專(zhuān)利名稱(chēng)：一種基于多分辨率分析的虹膜定位方法
一種基于多分辨率分析的虹膜定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及于圖像處理技術(shù)領(lǐng)域，主要涉及生物特征鑒別中的虹膜身 份識(shí)別技術(shù)。背景技術(shù)：
生活在一個(gè)高度信息化的現(xiàn)代社會(huì)，身份鑒別已經(jīng)滲透到人們?nèi)粘Ｉ?活的每一個(gè)方面。同時(shí)，由于交通、通訊和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，人類(lèi)的 活動(dòng)范圍越來(lái)越大，身份鑒別的難度和重要性也越來(lái)越突出。對(duì)于我國(guó)這 樣一個(gè)人口眾多的國(guó)家，身份鑒別有著尤其廣泛的應(yīng)用前景和重要的戰(zhàn)略 意義，金融、安全、網(wǎng)絡(luò)、電子商務(wù)等無(wú)一不需要可靠的身份鑒別。傳統(tǒng) 的利用密碼等身份鑒別的方法具有易遺忘、易假冒等缺點(diǎn)，已不符合現(xiàn)代 數(shù)字社會(huì)的需求?；谏锾卣鞯纳矸蓁b別技術(shù)利用人本身所擁有的生物 特征來(lái)判別人的身份，這些生物特征具有"人各有異、終生不變、隨身攜 帶"三個(gè)特點(diǎn)，具有穩(wěn)定、便捷、不易偽造等優(yōu)點(diǎn)，近年來(lái)已成為身份鑒 別的熱點(diǎn)。常用的生物特征包括指紋、掌紋、虹膜、臉像、聲音、簽名和 筆跡等。虹膜作為重要的身份鑒別特征，具有唯一性、穩(wěn)定性、可采集性
和非侵犯性等優(yōu)點(diǎn)。詳見(jiàn)文獻(xiàn)AnilK. Jain， Arun Ross, Sali 1 Prabhakar， "An Introduction to Biometric Recognition" ， 7]ra/7幼"io/ o/
d>cwits a/^iy^ems/or KzVeo 7fec力/7CLZo^y, Volume 14， No. 1， pp4-20， 2004和文獻(xiàn)John G. Daugman， "How Iris Recognition Works, " iS5F7y朋sactio/7 o/7 6Y/ri/iz^ a/7^6y5^柳51 /"or Kz'cfe。 7ec力/ oic^7, Volume 14, Issue 1， pp. 21-30， 2004所述。
虹膜定位是整個(gè)自動(dòng)虹膜識(shí)別系統(tǒng)的第一步，也是較為重要的一步， 它關(guān)系到后面進(jìn)行處理的圖像是否是有效的虹膜區(qū)域，因此決定了識(shí)別的 結(jié)果。實(shí)際中，由于虹膜的邊緣較為模糊，通常在拍攝時(shí)存在眼瞼和睫毛 的遮擋，所以準(zhǔn)確的定位虹膜常常比較困難。目前已有的算法中還沒(méi)有提 出一種有效的能在存在一定眼瞼和睫毛遮擋的虹膜圖像中準(zhǔn)確的定位出虹 膜，因此我們旨在設(shè)計(jì)一種能抑制部分眼瞼和睫毛遮擋問(wèn)題的虹膜定位方 法，詳見(jiàn)文獻(xiàn)胡正平，張曄，王成儒."非線性擬合結(jié)合交叉參考的迭 代虹膜定位方法"，伊,炎薪廚沒(méi)^與風(fēng)彩學(xué)學(xué)叛，Volumel6, No. 3, pp. 297-230,2004和文獻(xiàn)Daugman J G."High Confidence Visual Recognition of Persons by a Test of Statistical Independence" , Z￡6F 7]r朋5ac"o/75" j%"e/7 爿/7a丄 ifecA//7e i>7te7_Z， Volume. 15， No. 11, pp. 1148-1161， 1993所述。
(1) 目前已有虹膜定位方法有基于邊緣檢測(cè)和Hough變換定位的方 法。它首先采用邊緣檢測(cè)算子對(duì)整幅虹膜圖像進(jìn)行邊緣檢測(cè)，利用Hough 變換將邊緣象素連接起來(lái)構(gòu)成一個(gè)圓，并得到該圓的圓心坐標(biāo)和半徑。該 方法由于Hough變換的反復(fù)迭代運(yùn)算，耗時(shí)較長(zhǎng)，并且容易受到眼瞼和睫 毛等的影響。詳見(jiàn)文獻(xiàn)R.P. Wildes, "Iris Recognition: An Emerging Biometric Technology"， 尸roceet/i/z^s o/ t力e iS5F， Volume 85， No. 9， pp. 1348-1363， 1997所述。
(2) 基于灰度梯度的方法。它首先對(duì)虹膜圖像進(jìn)行粗定位，確定瞳孔和虹膜所在圓的大致位置，然后再根據(jù)粗定位的結(jié)果，在一定范圍內(nèi)搜索 圓周灰度積分梯度最大的圓，記下其圓心和半徑作為定位的結(jié)果。該方法 的缺點(diǎn)是，由于需要進(jìn)行粗定位和精定位，并且搜索灰度梯度最大值的運(yùn)
算較為復(fù)雜，所以整個(gè)方法耗時(shí)較長(zhǎng)。詳見(jiàn)文獻(xiàn)J. Daugman， "How Iris Recognition Works" , Z6E/ 7]r朋5actz'o/ s cv Cz>cw_z.ts朋d 5y5^e邁s /or Kz'cfeo rec/woh^7， Volume, 14， No. 1， pp. 21-30, 2004所述。
(3)非線性擬合結(jié)合交叉參考的迭代虹膜定位方法。它通過(guò)不斷舍棄 隨機(jī)噪聲和邊緣毛刺點(diǎn)來(lái)提高定位的穩(wěn)定性，定位時(shí)主要采用圓擬合的方 法。該方法的缺點(diǎn)是不斷更新迭代，耗時(shí)較長(zhǎng)。Xing Lei, ShiPengfei， "A quality evaluation method of iris image" ， G^ese /owz7 a7 o/" 5YareoZog7朋d/鵬ge ^朋7戸.s， Volume. 8, No. 2， pp. 108-113， 2003。 上述的虹膜圖定位算法都在一定程度上存在問(wèn)題，計(jì)算量過(guò)大、對(duì)噪 聲敏感、通用性不強(qiáng)等等。
發(fā)明內(nèi)容
本發(fā)明的任務(wù)是設(shè)計(jì)一種穩(wěn)定的快速的虹膜定位方法，能夠在有一定 眼瞼和睫毛遮擋的虹膜圖像中準(zhǔn)確的定位出虹膜的內(nèi)外邊緣，并且算法的 耗時(shí)較短。
本發(fā)明的目的是這樣實(shí)現(xiàn)的
一種基于多分辨率分析的虹膜定位方法，其特征在于其包含下列步驟 步驟l、通過(guò)攝像裝置，對(duì)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，圖像大小為640x480;
步驟2、選取一個(gè)固定的閾值K，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f;的象素點(diǎn)的灰度值賦為i，小于閾值K的象素點(diǎn)
的灰度值賦為0;
步驟3、對(duì)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(lái) 消除二值圖像中的小空洞；其中閉合運(yùn)算為JDB = pe5)05，即先對(duì)原始 圖像^用結(jié)構(gòu)元素S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S為一 個(gè)7X7的矩陣，中間近似圓形區(qū)域內(nèi)的元素的值為1，其余元素的值為0; U為閉合運(yùn)算符， 為膨脹運(yùn)算符，0為腐蝕運(yùn)算符；
步驟4、在步驟3中得到的空洞填充后的虹膜圖像上瞳孔可能存在的 區(qū)域，進(jìn)行塊劃分，每個(gè)塊的大小為100xl00;找到灰度累加和最小的塊；
其中統(tǒng)計(jì)灰度和最小的塊的公式為min^) S ￡ /(x，力，其中
1)*100 + 90， /-l^a^ =(_/—1)*100+120， _/ = 1，2,3，4.， /(x,力為圖像的灰
度；
步驟5、當(dāng)步驟4中的統(tǒng)計(jì)灰度和最小的塊的公式取到最小值時(shí)，可 以得到這個(gè)最小灰度和塊對(duì)應(yīng)的i和_/ ;這個(gè)灰度和最小塊對(duì)應(yīng)的4個(gè)頂點(diǎn) 是(；>0， (x,+100，y,)， (;c,，y,+100)和(;c,+100，;v,+100);
步驟6、在灰度和最小的區(qū)域內(nèi)找到任意一個(gè)灰度值為0的象素點(diǎn) (:c'，/);然后分別沿水平方向向左右搜索第一個(gè)灰度值為l的點(diǎn)，得到瞳孔 的左右邊界0c,，/)和^，/;);因此，瞳孔粗略中心的橫坐標(biāo)是x。^^^;
步驟7、與步驟6的方法類(lèi)似，以任意一個(gè)灰度值為0的象素點(diǎn)(x'，/)為
中心，分別沿垂直方向向上和向下搜索第一個(gè)灰度值為l的點(diǎn)，得到瞳孔
的上邊界0c'，^和下邊節(jié)點(diǎn)0c',A)，瞳孔粗略中心的縱坐標(biāo)是y。-^l^; 步驟8、任取(x。，凡)附近縱坐標(biāo)為y的一行，其象素點(diǎn)灰度值構(gòu)成序列步驟9、對(duì)步驟8得到的灰度序列S"計(jì)算相鄰5個(gè)象素點(diǎn)的水平一 階灰度差分，計(jì)算公式為當(dāng)Jc。Sjc〈AT-5時(shí)，d^(X) = /(;c + 5，>0-當(dāng) 5Q"。時(shí)，^ = /(;c-5,力-/(;c，:y);其中必,(x)表示縱坐標(biāo)為y的一行相 鄰5個(gè)像素點(diǎn)的水平差分值，/0c，力表示坐標(biāo)點(diǎn)Oc，"的灰度值，iV-640為 圖像寬度；
步驟IO、在縱坐標(biāo)為y的一行瞳孔邊界可能存在的區(qū)域，搜索步驟8
得到灰度差分值最大的點(diǎn)，將其坐標(biāo)作為瞳孔邊界點(diǎn)的坐標(biāo)；
步驟ll、取坐標(biāo)點(diǎn)Oc。,y。)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，方法與步驟8、步驟9和步驟10中在y—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12、由于瞳孔的邊緣非常類(lèi)似于一個(gè)圓，對(duì)步驟11中得到的一
系列瞳孔邊界點(diǎn)進(jìn)行圓擬合，圓方程為Jc2+y2+cx +辦+ e-0， c，t/和e是關(guān)于
圓曲線的半徑和圓心坐標(biāo)點(diǎn)的參數(shù)，Oc,力為圓曲線上的點(diǎn)的坐標(biāo)值，相對(duì)
于這些坐標(biāo)點(diǎn)的最佳圓曲線就是使誤差方差和最??；誤差方差和的公式為 s2-2^,2",2+cx,+辦,+e)2，其中，？是指誤差方差和，(x,j,)是已知圓曲
線上的點(diǎn)的坐標(biāo)值，最后得到瞳孔的精確圓心(Xp，^)和半徑 ；
步驟13、將步驟8中得到的灰度序列Sy的瞳孔區(qū)域象素點(diǎn)灰度值替換
為虹膜區(qū)域的象素灰度的近似值，得到序列《；
步驟14、對(duì)步驟13中得到的灰度序列《進(jìn)行6層小波變換，其中一 維小波變換的公式為w;(/，"-l!s二Oc) Oc)和^(/，ik)-Ss;(jc) (;c);其中
K(/，"和^;(a)分別是分辨率為2'下的尺度系數(shù)和小波系數(shù)，2層小波變換/的取值范圍為{-1，-2，-3,4，-5，~6}， ^(x)為尺度函數(shù)， 0c)為小波函數(shù)，M為 序列S;的長(zhǎng)度，選取的小波為DMeyer小波；步驟15、通過(guò)步驟14中得到的分辨率2"和2-5下的小波系數(shù)ff;,(")， / = -5，-6重構(gòu)S;在分辨率2"和2-5下的細(xì)節(jié)分量1)2,5 ;其中重構(gòu)公式為 A《Oc卜H^(aM，"^;其中Z)J;0c)表示分辨率2'下坐標(biāo);c的細(xì)節(jié)分量的值，^(a)表示分辨率2'下的小波系數(shù)，仍，^)為分辨率2'下的小波函數(shù)；步驟16、通過(guò)步驟12中得到的瞳孔圓心坐標(biāo)(、，^)和半徑^，可以計(jì)算出在縱坐標(biāo)y這一行上瞳孔的左邊界點(diǎn)/,和右邊界點(diǎn)、；在分辨率為2"的細(xì)節(jié)分量曲線上，搜索瞳孔左邊界點(diǎn)/p以左區(qū)域離/p最近的谷值點(diǎn)/;以及右邊界點(diǎn) 以右區(qū)域離^最近的谷值點(diǎn)r/ ;步驟17、在分辨率2-5下的細(xì)節(jié)分量曲線上搜索離/;和最近的谷值點(diǎn)/,和/;作為虹膜外邊緣的邊界點(diǎn)；步驟18、取坐標(biāo)點(diǎn)Oc。，凡)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13-17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邊界點(diǎn)的坐標(biāo)；步驟19、由于虹膜的外邊緣也非常類(lèi)似于一個(gè)圓，對(duì)步驟18中得到的 一系列虹膜外邊緣邊界點(diǎn)進(jìn)行與步驟12中類(lèi)似的圓擬合，得到虹膜外邊緣 的精確圓心^，:^和半徑A;。如上所述的一種基于多分辨率分析的虹膜定位方法，其特征在于步驟2 中進(jìn)行虹膜圖像分塊時(shí)，塊大小的選擇應(yīng)該滿足大于瞳孔的半徑，小于瞳 孔的直徑。如上所述的一種基于多分辨率分析的虹膜定位方法，其特征在于步驟11中坐標(biāo)點(diǎn)(;c。,凡)附近的若干行，是指縱坐標(biāo)在瞳孔區(qū)域的縱坐標(biāo)范圍內(nèi)， 并且取(x。，y。)下方的點(diǎn)。本發(fā)明采用多分辨率分析的方法，首先通過(guò)二值圖像的特點(diǎn)搜索出瞳孔粗略圓心的坐標(biāo)；然后取瞳孔粗略圓心附近的若千行，搜索一定范圍內(nèi)的灰度梯度最大值的坐標(biāo)作為瞳孔邊界點(diǎn)的坐標(biāo)；最后根據(jù)取瞳孔粗略圓心 Oc。，凡)附近的各行灰度序列在分辨率2-5和2^下的細(xì)節(jié)分量，搜索局部最小值點(diǎn)的坐標(biāo)，作為虹膜的外邊緣邊界點(diǎn)。采用本發(fā)明提出的基于多分辨率 分析的方法，可以有效的進(jìn)行虹膜圖像的定位操作，避免了傳統(tǒng)算法對(duì)眼 瞼和睫毛遮擋較為敏感的問(wèn)題。而且本發(fā)明通過(guò)搜索局部灰度差分的最大 值，獲得瞳孔邊界點(diǎn)的坐標(biāo)；利用多分辨率分析的思想，在一定分辨率的 細(xì)節(jié)分量上搜索虹膜的外邊界點(diǎn)，這樣在一定程度上避免了眼瞼和睫毛的 干擾，有利于提高定位的精確度；通過(guò)圓擬合的方法，獲得虹膜內(nèi)外邊緣 的圓心坐標(biāo)和半徑，避免了通用算法的反復(fù)迭代搜索，提高了定位的效率； 利用多分辨率的思想進(jìn)行虹膜圖像質(zhì)量的分析是本發(fā)明的一個(gè)特色，與一 般的虹膜定位方法相比，本發(fā)明的通用性和穩(wěn)定性很強(qiáng)，不易受睫毛和眼 瞼的影響。
圖l是含有虹膜的原始圖；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是虹膜邊界點(diǎn)的搜索示意圖；其中，(a)為縱坐標(biāo)為y的一行象素點(diǎn)序列Sy的灰度曲線；(b)為&的差分曲線；(c)為Sy'在分辨率2"下的細(xì)節(jié)分量；(d)為&'在分辨率為2-'下的細(xì)節(jié)分量。圖3是定位結(jié)果圖。
具體實(shí)施方式為了方便地描述本發(fā)明內(nèi)容，首先對(duì)一些術(shù)語(yǔ)進(jìn)行定義。 定義l: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(cuò)的類(lèi)似與斑點(diǎn)、細(xì)絲、條紋、隱窩的紋理特征。 同一個(gè)人的虹膜在人的一生中幾乎不會(huì)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(méi)有任何其他顏色信息的 圖像。定義3: 二值化閾值。對(duì)圖像進(jìn)行二值化操作時(shí)所選用的灰度門(mén)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(guò)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(shí) 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(shí)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(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有4個(gè):膨脹(或擴(kuò)充)、腐蝕(或侵蝕)、開(kāi)啟和閉合。膨脹和腐蝕的運(yùn)算公式為 ^ B-plpLn^9^}和J0B-(;cl(5Xe ; 開(kāi)啟操作的運(yùn)算公式為..^。5-"05) 5和J0ff-(J$5)@5。其中j為圖像集合，5為結(jié)構(gòu)元素，"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，s表式全包含， 為膨脹運(yùn)算符，0為腐蝕運(yùn)算符，。為開(kāi)啟運(yùn)算符，U為閉合運(yùn)算 符。定義6:水平一階灰度差分。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)。也稱(chēng)為 虹膜內(nèi)邊緣邊界點(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(lái)說(shuō)圓方程為^十/+" +辦+ 6-0， 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(duì)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e、5^,2+乂2+a,+辦,+e)2,其中，^是指誤差方差和，(《,乂)是已知點(diǎn)的坐標(biāo)。定義9:小波變換。時(shí)間(空間)頻率的局部化分析方法，它通過(guò)伸縮平 移運(yùn)算對(duì)信號(hào)(函數(shù))逐步進(jìn)行多尺度細(xì)化，可聚焦到信號(hào)的任意細(xì)節(jié)。定義10:尺度系數(shù)。在進(jìn)行小波變換中，原始信號(hào)與尺度函數(shù)進(jìn)行巻 積之后得到的系數(shù)，用于重構(gòu)信號(hào)的近似分量。對(duì)于一維小波變換，尺度系數(shù)的具體計(jì)算公式為^y，^ll/W^W。其中，/W為原始信號(hào)，為尺度函數(shù)，K(/，0為尺度系數(shù)，#為/(1)的長(zhǎng)度，p1，2，…M。定義11:尺度函數(shù)。尺度函數(shù)是由整數(shù)平移和實(shí)數(shù)二值尺度、平方可 積函數(shù)^x)組成的展開(kāi)函數(shù)集合，即集合{ (4 。其中^(" = 2> (2^-0 ，定義13:小波系數(shù)。在進(jìn)行小波變換中，原始信號(hào)與小波函數(shù)進(jìn)行巻 積之后得到的系數(shù)，用于重構(gòu)信號(hào)的細(xì)節(jié)分量。對(duì)于一維小波變換，小波 系數(shù)的具體計(jì)算公式為《(M)-I!/O0w(小其中，/("為原始信號(hào)，為小波函數(shù)，w;U，/k)為小波系數(shù)。定義14:小波函數(shù)。小波函數(shù)是用來(lái)描述跨越相鄰兩尺度空間的差異， 是由^;c)組成的展開(kāi)函數(shù)集合，即集合b"4。其中 (勾^ (2^-0, J，先eZ 。定義15: DMeyer小波。離散形式的Meyer小波，是Meyer小波的有效 近似,可以看作是離散化的Meyer小波，具有雙正交性。它既保持了 Meyer 小波良好的分頻特性,又可以提高數(shù)值計(jì)算的速度。定義16:細(xì)節(jié)分量。任何一幅圖像都可以分解為主體信息和細(xì)節(jié)紋理 信息，根據(jù)多分辨率分析的思想，細(xì)節(jié)分量指不同頻段范圍內(nèi)的細(xì)節(jié)紋理 信息0定義17:谷值點(diǎn)任意一條曲線上，局部最小值所在的坐標(biāo)點(diǎn)。 定義18:虹膜外緣邊界點(diǎn)。虹膜是一個(gè)環(huán)形區(qū)域，位于虹膜外邊緣上 的點(diǎn)稱(chēng)為虹膜外緣邊界點(diǎn)。按照本發(fā)明的虹膜定位方法，它包含下列步驟步驟l、通過(guò)攝像裝置，對(duì)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，圖像大小為640 x 480;步驟2、選取一個(gè)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K的象素點(diǎn)的灰度值賦為1，小于閾值K的象素點(diǎn)的灰度值賦為0;步驟3、對(duì)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(lái) 消除二值圖像中的小空洞；具體來(lái)說(shuō)，閉合運(yùn)算為JDS-Q 5)e ，即先 對(duì)原始圖像^用結(jié)構(gòu)元素B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(gè)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0。 U為閉合運(yùn)算符， 為膨脹運(yùn)算符，0為腐蝕運(yùn)算符；步驟4、在步驟3中得到的空洞填充后的虹膜圖像上瞳孔可能存在的 區(qū)域，進(jìn)行塊劃分，每個(gè)塊的大小為100x100;找到灰度累加和最小的塊；具體來(lái)說(shuō)統(tǒng)計(jì)灰度和最小的塊的公式為<formula>formula see original document page 16</formula>，其中xi＝(i-1)*100 + 90， i = 1，2，3. yi=(j-1)*100 + 120， j = l，2，3，4.， l(x，y)為圖像的灰度；步驟5、當(dāng)步驟4中的統(tǒng)計(jì)灰度和最小的塊的公式取到最小值時(shí)，我 們可以得到這個(gè)最小灰度和塊對(duì)應(yīng)的/和_/;那么，這個(gè)灰度和最小塊對(duì)應(yīng) 的4個(gè)頂點(diǎn)是(xi，yi)， (xi+l00，yi)， (xi，yi+100)和(x,+100，yi+100);步驟6、在灰度和最小的區(qū)域內(nèi)找到任意一個(gè)灰度值為0的象素點(diǎn) (;c'，/);然后分別沿水平方向向左右搜索第一個(gè)灰度值為l的點(diǎn)，得到瞳孔 的左右邊界Oc,，/)和(x,，/"因此，瞳孔粗略中心的橫坐標(biāo)是x。-^^;步驟7、與步驟6的方法類(lèi)似，以任意一個(gè)灰度值為0的象素點(diǎn)(x'，/)為中心，分別沿垂直方向向上和向下搜索第一個(gè)灰度值為l的點(diǎn)，得到瞳孔 的上邊界0c'，:O和下邊節(jié)點(diǎn)(x'，a)，因此，瞳孔粗略中心的縱坐標(biāo)是 <formula>formula see original document page 16</formula>.步驟8、任取(x。，凡)附近縱坐標(biāo)為y的一行，其象素點(diǎn)灰度值構(gòu)成序列步驟9、對(duì)步驟8得到的灰度序列Sy ，計(jì)算相鄰5個(gè)象素點(diǎn)的水平一階 灰度差分，具體計(jì)算公式為當(dāng);c。S;c〈iV-5時(shí)，必^" = /(^ + 5，力-/(jc，力； 當(dāng)5S;c"。時(shí)，Wy(x) = /(x-5，"-/(x,力；其中必,(x)表示縱坐標(biāo)為y的一行 相鄰5個(gè)像素點(diǎn)的水平差分值，/(x,y)表示坐標(biāo)點(diǎn)(x，》的灰度值，iV-640為 圖像寬度；步驟IO、在縱坐標(biāo)為y的一行瞳孔邊界可能存在的區(qū)域，搜索步驟8得到灰度差分值最大的點(diǎn)，將其坐標(biāo)作為瞳孔邊界點(diǎn)的坐標(biāo)；步驟ll、取坐標(biāo)點(diǎn)(;c。，y。)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8、步驟9和步驟10中在y—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12、由于瞳孔的邊緣非常類(lèi)似于一個(gè)圓，因此，對(duì)步驟11中得到的一系列瞳孔邊界點(diǎn)進(jìn)行圓擬合，具體來(lái)說(shuō)圓方程為 x2+>)2+CJC + ^ + e = 0， 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，"為圓曲線上的點(diǎn)的坐標(biāo)值，那么相對(duì)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e、2fe+y,2+^,+辦,+e)2，其中， 一是指誤差方差和，Oc,，^0是已知圓曲線上的點(diǎn)的坐標(biāo)值，最后得到瞳孔的精確圓心(v:0和半徑^;步驟13、將步驟8中得到的灰度序列Sy的瞳孔區(qū)域象素點(diǎn)灰度值替換 為虹膜區(qū)域的象素灰度的近似值，得到序列《；步驟14、對(duì)步驟13中得到的灰度序列《進(jìn)行6層小波變換，具體來(lái)說(shuō)， 一維小波變換的公式為》;(/，" = |^ ,々)和》;(/，"=|^ ,,^)。其中MW和^U^分別是分辨率為2'下的尺度系數(shù)和小波系數(shù)，2層小波 變換/的取值范圍為H，-2，-3，"4，-5,—,伊, 為尺度函數(shù)， (x)為小波函數(shù)，M為序列《的長(zhǎng)度，選取的小波為DMeyer小波；步驟15、通過(guò)步驟14中得到的分辨率2"和2-5下的小波系數(shù)w;(/，Jt)， / = -5，~6重構(gòu)《在分辨率2^和2-5下的細(xì)節(jié)分量Z),^";具體來(lái)說(shuō)，重構(gòu)公 式為D2,《W= 5>^，％^W;其中化,《("表示分辨率2'下坐標(biāo);c的細(xì)節(jié)分量的值，)MW)表示分辨率2'下的小波系數(shù)，仍，J"為分辨率2'下的小 波函數(shù)；步驟16、通過(guò)步驟12中得到的瞳孔圓心坐標(biāo)(^，^)和半徑^，我們 可以計(jì)算出在縱坐標(biāo)^這一行上瞳孔的左邊界點(diǎn)/p和右邊界點(diǎn)^ 。在分辨率 為2"的細(xì)節(jié)分量曲線上，搜索瞳孔左邊界點(diǎn)/p以左區(qū)域離/p最近的谷值點(diǎn)/; 以及右邊界點(diǎn)^以右區(qū)域離^最近的谷值點(diǎn)r/ ;步驟17、在分辨率2-5下的細(xì)節(jié)分量曲線上搜索離/;和r'最近的谷值點(diǎn) (和r,作為虹膜外邊緣的邊界點(diǎn)；步驟18、取坐標(biāo)點(diǎn)Oc。，;^。)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13-17中在y—行進(jìn)行的搜索方法相同，最 終可以得到一系列虹膜邊界點(diǎn)的坐標(biāo)；步驟19.由于虹膜的外邊緣也非常類(lèi)似于一個(gè)圓，因此，對(duì)步驟18中 得到的一系列虹膜外邊緣邊界點(diǎn)進(jìn)行與步驟12中類(lèi)似的圓擬合，得到虹膜 外邊緣的精確圓心(x,，x)和半徑^;。通過(guò)以上步驟，我們就能從含有虹膜的灰度圖像中提取出虹膜，并且 能在一定程度上抑制眼見(jiàn)和睫毛的遮擋。需要說(shuō)明的是1. 步驟l中拍攝的虹膜圖像的大小是根據(jù)采集設(shè)備的參數(shù)決定的。2. 步驟2中進(jìn)行虹膜圖像分塊時(shí)，塊大小的選擇應(yīng)該滿足大于瞳孔的 半徑，小于瞳孔的直徑。3. 步驟5中搜索灰度和最小的塊，是為了確定瞳孔所在的大致區(qū)域。 由于二值化之后，瞳孔區(qū)域?yàn)楹谏?，即瞳孔區(qū)域在二值化圖像的灰度值為0，那么灰度和最小的塊必然包含瞳孔的大部分區(qū)域。4. 步驟11中坐標(biāo)點(diǎn)(x。，y。)附近的若千行，實(shí)際上是指縱坐標(biāo)在瞳孔區(qū)域的縱坐標(biāo)范圍內(nèi)。并且盡量取Oc。，凡)下方的點(diǎn)，以避免一定的眼瞼和睫毛 遮擋。5. 步驟16和17中，搜索分辨率2-5和2^下的某一區(qū)域的谷值點(diǎn)，理 由在于根據(jù)多分辨率分析的思想，圖像上物體的邊緣，都對(duì)應(yīng)著細(xì)節(jié)分量 上較大幅度的出現(xiàn)，那么這里正對(duì)應(yīng)者細(xì)節(jié)分量曲線上的谷值點(diǎn)。而眼瞼 和睫毛的邊緣存在著更為明顯的灰度變換，因此在這兩個(gè)分辨率下的細(xì)節(jié) 分量上體現(xiàn)不明顯。所以，通過(guò)在這兩個(gè)分辨率下分析虹膜的邊緣，有利 于抑制眼瞼和睫毛的遮擋。采用本發(fā)明的方法，首先使用Matlab語(yǔ)言編寫(xiě)虹膜圖定位程序；然后 采用CMOS或者CCD攝像裝置自動(dòng)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PC平臺(tái)上的虹膜圖像定位程序中進(jìn)行處理。 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(shì)的灰度 虹膜圖像作為源數(shù)據(jù)，將程序判斷的結(jié)果與主觀判斷的結(jié)果進(jìn)行比較，定 位準(zhǔn)確率為97. 5%，定位一幅圖像的平均時(shí)間為1. 2s。綜上所述，本發(fā)明的方法充分利用虹膜邊緣和眼瞼睫毛邊緣變化明顯程 度的不同，結(jié)合多分辨率分析的方法，從而實(shí)現(xiàn)了快速準(zhǔn)確的定位虹膜圖
權(quán)利要求
1、一種基于多分辨率分析的虹膜定位方法，其特征在于其包含下列步驟步驟1、通過(guò)攝像裝置，對(duì)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，圖像大小為640×480；步驟2、選取一個(gè)固定的閾值Vb，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Vb的象素點(diǎn)的灰度值賦為1，小于閾值Vb的象素點(diǎn)的灰度值賦為0；步驟3、對(duì)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(lái)消除二值圖像中的小空洞；其中閉合運(yùn)算為AB＝(AB(yǎng))ΘB，即先對(duì)原始圖像A用結(jié)構(gòu)元素B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B為一個(gè)7×7的矩陣，中間近似圓形區(qū)域內(nèi)的元素的值為1，其余元素的值為0；為閉合運(yùn)算符，為膨脹運(yùn)算符，Θ為腐蝕運(yùn)算符步驟4、在步驟3中得到的空洞填充后的虹膜圖像上瞳孔可能存在的區(qū)域，進(jìn)行塊劃分，每個(gè)塊的大小為100×100；找到灰度累加和最小的塊；其中統(tǒng)計(jì)灰度和最小的塊的公式為<math-cwu><![CDATA[<math> <mrow><msub> <mi>min</mi> <mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo> </mrow></msub><munderover> <mi>&Sigma;</mi> <mrow><mi>x</mi><mo>=</mo><msub> <mi>x</mi> <mi>i</mi></msub> </mrow> <mrow><msub> <mi>x</mi> <mi>i</mi></msub><mo>+</mo><mn>99</mn> </mrow></munderover><munderover> <mi>&Sigma;</mi> <mrow><mi>y</mi><mo>=</mo><msub> <mi>y</mi> <mi>i</mi></msub> </mrow> <mrow><msub> <mi>y</mi> <mi>i</mi></msub><mo>+</mo><mn>99</mn> </mrow></munderover><mi>I</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>,</mo> </mrow></math>]]></math-cwu><!--img id="icf0001" file="S2008100261059C00011.gif" wi="172" he="46" img-content="drawing" img-format="tif"/-->其中xi＝(i-1)*100+90，i＝1，2，3，yj＝(j-1)*100+120，j＝1，2，3，4.，I(x，y)為圖像的灰度；步驟5、當(dāng)步驟4中的統(tǒng)計(jì)灰度和最小的塊的公式取到最小值時(shí)，可以得到這個(gè)最小灰度和塊對(duì)應(yīng)的i和j；這個(gè)灰度和最小塊對(duì)應(yīng)的4個(gè)頂點(diǎn)是(xi，yi)，(xi+100，yi)，(xi，yi+100)和(xi+100，yi+100)；步驟6、在灰度和最小的區(qū)域內(nèi)找到任意一個(gè)灰度值為0的象素點(diǎn)(x′，y′)；然后分別沿水平方向向左右搜索第一個(gè)灰度值為1的點(diǎn)，得到瞳孔的左右邊界(xi，y′)和(xr，y′)；因此，瞳孔粗略中心的橫坐標(biāo)是<math-cwu><![CDATA[<math> <mrow><msub> <mi>x</mi> <mi>o</mi></msub><mo>=</mo><mfrac> <mrow><msub> <mi>x</mi> <mi>u</mi></msub><mo>+</mo><msub> <mi>x</mi> <mi>b</mi></msub> </mrow> <mn>2</mn></mfrac><mo>;</mo> </mrow></math>]]></math-cwu><!--img id="icf0002" file="S2008100261059C00012.gif" wi="94" he="34" img-content="drawing" img-format="tif"/-->步驟7、與步驟6的方法類(lèi)似，以任意一個(gè)灰度值為0的象素點(diǎn)(x′，y′)為中心，分別沿垂直方向向上和向下搜索第一個(gè)灰度值為1的點(diǎn)，得到瞳孔的上邊界(x′，yu)和下邊節(jié)點(diǎn)(x′，yb)，瞳孔粗略中心的縱坐標(biāo)是<math-cwu><![CDATA[<math> <mrow><msub> <mi>y</mi> <mi>o</mi></msub><mo>=</mo><mfrac> <mrow><msub> <mi>y</mi> <mi>a</mi></msub><mo>+</mo><msub> <mi>y</mi> <mi>b</mi></msub> </mrow> <mn>2</mn></mfrac><mo>;</mo> </mrow></math>]]></math-cwu><!--img id="icf0003" file="S2008100261059C00021.gif" wi="97" he="34" img-content="drawing" img-format="tif"/-->步驟8、任取(xo，yo)附近縱坐標(biāo)為y的一行，其象素點(diǎn)灰度值構(gòu)成序列Sy；步驟9、對(duì)步驟8得到的灰度序列Sy，計(jì)算相鄰5個(gè)象素點(diǎn)的水平一階灰度差分，計(jì)算公式為當(dāng)xo≤x＜N-5時(shí)，dSy(x)＝I(x+5，y)-I(x，y)；當(dāng)5≤x＜xo時(shí)，dSy(x)＝I(x-5，y)-I(x，y)；其中dSy(x)表示縱坐標(biāo)為y的一行相鄰5個(gè)像素點(diǎn)的水平差分值，I(x，y)表示坐標(biāo)點(diǎn)(x，y)的灰度值，N＝640為圖像寬度；步驟10、在縱坐標(biāo)為y的一行瞳孔邊界可能存在的區(qū)域，搜索步驟8得到灰度差分值最大的點(diǎn)，將其坐標(biāo)作為瞳孔邊界點(diǎn)的坐標(biāo)；步驟11、取坐標(biāo)點(diǎn)(xo，yo)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8、步驟9和步驟10中在y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12、由于瞳孔的邊緣非常類(lèi)似于一個(gè)圓，對(duì)步驟11中得到的一系列瞳孔邊界點(diǎn)進(jìn)行圓擬合，圓方程為x2+y2+cx+dy+e＝0，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，y)為圓曲線上的點(diǎn)的坐標(biāo)值，相對(duì)于這些坐標(biāo)點(diǎn)的最佳圓曲線就是使誤差方差和最??；誤差方差和的公式為
2、根據(jù)權(quán)利要求1所述的一種基于多分辨率分析的虹膜定位方法，其特 征在于步驟2中進(jìn)行虹膜圖像分塊時(shí)，塊大小的選擇應(yīng)該滿足大于瞳孔的半徑，小于瞳孔的直徑。
3、根據(jù)權(quán)利要求1所述的一種基于多分辨率分析的虹膜定位方法，其特 征在于步驟ll中坐標(biāo)點(diǎn)(x。，凡)附近的若干行，是指縱坐標(biāo)在瞳孔區(qū)域的縱坐 標(biāo)范圍內(nèi)，并且取Oc。，凡)下方的點(diǎn)。
全文摘要
本發(fā)明提供的一種基于多分辨率分析的虹膜定位方法，它首先通過(guò)二值化，數(shù)學(xué)形態(tài)學(xué)，灰度和最小塊搜索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，搜索一定范圍內(nèi)的灰度梯度最大值的坐標(biāo)作為瞳孔邊界點(diǎn)的坐標(biāo)，經(jīng)過(guò)曲線擬合可以定位出瞳孔的精確圓心和半徑；接著根據(jù)取瞳孔粗略圓心(x_o，y_o)附近的各行灰度序列在分辨率2^-5和2^-6下的細(xì)節(jié)分量，搜索局部最小值點(diǎn)的坐標(biāo)，作為虹膜的外邊緣邊界點(diǎn)并進(jìn)行曲線擬合得到虹膜外邊緣的精確圓心和半徑。采用本發(fā)明提出的基于多分辨率分析的方法，可以有效的進(jìn)行虹膜圖像的定位操作，避免了傳統(tǒng)算法對(duì)眼瞼和睫毛遮擋較為敏感的問(wèn)題。
文檔編號(hào)G06K9/00GK101266645SQ20081002610
公開(kāi)日2008年9月17日 申請(qǐng)日期2008年1月24日 優(yōu)先權(quán)日2008年1月24日
發(fā)明者潘力立, 梅 解, 爭(zhēng) 馬 申請(qǐng)人:電子科技大學(xué)中山學(xué)院