基于改進(jìn)蟻群算法提取睫毛的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬虹膜識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于改進(jìn)蟻群算法提取睫毛的方法。
【背景技術(shù)】
[0002] 虹膜識(shí)別由于具有普遍性、唯一性、穩(wěn)定性、非侵犯性等優(yōu)點(diǎn)，所以被認(rèn)為是目前 最具潛力的生物特征識(shí)別方法之一。睫毛的主要作用是用來(lái)阻擋灰塵等異物進(jìn)入眼睛的， 然而在提取虹膜特征時(shí)，睫毛有時(shí)可能不同程度地對(duì)虹膜形成遮擋，從而影響了真實(shí)虹膜 特征的提取。因此，在虹膜識(shí)別的預(yù)處理階段，準(zhǔn)確地檢測(cè)出睫毛遮擋區(qū)域是保證虹膜識(shí)別 準(zhǔn)確率非常重要的一個(gè)環(huán)節(jié)。
[0003] 目前關(guān)于睫毛檢測(cè)的主要方法包括:Kong Waikin等，把睫毛分成分散和聚集兩 類，對(duì)分散睫毛采用一維Gabor濾波器與圖像做卷積，如果結(jié)果小于給定的閾值，則判斷為 睫毛;對(duì)于聚集睫毛的檢測(cè)，則使用一個(gè)5*5的小矩形窗口，如果窗口的灰度差小于預(yù)設(shè)閾 值，則該矩形窗口的中心就可判定為一個(gè)睫毛點(diǎn);Huang Junzhou等首先根據(jù)相位一致性提 取噪聲的邊緣信息，然后結(jié)合邊緣和區(qū)域的信息來(lái)定位眼睫毛區(qū)域;Suhad A等首先對(duì)圖像 進(jìn)行灰度變換來(lái)增強(qiáng)圖像的對(duì)比度，然后采用soble算子根據(jù)給定閾值來(lái)檢測(cè)睫毛;Walid Aydi等首先求出圖像的對(duì)角梯度，然后通過(guò)預(yù)設(shè)閾值來(lái)提取睫毛;苑瑋琦等人提出采用多 種不同的方法，通過(guò)選取相應(yīng)的閾值提取睫毛點(diǎn)，然后再把這些提取到的睫毛點(diǎn)組合起來(lái) 形成最終的睫毛。來(lái)毅等人使用灰度形態(tài)學(xué)的方法，將形態(tài)學(xué)運(yùn)算后的圖像二值化，即可檢 測(cè)出眼睫毛。
[0004] 以上方法大多是采用人工預(yù)設(shè)閾值的方法來(lái)判定某個(gè)像素是否屬于睫毛。這種 方法的優(yōu)勢(shì)是簡(jiǎn)單、高效，而局限性是由于最優(yōu)閾值往往難以得到，從而造成睫毛檢測(cè)的結(jié) 果不夠令人滿意。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明旨在克服現(xiàn)有技術(shù)的不足之處而提供一種基于改進(jìn)蟻群算法提取睫毛的 方法。該方法提取睫毛的效果較其他相關(guān)算法有明顯的提高;并且當(dāng)人工螞蟻間距取25左 右像素的時(shí)候，算法既能保證睫毛檢測(cè)的速度又能保證睫毛檢測(cè)的效果。
[0006 ]為解決上述技術(shù)問(wèn)題，本發(fā)明是這樣實(shí)現(xiàn)的：
[0007] 基于改進(jìn)蟻群算法提取睫毛的方法，可按如下步驟實(shí)施：
[0008] (1)睫毛提取區(qū)域信息素初始化;放一只人工螞蟻，設(shè)置算法各個(gè)參數(shù)；
[0009] (2)每只人工螞蟻依次執(zhí)行步驟(3)及步驟(4);
[0010] (3)人工螞蟻選擇下一步的位置，結(jié)束條件是走完規(guī)定的步數(shù)s或者無(wú)路可走；
[0011] (4)對(duì)人工螞蟻經(jīng)過(guò)的位置進(jìn)行信息素更新；
[0012] (5)所有人工螞蟻遍歷結(jié)束后，得到了圖像各位置處的信息素濃度，然后使用0TSU 算法提取睫毛邊緣；
[0013] (6)對(duì)得到的睫毛邊緣進(jìn)行整合，得到完整的睫毛；
[0014] (7)采用序列滑動(dòng)窗口消除噪聲，得出最終的睫毛。
[0015] 作為一種優(yōu)選方案，本發(fā)明所述步驟(1)中，在每m*m區(qū)域內(nèi)放一只人工螞蟻。
[0016] 進(jìn)一步地，本發(fā)明所述步驟(3)中，人工螞蟻根據(jù)下列公式選擇下一步的位置：
[0018] allowedi = {0,1，···η_1}表示螞蟻i八鄰域范圍內(nèi)下一步允許選擇的位置;其中Tk 表示八鄰域位置k處的信息素濃度;nk表示局部方向因子，％=0ik/dik，其中0ik表示從位置i 沿著八鄰域方向到EA區(qū)域邊界所遇到的第一個(gè)比EA區(qū)域初始信息素濃度均值ave大的位置 rk處的初始信息素濃度，
[0020] M，N分別表示EA區(qū)域的高度和寬度;dik表示位置之間的距離；
[0021] 料表示人工螞蟻從位置i沿八鄰域方向到EA區(qū)域邊界所有比ave值大的像素的初 始信息素濃度均值；
[0022] 參數(shù)α，β，μ分別表不各因子權(quán)重。
[0023] 進(jìn)一步地，本發(fā)明所述步驟(4)中，依據(jù)下列公式對(duì)人工螞蟻經(jīng)過(guò)的位置進(jìn)行信息 素更新：
[0024] Tk(n)=PTk(n-l)+ATk(n)* 〇k*vk(n)
[0025] 其中ik(n)表示第η只人工螞蟻遍歷后，位置k處的信息素濃度;P表示信息素蒸發(fā) 系數(shù)；A Tk(n)表示第η只人工螞蟻在位置k處釋放的信息素；(^表示位置k處初始信息素濃 度與整個(gè)EA區(qū)域初始信息素濃度均值之比。
[0026] 進(jìn)一步地，本發(fā)明第η只人工螞蟻遍歷后，位置k處初始信息素濃度與第η只人工螞 蟻經(jīng)過(guò)的所有路徑信息素濃度均值之比：
[0028] trailn表示第η只人工螞蟻經(jīng)過(guò)的所有像素位置集合;Ν表示trailn集合內(nèi)元素的 個(gè)數(shù)。
[0029] 進(jìn)一步地，本發(fā)明所述步驟(6)中，采用
[0030] s( i , j) =sieft(i , j+1 )+Sright( i , j-1)
[0031 ]其中sirft (i , j)表示左邊緣圖像，Sright (i , j)表示右邊緣圖像。
[0032]睫毛檢測(cè)是虹膜識(shí)別預(yù)處理階段的一個(gè)重要環(huán)節(jié)，本發(fā)明提出一種基于改進(jìn)的蟻 群算法提取睫毛的方法。該方法首先通過(guò)引入睫毛區(qū)域內(nèi)、外方向因子使得人工螞蟻能快 速聚集到睫毛邊緣，并且通過(guò)采取全局和局部?jī)煞N策略來(lái)對(duì)信息素進(jìn)行更新，然后使用 0TSU算法根據(jù)所得圖像的信息素濃度把圖像分割成睫毛邊緣和非睫毛邊緣兩部分。最后， 對(duì)分割出的睫毛邊緣進(jìn)行整合、除噪，得到最終的睫毛。實(shí)驗(yàn)結(jié)果表明：該方法提取睫毛的 效果較其他相關(guān)算法有明顯的提高;并且當(dāng)人工螞蟻間距取25左右像素的時(shí)候，算法既能 保證睫毛檢測(cè)的速度又能保證睫毛檢測(cè)的效果。
【附圖說(shuō)明】
[0033]下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步說(shuō)明。本發(fā)明的保護(hù)范圍不僅局 限于下列內(nèi)容的表述。
[0034] 圖1為本發(fā)明睫毛提取區(qū)域示意圖；
[0035] 圖2為不同算法對(duì)CASIA-IrisVl庫(kù)虹膜圖像睫毛檢測(cè)效果的比較示意圖；
[0036] 圖3為不同算法對(duì)自采集虹膜圖像睫毛檢測(cè)效果的比較示意圖；
[0037]圖4為螞蟻間距與運(yùn)行時(shí)間關(guān)系；
[0038] 圖5-1、圖5-2及圖5-3為螞蟻間距示意圖。
【具體實(shí)施方式】
[0039] 如圖所示，基于改進(jìn)蟻群算法提取睫毛的方法，按如下步驟實(shí)施：
[0040] (1)睫毛提取區(qū)域信息素初始化;放一只人工螞蟻，設(shè)置算法各個(gè)參數(shù)；
[0041] (2)每只人工螞蟻依次執(zhí)行步驟(3)及步驟(4);
[0042] (3)人工螞蟻選擇下一步的位置，結(jié)束條件是走完規(guī)定的步數(shù)s或者無(wú)路可走；
[0043] (4)對(duì)人工螞蟻經(jīng)過(guò)的位置進(jìn)行信息素更新；
[0044] (5)所有人工螞蟻遍歷結(jié)束后，得到了圖像各位置處的信息素濃度，然后使用0TSU 算法提取睫毛邊緣；
[0045] (6)對(duì)得到的睫毛邊緣進(jìn)行整合，得到完整的睫毛；
[0046] (7)采用序列滑動(dòng)窗口消除噪聲，得出最終的睫毛。
[0047]本發(fā)明所述步驟(1)中，在每m*m區(qū)域內(nèi)放一只人工螞蟻。
[0048]本發(fā)明所述步驟(3)中，人工螞蟻根據(jù)下列公式選擇下一步的位置：
[0050] allowedi = {0,1，···η_1}表示螞蟻i八鄰域范圍內(nèi)下一步允許選擇的位置;其中Tk 表示八鄰域位置k處的信息素濃度;nk表示局部方向因子，％=0ik/dik，其中0ik表示從位置i 沿著八鄰域方向到EA區(qū)域邊界所遇到的第一個(gè)比EA區(qū)域初始信息素濃度均值ave大的位置 rk處的初始信息素濃度，
[0052] M，N分別表示EA區(qū)域的高度和寬度;dik表示位置之間的距離；
[0053] 料表示人工螞蟻從位置i沿八鄰域方向到EA區(qū)域邊界所有比ave值大的像素的初 始信息素濃度均值；
[0054] 參數(shù)α，β，μ分別表示各因子權(quán)重。
[0055] 本發(fā)明所述步驟(4)中，依據(jù)下列公式對(duì)人工螞蟻經(jīng)過(guò)的位置進(jìn)行信息素更新：
[0056] Tk(n)=PT：k(n-l)+A Tk(n)*t〇k*vk(n)
[0057] 其中ik(n)表示第η只人工螞蟻遍歷后，位置k處的信息素濃度;P表示信息素蒸發(fā) 系數(shù)；A Tk(n)表示第η只人工螞蟻在位置k處釋放的信息素；(^表示位置k處初始信息素濃 度與整個(gè)EA區(qū)域初始信息素濃度均值之比。<