專利名稱：基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)的虹膜定位方法
技術(shù)領(lǐng)域：
基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)的虹膜定位方法，屬于圖象信號(hào)處理技術(shù)領(lǐng)域，特別涉及虹膜識(shí)別技術(shù)中的虹膜定位方法。
背景技術(shù)：
生物識(shí)別是當(dāng)前信息安全發(fā)展的主要方向，是目前世界信息安全領(lǐng)域的前沿研究課題。虹膜生物識(shí)別技術(shù)則是目前生物識(shí)別技術(shù)中易操作、精度高、最有市場(chǎng)前景的技術(shù)。它是解決信息安全問題的重要手段，是計(jì)算機(jī)圖像處理技術(shù)和模式識(shí)別技術(shù)在信息安全領(lǐng)域的應(yīng)用。該技術(shù)在解決信息安全領(lǐng)域的諸多問題，如門禁控制系統(tǒng)，網(wǎng)絡(luò)技術(shù)的信息安全，網(wǎng)絡(luò)經(jīng)濟(jì)的電子商務(wù)，個(gè)人身份的精確認(rèn)證等具體問題中應(yīng)用廣泛，具有巨大的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義。同時(shí)，它在身份證技術(shù)的發(fā)展和社會(huì)安全管理中占有重要地位。隨著計(jì)算機(jī)性能的提高和圖像處理技術(shù)的發(fā)展，虹膜生物識(shí)別系統(tǒng)已經(jīng)日趨成熟。詳見文獻(xiàn)Clarke R.HumanIdentification SystemManagement Challenges and Public Policy Issues.InformationTechnology & People，1994，7(4)6～37和文獻(xiàn)范君.虹膜識(shí)別生物技術(shù)激發(fā)10億安全市場(chǎng)。金卡工程，2003，561-64所述。
在虹膜生物識(shí)別技術(shù)中，虹膜的定位是整個(gè)識(shí)別技術(shù)的重點(diǎn)和難點(diǎn)。虹膜的定位時(shí)間和精度直接影響整個(gè)虹膜生物識(shí)別系統(tǒng)的性能。虹膜定位是指對(duì)人的眼睛的虹膜部分進(jìn)行精確地定位，這是虹膜識(shí)別至關(guān)重要而關(guān)鍵的一步，虹膜能否準(zhǔn)確地定位，關(guān)系到下一步虹膜紋理特征的能否準(zhǔn)確地提取，從而對(duì)分析結(jié)果產(chǎn)生重要的影響。而在虹膜定位中，虹膜外邊緣的提取則是一個(gè)難點(diǎn)。因此，如何在現(xiàn)有所有有價(jià)值的研究成果之上，縮短定位時(shí)間和提高定位精度特別是外邊緣的定位精度將成為我們當(dāng)前研究的主要方向。詳見文獻(xiàn)王春，葉虎年。虹膜識(shí)別算法的研究[J].貴州工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2000，29(3)4852.和文獻(xiàn)李慶嶸，馬爭(zhēng).虹膜定位算法研究[J].電子科技大學(xué)學(xué)報(bào)，2002，31(1)79.和文獻(xiàn)Daugman.Statisticalrichness of visual phase information Update on recognizing persons by their iris pattern.International Journal of computer Vision，2001，45(1)25-38.所述。
現(xiàn)在通常使用的虹膜的方法有(1)基于邊緣提取和Hough變換的虹膜定位算法。它通過邊緣檢測(cè)算子來提取虹膜的內(nèi)外邊緣，然后運(yùn)用Hough變換來定位虹膜的內(nèi)外圓。其缺點(diǎn)是Hough變換需要設(shè)置閾值。由于受光線的影響，瞳孔的大小是變化的，因而虹膜邊緣上點(diǎn)的數(shù)量也是變化的，對(duì)于大量的虹膜圖像而言，一個(gè)準(zhǔn)確而合適的閾值是很難得到的。而且，該方法隨點(diǎn)數(shù)的增加，運(yùn)算量增大速度變慢。詳見文獻(xiàn)王春，葉虎年.虹膜識(shí)別算法的研究[J].貴州工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2000，29(3)4852.
(2)兩步法虹膜定位算法。它首先根據(jù)眼部的灰度分布特點(diǎn)做x方向灰度投影和y方向灰度投影進(jìn)行粗定位，然后運(yùn)用算子 進(jìn)行精確定位。其缺點(diǎn)積分運(yùn)算量大，速度慢。詳見文獻(xiàn)Daugman.Statistical richness of visual phase informationUpdate on recognizing persons by their iris pattern.International Journal of computer Vision，2001，45(1)25-38。

發(fā)明內(nèi)容
本發(fā)明的任務(wù)是提供一種基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)的虹膜定位方法，它具有定位精度高和速度快等特點(diǎn)。
為了方便地描述本發(fā)明內(nèi)容，首先介紹幾個(gè)概念，并對(duì)一些術(shù)語進(jìn)行定義。
概念一數(shù)學(xué)形態(tài)學(xué)。數(shù)學(xué)形態(tài)學(xué)以圖像分析為基礎(chǔ)，用具有一定形態(tài)結(jié)構(gòu)的“結(jié)構(gòu)元素”去度量圖像的形態(tài)，以解決圖像理解問題。形態(tài)學(xué)的基礎(chǔ)是腐蝕和膨脹運(yùn)算，以及由此而產(chǎn)生的開、閉運(yùn)算。腐蝕和膨脹運(yùn)算的公式分別為U＝AΘB＝{U∶B+UA}，V＝AB(yǎng)＝{V∶(-B+V)∩A≠Φ}；開和閉運(yùn)算的公式分別為AοB＝(AΘB)B(yǎng)，A·B＝(AB(yǎng))ΘB。其中，A為原始圖像，B為結(jié)構(gòu)元素，U為原始圖像經(jīng)腐蝕后得到的圖像，V為原始圖像經(jīng)膨脹后得到的圖像，Θ為腐蝕運(yùn)算符號(hào)，為膨脹運(yùn)算符號(hào)，ο為開運(yùn)算符號(hào)，·為閉運(yùn)算符號(hào)，Φ為空集符號(hào)。
概念二概率統(tǒng)計(jì)。假設(shè)數(shù)組{x}服從均值是u＝2.5，方差是σ2的正態(tài)分布。根據(jù)概率統(tǒng)計(jì)的理論，隨著σ2的減小，數(shù)組{xi}與均值的差值的絕對(duì)值和也就相應(yīng)的減小。也就是說，數(shù)組{x}的值的分布隨著σ2的減小而越來越集中于均值的兩側(cè)。因此，當(dāng)σ2無限趨近于0時(shí)，數(shù)組{xi}的值的分布也就無限趨近于均值。而若一個(gè)圓上所有點(diǎn)到圓心的距離作為一數(shù)組{xi}，則數(shù)組{xi}的值均為半徑r，標(biāo)準(zhǔn)差為0。本發(fā)明以圓內(nèi)某點(diǎn)到其邊緣上點(diǎn)的距離作為一個(gè)樣本值。以圓內(nèi)某點(diǎn)到其邊緣上所有點(diǎn)的距離作為一個(gè)樣本。
概念三標(biāo)準(zhǔn)誤差。設(shè)n個(gè)測(cè)量值的誤差為ε1、ε2......εn，則這組測(cè)量值的標(biāo)準(zhǔn)誤差σ等于σ=(ϵ12+ϵ22+ΛΛ+ϵn2)/n=Σϵi2/n.]]>由于被測(cè)量的真值是未知數(shù)，各測(cè)量值的誤差也都不知道，因此不能按上式求得標(biāo)準(zhǔn)誤差。測(cè)量時(shí)能夠得到的是算術(shù)平均值(N)，它最接近真值(N)，而且也容易算出測(cè)量值和算術(shù)平均值之差，稱為殘差(記為v)。理論分析表明可以用殘差v表示有限次(n次)觀測(cè)中的某一次測(cè)量結(jié)果的標(biāo)準(zhǔn)誤差σ，其計(jì)算公式為σ=[(N1-N)2+(N2-N)2+ΛΛ(Nn-N)2]/n=Συi2/n]]>需要注意的是，標(biāo)準(zhǔn)誤差不是測(cè)量值的實(shí)際誤差，也不是誤差范圍，它只是對(duì)一組測(cè)量數(shù)據(jù)可靠性的估計(jì)。標(biāo)準(zhǔn)誤差小，測(cè)量的可靠性大一些，反之，測(cè)量就不大可靠。
定義1虹膜。位于人眼中鞏膜和瞳孔之間的部分稱為虹膜。不同人之間的虹膜具有隨機(jī)的細(xì)節(jié)特征和紋理圖像，這些特征在人的一生中保持相當(dāng)?shù)姆€(wěn)定性，它受眼皮、角膜的保護(hù)不易改變。
定義2二維中值濾波二維中值濾波(Median filtering)是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，它在濾除噪聲(尤其是脈沖噪聲)的同時(shí)能很好地保護(hù)信號(hào)的細(xì)節(jié)信息。其基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代換。
定義3二值化過程。把整幅圖像的所有值轉(zhuǎn)化成只有兩種值的過程，一般這兩種值為0和1或者0和255。其具體的方法是當(dāng)圖像上的值大于或者等于二值化閥值的時(shí)候，該點(diǎn)的值被二值化為1(或255)；當(dāng)圖像上的值小于二值化閥值的時(shí)候，該點(diǎn)的值被二值化為0。
定義4灰度直方圖。圖像的灰度級(jí)范圍為0，1，...，255，設(shè)灰度級(jí)i的像素?cái)?shù)為ni，則一幅圖像的總像素為N=Σi=0255ni,]]>灰度級(jí)i出現(xiàn)的概率定義為Pi=niN.]]>灰度直方圖即為灰度級(jí)i的像素?cái)?shù)ni與灰度級(jí)i的二維關(guān)系，它反映了一幅圖像上灰度分布的統(tǒng)計(jì)特性，成為利用像素灰度作屬性的分割方法的基礎(chǔ)。
定義5水平投影。一種通過水平方向累加，現(xiàn)實(shí)把二維空間中的圖像灰度水平分布值轉(zhuǎn)換到一維空間中的方法，該變換函數(shù)為P(x)=ΣyI(x,y).]]>其中I(x，y)表示第x行第y列的圖像灰度值，P(x)為第x行的水平投影值，y的變化范圍是從1到n，n代表圖像的長(zhǎng)度。
定義6垂直投影。一種通過垂直方向累加，現(xiàn)實(shí)把二維空間中的圖像灰度垂直分布值轉(zhuǎn)換到一維空間中的方法，該變換函數(shù)為P(y)=ΣxI(x,y).]]>其中I(x，y)表示第x行第y列圖像灰度值，P(y)為第y列的垂直投影值，x的變化范圍是從1到m，m代表圖像的寬度。
定義7形態(tài)學(xué)邊緣提取。集合A的邊界記為β(A)，可以通過下述算法提取邊緣設(shè)B是一個(gè)合適的結(jié)構(gòu)元素，首先令A(yù)被B腐蝕，然后求集合A和它的腐蝕的差。如下式所示β(A)＝A-(AΘB)。
定義8外圓二值化閾值。對(duì)虹膜圖像外圓進(jìn)行二值化時(shí)所選用的門限。其計(jì)算公式為yuzhi=[12(aver1+aver2)]/256.]]>其中yuzhi為二值化閥值，aver1為經(jīng)過二維中值濾波后的圓環(huán)的均值(圓環(huán)以內(nèi)圓圓心為圓心，圓環(huán)內(nèi)圓半徑為內(nèi)圓半徑+5，圓環(huán)外圓半徑為內(nèi)圓半徑+10)，aver2是兩個(gè)11×11大小的方塊的均值(方塊的中心分別是以內(nèi)圓圓心的行坐標(biāo)為行坐標(biāo)，以內(nèi)圓圓心的列坐標(biāo)減130為列坐標(biāo)和以內(nèi)圓圓心的行坐標(biāo)為行坐標(biāo)，以內(nèi)圓圓心的列坐標(biāo)加140為列坐標(biāo))，/為乘號(hào)，256是為了歸一化yuzhi。
定義9維納濾波。維納濾波器是一種線性平滑濾波器，它是一種自適應(yīng)濾波器，能根據(jù)圖像的區(qū)域方差來調(diào)整濾波器的輸出δ2=1LΣ(x,y)∈l[F2(x,y)-G2(x,y)]]]>其中，L為選取的鄰域M×N，F(xiàn)(x，y)調(diào)整前的像素點(diǎn)值，G(x，y)是鄰域平均值(如定義5所示)，δ為均方差。通過鄰域m×n估算平均值和標(biāo)準(zhǔn)偏差，對(duì)圖像應(yīng)用像素平滑自適應(yīng)濾波F*(x,y)=G(x,y)+δ2+v2δ2[F(x,y)-G(x,y)],]]>其中，v2為噪聲方差。
本發(fā)明詳細(xì)技術(shù)方案為基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)的虹膜定位方法，它包含下列步驟步驟1、通過虹膜圖像攝像裝置(為了獲得能夠進(jìn)行紋理分析的虹膜圖像而專門制造的一種圖像攝像裝置)，獲得能夠進(jìn)行虹膜紋理分析的眼部圖像。該圖像是只包含亮度信息而沒有任何其他顏色信息的灰度圖像。
步驟2、對(duì)輸入的虹膜圖像進(jìn)行7×7窗口的二維中值濾波，達(dá)到平滑虹膜圖像的目的，減弱光照的不均勻?qū)Χ祷挠绊憽?br> 步驟3、虹膜內(nèi)圓圓心的粗定位，具體包括以下步驟
步驟1)、求出二維中值濾波后的虹膜圖像的灰度直方圖的第一個(gè)波峰的極值，以該取得極值時(shí)的灰度級(jí)i+5為門限，如果I(x，y)＞i+5，令I(lǐng)(x，y)＝0；如果I(x，y)＜i+5，令I(lǐng)(x，y)＝1，其中I(x，y)表示第x行第y列的圖像強(qiáng)度值對(duì)虹膜圖像進(jìn)行二值化。然后用結(jié)構(gòu)元素se(se是半徑為15的圓盤)對(duì)二值圖像進(jìn)行形態(tài)開運(yùn)算，剔除瞳孔部分的其他孤立點(diǎn)和面，平滑虹膜內(nèi)圓邊緣。
步驟2)、對(duì)經(jīng)過形態(tài)開運(yùn)算處理的二值圖像進(jìn)行水平和垂直投影得到虹膜內(nèi)圓的粗定位運(yùn)用式P(x)=ΣyI(x,y)]]>(其中I(x，y)表示第x行第y列的圖像強(qiáng)度值，P(x)為第x行的水平投影值，y的變化范圍是從1到n，n代表圖像的長(zhǎng)度)求出二值圖像每行的水平投影值，以水平投影值最大的那行的行坐標(biāo)作為粗定位內(nèi)圓圓心的行坐標(biāo)a11；運(yùn)用式P(y)=ΣxI(x,y)]]>(其中I(x，y)表示第x行第y列的圖像強(qiáng)度值，P(y)為第y列的垂直投影值，x的變化范圍是從1到m，m代表圖像的寬度)求出二值圖像每列的垂直投影值，以垂直投影值最大的那列的列坐標(biāo)作為粗定位內(nèi)圓圓心的列坐標(biāo)b11。
步驟4、虹膜內(nèi)圓的精確定位，具體包括以下步驟步驟1)、對(duì)經(jīng)過形態(tài)開運(yùn)算處理的二值圖像進(jìn)行形態(tài)學(xué)邊緣提取運(yùn)用式β(A)＝A-(AΘB)(其中β(A)為集合A的邊界，B是一個(gè)合適的結(jié)構(gòu)元素)對(duì)經(jīng)過步驟3處理的二值圖像進(jìn)行邊緣提取，得到虹膜的內(nèi)邊緣。
步驟2)、以虹膜內(nèi)圓的粗定位圓心(a11，b11)為基點(diǎn)，計(jì)算虹膜的內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11，b11)的距離Dω12=(iω-a11·E)2+(jω-b11·E)2]]>(其中 表示內(nèi)邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)。用式Dω22=(iω-a11·E)2+(jω-(b11+1)·E)2]]>(其中 表示內(nèi)邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)計(jì)算虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11，b11+1)的距離。繼續(xù)計(jì)算虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11，b11+2)的距離 直到計(jì)算出虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11+9，b11+9)的距離 步驟3)、根據(jù)公式σ2=1nΣi=1n(xi-u)2]]>(其中xi表示樣本的樣本值，n表示樣本的容量，u表示樣本均值)，計(jì)算每個(gè)樣本 (k＝[1,100])的方差，找出方差最小的樣本 根據(jù)公式u=1nΣi=1nxi]]>(其中xi表示樣本的樣本值，n表示樣本的容量)，求出樣本 的均值r；根據(jù)z的值求出對(duì)應(yīng)的點(diǎn)的坐標(biāo)(a11+qs(z10),b11+qy(z10))]]>(其中qs表示求整數(shù)商，qy表示求整數(shù)余數(shù))。則點(diǎn)的坐標(biāo)(a11+qs(z10),b11+qy(z10))]]>即為內(nèi)圓的圓心(a1，b1)，均值r為內(nèi)圓半徑。
步驟5、虹膜外圓的定位，具體包括以下步驟步驟1)、根據(jù)公式y(tǒng)uzhi=[12(aver1+aver2)]/256]]>(其中yuzhi為二值化閥值，aver1為經(jīng)過二維中值濾波后的圓環(huán)的均值(圓環(huán)以內(nèi)圓圓心為圓心，圓環(huán)內(nèi)圓半徑為內(nèi)圓半徑+5，圓環(huán)外圓半徑為內(nèi)圓半徑+10)，aver2是兩個(gè)11×11大小的方塊的均值(方塊的中心分別是以內(nèi)圓圓心的行坐標(biāo)為行坐標(biāo)、以內(nèi)圓圓心的列坐標(biāo)減130為列坐標(biāo)和以內(nèi)圓圓心的行坐標(biāo)為行坐標(biāo)、以內(nèi)圓圓心的列坐標(biāo)加140為列坐標(biāo))，/為乘號(hào)，256是為了歸一化yuzhi)，計(jì)算外圓二值化的閾值。然后以該閾值對(duì)二維中值濾波后的虹膜圖像進(jìn)行二值化，得到圖像BW1。
步驟2)、用結(jié)構(gòu)元素se(se是半徑為15的圓盤)對(duì)圖像BW1進(jìn)行形態(tài)開運(yùn)算，得到圖像BW2，從而得到圖像BW3＝BW1-BW2。對(duì)圖像BW1進(jìn)行補(bǔ)運(yùn)算得到圖像BW4，然后得到圖像BW5＝BW4+BW3。對(duì)圖像BW5進(jìn)行區(qū)域填充，得到圖像BW6。填充二值圖像中的孔洞，消除虹膜外邊緣內(nèi)的孔洞對(duì)于虹膜外邊緣提取的影響。對(duì)圖像BW6進(jìn)行形態(tài)學(xué)邊緣提取。運(yùn)用式β(A)＝A-(AΘB)(其中β(A)為集合A的邊界，B是一個(gè)合適的結(jié)構(gòu)元素)對(duì)圖像BW6進(jìn)行邊緣提取，得到虹膜的外邊緣。由于受上眼皮和下眼皮的影響，因此僅僅取左右兩邊的一部分圓弧(根據(jù)內(nèi)圓圓心和虹膜的外邊緣來獲取)來進(jìn)行定位。
步驟3)、以虹膜內(nèi)圓圓心(a1，b1)為基點(diǎn)，計(jì)算虹膜的外邊緣上每點(diǎn)到點(diǎn)(a1，b1)的距離Dω12=(iω-a1·E)2+(jω-b1·E)2]]>(其中 表示外邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)。用式Dω22=(iω-a1·E)2+(jω-(b1+1)·E)2]]>(其中 表示外邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)，計(jì)算虹膜外邊緣上每點(diǎn)到點(diǎn)(a1，b1+1)的距離。繼續(xù)計(jì)算虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a1，b1+2)的距離 直到計(jì)算出虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a1+9，b1+9)的距離 步驟4)、對(duì)每個(gè)樣本進(jìn)行進(jìn)行維納濾波，以減少非虹膜外邊緣點(diǎn)對(duì)定位的影響。然后根據(jù)公式σ2=1nΣi=1n(xi-u)2]]>(其中xi表示樣本的樣本值，n表示樣本的容量，u表示樣本均值)，計(jì)算每個(gè)樣本 的方差，找出方差最小的樣本 根據(jù)公式u=1nΣi=1nxi]]>(其中xi表示樣本的樣本值，n表示樣本的容量)，求出樣本 的均值R；根據(jù)z的值求出對(duì)應(yīng)的點(diǎn)的坐標(biāo)(a1+qs(z10),b1+qy(z10))]]>(其中qs表示求整數(shù)商，qy表示求整數(shù)余數(shù))。則點(diǎn)的坐標(biāo)(a1+qs(z10),b1+qy(z10))]]>即為外圓的圓心(a2，b2)，均值R為外圓半徑。
通過以上步驟，就可以從含有虹膜的原始圖像中提取出虹膜。
需要說明的是1.步驟1中的虹膜圖像來源于中科院自動(dòng)化所的CASIA1.0虹膜數(shù)據(jù)庫。
2.步驟3的分步驟(1)中用結(jié)構(gòu)元素se(se為圓盤，半徑為15)進(jìn)行形態(tài)開運(yùn)算，而不用其他結(jié)構(gòu)元素，是因?yàn)閷?shí)驗(yàn)結(jié)果表明二值化圖像其虹膜內(nèi)圓外的連通對(duì)象均小于半徑為15的圓盤，用半徑為15的圓盤結(jié)構(gòu)元素能夠完全消除內(nèi)圓外的其他點(diǎn)的影響。
3.在步驟3的分步驟(2)中，實(shí)際上水平和垂直投影的最大值都不止一個(gè)，而是相鄰的好幾個(gè)。這是因?yàn)樵谟?jì)算機(jī)中圖像數(shù)據(jù)是以矩陣的形式表示的，而用矩陣表示圓則在圓周上會(huì)出現(xiàn)很短的線段。而步驟3的分步驟(1)處理后的內(nèi)圓并不是一個(gè)規(guī)則的圓盤，仿真表明其水平和垂直投影的最大值是相鄰的一段。本發(fā)明選取最先出現(xiàn)的最大值的坐標(biāo)加上一個(gè)偏移量，作為粗定位的內(nèi)圓圓心，而在實(shí)際中，根據(jù)不同的虹膜庫來調(diào)整偏移量。
4.步驟4中的分步驟(1)和步驟5中的分步驟(2)中，運(yùn)用形態(tài)學(xué)進(jìn)行邊緣提取是因?yàn)檫\(yùn)用形態(tài)學(xué)進(jìn)行邊緣提取比運(yùn)用邊緣檢測(cè)算子進(jìn)行邊緣提取的速度要快。
5.步驟5中的分步驟(2)中，對(duì)步驟5中的分步驟(1)中的二值圖像進(jìn)行開運(yùn)算、圖像間的減法運(yùn)算和圖像間的加法運(yùn)算，是為了進(jìn)一步的提取虹膜外邊緣。而進(jìn)行區(qū)域填充的目的則是消除為虹膜外邊緣內(nèi)的孔洞，使外邊緣內(nèi)的區(qū)域完全連通，以使得形態(tài)學(xué)邊緣提取時(shí)提取的邊緣僅僅時(shí)虹膜的外邊緣，而沒有其他點(diǎn)的影響。而僅僅取左右兩邊的一部分圓弧(根據(jù)內(nèi)圓圓心和估計(jì)的外圓半徑來獲取)來進(jìn)行定位，是由于大多數(shù)虹膜圖像其上眼皮或下眼皮經(jīng)常是遮蓋了虹膜外邊緣的上邊界或下邊界，而進(jìn)行虹膜外圓定位僅需要左右兩邊的圓弧就可以精確定位。因此，為了算法的通用性和避免不必要的計(jì)算，僅僅取左右兩邊的一部分圓弧來進(jìn)行定位。
6.步驟5的分步驟(4)中，對(duì)每個(gè)樣本進(jìn)行維納濾波，是為了平滑樣本值，減小非邊緣點(diǎn)的樣本值對(duì)外邊緣定位的影響。
7.步驟4的分步驟(2)和步驟5的分步驟(3)中的搜索范圍是根據(jù)CASIA1.0虹膜數(shù)據(jù)庫中的圖像仿真實(shí)驗(yàn)后得到的。而對(duì)于不同的虹膜庫可以適當(dāng)?shù)臄U(kuò)大搜索的范圍。
本發(fā)明提出的基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)相結(jié)合的方法，可以有效地提高定位的速度和定位精度等性能。運(yùn)用形態(tài)開運(yùn)算能夠平滑圖像的輪廓，削弱狹窄的部分，去掉細(xì)的突出。本發(fā)明中形態(tài)開運(yùn)算可以消除虹膜內(nèi)圓之外和虹膜外圓之外的小于結(jié)構(gòu)元素的非邊界部分對(duì)虹膜定位的影響。因而對(duì)步驟3的二值圖像進(jìn)行形態(tài)開運(yùn)算可以使得其僅僅剩余瞳孔部分，對(duì)步驟13的二值圖像進(jìn)行形態(tài)開運(yùn)算和圖像的加、減法運(yùn)算可以使得其僅僅剩余瞳孔部分、虹膜部分和上眼皮部分或下眼皮部分。
本發(fā)明的方法采用數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)相結(jié)合的方法，首先采用中值濾波、二值化和數(shù)學(xué)形態(tài)學(xué)的方法突出了虹膜的內(nèi)圓區(qū)域和外圓區(qū)域，實(shí)現(xiàn)了虹膜的內(nèi)外邊緣的提??；然后運(yùn)用標(biāo)準(zhǔn)誤差原理將每次定位得到的圓看作為有限次(n次)觀測(cè)中的某一次測(cè)量結(jié)果，而測(cè)量結(jié)果的標(biāo)準(zhǔn)誤差σ則是對(duì)一組測(cè)量數(shù)據(jù)可靠性的估計(jì)，標(biāo)準(zhǔn)誤差小，測(cè)量的可靠性大一些，反之，測(cè)量就不大可靠，再根據(jù)概率統(tǒng)計(jì)的方法實(shí)現(xiàn)了將虹膜圓心和半徑的定位轉(zhuǎn)化為樣本的方差和均值的求取。采用本發(fā)明的虹膜定位方法方法，不僅可以準(zhǔn)確定位虹膜的內(nèi)外邊緣，而且方法的計(jì)算速度也滿足了實(shí)時(shí)性的需要。
本發(fā)明的創(chuàng)新之處在于1、結(jié)合形態(tài)學(xué)相關(guān)知識(shí)，利用中值濾波和通過合理選擇二值化閥值對(duì)中值濾波后的圖像進(jìn)行二值化的方法，在原始圖像中突出虹膜的內(nèi)圓和外圓位置，實(shí)現(xiàn)了虹膜內(nèi)外邊緣的提取，特別是外邊緣的提取。本發(fā)明的提取外邊緣的方法不僅迅速，而且很精確。
2、運(yùn)用標(biāo)準(zhǔn)誤差原理，將每次定位得到的圓看作為有限次(n次)觀測(cè)中的某一次測(cè)量結(jié)果，而測(cè)量結(jié)果的標(biāo)準(zhǔn)誤差σ則是對(duì)一組測(cè)量數(shù)據(jù)可靠性的估計(jì)，標(biāo)準(zhǔn)誤差小，測(cè)量的可靠性大一些，反之，測(cè)量就不大可靠。根據(jù)概率統(tǒng)計(jì)的方法實(shí)現(xiàn)了將虹膜圓心和半徑的定位轉(zhuǎn)化為樣本的方差和均值的求取。
3、基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)相結(jié)合的方法，提高了虹膜定位的速度，滿足了虹膜識(shí)別系統(tǒng)實(shí)時(shí)性的需要。首先利用二值化和形態(tài)學(xué)的方法，提取出虹膜的內(nèi)外邊緣，然后運(yùn)用標(biāo)準(zhǔn)誤差原理和概率統(tǒng)計(jì)原理再對(duì)虹膜的內(nèi)外邊緣進(jìn)行精確定位。


圖1是含有虹膜的原始虹膜圖像示意圖；其中，1表示人的上眼皮；2所在的圓環(huán)部分表示人的虹膜；3表示人的瞳孔；4表示人的鞏膜；5表示人的下眼皮。
圖2是本發(fā)明最終得到的虹膜定位圖像示意圖；其中，大圓代表虹膜的外邊緣，小圓代表虹膜的內(nèi)邊緣。
圖3是本發(fā)明的流程示意圖。
具體實(shí)施方法采用本發(fā)明的方法，首先使用Matlab語言編寫虹膜定位軟件，然后中科院自動(dòng)化所的CASIA1.0虹膜數(shù)據(jù)庫為源數(shù)據(jù)輸入到膜定位軟件中進(jìn)行處理；經(jīng)過虹膜內(nèi)圓定位和外圓定位后得到一幅包含可進(jìn)行紋理分析的虹膜圖像。采用共812張不同人的和相同人的不同時(shí)期的虹膜圖像作為源數(shù)據(jù)，準(zhǔn)確定位出800張，定位的準(zhǔn)確率為98.52％，定位一幅虹膜圖像所需時(shí)間不超過1s。
綜上所述，本發(fā)明的方法充分利用形態(tài)學(xué)和概率統(tǒng)計(jì)的特性，結(jié)合虹膜眼部圖像的灰度分布特征，從而實(shí)現(xiàn)快速準(zhǔn)確地從所提供的虹膜圖像中定位出虹膜。
權(quán)利要求
1.基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)的虹膜定位方法，其特征在于，它包含下列步驟步驟1、通過虹膜圖像攝像裝置獲得能夠進(jìn)行虹膜紋理分析的眼部圖像；步驟2、對(duì)輸入的虹膜圖像進(jìn)行7×7窗口的二維中值濾波，達(dá)到平滑虹膜圖像的目的，減弱光照的不均勻?qū)Χ祷挠绊?；步驟3、虹膜內(nèi)圓圓心的粗定位，具體包括以下步驟步驟1)、求出二維中值濾波后的虹膜圖像的灰度直方圖的第一個(gè)波峰的極值，以該取得極值時(shí)的灰度級(jí)i+5為門限，如果I(x，y)＞i+5，令I(lǐng)(x，y)＝0；如果I(x，y)＜i+5，令I(lǐng)(x，y)＝1，其中I(x，y)表示第x行第y列的圖像強(qiáng)度值，對(duì)虹膜圖像進(jìn)行二值化；然后用半徑為15的圓盤結(jié)構(gòu)元素se對(duì)二值圖像進(jìn)行形態(tài)開運(yùn)算，剔除瞳孔部分的其他孤立點(diǎn)和面，平滑虹膜內(nèi)圓邊緣；步驟2)、對(duì)經(jīng)過形態(tài)開運(yùn)算處理的二值圖像進(jìn)行水平和垂直投影得到虹膜內(nèi)圓的粗定位運(yùn)用式P(x)=ΣyI(x,y)]]>(其中I(x，y)表示第x行第y列的圖像強(qiáng)度值，P(x)為第x行的水平投影值，y的變化范圍是從1到n，n代表圖像的長(zhǎng)度)求出二值圖像每行的水平投影值，以水平投影值最大的那行的行坐標(biāo)作為粗定位內(nèi)圓圓心的行坐標(biāo)a11；運(yùn)用式P(y)=ΣxI(x,y)]]>(其中I(x，y)表示第x行第y列的圖像強(qiáng)度值，P(y)為第y列的垂直投影值，x的變化范圍是從1到m，m代表圖像的寬度)求出二值圖像每列的垂直投影值，以垂直投影值最大的那列的列坐標(biāo)作為粗定位內(nèi)圓圓心的列坐標(biāo)b11；步驟4、虹膜內(nèi)圓的精確定位，具體包括以下步驟步驟1)、對(duì)經(jīng)過形態(tài)開運(yùn)算處理的二值圖像進(jìn)行形態(tài)學(xué)邊緣提取運(yùn)用式β(A)＝A-(AΘB)(其中β(A)為集合A的邊界，B是一個(gè)合適的結(jié)構(gòu)元素)對(duì)經(jīng)過步驟3處理的二值圖像進(jìn)行邊緣提取，得到虹膜的內(nèi)邊緣；步驟2)、以虹膜內(nèi)圓的粗定位圓心(a11，b11)為基點(diǎn)，計(jì)算虹膜的內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11，b11)的距離Dω12=(iω-a11·E)2+(jω-b11·E)2]]>(其中 表示內(nèi)邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)；用式Dω22=(iω-a11·E)2+(jω-(b11+1)·E)2]]>(其中 表示內(nèi)邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)計(jì)算虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11，b11+1)的距離；繼續(xù)計(jì)算虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11，b11+2)的距離 直到計(jì)算出虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a11+9，b11+9)的距離 步驟3)、根據(jù)公式σ2=1nΣi=1n(xi-u)2]]>(其中xi表示樣本的樣本值，n表示樣本的容量，u表示樣本均值)，計(jì)算每個(gè)樣本Dωk(k=[1,100])]]>的方差，找出方差最小的樣本 根據(jù)公式u=1nΣi=1nxi]]>(其中xi表示樣本的樣本值，n表示樣本的容量)，求出樣本 的均值r；根據(jù)z的值求出對(duì)應(yīng)的點(diǎn)的坐標(biāo)(a11+qs(z10),b11+qy(z10))]]>(其中qs表示求整數(shù)商，qy表示求整數(shù)余數(shù))；則點(diǎn)的坐標(biāo)(a11+qs(z10),b11+qy(z10))]]>即為內(nèi)圓的圓心(a1，b1)，均值r為內(nèi)圓半徑；步驟5、虹膜外圓的定位，具體包括以下步驟步驟1)、根據(jù)公式y(tǒng)uzhi=[12(aver1+aver2)]/256]]>(其中yuzhi為二值化閥值，aver1為經(jīng)過二維中值濾波后的圓環(huán)的均值(圓環(huán)以內(nèi)圓圓心為圓心，圓環(huán)內(nèi)圓半徑為內(nèi)圓半徑+5，圓環(huán)外圓半徑為內(nèi)圓半徑+10)，aver2是兩個(gè)11×11大小的方塊的均值(方塊的中心分別是以內(nèi)圓圓心的行坐標(biāo)為行坐標(biāo)、以內(nèi)圓圓心的列坐標(biāo)減130為列坐標(biāo)和以內(nèi)圓圓心的行坐標(biāo)為行坐標(biāo)、以內(nèi)圓圓心的列坐標(biāo)加140為列坐標(biāo))，/為乘號(hào)，256是為了歸一化yuzhi)，計(jì)算外圓二值化的閾值；然后以該閾值對(duì)二維中值濾波后的虹膜圖像進(jìn)行二值化，得到圖像BW1；步驟2)、用半徑為15的圓盤結(jié)構(gòu)元素se對(duì)圖像BW1進(jìn)行形態(tài)開運(yùn)算，得到圖像BW2，從而得到圖像BW3＝BW1-BW2；對(duì)圖像BW1進(jìn)行補(bǔ)運(yùn)算得到圖像BW4，然后得到圖像BW5＝BW4+BW3；對(duì)圖像BW5進(jìn)行區(qū)域填充，得到圖像BW6；運(yùn)用式β(A)＝A-(AΘB)(其中β(A)為集合A的邊界，B是一個(gè)合適的結(jié)構(gòu)元素)對(duì)圖像BW6進(jìn)行邊緣提取，得到虹膜的外邊緣；步驟3)、以虹膜內(nèi)圓圓心(a1，b1)為基點(diǎn)，計(jì)算虹膜的外邊緣上每點(diǎn)到點(diǎn)(a1，b1)的距離 (其中 表示外邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)；用式 (其中 表示外邊緣上每點(diǎn)的坐標(biāo)，E為與向量 同大小的值均為1的向量， 表示一個(gè)樣本)，計(jì)算虹膜外邊緣上每點(diǎn)到點(diǎn)(a1，b1+1)的距離；繼續(xù)計(jì)算虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a1，b1+2)的距離 直到計(jì)算出虹膜內(nèi)邊緣上每點(diǎn)到點(diǎn)(a1+9，b1+9)的距離 步驟4)、對(duì)每個(gè)樣本進(jìn)行進(jìn)行維納濾波，以減少非虹膜外邊緣點(diǎn)對(duì)定位的影響；然后根據(jù)公式σ2=1nΣi=1n(xi-u)2]]>(其中xi表示樣本的樣本值，n表示樣本的容量，u表示樣本均值)，計(jì)算每個(gè)樣本 的方差，找出方差最小的樣本 根據(jù)公式u=1nΣi=1nxi]]>(其中xi表示樣本的樣本值，n表示樣本的容量)，求出樣本 的均值R；根據(jù)z的值求出對(duì)應(yīng)的點(diǎn)的坐標(biāo)(a1+qs(z10),b1+qy(z10))]]>(其中qs表示求整數(shù)商，qy表示求整數(shù)余數(shù))；則點(diǎn)的坐標(biāo)(a1+qs(z10),b1+qy(z10))]]>即為外圓的圓心(a2，b2)，均值R為外圓半徑。
全文摘要
本發(fā)明提供一種基于數(shù)學(xué)形態(tài)學(xué)和概率統(tǒng)計(jì)相結(jié)合的虹膜定位方法。它首先二值化虹膜圖像，利用投影得到虹膜內(nèi)圓粗定位圓心，然后用運(yùn)用形態(tài)學(xué)進(jìn)行邊緣提取得到虹膜內(nèi)圓的邊緣，以內(nèi)圓粗定位圓心(及其周圍的點(diǎn))到其邊緣上每點(diǎn)的距離作為一個(gè)樣本，從而將搜索圓心和半徑三個(gè)參數(shù)轉(zhuǎn)換為搜索最小均值的樣本，而此樣本的均值就是圓的半徑。定出內(nèi)圓后，用二值化和數(shù)學(xué)形態(tài)學(xué)方法得到外圓的邊緣，然后以內(nèi)圓圓心為外圓粗定位圓心，用定位內(nèi)圓的方法定位外圓。采用本發(fā)明的虹膜定位方法，標(biāo)準(zhǔn)誤差最小，精確度高，速度快。
文檔編號(hào)G06K9/00GK1885312SQ20061002136
公開日2006年12月27日 申請(qǐng)日期2006年7月11日 優(yōu)先權(quán)日2006年7月11日
發(fā)明者馬爭(zhēng), 李流華 申請(qǐng)人:電子科技大學(xué)