一種基于徑向梯度檢測的虹膜定位方法
【專利摘要】本發(fā)明公開一種基于徑向梯度檢測的虹膜定位方法，該方法步驟包括估測瞳孔中心的位置，將其作為參考點劃分待搜索虹膜區(qū)域，將待搜索虹膜區(qū)域按極坐標展開為一定大小的矩形區(qū)域；利用徑向梯度檢測法定位虹膜區(qū)域的內邊界；利用徑向梯度檢測法定位虹膜區(qū)域的外邊界并根據鄰域內的徑向梯度對外邊界的參考半徑進行微調。本發(fā)明所述技術方案，避免了在大范圍內對虹膜邊界參數進行逐點的三維空間搜索，以及對邊緣檢測和區(qū)域分割復雜閾值的自適應確定，并且受光源像點和光照不均等干擾影響較小，能夠實現快速而精確的虹膜定位，從而有助于提高虹膜識別系統的識別速度和準確率。
【專利說明】一種基于徑向梯度檢測的虹膜定位方法

【技術領域】
[0001] 本發(fā)明涉及一種圖像分割方法。更具體地，涉及一種用于虹膜生物識別系統的快 速虹膜定位方法。

【背景技術】
[0002] 虹膜識別以其準確性、穩(wěn)定性、安全性和非接觸性等顯著優(yōu)勢漸已成為生物識別 領域的研究熱點和發(fā)展趨勢。在虹膜識別系統中，虹膜圖像預處理（包括虹膜定位、干擾檢 測、歸一化和圖像增強等）是虹膜識別的前提，其中虹膜定位是關鍵。只有定位準確，才能 提取更多的有效虹膜特征，從而實現準確識別。然而在實際應用中，由于采集設備的硬件限 制和采集環(huán)境的光照變化等因素，獲取到的虹膜圖像中往往存在不同程度的噪聲干擾、細 節(jié)模糊和對比度低等情形，這就給虹膜定位帶來困難。
[0003] 目前在虹膜識別系統中，常用的虹膜定位算法主要分為三類：第一類是基于 Daugman提出的利用微積分圓檢測器迭代求取徑向梯度圓周積分最大值所對應的參數進行 虹膜定位的算法；第二類是基于Wildes提出的利用Hough圓檢測變換搜索參數空間內得到 投票最多的圓周所對應的參數進行虹膜定位的算法；第三類是基于邊緣梯度濾波與二值化 邊緣檢測并結合圓周擬合進行虹膜定位的算法。虹膜定位的速度和精度是相矛盾的，為了 在系統的實時性和準確性之間尋求最佳的平衡，這些算法要求輸入的虹膜圖像必須是高質 量的。然而在實際應用中，采集虹膜圖像的場景往往是復雜多變的，要求始終能獲取到高質 量的虹膜圖像是不現實的。
[0004] 以上常用的虹膜定位算法均是利用虹膜圖像中從瞳孔到虹膜再到鞏膜區(qū)域過渡 處像素灰度變化明顯的特點，通過區(qū)域分割的方法在虹膜圖像直角坐標系的參數空間內尋 找對應虹膜內、外邊界的最優(yōu)化參數，從而實現虹膜定位。這些算法雖然在一定條件下能獲 得較好的定位效果，但是存在以下明顯的缺點：
[0005] 1. Daugman的迭代檢測、Wildes的Hough變換、以及圓周擬合等算法都需要在虹膜 圖像中的一定范圍內對虹膜邊界參數進行逐點的三維空間（圓周圓心的行、列坐標及半徑 長度）搜索，復雜度高，耗時較長。如果不能有效地限定搜索范圍，勢必難以滿足虹膜識別 系統的實時性要求。
[0006] 2.這些算法對實際圖像中的噪聲干擾和光照不均等影響都較為敏感，尤其是由光 源像點和睫毛等引起的局部邊緣灰度跳變和光照不均引起的區(qū)域邊緣模糊等問題，造成虹 膜邊界檢測效率過低，從而定位失敗。如果不能引入有效的虹膜圖像質量判別準則及噪聲 干擾檢測算法，勢必難以滿足虹膜識別系統的準確性要求。
[0007] 3.在虹膜定位過程中，需要輸入合理的閾值進行邊緣檢測，而閾值的選取與虹膜 圖像的灰度分布統計特性有關，不同系統采集到的虹膜圖像統計特性差別明顯，自適應地 選取閾值比較困難。在實際應用中，往往根據特定系統的成像特性以及大量的試驗確定若 干個經驗值作為待選取的閾值。非自適應的閾值選取會增加系統和算法設計的復雜性，勢 必難以滿足虹膜識別系統的實用性要求。
[0008] 因此，需要提供一種用于虹膜生物識別系統的快速虹膜定位方法。


【發(fā)明內容】

[0009] 本發(fā)明的目的在于提供一種基于徑向梯度檢測的虹膜定位方法，解決虹膜定位速 度慢以及由于局部干擾影響而無法準確定位虹膜的問題。
[0010] 為達到上述目的，本發(fā)明采用下述技術方案：
[0011] 一種基于徑向梯度檢測的虹膜定位方法，該方法步驟包括：
[0012] S1、基于光源像點與瞳孔的相對位置估測瞳孔中心位置可能的直角坐標 (xpp, ypp)；
[0013] S2、以所述估測的瞳孔中心位置可能的直角坐標為原點，將待搜索虹膜區(qū)域按極 坐標展開為矩形區(qū)域；
[0014] S3、在所述矩形區(qū)域內，利用徑向梯度檢測法定位虹膜區(qū)域的內邊界；
[0015] S4、在所述矩形區(qū)域內，利用徑向梯度檢測法定位虹膜區(qū)域的外邊界。
[0016] 優(yōu)選地，步驟S1進一步包括步驟：
[0017] S11、改變光源陣的排列形式、調節(jié)光源與相機的相對位置使光源像點聚集于瞳孔 內的某一處；
[0018] S12、搜索可能存在光源像點的位置；
[0019] S13、搜索可能存在瞳孔區(qū)域的位置；
[0020] S14、基于可能的光源像點與瞳孔的相對位置估測內部包含光源像點的瞳孔區(qū)域 中心位置的直角坐標。
[0021] 優(yōu)選地，步驟S12進一步包括步驟：
[0022] S121、對虹膜圖像進行平滑處理，公式如下：
[0023] imgfil = imfiIter (eyeimage, Η)；
[0024] 公式中，eyeimage是采集到的虹膜圖像，H是平滑濾波算子；
[0025] S122、利用閾值分割和連通域檢測搜索光源像點可能存在的位置，公式如下：
[0026]

【權利要求】
1. 一種基于徑向梯度檢測的虹膜定位方法，其特征在于，該方法步驟包括： 51、 基于光源像點與瞳孔的相對位置估測瞳孔中心位置可能的直角坐標（xpp，ypp); 52、 以所述估測的瞳孔中心位置可能的直角坐標為原點，將待搜索虹膜區(qū)域按極坐標 展開為矩形區(qū)域； 53、 在所述矩形區(qū)域內，利用徑向梯度檢測法定位虹膜區(qū)域的內邊界； 54、 在所述矩形區(qū)域內，利用徑向梯度檢測法定位虹膜區(qū)域的外邊界。
2. 根據權利要求1所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述步驟Sl 進一步包括步驟： 511、 改變光源陣的排列形式、調節(jié)光源與相機的相對位置使光源像點聚集于瞳孔內的 某一處； 512、 搜索可能存在光源像點的位置； 513、 搜索可能存在瞳孔區(qū)域的位置； 514、 基于可能的光源像點與瞳孔的相對位置估測內部包含光源像點的瞳孔區(qū)域中心 位置的直角坐標。
3. 根據權利要求2所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述步驟S12 進一步包括步驟： 5121、 對虹膜圖像進行平滑處理，公式如下： imgfil=imfiIter(eyeimage,H)； 公式中，eyeimage是采集到的虹膜圖像，H是平滑濾波算子； 5122、 利用閾值分割和連通域檢測搜索光源像點可能存在的位置，公式如下：
公式中，numl為可能存在光源像點的連通區(qū)域的個數，Tlight為光源像點灰度檢測閾 值； 5123、 估測每個可能的光源像點的直角坐標，公式如下：
公式中，loc_light為可能的光源像點中心對應的直角坐標的行、列坐標對向量。
4. 根據權利要求2所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述步驟S13 進一步包括步驟： 5131、 對虹膜圖像進行局部填充，公式如下： imgcom=imcomplement(imfill(imcomplement(imgfil)，'holes'））； 5132、 利用閾值分割和連通域檢測搜索瞳孔區(qū)域可能存在的位置，公式如下：
公式中，nump為可能存在瞳孔的連通區(qū)域的個數，Tpupil為瞳孔區(qū)域灰度檢測閾值； S133、估測每個可能的瞳孔的行、列坐標及其半徑，公式如下：
公式中，l〇c_pupil為可能的瞳孔中心對應直角坐標的行、列坐標對向量，rad_pupil為可能的瞳孔區(qū)域對應的半徑向量。
5. 根據權利要求2所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述步驟S14 進一步包括步驟： 5141、 搜索內部包含光源像點的瞳孔區(qū)域，估測瞳孔中心位置的直角坐標（xpa，ypa)，公 式如下：
5142、 統計瞳孔中心位置可能的直角坐標（xpp，yPp)，公式如下： -：3〈xpp_xpa〈：3n-：3〈ypp_ypa〈：3。
6. 根據權利要求1所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述步驟S2 進一步包括： 以每一個可能的瞳孔中心坐標（xPp，yPp)為原點，將其NhXNw大小的矩形鄰域按極坐標 展開為隊XNe大小的矩形區(qū)域，其中乂和Nw分別是矩形區(qū)域的高和寬，展開方法為將虹膜 區(qū)域NhXNw內的每一點（x，y)映射到由極坐標（r，0 )表示的矩形區(qū)域隊XNe內，公式如 下： I(X(r，0)，y(r，0 )) -I(r，0)，I(X，y)Gimgcom 公式中，半徑r在徑向位置，范圍是[1，RJ，其中Rm是限定的虹膜邊界半徑最大值，徑 向采樣點數是隊；角度0沿角度方向，范圍是[0°，360° )，角度采樣點數是Ne。
7. 根據權利要求1所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述步驟S3 進一步包括： 設定虹膜區(qū)域的內邊界為（xp,yp)、半徑為rp; 以每一個可能的虹膜內邊界圓心坐標（xPp，yPp)為原點，進行按極坐標展開矩形區(qū)域 的步驟S2,得到一個隊XN0大小的矩形采樣陣I(r, 0，xpp,ypp)，在每一個I上沿r方向求 出其徑向梯度向量Grad(r,xpp,ypp)，公式如下： Grad(r) =sum(I(r+l, :))-sum(I(r,:))； 公式中，r= 1，2,…，Nr-I; 統計每一個徑向梯度向量Grad(r,xpp,ypp)的峰值，其中最大峰值對應的三維參數向 量（r,xpp,ypp)為虹膜內邊界的參數,公式如下：
公式中，（xp，yp)和rp分別為虹膜內邊界的圓心坐標和半徑。
8. 根據權利要求1所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述步驟S4 進一步包括： 設定外邊界的圓心為（xo,yo)、半徑為ro; 外邊界的圓心（xo,yo)在內邊界圓心（xp,yp)的NtjXNtj鄰域內，公式如下：
公式中，（XOp,yop)為虹膜外邊界圓心可能的坐標，N。彡5 ; 以每一個可能的虹膜外邊界圓心坐標（X〇p，y〇p)為原點，進行按極坐標展開矩形區(qū)域 的步驟S2,得到一個隊XN0大小的矩形采樣陣I(r, 0，xop,yop)，在每一個I上沿r方向求 出其徑向梯度向量Grad(r'，xop,yop)，公式如下： Grad(r，）=sum(I(r' +1, :))-sum(I(r',:))； 公式中，:r' =rp+1,rp+2, ,Nr-I; 統計每一個徑向梯度向量Grad(r'，xop,yop)的峰值，其中最大峰值對應的三維參數向 量（r'，X〇p，y〇p)為虹膜外邊界的參數，公式如下：
公式中，（X〇，y〇)和r〇Mf分別為虹膜外邊界的圓心和參考半徑。
9. 根據權利要求8所述基于徑向梯度檢測的虹膜定位方法，其特征在于，所述定位虹 膜外邊界參考半徑的方法進一步包括： 根據虹膜區(qū)域外邊界鄰域Ar內的徑向梯度對所述外邊界的參考半徑r〇Mf進行微調， 公式如下：
公式中，:rAG[roref-Ar，;roref)U(roref，roref+A;r]，SG(〇，1)為權重因子，ro為 虹膜外邊界半徑。
【文檔編號】G06K9/00GK104268527SQ201410504448
【公開日】2015年1月7日 申請日期:2014年9月26日 優(yōu)先權日:2014年9月26日
【發(fā)明者】郭慧杰, 王超楠, 楊倩倩, 韓一梁, 楊昆, 年豐 申請人:北京無線電計量測試研究所