對虹膜圖像進(jìn)行定位的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及生物識別領(lǐng)域，特別是指一種對虹膜圖像進(jìn)行定位的方法和裝置。
【背景技術(shù)】
[0002] 眼瞼定位和虹膜定位方法在虹膜識別系統(tǒng)中占有重要地位，定位方法的準(zhǔn)確性直 接影響到了虹膜特征編碼和匹配過程，高效、準(zhǔn)確、穩(wěn)定的定位方法是衡量虹膜識別系統(tǒng)優(yōu) 劣的重要標(biāo)準(zhǔn)。
[0003] 在虹膜識別系統(tǒng)中，要提取出人眼圖片中的有效虹膜區(qū)域，人眼上、下眼瞼的定位 以及虹膜邊緣的定位是必不可少的。在實際應(yīng)用中，海量虹膜圖片的保存，必須要考慮存儲 空間的限制，這就需要對虹膜圖片進(jìn)行一定的壓縮，壓縮時我們沒有必要對不相關(guān)信息進(jìn) 行存儲，對于虹膜圖片來說，除了虹膜區(qū)域之外，其他所有區(qū)域都是噪聲信息，需要予以剔 除，這時，眼瞼定位以及虹膜邊緣定位也顯得很有必要。
[0004] 現(xiàn)有技術(shù)中眼瞼邊界的定位方法基本上都是采用一系列圖像處理的操作：通過設(shè) 計一些濾波器，對圖像進(jìn)行卷積操作，而后，在處理后的圖像上進(jìn)行簡單的統(tǒng)計操作，篩選 得到上、下眼瞼邊界信息，之后根據(jù)邊界信息得到擬合眼瞼邊界的拋物線的參數(shù)。但是這 種方法避免不了睫毛、眼鏡框、對比度、光照的影響，其對設(shè)備的依賴性會特別大，對于不同 的設(shè)備拍攝的圖像，往往需要調(diào)整各個參數(shù)，泛化性很低。且基于灰度、梯度的相對固定的 閾值選取，極易受光照影響，對比度的干擾使得提取的全局閾值缺乏靈活性等，抗干擾能力 差。
[0005] 現(xiàn)有技術(shù)中常見的虹膜邊緣定位方法，按照虹膜圖像形狀類型，一般可分為3類： 基于圓形的定位、基于橢圓的定位以及基于不規(guī)則邊界的定位。
[0006] (1)基于圓形的定位方法
[0007] 該方法是被普遍采用的方法，基于虹膜邊界是圓形的假設(shè)。常用的算法有微積分 檢測算子和Hough變換。微積分檢測算子方法，采用圓形檢測模板，選擇沿半徑方向上平均 灰度的梯度最大值對應(yīng)的半徑為虹膜邊緣半徑，進(jìn)而得到圓形參數(shù)信息。Hough變換方法， 利用邊緣檢測的方法得到虹膜的內(nèi)外邊界點，再應(yīng)用Hough變換分別得到虹膜圓形邊界的 參數(shù)。但是微積分檢測算子和Hough變換方法，它們的時間計算復(fù)雜度都比較高，定位速度 比較慢，且其假設(shè)虹膜是圓形的，不適合處理發(fā)生一定偏轉(zhuǎn)和變形的虹膜。同時Hough變換 方法容易受睫毛及光斑等隨機噪聲的影響，抗干擾能力差。
[0008] ⑵基于橢圓的定位方法
[0009] 基于橢圓的定位方法，處理由于偏轉(zhuǎn)角度不同導(dǎo)致拍攝的虹膜內(nèi)邊界近似成橢圓 形的情況。主要是利用灰度梯度模板與圖像作用，統(tǒng)計虹膜邊緣點，對虹膜內(nèi)邊緣點采用最 小二乘擬合確定橢圓相關(guān)參數(shù)，而虹膜的外邊緣點一般仍然依據(jù)圓形進(jìn)行計算。但是基于 橢圓的定位方法對異常點尤其敏感，橢圓擬合的準(zhǔn)確度完全依賴于檢測到的邊緣點，而邊 緣點的尋找依賴于灰度梯度模板，其對隨機噪聲點敏感，不能夠很好的處理噪聲圖像，抗干 擾能力差。
[0010] (3)基于不規(guī)則邊界的定位方法
[0011] 這種方法主要處理虹膜邊界既非圓形也非橢圓的情況。主要采用主動輪廓線模 型，逐步改變封閉曲線的圖形，通過不斷地極小化自身能量函數(shù)來確定虹膜邊界。在這個過 程中，調(diào)整輪廓上的點向其鄰域移動，以達(dá)到逼近虹膜邊緣的目的。但是基于不規(guī)則邊界的 定位方法采用迭代的方式，依賴于初始值的選取，一旦初始值超出邊界，該方法通常會檢測 失敗，而且即使給定好的初值，也并不能夠保證最終收斂，在噪聲的干擾下，其經(jīng)常檢測到 虛假邊緣。定位精度低，泛化性低，抗干擾能力差。

【發(fā)明內(nèi)容】

[0012] 本發(fā)明提供一種對虹膜圖像進(jìn)行定位的方法和裝置，該方法簡單方便，速度快；抗 干擾能力強、精度高；泛化性高；魯棒性好。
[0013] 為解決上述技術(shù)問題，本發(fā)明提供技術(shù)方案如下：
[0014] 一種對虹膜圖像進(jìn)行定位的方法，包括：
[0015] 對虹膜圖像進(jìn)行瞳孔粗定位；
[0016] 在粗定位的基礎(chǔ)上初始化多個關(guān)鍵點的坐標(biāo)；
[0017] 提取所述關(guān)鍵點的SIFT特征向量；
[0018] 采用SDM算法將所述關(guān)鍵點的SIFT特征向量映射成坐標(biāo)增量；
[0019] 使用所述坐標(biāo)增量，對所述關(guān)鍵點的坐標(biāo)值進(jìn)行更新；
[0020] 使用魯棒回歸方法對所述關(guān)鍵點進(jìn)行曲線擬合，得到上眼瞼拋物線、下眼瞼拋物 線和虹膜外圓的參數(shù)。
[0021] -種對虹膜圖像進(jìn)行定位的裝置，包括：
[0022] 定位模塊，用于對虹膜圖像進(jìn)行瞳孔粗定位；
[0023] 初值模塊，用于在粗定位的基礎(chǔ)上初始化多個關(guān)鍵點的坐標(biāo)；
[0024] 提取模塊，用于提取所述關(guān)鍵點的SIFT特征向量；
[0025] 映射模塊，用于采用SDM算法將所述關(guān)鍵點的SIFT特征向量映射成坐標(biāo)增量；
[0026] 更新模塊，用于使用所述坐標(biāo)增量，對所述關(guān)鍵點的坐標(biāo)值進(jìn)行更新；
[0027] 擬合模塊，用于使用魯棒回歸方法對所述關(guān)鍵點進(jìn)行曲線擬合，得到上眼瞼拋物 線、下眼瞼拋物線和虹膜外圓的參數(shù)。
[0028] 本發(fā)明具有以下有益效果：
[0029] 本發(fā)明的對虹膜圖像進(jìn)行定位的方法中，首先對虹膜圖像進(jìn)行瞳孔粗定位，在粗 定位后結(jié)果的基礎(chǔ)上在虹膜圖像上初始化多個關(guān)鍵點的坐標(biāo)（即選取多個關(guān)鍵點，并記錄 關(guān)鍵點的坐標(biāo)值）；然后提取關(guān)鍵點的SIFT特征向量，并采用SDM算法將SIFT特征向量映 射成坐標(biāo)增量，使用坐標(biāo)增量，對關(guān)鍵點的坐標(biāo)值進(jìn)行更新（即將坐標(biāo)增量與關(guān)鍵點的坐 標(biāo)值相加），得到關(guān)鍵點新的坐標(biāo)值；最后使用魯棒回歸方法對關(guān)鍵點進(jìn)行曲線擬合，得到 上眼瞼拋物線、下眼瞼拋物線和虹膜外圓的參數(shù)，完成對虹膜圖像的定位。
[0030] 與現(xiàn)有技術(shù)相比，本發(fā)明的對虹膜圖像進(jìn)行定位的方法將虹膜識別中的上、下眼 瞼拋物線以及虹膜外圓的參數(shù)確定過程，看作是上、下眼瞼及虹膜邊緣關(guān)鍵點的定位以及 曲線擬合問題，思路清晰，簡單方便，速度快。關(guān)鍵點的定位使用SIFT特征，利用SIFT特征 定位得到上、下眼瞼及虹膜邊緣的數(shù)個關(guān)鍵點，定位速度快、精度高。采用SDM算法將關(guān)鍵 點的SIFT特征向量映射成坐標(biāo)增量，并使用坐標(biāo)增量，對關(guān)鍵點的坐標(biāo)值進(jìn)行更新，算法 復(fù)雜度低，速度快。利用魯棒回歸擬合拋物線和圓的參數(shù)，完成上、下眼瞼邊界及虹膜外邊 緣的定位過程，魯棒性好。并且該方法的參數(shù)獨立穩(wěn)定、對光照等條件穩(wěn)健，不易受到干擾， 且泛化性高，例如，傳統(tǒng)的定位方法針對不同的圖像庫，需要調(diào)整合適的參數(shù)，而本發(fā)明的 方法不需要調(diào)整參數(shù)，參數(shù)經(jīng)過訓(xùn)練得到，對于不同的圖像庫都同樣適用。
[0031] 故本發(fā)明的對虹膜圖像進(jìn)行定位的方法簡單方便，速度快；抗干擾能力強、精度 高；泛化性高；魯棒性好。
【附圖說明】
[0032] 圖1為本發(fā)明的對虹膜圖像進(jìn)行定位的方法流程圖；
[0033] 圖2為本發(fā)明的對虹膜圖像進(jìn)行定位的裝置示意圖；
[0034] 圖3為本發(fā)明中的關(guān)鍵點最終位置示意圖；
[0035] 圖4為本發(fā)明中的關(guān)鍵點初始位置示意圖；
[0036] 圖5為本發(fā)明中的梯度方向直方圖示意圖；
[0037] 圖6為本發(fā)明中的坐標(biāo)軸旋轉(zhuǎn)的示意圖；
[0038] 圖7為本發(fā)明中的梯度方向直方圖計算示意圖；
[0039] 圖8為本發(fā)明中在不同類型虹膜圖像的SIFT特征統(tǒng)計圖；
[0040]圖9為本發(fā)明的對虹膜圖像進(jìn)行定位的方法的一個實施例的流程圖。
【具體實施方式】
[0041] 為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖及具 體實施例進(jìn)行詳細(xì)描述。
[0042] 一方面，本發(fā)明提供一種對虹膜圖像進(jìn)行定位的方法，如圖1所示，包括：
[0043] 步驟SlOl :對虹膜圖像進(jìn)行瞳孔粗定位。
[0044] 本步驟中，可以使用多種方法對瞳孔進(jìn)行粗定位，定位瞳孔的位置，然后將瞳孔位 置適當(dāng)擴大，即得到虹膜的粗略位置，本文采用了徑向?qū)ΨQ變換方法。
[0045] 步驟S102 :在粗定位的基礎(chǔ)上初始化多個關(guān)鍵點的坐標(biāo)。
[0046] 根據(jù)粗定位的結(jié)果（包括瞳孔的圓心和半徑）確定關(guān)鍵點的初始位置，我們可以 通過對預(yù)先拍攝的虹膜圖像樣本進(jìn)行手動標(biāo)記關(guān)鍵點后訓(xùn)練得到關(guān)鍵點的初始相對位置， 一般取多個樣本的平均值，為了描述以及計算方便，一般將這些坐標(biāo)值描述成2n維列向量 的形式，即
η為關(guān)鍵點的個數(shù)，為2n維的實數(shù)向量空間。
[0047] 步驟S103 :提取關(guān)鍵點的SIFT特征向量