The invention discloses a method for effective image region detection and segmentation method of iris recognition, the method includes: S1. coarse iris localization in iris image analysis of Purkinje image based on S2. iris boundaries; fine positioning elastic force model based on S3.; the lower eyelid iris filter and histogram sorting filter based on S4.; based on image shadow detection model to predict the extent of eyelash eyelash and shadow. The invention can obtain the iris quickly and accurately, effectively solved the iris segmentation algorithm in the slow speed and low accuracy problem, provide fast and reliable positioning and segmentation results for iris feature follow-up analysis. The invention can be widely used in many application systems for iris identification, identity identification and security prevention.
【技术实现步骤摘要】
本专利技术涉及数字图像处理、模式识别和统计学习等
，特 别是涉及一种。
技术介绍
虹膜是人眼中介于黑色瞳孔和白色巩膜之间的圆环状区域，呈现 丰富的纹理。大量医学和计算机科学的研究表明，虹膜具有唯一性高、 稳定性强、非侵犯性等优点。这些优点使得虹膜特别适合用于人的身 份认证和识别，并被成功地应用于机场、海关、银行等场合的身份鉴定。虹膜识别通过对虹膜成像装置获取的虹膜图像的分析完成对用户 身份的认证或识别。虹膜成像装置在获取虹膜图像的同时，不可避免 地会釆集到瞳孔、巩膜、眼皮、睫毛和阴影等。而虹膜识别需要的仅 仅是介于瞳孔和巩膜之间且不被眼皮、睫毛和阴影遮挡的区域，这部 分区域称为虹膜图像中身份识别的有效区域。为了得到该有效区域， 就需要准确定位虹膜的内外边界、上下眼皮边界和睫毛、阴影等。英国剑桥大学的Daugman在其专利U.S. Pat. No. 5291560中提出 了一种称之为积分差分算子的技术用于虹膜分割。该技术通过计算图 像中积分差分的最大值来确定虹膜内外边界以及上下眼皮边界。美国IriTech公司的Kim等人在其专利U.S. Pat. No. 6...
【技术保护点】
一种用于虹膜识别的有效图像区域检测和分割方法，其特征在于，该方法包括： Ｓ１、基于虹膜图像中普尔钦斑分析的虹膜粗定位； Ｓ２、基于弹性力模型的虹膜内外边界精定位； Ｓ３、基于排序滤波和直方图滤波的虹膜上下眼皮定位； Ｓ４、基于图像中睫毛阴影遮挡程度预测模型的睫毛和阴影检测。
【技术特征摘要】
1、一种用于虹膜识别的有效图像区域检测和分割方法，其特征在于，该方法包括S1、基于虹膜图像中普尔钦斑分析的虹膜粗定位；S2、基于弹性力模型的虹膜内外边界精定位；S3、基于排序滤波和直方图滤波的虹膜上下眼皮定位；S4、基于图像中睫毛阴影遮挡程度预测模型的睫毛和阴影检测。2、 根据权利要求1所述的用于虹膜识别的有效图像区域检测和分 割方法，其特征在于，所述步骤S1包括511、 根据虹膜图像中普尔钦斑的大小设计最优的普尔钦斑检测算子；512、 使用该普尔钦斑检测算子对虹膜图像中的高亮点进行滤波；513、 使用自适应的阈值对滤波结果二值化，得到候选普尔钦斑点 并对其进行聚类，每个聚类中心表示一个候选的普尔钦斑；514、 根据普尔钦斑邻域的灰度分布特性对候选普尔钦斑进行验证 和排除，得到最佳普尔钦斑；、 根据最佳普尔钦斑周围的灰度分布估计瞳孔的灰度值，并以 该灰度值为阈值得到该普尔钦斑周围所有低于该阈值的点，以这些点 的重心作为瞳孔中的估计，并利用点的数目估计瞳孔的大小。3、 根据权利要求1或2所述的用于虹膜识别的有效图像区域检测 和分割方法，其特征在于，步骤Sll中所述普尔钦斑检测算子的大小 通过统计虹膜图像中普尔钦斑的大小确定，并包括三个部分中心区 域为取值正整数的正极，中间为取值为零的过渡带，外围为取值负整 数的负极，所述正极系数和负极系数的和为零。4、 根据权利要求1所述的用于虹膜识别的有效图像区域检测和分 割方法，其特征在于，所述步骤S2包括521、 以虹膜粗定位得到的虹膜中心为变换中心，将输入的虹膜图 像转换到极坐标系下；522、 在极坐标系下沿着虹膜图像的半径方向进行边界点的检测，并且每个半径方向仅保留一个边界点； ,523、 在直角坐标系下使用一种虚拟的弹簧线连接当前中心和各个 边界点，在胡克定律的作用下，每一条弹簧线会产生一个恢复力； ,524、 各个恢复力之间相互作用产生的一个合力，沿着合力的方向 移动虹膜中心，得到虹膜中心的一个新的、更为准确的估计； ,525、 基于虹膜中心的新估计不断重复上述步骤S21至S24，迭代地优化瞳孔和虹膜边界检测结果，得到虹膜内外边界的精确位置。5、 根据权利要求4所述的用于虹膜识别的有效图像区域检测和分 割方法，其特征在于，步骤S22中所述边界点检测在极坐标系的半径方向上进行，并且 每个半径方向上仅保留一个最有可能是边界的点作为候选的虹膜边界 点；步骤S23和S24中所述恢复力及其合力通过下式计算# = 2^其中，Z表示第/个恢复力，^表示所有恢复力的合力，7V是弹簧线的条数，即边界点的数目，*=1/^是指每条虚拟弹簧线的弹性系数， 》是指所有弹簧线的平均长度，r是第/条弹簧线的长度，i,表示直角坐 标系下第/条弹簧线的方向，由当前中心指向第/个边界点。6、 根据权利要求4或5所述的用于虹膜识别的有效图像区域检测 和分割方法，其特征在于，步骤S25中所述每次迭代优化瞳孔和虹膜 边界检测结果过程中，以所有弹簧线合力户指向的新中心点作为虹膜 内外边界的中心，以所有弹簧线的平均长度^作为内外边界的半径， 其中R-S^/W， r是指第/个弹簧线的长度，iV是所有弹簧线的数目； 迭代停止的条件是前后两次迭代得到的内外边界的参数相差小于一定 阈值。7、 根据权利要求1所述的用于虹膜识别的有效图像区域检测和分 割方法，其特征在于，所述步骤S3包括S31、离线地在一组训练虹膜图像上对其上下眼皮的形状进行标定和统计聚类，分别学习得到上下眼皮的三个典型的形状模型；532、 使用一维排序滤波器对虹膜图像进行水平方向的滤波，消除 睫毛对眼皮边界检测的影响 在排序滤波后的图...
【专利技术属性】
技术研发人员：谭铁牛，孙哲南，何召锋，邱显超，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]
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。