CN101819626A - 一种基于图像融合的虹膜光斑消除方法 - Google Patents

Abstract

本发明提出一种基于图像融合的虹膜图像光斑消除方法，主要步骤包括：虹膜图像预处理；虹膜图像配准；光斑定位及图像融合。本发明创造性的运用SSDA算法对归一化展开后的虹膜图像配准，算法快速高效。本发明采用sobel算子和hough变换定位光斑，使用图像切割技术实现虹膜图像的融合，消除虹膜图像上的光斑，提高了系统的实用性。本发明解决了虹膜图像获取过程中由于光照因素造成的图像质量下降这个一直难以解决的问题，进一步使得非侵犯性的虹膜识别系统具有更高的准确性和更低的配合度以及更大的实用性。本发明可用于进行身份识别诸多应用系统中，提高了系统的精确性和实用性。本发明对于硬件没有特殊要求，而且不涉及复杂的计算，易于在实际的系统中使用。

Description

一种基于图像融合的虹膜光斑消除方法

技术领域

本发明涉及模式识别、图像融合、虹膜图像预处理，特别是基于图像融合的虹膜光斑去除方法。

背景技术

虹膜是整个人体中最为独特的结构之一，它是一种在眼睛中瞳孔内的织物状的各色环状物，每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹点、射线、皱纹和条纹等特征的结构。正是丰富的纹理和复杂的结构使虹膜具有了唯一性、稳定性、可采集性、难更改性、非侵犯性等特点。这些特点使虹膜非常适合用于识别身份，也使虹膜识别成为目前错误率最低的生物特征身份识别技术。虽然目前已有很多的虹膜识别方法，但是虹膜的非侵犯性却给虹膜识别带来了一些问题，其原因在于：对于自动的非侵犯性虹膜识别系统来说，不应对被采集者要求过高，就是说被采集者可以轻松随意的使用识别系统，这就要求虹膜识别系统在图像获取环节就考虑到各种可能出现的情况所造成的虹膜图像质量不高问题。在各种低质量的虹膜图像中，由于光照因素造成的图像上的光斑，一直是虹膜图像获取过程中较难解决的问题之一。虹膜图像上的光斑常因为以下情况引起：

(1)采集者在系统前的位置不同，采集设备的辅助光源形成的光斑很难控制在瞳孔内；

(2)被采集者佩戴眼镜，眼镜镜片的反光：

(3)眼睛表面的液体反光。

由于上述原因带来的虹膜图像上的光斑，引起了一定程度上的虹膜纹理特征的缺失，从而影响纹理特征的提取，造成误识错识，进而影响虹膜识别的准确性。由于光照因素造成的虹膜图像上的光斑问题是影响非侵犯性的虹膜识别系统精确性、实用性的重要因素之一。

发明内容

本发明的目的是针对由于光照因素造成的虹膜图像上的光斑问题，提出一种基于图像融合的虹膜图像光斑消除方法，从而使非侵犯性的虹膜识别具有更高的准确性和更低的配合度以及更大的实用性。

为实现上述目的，基于图像融合的虹膜图像光斑消除方法，包括步骤：

虹膜图像预处理；

虹膜图像配准；

光斑定位及图像融合。

本发明的虹膜图像配准采用SSDA方法进行图像的配准对齐，算法快速有效。本发明采用sobel算子和hough变换定位光斑位置，使用图像切割技术实现虹膜图像的融合，消除虹膜图像上的光斑，提高了系统的实用性。本发明可用于进行身份识别诸多应用系统中，提高了系统的精确性和实用性。本发明对于硬件没有特殊要求，而且不涉及复杂的计算，易于在实际的系统中使用。

附图说明

图1为两幅光斑位于虹膜不同位置的样本图像；

图2为定位后的虹膜图像；

图3为归一化后的虹膜图像；

图4为模板匹配示意图；

图5为配准对齐后的两幅虹膜图像；

图6为sobel算子定位光斑；

图7为融合后虹膜图像。

发明的具体实施方式

一般来讲，虹膜识别系统分为“硬件和软件”两大模块：虹膜图像获取装置和虹膜识别算法。虹膜识别算法包括三个主要步骤：图像预处理、特征提取和模式匹配。本发明提出的方法将应用于虹膜识别软件模块中的图像预处理部分。

本发明提出一种新颖、可靠的虹膜图像光斑消除方法。目前，一般的虹膜识别方法采用直接抛弃具有光斑的虹膜图像的方法，本发明不同于这些方法，采用基于图像融合的方法消除虹膜图像上的光斑。本发明的新颖性主要在于：1)利用模板匹配法对两幅虹膜图像归一化展开后进行配准对齐，快速有效；2)消除光斑，避免虹膜图像的纹理的缺失，提高系统识别准确性。

本发明提出的基于图像融合的虹膜图像光斑消除方法包含三个主要步骤：

1.虹膜图像预处理

虹膜图像的预处理是虹膜识别中非常关键的一步，将直接影响识别的准确率。预处理主要包括图像平滑、虹膜定位与提取、虹膜图像的归一化等过程。

Ⅰ.虹膜定位

虹膜定位直接影响着虹膜识别的准确性，包括虹膜内边缘定位和外边缘定位。本发明根据虹膜图像灰度特点，瞳孔的灰度比虹膜的灰度小的多，从而可以很容易的定位虹膜的内边缘，进而计算出瞳孔的中心和半径。由于在虹膜图像中常常有眼皮和睫毛的干扰，而且虹膜和巩膜之间的灰度梯度变化也不是明显，因此外边缘的定位较复杂。我们先对虹膜图像中值滤波，再用canny算子进行边缘检测，用Hough变换拟合出虹膜外边缘得到外边缘的中心和半径。附图2为虹膜定位结果。

Ⅱ.图像归一化

在获得了虹膜内外圆参数后，我们发现瞳孔的圆心与虹膜的圆心并不完全重合，但差距不大，因此对虹膜进行分割时是以瞳孔的圆心作为圆心，采用极坐标的方式将虹膜展开成矩形，变换过程采用公式(1)

X_θ(ρ)＝X₀+ρcos(θ)    (1)

Y_θ(ρ)＝Y₀+ρsin(θ)

其中，X_θ(ρ)和Y_θ(ρ)分别表示在角度为θ，长度为ρ时的虹膜图像坐标；X₀、Y₀表示瞳孔圆心坐标；0≤θ≤360；当ρ变化时，在θ∈[0，2π)上以一定的采样率提取特征点，采样率不随ρ变化。考虑到在采样点不是整数的情况下，采用双线性插值的方法来解决这个问题。在环形道矩形图片的归一化后，还要将图片缩放到统一的尺寸，以便进行下一步的图像配准，附图3为展开归一化后的虹膜图像。

2.图像配准对齐

经过对虹膜图像预处理，我们得到归一化展开成矩形的虹膜纹理图像。要消除虹膜上亮点需要将虹膜纹理图像配准对齐，定位亮点的位置并融合。

由于在采集过程中虹膜图像可能存在一定程度的旋转等，从而引起位置偏差，因此在虹膜图像展开并且归一化后，虹膜纹理一般而言是不能完全对齐的。这个问题给虹膜图像的融合带来了麻烦，因此要进行虹膜图像融合之前，必须先将两幅图像进行配准对齐。一般而言，图像配准有很多的方法，考虑到模板匹配方法对匹配图像的纹理信息没有限制，所以本发明采用基于模板匹配的方法进行两幅图像的配准，算法快速高效。

图4为模板匹配方法示意图，设模板T(m，n)叠放在搜索图S上平移，模板大小为m×n，i和j为模板位置的坐标。被模板覆盖的搜索图像叫做子图，S^i，j(m，n)为这块子图的左上角像点在S图中的坐标，称为参考点。比较T(m，n)和S^i，j(m，n)，若两者一致，则T(m，n)和S^i，j(m，n)之差为0，所以可以用公式(2)中的相关函数来衡量T(m，n)和S^i，j(m，n)的相似程度，

$R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{S}^{i,j}(m,n)T(m,n)}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{\left[S^{i,j}(m,n)\right]}^2}---\left(2\right)$

这里我们假设搜索图S大小为M×N，且1≤i，j≤N-M+1。运用这种方法进行匹配的计算量非常大，这是由于匹配时模板T(n，n)要做(N-M+1)次相似度计算，而且大部分都是在非匹配点做的无用功，因此我们采用一种快速的匹配方法进行匹配，即序贯相似度检测算法(SSDA)。

具体配准过程是：首先在其中一幅图像上选取1个模板，这个图像称之为标准图像，并记下这个模板的中心坐标值。因为两幅图像是在归一化之后进行配准，待测图像与标准图像不存在角度、缩放等差异，匹配问题仅仅需要考虑平移相关问题，所以可以根据标准图像中的模板坐标值，分别加减一定的数值作为搜索区间，由对应的模板在此图像上进行匹配，以减少不必要的匹配计算。采用SSDA算法进行相似度计算，选取待测图像中与模板相似度最大的部分作为匹配区域。一般所取模板是矩形或正方形，根据模板4个角点处的灰度和2个方向上的灰度梯度等特征，可以在待测图像中迅速得到模板4个角点的匹配点，即得到该模板的匹配区域。得到配准参数后，将图像进行切割拼接，进行图像配准，从而使两幅虹膜图像对齐。图5为配准对齐后的两幅虹膜图像。

3.光斑定位及图像融合

Ⅰ.光斑定位

两幅图像配准对齐后，需要分别定位两幅虹膜图像中光斑的位置，大小和形状。由于亮点的相对于其他纹理位置灰度大，灰度梯度变化明显，本发明选用sobel算子的方法，进行边缘检测，从而确定光斑的位置、形状和大小，图6为光斑定位结果。

Ⅱ.图像融合

幅图像中光斑的位置确定后，利用图像分割技术，用与光斑相同位置的另一副图像的相对应位置的虹膜纹理图像替换光斑位置的图像内容，由于光斑可能大小不同，在这里选取较大光斑的直径为标准，从而形成一幅没有光斑完整的虹膜图像，图7为融合后的虹膜图像。

本发明提出一种基于图像融合的虹膜图像光斑消除方法，本方法的优点在于：

1.本方法充分利用虹膜图像的特点，采取先预处理归一化后再配准的方法对虹膜图像进行对齐。

2.本方法创造性的运用SSDA算法对归一化展开后的虹膜图像快速配准并进行图像融合，融合成一幅消除了光斑的高质量的虹膜图像，算法快速高效。

3.本方法利用图像处理技术提高虹膜图像质量，降低对相应硬件的要求。

4.本方法对于虹膜获取装置没有特殊的要求，而且不涉及复杂的计算，易于在实际的系统中使用。

综上所述，本发明可以有效的消除虹膜图像上的光斑，避免虹膜纹理的缺失，解决了虹膜图像获取过程中由于光照因素造成的图像质量下降这个一直难以解决的问题，进一步使得非侵犯性的虹膜识别系统具有更高的准确性和更低的配合度以及更大的实用性。

Claims (4)

1.一种基于图像融合的虹膜图像光斑消除方法，包括步骤：

虹膜图像预处理：

对展开归一化的虹膜图像配准；

光斑定位及图像融合。

2.按权利要求1所述的方法，其特征在于所述的虹膜图像预处理包括步骤：

图像平滑；

虹膜定位与提取；

虹膜图像的归一化。

3.按权利要求1所述的方法，其特征在于所述的虹膜图像配准包括步骤：

其中一幅图像上选取1个矩形模板；

采用SSDA算法根据模板4个角点处的灰度和2个方向上的灰度梯度等特征，在待测图像中得到模板4个角点的匹配点，即得到该模板的匹配区域；

得到配准参数后，将图像进行切割拼接，进行图像配准，使两幅虹膜图像对齐。

4.按权利要求1所述的方法，其特征在于所述的光斑定位和图像融合包括步骤：

用sobel算子的方法，进行边缘检测，使用hough变换拟合光斑的边缘，确定光斑的位置、形状和大小；

利用图像分割技术，用与光斑相同位置的另一副图像的相对应位置的虹膜纹理图像替换光斑位置的图像内容，选取较大光斑的直径为标准，从而形成一幅没有光斑完整的虹膜图像。

Images