虹膜定位方法及可見光虹膜識別系統與流程

本發明涉及虹膜定位方法及使用該虹膜定位方法的可見光虹膜識別系統，尤其涉及采用魯棒虹膜定位和Gabor小波系數的幅值/相位特征的可見光虹膜識別系統。

背景技術：

虹膜識別是一種利用虹膜特征來識別人的身份的生物特征識別方法。由于虹膜特征的不變性和獨立性，虹膜識別系統是生物特征識別系統(比如指紋、人臉、聲紋、掌紋識別等)中準確率最高的一種，因為這些優勢，虹膜識別已經開始廣泛應用。

虹膜識別的過程通常包含虹膜定位、歸一化、特征提取和比對。虹膜定位的魯棒性、準確性以及虹膜特征的選取是決定虹膜識別系統性能的最重要因素。

現在已經有很多虹膜定位方法，比如Daugman方法、Wildes方法、基于統計原理的虹膜定位方法、基于水平集的虹膜定位方法，但是這些方法計算量大，此外在圖像模糊、戴眼鏡、瞳孔被眼瞼覆蓋的情況較多，導致虹膜識別特別是可見光虹膜識別時不穩定。

虹膜特征分為兩類：全局特征和局部特征。對應這兩類特征有兩類特征提取方法。例如：PCA(Principal Component Analysis)和LDA(Linear Discriminant Analysis)是全局特征提取方法，LBP(Local Binary Pattern)和小波是局部特征提取方法。全局特征通常準確率相對較低，局部特征性能最好的Daugman小波系數的相位特征，在圖像質量差的時候效果較差。

技術實現要素：

本發明提供一種不受環境影響可以從可見光虹膜圖像中魯棒地 檢測虹膜邊界的虹膜定位方法及應用該虹膜定位方法的可見光虹膜識別系統。

本發明的技術方案一提供一種虹膜定位方法，對虹膜外邊緣和作為虹膜內邊緣的瞳孔邊緣進行定位，

所述虹膜定位方法包括：

在虹膜圖像中運用虹膜外邊緣檢測算子，得到虹膜外邊緣所在圓的圓心和半徑，來定位虹膜外邊緣；

在虹膜圖像中運用瞳孔檢測算子，得到瞳孔所在圓的圓心和半徑，來定位虹膜內邊緣；

在虹膜圖像中運用眼瞼檢測算子，得到上、下眼瞼所在圓的圓心和半徑。

本發明的技術方案二提供一種可見光虹膜識別系統。該虹膜識別系統包括：

虹膜定位模塊，基于可見光虹膜圖像，應用技術方案1的虹膜定位方法，獲得虹膜外邊緣所在圓的圓心和半徑、瞳孔所在圓的圓心和半徑、以及上、下眼瞼所在圓的圓心和半徑；

歸一化模塊，采用Daugman方法將虹膜區域歸一化為固定大小的矩形區域，并移除眼睫毛和反光的影響，采用局部直方圖均衡化方法增強歸一化虹膜圖像的虹膜紋理；

特征提取模塊，計算二維Gabor小波系數得到幅值特征和相位特征；及

比對模塊，對兩個虹膜圖像特征的每個對應點，計算幅值特征的相關距離和相位特征的漢明距離，加權計算求出總類似度，如果總類似度大于規定的閾值，則判斷為兩幅圖像來自同一個眼睛。

本發明的技術方案三提供的可見光虹膜識別系統為，在技術方案二所述的可見光虹膜識別系統中，特征提取模塊進行如下動作：

在對所述可見光虹膜圖像進行預處理得到的歸一化圖像中選取固定的M*N個采樣點，對每個采樣點計算5個頻率8個方向的Gabor小波系數，其中M、N為大于0的自然數，

對每個采樣點得到40維復向量并計算40維歸一化向量幅值，及160位相位二值數組得到幅值特征和相位特征。

發明的效果

根據本發明的虹膜定位方法及可見光虹膜識別系統，無論可見光虹膜圖像質量好壞均能夠快速、穩定地定位虹膜位置并進行識別。

附圖說明

圖1是定位虹膜定位示意圖。

圖2是虹膜特征提取與比對示意圖。

圖3是虹膜識別系統的框圖。

具體實施方式

下面，結合附圖，對本發明的虹膜定位方法及使用該虹膜定位方法的虹膜識別系統進行詳細說明。

虹膜定位方法包括定位虹膜外邊界所在圓的圓心和半徑、瞳孔的圓心和半徑、上、下眼瞼所在圓的圓心和半徑。一般情況下，虹膜、瞳孔及眼瞼的內、外邊界近似于圓形，在本發明中，也是將瞳孔及眼瞼看作圓形進行處理。

<檢測虹膜外邊緣>

虹膜外邊緣檢測算子如下：

其中：

w₁，w₂：權重

n：單元外法向量

Γ₁是圓心為(x0，y0)半徑為r的左半圓，

Γ₂是圓心為(x0，y0)半徑為r的右半圓

按照上面方法計算得到虹膜外邊緣的圓心位置(x_iris，y_iris)和半徑r_iris

<檢測瞳孔>

瞳孔檢測算子如下：

其中，Γ是圓心為(x0，y0)半徑為r的圓，d((x1，y1)，(x2，y2))是點(x1，y1)與點(x2，y2)的歐氏距離，D＝{(x，y)|(x-x0)²+(y-y0)²≤r²}

按照上面方法計算得到瞳孔圓心位置(x_pupil，y_pupil)和半徑r_pupil。

<檢測上、下眼瞼>

檢測眼瞼算子如下：

其中

按照上面方法計算得到上眼瞼圓心位置(x_top，y_top)和半徑R_top，

同理，讓

按照上面方法計算得到下眼瞼的圓心位置(x_bottom，y_bottom)和半徑R_bottom。

<特征提取>

Gabor小波特征提取如下：

在歸一化虹膜圖像中選取固定的64*8個采樣點。對每個采樣點(i，j)，計算5個頻率8個方向的Gabor小波系數。

Gabor小波公式如下

其中，(x，y)是歸一化虹膜圖像中的點坐標，θ是Gabor小波方向，f是頻率，σ是方差。

這里，σ和f的關系如下：

W_t是Gabor小波窗口大小

計算64*8個固定采樣點的5個頻率8個方向的2DGabor小波系數，我們在每個點可以得到40個復數(Re₁+iIm₁)，(Re₂，+iIm₂)，…，(Re₄₀+iIm₄₀)

40維歸一化向量幅值計算如下：

vec＝[v₁，v₂，…，v₄₀]/(v₁²+v₂²+…+v₄₀²)^1/2

其中v_k＝(Re_k²+Im_k²)^1/2，k＝1，2，…，40

相位：對于復數(Re_k，+iIm_k)，k＝1，2，…，40，，我們可以計算二值化數組bit_k，k＝1，2，…，40

這里，bit_k＝(b₀，b₁，b₂，b₃)

然后，得到160位二值數組。

下面，結合圖3對使用了本發明的可見光虹膜識別系統進行說明。

虹膜識別系統包括虹膜定位模塊、歸一化模塊、特征提取模塊及比對模塊。

虹膜定位模塊執行如下處理。

·定位虹膜外邊緣所在圓的圓心和半徑；

·定位瞳孔邊緣所在圓的圓心和半徑；

·定位上、下眼瞼所在圓的圓心和半徑；

歸一化模塊執行如下處理。

利用定位的虹膜內外邊界將虹膜區域轉換為固定大小的矩形區域，并去除眼睫毛和反光的影響，然后進行局部直方圖均衡化增強虹膜紋理。

特征提取模塊執行如下處理。

·選在歸一化的矩形圖像中選取64×8個采樣點；

·對于每個采樣點，計算5個頻率8個方向的2D Gabor小波系數。對每個采樣點得到40維的向量，對40維向量幅值歸一化得到幅值特征，對40維向量相位二值化得到相位特征，幅值特征和相位特征組合得到虹膜整體特征。

比對模塊執行如下處理。

對于兩個圖像對應的采樣點，計算兩個幅值特征的相關距離和兩個相位特征的漢明距離，兩個距離加權計算得到總類似度，如果類似度大于定義的閾值，則認為兩幅圖像是同一個眼睛。

本發明人通過實驗驗證了本發明的效果。

在MICHE數據庫上的測試結果如下：

該數據庫包含386個不同的虹膜，每個虹膜15幅圖像。Iphone5拍攝虹膜圖像的虹膜邊界準確定位率為99％，Samsung S4拍攝虹膜圖像的虹膜邊界準確定位率為98％。因此，通過本發明的虹膜邊界定位方法，對于現有技術無法定位正確的可見光虹膜邊緣的情況，也能夠快速、穩定地定位虹膜內、外邊界。

可見光識別系統的性能：

如上所述，對本發明的優選的實施方式進行了說明，但上述實施方式僅僅是作為例子來提示的，并不對本發明的保護范圍進行限定，例如，上述涉及的所取采樣點的數量、向量的維數等也僅僅是例示，根據實際要求的速度、定位精度等，也可以是其他的數量。