法检测虹膜特征，通过计算图像的一阶或二阶导数来揭示虹膜特征的微小变化，一阶微分用于分析图像的梯度幅值和方向，揭示边缘信息；而二阶微分则用于检测边缘的起始和结束点，捕捉更细微的特征变化，特征提取阶段，从经过微分处理的图像中识别并提取局部特征点，生成特征向量：
24、fx′＝f(x,y)+f(x+1,y)-f(x,y+1)-f(x+1,y+1),
25、fy′＝-f(x,y)+f(x+1,y)-f(x,y+1)+f(x+1,y+1),
26、
27、其中f(x,y)是虹膜图像矩阵，应用这种方法将虹膜特征的边缘值范围限制为(15,30)，用于检测特征点；
28、s33：确定哪些像素位置需要添加噪声，对于这些选定的像素，考虑它们周围的像素，并根据这些邻近像素的特征进行加权随机采样以计算噪声值，这个计算得到的噪声值随后被添加到原始像素上，此过程重复执行，直到所有预定的像素位置都成功添加了噪声。
29、作为本发明的一种优选技术方案，步骤s4中利用尺度不变特征变化(sift)检测方法和特征匹配来比较添加虹膜噪声之前和之后的相似度，包括如下步骤：
30、s41：从源图像和噪声图像中收集直方图数据，对噪声图像的直方图进行归一化处理，以确保数据的一致性和可比性，使用巴氏距离计算两个直方图的相似度，计算公式涉及到两个直方图中每个对应桶(bin)的值的乘积的和的平方根，得到的相似度值介于0到1之间，其中0表示两个图像完全不同，1表示两个图像完全相同，bhattacharyya系数的计算公式如下：
31、
32、其中source、noised分别表示源和候选的图像直方图数据，加上每个数据点与i相同的乘积的平方根；
33、s42：比较特征部分的原始图像和噪声图像之间的相似度并使用特征匹配进一步证明找到虹膜的特征块。
34、一种实现利用相似特征结构进行虹膜保护方法的系统，包括虹膜图像预处理模块、canny边缘检测定位模块、噪声加入模块、利用尺度不变特征变化(sift)检测方法和特征匹配模块；
35、虹膜图像预处理模块：用于采集高清晰度虹膜图像，并采用高斯滤波器技术设计去噪算法，平滑图像并保留边缘特征，有效去除各种干扰噪声，获得清晰度高，噪声低的虹膜图像；
36、canny边缘检测定位模块：使用canny边缘检测算法对降噪后的图像进行数据处理，以高准确率识别出虹膜和瞳孔的精确边界，定义虹膜区域的精确范围，得到有着明显线条的虹膜和瞳孔边界并提供最优边缘检测算法；
37、噪声加入模块：用于将霍夫变化识别和定位虹膜以及瞳孔的圆形边界和精确提取关键的虹膜特征边缘，通过微分近似法检测虹膜特征，使用加权随机采样的方法向虹膜特征部分巧妙加入噪声；
38、利用尺度不变特征变化(sift)检测方法和特征匹配模块：将添加虹膜噪声之前和之后的图像使用相似度检测和特征匹配来确认方法的高效性。
39、一种计算机设备，包括存储器和处理器，所述存储器上存储有在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种利用相似特征结构进行虹膜保护方法的步骤。
40、一种存储介质，存储介质包括存储的计算机程序，计算机程序被至少一个处理器所执行，以使至少一个处理器执行一种利用相似特征结构进行虹膜保护方法的步骤。
41、与相有技术相比，本发明的有益效果是：
42、1.通过采集高清晰度虹膜图像并应用高斯滤波器去噪算法，有效去除干扰噪声，获得清晰度高、噪声低的虹膜图像，从而显著提升了虹膜识别的准确性和可靠性。
43、2.通过使用canny边缘检测算法对降噪后的虹膜图像进行处理，能够以高准确率识别虹膜和瞳孔的精确边界，为后续的特征提取和识别提供了准确且可靠的基础。
44、3.通过精确定位和特征提取创新性的结合加权随机噪声加入，既增强了虹膜数据安全性，又保持了识别效率。
45、4.通过sift和特征匹配确认添加噪声前后虹膜图像的高效相似度，保障识别准确性与隐私增强并行。
1.一种利用相似特征结构进行虹膜保护方法，其特征在于：具体步骤如下：
2.根据权利要求1所述的一种利用相似特征结构进行虹膜保护方法，其特征在于：步骤s1采用高斯滤波器技术对采集的虹膜图像降噪，包括如下步骤：
3.根据权利要求1所述的一种利用相似特征结构进行虹膜保护方法，其特征在于：步骤s2中使用canny边缘检测来识别图像的边界，包括如下步骤：
4.根据权利要求1所述的一种利用相似特征结构进行虹膜保护方法，其特征在于：步骤s3中通过霍夫变化识别和定位虹膜以及瞳孔的圆形边界，精确提取关键虹膜特征边缘，包括如下步骤：
5.根据权利要求1所述的一种利用相似特征结构进行虹膜保护方法，其特征在于：步骤s4中利用尺度不变特征变化(sift)检测方法和特征匹配来比较添加虹膜噪声之前和之后的相似度，包括如下步骤：
6.一种实现权利要求1所述的利用相似特征结构进行虹膜保护方法的系统，其特征在于：包括虹膜图像预处理模块、canny边缘检测定位模块、噪声加入模块、利用尺度不变特征变化(sift)检测方法和特征匹配模块；
7.一种计算机设备，包括存储器和处理器，其特征在于：所述存储器上存储有在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的一种利用相似特征结构进行虹膜保护方法的步骤。
8.一种存储介质，其特征在于，存储介质包括存储的计算机程序，计算机程序被至少一个处理器所执行，以使至少一个处理器执行如权利要求1-5中任一项所述的一种利用相似特征结构进行虹膜保护方法的步骤。
