基于光源反光区域检测和改进Hough变换的虹膜定位方法技术

一种基于光源反光区域检测和改进Hough变换的虹膜定位方法，包括以下步骤：（1）对原始虹膜图像进行形态学运算，消除瞳孔区域的反光区域，在消除反光区域前后，分别用设定的阈值进行二值化，确定瞳孔内反光区域并计算出均值，把均值点C作为内边界的基准点；（2）利用基准点确定内边界的感兴趣区域以及内边界拟合的圆心半径范围，对内边界的感兴趣区域进行改进Hough变换，找出虹膜图像内边界；在内边界的基础上找出虹膜图像外边界。该方法充分利用虹膜图像的特征，在内外边界定位过程中，利用基准点C对边缘检测的图像设定拟合感兴趣区域以及圆心半径的范围，大大减少了拟合算法计算量，且减少了眼睑、睫毛等噪点对拟合的影响。

【技术实现步骤摘要】
基于光源反光区域检测和改进Hough变换的虹膜定位方法
本专利技术涉及一种基于光源反光区域检测和改进Hough变换的虹膜图像定位方法，属于生物特征识别

技术介绍
生物特征识别算法(Biometrics)利用人类自身的生理或行为特征进行个人身份识别。目前应用较多的生物识别有人脸、虹膜、指纹、声音、静脉等生理特征以及签名动作、步态等行为特征。这些特征因人而异、携带方便并且具有相当的稳定性。生物特征识别算法凭借这些独特优势，已经在信息安全、金融交易、社会安全、医疗卫生等领域获得了广泛应用。与其他生物特相比，虹膜具有很高的稳定性、独特性和防侵犯性等优点，已经得到了科学界和工业界的高度关注，并在安防、矿业、金融等领域得到了应用。在虹膜的识别系统中，一般包括虹膜的预处理、虹膜的特征提取和虹膜的特征匹配。其中虹膜的预处理是是整个虹膜识别系统的关键，它为后续的特征提取和编码过程提供有效信息。在虹膜图像的预处理里面重点就是虹膜的定位，虹膜的定位本质上就是确定虹膜的内外边界，所以内外边界的的正确性直接影响虹膜识别的准确性。虹膜预处理的基本步骤为：(1)初始化瞳孔中心；(2)确定虹膜内边界；(3)确定虹膜外边界。最早的虹膜边界定位方法由Daugman提出，即经典的积分/微分算子(Integro-differentialoperator)；Wildes提出的算法将边缘检测与Hough变换相结合；Boles等采用一维三次样条小波提取出的图像过零点作为特征。随后，人们在虹膜图像分割阶段引入了多种工具，如最小二乘拟合、活动轮廓模型、Gabor滤波器等。虹膜边界定位存在以下难点：1光线的影响：例如眼睛上出现反光区域。2遮挡：睫毛、眼睑等的遮挡，眼睛几乎闭合。3：虹膜自身灰度不均匀，尤其是虹膜靠近瞳孔部分细节比较丰富。因此虹膜图像质量大为降低，这为虹膜边界的准确定位带来了很大困难。为此，人们提出了不同的方法。例如等的均值模糊聚类、Pundlik等图割法、He等提出了弦长均衡方法方法、Jarjes等的snake模型和角积分投影法。但是，这些算法普遍计算量很大，占用内存多，定位准确率不高。
技术实现思路
针对现有虹膜边界定位技术存在的计算量大、占用内存多、定位准确率不高等问题，本专利技术提出了一种基于光源反光区域检测和改进Hough变换的虹膜定位方法，该方法能够较快实现内、外边界的准确定位，还在一定程度上抑制了边缘毛刺点和部分睫毛点、眼睑的影响。本专利技术的基于光源反光区域检测和改进Hough变换的虹膜定位方法，包括以下步骤：（1）确定基准点：利用虹膜采集过程中（采集设备一般采用对称的红外光源）会在瞳孔中形成反光点这一特性，对原始虹膜图像进行形态学运算，消除瞳孔区域的反光区域，在消除反光区域前后，分别用设定的阈值进行二值化，确定瞳孔内反光区域并计算出均值，把均值点C作为内边界的基准点；步骤（1）的具体过程如下：①对输入的虹膜图像I(m,n)(m≤MI,n≤NI)进行高斯金字塔分解,MI和NI分别是虹膜图像的总行数和总列数，得到概貌图像Ic；②根据反光区域的灰度值特征，设定阈值Th，将概貌图像Ic二值化。低于设定阈值Th的像素的灰度值置为0，得到低亮度L区域；否则置1，得到高亮度H区域，得到概貌图像Ic的二值化图像Ic_b；其中Ic_max(j)表示第j列的像素最大值，N表示概貌图像Ic的总列数，Th表示Ic_max(j)的均值；③对概貌图像Ic进行形态学开运算，得到消除瞳孔内部反光区域后的图像Ic_pupil；④根据瞳孔区域的灰度值特征，设定阈值Tl，将消除瞳孔内部反光区域后的图像Ic_pupil二值化，低于设定阈值Tl的像素的灰度值置为0，得到低亮度L1区域；否则置1，得到高亮度H1区域，得到消除反光区域后的图像二值化后的图像Ic_b1（即新的二值化后的图像）；其中Ic_pupil_min(j)表示第j列的像素最小值，N表示图像Ic_pupil的总列数（图像Ic_pupil的总列数与概貌图像Ic的总列数相同，所以也用N表示），Tl表示Ic_pupil_min(j)的均值；⑤由于只有瞳孔内的反光区域同时属于概貌图像的二值化图像Ic_b中的高亮度区域和图像Ic_b1中的低亮度区域，由此可见，瞳孔内反光点的均值点C就在瞳孔内，均值点C就能够作为内边界定位的基准点，C=(Cx,Cy)。（2）对虹膜内边界和外边界定位：利用基准点确定内边界的感兴趣区域以及内边界拟合的圆心半径范围，对内边界的感兴趣区域进行改进Hough变换，找出虹膜图像内边界；在内边界的基础上确定外边界的感兴趣区域以及外边界拟合的圆心半径范围，对外边界的感兴趣区域进行同样的改进Hough变换，找出虹膜图像外边界；步骤（2）的具体过程如下：①边缘检测：用canny算子对概貌图像Ic进行边缘检测操作，Canny算子求边缘点具体算法步骤如下：(a)用高斯滤波器平滑图像，(b)用一阶偏导有限差分计算梯度幅值和方向，(c)对梯度幅值进行非极大值抑制方法来细化边界，处理后得到图像Ic_nmax，(d)最后用滞后阈值（双阈值）二值化，高阈值TH_H用于检测梯度幅值大的强边缘，低阈值TH_L检测与强边缘相连的弱边缘和连接边缘，得到图像Ic_icanny；②确定内边界感兴趣区域：设定瞳孔半径范围[RminRmax]，并把此范围作为半径参数的感兴趣范围，令△=0.5*(Rmax-Rmin)，△小于5，设定行[-2*△+Cx2*△+Cx]，列[-2*△+Cy2*△+Cy]的微小区间为虹膜内边界圆心的范围，此范围就是圆心参数的感兴趣区间；对Hough变换拟合的范围进行限制，基准点C=(Cx,Cy)在瞳孔内部，令D_interior=0.5*(Rmin+Rmax),由此截取图像Ic_icanny的行为[-2*D_interior+Cx2*D_interior+Cx]，列为[-2*D_interior+Cy2*D_interior+Cy]的矩形区域作为内边界的感兴趣区域；③通过改进Hough变换确定内边界：虹膜内边界能够表示成圆方程，由于边缘检测出来的内边界不一定是完整的圆，大量边界点不在圆上，而是在圆内外两三个像素范围内，所以需要对Hough变换做改进，再对感兴趣区域进行拟合，确定内边界；具体公式如下：其中，...

【技术保护点】
一种基于光源反光区域检测和改进Hough变换的虹膜定位方法，其特征是：包括以下步骤：（1）确定基准点：利用虹膜采集过程中会在瞳孔中形成反光点这一特性，对原始虹膜图像进行形态学运算，消除瞳孔区域的反光区域，在消除反光区域前后，分别用设定的阈值进行二值化，确定瞳孔内反光区域并计算出均值，把均值点C作为内边界的基准点；步骤（1）的具体过程如下：①对输入的虹膜图像I(m,n),m≤MI,n≤NI,进行高斯金字塔分解,MI和NI分别是虹膜图像的总行数和总列数，得到概貌图像Ic；②根据反光区域的灰度值特性，设定阈值Th，将概貌图像Ic二值化。低于设定阈值Th的像素的灰度值置为0，得到低亮度L区域；否则置1，得到高亮度H区域，得到概貌图像Ic的二值化图像Ic_b；Ic_b(i,j)=1,ifIc(i,j)≥Th0,ifIc(i,j)<ThTh=1NΣj=1NIc_max(j),]]>其中Ic_max(j)表示第j列的像素最大值，N表示概貌图像Ic的总列数，Th表示Ic_max(j)的均值；③对概貌图像Ic进行形态学开运算，得到消除瞳孔内部反光区域后的图像Ic_pupil；④根据瞳孔区域的灰度值特性，设定阈值Tl，将消除瞳孔内部反光区域后的图像Ic_pupil二值化，低于设定阈值Tl的像素的灰度值置为0，得到低亮度L1区域；否则置1，得到高亮度H1区域，得到消除反光区域后的图像二值化后的图像Ic_b1；Ic_b1(i,j)=1,ifIc_pupil(i,j)≥Tl0,ifIc_pupil(i,j)<TlTl=1NΣj=1NIc_pupil_min(j),]]>其中Ic_pupil_min(j)表示第j列的像素最小值，N表示图像Ic_pupil的总列数，Tl表示Ic_pupil_min(j)的均值；⑤由于只有瞳孔内的反光区域同时属于概貌图像的二值化图像Ic_b中的高亮度区域和图像Ic_b1中的低亮度区域，由此可见，瞳孔内反光点的均值点C就在瞳孔内，均值点C就能够作为内边界定位的基准点，C=(Cx,Cy)。（2）对虹膜内边界和外边界定位：利用基准点确定内边界的感兴趣区域以及内边界拟合的圆心半径范围，对内边界的感兴趣区域进行改进Hough变换，找出虹膜图像内边界；在内边界的基础上确定外边界的感兴趣区域以及外边界拟合的圆心半径范围，对外边界的感兴趣区域进行同样的改进Hough变换，找出虹膜图像外边界；步骤（2）的具体过程如下：①边缘检测：用canny算子对概貌图像Ic进行边缘检测操作，Canny算子求边缘点具体算法步骤如下：(a)用高斯滤波器平滑图像，(b)用一阶偏导有限差分计算梯度幅值和方向，(c)对梯度幅值进行非极大值抑制方法来细化边界，处理后得到图像Ic_nmax，(d)最后用滞后阈值二值化，高阈值TH_H用于检测梯度幅值大的强边缘，低阈值TH_L检测与强边缘相连的弱边缘和连接边缘，得到图像Ic_icanny；TH_H=1NΣj=1NIc_nmax(j)TH_L=0.5*TH_H;]]>②确定内边界感兴趣区域：设定瞳孔半径范围[Rmin?Rmax]，并把此范围作为半径参数的感兴趣范围，令△=0.5*(Rmax?Rmin)，△小于5，设定行[?2*△+Cx?2*△+Cx]，列[?2*△+Cy?2*△+Cy]的微小区间为虹膜内边界圆心的范围，此范围就是圆心参数的感兴趣区间；对Hough变换拟合的范围进行限制，基准点C=(Cx,Cy)在瞳孔内部，令D_interior=0.5*(Rmin+Rmax),由此截取图像Ic_icanny的行为[?2*D_interior+Cx?2*D_interior+Cx]，列为[?2*D_interior+Cy?2*D_interior+Cy]的矩形区域作为内边界的感兴趣区域；③通过改进Hough变换确定内边界：虹膜内边界能够表示成圆方程，由于边缘检测出来的内边界不一定是完整的圆，大量边界点不在圆上，而是在圆内外两三个像素范围内，所以需要对Hough变换做改进，再对感兴趣区域进行拟合，确定内边界；具体公式如下：H(xc,yc,r)=Σi=-2*D_interior+Cx2*D_interior+CxΣj=-2*D_interior+Cy2*D_interior+Cyh(xj,yj,xc,yc,r),]]>其中，h(xj,yj,xc,yc,r)=1,if-10≤g(xj,yj,xc,yc,r)&l...

【技术特征摘要】
1.一种基于光源反光区域检测和改进Hough变换的虹膜定位方法，其特征是：包括以下步骤：(1)确定基准点：利用虹膜采集过程中会在瞳孔中形成反光点这一特性，对原始虹膜图像进行形态学运算，消除瞳孔区域的反光区域，在消除反光区域前后，分别用设定的阈值进行二值化，确定瞳孔内反光区域并计算出均值，把均值点C作为内边界的基准点；步骤(1)的具体过程如下：①对输入的虹膜图像I(m,n),m≤MI,n≤NI,进行高斯金字塔分解,MI和NI分别是虹膜图像的总行数和总列数，得到概貌图像Ic；②根据反光区域的灰度值特性，设定阈值Th，将概貌图像Ic二值化，低于设定阈值Th的像素的灰度值置为0，得到低亮度L区域；否则置1，得到高亮度H区域，得到概貌图像Ic的二值化图像Ic_b；其中Ic_max(j)表示第j列的像素最大值，N表示概貌图像Ic的总列数，Th表示Ic_max(j)的均值；③对概貌图像Ic进行形态学开运算，得到消除瞳孔内部反光区域后的图像Ic_pupil；④根据瞳孔区域的灰度值特性，设定阈值Tl，将消除瞳孔内部反光区域后的图像Ic_pupil二值化，低于设定阈值Tl的像素的灰度值置为0，得到低亮度L1区域；否则置1，得到高亮度H1区域，得到消除反光区域后的图像二值化后的图像Ic_b1；其中Ic_pupil_min(j)表示第j列的像素最小值，N表示图像Ic_pupil的总列数，Tl表示Ic_pupil_min(j)的均值；⑤由于只有瞳孔内的反光区域同时属于概貌图像的二值化图像Ic_b中的高亮度区域和图像Ic_b1中的低亮度区域，由此可见，瞳孔内反光点的均值点C就在瞳孔内，均值点C就能够作为内边界定位的基准点，C＝(Cx,Cy)；(2)对虹膜内边界和外边界定位：利用基准点确定内边界的感兴趣区域以及内边界拟合的圆心半径范围，对内边界的感兴趣区域进行改进Hough变换，找出虹膜图像内边界；在内边界的基础上确定外边界的感兴趣区域以及外边界拟合的圆心半径范围，对外边界的感兴趣区域进行同样的改进Hough变换，找出虹膜图像外边界；步骤(2)的具体过程如下：①边缘检测：用canny算子对概貌图像Ic进行边缘检测操作，Canny算子求边缘点具体算法步骤如下：(a)用高斯滤波器平滑图像，(b)用一阶偏导有限差分计算梯度幅值和方向，(c)对梯度幅值进行非极大值抑制方法来细化边界，处理后得到图像Ic_nmax，(d)最后用滞后阈值二值化，高阈值TH_H用于检测梯度幅值大的强边缘，低阈值TH_L检测与强边缘相连的弱边缘和连接边缘，得到图像Ic_icanny；②确定内边界感兴趣区域：设定瞳孔半径范围[RminRmax]，并把此范围作为半径参数的感...

【专利技术属性】
技术研发人员：韩民，张国裕，
申请(专利权)人：山东大学，
类型：发明
国别省市：