一種改善在非理想環(huán)境下虹膜識別性能的方法
【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明設(shè)及虹膜識別技術(shù)領(lǐng)域，特指一種改善在非理想環(huán)境下虹膜識別性能的方 法。
【背景技術(shù)】：
[0002] 生物識別系統(tǒng)收集人身生體信息并從其信息抽取生體特征，然后跟數(shù)據(jù)庫中的模 板群對比。W前生物識別系統(tǒng)所用的最常見的生物識別信息是指紋、人臉、網(wǎng)膜、聲音、虹 膜。虹膜識別技術(shù)是人體生物識別技術(shù)的一種。我們知道，人眼睛的外觀圖由鞏膜、虹膜、 瞳孔S部分構(gòu)成。鞏膜即眼球外圍的白色部分，約占總面積的30% ;眼睛中屯、為瞳孔部分， 約占5%;虹膜位于鞏膜和瞳孔之間，包含了最豐富的紋理信息，占據(jù)65%。外觀上看，由許 多腺窩、皺權(quán)、色素斑等構(gòu)成，是人體中最獨(dú)特的結(jié)構(gòu)之一。虹膜的形成由遺傳基因決定，人 體基因表達(dá)決定了虹膜的形態(tài)、生理、顏色和總的外觀。虹膜具有的高度獨(dú)特性、穩(wěn)定性及 不可更改的特點(diǎn)，是虹膜可用作身份鑒別的物質(zhì)基礎(chǔ)。
[0003] 虹膜識別方式包括；虹膜的內(nèi)外邊界定位、特征抽取、對比=個階段。其中定位階 段是虹膜識別的第一階段，又是最重要部分。定位性能影響到識別總體性能。虹膜識別一 般內(nèi)外邊界為圓，但是虹膜邊界不是圓，所W該樣定位方法可W成為錯誤的原因。
[0004] 1993年，JOHN-Daugman提出了實(shí)現(xiàn)了一個高性能的自動虹膜識別原型系統(tǒng)。今 天，大部分的自動虹膜識別系統(tǒng)都使用Daugman核屯、算法。Daugman使用積分微分算子 (Integro-differnential operator)檢測出內(nèi)外邊界和上下眼臉。Wildes使用邊緣檢測 器巧dge detector)和圓形化U曲變換（Circular化U曲transform)對虹膜進(jìn)行分割，通 過拋物線曲線對上下眼臉進(jìn)行定位。但是該些方法在運(yùn)動幅度大、虹膜圖像畫質(zhì)不好的情 況下不能解決問題而且速度也緩慢，所W對實(shí)時運(yùn)行應(yīng)用不適。
[0005] 目前為了解決該些問題出現(xiàn)了一些使用活動輪廓模型（Active Contour Model) 檢測出虹膜邊緣的方法。活動輪廓模型是在邊界檢出和圖像分割、形狀模型化和形狀追 蹤領(lǐng)域中最成功的核屯、技術(shù)之一?；顒虞喞Ｐ桶╓ Snake模型為代表的參數(shù)活動輪 廓模型（parametric active contour model)和基于水平集方法的幾何活動輪廓模型 (geometric active contour model)。幾何活動輪廓模是跟參數(shù)活動輪廓莫興比起來僅僅 依靠簡單的幾何參數(shù)，沒有控制形狀變化的特別條件也可W變更輪廓形狀。幾何活動輪廓 模型包括基于邊緣的活動輪廓模型和基于面積的活動輪廓模型?；谶吘壍幕顒虞喞Ｐ?為了在目標(biāo)邊界處停止曲線演化使用大的圖像梯度?；诿娣e的活動輪廓模型在每個領(lǐng)域 中通過擬合灰度、顏色、Texture、運(yùn)動等統(tǒng)計(jì)模型進(jìn)行圖像分割。所W在弱邊界圖像中可W 獲得更好的結(jié)果。但是使用該樣的活動輪廓模型時，先要有初始輪廓形狀。
[0006] 本發(fā)明人經(jīng)過不斷的研究，提出了采用基于面積的活動輪廓模型之一化an-Vese 活動輪廓模型，在非理想環(huán)境中定位虹膜圖像的內(nèi)外邊界的方法。化an-Vese模型通常通過 解水平集方程或泊松方程等偏微分方程來運(yùn)行。該樣的方法理論上講有意義，但是計(jì)算量 太大。而且因?yàn)槭褂脠D像的全局信息，灰度不均勻場景下準(zhǔn)確率下降?；谠撔﹩栴}，本發(fā) 明人提出了w下解決方案。

【發(fā)明內(nèi)容】
：
[0007] 本發(fā)明所要解決的技術(shù)問題就是克服現(xiàn)有技術(shù)的不足，提供一種改善在非理想環(huán) 境下虹膜識別性能的方法。該技術(shù)方案提出基于局部面積的化an-Vese模型高速運(yùn)行方 法，而且提出W角積分投影函數(shù)AIPF (angular integral projection function)為該模型 的初始輪廓進(jìn)行高速定位圓形邊界的方法。
[000引為解決上述技術(shù)問題，本發(fā)明采用了如下的技術(shù)方案；該方法的步驟如下；步驟 一，對所要識別的虹膜圖像進(jìn)行處理，對該圖像應(yīng)用適應(yīng)闊值化刪除掉虹膜圖像中的鏡子 反射噪聲；步驟二，使用AIPF函數(shù)令虹膜圖像的內(nèi)外部邊界逼近于圓；步驟S，W上述步驟 二的定位結(jié)果為初始輪廓，應(yīng)用化an-Vese模型找出虹膜圖像中的內(nèi)部邊界；步驟四，W虹 膜的外圓逼近結(jié)果為初始輪廓，應(yīng)用化an-Vese模型找出虹膜圖像中的外部部邊界；步驟 五，基于上面的虹膜定位結(jié)果對虹膜圖像進(jìn)行正規(guī)化處理；步驟六，通過伽柏濾波器從正規(guī) 虹膜圖像算出特征，跟數(shù)據(jù)庫的特征進(jìn)行匹配。
[0009] 進(jìn)一步而言，上述技術(shù)方案中，所述的步驟S、四種，應(yīng)用化an-Vese模型基于能 量最小化進(jìn)行對象邊緣的定位，其中化an-Vese模型的能量函數(shù)E"公式如下：
[0010] E"= A 1 / 化加e(c) I I (X)-Cl |2dx+ 入 2 / outside(c) I I (又）-〔2 |2dx, X E Q
[0011] 其中所述的I是區(qū)域Q的圖像，Cl和C,是輪廓內(nèi)外部的平均像素強(qiáng)度；圖像輪廓 內(nèi)部邊界為；inside (C) = {x G Q : (X)〉0}，
[0012] 外部邊界為；outside (C) = {x G Q : (X) <0}。
[0013] 進(jìn)一步而言，上述技術(shù)方案中，所述的步驟二中，首先檢測虹膜圖像瞳孔中屯、適當(dāng) 位置，檢測瞳孔中屯、的適當(dāng)位置使用瞳孔灰度值進(jìn)行二值圖像處理和形態(tài)學(xué)圖像處理，即 對步驟一種去掉鏡子反射噪聲的圖像進(jìn)行柱形圖分析，并對其進(jìn)行二值圖像處理，然后通 過進(jìn)行形態(tài)學(xué)圖像處理從二值圖像中去掉眼眉和眼臉區(qū)域，該樣分割的瞳孔領(lǐng)域中屯、定為 瞳孔中屯、。
[0014] 進(jìn)一步而言，上述技術(shù)方案中，所述的步驟二中，確定瞳孔中屯、后，間隔一定時間 應(yīng)用AIPF函數(shù)檢測出半徑邊界點(diǎn)的組，最后一檢測點(diǎn)為圓，從而計(jì)算出圓形瞳孔邊界，同 樣的方式計(jì)算出瞳孔位置進(jìn)行逼近虹膜的外邊界為圓。
[0015] 進(jìn)一步而言，上述技術(shù)方案中，所述的AIPF函數(shù)是在圖像空間中沿角度方向積分 投影的函數(shù)，其計(jì)算公式如下：
[0016]
【主權(quán)項(xiàng)】
1. 一種改善在非理想環(huán)境下虹膜識別性能的方法，其特征在于：該方法的步驟如下： 步驟一，對所要識別的虹膜圖像進(jìn)行處理，對該圖像應(yīng)用適應(yīng)閾值化刪除掉虹膜圖像 中的鏡子反射噪聲； 步驟二，使用AIPF函數(shù)令虹膜圖像的內(nèi)外部邊界逼近于圓； 步驟三，以上述步驟二的定位結(jié)果為初始輪廓，應(yīng)用Chan-Vese模型找出虹膜圖像中 的內(nèi)部邊界； 步驟四，以虹膜的外圓逼近結(jié)果為初始輪廓，應(yīng)用Chan-Vese模型找出虹膜圖像中的 外部部邊界； 步驟五，基于上面的虹膜定位結(jié)果對虹膜圖像進(jìn)行正規(guī)化處理； 步驟六，通過伽柏濾波器從正規(guī)虹膜圖像算出特征，跟數(shù)據(jù)庫的特征進(jìn)行匹配。
2. 根據(jù)權(quán)利要求1所述的一種改善在非理想環(huán)境下虹膜識別性能的方法，其特征在 于：所述的步驟三、四種，應(yīng)用Chan-Vese模型基于能量最小化進(jìn)行對象邊緣的定位，其中 Chan-Vese模型的能量函數(shù)Eev公式如下： Ecv= ^1/ inside(c) I I(X)-C1I^A2/ outside(c) |l(x)-C2|2dx, X e Ω 其中所述的I是區(qū)域Ω的圖像，CdP C2是輪廓內(nèi)外部的平均像素強(qiáng)度； 圖像輪廓內(nèi)部邊界為：inside (C) = {x e Ω : φ (X) >〇}， 外部邊界為：〇utside(C) = {x e Ω : φ (χ)〈〇}。
3. 根據(jù)權(quán)利要求1所述的一種改善在非理想環(huán)境下虹膜識別性能的方法，其特征在 于：步驟二中，首先檢測虹膜圖像瞳孔中心適當(dāng)位置，檢測瞳孔中心的適當(dāng)位置使用瞳孔灰 度值進(jìn)行二值圖像處理和形態(tài)學(xué)圖像處理，即對步驟一種去掉鏡子反射噪聲的圖像進(jìn)行柱 形圖分析，并對其進(jìn)行二值圖像處理，然后通過進(jìn)行形態(tài)學(xué)圖像處理從二值圖像中去掉眼 眉和眼瞼區(qū)域，這樣分割的瞳孔領(lǐng)域中心定為瞳孔中心。
4. 根據(jù)權(quán)利要求3所述的一種改善在非理想環(huán)境下虹膜識別性能的方法，其特征在 于：步驟二中，確定瞳孔中心后，間隔一定時間應(yīng)用AIPF函數(shù)檢測出半徑邊界點(diǎn)的組，最后 一檢測點(diǎn)為圓，從而計(jì)算出圓形瞳孔邊界，同樣的方式計(jì)算出瞳孔位置進(jìn)行逼近虹膜的外 邊界為圓。
5. 根據(jù)權(quán)利要求1所述的一種改善在非理想環(huán)境下虹膜識別性能的方法，其特征在 于：所述的AIPF函數(shù)是在圖像空間中沿角度方向積分投影的函數(shù)，其計(jì)算公式如下：
其中，（X(i，yci)是圖像中心，i(x，y)是（x，y)處圖像的灰度級，θ是X軸和積分四角形 之間角度，P = 〇, 1，. . .，ω中ω是積分四角形的寬度，h是高度。
6. 根據(jù)權(quán)利要求3所述的一種改善在非理想環(huán)境下虹膜識別性能的方法，其特征在 于：所述的對圖像應(yīng)用適應(yīng)閾值化刪除掉虹膜圖像中的鏡子反射噪聲的方法如下：首先把 初始圖像I (X，y)分為8 X 8塊，計(jì)算每塊領(lǐng)域的平均值，然后最大的4塊平均值的平均值設(shè) 為圖像的閾值TMf;接著使用這個閾值生成初始圖像I(x，y)的二值圖像R(x，y);為了插補(bǔ) 鏡子映射點(diǎn)P tl (? y〇)把周圍4個點(diǎn)定義為
映射點(diǎn)Ρ〇 (χ〇, y〇)是二值圖像R (X，y)的白色點(diǎn)，對于白色點(diǎn)的源圖像I (X，y)的映射點(diǎn) 通過周圍點(diǎn)進(jìn)行插補(bǔ)，
I (P0)是源圖像的映射點(diǎn)插補(bǔ)值。
【專利摘要】本發(fā)明公開了一種改善在非理想環(huán)境下虹膜識別性能的方法。其步驟如下：步驟一，對所要識別的虹膜圖像進(jìn)行處理，對該圖像應(yīng)用適應(yīng)閾值化刪除掉虹膜圖像中的鏡子反射噪聲；步驟二，使用AIPF函數(shù)令虹膜圖像的內(nèi)外部邊界逼近于圓；步驟三，以上述步驟二的定位結(jié)果為初始輪廓，應(yīng)用Chan-Vese模型找出虹膜圖像中的內(nèi)部邊界；步驟四，以虹膜的外圓逼近結(jié)果為初始輪廓，應(yīng)用Chan-Vese模型找出虹膜圖像中的外部部邊界；步驟五，基于上面的虹膜定位結(jié)果對虹膜圖像進(jìn)行正規(guī)化處理；步驟六，通過伽柏濾波器從正規(guī)虹膜圖像算出特征，跟數(shù)據(jù)庫的特征進(jìn)行匹配。本發(fā)明采用上述技術(shù)方案后，將Chan-Vese模型的高速運(yùn)行法和APIF函數(shù)定位結(jié)果結(jié)合起來，以提高非理想環(huán)境下的虹膜定位準(zhǔn)確性。
【IPC分類】G06K9-00
【公開號】CN104537334
【申請?zhí)枴緾N201410324262
【發(fā)明人】李毅
【申請人】珠海易勝電子技術(shù)有限公司
【公開日】2015年4月22日
【申請日】2014年7月8日