本发明专利技术提供的一种基于多分辨率分析的虹膜定位方法，它首先通过二值化，数学形态学，灰度和最小块搜索等操作定位出瞳孔的粗略圆心（ｘ↓［ｏ］，ｙ↓［ｏ］）；然后在（ｘ↓［ｏ］，ｙ↓［ｏ］）附近的若干行上，搜索一定范围内的灰度梯度最大值的坐标作为瞳孔边界点的坐标，经过曲线拟合可以定位出瞳孔的精确圆心和半径；接着根据取瞳孔粗略圆心（ｘ↓［ｏ］，ｙ↓［ｏ］）附近的各行灰度序列在分辨率２↑［－５］和２↑［－６］下的细节分量，搜索局部最小值点的坐标，作为虹膜的外边缘边界点并进行曲线拟合得到虹膜外边缘的精确圆心和半径。采用本发明专利技术提出的基于多分辨率分析的方法，可以有效的进行虹膜图像的定位操作，避免了传统算法对眼睑和睫毛遮挡较为敏感的问题。
【技术实现步骤摘要】
本专利技术涉及于图像处理
，主要涉及生物特征鉴别中的虹膜身 份识别技术。
技术介绍
生活在一个高度信息化的现代社会，身份鉴别已经渗透到人们日常生 活的每一个方面。同时，由于交通、通讯和网络技术的飞速发展，人类的 活动范围越来越大，身份鉴别的难度和重要性也越来越突出。对于我国这 样一个人口众多的国家，身份鉴别有着尤其广泛的应用前景和重要的战略 意义，金融、安全、网络、电子商务等无一不需要可靠的身份鉴别。传统 的利用密码等身份鉴别的方法具有易遗忘、易假冒等缺点，已不符合现代 数字社会的需求。基于生物特征的身份鉴别技术利用人本身所拥有的生物 特征来判别人的身份，这些生物特征具有"人各有异、终生不变、随身携 带"三个特点，具有稳定、便捷、不易伪造等优点，近年来已成为身份鉴 别的热点。常用的生物特征包括指纹、掌纹、虹膜、脸像、声音、签名和 笔迹等。虹膜作为重要的身份鉴别特征，具有唯一性、稳定性、可采集性和非侵犯性等优点。详见文献AnilK. Jain， Arun Ross, Sali 1 Prabhakar， "An Introduction to Biometric Recognition" ， 7]ra/7幼"io/ o/ d>cwits a/^iy^ems/or KzVeo 7fec力/7CLZo^y, Volume 14， No. 1， pp4-20， 2004和文献John G. Daugman， "How Iris Recognition Works, " iS5F7y朋sactio/7 o/7 6Y/ri/iz^ a/7^6y5^柳51 /"or Kz'cfe。 7ec力/ oic^7, Volume 14, Issue 1， pp. 21-30， 2004所述。虹膜定位是整个自动虹膜识别系统的第一步，也是较为重要的一步， 它关系到后面进行处理的图像是否是有效的虹膜区域，因此决定了识别的 结果。实际中，由于虹膜的边缘较为模糊，通常在拍摄时存在眼睑和睫毛 的遮挡，所以准确的定位虹膜常常比较困难。目前已有的算法中还没有提 出一种有效的能在存在一定眼睑和睫毛遮挡的虹膜图像中准确的定位出虹 膜，因此我们旨在设计一种能抑制部分眼睑和睫毛遮挡问题的虹膜定位方 法，详见文献胡正平，张晔，王成儒."非线性拟合结合交叉参考的迭 代虹膜定位方法"，伊,炎薪厨没^与風彩学学叛，Volumel6, No. 3, pp. 297-230,2004和文献Daugman J G."High Confidence Visual Recognition of Persons by a Test of Statistical Independence" , Z￡6F 7]r朋5ac"o/75" j%"e/7 爿/7a丄 ifecA//7e i>7te7_Z， Volume. 15， No. 11, pp. 1148-1161， 1993所述。(1) 目前已有虹膜定位方法有基于边缘检测和Hough变换定位的方 法。它首先采用边缘检测算子对整幅虹膜图像进行边缘检测，利用Hough 变换将边缘象素连接起来构成一个圆，并得到该圆的圆心坐标和半径。该 方法由于Hough变换的反复迭代运算，耗时较长，并且容易受到眼睑和睫 毛等的影响。详见文献R.P. Wildes, "Iris Recognition: An Emerging Biometric Technology"， 尸roceet/i/z^s o/ t力e iS5F， Volume 85， No. 9， pp. 1348-1363， 1997所述。(2) 基于灰度梯度的方法。它首先对虹膜图像进行粗定位，确定瞳孔和虹膜所在圆的大致位置，然后再根据粗定位的结果，在一定范围内搜索 圆周灰度积分梯度最大的圆，记下其圆心和半径作为定位的结果。该方法 的缺点是，由于需要进行粗定位和精定位，并且搜索灰度梯度最大值的运算较为复杂，所以整个方法耗时较长。详见文献J. Daugman， "How Iris Recognition Works" , Z6E/ 7]r朋5actz'o/ s cv Cz>cw_z.ts朋d 5y5^e迈s /or Kz'cfeo rec/woh^7， Volume, 14， No. 1， pp. 21-30, 2004所述。(3)非线性拟合结合交叉参考的迭代虹膜定位方法。它通过不断舍弃 随机噪声和边缘毛刺点来提高定位的稳定性，定位时主要采用圆拟合的方 法。该方法的缺点是不断更新迭代，耗时较长。Xing Lei, ShiPengfei， "A quality evaluation method of iris image" ， G^ese /owz7 a7 o/" 5YareoZog7朋d/鹏ge ^朋7戸.s， Volume. 8, No. 2， pp. 108-113， 2003。 上述的虹膜图定位算法都在一定程度上存在问题，计算量过大、对噪 声敏感、通用性不强等等。
技术实现思路
本专利技术的任务是设计一种稳定的快速的虹膜定位方法，能够在有一定 眼睑和睫毛遮挡的虹膜图像中准确的定位出虹膜的内外边缘，并且算法的 耗时较短。本专利技术的目的是这样实现的，其特征在于其包含下列步骤 步骤l、通过摄像装置，对人眼中的虹膜进行图像采集，得到含有虹 膜图像的原始灰度图像，图像大小为640x480;步骤2、选取一个固定的阈值K，将原始虹膜图像进行二值化，原始灰度图像中灰度值大于阈值f;的象素点的灰度值赋为i，小于阈值K的象素点的灰度值赋为0;步骤3、对步骤2中得到的二值图像，进行数学形态学中的闭合运算来 消除二值图像中的小空洞；其中闭合运算为JDB = pe5)05，即先对原始 图像^用结构元素S进行膨胀运算，然后再进行腐蚀运算；结构元素S为一 个7X7的矩阵，中间近似圆形区域内的元素的值为1，其余元素的值为0; U为闭合运算符， 为膨胀运算符，0为腐蚀运算符；步骤4、在步骤3中得到的空洞填充后的虹膜图像上瞳孔可能存在的 区域，进行块划分，每个块的大小为100xl00;找到灰度累加和最小的块；其中统计灰度和最小的块的公式为min^) S ￡ /(x，力，其中1)*100 + 90， /-l^a^ =(_/—1)*100+120， _/ = 1，2,3，4.， /(x,力为图像的灰度；步骤5、当步骤4中的统计灰度和最小的块的公式取到最小值时，可 以得到这个最小灰度和块对应的i和_/ ;这个灰度和最小块对应的4个顶点 是(；>0， (x,+100，y,)， (;c,，y,+100)和(;c,+100，;v,+100);步骤6、在灰度和最小的区域内找到任意一个灰度值为0的象素点 (:c'，/);然后分别沿水平方向向左右搜索第一个灰度值为l的点，得到瞳孔 的左右边界0c,，/)和^，/;);因此，瞳孔粗略中心的横坐标是x。^^^;步骤7、与步骤6的方法类似，以任意一个灰度值为0的象素点(x'，/)为中心，分别沿垂直方向向上和向下搜索第一个灰度值为l的点，得到瞳孔的上边界0c'，^和下边节点0c',A)，瞳孔粗略中心的纵坐标是y。-^本文档来自技高网...
【技术保护点】
一种基于多分辨率分析的虹膜定位方法，其特征在于其包含下列步骤：步骤１、通过摄像装置，对人眼中的虹膜进行图像采集，得到含有虹膜图像的原始灰度图像，图像大小为６４０×４８０；步骤２、选取一个固定的阈值Ｖ↓［ｂ］，将原始虹膜图像进行二值化，原始灰度图像中灰度值大于阈值Ｖ↓［ｂ］的象素点的灰度值赋为１，小于阈值Ｖ↓［ｂ］的象素点的灰度值赋为０；步骤３、对步骤２中得到的二值图像，进行数学形态学中的闭合运算来消除二值图像中的小空洞；其中闭合运算为：Ａ□Ｂ＝（Ａ⊕Ｂ）ΘＢ，即先对原始图像Ａ用结构元素Ｂ进行膨胀运算，然后再进行腐蚀运算；结构元素Ｂ为一个７×７的矩阵，中间近似圆形区域内的元素的值为１，其余元素的值为０；凵为闭合运算符，⊕为膨胀运算符，Θ为腐蚀运算符；步骤４、在步骤３中得到的空洞填充后的虹膜图像上瞳孔可能存在的区域，进行块划分，每个块的大小为１００×１００；找到灰度累加和最小的块；其中统计灰度和最小的块的公式为ｍｉｎ↓［（ｉ，ｊ）］＊＊Ｉ（ｘ，ｙ），其中ｘ↓［ｉ］＝（ｉ－１）＊１００＋９０，ｉ＝１，２，３．ｙ↓［ｊ］＝（ｊ－１）＊１００＋１２０，ｊ＝１，２，３，４．，Ｉ（ｘ，ｙ）为图像的灰度；步骤５、当步骤４中的统计灰度和最小的块的公式取到最小值时，可以得到这个最小灰度和块对应的ｉ和ｊ；这个灰度和最小块对应的４个顶点是（ｘ↓［ｉ］，ｙ↓［ｉ］），（ｘ↓［ｉ］＋１００，ｙ↓［ｉ］），（ｘ↓［ｉ］，ｙ↓［ｉ］＋１００）和（ｘ↓［ｉ］＋１００，ｙ↓［ｉ］＋１００）；步骤６、在灰度和最小的区域内找到任意一个灰度值为０的象素点（ｘ′，ｙ′）；然后分别沿水平方向向左右搜索第一个灰度值为１的点，得到瞳孔的左右边界（ｘ↓［ｌ］，ｙ′）和（ｘ↓［ｒ］，ｙ′）；因此，瞳孔粗略中心的横坐标是＊＊＊；步骤７、与步骤６的方法类似，以任意一个灰度值为０的象素点（ｘ′，ｙ′）为中心，分别沿垂直方向向上和向下搜索第一个灰度值为１的点，得到瞳孔的上边界（ｘ′，ｙ↓［ｕ］）和下边节点（ｘ′，ｙ↓［ｂ］），瞳孔粗略中心的纵坐标是＊＊＊；步骤８、任取（ｘ↓［ｏ］，ｙ↓［ｏ］）附近纵坐标为ｙ的一行，其象素点灰度值构成序列Ｓ↓［ｙ］；步骤９、对步骤８得到的灰度序列Ｓ↓［ｙ］，计算相邻５个象素点的水平一阶灰度差分，计算公式为：当ｘ↓［ｏ］≤ｘ＜Ｎ－５时，ｄＳ↓［ｙ］（ｘ）＝Ｉ（ｘ＋５，ｙ）－Ｉ（ｘ，ｙ）；当５≤ｘ＜ｘ↓［ｏ］时，ｄＳ↓［ｙ］（ｘ）＝Ｉ（ｘ－５，...
【技术特征摘要】
【专利技术属性】
技术研发人员：解梅，潘力立，马争，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：44[中国|广东]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。