專利名稱：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
技術領域：
本發明涉及于圖像處理技術領域，主要涉及生物特征鑒別中的虹膜身 份識別技術。背景技術：
生活在一個高度信息化的現代社會，身份鑒別已經滲透到人們日常生 活的每一個方面。同時，由于交通、通訊和網絡技術的飛速發展，人類的 活動范圍越來越大，身份鑒別的難度和重要性也越來越突出。對于我國這 樣一個人口眾多的國家，身份鑒別有著尤其廣泛的應用前景和重要的戰略 意義，金融、安全、網絡、電子商務等無一不需要可靠的身份鑒別。傳統 的利用密碼等身份鑒別的方法具有易遺忘、易假冒等缺點，已不符合現代 數字社會的需求。基于生物特征的身份鑒別技術利用人本身所擁有的生物 特征來判別人的身份，這些生物特征具有"人各有異、終生不變、隨身攜 帶"三個特點，具有穩定、便捷、不易偽造等優點，近年來已成為身份鑒 別的熱點。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、穩定性、可采集性
和非侵犯性等優點。詳見文獻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。
虹膜定位是整個自動虹膜識別系統的第一步，也是較為重要的一步， 它關系到后面進行處理的圖像是否是有效的虹膜區域，因此決定了識別的 結果。實際中，由于虹膜的邊緣較為模糊，通常在拍攝時存在眼瞼和睫毛 的遮擋，所以準確的定位虹膜常常比較困難。目前已有的算法中還沒有提 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確的定位出虹 膜，因此我們旨在設計一種能抑制部分眼瞼和睫毛遮擋問題的虹膜定位方 法，詳見文獻胡正平，張曄，王成儒."非線性擬合結合交叉參考的迭 代虹膜定位方法"，伊,炎薪廚沒^與風彩學學叛，Volumel6, No. 3, pp. 297-230,2004和文獻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和Hough變換定位的方 法。它首先采用邊緣檢測算子對整幅虹膜圖像進行邊緣檢測，利用Hough 變換將邊緣象素連接起來構成一個圓，并得到該圓的圓心坐標和半徑。該 方法由于Hough變換的反復迭代運算，耗時較長，并且容易受到眼瞼和睫 毛等的影響。詳見文獻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。它首先對虹膜圖像進行粗定位，確定瞳孔和虹膜所在圓的大致位置，然后再根據粗定位的結果，在一定范圍內搜索 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果。該方法 的缺點是，由于需要進行粗定位和精定位，并且搜索灰度梯度最大值的運
算較為復雜，所以整個方法耗時較長。詳見文獻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)非線性擬合結合交叉參考的迭代虹膜定位方法。它通過不斷舍棄 隨機噪聲和邊緣毛刺點來提高定位的穩定性，定位時主要采用圓擬合的方 法。該方法的缺點是不斷更新迭代，耗時較長。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題，計算量過大、對噪 聲敏感、通用性不強等等。
發明內容
本發明的任務是設計一種穩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確的定位出虹膜的內外邊緣，并且算法的 耗時較短。
本發明的目的是這樣實現的
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、通過攝像裝置，對人眼中的虹膜進行圖像采集，得到含有虹 膜圖像的原始灰度圖像，圖像大小為640x480;
步驟2、選取一個固定的閾值K，將原始虹膜圖像進行二值化，原始灰度圖像中灰度值大于閾值f;的象素點的灰度值賦為i，小于閾值K的象素點
的灰度值賦為0;
步驟3、對步驟2中得到的二值圖像，進行數學形態學中的閉合運算來 消除二值圖像中的小空洞；其中閉合運算為JDB = pe5)05，即先對原始 圖像^用結構元素S進行膨脹運算，然后再進行腐蝕運算；結構元素S為一 個7X7的矩陣，中間近似圓形區域內的元素的值為1，其余元素的值為0; U為閉合運算符， 為膨脹運算符，0為腐蝕運算符；
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 區域，進行塊劃分，每個塊的大小為100xl00;找到灰度累加和最小的塊；
其中統計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、當步驟4中的統計灰度和最小的塊的公式取到最小值時，可 以得到這個最小灰度和塊對應的i和_/ ;這個灰度和最小塊對應的4個頂點 是(；>0， (x,+100，y,)， (;c,，y,+100)和(;c,+100，;v,+100);
步驟6、在灰度和最小的區域內找到任意一個灰度值為0的象素點 (:c'，/);然后分別沿水平方向向左右搜索第一個灰度值為l的點，得到瞳孔 的左右邊界0c,，/)和^，/;);因此，瞳孔粗略中心的橫坐標是x。^^^;
步驟7、與步驟6的方法類似，以任意一個灰度值為0的象素點(x'，/)為
中心，分別沿垂直方向向上和向下搜索第一個灰度值為l的點，得到瞳孔
的上邊界0c'，^和下邊節點0c',A)，瞳孔粗略中心的縱坐標是y。-^l^; 步驟8、任取(x。，凡)附近縱坐標為y的一行，其象素點灰度值構成序列步驟9、對步驟8得到的灰度序列S"計算相鄰5個象素點的水平一 階灰度差分，計算公式為當Jc。Sjc〈AT-5時，d^(X) = /(;c + 5，>0-當 5Q"。時，^ = /(;c-5,力-/(;c，:y);其中必,(x)表示縱坐標為y的一行相 鄰5個像素點的水平差分值，/0c，力表示坐標點Oc，"的灰度值，iV-640為 圖像寬度；
步驟IO、在縱坐標為y的一行瞳孔邊界可能存在的區域，搜索步驟8
得到灰度差分值最大的點，將其坐標作為瞳孔邊界點的坐標；
步驟ll、取坐標點Oc。,y。)附近的若千行，在取出的每一行上進行瞳孔
邊界點的搜索，方法與步驟8、步驟9和步驟10中在y—行進行的搜索方
法相同，最終可以得到一系列瞳孔邊界點的坐標；
步驟12、由于瞳孔的邊緣非常類似于一個圓，對步驟11中得到的一
系列瞳孔邊界點進行圓擬合，圓方程為Jc2+y2+cx +辦+ e-0， c，t/和e是關于
圓曲線的半徑和圓心坐標點的參數，Oc,力為圓曲線上的點的坐標值，相對
于這些坐標點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 s2-2^,2",2+cx,+辦,+e)2，其中，？是指誤差方差和，(x,j,)是已知圓曲
線上的點的坐標值，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的瞳孔區域象素點灰度值替換
為虹膜區域的象素灰度的近似值，得到序列《；
步驟14、對步驟13中得到的灰度序列《進行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'下的尺度系數和小波系數，2層小波變換/的取值范圍為{-1，-2，-3,4，-5，~6}， ^(x)為尺度函數， 0c)為小波函數，M為 序列S;的長度，選取的小波為DMeyer小波；步驟15、通過步驟14中得到的分辨率2"和2-5下的小波系數ff;,(")， / = -5，-6重構S;在分辨率2"和2-5下的細節分量1)2,5 ;其中重構公式為 A《Oc卜H^(aM，"^;其中Z)J;0c)表示分辨率2'下坐標;c的細節分量的值，^(a)表示分辨率2'下的小波系數，仍，^)為分辨率2'下的小波函數；步驟16、通過步驟12中得到的瞳孔圓心坐標(、，^)和半徑^，可以計算出在縱坐標y這一行上瞳孔的左邊界點/,和右邊界點、；在分辨率為2"的細節分量曲線上，搜索瞳孔左邊界點/p以左區域離/p最近的谷值點/;以及右邊界點 以右區域離^最近的谷值點r/ ;步驟17、在分辨率2-5下的細節分量曲線上搜索離/;和最近的谷值點/,和/;作為虹膜外邊緣的邊界點；步驟18、取坐標點Oc。，凡)附近的若干行，在取出的每一行上進行虹膜 外緣邊界點的搜索，方法與步驟13-17中在^一行進行的搜索方法相同，最 終可以得到一系列虹膜邊界點的坐標；步驟19、由于虹膜的外邊緣也非常類似于一個圓，對步驟18中得到的 一系列虹膜外邊緣邊界點進行與步驟12中類似的圓擬合，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 中進行虹膜圖像分塊時，塊大小的選擇應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中坐標點(;c。,凡)附近的若干行，是指縱坐標在瞳孔區域的縱坐標范圍內， 并且取(x。，y。)下方的點。本發明采用多分辨率分析的方法，首先通過二值圖像的特點搜索出瞳孔粗略圓心的坐標；然后取瞳孔粗略圓心附近的若千行，搜索一定范圍內的灰度梯度最大值的坐標作為瞳孔邊界點的坐標；最后根據取瞳孔粗略圓心 Oc。，凡)附近的各行灰度序列在分辨率2-5和2^下的細節分量，搜索局部最小值點的坐標，作為虹膜的外邊緣邊界點。采用本發明提出的基于多分辨率 分析的方法，可以有效的進行虹膜圖像的定位操作，避免了傳統算法對眼 瞼和睫毛遮擋較為敏感的問題。而且本發明通過搜索局部灰度差分的最大 值，獲得瞳孔邊界點的坐標；利用多分辨率分析的思想，在一定分辨率的 細節分量上搜索虹膜的外邊界點，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；通過圓擬合的方法，獲得虹膜內外邊緣 的圓心坐標和半徑，避免了通用算法的反復迭代搜索，提高了定位的效率； 利用多分辨率的思想進行虹膜圖像質量的分析是本發明的一個特色，與一 般的虹膜定位方法相比，本發明的通用性和穩定性很強，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 內緣；5表示虹膜的外緣。圖2是虹膜邊界點的搜索示意圖；其中，(a)為縱坐標為y的一行象素點序列Sy的灰度曲線；(b)為&的差分曲線；(c)為Sy'在分辨率2"下的細節分量；(d)為&'在分辨率為2-'下的細節分量。圖3是定位結果圖。
具體實施方式為了方便地描述本發明內容，首先對一些術語進行定義。 定義l:虹膜。眼珠的中心是黑色的瞳孔，瞳孔外緣間的環形組織即為 虹膜。其呈現出相互交錯的類似與斑點、細絲、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。對圖像進行二值化操作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。當圖像上的值大于等于二值化的閥值的時 候，該點的值二值化為l (或255);當圖像上的值小于二值化閥值的時候，該點的值二值化為o。定義5:數學形態學。用具有一定形態的結構元素去量度和提取圖像中對應形狀以達到對圖像分析和識別的目的。數學形態學的基本運算有4個:膨脹(或擴充)、腐蝕(或侵蝕)、開啟和閉合。膨脹和腐蝕的運算公式為 ^ B-plpLn^9^}和J0B-(;cl(5Xe ; 開啟操作的運算公式為..^。5-"05) 5和J0ff-(J$5)@5。其中j為圖像集合，5為結構元素，"表示做關于原點的映射，(L表示平移x ,n表示交集，-表示空集，s表式全包含， 為膨脹運算符，0為腐蝕運算符，。為開啟運算符，U為閉合運算 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。是指位于瞳孔外邊緣虹膜內邊緣上的點。也稱為 虹膜內邊緣邊界點。定義8:圓擬合。已知一系列點的坐標，建立一條最能反映這些坐標點 位置的圓曲線方程。具體來說圓方程為^十/+" +辦+ 6-0， c，d和e是關 于圓曲線的半徑和圓心坐標點的參數，(x，力為圓曲線上的點的坐標值，那么相對于這些坐標點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)是已知點的坐標。定義9:小波變換。時間(空間)頻率的局部化分析方法，它通過伸縮平 移運算對信號(函數)逐步進行多尺度細化，可聚焦到信號的任意細節。定義10:尺度系數。在進行小波變換中，原始信號與尺度函數進行巻 積之后得到的系數，用于重構信號的近似分量。對于一維小波變換，尺度系數的具體計算公式為^y，^ll/W^W。其中，/W為原始信號，為尺度函數，K(/，0為尺度系數，#為/(1)的長度，p1，2，…M。定義11:尺度函數。尺度函數是由整數平移和實數二值尺度、平方可 積函數^x)組成的展開函數集合，即集合{ (4 。其中^(" = 2> (2^-0 ，定義13:小波系數。在進行小波變換中，原始信號與小波函數進行巻 積之后得到的系數，用于重構信號的細節分量。對于一維小波變換，小波 系數的具體計算公式為《(M)-I!/O0w(小其中，/("為原始信號，為小波函數，w;U，/k)為小波系數。定義14:小波函數。小波函數是用來描述跨越相鄰兩尺度空間的差異， 是由^;c)組成的展開函數集合，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,又可以提高數值計算的速度。定義16:細節分量。任何一幅圖像都可以分解為主體信息和細節紋理 信息，根據多分辨率分析的思想，細節分量指不同頻段范圍內的細節紋理 信息0定義17:谷值點任意一條曲線上，局部最小值所在的坐標點。 定義18:虹膜外緣邊界點。虹膜是一個環形區域，位于虹膜外邊緣上 的點稱為虹膜外緣邊界點。按照本發明的虹膜定位方法，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、選取一個固定的閾值Fb，將原始虹膜圖像進行二值化，原始灰 度圖像中灰度值大于閾值K的象素點的灰度值賦為1，小于閾值K的象素點的灰度值賦為0;步驟3、對步驟2中得到的二值圖像，進行數學形態學中的閉合運算來 消除二值圖像中的小空洞；具體來說，閉合運算為JDS-Q 5)e ，即先 對原始圖像^用結構元素B進行膨脹運算，然后再進行腐蝕運算；結構元素 5為一個7X7的矩陣，中間近似圓形區域內的元素的值為l，其余元素的 值為0。 U為閉合運算符， 為膨脹運算符，0為腐蝕運算符；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 區域，進行塊劃分，每個塊的大小為100x100;找到灰度累加和最小的塊；具體來說統計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、當步驟4中的統計灰度和最小的塊的公式取到最小值時，我 們可以得到這個最小灰度和塊對應的/和_/;那么，這個灰度和最小塊對應 的4個頂點是(xi，yi)， (xi+l00，yi)， (xi，yi+100)和(x,+100，yi+100);步驟6、在灰度和最小的區域內找到任意一個灰度值為0的象素點 (;c'，/);然后分別沿水平方向向左右搜索第一個灰度值為l的點，得到瞳孔 的左右邊界Oc,，/)和(x,，/"因此，瞳孔粗略中心的橫坐標是x。-^^;步驟7、與步驟6的方法類似，以任意一個灰度值為0的象素點(x'，/)為中心，分別沿垂直方向向上和向下搜索第一個灰度值為l的點，得到瞳孔 的上邊界0c'，:O和下邊節點(x'，a)，因此，瞳孔粗略中心的縱坐標是 <formula>formula see original document page 16</formula>.步驟8、任取(x。，凡)附近縱坐標為y的一行，其象素點灰度值構成序列步驟9、對步驟8得到的灰度序列Sy ，計算相鄰5個象素點的水平一階 灰度差分，具體計算公式為當;c。S;c〈iV-5時，必^" = /(^ + 5，力-/(jc，力； 當5S;c"。時，Wy(x) = /(x-5，"-/(x,力；其中必,(x)表示縱坐標為y的一行 相鄰5個像素點的水平差分值，/(x,y)表示坐標點(x，》的灰度值，iV-640為 圖像寬度；步驟IO、在縱坐標為y的一行瞳孔邊界可能存在的區域，搜索步驟8得到灰度差分值最大的點，將其坐標作為瞳孔邊界點的坐標；步驟ll、取坐標點(;c。，y。)附近的若干行，在取出的每一行上進行瞳孔邊界點的搜索，方法與步驟8、步驟9和步驟10中在y—行進行的搜索方法相同，最終可以得到一系列瞳孔邊界點的坐標；步驟12、由于瞳孔的邊緣非常類似于一個圓，因此，對步驟11中得到的一系列瞳孔邊界點進行圓擬合，具體來說圓方程為 x2+>)2+CJC + ^ + e = 0， c^和e是關于圓曲線的半徑和圓心坐標點的參數，(x，"為圓曲線上的點的坐標值，那么相對于這些坐標點的最佳圓曲線就是 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的坐標值，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的瞳孔區域象素點灰度值替換 為虹膜區域的象素灰度的近似值，得到序列《；步驟14、對步驟13中得到的灰度序列《進行6層小波變換，具體來說， 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'下的尺度系數和小波系數，2層小波 變換/的取值范圍為H，-2，-3，"4，-5,—,伊, 為尺度函數， (x)為小波函數，M為序列《的長度，選取的小波為DMeyer小波；步驟15、通過步驟14中得到的分辨率2"和2-5下的小波系數w;(/，Jt)， / = -5，~6重構《在分辨率2^和2-5下的細節分量Z),^";具體來說，重構公 式為D2,《W= 5>^，％^W;其中化,《("表示分辨率2'下坐標;c的細節分量的值，)MW)表示分辨率2'下的小波系數，仍，J"為分辨率2'下的小 波函數；步驟16、通過步驟12中得到的瞳孔圓心坐標(^，^)和半徑^，我們 可以計算出在縱坐標^這一行上瞳孔的左邊界點/p和右邊界點^ 。在分辨率 為2"的細節分量曲線上，搜索瞳孔左邊界點/p以左區域離/p最近的谷值點/; 以及右邊界點^以右區域離^最近的谷值點r/ ;步驟17、在分辨率2-5下的細節分量曲線上搜索離/;和r'最近的谷值點 (和r,作為虹膜外邊緣的邊界點；步驟18、取坐標點Oc。，;^。)附近的若干行，在取出的每一行上進行虹膜 外緣邊界點的搜索，方法與步驟13-17中在y—行進行的搜索方法相同，最 終可以得到一系列虹膜邊界點的坐標；步驟19.由于虹膜的外邊緣也非常類似于一個圓，因此，對步驟18中 得到的一系列虹膜外邊緣邊界點進行與步驟12中類似的圓擬合，得到虹膜 外邊緣的精確圓心(x,，x)和半徑^;。通過以上步驟，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和睫毛的遮擋。需要說明的是1. 步驟l中拍攝的虹膜圖像的大小是根據采集設備的參數決定的。2. 步驟2中進行虹膜圖像分塊時，塊大小的選擇應該滿足大于瞳孔的 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域。 由于二值化之后，瞳孔區域為黑色，即瞳孔區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域。4. 步驟11中坐標點(x。，y。)附近的若千行，實際上是指縱坐標在瞳孔區域的縱坐標范圍內。并且盡量取Oc。，凡)下方的點，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^下的某一區域的谷值點，理 由在于根據多分辨率分析的思想，圖像上物體的邊緣，都對應著細節分量 上較大幅度的出現，那么這里正對應者細節分量曲線上的谷值點。而眼瞼 和睫毛的邊緣存在著更為明顯的灰度變換，因此在這兩個分辨率下的細節 分量上體現不明顯。所以，通過在這兩個分辨率下分析虹膜的邊緣，有利 于抑制眼瞼和睫毛的遮擋。采用本發明的方法，首先使用Matlab語言編寫虹膜圖定位程序；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據輸入到PC平臺上的虹膜圖像定位程序中進行處理。 采用2400張拍攝好的、包括不同人的不同光照條件、不同拍攝姿勢的灰度 虹膜圖像作為源數據，將程序判斷的結果與主觀判斷的結果進行比較，定 位準確率為97. 5%，定位一幅圖像的平均時間為1. 2s。綜上所述，本發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，結合多分辨率分析的方法，從而實現了快速準確的定位虹膜圖
權利要求
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、通過攝像裝置，對人眼中的虹膜進行圖像采集，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、選取一個固定的閾值Vb，將原始虹膜圖像進行二值化，原始灰度圖像中灰度值大于閾值Vb的象素點的灰度值賦為1，小于閾值Vb的象素點的灰度值賦為0；步驟3、對步驟2中得到的二值圖像，進行數學形態學中的閉合運算來消除二值圖像中的小空洞；其中閉合運算為AB＝(AB)ΘB，即先對原始圖像A用結構元素B進行膨脹運算，然后再進行腐蝕運算；結構元素B為一個7×7的矩陣，中間近似圓形區域內的元素的值為1，其余元素的值為0；為閉合運算符，為膨脹運算符，Θ為腐蝕運算符步驟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域，進行塊劃分，每個塊的大小為100×100；找到灰度累加和最小的塊；其中統計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>Σ</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>Σ</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、當步驟4中的統計灰度和最小的塊的公式取到最小值時，可以得到這個最小灰度和塊對應的i和j；這個灰度和最小塊對應的4個頂點是(xi，yi)，(xi+100，yi)，(xi，yi+100)和(xi+100，yi+100)；步驟6、在灰度和最小的區域內找到任意一個灰度值為0的象素點(x′，y′)；然后分別沿水平方向向左右搜索第一個灰度值為1的點，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的方法類似，以任意一個灰度值為0的象素點(x′，y′)為中心，分別沿垂直方向向上和向下搜索第一個灰度值為1的點，得到瞳孔的上邊界(x′，yu)和下邊節點(x′，yb)，瞳孔粗略中心的縱坐標是<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)附近縱坐標為y的一行，其象素點灰度值構成序列Sy；步驟9、對步驟8得到的灰度序列Sy，計算相鄰5個象素點的水平一階灰度差分，計算公式為當xo≤x＜N-5時，dSy(x)＝I(x+5，y)-I(x，y)；當5≤x＜xo時，dSy(x)＝I(x-5，y)-I(x，y)；其中dSy(x)表示縱坐標為y的一行相鄰5個像素點的水平差分值，I(x，y)表示坐標點(x，y)的灰度值，N＝640為圖像寬度；步驟10、在縱坐標為y的一行瞳孔邊界可能存在的區域，搜索步驟8得到灰度差分值最大的點，將其坐標作為瞳孔邊界點的坐標；步驟11、取坐標點(xo，yo)附近的若干行，在取出的每一行上進行瞳孔邊界點的搜索，方法與步驟8、步驟9和步驟10中在y一行進行的搜索方法相同，最終可以得到一系列瞳孔邊界點的坐標；步驟12、由于瞳孔的邊緣非常類似于一個圓，對步驟11中得到的一系列瞳孔邊界點進行圓擬合，圓方程為x2+y2+cx+dy+e＝0，c，d和e是關于圓曲線的半徑和圓心坐標點的參數，(x，y)為圓曲線上的點的坐標值，相對于這些坐標點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
2、根據權利要求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中進行虹膜圖像分塊時，塊大小的選擇應該滿足大于瞳孔的半徑，小于瞳孔的直徑。
3、根據權利要求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中坐標點(x。，凡)附近的若干行，是指縱坐標在瞳孔區域的縱坐 標范圍內，并且取Oc。，凡)下方的點。
全文摘要
本發明提供的一種基于多分辨率分析的虹膜定位方法，它首先通過二值化，數學形態學，灰度和最小塊搜索等操作定位出瞳孔的粗略圓心(x<sub>o</sub>，y<sub>o</sub>)；然后在(x<sub>o</sub>，y<sub>o</sub>)附近的若干行上，搜索一定范圍內的灰度梯度最大值的坐標作為瞳孔邊界點的坐標，經過曲線擬合可以定位出瞳孔的精確圓心和半徑；接著根據取瞳孔粗略圓心(x<sub>o</sub>，y<sub>o</sub>)附近的各行灰度序列在分辨率2<sup>-5</sup>和2<sup>-6</sup>下的細節分量，搜索局部最小值點的坐標，作為虹膜的外邊緣邊界點并進行曲線擬合得到虹膜外邊緣的精確圓心和半徑。采用本發明提出的基于多分辨率分析的方法，可以有效的進行虹膜圖像的定位操作，避免了傳統算法對眼瞼和睫毛遮擋較為敏感的問題。
文檔編號G06K9/00GK101266645SQ20081002610
公開日2008年9月17日 申請日期2008年1月24日 優先權日2008年1月24日
發明者潘力立, 梅 解, 爭 馬 申請人:電子科技大學中山學院