基于纹理差异的虹膜图像肠环区域检测方法技术

本发明专利技术提供一种基于纹理差异的虹膜图像肠环区域检测方法，其将虹膜肠环区域信息应用于虹膜图像粗分类，为了获取虹膜图像肠环区域，其基于自仿射拟合的纹理分割算法，实现虹膜肠环外边界检测。该发明专利技术在多尺度下拟合图像局部到整体信息的自仿射性，有效地在小区域内描述肠环内、外纹理的差异，通过分析差异的变化规律确定肠环区域。在此基础上分别给出了按照虹膜肠环位置区域分布和肠环内纹理复杂度两种分类方式进行大样本虹膜图像粗分类。在自采的1000幅虹膜图像库下分别进行实验，以上两种分类方式下的分类正确率分别为98.8%和98.7%，表明该发明专利技术能够有效地应用于大样本虹膜图像粗分类。

【技术实现步骤摘要】
【专利说明】
：本专利技术属于生物特征识别
，具体涉及一种虹膜肠环区域信息 检测算法，以及利用虹膜肠环区域信息进行虹膜粗分类，即基于纹理差异的虹膜图像肠环 区域检测方法。
技术介绍
：生物识别技术是最重要的计算机辅助个人身份识别方法之一，广泛的 应用于政府项目如国家身份证、签证和签证办理等领域。虹膜识别以其稳定性和高识别率 在众多生物特征中占主要地位。 虹膜图像具有丰富的纹理特征，这些纹理具有不同的形状，如块状、条状、斑点状 等，研究者提出多种方法进行这些信息特征的提取，用于身份识别。然而，绝大多数方法计 算相对复杂，在一定大小的数据库下能够验证虹膜识别的有效性，但在实际应用中还存在 局限。尽管这些方法获得良好的识别结果，然而所有虹膜身份验证方法需要匹配输入虹膜 图像数据库中大量的虹膜图像，这是非常耗时的。
技术实现思路
： 专利技术目的：本专利技术提供一种，其目的 是解决以往的虹膜识别效果不理想的问题，提高大样本数据库下虹膜识别的匹配速度。 技术方案：本专利技术是通过以下技术方案来实现的： -种，其特征在于：所述方法的具体 步骤如下： (1)虹膜图像预处理 利用现有的虹膜采集仪采集人眼图像；虹膜定位，即确定瞳孔与虹膜、虹膜与巩膜 之间的两个边界；虹膜图像归一化，即把虹膜两个边界构成的圆环映射到一个固定形状的 纹理图中； (2)基于纹理差异的虹膜图像肠环区域检测； (3)虹膜肠环区域信息表示； (4)应用虹膜肠环区域信息进行虹膜图像粗分类。 "（2) "步骤中所述的建立一种图像局部特征到整体特征的自仿射性关系来表征纹 理。 "（3) "步骤中的肠环位置区域分布和肠环内纹理复杂度两种表示方法，在整个虹 膜上建立四等分统计模型描述肠环位置区域分布，提出一种在不规则灰度共生矩阵下计算 6种纹理描绘子方法表示肠环内纹理复杂度。 "（4) "步骤中的建立肠环位置分布和基于支持向量机的肠环内纹理复杂度两种分 类模型。 (1)人眼图像样本库建立 利用现有的虹膜采集仪采集人眼图像，建立基于肠环位置区域分布和肠环内纹理 复杂度两种分类样本库； (2)人眼虹膜肠环区域定位 1)虹膜定位：确定瞳孔与虹膜、虹膜与巩膜之间的两个边界； 2)虹膜图像归一化：把虹膜两个边界构成的圆环映射到一个固定形状的纹理图 中； 3)虹膜肠环外边界提取：在归一化图像上建立一定大小的窗口进行扫描，描述窗 口内纹理变化规律。分析此规律的差别确定肠环外边界； (3)肠环信息分析与表示：在整个虹膜上建立四等分统计模型描述肠环位置区域 分布，提出一种在不规则灰度共生矩阵下计算6种纹理描绘子方法表示肠环内纹理复杂 度； (4)基于肠环信息的虹膜粗分类：建立肠环位置分布分类模型和基于支持向量机 的肠环内纹理复杂度分类模型，并在样本库上进行了测试。 肠环内纹理被分为以下三类：第一类：丝状结构，这类虹膜肠环表面平整，几乎没 有纤维和表面形态的变化；第二类：网状结构，此类虹膜肠环图像同第一类相接近，只是在 肠环外边界会出现少量的孔洞或者凹陷；第三类：粗麻结构，这类虹膜肠环内图像纤维结 构松散，纤维在末端经常呈现开放的状态，表面有很多大的孔洞和凹陷； 虹膜定位就是要找出瞳孔与虹膜、虹膜与巩膜之间的两个边界即内边界和外边 界，这两个边界通常被近似为两个圆，因此虹膜定位就是确定这两个圆的圆心及半径； 将虹膜图像归一化，归一化图像大小为360*150。 建立一种局部到整体的自仿射性关系来表征纹理； 对于一幅灰度图像，可以看作是3维表面，其表面的"高度"由图像的灰度值表示， 因此表面的复杂性代表了图像像素灰度值变化特性，这种复杂性可以定量描述，这种方法 的基本原理如下： 1)在MXM大小的图像上选取IXd的子块，（d为子块长度，即为尺度） 2)计算子块中中心元素与其他元素的灰度差的期望e(i，j); e(i，j) = E (2) 式中f (i，j)表示子块中心元素的灰度值，f (i，j±m)表示子块中其余元素的灰度 值； 3)选取不同尺度的子块在MXM图像上滑动，计算每种尺度子块的期望，分别构成 一个二维矩阵D d; 4)统计不同尺度d的二维矩阵Dd的期望直方图Hd(r k); Hd (rk) = nk (3) 式中k表示直方图的级数；rk是第k级期望值；n k是矩阵D冲期望为r ,的个数； 5)不同尺度的期望直方图分布对于同一纹理图像都具有相似的自仿射性，也就是 说它们具有线性关系。因此，构造如下线性方程： d ^ Kallj +b (4) 式中％为不同尺度期望直方图Hd(rk)的标准偏差，K为线性拟合的斜率，其值表 示纹理图像的特征。 为了寻找肠环外边界，归一化图像上，建立一定大小的窗口描述该窗口内纹理变 化规律，分析此规律的差别确定肠环外边界，具体步骤如下： 步骤I):根据实验选择尺度及窗口大小，确定窗口大小后计算窗口内不同尺度子 块的期望e(i，j); 步骤2):计算窗口内不同尺度的期望直方图Hd(rk); 步骤3):按式⑷计算K值； 步骤4):在如图所示的行方向上滑动窗口，计算每个窗口的K值，求出该行内最小 K值，该K值所在窗口的中心点即为该行的肠环边界点； 步骤5):窗口向下移动一个像素，重复步骤1)-4)，直到找到所有行的边界点，连 接步骤5)得到的所有边界点，即为虹膜肠环外边界的轮廓线。 优点及效果： 本专利技术提供一种，为了减少搜索时间 和计算复杂度，最好能够在虹膜图像匹配之前进行粗分类，以便输入虹膜与虹膜匹配只有 在其相应的类别中进行。 虹膜图像纹理分布不均匀，人从视觉上可以看出存在一个过渡边界，虹膜图像中 对于大多数人群的这个边界模糊，而且模糊的程度不一。该边界将整个虹膜纹理分为内外 两部分，从瞳孔到这个过度边界的区域被称为肠环。从图像中可以看出，肠环区域内纹理与 外部纹理存在明显的差异，同时，不同类人的虹膜图像的肠环区域位置分布和纹理都存在 差异。这些差异在整个虹膜图像中占主要地位，可以作为虹膜的特征，应用于虹膜图像的粗 分类，从而提高基于大样本数据库的虹膜识别的匹配速度。另外，虹膜图像的肠环区域信息 在采集时不受眼睑，睫毛的遮挡，有利于当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
本专利技术提供一种基于纹理差异的虹膜图像肠环区域检测方法，其特征在于：所述方法的具体步骤如下：(1)虹膜图像预处理利用现有的虹膜采集仪采集人眼图像；虹膜定位，即确定瞳孔与虹膜、虹膜与巩膜之间的两个边界；虹膜图像归一化，即把虹膜两个边界构成的圆环映射到一个固定形状的纹理图中；(2)基于纹理差异的虹膜图像肠环区域检测；(3)虹膜肠环区域信息表示；(4)应用虹膜肠环区域信息进行虹膜图像粗分类。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄静，苑玮琦，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：辽宁;21