本發(fā)明涉及虹膜邊緣定位方法。

背景技術(shù)：

虹膜識(shí)別是一種利用虹膜來識(shí)別人的身份的生物特征識(shí)別方法。虹膜擁有豐富的紋理信息，虹膜識(shí)別系統(tǒng)是生物識(shí)別系統(tǒng)(比如其他指紋、人臉、聲紋、掌紋識(shí)別等)中準(zhǔn)確率最高的，因?yàn)檫@些優(yōu)勢，虹膜識(shí)別已經(jīng)開始廣泛應(yīng)用。一般情況下，虹膜識(shí)別系統(tǒng)包括虹膜定位、歸一化、特征提取和比對。

在虹膜定位中，首先定位虹膜的內(nèi)、外邊界和眼瞼的上、下邊界，然后檢測并去掉反光區(qū)域和眼睫毛區(qū)域。在歸一化步驟中，笛卡爾坐標(biāo)轉(zhuǎn)換為極坐標(biāo)，將定位好的虹膜區(qū)域轉(zhuǎn)換為固定大小的矩形區(qū)域。由于歸一化步驟使用內(nèi)外邊界，內(nèi)外邊界的定位準(zhǔn)確度是影響整個(gè)虹膜識(shí)別系統(tǒng)性能的重要因素。

虹膜邊界定位的代表方法有基于圓形Hough變換的方法和基于Daugman積分-微分算子的方法。這些方法均是把虹膜邊界看作圓形處理?；趫A形Hough變換的方法采用邊緣檢測算法獲得邊緣圖像，然后對邊緣圖像進(jìn)行圓形Hough變換得到圓形邊界的半徑和圓心。但是由于含有大量噪聲的虹膜圖像是很難準(zhǔn)確獲得邊緣圖像，這種方法就可能失敗?；贒augman積分微分的方法，通過圓形邊界像素值的變換來估計(jì)虹膜邊界。當(dāng)虹膜邊緣有噪聲比如存在反射區(qū)域時(shí)，這種方法找不到正確的虹膜邊緣。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明闡述一種無論圖像質(zhì)量好壞均可以快速、穩(wěn)定地定位虹膜內(nèi)、外邊界的方法及應(yīng)用該虹膜邊界定位方法的虹膜識(shí)別系統(tǒng)。

本發(fā)明的技術(shù)方案一提供一種虹膜邊界定位方法。該虹膜定位方法，根據(jù)虹膜圖像進(jìn)行虹膜內(nèi)邊界定位處理和虹膜外邊界定位處理，

在所述虹膜內(nèi)邊界定位處理中，

在虹膜圖像中選取一系列能夠作為虹膜內(nèi)邊界的圓，

對每個(gè)圓計(jì)算上述圓的內(nèi)接矩形中面積最大的矩形的平均像素，并計(jì)算圓周圍的預(yù)定的多個(gè)小矩形各自的平均像素，

將多個(gè)小矩形的平均像素與大矩形的平均像素進(jìn)行比較并計(jì)數(shù)平均像素大于大矩形的平均像素的小矩形的數(shù)量，

將所計(jì)數(shù)的小矩形的數(shù)量大于零的圓作為內(nèi)圓邊界的候選而添加到內(nèi)圓邊界候選列表中，

對內(nèi)圓邊界候選列表中的每個(gè)圓，選取圓上的多個(gè)采樣點(diǎn)，對每個(gè)采樣點(diǎn)計(jì)算梯度，并計(jì)算梯度向量和梯度向量的互相關(guān)系數(shù)(corr)作為第一互相關(guān)系數(shù)，并求出多個(gè)上述第一互相關(guān)系數(shù)的總和作為與該圓對應(yīng)的第一互相關(guān)系數(shù)總和，

選取內(nèi)圓邊界候選列表中具有最大的第一互相關(guān)系數(shù)總和的圓作為虹膜內(nèi)邊界；

在虹膜外邊界定位處理中，

在虹膜圖像中選取一系列包含上述已被確定為內(nèi)圓的圓作為外圓邊界的候選而添加到外圓邊界候選列表中，

對每個(gè)圓選取圓邊界上的多個(gè)采樣點(diǎn)，對每個(gè)采樣點(diǎn)計(jì)算圓內(nèi)與圓外的預(yù)定區(qū)域的方差，根據(jù)方差計(jì)算互相關(guān)系數(shù)作為第二互相關(guān)系數(shù)，并求出多個(gè)上述第二互相關(guān)系數(shù)的總和作為與該圓對應(yīng)的第二互相關(guān)系數(shù)總和，

選取外圓邊界候選列表中具有最大的第二互相關(guān)系數(shù)總和的圓作為虹膜外邊界。

本發(fā)明的技術(shù)方案二提供一種虹膜識(shí)別系統(tǒng)。該虹膜識(shí)別系統(tǒng)包括：

虹膜定位模塊，應(yīng)用權(quán)利要求1的虹膜定位方法，定位虹膜的內(nèi)邊界及外邊界；

歸一化模塊，利用虹膜定位模塊所定位的虹膜內(nèi)邊界及外邊界，將虹膜區(qū)域轉(zhuǎn)換為固定大小的矩形區(qū)域；

特征提取模塊，對歸一化后的上述矩形區(qū)域進(jìn)行局部直方圖均衡化；及

比對模塊，對于兩幅虹膜圖像，分別進(jìn)行上述定位來獲得虹膜的內(nèi)邊界及外邊界的處理并進(jìn)行上述歸一化模塊的處理，提取N*4個(gè)采樣點(diǎn)，對每個(gè)采樣點(diǎn)提取M維向量，對兩幅圖像中的互相對應(yīng)的采樣點(diǎn)的M維向量計(jì)算歸一化向量差得到N*4個(gè)歸一化向量差，將N*4個(gè)歸一化向量差相加而求出總類似度，如果總類似度大于規(guī)定的閾值，則判斷為兩幅圖像來自同一個(gè)眼睛，其中，M、N為大于0的自然數(shù)。

發(fā)明的效果

根據(jù)本發(fā)明的虹膜邊界定位方法及虹膜識(shí)別系統(tǒng)，能夠無論圖像質(zhì)量好壞均可以快速、穩(wěn)定地定位虹膜內(nèi)、外邊界。

附圖說明

圖1是定位虹膜內(nèi)邊界時(shí)應(yīng)用的概略示意圖。

圖2是定位虹膜外邊界時(shí)應(yīng)用的概略示意圖。

圖3是虹膜識(shí)別系統(tǒng)的框圖。

圖4是虹膜特征提取的說明圖。

具體實(shí)施式

下面，結(jié)合附圖，對本發(fā)明的虹膜邊界定位方法及使用該虹膜邊界定位方法的虹膜識(shí)別系統(tǒng)進(jìn)行詳細(xì)說明。

虹膜邊界定位方法包括定位虹膜內(nèi)邊界的處理和定位虹膜外邊界的處理。一般情況下，虹膜內(nèi)、外邊界近似于圓形，在本發(fā)明中，也是將虹膜內(nèi)、外邊界看作圓形進(jìn)行處理。

<定位虹膜內(nèi)邊界>

虹膜內(nèi)邊界的定位包括建立候選列表步驟和內(nèi)邊界定位步驟。

在建立候選列表步驟中，進(jìn)行如下處理：

(1)計(jì)算圖1中圓形內(nèi)大矩形的平均像素值m₀；

(2)計(jì)算圖1中圓周圍的8個(gè)小矩形(矩形的大小可根據(jù)實(shí)驗(yàn)確定)的平均像素值m₁～m₈；

(3)在m₁～m₈中查找比m₀大對應(yīng)的區(qū)域個(gè)數(shù)n；

(4)如果n＞0，則添加這個(gè)圓在候選列表中。

在內(nèi)邊界定位步驟中，進(jìn)行如下處理：

(1)對候選列表中的每個(gè)圓，計(jì)算下列量corr_sum。

具體而言，

首先，取圓上的128個(gè)采樣點(diǎn)，對每個(gè)采樣點(diǎn)(i₀，j₀)計(jì)算

(i₀，j₀)＝(i+sin(2πk/128)，j+cos(2πk/128))，k＝1，2，…，128

其中(i，j)是圓心，R是圓的半徑，

接著，對每個(gè)采樣點(diǎn)計(jì)算梯度：

gradx＝SImg(i₀，j₀+step)-SImg(i₀，j₀-step)

grady＝SImg(i₀+step，j₀)--SImg(i₀-step，j₀)

其中SImg是平滑后的虹膜圖像，step是預(yù)先定義的常量。

然后，計(jì)算上述梯度向量和向量(sin(2πk/128)，cos(2πk/128))的互相關(guān)系數(shù)corr。

ss＝gradx*gradx+grady*grady；

如果ss＜Thr(其中，Thr為預(yù)先設(shè)定的閾值)

則corr＝0；

其他

$\mathrm{ss}=\sqrt{\mathrm{ss}};$

corr＝(gradx*cos(2πk/128)+grady*sin(2πk/128))/ss

如果corr＜0，則corr＝0.

corr＝corr*ss^0.25；

corr_sum是所有128個(gè)采樣點(diǎn)的corr加和。

(2)在候選圓中選取具有最大的corr_sum的圓作為內(nèi)圓邊界。

<定位虹膜外邊界>

定位虹膜外邊界的過程如下

首先，對于可變半徑和圓心的圓，選取包含已確定為內(nèi)圓的圓。

其次，對于包含內(nèi)圓的圓，按照如下步驟計(jì)算corr_sum_w。

如上所述，選取圓邊界上的128個(gè)采樣點(diǎn)，計(jì)算互相關(guān)系數(shù)corr。

·對于每個(gè)采樣點(diǎn)，計(jì)算如圖2中兩個(gè)區(qū)域A、B(A、B區(qū)域的大小根據(jù)實(shí)驗(yàn)確定)的方差。

·用上面的計(jì)算量，如下那樣計(jì)算corr_w。

corr_w＝corr/(10+var)；

其中，var為兩個(gè)方差的最大值

corr_sum_w為128個(gè)corr_w之和

corr_sum_w最大值所在的圓為虹膜外邊界。

如上所述，能夠定位出虹膜的內(nèi)邊界和外邊界。

下面，結(jié)合圖3和圖4對使用了本發(fā)明的虹膜邊界定位方法的虹膜識(shí)別系統(tǒng)進(jìn)行說明。

虹膜識(shí)別系統(tǒng)包括虹膜定位模塊、歸一化模塊、特征提取模塊及比對模塊。

虹膜定位模塊執(zhí)行如下處理。

·確定虹膜的內(nèi)外邊界；

·確定眼皮的上下邊界；

·檢測并去除反射區(qū)域；

·檢測并去除眼睫毛區(qū)域。

歸一化模塊執(zhí)行如下處理。

利用定位的虹膜內(nèi)外邊界將虹膜區(qū)域轉(zhuǎn)換為固定大小的矩形區(qū)域。

特征提取模塊執(zhí)行如下處理。

·對歸一化矩形圖像進(jìn)行局部直方圖均衡化；

·選在歸一化的矩形圖像中選取64×4個(gè)采樣點(diǎn)；

·對于每個(gè)采樣點(diǎn)，計(jì)算4個(gè)頻率8個(gè)方向的Gabor系數(shù)的絕對值。對每個(gè)采樣點(diǎn)得到32維的向量。

比對模塊執(zhí)行如下處理。

對于兩個(gè)圖像對應(yīng)的采樣點(diǎn)，計(jì)算32維向量的歸一化向量差并進(jìn)行加和得到總類似度，如果類似度大于定義的閾值，則認(rèn)為兩幅圖 像是同一個(gè)眼睛。

本發(fā)明人通過實(shí)驗(yàn)驗(yàn)證了本發(fā)明的效果。

在CASIAv1數(shù)據(jù)庫上的測試結(jié)果如下：

該數(shù)據(jù)庫包含108人的756幅圖像，虹膜邊界的準(zhǔn)確定位率為98％，等錯(cuò)誤率為0。因此，通過本發(fā)明的虹膜邊界定位方法，對于現(xiàn)有技術(shù)無法定位正確的虹膜邊緣的情況，也能夠快速、穩(wěn)定地定位虹膜內(nèi)、外邊界。

如上所述，對本發(fā)明的優(yōu)選的實(shí)施方式進(jìn)行了說明，但上述實(shí)施方式僅僅是作為例子來提示的，并不對本發(fā)明的保護(hù)范圍進(jìn)行限定，例如，上述涉及的小矩形的數(shù)量、所取的采樣點(diǎn)的數(shù)量、向量的維數(shù)等也僅僅是例示，根據(jù)實(shí)際要求的速度、定位精度等，也可以是其他的數(shù)量。