專利名稱：一種虹膜定位方法及虹膜識別系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及生物識別技術領域，尤其涉及的是一種虹膜定位方法及虹膜識別系 統(tǒng)。
背景技術：
用于身份識別的生物特征包括生理特征和行為特征兩個方面，生理特征有手形、指 紋、臉形、虹膜、視網(wǎng)膜、脈搏、耳廓等，行為特征有簽字、聲音、按鍵力度等。基于以上這些特 征，已經(jīng)發(fā)展了指紋識別、人臉識別、語音識別、簽名識別和虹膜識別等多種生物識別技術。虹膜身份識別技術是一種近年來新興的生物識別技術。相對于以往的各種生物識 別技術所利用的生物特征，將虹膜應用于生物識別具有高獨特性、高穩(wěn)定性和高防偽性等 特點。基于虹膜特征的身份認證系統(tǒng)從邏輯上包括兩大階段，即注冊階段和認證階段。 在注冊階段，首先要對所有合法用戶的虹膜圖像進行采集、預處理、特征提取等過程，而后 將得到虹膜特征信息與用戶的姓名或標識(ID)聯(lián)系起來存儲到數(shù)據(jù)庫中，創(chuàng)建用戶信息 模板。在認證階段，與注冊過程一樣要經(jīng)過一系列的處理后，獲取用戶的虹膜特征信息，然 后再與事先注冊過的虹膜數(shù)據(jù)庫模板進行匹配，以驗證用戶的身份信息做出最后的決策。通過獲取裝置采集的虹膜圖像通常不可能僅僅包含虹膜，往往還有眼睛的其他部 分，比如眼瞼、睫毛、鞏膜等，而且在高度非侵犯性系統(tǒng)中，由于對被試者不做要求，虹膜在 圖像中的位置與大小都會發(fā)生變化。因此，在進行虹膜識別之前，必須首先對虹膜圖像進行預處理。虹膜圖像預處理主 要包括圖像的平滑濾波、虹膜區(qū)域定位、歸一化和增強。平滑濾波的主要目的是為了減少噪 聲干擾，一般采用中值濾波來處理。虹膜定位旨在從人眼圖像中確定虹膜的大小和位置；將已定位的圓環(huán)狀虹膜展開 成統(tǒng)一大小的矩形，即為虹膜圖像的歸一化，其主要目的就是為了消除尺度、平移等操作對 后續(xù)處理的影響，同時統(tǒng)一大小也更方便特征編碼與匹配。圖像增強的目的是為了提高圖 像的質(zhì)量，如提高圖像的清晰度和對比度等。用于虹膜認證的人眼圖像通常具有以下兩個特點一是內(nèi)外邊界的邊緣強度很 高；二是內(nèi)外邊界都近似成圓形，但并不同心?，F(xiàn)有的虹膜定位算法大多都是根據(jù)這兩個特 點用兩個不同心的圓近似表示內(nèi)外邊界的，也就是說虹膜定位的主要內(nèi)容就是確定內(nèi)外邊 界圓的圓心坐標和半徑。但是現(xiàn)有技術中，在預處理階段采用的定位算法普遍存在定位速度慢，準確率不 夠高的問題。因此，現(xiàn)有技術還有待于改進和發(fā)展。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種虹膜定位方法及虹膜識別系統(tǒng)，旨在快速準確的定位
4虹膜的內(nèi)圓和外圓位置，極大的提高了定位效率；且其定位速度快，定位效果好；同時在模 式匹配過程中縮短匹配時間，提高整個系統(tǒng)的運行效率。本發(fā)明的技術方案如下一種虹膜定位方法，其包括虹膜內(nèi)邊緣定位和虹膜外邊緣定位，其中，所述虹膜外 邊緣定位包括以下步驟S81 采用形態(tài)學的開閉運算對濾波后的人眼圖像進行減少噪聲干擾處理；S82 采用Radon變換檢測出上、下眼瞼的位置；S83 利用Carmy算子檢測出水平信息邊緣點，得到二值邊緣圖像；S84 將內(nèi)圓參數(shù)作先驗信息，再利用Hough變換類圓檢測特性確定外圓的圓心和半徑。所述的虹膜定位方法，其中，所述虹膜內(nèi)邊緣定位包括以下步驟S71 利用人眼圖像庫中的虹膜灰度分布規(guī)律，對虹膜圖像進行二值化處理，得到 二值虹膜圖像；S72 對得到的二值虹膜圖像取反，采用形態(tài)學運算去除噪聲；S73:對經(jīng)形態(tài)學處理后的二值圖像再次取反，采用灰度投影法對內(nèi)圓中心進行初 始定位；S74 采用校正點校正法校正內(nèi)圓參數(shù)得到內(nèi)圓的圓心和半徑。所述的虹膜定位方法，其中，所述步驟S73包括以下步驟S731、用函數(shù)f(x，y)表示二值虹膜圖像，并用如下公式(1)表示/&) = Σ/(Χ，力八力=Σ/(υ)“、計算其在χ方向和y方向的灰度值投影；S732、設瞳孔的近似中心位置為(Xq，y0)，即f (x0) = min (f (χ))f (x0) = min(f (y))S733、求得的(X(1，y0)為極坐標原點進行坐標變換，得到內(nèi)圓中心初始定位。所述的虹膜定位方法，其中，所述步驟S74包括以下步驟S741、將虹膜圖像在極坐標形式下展開，并沿橫軸方向，從起點開始每隔1/4個橫 軸長度取一個采樣點；每個采樣點分別對應直角坐標系中x、y軸的正反方向；S742、在每個采樣點左右兩側(cè)相距固定長度處各取一個點作為校正點，分別得到 四個采樣點的三個邊緣長度，以三個邊緣長度的平均值作為每個采樣點的度量值，分別用 rl、r2、r3、r4 表示；S743、對三個邊緣長度進行比較，若其中某一個邊緣長度與其它的兩個差距比較 大，則可將這個邊緣長度值看作是一個誤測量值，同時將其它兩個測量值的平均值替換為 新的測量長度；S744、變換調(diào)整規(guī)則可采用如下公式(3)表示(Xi, Yi) = ( (Xh+ (r「r3) /2)，(yj (r2-r4) /2))(3)
5
其中，i為迭代次數(shù)，直至相鄰迭代的差距小于一個像素時終止迭代，得到虹膜內(nèi) 邊緣的中心位置和半徑r = (Γι+Γ3)/2 ；S745、求解三個參數(shù)確定(Xi，r)，得到虹膜內(nèi)邊緣內(nèi)圓的圓心和半徑。一種虹膜識別系統(tǒng)，其包括依次連接的虹膜圖像獲取模塊、虹膜圖像預處理模塊、 特征設計與編碼模塊、模式匹配模塊、虹膜數(shù)據(jù)庫，其特征在于，所述虹膜圖像預處理模塊 包括內(nèi)圓定位子模塊和外圓定位子模塊，所述外圓定位子模塊包括依次連接的第二形態(tài)學 運算單元、Radon變換單元、邊緣點檢測單元、外圓圓心初始點位單元，以及逐點搜索單元所述第二形態(tài)學運算單元，用于采用形態(tài)學的開閉運算對濾波后的人眼圖像進行 減少噪聲干擾處理；所述Radon變換單元，用于采用Radon變換檢測出上、下眼瞼的位置；所述邊緣點檢測單元，用于采用Carmy算子檢測出水平信息邊緣點，得到二值邊 緣圖像；所述外圓圓心初始點位單元，用于通過運用內(nèi)圓的定位信息作為先驗知識，確定 外圓圓心位置搜索區(qū)域；所述逐點搜索單元，用于利用Hough變換的類圓檢測特性，搜索外圓圓心位置及半徑。所述的虹膜識別系統(tǒng)，其中，所述內(nèi)圓定位子模塊包括依次連接的虹膜圖像二值 化單元、第一形態(tài)學運算單元、瞳孔中心初始定位單元、校正點單元所述虹膜圖像二值化單元用于根據(jù)這一虹膜灰度分布特點，先對虹膜圖像進行二 值化，得到的二值圖像是包括瞳孔和部分眼睫毛；所述形態(tài)學運算模塊用于采用形態(tài)學的腐蝕和膨脹去除噪聲；所述瞳孔中心初始定位單元用于對處理后的二值圖像再次取反，采用灰度投影法 對瞳孔中心進行初始定位；所述校正點單元用于采用校正點校正法校正內(nèi)圓參數(shù)得到內(nèi)圓的圓心和半徑。本發(fā)明的有益效果本發(fā)明所提出的虹膜定位方法及虹膜識別系統(tǒng)，是基于數(shù)學 形態(tài)學、Radon變換、canny算子和hough變換，該算法可分為內(nèi)邊緣和外邊緣的定位。首先 內(nèi)邊緣的定位是基于直線檢測的灰度投影方法，采用數(shù)學形態(tài)學原理對二值化后的圖像進 行處理，以去除噪聲的干擾；外邊緣的定位則先利用數(shù)學形態(tài)學原理對虹膜圖像進行處理， 然后采用Radon變換檢測上、下眼瞼去除干擾，最后采用carmy算法提取邊緣和hough變換 檢測虹膜的外邊緣，這樣可以避免大面積的盲目搜索，從而提高定位速度。并具有如下優(yōu)占.1、對虹膜外邊界定位要考慮到眼瞼和睫毛的影響，同時也要考慮虹膜區(qū)域的紋理 被誤認為是邊界而造成的影響。本發(fā)明中所述的方法中將采用形態(tài)學原理和Radon直線檢 測原理來克服這些影響因素。利用Radon直線檢測原理來檢測出眼瞼的大概位置，利用檢 測到的眼瞼位置可以從邊界檢測后得到的邊界信息中直接去除上下眼瞼和部分睫毛帶來 的干擾。經(jīng)過形態(tài)學處理后的人眼圖像中，一些小的紋理信息被處理掉，避免出現(xiàn)假邊界現(xiàn) 象。2、虹膜的定位時間包括內(nèi)圓定位時間和外圓定位時間。從內(nèi)圓定位時間上來說， 本發(fā)明所采用的灰度投影法，有效的減少了時間；從外圓定位耗時來看，本發(fā)明采用形態(tài)學處理后的虹膜經(jīng)canny算子邊界檢測和Hough，效率大大提高，且同時采用直線檢測眼瞼手 法，剔除了大部分眼瞼和睫毛帶來的干擾點，減少了 Hough的盲目搜索，進一步節(jié)省大量時 間，提高了速度。綜合內(nèi)外圓所耗總時間，本發(fā)明的方法耗時時間短，速度快。


圖1是虹膜識別系統(tǒng)的原理框圖2是本發(fā)明中預處理模塊的原理框圖3本發(fā)明中內(nèi)圓定位子模塊的原理框圖4本發(fā)明中外圓定位子模塊的原理框圖5是本發(fā)明中內(nèi)圓定位子模塊的內(nèi)部算法流程圖6a、圖6b虹膜直接二值化結果；
圖7a、圖7b形態(tài)學處理后的二值化結果；
圖8a、圖8b灰度投影直方圖
圖9是本發(fā)明中外圓定位子模塊的內(nèi)部算法流程圖10a、圖10b、圖IOc經(jīng)形態(tài)學處理和Radon檢測后的邊界信息。
圖11為本發(fā)明實施例提供的虹膜定位方法中虹膜內(nèi)外圓定位流程圖。
具體實施例方式本發(fā)明所提供的一種虹膜定位方法及虹膜識別系統(tǒng)，為使本發(fā)明的目的、技術方 案及優(yōu)點更加清楚、明確，以下參照附圖并舉實施例對本發(fā)明進一步詳細說明。應當理解， 此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。如圖1所示為本發(fā)明虹膜識別系統(tǒng)10的原理框圖，其包括依次連接的虹膜圖像獲 取模塊11、虹膜圖像預處理模塊12、特征設計與編碼模塊13、模式匹配模塊15、虹膜數(shù)據(jù)庫 14。其中，虹膜圖像獲取模塊11用于獲取通過圖像采集系統(tǒng)(如攝像機)從人體頭部將人 眼圖像拍攝采集下來，而后將這些采集到的人眼圖像送到PC機內(nèi)進行處理。虹膜圖像預處理模塊12用于處理包括人眼圖像的評估、去噪、定位、歸一化。特征 設計與編碼模塊13用于對歸一化后的矩形虹膜圖像進行特征提取與編碼。模式匹配模塊 15用于根據(jù)系統(tǒng)所處階段不同，將得到的虹膜特征編碼送入數(shù)據(jù)庫存儲(注冊)或者與已 有的數(shù)據(jù)庫進行特征匹配(認證)。虹膜數(shù)據(jù)庫14用于將得到虹膜特征信息與用戶的姓名或標識(ID)聯(lián)系起來存儲 到數(shù)據(jù)庫中，創(chuàng)建用戶信息模板；虹膜區(qū)域的定位與特征的設計與編碼是基于虹膜識別技 術中最為關鍵的兩部分，虹膜區(qū)域的定位準確與否，直接關系到虹膜圖像能不能用作識別。 以下將對本發(fā)明的虹膜圖像預處理模塊進行詳細的描述。如圖2所示的本發(fā)明中虹膜圖像預處理模塊12的原理框圖，其包括依次連接的噪 聲過濾子模塊121、內(nèi)圓定位子模塊122、外圓定位子模塊123、歸一化子模塊124和圖像增 強子模塊125。其中，噪聲過濾子模塊121用于除去虹膜圖像的噪聲，使虹膜圖像更加的清 晰利于后續(xù)的定位處理和虹膜特征設計。如圖6a所示，人眼圖像庫中的虹膜灰度分布規(guī)律，從瞳孔中心向外，灰度值加大； 內(nèi)圓定位子模塊122根據(jù)這一虹膜灰度分布特點，先對虹膜圖像進行二值化，得到的二值
7圖像是包括瞳孔和部分眼睫毛，可見圖6b。然后通過本發(fā)明的定位方法(定位算法，后文有 詳述)得出一個精確的虹膜內(nèi)邊緣的圓形位置參數(shù)即內(nèi)圓的半徑及圓心參數(shù)。外圓定位子模塊123用于根據(jù)虹膜的外邊界存在，且近似圓形，通過特定算法(后 文有詳述)去除上、下眼瞼與睫毛帶來的部分干擾；并根據(jù)內(nèi)邊緣的信息作為先驗知識來 限定搜索區(qū)域等方法計算得出一個精確的虹膜外邊緣的圓形位置參數(shù)；歸一化子模塊124 和圖像增強子模塊125用于去除噪聲的干擾，提高圖像的質(zhì)量。參見圖3，為內(nèi)圓定位子模塊122結構框圖，其包括依次連接的虹膜圖像二值化 單元21、第一形態(tài)學運算單元22、瞳孔中心初始定位單元23、校正點單元24，其中，所述虹 膜圖像二值化單元21用于根據(jù)這一虹膜灰度分布特點，先對虹膜圖像進行二值化，得到的 二值圖像是包括瞳孔和部分眼睫毛；所述第一形態(tài)學運算單元22用于采用形態(tài)學的腐蝕 和膨脹去除噪聲；瞳孔中心初始定位單元23用于對處理后的二值圖像再次取反，采用灰度 投影法對瞳孔中心進行初始定位；校正點單元24用于采用校正點校正法校正內(nèi)圓參數(shù)得 到內(nèi)圓的圓心和半徑。參見圖4為外圓定位子模塊123，其包括依次連接的第二形態(tài)學運算單元25、 Radon變換(拉東變換)單元29、邊緣點檢測單元26、外圓圓心初始點位單元27以及逐點 搜索單元28，其中，所述第二形態(tài)學運算單元25用于采用形態(tài)學的開閉運算對濾波后的人 眼圖像進行減少噪聲干擾處理，盡可能的在保留虹膜與鞏膜的邊界信息的前提下，減少虹 膜紋理和睫毛等的干擾信息；所述Radon變換單元29，用于采用Radon變換(拉東變換)檢 測出上、下眼瞼的位置。邊緣點檢測單元26用于采用Carmy算子(砍尼算子)檢測出水平信息邊緣點，得 到二值邊緣圖像；外圓圓心初始點位單元27用于通過運用內(nèi)圓的定位信息作為先驗知識， 確定外圓圓心位置搜索區(qū)域；逐點搜索單元28用于利用Hough變換(霍夫變換)的類圓檢 測特性，搜索外圓圓心位置及半徑。如圖11所示，本發(fā)明實施例所提供的虹膜定位方法包括虹膜內(nèi)邊緣定位(即內(nèi)圓 定位)和虹膜外邊緣定位(即外圓定位)，為了實現(xiàn)虹膜內(nèi)邊緣定位，如圖5所示，為本發(fā)明 所述內(nèi)圓定位中內(nèi)圓定位子模塊的內(nèi)部算法流程圖，其具體流程如下S71 利用人眼圖像庫中的虹膜灰度分布規(guī)律，對虹膜圖像進行二值化處理，得到
二值虹膜圖像。首先根據(jù)人眼圖像庫中的虹膜灰度分布規(guī)律，從瞳孔中心向外，灰度值加大參見 圖6a，根據(jù)這一虹膜灰度分布特點，先對虹膜圖像進行二值化，得到的二值圖像是包括瞳孔 和部分眼睫毛，參見圖6b ；S72 對得到的二值虹膜圖像取反，采用形態(tài)學運算去除噪聲對二值化后的虹膜圖像取反如圖7a所示，然后采用形態(tài)學的腐蝕和膨脹去除噪 聲。經(jīng)形態(tài)學處理后的二值圖像如圖7b。S73:對經(jīng)形態(tài)學處理后的二值圖像再次取反，采用灰度投影法對內(nèi)圓中心進行初 始定位。對處理后的二值圖像再次取反，采用灰度投影法對瞳孔中心進行初始定位。用函數(shù)f (x，y)表示二值虹膜圖像，可用公式1來計算其在χ方向和y方向的灰度 值投影，可用直方圖形式表示，如圖8a和圖8b所示。
/(。= Σ/(xJ)
y/⑴=Σ/江力“、
χ .......................................⑴根據(jù)二值化后的虹膜灰度分布的規(guī)律，可以認為波谷對應的就是瞳孔中心位置， 假設瞳孔的近似中心位置為(x0，y0)，即f (x0) = min (f (χ))f(y0) =min(f(y))..............................(2)以求得的(X(l，y0)為極坐標原點進行坐標變換如圖8b所示，可以保證虹膜邊緣在 展開后類似一條正弦曲線，即保證了基于直線進行虹膜定位的準確性。S74 采用校正點校正法校正內(nèi)圓參數(shù)得到內(nèi)圓的圓心和半徑。由于虹膜邊緣存在不連續(xù)的問題，可采用校正點的方法來解決這個問題，這樣就 可使邊緣定位更精確。將虹膜圖像在極坐標形式下展開，然后沿橫軸方向，從起點開始每 隔1/4個橫軸長度取一個采樣點，這樣可取得采樣點四個，這四個點分別對應直角坐標系 中χ、y軸的正反方向；在每個采樣點左右兩側(cè)相距固定長度處各取一個點作為校正點，分 別得到四個采樣點的三個邊緣長度，以三個邊緣長度的平均值作為每個采樣點的度量值， 分別用rl、r2、r3、r4表示。對三個邊緣長度進行比較，若其中某一個邊緣長度與其它的兩個差距比較大，則 可將這個邊緣長度值看作是一個誤測量值，同時將其它兩個測量值的平均值替換為新的測 量長度，這樣就可以克服虹膜內(nèi)邊緣非連續(xù)時以一定角度范圍內(nèi)的邊緣均值作為標準來調(diào) 整虹膜中心造成的不準確的問題。變換調(diào)整規(guī)則可采用公式(3)表示(Xi, Yi) = ( (Xh+ (r「r3) /2)，(yj (r2-r4) /2))............(3)其中，i為迭代次數(shù)，直至相鄰迭代的差距小于一個像素時終止迭代，這樣就可以 得到虹膜內(nèi)邊緣的中心位置和半徑r= (Γι+Γ3)/20通過以上的幾個過程處理，就可以得到 一個精確的虹膜內(nèi)邊緣的圓形位置，此圓形由三個參數(shù)確定(Xi，Yi, r)。由于虹膜的外邊界存在，且近似圓形，所以本發(fā)明中還采用Carmy算子選取水平 方向上的連續(xù)邊緣曲線，即只將水平方向?qū)?shù)大于垂直方向?qū)?shù)的點作為邊界圖像點，這 樣就可以去除上、下眼瞼與睫毛帶來的部分干擾。可以根據(jù)內(nèi)邊緣的信息作為先驗知識來 限定搜索區(qū)域，這樣就可以極大的減少Hough圓檢測的范圍。為了進一步的減少這些干擾 邊界信息，本文同時采用了數(shù)學形態(tài)學原理和Radon直線檢測方法對人眼圖像進行預處 理，盡量摒棄睫毛和虹膜紋理帶來的影響。具體的方法可見如下。參見圖9所示為本發(fā)明中外圓定位子模塊的內(nèi)部算法流程圖，即本發(fā)明實施例所 提供的定位方法中其虹膜外邊緣定位(即外圓定位)具體包括以下步驟S81 采用形態(tài)學的開閉運算對濾波后的人眼圖像進行減少噪聲干擾處理。利用數(shù)學形態(tài)學的開閉運算對濾波后的人眼圖(如圖IOa)像進行處理，盡可能的 在保留虹膜與鞏膜的邊界信息的前提下，減少虹膜紋理和睫毛等的干擾信息。人眼圖像經(jīng) 過若干次數(shù)學形態(tài)學開閉運算處理后，由于上下眼瞼的邊界信息比較強，不會被處理掉，且 其邊界近似為直線(如圖10b)，故可采用Radon直線檢測，將上、下眼瞼的大概位置檢測出
9來(如圖IOc)。即步驟S82 采用Radon變換檢測出上、下眼瞼的大概位置。S83 利用Carmy算子檢測出水平信息邊緣點，得到二值邊緣圖像。采用Carmy算子檢測出水平信息邊緣點，得到二值邊緣圖像，由于數(shù)學形態(tài)學開 閉運算的處理，減少了很多干擾信息，并根據(jù)Radon變換檢測到的上、下眼瞼的位置，直接 去除上眼瞼以上和下眼瞼以下的邊界信息。由上可見，虹膜內(nèi)外邊緣雖為不同心及半徑的近似圓，但兩圓的圓心和半徑還是 有一定關系的，可以根據(jù)這些關系，利用虹膜內(nèi)邊緣的定位信息，縮小檢測區(qū)域，以提高定 位速度和精度。針對發(fā)明用到的數(shù)據(jù)庫，可選取外圓圓心在內(nèi)圓圓心周圍a個像素內(nèi)搜索 (x。-a < χ < x。+a，y0-a < y < y。+a)，而半徑區(qū)域一般在 JtlXa1 < r < r。Xa2。通過內(nèi)圓 的定位信息作為先驗知識，就可大大縮小搜索區(qū)域。S84 將內(nèi)圓參數(shù)作先驗信息，再利用Hough變換類圓檢測特性確定外圓的圓心和半徑。利用Hough變換的類圓檢測特性，在上面步驟已確定的區(qū)域內(nèi)逐點搜索。先初始 化Hough矩陣，即圓參數(shù)的累加器數(shù)組A(X，y，r) = 0，對選擇的區(qū)域內(nèi)所有點，計算A(x， y，r)的值，由最大的A(χ，y，r)值來確定圓的3個參數(shù)。通過以上的步驟，本發(fā)明能很好的確定虹膜區(qū)域的內(nèi)邊緣和外邊緣的圓心和半 徑，也就可以將虹膜區(qū)域有效分割出來用于后續(xù)的特征提取過程。本發(fā)明的有益效果1、對虹膜外邊界定位要考慮到眼瞼和睫毛的影響，同時也要考慮虹膜區(qū)域的紋理 被誤認為是邊界而造成的影響。在這里提出的方法中將采用形態(tài)學原理和Radon直線檢測 原理來克服這些影響因素。利用Radon直線檢測原理來檢測出眼瞼的大概位置，利用檢測 到的眼瞼位置可以從邊界檢測后得到的邊界信息中直接去除上下眼瞼和部分睫毛帶來的 干擾。經(jīng)過形態(tài)學處理后的人眼圖像中，一些小的紋理信息被處理掉，避免出現(xiàn)假邊界現(xiàn) 象。2、虹膜的定位時間包括內(nèi)圓定位時間和外圓定位時間。從內(nèi)圓定位時間上來說， 該算法采用灰度投影法，有效的減少了時間；從外圓定位耗時來看，該算法采用形態(tài)學處理 后的虹膜經(jīng)canny算子邊界檢測和Hough，效率大大提高，且同時采用直線檢測眼瞼手法， 剔除了大部分眼瞼和睫毛帶來的干擾點，減少了 Hough的盲目搜索，進一步節(jié)省大量時間， 提高速度。綜合內(nèi)外圓所耗總時間，本文方法耗時最短，速度最快。應當理解的是，本發(fā)明的應用不限于上述的舉例，對本領域普通技術人員來說，可 以根據(jù)上述說明加以改進或變換，所有這些改進和變換都應屬于本發(fā)明所附權利要求的保 護范圍。
10
權利要求
一種虹膜定位方法，其包括虹膜內(nèi)邊緣定位和虹膜外邊緣定位，其特征在于，所述虹膜外邊緣定位包括以下步驟S81采用形態(tài)學的開閉運算對濾波后的人眼圖像進行減少噪聲干擾處理；S82采用Radon變換檢測出上、下眼瞼的位置；S83利用Canny算子檢測出水平信息邊緣點，得到二值邊緣圖像；S84將內(nèi)圓參數(shù)作先驗信息，再利用Hough變換類圓檢測特性確定外圓的圓心和半徑。
2.根據(jù)權利要求1所述的虹膜定位方法，其特征在于，所述虹膜內(nèi)邊緣定位包括以下 步驟571利用人眼圖像庫中的虹膜灰度分布規(guī)律，對虹膜圖像進行二值化處理，得到二值 虹膜圖像；572對得到的二值虹膜圖像取反，采用形態(tài)學運算去除噪聲；S73:對經(jīng)形態(tài)學處理后的二值圖像再次取反，采用灰度投影法對內(nèi)圓中心進行初始定位；`S74 采用校正點校正法校正內(nèi)圓參數(shù)得到內(nèi)圓的圓心和半徑。
3.根據(jù)權利要求2所述的虹膜定位方法，其特征在于，所述步驟S73包括以下步驟5731、用函數(shù)f(x，y)表示二值虹膜圖像，并用如下公式(1)表示 計算其在χ方向和y方向的灰度值投影；`5732、設瞳孔的近似中心位置為(Xq，y0)，即 f (X0) = min(f (χ))f(y0) = min(f(y))5733、求得的(X(l，y0)為極坐標原點進行坐標變換，得到內(nèi)圓中心初始定位。
4.根據(jù)權利要求2所述的虹膜定位方法，其特征在于，所述步驟S74包括以下步驟`5741、將虹膜圖像在極坐標形式下展開，并沿橫軸方向，從起點開始每隔1/4個橫軸長 度取一個采樣點；每個采樣點分別對應直角坐標系中x、y軸的正反方向；`5742、在每個采樣點左右兩側(cè)相距固定長度處各取一個點作為校正點，分別得到四個 采樣點的三個邊緣長度，以三個邊緣長度的平均值作為每個采樣點的度量值，分別用rl、 r2、r3、r4 表示；`5743、對三個邊緣長度進行比較，若其中某一個邊緣長度與其它的兩個差距比較大，則 可將這個邊緣長度值看作是一個誤測量值，同時將其它兩個測量值的平均值替換為新的測 量長度；`5744、變換調(diào)整規(guī)則可采用如下公式(3)表示(Xi, Yi) = ((Xi^1+ ^1T3) /2)，(y^+ (r2-r4) /2))(3)其中，i為迭代次數(shù)，直至相鄰迭代的差距小于一個像素時終止迭代，得到虹膜內(nèi)邊緣 的中心位置和半徑r = (ri+r3)/2 ；S745、求解三個參數(shù)確定(Xi，yi，r)，得到虹膜內(nèi)邊緣內(nèi)圓的圓心和半徑。
5.一種虹膜識別系統(tǒng)，其包括依次連接的虹膜圖像獲取模塊、虹膜圖像預處理模塊、特 征設計與編碼模塊、模式匹配模塊、虹膜數(shù)據(jù)庫，其特征在于，所述虹膜圖像預處理模塊包 括內(nèi)圓定位子模塊和外圓定位子模塊，所述外圓定位子模塊包括依次連接的第二形態(tài)學運 算單元、Radon變換單元、邊緣點檢測單元、外圓圓心初始點位單元，以及逐點搜索單元所述第二形態(tài)學運算單元，用于采用形態(tài)學的開閉運算對濾波后的人眼圖像進行減少 噪聲干擾處理；所述Radon變換單元，用于采用Radon變換檢測出上、下眼瞼的位置；所述邊緣點檢測單元，用于采用Carmy算子檢測出水平信息邊緣點，得到二值邊緣圖像；所述外圓圓心初始點位單元，用于通過運用內(nèi)圓的定位信息作為先驗知識，確定外圓 圓心位置搜索區(qū)域；所述逐點搜索單元，用于利用Hough變換的類圓檢測特性，搜索外圓圓心位置及半徑。
6.根據(jù)權利要求5所述的虹膜識別系統(tǒng)，其特征在于，所述內(nèi)圓定位子模塊包括依次 連接的虹膜圖像二值化單元、第一形態(tài)學運算單元、瞳孔中心初始定位單元、校正點單元所述虹膜圖像二值化單元用于根據(jù)這一虹膜灰度分布特點，先對虹膜圖像進行二值 化，得到的二值圖像是包括瞳孔和部分眼睫毛；所述形態(tài)學運算模塊用于采用形態(tài)學的腐蝕和膨脹去除噪聲； 所述瞳孔中心初始定位單元用于對處理后的二值圖像再次取反，采用灰度投影法對瞳 孔中心進行初始定位；所述校正點單元用于采用校正點校正法校正內(nèi)圓參數(shù)得到內(nèi)圓的圓心和半徑。
全文摘要
本發(fā)明涉及生物識別技術領域，公開了一種虹膜定位方法及虹膜識別系統(tǒng)，本發(fā)明是基于數(shù)學形態(tài)學、Radon變換(拉東變換)、canny算子(砍尼算子)和hough變換(霍夫變換)，該算法可分為內(nèi)邊緣和外邊緣的定位。首先內(nèi)邊緣的定位是基于直線檢測的灰度投影方法，采用數(shù)學形態(tài)學原理對二值化后的圖像進行處理，以去除噪聲的干擾；外邊緣的定位則先利用數(shù)學形態(tài)學原理對虹膜圖像進行處理，然后采用Radon變換檢測上、下眼瞼去除干擾，最后采用canny算法提取邊緣和hough變換檢測虹膜的外邊緣，這樣可以避免大面積的盲目搜索，從而提高定位速度。
文檔編號G06K9/00GK101916362SQ20101018669
公開日2010年12月15日 申請日期2010年5月28日 優(yōu)先權日2010年5月28日
發(fā)明者李霞, 王娜, 王運金 申請人:深圳大學