一種針對(duì)非理想虹膜圖像的邊界定位方法
【專利摘要】本發(fā)明公開了一種針對(duì)非理想虹膜圖像的邊界定位方法，主要包括內(nèi)邊界定位和外邊界定位兩部分，所述內(nèi)邊界定位過程包括5個(gè)步驟，分別是：11)虹膜圖像的二值化操作，12)搜尋瞳孔內(nèi)部的基準(zhǔn)點(diǎn)，13)邊界檢測(cè)，14)選定有效區(qū)域，15)基于改進(jìn)霍夫變換的內(nèi)邊界定位；所述外邊界定位過程包括：21)利用三閾值實(shí)現(xiàn)虹膜圖像二值化，22)選定有效區(qū)域，23)利用改進(jìn)的霍夫變換實(shí)現(xiàn)虹膜圖像外邊界定位。本發(fā)明具有提高非理想采集虹膜圖像的邊界定位的效率和準(zhǔn)確性的優(yōu)點(diǎn)。
【專利說明】一種針對(duì)非理想虹膜圖像的邊界定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種針對(duì)非理想虹膜圖像的邊界定位方法。
【背景技術(shù)】
[0002]隨著信息技術(shù)以及計(jì)算機(jī)技術(shù)的快速發(fā)展，信息安全的重要性變得越來越突出。鑒于傳統(tǒng)的識(shí)別技術(shù)存在一定的問題，生物識(shí)別技術(shù)越來越多的應(yīng)用到人們的日常生活和工作中。目前應(yīng)用較多的生物識(shí)別有人臉、虹膜、指紋、聲音、靜脈等，而虹膜識(shí)別具有較高的穩(wěn)定性、獨(dú)特性和防侵犯性等優(yōu)點(diǎn)，已經(jīng)在安防、礦業(yè)、金融等領(lǐng)域獲得了廣泛應(yīng)用，已經(jīng)成為未來主流的生物識(shí)別技術(shù)[Biometrics:a tool for information security [J].1EEETrans.1nformation Forensics and Security, 2006, I (2), 125-143.A K基恩，A 羅斯，S龐卡迪.生物特征識(shí)別:一種信息安全工具.國(guó)際電氣電子工程師協(xié)會(huì)期刊:《信息辨識(shí)與安全》，第 I 卷第 2 期，2006:125-143.]。
[0003]在虹膜的識(shí)別系統(tǒng)中，一般包括虹膜的預(yù)處理、虹膜的特征提取和虹膜的特征匹配，其中虹膜的預(yù)處理是是整個(gè)虹膜識(shí)別系統(tǒng)的關(guān)鍵。在虹膜圖像的預(yù)處理里面重點(diǎn)就是虹膜的定位，虹膜的定位本質(zhì)上就是確定虹膜的內(nèi)外邊界，所以內(nèi)外邊界的正確性直接影響虹膜識(shí)別的準(zhǔn)確性。目前虹膜定位的主要方法有=Daugman等的微積分算子方法[J Daugman.How iris recognition works[J].1EEE Trans.Circuits and Systemsfor Video Technology, 2004, 14(1):21-30.]，Wildes 等提出的邊緣檢測(cè)和霍夫變換結(jié)合的方法[R P Wildes.1ris recognition: an emerging biometrics technology [A].Proc.1EEE[C]，1997,85(9):1348-1363.]，中科院譚鐵牛提出的最小二乘法擬合的方法[Z He, T Tan, Z Sun, X Qiu.Toward accurate and fast iris segmentation for irisbiometrics[J].1EEE Trans.Pattern Analysis and Machine Intelligence, 2009, 31 (9):1670-1684.]，以及沈陽(yáng)工業(yè)大學(xué)苑瑋琦提出的基于橢圓投影的定位方法[苑瑋琦，王浩.一種基于橢圓投影的非理想虹膜定位算法(J).電子學(xué)報(bào)，2011年04期:958-962.]等。此外，后續(xù)的許多文獻(xiàn)[趙永華等.基于預(yù)優(yōu)投票的虹膜定位算法)(J).吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2009年Si期:254-259 ;張祥德等.基于微積分算子的彩色虹膜圖像定位算法)(J).東北大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011年11期:1550-1553 ;苑瑋琦，徐露，林忠華.一種基于人眼圖像灰度分布特征的虹膜定位算法[J].光電子.激光.2006年02期17卷:226-230 ;葉永強(qiáng)，沈建新，嘯，張敏.三次B樣條曲線擬合的虹膜定位.小型微型計(jì)算機(jī)系統(tǒng)，2011年9期28卷:3588-359.]也是這些算法演變而來的。但是，這些算法普遍計(jì)算量很大，占用存儲(chǔ)空間較多，且對(duì)采集得到的虹膜圖像的質(zhì)量要求較高，采集過程需要被采集者的配合。因此對(duì)非配合條件下采集得到的非理想虹膜圖像定位準(zhǔn)確率不高。例如，Daugman 等的微積分算子方法[J Daugman.How iris recognition works [J].1EEE Trans.Circuits and Systems for Video Technology, 2004, 14(I):21-30.]應(yīng)用最為廣泛，但是在干擾特別是光線變化的影響下，虹膜邊界定位很難準(zhǔn)確。
[0004]在非理想采集環(huán)境下由于環(huán)境因素的干擾，虹膜圖像的質(zhì)量經(jīng)常受到影響，進(jìn)而嚴(yán)重惡化了識(shí)別效果。例如，基于霍夫變換的虹膜邊界定位方法需要搜索變換中心的半徑，運(yùn)算量大且易受噪聲和其他干擾的影響。即便在采取圖像增強(qiáng)技術(shù)后，利用霍夫變換實(shí)現(xiàn)外邊界定位依然受到光線變化的影響。因此，非理想虹膜識(shí)別的關(guān)鍵在于正確定位虹膜區(qū)域，排除不利因素的影響。
[0005]總而言之，目前需要本領(lǐng)域技術(shù)人員迫切解決的一個(gè)技術(shù)問題是:如何提高非理想采集虹膜圖像的邊界定位的效率和準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的就是為了解決上述問題，提供一種針對(duì)非理想虹膜圖像的邊界定位方法，它具有提高非理想采集虹膜圖像的邊界定位的效率和準(zhǔn)確性的優(yōu)點(diǎn)。
[0007]為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:
[0008]一種針對(duì)非理想虹膜圖像的邊界定位方法，主要包括內(nèi)邊界定位和外邊界定位兩部分，所述內(nèi)邊界定位過程包括5個(gè)步驟，分別是:11)虹膜圖像的二值化操作，12)搜尋瞳孔內(nèi)部的基準(zhǔn)點(diǎn)，13)邊界檢測(cè)，14)選定有效區(qū)域，15)基于改進(jìn)霍夫變換的內(nèi)邊界定位；所述外邊界定位過程包括:21)利用三閾值實(shí)現(xiàn)虹膜圖像二值化，22)選定有效區(qū)域，23)利用改進(jìn)的霍夫變換實(shí)現(xiàn)虹膜圖像外邊界定位。
[0009]所述步驟11)的具體步驟為:
[0010]對(duì)讀入的非理想虹膜圖像I，利用大津算法獲得閾值TH，對(duì)虹膜圖像進(jìn)行二值化操作，這一過程表不為
【權(quán)利要求】
1.一種針對(duì)非理想虹膜圖像的邊界定位方法，其特征是，主要包括內(nèi)邊界定位和外邊界定位兩部分，所述內(nèi)邊界定位過程包括5個(gè)步驟，分別是:11)虹膜圖像的二值化操作，12)搜尋瞳孔內(nèi)部的基準(zhǔn)點(diǎn)，13)邊界檢測(cè)，14)選定有效區(qū)域，15)基于改進(jìn)霍夫變換的內(nèi)邊界定位；所述外邊界定位過程包括:21)利用三閾值實(shí)現(xiàn)虹膜圖像二值化，22)選定有效區(qū)域，23)利用改進(jìn)的霍夫變換實(shí)現(xiàn)虹膜圖像外邊界定位。
2.如權(quán)利要求1所述的邊界定位方法，其特征是，所述步驟11)的具體步驟為: 對(duì)讀入的非理想虹膜圖像I，利用大津算法獲得閾值TH，對(duì)虹膜圖像進(jìn)行二值化操作，這一過程表不為
3.如權(quán)利要求1所述的邊界定位方法，其特征是，所述步驟12)的具體步驟為: 搜索圖像ITH-d的基準(zhǔn)點(diǎn)，該基準(zhǔn)點(diǎn)位于瞳孔內(nèi)部；該基準(zhǔn)點(diǎn)標(biāo)記為C，其坐標(biāo)為(X，y)。
4.如權(quán)利要求1所述的邊界定位方法，其特征是，所述步驟13)的具體步驟為: 利用坎尼算子對(duì)去反光后的圖像ITH_d進(jìn)行邊界檢測(cè)，得到邊界檢測(cè)的結(jié)果為圖像E。
5.如權(quán)利要求1所述的邊界定位方法，其特征是，所述步驟14)的具體步驟為: 設(shè)定兩個(gè)參數(shù)Rmin和Rmax,分別表示搜索過程中半徑搜索的最小值和最大值； 然后令D_interior = 0.5X (Rmin+Rmax)，D_interior為內(nèi)邊界定位過程中的距離參數(shù)，則劃定一個(gè)有效區(qū)域，用A表示，所述有效區(qū)域Dr為矩形，其幾何中心為基準(zhǔn)點(diǎn)C，大小為4D_interiorX 4D_interior。
6.如權(quán)利要求1所述的邊界定位方法，其特征是，所述步驟15)的具體步驟為: 以所述步驟13)和所述步驟14)得到的圖像E和基準(zhǔn)點(diǎn)C為基礎(chǔ)，利用改進(jìn)的霍夫變換方法實(shí)現(xiàn)內(nèi)邊界的定位；令Λ = 0.5X (Rmax-Rmin)，Δ為內(nèi)邊界定位過程中的參數(shù)，以基準(zhǔn)點(diǎn)C為中心，劃定一個(gè)矩形區(qū)域，用D。表示，所述矩形區(qū)域D。的大小為4 Λ Χ4Λ ;D。即為虹膜中心的搜索范圍； 通過內(nèi)邊界定位的步驟11)、步驟12)、步驟13)和步驟14)，得到有效區(qū)域D。和基準(zhǔn)點(diǎn)C，其中C的坐標(biāo)為(x，y);在圖像E中的有效區(qū)域D。內(nèi)，分別遍歷每一個(gè)點(diǎn)(Xj，yj)和半徑r，如果這個(gè)點(diǎn)和半徑能使公式(2)取得最大值，則此時(shí)的(\，Yj, r)就被確定為虹膜內(nèi)邊界的參數(shù)集，它等價(jià)于中心為(X。，y。)、半徑為rim?的圓，這個(gè)圓就是所求的虹膜內(nèi)邊界；這里(X。，y。)表示內(nèi)邊界定位后的虹膜中心的坐標(biāo)，rinner表示內(nèi)邊界半徑。
7.如權(quán)利要求6所述的邊界定位方法，其特征是，利用改進(jìn)的霍夫變換方法實(shí)現(xiàn)虹膜圖像的內(nèi)邊界檢測(cè): 定義關(guān)于中心點(diǎn)為C，即基準(zhǔn)點(diǎn)C，其坐標(biāo)為(X，y)，基準(zhǔn)點(diǎn)C為已知量，半徑為r的改進(jìn)霍夫變換為
8.如權(quán)利要求1所述的邊界定位方法，其特征是，所述步驟21)的具體步驟為:利用三閾值坎尼算子實(shí)現(xiàn)邊界檢測(cè)，所述三閾值坎尼算子的邊界檢測(cè)的步驟包括: 步驟a):首先對(duì)虹膜圖像I進(jìn)行平滑，得到圖像I。，平滑濾波器為二維高斯函數(shù)G ；步驟b):計(jì)算圖像I。的梯度幅值和梯度方向，得到梯度幅值圖像，并采用非最大抑制方法對(duì)梯度幅值圖像進(jìn)行細(xì)化，得到圖像Gradient ； 步驟c):最后用三閾值將圖像I 二值化。
9.如權(quán)利要求8所述的邊界定位方法，其特征是，所述步驟c):最后用三閾值將圖像I二值化，即
10.如權(quán)利要求1所述的邊界定位方法，其特征是，所述步驟22)的具體步驟為: 在通過內(nèi)邊界定位獲得虹膜中心和半徑的條件下，用D_eXteri0r表示外邊界搜索的有效區(qū)域參數(shù)；以已知的虹膜中心為中線點(diǎn)劃定一個(gè)矩形區(qū)域，這一區(qū)域大小為1.2D_exteriorX 1.2D—exterior。
【文檔編號(hào)】G06K9/32GK103440481SQ201310390154
【公開日】2013年12月11日 申請(qǐng)日期:2013年8月30日 優(yōu)先權(quán)日:2013年8月30日
【發(fā)明者】萬洪林, 韓民, 張國(guó)裕 申請(qǐng)人:山東師范大學(xué)