一種基于中值濾波的虹膜圖像睫毛干擾檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像檢測技術(shù)，特別是涉及一種用于虹膜生物識別系統(tǒng)的高效虹膜圖 像睫毛檢測方法。
【背景技術(shù)】
[0002] 虹膜識別以其準(zhǔn)確性、穩(wěn)定性、安全性和非接觸性等顯著優(yōu)勢漸已成為生物識別 領(lǐng)域的研究熱點(diǎn)和發(fā)展趨勢。在虹膜識別系統(tǒng)中，虹膜圖像預(yù)處理（包括虹膜定位、干擾檢 測、歸一化和圖像增強(qiáng)等）是虹膜識別的前提，干擾檢測是整個識別過程的基礎(chǔ)，而睫毛又 是最大的干擾之一，因?yàn)榻廾拇嬖诔嗽斐珊缒^(qū)域遮擋外，某些睫毛甚至?xí)谔卣魈?取的過程中被當(dāng)作虹膜紋理特征而被提取，在匹配識別時造成識別錯誤。因此睫毛檢測是 虹膜識別技術(shù)中的一個非常重要的方面。但是在現(xiàn)實(shí)情況中，由于采集設(shè)備硬件限制、采集 環(huán)境的光照因素以及東方人睫毛的特點(diǎn)，通常情況下在人眼自然睜開狀態(tài)下虹膜的有效 區(qū)域都被睫毛遮擋，而且被遮擋的區(qū)域不固定.嚴(yán)重影響了虹膜的識別正確率.為了有效 地提取虹膜區(qū)域，必須對睫毛位置進(jìn)行檢測，進(jìn)而分割出有效的虹膜區(qū)域.由于睫毛檢測 屬于虹膜識別系統(tǒng)的預(yù)處理部分，因此在研究睫毛及眼瞼檢測方法的過程要考慮算法復(fù) 雜度，以及所耗費(fèi)的時間等因素。
[0003]目前在虹膜識別系統(tǒng)中，常用的睫毛檢測算法主要有以下幾種：
[0004] Masek通過設(shè)定一定的閾值進(jìn)行檢測，灰度值低于閾值的像素點(diǎn)被認(rèn)為是睫毛，這 種檢測方法簡單、快速，但它的缺點(diǎn)是對光線改變、光照不均勻等外界條件很敏感，還可能 將紋理區(qū)的部分像素誤檢測為睫毛，從而丟失虹膜部分紋理信息，將睫毛末端的像素誤認(rèn) 為是虹膜。
[0005] Kong和Zhang提出的將睫毛分為可分離睫毛和聚集睫毛兩類，對它們分別進(jìn)行檢 測，該方法檢測的效果較好，但是由于需要將睫毛分為兩類分別進(jìn)行檢測，對于可分離睫 毛采用Gabor濾波器進(jìn)行檢測，結(jié)構(gòu)比較復(fù)雜，計算量過大。
[0006] Kang和Park提出了一種基于虹膜聚焦估計的睫毛檢測算法，進(jìn)行睫毛檢測之前， 首先對圖像的聚焦度進(jìn)行估計，然后根據(jù)估計的結(jié)果自適應(yīng)的選擇閾值和檢測算子來進(jìn)行 檢測，該算法檢測效果比較理想，但是同樣的，該算法也需要將睫毛分為聚集睫毛和可分離 睫毛分別檢測，而在檢測可分離睫毛時，需要分別對檢測像素適用六個不同方向的卷積核 進(jìn)行檢測，計算量很大，很難滿足在實(shí)際應(yīng)用中的實(shí)時性要求。
[0007]JunZhouHuang提出了一種基于相位一致性的噪聲檢測方法，該方法根據(jù)邊緣信 息定位眼睫毛區(qū)域，而從實(shí)驗(yàn)結(jié)果可以看出該方法處理后會產(chǎn)生一些孤立的噪聲點(diǎn)，效果 并不理想。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明要解決的技術(shù)問題是提供一種基于中值濾波的睫毛檢測方法，以解決由于 睫毛干擾造成的圖像檢測不準(zhǔn)確、耗時較多等問題。
[0009] 為解決上述技術(shù)問題，本發(fā)明采用下述技術(shù)方案：
[0010] -種基于中值濾波的睫毛檢測方法，該方法的步驟包括
[0011] S1、對被檢測人員的虹膜區(qū)域進(jìn)行初定位，并將該初定位的虹膜區(qū)域進(jìn)行歸一化 處理，獲得一個固定長度和寬度的矩形虹膜圖像；
[0012] S2、對歸一化的虹膜圖像進(jìn)行中值濾波處理，并計算出濾波前后的差值圖像的絕 對值；
[0013] S3、基于自適應(yīng)閾值算法，設(shè)定判斷圖像中睫毛所需的閾值，并對所述差值圖像進(jìn) 行睫毛判斷。
[0014] 優(yōu)選的，該方法的步驟進(jìn)一步包括
[0015]S4、基于連通機(jī)制，對差值圖像中的非睫毛像素點(diǎn)進(jìn)行判斷，去除差值圖像中的非 睫毛像素點(diǎn)。
[0016] 優(yōu)選的，所述步驟S1中利用將虹膜區(qū)域由直角坐標(biāo)系仿射變換為極坐標(biāo)系下的 矩形的方式，對虹膜區(qū)域進(jìn)行歸一化處理。
[0017] 優(yōu)選的，利用雙線性內(nèi)插值法，對歸一化處理后的圖像中非整數(shù)位置像素進(jìn)行插 值運(yùn)算，獲得該處完整的像素點(diǎn)值。
[0018] 優(yōu)選的，所述步驟S2中利用濾波模板為8X8的中值濾波器對歸一化后的虹膜圖 像進(jìn)行中值濾波。
[0019] 優(yōu)選的，所述步驟S3包括
[0020] 以被檢測點(diǎn)鄰域內(nèi)非零點(diǎn)的灰度均值為閾值對睫毛進(jìn)行判斷，并對閾值設(shè)置上限 和下限，其中，閾值計算公式為：
[0021] Mxy=mean(h(s,t)), (s,t)esxy,h(s,t) ^ 0
[0023] 其中，sxy為以判斷點(diǎn)為中心，大小為mXm的窗口區(qū)域，Mxy為該點(diǎn)鄰域內(nèi)所有非零 像素點(diǎn)灰度值的均值，Mup和Md_分別為閾值T的上限和下限，是在應(yīng)用中得到的經(jīng)驗(yàn)值，T 是判斷該點(diǎn)是否為睫毛的閾值。
[0024] 優(yōu)選的，所述步驟S3中判斷睫毛的條件為
[0026]S卩，差值圖像中灰度值大于該點(diǎn)閾值的點(diǎn)被判斷為睫毛候選點(diǎn)。
[0027] 優(yōu)選的，所述步驟S4中對非睫毛點(diǎn)的辨識步驟包括
[0028] S41、判斷該像素點(diǎn)是否與已經(jīng)檢測出來的眼瞼或者睫毛點(diǎn)相連；
[0029] S42、對該像素點(diǎn)進(jìn)行睫毛閾值的比對判斷；
[0030] S43、若該像素點(diǎn)同時滿足連通條件和睫毛閾值條件，則將該像素點(diǎn)判定為睫毛像 素點(diǎn)；若該像素點(diǎn)不滿足連通條件，則不對其進(jìn)行閾值判斷，并判斷該點(diǎn)為非睫毛像素點(diǎn)。
[0031] 本發(fā)明的有益效果如下：
[0032] 本發(fā)明所述技術(shù)方案在極坐標(biāo)形式及插值處理下得到更為精確的虹膜區(qū)域的歸 一化圖像，將上下睫毛區(qū)別開來，有針對性地采用不同的算子進(jìn)行檢測，且自適應(yīng)地得到判 斷閾值，并根據(jù)睫毛的特征采用連通機(jī)制消除非睫毛區(qū)域的干擾。本發(fā)明所述技術(shù)方案，可 快速的、準(zhǔn)確的對虹膜圖像中睫毛像素點(diǎn)進(jìn)行檢測，提供虹膜圖像的識別準(zhǔn)確率和識別速 度，可廣泛應(yīng)用于各類虹膜識別場景當(dāng)中。
【附圖說明】
[0033] 下面結(jié)合附圖對本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)的說明；
[0034] 圖1示出本發(fā)明所述虹膜區(qū)域歸一化過程的示意圖；
[0035] 圖2示出本發(fā)明所述映射虹膜區(qū)域時坐標(biāo)值為非整數(shù)情況的示意圖；
[0036] 圖3示出本發(fā)明所述睫毛灰度值特點(diǎn)的示意圖；
[0037] 圖4-a示出本發(fā)明所述利用連通機(jī)制檢測睫毛的上眼瞼算子示意圖；
[0038] 圖4-b示出本發(fā)明所述利用連通機(jī)制檢測睫毛的下眼瞼及歸一化圖像中的算子 的不意圖；
[0039] 圖4-c示出本發(fā)明所述利用連通機(jī)制檢測睫毛的識別矩陣的示意圖；
[0040] 圖5示出本發(fā)明所述虹膜區(qū)域定位及歸一化的示意圖；
[0041] 圖6示出本發(fā)明所述一種基于中值濾波的睫毛檢測方法流程圖。
【具體實(shí)施方式】
[0042] 為了更清楚地說明本發(fā)明，下面結(jié)合優(yōu)選實(shí)施例和附圖對本發(fā)明做進(jìn)一步的說 明。附圖中相似的部件以相同的附圖標(biāo)記進(jìn)行表示。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，下面所具 體描述的內(nèi)容是說明性的而非限制性的，不應(yīng)以此限制本發(fā)明的保護(hù)范圍。
[0043] 如圖6所示，本發(fā)明公開了一種基于中值濾波的虹膜圖像睫毛干擾檢測方法，該 方法的步驟包括
[0044] 步驟S1、對被檢測人員的虹膜區(qū)域進(jìn)行初定位，并將該初定位的虹膜區(qū)域進(jìn)行歸 一化處理，獲得一個固定長度和寬度的矩形虹膜圖像。在本方案中，步驟S1采用將虹膜區(qū) 域由直角坐標(biāo)系仿射變換為極坐標(biāo)系下的矩形的方式，對虹膜區(qū)域進(jìn)行歸一化處理。步驟 S1采用雙線性內(nèi)插值法，對歸一化處理后的圖像中非整數(shù)位置像素進(jìn)行插值運(yùn)算，獲得該 處完整的像素點(diǎn)值。
[0045] 步驟S2、對歸一化的虹膜圖像進(jìn)行中值濾波處理，并計算出濾波前后的差值圖像 的絕對值。在本方案中，步驟S2采用濾波模板為8X8的中值濾波器對歸一化后的虹膜圖 像進(jìn)行中值濾波。
[0046] 步驟S3、基于自適應(yīng)閾值算法，設(shè)定判斷圖像中睫毛所需的閾值，并對所述差值圖 像進(jìn)行睫毛判斷。其中，該步驟中閾值計算是以被檢測點(diǎn)鄰域內(nèi)非零點(diǎn)的灰度均值為閾值 對睫毛進(jìn)行判斷，并對閾值設(shè)置上限和下限，其中，閾值計算公式為：
[0047]Mxy=mean(h(s,t)), (s,t)esxy,h(s,t) ^0
[0049] 其中，sxy為以判斷點(diǎn)為中心，大小為mXm的窗口區(qū)域，Mxy為該點(diǎn)鄰域內(nèi)所有非零 像素點(diǎn)灰度值的均值，Mup和Md_分別為閾值T的上限和下限，是在應(yīng)用中得到的經(jīng)驗(yàn)值，T是判斷該點(diǎn)是否為睫毛的閾值。對于睫毛的判斷條件為：
[0051] S卩，差值圖像中灰度值大于該點(diǎn)閾值的點(diǎn)被判斷為睫毛候選點(diǎn)。
[0052] 步驟S4、基于連通機(jī)制，對差值圖像中的非睫毛像素點(diǎn)進(jìn)行判斷，去除差值圖像中 的非睫毛像素點(diǎn)。所述步驟S4中對非睫毛點(diǎn)的辨識步驟包括
[0053]S41、判斷該像素點(diǎn)是否與已經(jīng)檢測出來的眼瞼或者睫毛點(diǎn)相連；
[0054]S42、對該像素點(diǎn)進(jìn)行睫毛閾值的比對判斷；
[0055] S43、若該像素點(diǎn)同時滿足連通條件和睫毛閾值條件，則將該像素點(diǎn)判定為睫毛像 素點(diǎn)；若該像素點(diǎn)不滿足連通條件，則不對其進(jìn)行閾值判斷，并判斷該點(diǎn)為非睫毛像素點(diǎn)。
[0056] 下面通過一組實(shí)施例對本發(fā)明做進(jìn)一步說明：
[0057] 本實(shí)例中一種基于中值濾波的虹膜圖像睫毛干擾檢測方法的具體步驟如下：
[0058] 第一步，將定位出來的虹膜區(qū)域歸一化，即展開為一定大小的矩形區(qū)域。
[0059] 不同的人的虹膜區(qū)域大小不一，即便是同一個測試者的同一只眼睛，當(dāng)采集環(huán)境 不同時，例如周圍光照強(qiáng)度不同、焦距變化等這些因素都會導(dǎo)致瞳孔的伸縮，進(jìn)而使虹膜區(qū) 域的面積發(fā)生變化，而這樣的形變將會對最后的虹膜分