基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測方法
【專利說明】
[0001]
技術(shù)領(lǐng)域：本發(fā)明屬于生物特征識別技術(shù)領(lǐng)域，具體涉及一種虹膜腸環(huán)區(qū)域信息 檢測算法，以及利用虹膜腸環(huán)區(qū)域信息進行虹膜粗分類，即基于紋理差異的虹膜圖像腸環(huán) 區(qū)域檢測方法。
【背景技術(shù)】 [0002] ：生物識別技術(shù)是最重要的計算機輔助個人身份識別方法之一，廣泛的 應(yīng)用于政府項目如國家身份證、簽證和簽證辦理等領(lǐng)域。虹膜識別以其穩(wěn)定性和高識別率 在眾多生物特征中占主要地位。
[0003] 虹膜圖像具有豐富的紋理特征，這些紋理具有不同的形狀，如塊狀、條狀、斑點狀 等，研究者提出多種方法進行這些信息特征的提取，用于身份識別。然而，絕大多數(shù)方法計 算相對復(fù)雜，在一定大小的數(shù)據(jù)庫下能夠驗證虹膜識別的有效性，但在實際應(yīng)用中還存在 局限。盡管這些方法獲得良好的識別結(jié)果，然而所有虹膜身份驗證方法需要匹配輸入虹膜 圖像數(shù)據(jù)庫中大量的虹膜圖像，這是非常耗時的。

【發(fā)明內(nèi)容】
：
[0004] 發(fā)明目的：本發(fā)明提供一種基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測方法，其目的 是解決以往的虹膜識別效果不理想的問題，提高大樣本數(shù)據(jù)庫下虹膜識別的匹配速度。
[0005] 技術(shù)方案：本發(fā)明是通過以下技術(shù)方案來實現(xiàn)的：
[0006] -種基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測方法，其特征在于：所述方法的具體 步驟如下：
[0007] (1)虹膜圖像預(yù)處理
[0008] 利用現(xiàn)有的虹膜采集儀采集人眼圖像；虹膜定位，即確定瞳孔與虹膜、虹膜與鞏膜 之間的兩個邊界；虹膜圖像歸一化，即把虹膜兩個邊界構(gòu)成的圓環(huán)映射到一個固定形狀的 紋理圖中；
[0009] (2)基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測；
[0010] (3)虹膜腸環(huán)區(qū)域信息表示；
[0011] (4)應(yīng)用虹膜腸環(huán)區(qū)域信息進行虹膜圖像粗分類。
[0012] "（2) "步驟中所述的建立一種圖像局部特征到整體特征的自仿射性關(guān)系來表征紋 理。
[0013] "（3) "步驟中的腸環(huán)位置區(qū)域分布和腸環(huán)內(nèi)紋理復(fù)雜度兩種表示方法，在整個虹 膜上建立四等分統(tǒng)計模型描述腸環(huán)位置區(qū)域分布，提出一種在不規(guī)則灰度共生矩陣下計算 6種紋理描繪子方法表示腸環(huán)內(nèi)紋理復(fù)雜度。
[0014] "（4) "步驟中的建立腸環(huán)位置分布和基于支持向量機的腸環(huán)內(nèi)紋理復(fù)雜度兩種分 類模型。
[0015] (1)人眼圖像樣本庫建立
[0016] 利用現(xiàn)有的虹膜采集儀采集人眼圖像，建立基于腸環(huán)位置區(qū)域分布和腸環(huán)內(nèi)紋理 復(fù)雜度兩種分類樣本庫；
[0017] (2)人眼虹膜腸環(huán)區(qū)域定位
[0018] 1)虹膜定位：確定瞳孔與虹膜、虹膜與鞏膜之間的兩個邊界；
[0019] 2)虹膜圖像歸一化：把虹膜兩個邊界構(gòu)成的圓環(huán)映射到一個固定形狀的紋理圖 中；
[0020] 3)虹膜腸環(huán)外邊界提?。涸跉w一化圖像上建立一定大小的窗口進行掃描，描述窗 口內(nèi)紋理變化規(guī)律。分析此規(guī)律的差別確定腸環(huán)外邊界；
[0021] (3)腸環(huán)信息分析與表示：在整個虹膜上建立四等分統(tǒng)計模型描述腸環(huán)位置區(qū)域 分布，提出一種在不規(guī)則灰度共生矩陣下計算6種紋理描繪子方法表示腸環(huán)內(nèi)紋理復(fù)雜 度；
[0022] (4)基于腸環(huán)信息的虹膜粗分類：建立腸環(huán)位置分布分類模型和基于支持向量機 的腸環(huán)內(nèi)紋理復(fù)雜度分類模型，并在樣本庫上進行了測試。
[0023] 腸環(huán)內(nèi)紋理被分為以下三類：第一類：絲狀結(jié)構(gòu)，這類虹膜腸環(huán)表面平整，幾乎沒 有纖維和表面形態(tài)的變化；第二類：網(wǎng)狀結(jié)構(gòu)，此類虹膜腸環(huán)圖像同第一類相接近，只是在 腸環(huán)外邊界會出現(xiàn)少量的孔洞或者凹陷；第三類：粗麻結(jié)構(gòu)，這類虹膜腸環(huán)內(nèi)圖像纖維結(jié) 構(gòu)松散，纖維在末端經(jīng)常呈現(xiàn)開放的狀態(tài)，表面有很多大的孔洞和凹陷；
[0024] 虹膜定位就是要找出瞳孔與虹膜、虹膜與鞏膜之間的兩個邊界即內(nèi)邊界和外邊 界，這兩個邊界通常被近似為兩個圓，因此虹膜定位就是確定這兩個圓的圓心及半徑；
[0025] 將虹膜圖像歸一化，歸一化圖像大小為360*150。
[0026] 建立一種局部到整體的自仿射性關(guān)系來表征紋理；
[0027] 對于一幅灰度圖像，可以看作是3維表面，其表面的"高度"由圖像的灰度值表示， 因此表面的復(fù)雜性代表了圖像像素灰度值變化特性，這種復(fù)雜性可以定量描述，這種方法 的基本原理如下：
[0028] 1)在MXM大小的圖像上選取IXd的子塊，（d為子塊長度，即為尺度）
[0029] 2)計算子塊中中心元素與其他元素的灰度差的期望e(i，j);
[0030] e(i，j) = E[f(i，j)_f(i，j±m(xù))] (2)
[0031] 式中f (i，j)表示子塊中心元素的灰度值，f (i，j±m(xù))表示子塊中其余元素的灰度 值；
[0032] 3)選取不同尺度的子塊在MXM圖像上滑動，計算每種尺度子塊的期望，分別構(gòu)成 一個二維矩陣D d;
[0033] 4)統(tǒng)計不同尺度d的二維矩陣Dd的期望直方圖Hd(r k);
[0034] Hd (rk) = nk (3)
[0035] 式中k表示直方圖的級數(shù)；rk是第k級期望值；n k是矩陣D沖期望為r ,的個數(shù)；
[0036] 5)不同尺度的期望直方圖分布對于同一紋理圖像都具有相似的自仿射性，也就是 說它們具有線性關(guān)系。因此，構(gòu)造如下線性方程：
[0037] d ^ Kallj +b
[0038] (4)
[0039] 式中％為不同尺度期望直方圖Hd(rk)的標準偏差，K為線性擬合的斜率，其值表 示紋理圖像的特征。
[0040] 為了尋找腸環(huán)外邊界，歸一化圖像上，建立一定大小的窗口描述該窗口內(nèi)紋理變 化規(guī)律，分析此規(guī)律的差別確定腸環(huán)外邊界，具體步驟如下：
[0041] 步驟I):根據(jù)實驗選擇尺度及窗口大小，確定窗口大小后計算窗口內(nèi)不同尺度子 塊的期望e(i，j);
[0042] 步驟2):計算窗口內(nèi)不同尺度的期望直方圖Hd(rk);
[0043] 步驟3):按式⑷計算K值；
[0044] 步驟4):在如圖所示的行方向上滑動窗口，計算每個窗口的K值，求出該行內(nèi)最小 K值，該K值所在窗口的中心點即為該行的腸環(huán)邊界點；
[0045] 步驟5):窗口向下移動一個像素，重復(fù)步驟1)-4)，直到找到所有行的邊界點，連 接步驟5)得到的所有邊界點，即為虹膜腸環(huán)外邊界的輪廓線。
[0046] 優(yōu)點及效果：
[0047] 本發(fā)明提供一種基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測方法，為了減少搜索時間 和計算復(fù)雜度，最好能夠在虹膜圖像匹配之前進行粗分類，以便輸入虹膜與虹膜匹配只有 在其相應(yīng)的類別中進行。
[0048] 虹膜圖像紋理分布不均勻，人從視覺上可以看出存在一個過渡邊界，虹膜圖像中 對于大多數(shù)人群的這個邊界模糊，而且模糊的程度不一。該邊界將整個虹膜紋理分為內(nèi)外 兩部分，從瞳孔到這個過度邊界的區(qū)域被稱為腸環(huán)。從圖像中可以看出，腸環(huán)區(qū)域內(nèi)紋理與 外部紋理存在明顯的差異，同時，不同類人的虹膜圖像的腸環(huán)區(qū)域位置分布和紋理都存在 差異。這些差異在整個虹膜圖像中占主要地位，可以作為虹膜的特征，應(yīng)用于虹膜圖像的粗 分類，從而提高基于大樣本數(shù)據(jù)庫的虹膜識別的匹配速度。另外，虹膜圖像的腸環(huán)區(qū)域信息 在采集時不受眼瞼，睫毛的遮擋，有利于