專利名稱：一種基于灰度信息的虹膜識別預(yù)處理方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，主要涉及生物特征鑒別中的虹膜身份識別技術(shù)。
背景技術(shù)：
在當(dāng)今信息化時代，如何準(zhǔn)確鑒定一個人的身份，保護(hù)信息安全是一個必須解決的關(guān) 鍵社會問題。為此，生物特征鑒別技術(shù)悄然新起，并成為目前世界信息安全管理領(lǐng)域的前 沿研究課題。生物特征鑒別技術(shù)是指利用人體所固有的生理特征或行為特征來進(jìn)行個人身 份鑒定。虹膜身份識別技術(shù)是生物特征鑒別技術(shù)的一個分支，是計算機(jī)圖像處理技術(shù)和模 式識別技術(shù)在個人身份識別領(lǐng)域的應(yīng)用，由于其高穩(wěn)定性和高準(zhǔn)確性，近年來己經(jīng)成為生 物特征鑒別的熱門發(fā)展方向。虹膜身份自動識別技術(shù)，在銀行、公安、機(jī)場、網(wǎng)絡(luò)等方面 應(yīng)用廣泛，具有巨大的經(jīng)濟(jì)價值和現(xiàn)實(shí)意義。現(xiàn)在它已經(jīng)使用在邊境檢査、通觀認(rèn)證、銀 行提款、信息管理和建筑物安全管理等，還可以使人們擺脫記憶信用卡號、銀行帳號、身 份證號、網(wǎng)絡(luò)登錄號的繁瑣。隨著數(shù)字信號處理技術(shù)和圖像處理技術(shù)的發(fā)展，虹膜身份識 別系統(tǒng)已經(jīng)日趨成熟。詳見文獻(xiàn)John G. Daugman, "How Iris Recognition Works," 7>a/iyfl"/ow Ocw//51 "m/加/e/ w ， FWeo rec//wo/ogv, Volume 14， Issue l，pp. 21 - 30, 2004禾卩文獻(xiàn)John G. Daugm叫"High Confidence Recognition of Persons by Iris Patterns," 77/e iVocee力wg o/ 35'ft /w/er""r/owa/ Carwof/ww CoA^ferewce 5fecwr/(y Tec/mo/ogy, pp. 254-263,2001所述。
在虹膜身份識別技術(shù)中，虹膜圖像預(yù)處理是整個識別技術(shù)的關(guān)鍵，它包括虹膜定位和 虹膜圖像質(zhì)量評估。虹膜定位是虹膜識別的第一步，它的執(zhí)行時間和精度將直接影響整個 虹膜識別系統(tǒng)的速度和準(zhǔn)確度。在實(shí)際中，由于虹膜區(qū)域常常受到眼瞼和睫毛的遮擋，虹 膜定位算法的準(zhǔn)確性和有效性還有待進(jìn)一步提高。如何在存在睫毛和眼瞼遮擋問題的低質(zhì) 量虹膜圖像中，快速精確地定位出虹膜，并對其邊界或位置用數(shù)學(xué)模型進(jìn)行描述是我們研 究的主要問題。詳見文獻(xiàn)John G. Daugman， "High Confidence Visual Recognition of Persons by a Test of Statistical Independence," 7Va"sflc"ow o"爿wai[y5^ Afflc/i!'"e
/n/e///ge"ce, volumel5， no.U， pp. 1148-1161， 1993。虹膜圖像質(zhì)量評估是自動虹膜識別系統(tǒng) 中的一個非常重要的環(huán)節(jié)，它確保了采集過程中得到滿足質(zhì)量標(biāo)準(zhǔn)的圖像。實(shí)際中，由于 拍攝時采集設(shè)備的焦距問題，拍攝瞬間眼球的轉(zhuǎn)動問題，以及眼瞼和睫毛對虹膜的部分遮 擋，常常使采集的虹膜圖像無法進(jìn)行后續(xù)的特征提取。目前已有的算法中還沒有提出一種 有效的虹膜圖像質(zhì)量評估模型，因此我們旨在建立一套通用可行的評估模型，詳見文獻(xiàn)
Chen Ji， Hu Guangshu， "Iris Image Quality Evaluation based on Wavelet Packet Decomposition," /ow"a/ 0/71s/"g^a f/m'vem7^ (5W <fe Tec/i人volume 43， no. 3， pp. 377-380， 2003。
現(xiàn)在通常使用的虹膜定位的方法有
(1) 基于灰度梯度的兩步虹膜定位方法。它通過粗定位，尋找虹膜內(nèi)外緣的大致位 置，然后再在這個位置附近較小的范圍內(nèi)利用圓形檢測器進(jìn)行精定位，從而找到虹膜內(nèi)外 緣的精確位置。但是在實(shí)際應(yīng)用中該方法需要反復(fù)迭代搜索，運(yùn)算量較大，效率不高。詳
見文獻(xiàn)Li Qingrong， Ma Zheng, "A Iris Location Algorithm," Jbwnta/ o/ L/EST o/ CTii'wa， volume 31， no.l， pp.7-9。
(2) 基于哈夫變換的虹膜定位方法。它是通過一定的算子，提取出虹膜圖像中的邊 緣點(diǎn)，從而搜索通過邊緣點(diǎn)最多的圓曲線所在的位置。其缺點(diǎn)是在邊緣點(diǎn)提取中常常會引 入噪聲，使得虹膜定位結(jié)果不準(zhǔn)確。詳見文獻(xiàn)Richard P. Wildes， "Iris Recognition: an Emerging Biometric Technology," /VoceW"取o//Ae /￡腿volume85， pp. 1348-1363， 1997。
目前已有虹膜質(zhì)量評估方法有
(1) 基于快速傅立葉變換的方法。它對虹膜區(qū)域上的兩個矩形塊內(nèi)的象素點(diǎn)進(jìn)行二 維快速傅立葉變換，然后通過對其高頻、中頻和低頻能量的統(tǒng)計，分析圖像是否清晰和存 在睫毛遮擋。該模型的通用行不強(qiáng)，容易將紋理較少的清晰虹膜圖像誤判為低質(zhì)量虹膜圖 像。詳見文獻(xiàn)Li Ma， Tieniu Tan， Yunhong Wang, Dexin Zhang， "Personal Identification based on Iris Texture Analysis," rramm^/ora J"dy57j am/ Mac/z/w /她〃/gence， volume. 25， no. 12， pp.1519-1533。
(2) 基于小波包分解的方法。它選取紋理高頻分量分布最集中的子頻帶作為特征子 頻帶，以其能量作為判別圖像質(zhì)量的準(zhǔn)則。該方法的缺點(diǎn)是無法判斷因睫毛遮擋而存在問 題的虹膜圖〖象。詳見文獻(xiàn)Chen Ji， Hu Guangshu, "Iris Image Quality Evaluation based on Wavelet Packet Decomposition," Jiw"fl/ o/71y/"g/7Wfl L/>7/vem'(v (Sd在rec從volume 43， no. 3， pp. 377-380， 2003。
上述的虹膜圖像預(yù)處理算法都在一定程度上存在問題，定位算法耗時較多，并且容易
受到睫毛遮擋問題的干擾，穩(wěn)定性不高。虹膜圖像質(zhì)量評估方法的通用性不強(qiáng)。

發(fā)明內(nèi)容
本發(fā)明的任務(wù)是提供一種基于灰度梯度和曲線擬合的虹膜定位方法，它具有在眼睫毛 遮擋情況下定位準(zhǔn)確的特點(diǎn)。并在此基礎(chǔ)上建立了一套通用性比較強(qiáng)的虹膜圖像質(zhì)量評估 模型。
為了方便地描述本發(fā)明內(nèi)容，首先對一些術(shù)語進(jìn)行定義。
定義1:虹膜。眼珠的中心是黑色的瞳孔，瞳孔外緣間的環(huán)形組織即為虹膜。其呈現(xiàn) 出相互交錯的類似與斑點(diǎn)、細(xì)絲、條紋、隱窩的紋理特征。同一個人的虹膜在人的一生中 幾乎不會發(fā)生改變，不同人的虹膜是完全不一樣的。
定義2:灰度圖像。圖像中只包含亮度信息而沒有任何其他顏色信息的圖像。 定義3: 二值化閾值。對圖像進(jìn)行二值化時所選用的灰度門限值。
定義4: 二值化。把整幅圖像的所有值轉(zhuǎn)化成只有兩種值的過程， 一般這兩種值為0 和1或者0和255。當(dāng)圖像上的值大于等于二值化的閥值的時候，該點(diǎn)的值二值化為l (或 255);當(dāng)圖像上的值小于二值化閥值的時候，該點(diǎn)的值二值化為O。
定義5:數(shù)學(xué)形態(tài)學(xué)。用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中對應(yīng)形狀以達(dá) 到對圖像分析和識別的目的。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有4個膨脹(或擴(kuò)充)、腐蝕(或
侵蝕)、開啟和閉合。膨脹和腐蝕的運(yùn)算公式為v4eS-bl(》Ln^4;t4和
^ 5 = ^1(5》^ ^ ;開啟操作的運(yùn)算公式為J05-(^e^)④S和^(g^-(^④5)e)5。其
中j為圖像集合，5為結(jié)構(gòu)元素，A表示做關(guān)于原點(diǎn)的映射，(L表示平移X ，n表示交集,
-表示空集，^表式全包含，0為膨脹運(yùn)算符，0為腐蝕運(yùn)算符，O為開啟運(yùn)算符，g為閉 合運(yùn)算符。
定義6:灰度投影。將二維空間中的灰度投影到一維空間，分為水平灰度投影和垂直 灰度投影。水平灰度投影是指將二維圖像中的灰度沿水平方向累加，轉(zhuǎn)換到一維空間。轉(zhuǎn)
換函數(shù)為&("=i;/0c，》。垂直灰度投影是指將二維圖像中的灰度沿垂直方向累加，轉(zhuǎn)
換到一位空間。轉(zhuǎn)換函數(shù)為<formula>formula see original document page 8</formula>(:c，>0。其中&Oc)表示橫坐標(biāo)為jc的灰度投影值,
&(力表示縱坐標(biāo)為少的灰度投影值，M，iV為圖像的寬度和高度，/(x，力為位置(x，力的
象素點(diǎn)的灰度值。
定義7:瞳孔邊界點(diǎn)。是指位于瞳孔外邊緣虹膜內(nèi)邊緣上的點(diǎn)。
定義8:圓擬合。已知一系列點(diǎn)的坐標(biāo)，建立一條最能反映這些坐標(biāo)點(diǎn)位置的圓曲線
方程。具體來說圓方程為<formula>formula see original document page 8</formula>, c，d和e是關(guān)于圓曲線的半徑和圓心坐
標(biāo)點(diǎn)的參數(shù)，(x,力為圓曲線上的點(diǎn)的坐標(biāo)值，那么相對于這些坐標(biāo)點(diǎn)的最佳圓曲線就是使 誤差方差和最小。誤差方差和的公式為<formula>formula see original document page 8</formula>其中， 一是指誤
差方差和，(一y,)是已知點(diǎn)的坐標(biāo)。
定義9:水平一階差分。圖像中，某一行的后面象素的灰度值減去前面象素的灰度值，
或前面象素的灰度值減去后面象素的灰度值，得到該行的水平一階差分值。水平一階差分 能夠突出圖像的垂直邊緣信息，便于邊緣提取。
定義10:虹膜外緣邊界點(diǎn)。虹膜是一個環(huán)形區(qū)域，位于虹膜外邊緣上的點(diǎn)稱為虹膜外 緣邊界點(diǎn)。
定義ll:歸一化。將環(huán)形的虹膜區(qū)域拉伸成大小相同的矩形區(qū)域，以消除由于拍攝距 離不同，瞳孔收縮等因素對識別效果的影響。具體的計算公式為<formula>formula see original document page 8</formula>)其中，^分布在區(qū)間
， p分布在區(qū)間[o，2;r]，而
(^W)，力(力)和(x,(6O，X(力)分別表示0方向上的虹膜內(nèi)邊界點(diǎn)和外邊界點(diǎn)。
定義12.歸一化虹膜圖像。將原始的虹膜圖像進(jìn)行歸一化處理之后得到的矩形圖像。 定義13.8—鄰域。對一個坐標(biāo)點(diǎn)為(x，力的象素/7，它有4個水平和垂直的近鄰象素,
它們的坐標(biāo)分別是(x + l，力，(;c-1,力，(u + l)，(xj-l)，以及4個對角近鄰象素，它們的坐
標(biāo)點(diǎn)是(x + lj + l)，(x + lj-l)，(x —1j + 1)，(jc —l，_y —1)，這樣的8個象素合稱為/ 的8—鄰域。
定義14.點(diǎn)銳度。用于評價數(shù)字圖像清晰度的算子，其數(shù)學(xué)形式為
,-Stl必/血l/wx"，其中必為圖像中某一點(diǎn)的八鄰域內(nèi)象素點(diǎn)的灰度值與該點(diǎn)的灰度
值的差值，血為相鄰點(diǎn)的距離，附和n分別為圖像的高和寬。
定義15.有效象素點(diǎn)。是指歸一化虹膜圖像中位于虹膜區(qū)域的象素點(diǎn)，主要是為了區(qū)
分睫毛和眼瞼等無效象素點(diǎn)。有效象素點(diǎn)必須滿足的條件是K。sh ^ /(JC，力^ r /d ，其中Fte/) 和^WW是判定是否為位于睫毛區(qū)域和眼瞼區(qū)域的象素點(diǎn)的門限，/(X,力為圖像的灰度。
定義16.可見度。是指原始虹膜圖像中虹膜紋理的可見程度，影響可見度的主要因素
是眼瞼和睫毛對虹膜區(qū)域的遮擋。
按照本發(fā)明的虹膜圖像預(yù)處理算法，它包含下列步驟
步驟l.通過攝像裝置，對人眼中的虹膜進(jìn)行圖像采集，得到含有虹膜圖像的原始灰度 圖像。
步驟2.選取一個固定的閾值Fb，將原始虹膜圖像進(jìn)行二值化，原始灰度圖像中灰度值 大于閾值Fb的象素點(diǎn)的灰度值賦為1，小于閾值Fb的象素點(diǎn)的灰度值賦為O。
步驟3.對步驟2中得到的二值圖像，進(jìn)行數(shù)學(xué)形態(tài)學(xué)中的閉合運(yùn)算來消除二值圖像中 的小空洞。具體來說，閉合運(yùn)算為JgB = O4 5)05，即先對原始圖像J用結(jié)構(gòu)元素J5進(jìn)
行膨脹運(yùn)算，然后再進(jìn)行腐蝕運(yùn)算。結(jié)構(gòu)元素5為一個7X7的矩陣，中間近似圓形區(qū)域內(nèi) 的元素的值為l，其余元素的值為O。 g為閉合運(yùn)算符，④為膨脹運(yùn)算符，0為腐蝕運(yùn)算符。 步驟4.計算步驟3中得到圖像的水平和垂直灰度投影，水平投影的計算公式為
&(x) = ￡/(x，_y),垂直灰度投影的計算公式為- &(》=￡/(x，>;)。其中&(x)表示橫坐
少-i _t=l
標(biāo)為x的灰度投影值，&(力表示縱坐標(biāo)為7的灰度投影值，M，W為圖像的寬度和高度，
/(JC,力為位置(JC，力的象素點(diǎn)的灰度值。
步驟5.搜索步驟4中的水平灰度投影&(;c)取最小值時的橫坐標(biāo)x。和垂直灰度投影
AOO取最小值是的縱坐標(biāo)凡，將(x。，凡)視為瞳孔的粗略中心。步驟6.在縱坐標(biāo)為y。這一行上，以(jc。，凡)為中心，沿水平方向向左搜索象素灰度值
大于r的點(diǎn)，當(dāng)搜索到象素灰度值大于r時立即停止搜索，記下此時的坐標(biāo)(;c,，凡)作為瞳
孔邊界點(diǎn)的坐標(biāo)，再按同樣的方式進(jìn)行沿水平方向向右的搜索，得到另一邊界點(diǎn)坐標(biāo)
步驟7.取坐標(biāo)點(diǎn)(;c。，凡)附近的若干行，在取出的每一行上進(jìn)行瞳孔邊界點(diǎn)的搜索，
方法與步驟6中在凡一行進(jìn)行的搜索方法相同，最終可以得到一系列瞳孔邊界點(diǎn)的坐標(biāo)。
步驟8.由于瞳孔的內(nèi)邊緣非常類似于一個圓，因此，對步驟7中得到的一系列瞳孔 邊界點(diǎn)進(jìn)行圓擬合，具體來說圓方程為？+y+c;c +辦+ e-0， c，c/和e是關(guān)于圓曲線的
半徑和圓心坐標(biāo)點(diǎn)的參數(shù)，(x,力為圓曲線上的點(diǎn)的坐標(biāo)值，那么相對于這些坐標(biāo)點(diǎn)的最佳 圓曲線就是使誤差方差和最小。誤差方差和的公式為e2=;(;c,2+^+ac,+^,.+e)2,其
中， 一是指誤差方差和，b,，乂)是已知點(diǎn)的坐標(biāo)，最后得到瞳孔的精確圓心(Xp，力)和半徑
步驟9.計算坐標(biāo)點(diǎn)( ，^)所在行的水平一階差分，具體計算公式為當(dāng)、<1<7^-5 時/)"，力)=/(乂 + 5，力)—/(x，々)；當(dāng)5〈" 時D(;c，:^卜/(;c一5，:^)-J(;c，:^)。其中 Z)(;c，力)表示坐標(biāo)點(diǎn)(;c，力)的水平一階差分值，/(u)表示坐標(biāo)點(diǎn)(;c，力的灰度值，W為 圖像寬度。
步驟10.在縱坐標(biāo)為力一行上，在區(qū)間[;Cp+; + 20，;Cp+; + 100]上計算每個點(diǎn)與后面 20個點(diǎn)的水平一階差分值之和。具體計算公式為當(dāng)Xp+rp + 20〈K、+^+100時，
S(x，力卜S^(x + Z，力)，其中D^ + "力)是步驟7中得到的坐標(biāo)點(diǎn)(x + i，力)的水平一階
差分值。并在此區(qū)間中找出S(jc，力)取最大值時對應(yīng)的坐標(biāo)點(diǎn)(x,，力)作為虹膜外緣邊界點(diǎn)。 步驟ll.縱坐標(biāo)為力一行上，在區(qū)間[、- -100， -^-20]上計算每個點(diǎn)與前面20
個點(diǎn)的水平一階差分值之和。具體計算公式為當(dāng) -100<^< -;-20時，
20
S(x，力hZD(;c-/，力)，其中/)^ + /，、)是步驟9中得到的坐標(biāo)點(diǎn)^ + /，力)的水平一階
差分值。并在此區(qū)間中找出S(X，^)取最大值時對應(yīng)的坐標(biāo)點(diǎn)(JC，^)作為虹膜外緣邊界點(diǎn)。
步驟12.取坐標(biāo)點(diǎn)(Xp，々)附近的若干行，在取出的每一行上進(jìn)行虹膜外緣邊界點(diǎn)的搜
索，方法與步驟9、步驟10和步驟11中在^一行進(jìn)行的搜索方法相同，最終可以得到一
系列虹膜外邊緣邊界點(diǎn)的坐標(biāo)。
步驟13.由于瞳孔的外邊緣也非常類似于一個圓，因此，對步驟10中得到的一系列虹
膜外邊緣邊界點(diǎn)進(jìn)行與步驟8中類似的圓擬合，得到虹膜外邊緣的精確圓心(;c,，:^)和半徑
步驟14.對定位出的虹膜區(qū)域進(jìn)行歸一化處理，具體的計算公式為
P)，力(^和(^e)，乂(^分別表示-方向上的虹膜內(nèi)邊界點(diǎn)和外邊界點(diǎn)。
步驟15.計算步驟14中的到的大小為MXN的歸一化虹膜圖像的點(diǎn)銳度，具體計算公
式為/ = ZI>// — //nx"，其中必為圖像中某一點(diǎn)的8—鄰域內(nèi)象素點(diǎn)的灰度值與該
點(diǎn)的灰度值的差值，血為相鄰點(diǎn)的距離，/n和"分別為圖像的高和寬。
步驟16:將步驟15中的到的歸一化虹膜圖像的點(diǎn)銳度值/與預(yù)先設(shè)定的用于判斷虹
膜圖像是否清晰的闊值^進(jìn)行比較，若/2&，則認(rèn)為圖像的清晰度滿足系統(tǒng)的要求，否
則，認(rèn)為不滿足系統(tǒng)的要求。
步驟17.統(tǒng)計歸一化虹膜圖像中有效象素點(diǎn)的個數(shù)，具體的計算公式為
其中，r分布在區(qū)間[O，l，^分布在區(qū)間
，而<formula>formula see original document page 11</formula>
定是否為位于睫毛區(qū)域和眼瞼區(qū)域的象素點(diǎn)的門限，/Oc，力為圖像的灰度。
步驟is.將步驟17中得到的有效象素點(diǎn)的個數(shù)a:與預(yù)先設(shè)定的用于判斷虹膜圖像是否 存在眼瞼和睫毛遮擋問題的闊值K進(jìn)行比較，若尺》K，則認(rèn)為虹膜圖像的可見度滿足系
統(tǒng)的要求，否則，認(rèn)為不滿足系統(tǒng)的要求。
通過以上步驟，我們就從原始的含有虹膜的圖像中提取出歸一化的虹膜圖像，并且判 斷出該圖像是否滿足系統(tǒng)的要求。
需要說明的是
1. 步驟2中進(jìn)行二值化選取一個固定的閾值f;選取的一個固定的閾值rb，是通過大量
試驗(yàn)得到的，并且這里選擇一個固定的閥值是因?yàn)橥讌^(qū)域的灰度值和虹膜區(qū)域的灰度值 相差非常的大，即使在不同的光照條件下拍攝的虹膜圖像也可以保證二值化的效果。
2. 步驟5中定位瞳孔的粗略中心(x。，凡)是為了確定進(jìn)行虹膜邊界點(diǎn)搜索的范圍。
3. 步驟6中認(rèn)為灰度值大于r的點(diǎn)就是瞳孔的邊界點(diǎn)，是因?yàn)樵谕椎倪吘壌嬖诨叶?br> 值的明顯遞增，當(dāng)大于某一值是就是瞳孔邊緣。
4. 步驟5中，由于由步驟4得到的一階差分水平投影曲線毛刺很多，不利于方法的精 確定位，必須釆用高斯函數(shù)對投影值進(jìn)行平滑處理。
5. 步驟15中提到歸一化虹膜圖像的大小為MXN，值M是根據(jù)歸一化操作時所取的0 的間隔值決定，值N由歸一化操作時所取的r的間隔值決定。
6. 步驟15中的圖像點(diǎn)銳度值主要表征了圖像的清晰程度，點(diǎn)銳度值/越大圖像越清
晰，/越小圖像越模糊。
7. 步驟16中的閥值^是通過對同一采集設(shè)備的大量虹膜圖像進(jìn)行測試得到的，該值
己經(jīng)能夠準(zhǔn)確的分類清晰與模糊虹膜圖像。
8. 步驟17中提到^^和F—,d，我們認(rèn)為灰度值小于J^^的象素點(diǎn)是睫毛區(qū)域的象素
點(diǎn)，灰度值大于^V^是眼瞼區(qū)域的象素點(diǎn)，灰度值分布在^^和^^w之間的是虹膜區(qū)域的 象素點(diǎn)。
9. 步驟17中得到的郵箱象素點(diǎn)個數(shù)/:值越大未被遮擋的虹膜區(qū)域越大，尺值越小存
在的眼瞼和睫毛遮擋越嚴(yán)重。
本發(fā)明采用邊界點(diǎn)搜索和圓擬合相結(jié)合，首先通過二值化、腐蝕、膨脹和灰度投影實(shí) 現(xiàn)了瞳孔圓心的粗略定位；然后通過單一灰度值比較和灰度差分累加，搜索出邊界點(diǎn)并進(jìn) 行曲線擬合；最后根據(jù)得到的歸一化虹膜圖像，從清晰度和可見度兩個方面評價圖像質(zhì)量。 采用本發(fā)明提出的基于邊界點(diǎn)搜索和曲線擬合相結(jié)合的方法，可以有效地提高虹膜定位精 度；采用本發(fā)明提出的基于點(diǎn)銳度和有效點(diǎn)個數(shù)的質(zhì)量評價方法，提高了傳統(tǒng)質(zhì)量評估算 法的通用性。
本發(fā)明的創(chuàng)新之處在于-
充分利用了虹膜圖像的灰度信息和曲線擬合的方法，通過獲得虹膜內(nèi)外圓邊界點(diǎn)的坐 標(biāo)來進(jìn)行曲線擬合，從而獲得虹膜區(qū)域的位置信息，達(dá)到分隔虹膜的目的；并且通過歸一 化虹膜圖像的灰度信息正確得評價了虹膜圖像得質(zhì)量。本發(fā)明首先采用投影法，對經(jīng)過光 斑填充得二值化虹膜圖像進(jìn)行水平和垂直灰度投影，得到瞳孔的粗略中心。通過對水平灰 度曲線的掃描，找到灰度值大于某一閥值的一點(diǎn)作為虹膜的內(nèi)邊界點(diǎn)。對上述的一系列內(nèi) 邊界點(diǎn)進(jìn)行圓擬合，從而得到虹膜內(nèi)緣的位置信息。之后，再通過對水平一階差分進(jìn)行相 鄰20個點(diǎn)的積分，得到當(dāng)積分值取最大值時的位置坐標(biāo)作為虹膜的邊界點(diǎn)，進(jìn)而利用這些 邊界點(diǎn)進(jìn)行圓擬合，得虹膜外緣的位置信息。利用灰度信息和圓擬合相結(jié)合的方法進(jìn)行虹 膜區(qū)域的定位是本發(fā)明的一個特色，與一般的兩步虹膜定位方法相比，本發(fā)明的定位準(zhǔn)確 率要高5個百分點(diǎn)，并且速度提高60%。然后在進(jìn)行質(zhì)量評估時，本發(fā)明統(tǒng)計歸一化虹膜 圖像的點(diǎn)銳度和有效象素點(diǎn)個數(shù)，通過與預(yù)先設(shè)定的閥值進(jìn)行比較，從而對虹膜圖像質(zhì)量 進(jìn)行了正確的評價，并且通用性很強(qiáng)。


圖1是含有虹膜的原始圖像；；
其中，l表示瞳孔；2表示虹膜；3表示瞳孔中的光斑；4表示虹膜的內(nèi)緣；5表示虹 膜的外緣。
圖2是象素p的8 —鄰域示意圖； 其中，r是水平和垂直緊鄰象素，s是對角近鄰象素。 圖3是本發(fā)明方法的定位結(jié)果圖。
具體實(shí)施方式
采用本發(fā)明的方法，首先使用C語言和匯編語言編寫虹膜預(yù)處理程序;然后采用CMOS 或者CCD攝像裝置自動拍攝虹膜的原始圖像；接著把拍攝到的虹膜原始圖像作為源數(shù)據(jù)輸 入到DSP嵌入式系統(tǒng)的虹膜預(yù)處理程序中進(jìn)行處理；經(jīng)過虹膜定位和圖像質(zhì)量評估，質(zhì)量 合格的虹膜圖像定位后輸出包含豐富紋理信息的虹膜歸一化圖像。采用2400張拍攝好的、 包括不同人的不同光照條件、不同拍攝姿勢的灰度虹膜圖像作為源數(shù)據(jù)，定位準(zhǔn)確率為 97.5%，定位一幅圖像僅需100ms。
綜上所述，本發(fā)明的方法充分利用虹膜圖像的灰度信息，結(jié)合圓擬合的方法，從而實(shí) 現(xiàn)快速準(zhǔn)確地從所提供的虹膜原始圖像中定位虹膜區(qū)域并做出準(zhǔn)確的質(zhì)量評估。
權(quán)利要求
1、本發(fā)明涉及一種基于灰度信息的虹膜識別預(yù)處理方法，其特征在于包括如下步驟步驟1.通過攝像裝置，對人眼中的虹膜進(jìn)行圖像采集，得到含有虹膜圖像的原始灰度圖像；步驟2.選取一個固定的閾值Vb，將原始虹膜圖像進(jìn)行二值化；步驟3.對步驟2中得到的二值圖像，進(jìn)行數(shù)學(xué)形態(tài)學(xué)中的閉合運(yùn)算來消除二值圖像中的小空洞；步驟4.計算步驟3中得到圖像的水平對度投影Sh(x)和垂直灰度投影Sv(y)；并搜索水平灰度投影Sh(x)取最小值時的橫坐標(biāo)xo和垂直灰度投影Sh(y)取最小值是的縱坐標(biāo)yo，將(xo，yo)視為瞳孔的粗略中心；步驟5.在點(diǎn)(xo，yo)所在的行和該點(diǎn)附近的若干行上，通過灰度值的比較，搜索出一系列一系列瞳孔邊界點(diǎn)的坐標(biāo)；步驟6.由于瞳孔的內(nèi)邊緣非常類似于一個圓，因此，對步驟5中得到的一系列瞳孔邊界點(diǎn)進(jìn)行圓擬合，最后得到瞳孔的精確圓心(xp，yp)和半徑rp；步驟7.計算坐標(biāo)點(diǎn)(xp，yp)所在行的水平一階差分；并在縱坐標(biāo)為yp一行及其臨近行上，通過在虹膜外邊緣可能存在的區(qū)間搜索水平一階差分值之和取最大值時對應(yīng)的坐標(biāo)點(diǎn)，可以得到一系列虹膜外緣邊界點(diǎn)；步驟8.由于瞳孔的外邊緣也非常類似于一個圓，因此，對步驟7中得到的一系列虹膜外邊緣邊界點(diǎn)進(jìn)行與步驟6中類似的圓擬合，得到虹膜外邊緣的精確圓心(xi，yi)和半徑ri；步驟9.對定位出的虹膜區(qū)域進(jìn)行歸一化處理；步驟10.計算步驟11中的到的歸一化虹膜圖像的點(diǎn)銳度，并與預(yù)先設(shè)定的用于判斷虹膜圖像是否清晰的閥值Vf進(jìn)行比較，若f≥Vf，則認(rèn)為圖像的清晰度滿足系統(tǒng)的要求，否則，認(rèn)為不滿足系統(tǒng)的要求；步驟11.統(tǒng)計歸一化虹膜圖像中有效象素點(diǎn)的個數(shù)，將有效象素點(diǎn)的個數(shù)K與預(yù)先設(shè)定的用于判斷虹膜圖像是否存在眼瞼和睫毛遮擋問題的閥值Vk進(jìn)行比較，若K≥Vk，則認(rèn)為虹膜圖像的可見度滿足系統(tǒng)的要求，否則，認(rèn)為不滿足系統(tǒng)的要求；通過以上步驟我們就從原始的含有虹膜的圖像中提取出歸一化的虹膜圖像，并且判斷出該圖像是否滿足系統(tǒng)的要求。
2、 如權(quán)利要求l所說， 一種基于灰度信息的虹膜識別預(yù)處理方法，其特征在于-步驟5.在縱坐標(biāo)為y。這一行上，以(jc。，j。)為中心，沿水平方向向左搜索象素灰度值大于r的點(diǎn)，當(dāng)搜索到象素灰度值大于r時立即停止搜索，記下此時的坐標(biāo)(x,，j。)作為瞳孔邊界點(diǎn)的坐標(biāo)，再按同樣的方式進(jìn)行沿水平方向向右的搜索，得到另一邊界點(diǎn)坐標(biāo)(x,，j。);取坐標(biāo)點(diǎn)(x,，j。)附近的若千行，在取出的每一行上進(jìn)行瞳孔邊界點(diǎn)的搜索，方法與在j。一行進(jìn)行的搜索方法相同，最終可以得到一系列睡孔邊界點(diǎn)的坐標(biāo))步驟7.(l)計算坐標(biāo)點(diǎn)(Xp，yp)所在行的水平一階差分，具體計算公式為當(dāng)x﹤k﹤N-5時D(x，yp)=I(x + 5，yp) — I(x，yp);當(dāng)5<1≤xp、時D(x，yp) = I(x - 5，yp) — I(x，yp);其中D(x，yp)表示坐標(biāo)點(diǎn)(x, yp)的水平一階差分值, I(x,y)表示坐標(biāo)點(diǎn)(x, y)的灰度值, N為圖 像寬度,(2) 在縱坐標(biāo)為力一行上，在區(qū)間[xp+rp+20，xp+rp +100]上計算每個點(diǎn)與后面20個點(diǎn) 的水平一階差分值之和)具體計算公式為當(dāng)xp+rp+20<xp+rp +100時，<formula>see original document page 3</formula>, 其中D(x+i, y)是步驟(1)中得到的坐標(biāo)點(diǎn)(x+i，yp)的水平一階差分值; 并在此區(qū)間中找出S(x,yp)取最大值時對應(yīng)的坐標(biāo)點(diǎn)作為虹膜外緣邊界點(diǎn); 再在區(qū)間 [xp-rp-100，xp-yp-20]上計算每個點(diǎn)與前面20個點(diǎn)的水平一階差分值之和; 具體計算公式為當(dāng)xp-rp-100<xp-yp-20時<formula>see original document page 3</formula>, 其中D(x-i，yp)是步驟(l)中得到的坐標(biāo)點(diǎn)(x-i，yp)的水平一階差分值；并在此區(qū)間中找出S(x, yp)取最大值時對應(yīng)的坐標(biāo)點(diǎn)作為虹膜外緣邊界點(diǎn); (3) 取瞳孔週心(Xp，yp)附近的若干行，在取出的每一行上進(jìn)行虹膜外緣邊界點(diǎn)的搜索，方法與步驟7中在力一行進(jìn)行的搜索方法相同，最終可以得到一系列虹膜外邊緣邊界點(diǎn)的坐 標(biāo); 步驟10.計算歩驟9中的到的大小為MXN的歸一化虹膜圖像的點(diǎn)銳度，具體計算公式 為<formula>see original document page 3</formula>,其中dI為圖像中某一點(diǎn)的8—鄰域內(nèi)象素點(diǎn)的灰度值與該點(diǎn)的灰度值的差值，dx為相鄰點(diǎn)的距離，m和n分別為圖像的高和寬；步驟11:將步驟9中的到的歸一化虹膜圖像的點(diǎn)銳度值/與預(yù)先設(shè)定的用于判斷虹膜圖 像是否清晰的閥值K,進(jìn)行比較，若/》&，則認(rèn)為圖像的清晰度滿足系統(tǒng)的要求，否則，認(rèn) 為不滿足系統(tǒng)的要求。
全文摘要
本發(fā)明提供的一種基于灰度信息的虹膜圖像預(yù)處理方法，它首先通過二值化，數(shù)學(xué)形態(tài)學(xué)，灰度投影等操作定位出瞳孔的粗略圓心(x_o，y_o)，然后在(x_o，y_o)附近的若干行上由中心向兩側(cè)開始搜索灰度值大于T的并且離(x_o，y_o)距離最短的點(diǎn)作為瞳孔邊界點(diǎn)，經(jīng)過曲線擬合可以定位出瞳孔的精確圓心和半徑，接著計算上面搜索這些象素點(diǎn)所在行的灰度水平一階差分值，并在虹膜外邊界點(diǎn)可能出現(xiàn)的范圍內(nèi)搜索水平一階差分值之和最大點(diǎn)，將其作為虹膜外邊界點(diǎn)并進(jìn)行曲線擬合得到虹膜外邊緣的精確圓心和半徑。最后根據(jù)歸一化的圖像，通過計算點(diǎn)銳度和有效象素點(diǎn)個數(shù)對虹膜圖像質(zhì)量進(jìn)行判斷。采用本發(fā)明的虹膜圖像預(yù)處理方法，不僅可以減少定位時反復(fù)迭代所需時間，而且能根據(jù)提取出的虹膜圖像對虹膜圖像質(zhì)量做出快速準(zhǔn)確地的判斷。
文檔編號G06K9/00GK101201893SQ200610122528
公開日2008年6月18日 申請日期2006年9月30日 優(yōu)先權(quán)日2006年9月30日
發(fā)明者潘力立, 梅 解 申請人:電子科技大學(xué)中山學(xué)院