一種雙光源提取虹膜邊界、睫毛及光斑方法及裝置制造方法
【專利摘要】本發(fā)明涉及一種雙光源提取虹膜邊界、睫毛及光斑方法及裝置，包括以下步驟：在光源為可見光時，利用圖像傳感器采集人眼圖像，得到可見光人眼圖像；在光源為近紅外光時，利用圖像傳感器采集人眼圖像，得到近紅外人眼圖像；分別對可見光人眼圖像和近紅外人眼圖像做直方圖匹配處理，得到可見光匹配圖像和近紅外光匹配圖像；計算可見光匹配圖像和近紅外光匹配圖像的相同區(qū)域的像素差值，得到差值圖像；將差值圖像進行二值化處理，得到二值圖像；根據像素值分割二值圖像，得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。本發(fā)明計算量小，適用性強，魯棒性高，即使對移動狀態(tài)下的虹膜、遠距離虹膜等圖像噪聲多，變形嚴重的系統仍然非常適用。
【專利說明】一種雙光源提取虹膜邊界、睫毛及光斑方法及裝置
【技術領域】
[0001]本發(fā)明涉及一種虹膜定位與分割方法，特別涉及一種雙光源提取虹膜邊界、睫毛及光斑方法及裝置。
【背景技術】
[0002]生物識別是用生物特征識別個人身份的一種技術。生物特征包括指紋，手形，視網膜，虹膜，人臉等形態(tài)特征，以及簽名、語音、步態(tài)、擊鍵人類的行為特征。虹膜因其唯一性、穩(wěn)定性和安全性，逐漸成為一個最有效的生物識別特征。由于高效可用和準確的虹膜識別算法的出現，基于虹膜的自動身份識別和驗證系統在過去幾年越來越受歡迎。虹膜識別過程大體上分為6步:第一步，用相機或光學掃描儀采集虹膜圖片；第二步，將圖片從RGB模式轉換成灰度模式(如果圖像傳感器是單色的，那么這一步可以跳過)；第三步，虹膜內外邊界的分割與定位；第四步，虹膜規(guī)范化；第五步，虹膜編碼的特征提??；最后一步，特征匹配。在這些步驟中，第三步虹膜分割是最重要的一步，因為這一步的好壞將直接影響虹膜識別系統的噪聲容量，并最終導致對虹膜識別系統應用領域的限制。
[0003]虹膜分割在虹膜生物識別中用于定位有效的虹膜部分，即找到虹膜的內(瞳孔)、外邊界。一個好的虹膜分割算法必須有以下兩個特征:第一，當部分虹膜區(qū)域被上、下眼瞼擋住時，能定位出眼瞼的位置；第二:能檢測出并排除任何睫毛，陰影的重疊遮擋或反射帶來的影響。虹膜分割如此重要有以下兩個原因:第一，作為虹膜識別的最前端步驟，虹膜分割限定了用于特征提取與匹配的圖像內容，而這與識別精度直接有關。據報道，虹膜識別中大多數匹配失敗都是由虹膜分割不精確引起的；第二，速度經常是虹膜識別系統在實際應用中的瓶頸，而虹膜分割通常是整個系統中最耗時的部分。多數虹膜識別方法依靠理想虹膜圖像來實現準確的識別，比如，人須直視鏡頭以得到低噪聲的虹膜圖像。但是，如果虹膜圖像受到眼瞼，睫毛，光照的變化，或平面外旋轉的干擾，虹膜識別系統的性能就會大大下降。此外，由散焦，運動模糊，低對比，過飽和現象等問題帶來的低質量虹膜圖像也會對虹膜分割帶來困難。對輸入圖像的約束必然導致在圖像采集期間過程中對用戶的約束，從而限制了該項技術的普及性和應用領域。很顯然，一個精確，快速而且魯棒性好的虹膜分割方法是值得期待的。在本發(fā)明之前，所有相關團體提出的虹膜分割方法，都毫無例外地基于軟件算法來實現，如英國劍橋大學的John Daugman提出的算法。也有人提出過很多基于復雜的數學和圖像信號處理算法來提高分割的精確度。然而，這些方法復雜、計算量大、耗時多，并且對于有噪聲的圖像，這些方法都不盡人意。

【發(fā)明內容】

[0004]本發(fā)明所要解決的技術問題是提供一種利用能夠快速精確的定位分割虹膜區(qū)域的雙光源提取虹膜邊界、睫毛及光斑方法及裝置。
[0005]本發(fā)明解決上述技術問題的技術方案如下:一種雙光源提取虹膜邊界、睫毛及光斑方法，包括以下步驟:[0006]步驟1:在光源為可見光時，利用圖像傳感器采集人眼圖像，得到可見光人眼圖像；
[0007]步驟2:在光源為近紅外光時，利用圖像傳感器采集人眼圖像，得到近紅外人眼圖像；
[0008]步驟3:分別對可見光人眼圖像和近紅外人眼圖像做直方圖匹配處理，得到可見光匹配圖像和近紅外光匹配圖像；
[0009]步驟4:計算可見光匹配圖像和近紅外光匹配圖像的相同區(qū)域的像素差值，得到差值圖像；
[0010]步驟5:將差值圖像進行二值化處理，得到二值圖像；
[0011]步驟6:根據像素值分割二值圖像，得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
[0012]本發(fā)明的有益效果是:本發(fā)明提供的方法計算量小，適用性強，魯棒性高，即使對移動狀態(tài)下的虹膜(Ι0Μ)、遠距離虹膜(IID)等圖像噪聲多，變形嚴重的系統仍然非常適用。
[0013]在上述技術方案的基礎上，本發(fā)明還可以做如下改進。
[0014]進一步，所述步驟I與步驟2同時進行。
[0015]進一步，所述圖像傳感器為CXD圖像傳感器。
[0016]進一步，所述步驟6具體為，利用圖像分割技術，分割出二值圖像中的非虹膜區(qū)域中像素值為零的區(qū)域，虹膜區(qū)域內像素值為零的區(qū)域和像素值為255的區(qū)域，分別對應得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
[0017]進一步，一種雙光源提取虹膜邊界、睫毛及光斑裝置，包括可見光圖像采集模塊，近紅外圖像采集模塊，直方圖匹配模塊，計算差值模塊，二值化處理模塊和圖像分割模塊；
[0018]所述可見光圖像采集模塊，用于在光源為可見光時，利用圖像傳感器采集人眼圖像，得到可見光人眼圖像；
[0019]所述近紅外圖像采集模塊，用于在光源為近紅外光時，利用圖像傳感器采集人眼圖像，得到近紅外人眼圖像；
[0020]所述直方圖匹配模塊，用于分別對可見光人眼圖像和近紅外人眼圖像做直方圖匹配處理，使兩幅圖像的非虹膜區(qū)域的直方圖分布趨于一致，得到可見光匹配圖像和近紅外光匹配圖像；
[0021]所述計算差值模塊，用于計算可見光匹配圖像和近紅外光匹配圖像的相同區(qū)域的像素差值，得到差值圖像；
[0022]所述二值化處理模塊，用于將差值圖像進行二值化處理，得到二值圖像；
[0023]所述圖像分割模塊，用于根據像素值分割二值圖像，得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
[0024]進一步，所述可見光圖像采集模塊與近紅外圖像采集模塊同時運行。
[0025]進一步，所述圖像傳感器為CXD圖像傳感器。
[0026]進一步，所述圖像分割模塊進一步用于，利用圖像分割技術，分割出二值圖像中的非虹膜區(qū)域中像素值為零的區(qū)域，虹膜區(qū)域內像素值為零的區(qū)域和像素值為255的區(qū)域，分別對應得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像?！緦＠綀D】

【附圖說明】
[0027]圖1為本發(fā)明方法步驟流程圖；
[0028]圖2為本發(fā)明裝置結構圖。
[0029]附圖中，各標號所代表的部件列表如下:
[0030]1、可見光圖像采集模塊，2、近紅外圖像采集模塊，3、直方圖匹配模塊，4、計算差值模塊，5、二值化處理模塊，6、圖像分割模塊。
【具體實施方式】
[0031]以下結合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。
[0032]如圖1所示，為本發(fā)明方法步驟流程圖；圖2為本發(fā)明裝置結構圖。
[0033]實施例1
[0034]人眼的不同部位對同一種光譜的反射率是不一樣的。比如亞洲人的虹膜對近紅外光的反射率比可見光的反射率高，但是鞏膜剛好相反。這主要是由構成了人類虹膜色素的兩個分子(超過90%的褐黑真色素和黃紅色素)造成的。真色素大部分在可見光譜輻射熒光，這樣能捕捉到更高級別的細節(jié)，但也得到更多的嘈雜工件，包括鏡面反射，漫反射和陰影。虹膜的光譜輻射就其色素沉積的水平在可見光譜中比近紅外光譜變化更明顯。相反，鞏膜的光譜反射在可見光譜中比近紅外光中高得多。用不同的光譜照射人眼得到灰度值不同的兩幅圖像，再對這兩幅圖像進行直方圖匹配，圖像做差，差值二值化，區(qū)域分割等處理，就可以快速精確地分割出虹膜部分。
[0035]一種雙光源提取虹膜邊界、睫毛及光斑方法，包括以下步驟:
[0036]步驟1:在光源為可見光時，利用圖像傳感器采集人眼圖像，得到可見光人眼圖像；
[0037]步驟2:在光源為近紅外光時，利用圖像傳感器采集人眼圖像，得到近紅外人眼圖像；
[0038]步驟3:分別對可見光人眼圖像和近紅外人眼圖像做直方圖匹配處理，得到可見光匹配圖像和近紅外光匹配圖像；
[0039]步驟4:計算可見光匹配圖像和近紅外光匹配圖像的相同區(qū)域的像素差值，得到差值圖像；
[0040]步驟5:將差值圖像進行二值化處理，得到二值圖像；
[0041]步驟6:根據像素值分割二值圖像，得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
[0042]所述步驟I與步驟2同時進行。所述圖像傳感器為CXD圖像傳感器。所述步驟6具體為，利用圖像分割技術，分割出二值圖像中的非虹膜區(qū)域中像素值為零的區(qū)域，虹膜區(qū)域內像素值為零的區(qū)域和像素值為255的區(qū)域，分別對應得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
[0043]一種雙光源提取虹膜邊界、睫毛及光斑裝置，包括可見光圖像采集模塊1，近紅外圖像采集模塊2，直方圖匹配模塊3，計算差值模塊4，二值化處理模塊5和圖像分割模塊6 ；
[0044]所述可見光圖像采集模塊1，用于在光源為可見光時，利用圖像傳感器采集人眼圖像，得到可見光人眼圖像；[0045]所述近紅外圖像采集模塊2，用于在光源為近紅外光時，利用圖像傳感器采集人眼圖像，得到近紅外人眼圖像；
[0046]所述直方圖匹配模塊3，用于分別對可見光人眼圖像和近紅外人眼圖像做直方圖匹配處理，得到可見光匹配圖像和近紅外光匹配圖像；
[0047]所述計算差值模塊4，用于計算可見光匹配圖像和近紅外光匹配圖像的相同區(qū)域的像素差值，得到差值圖像；
[0048]所述二值化處理模塊5，用于將差值圖像進行二值化處理，得到二值圖像；
[0049]所述圖像分割模塊6，用于根據像素值分割二值圖像，得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
[0050]所述可見光圖像采集模塊I與近紅外圖像采集模塊2同時運行。所述圖像傳感器為CCD圖像傳感器。所述圖像分割模塊6進一步用于，利用圖像分割技術，分割出二值圖像中的非虹膜區(qū)域中像素值為零的區(qū)域，虹膜區(qū)域內像素值為零的區(qū)域和像素值為255的區(qū)域，分別對應得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
[0051]在本發(fā)明中，只提到兩種不同的光譜:可見光和近紅外光。實際上，本發(fā)明所述的方法及裝置對其它波長范圍內的光波，如中等紅外線、遠紅外線、紫外線、X射線、伽馬射線等也是適用的。
[0052]以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。
【權利要求】
1.一種雙光源提取虹膜邊界、睫毛及光斑方法，其特征在于，包括以下步驟: 步驟1:在光源為可見光時，利用圖像傳感器采集人眼圖像，得到可見光人眼圖像； 步驟2:在光源為近紅外光時，利用圖像傳感器采集人眼圖像，得到近紅外人眼圖像； 步驟3:分別對可見光人眼圖像和近紅外人眼圖像做直方圖匹配處理，得到可見光匹配圖像和近紅外光匹配圖像； 步驟4:計算可見光匹配圖像和近紅外光匹配圖像中相同位置的像素點的像素差值，得到差值圖像； 步驟5:將差值圖像進行二值化處理，得到二值圖像； 步驟6:按照像素值的不同分割二值圖像，得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
2.根據權利要求1所述的雙光源提取虹膜邊界、睫毛及光斑方法，其特征在于:所述步驟I與步驟2同時進行。
3.根據權利要求1所述的雙光源提取虹膜邊界、睫毛及光斑方法，其特征在于:所述圖像傳感器為CCD圖像傳感器。
4.根據權利要求1所述的雙光源提取虹膜邊界、睫毛及光斑方法，其特征在于:所述步驟6具體為，利用圖像分割技術，分割出二值圖像中像素值為255的區(qū)域，得到虹膜區(qū)域圖像，獲取虹膜區(qū)域圖像中像素值為O的位于虹膜邊緣的區(qū)域和像素值為O的虹膜內部的區(qū)域，分別得到睫毛圖像及光斑圖像。
5.一種雙光源提取虹膜邊界、睫毛及光斑裝置，其特征在于:包括可見光圖像采集模塊(I)，近紅外圖像采集模塊(2 )，直方圖匹配模塊(3 )，計算差值模塊(4 )，二值化處理模塊(5)和圖像分割模塊(6)； 所述可見光圖像采集模塊(1)，用于在光源為可見光時，利用圖像傳感器采集人眼圖像，得到可見光人眼圖像； 所述近紅外圖像采集模塊(2)，用于在光源為近紅外光時，利用圖像傳感器采集人眼圖像，得到近紅外人眼圖像； 所述直方圖匹配模塊(3)，用于分別對可見光人眼圖像和近紅外人眼圖像做直方圖匹配處理，得到可見光匹配圖像和近紅外光匹配圖像； 所述計算差值模塊(4)，用于計算可見光匹配圖像和近紅外光匹配圖像的位置的像素點的像素差值，得到差值圖像； 所述二值化處理模塊(5)，用于將差值圖像進行二值化處理，得到二值圖像； 所述圖像分割模塊(6)，用于按照像素值的不同分割二值圖像，得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
6.根據權利要求5所述的雙光源提取虹膜邊界、睫毛及光斑裝置，其特征在于:所述可見光圖像采集模塊(I)與近紅外圖像采集模塊(2)同時運行。
7.根據權利要求5所述的雙光源提取虹膜邊界、睫毛及光斑裝置，其特征在于:所述圖像傳感器為CCD圖像傳感器。
8.根據權利要求5所述的雙光源提取虹膜邊界、睫毛及光斑裝置，其特征在于:所述圖像分割模塊(6)進一步用于，利用圖像分割技術，分割出二值圖像中的非虹膜區(qū)域中像素值為零的區(qū)域，虹膜區(qū)域內像素值為零的區(qū)域和像素值為255的區(qū)域，分別對應得到虹膜區(qū)域圖像、睫毛圖像及光斑圖像。
【文檔編號】G06K9/60GK103605976SQ201310533638
【公開日】2014年2月26日 申請日期:2013年11月1日 優(yōu)先權日:2013年11月1日
【發(fā)明者】高俊雄, 易開軍 申請人:武漢虹識技術有限公司