CN101916362A - 一种虹膜定位方法及虹膜识别系统 - Google Patents

Abstract

本发明涉及生物识别技术领域，公开了一种虹膜定位方法及虹膜识别系统，本发明是基于数学形态学、Radon变换(拉东变换)、canny算子(砍尼算子)和hough变换(霍夫变换)，该算法可分为内边缘和外边缘的定位。首先内边缘的定位是基于直线检测的灰度投影方法，采用数学形态学原理对二值化后的图像进行处理，以去除噪声的干扰；外边缘的定位则先利用数学形态学原理对虹膜图像进行处理，然后采用Radon变换检测上、下眼睑去除干扰，最后采用canny算法提取边缘和hough变换检测虹膜的外边缘，这样可以避免大面积的盲目搜索，从而提高定位速度。

Description

一种虹膜定位方法及虹膜识别系统

技术领域

本发明涉及生物识别技术领域，尤其涉及的是一种虹膜定位方法及虹膜识别系统。

背景技术

用于身份识别的生物特征包括生理特征和行为特征两个方面，生理特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等，行为特征有签字、声音、按键力度等。基于以上这些特征，已经发展了指纹识别、人脸识别、语音识别、签名识别和虹膜识别等多种生物识别技术。

虹膜身份识别技术是一种近年来新兴的生物识别技术。相对于以往的各种生物识别技术所利用的生物特征，将虹膜应用于生物识别具有高独特性、高稳定性和高防伪性等特点。

基于虹膜特征的身份认证系统从逻辑上包括两大阶段，即注册阶段和认证阶段。在注册阶段，首先要对所有合法用户的虹膜图像进行采集、预处理、特征提取等过程，而后将得到虹膜特征信息与用户的姓名或标识(ID)联系起来存储到数据库中，创建用户信息模板。在认证阶段，与注册过程一样要经过一系列的处理后，获取用户的虹膜特征信息，然后再与事先注册过的虹膜数据库模板进行匹配，以验证用户的身份信息做出最后的决策。

通过获取装置采集的虹膜图像通常不可能仅仅包含虹膜，往往还有眼睛的其他部分，比如眼睑、睫毛、巩膜等，而且在高度非侵犯性系统中，由于对被试者不做要求，虹膜在图像中的位置与大小都会发生变化。

因此，在进行虹膜识别之前，必须首先对虹膜图像进行预处理。虹膜图像预处理主要包括图像的平滑滤波、虹膜区域定位、归一化和增强。平滑滤波的主要目的是为了减少噪声干扰，一般采用中值滤波来处理。

虹膜定位旨在从人眼图像中确定虹膜的大小和位置；将已定位的圆环状虹膜展开成统一大小的矩形，即为虹膜图像的归一化，其主要目的就是为了消除尺度、平移等操作对后续处理的影响，同时统一大小也更方便特征编码与匹配。图像增强的目的是为了提高图像的质量，如提高图像的清晰度和对比度等。

用于虹膜认证的人眼图像通常具有以下两个特点：一是内外边界的边缘强度很高；二是内外边界都近似成圆形，但并不同心。现有的虹膜定位算法大多都是根据这两个特点用两个不同心的圆近似表示内外边界的，也就是说虹膜定位的主要内容就是确定内外边界圆的圆心坐标和半径。

但是现有技术中，在预处理阶段采用的定位算法普遍存在定位速度慢，准确率不够高的问题。

因此，现有技术还有待于改进和发展。

发明内容

本发明的目的在于提供一种虹膜定位方法及虹膜识别系统，旨在快速准确的定位虹膜的内圆和外圆位置，极大的提高了定位效率；且其定位速度快，定位效果好；同时在模式匹配过程中缩短匹配时间，提高整个系统的运行效率。

本发明的技术方案如下：

一种虹膜定位方法，其包括虹膜内边缘定位和虹膜外边缘定位，其中，所述虹膜外边缘定位包括以下步骤：

S81：采用形态学的开闭运算对滤波后的人眼图像进行减少噪声干扰处理；

S82：采用Radon变换检测出上、下眼睑的位置；

S83：利用Canny算子检测出水平信息边缘点，得到二值边缘图像；

S84：将内圆参数作先验信息，再利用Hough变换类圆检测特性确定外圆的圆心和半径。

所述的虹膜定位方法，其中，所述虹膜内边缘定位包括以下步骤：

S71：利用人眼图像库中的虹膜灰度分布规律，对虹膜图像进行二值化处理，得到二值虹膜图像；

S72：对得到的二值虹膜图像取反，采用形态学运算去除噪声；

S73：对经形态学处理后的二值图像再次取反，采用灰度投影法对内圆中心进行初始定位；

S74：采用校正点校正法校正内圆参数得到内圆的圆心和半径。

所述的虹膜定位方法，其中，所述步骤S73包括以下步骤：

S731、用函数f(x，y)表示二值虹膜图像，并用如下公式(1)表示：

$f\left(x\right)=\underset{y}{\mathrm{\Σ}}f(x,y)$

$f\left(y\right)=\underset{x}{\mathrm{\Σ}}f(x,y)---\left(1\right)$

计算其在x方向和y方向的灰度值投影；

S732、设瞳孔的近似中心位置为(x₀，y₀)，即：

f(x₀)＝min(f(x))

f(x₀)＝min(f(y))

S733、求得的(x₀，y₀)为极坐标原点进行坐标变换，得到内圆中心初始定位。

所述的虹膜定位方法，其中，所述步骤S74包括以下步骤：

S741、将虹膜图像在极坐标形式下展开，并沿横轴方向，从起点开始每隔1/4个横轴长度取一个采样点；每个采样点分别对应直角坐标系中x、y轴的正反方向；

S742、在每个采样点左右两侧相距固定长度处各取一个点作为校正点，分别得到四个采样点的三个边缘长度，以三个边缘长度的平均值作为每个采样点的度量值，分别用r1、r2、r3、r4表示；

S743、对三个边缘长度进行比较，若其中某一个边缘长度与其它的两个差距比较大，则可将这个边缘长度值看作是一个误测量值，同时将其它两个测量值的平均值替换为新的测量长度；

S744、变换调整规则可采用如下公式(3)表示：

(x_i，y_i)＝((x_i-1+(r₁-r₃)/2)，(y_i-1+(r₂-r₄)/2))        (3)

其中，i为迭代次数，直至相邻迭代的差距小于一个像素时终止迭代，得到虹膜内边缘的中心位置和半径r＝(r₁+r₃)/2；

S745、求解三个参数确定(x_i，y_i，r)，得到虹膜内边缘内圆的圆心和半径。

一种虹膜识别系统，其包括依次连接的虹膜图像获取模块、虹膜图像预处理模块、特征设计与编码模块、模式匹配模块、虹膜数据库，其特征在于，所述虹膜图像预处理模块包括内圆定位子模块和外圆定位子模块，所述外圆定位子模块包括依次连接的第二形态学运算单元、Radon变换单元、边缘点检测单元、外圆圆心初始点位单元，以及逐点搜索单元：

所述第二形态学运算单元，用于采用形态学的开闭运算对滤波后的人眼图像进行减少噪声干扰处理；

所述Radon变换单元，用于采用Radon变换检测出上、下眼睑的位置；

所述边缘点检测单元，用于采用Canny算子检测出水平信息边缘点，得到二值边缘图像；

所述外圆圆心初始点位单元，用于通过运用内圆的定位信息作为先验知识，确定外圆圆心位置搜索区域；

所述逐点搜索单元，用于利用Hough变换的类圆检测特性，搜索外圆圆心位置及半径。

所述的虹膜识别系统，其中，所述内圆定位子模块包括依次连接的虹膜图像二值化单元、第一形态学运算单元、瞳孔中心初始定位单元、校正点单元：

所述虹膜图像二值化单元用于根据这一虹膜灰度分布特点，先对虹膜图像进行二值化，得到的二值图像是包括瞳孔和部分眼睫毛；

所述形态学运算模块用于采用形态学的腐蚀和膨胀去除噪声；

所述瞳孔中心初始定位单元用于对处理后的二值图像再次取反，采用灰度投影法对瞳孔中心进行初始定位；

所述校正点单元用于采用校正点校正法校正内圆参数得到内圆的圆心和半径。

本发明的有益效果：本发明所提出的虹膜定位方法及虹膜识别系统，是基于数学形态学、Radon变换、canny算子和hough变换，该算法可分为内边缘和外边缘的定位。首先内边缘的定位是基于直线检测的灰度投影方法，采用数学形态学原理对二值化后的图像进行处理，以去除噪声的干扰；外边缘的定位则先利用数学形态学原理对虹膜图像进行处理，然后采用Radon变换检测上、下眼睑去除干扰，最后采用canny算法提取边缘和hough变换检测虹膜的外边缘，这样可以避免大面积的盲目搜索，从而提高定位速度。并具有如下优点：

1、对虹膜外边界定位要考虑到眼睑和睫毛的影响，同时也要考虑虹膜区域的纹理被误认为是边界而造成的影响。本发明中所述的方法中将采用形态学原理和Radon直线检测原理来克服这些影响因素。利用Radon直线检测原理来检测出眼睑的大概位置，利用检测到的眼睑位置可以从边界检测后得到的边界信息中直接去除上下眼睑和部分睫毛带来的干扰。经过形态学处理后的人眼图像中，一些小的纹理信息被处理掉，避免出现假边界现象。

2、虹膜的定位时间包括内圆定位时间和外圆定位时间。从内圆定位时间上来说，本发明所采用的灰度投影法，有效的减少了时间；从外圆定位耗时来看，本发明采用形态学处理后的虹膜经canny算子边界检测和Hough，效率大大提高，且同时采用直线检测眼睑手法，剔除了大部分眼睑和睫毛带来的干扰点，减少了Hough的盲目搜索，进一步节省大量时间，提高了速度。综合内外圆所耗总时间，本发明的方法耗时时间短，速度快。

附图说明

图1是虹膜识别系统的原理框图；

图2是本发明中预处理模块的原理框图；

图3本发明中内圆定位子模块的原理框图；

图4本发明中外圆定位子模块的原理框图；

图5是本发明中内圆定位子模块的内部算法流程图；

图6a、图6b虹膜直接二值化结果；

图7a、图7b形态学处理后的二值化结果；

图8a、图8b灰度投影直方图

图9是本发明中外圆定位子模块的内部算法流程图；

图10a、图10b、图10c经形态学处理和Radon检测后的边界信息。

图11为本发明实施例提供的虹膜定位方法中虹膜内外圆定位流程图。

具体实施方式

本发明所提供的一种虹膜定位方法及虹膜识别系统，为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示为本发明虹膜识别系统10的原理框图，其包括依次连接的虹膜图像获取模块11、虹膜图像预处理模块12、特征设计与编码模块13、模式匹配模块15、虹膜数据库14。其中，虹膜图像获取模块11用于获取通过图像采集系统(如摄像机)从人体头部将人眼图像拍摄采集下来，而后将这些采集到的人眼图像送到PC机内进行处理。

虹膜图像预处理模块12用于处理包括人眼图像的评估、去噪、定位、归一化。特征设计与编码模块13用于对归一化后的矩形虹膜图像进行特征提取与编码。模式匹配模块15用于根据系统所处阶段不同，将得到的虹膜特征编码送入数据库存储(注册)或者与已有的数据库进行特征匹配(认证)。

虹膜数据库14用于将得到虹膜特征信息与用户的姓名或标识(ID)联系起来存储到数据库中，创建用户信息模板；虹膜区域的定位与特征的设计与编码是基于虹膜识别技术中最为关键的两部分，虹膜区域的定位准确与否，直接关系到虹膜图像能不能用作识别。以下将对本发明的虹膜图像预处理模块进行详细的描述。

如图2所示的本发明中虹膜图像预处理模块12的原理框图，其包括依次连接的噪声过滤子模块121、内圆定位子模块122、外圆定位子模块123、归一化子模块124和图像增强子模块125。其中，噪声过滤子模块121用于除去虹膜图像的噪声，使虹膜图像更加的清晰利于后续的定位处理和虹膜特征设计。

如图6a所示，人眼图像库中的虹膜灰度分布规律，从瞳孔中心向外，灰度值加大；内圆定位子模块122根据这一虹膜灰度分布特点，先对虹膜图像进行二值化，得到的二值图像是包括瞳孔和部分眼睫毛，可见图6b。然后通过本发明的定位方法(定位算法，后文有详述)得出一个精确的虹膜内边缘的圆形位置参数即内圆的半径及圆心参数。

外圆定位子模块123用于根据虹膜的外边界存在，且近似圆形，通过特定算法(后文有详述)去除上、下眼睑与睫毛带来的部分干扰；并根据内边缘的信息作为先验知识来限定搜索区域等方法计算得出一个精确的虹膜外边缘的圆形位置参数；归一化子模块124和图像增强子模块125用于去除噪声的干扰，提高图像的质量。

参见图3，为内圆定位子模块122结构框图，其包括：依次连接的虹膜图像二值化单元21、第一形态学运算单元22、瞳孔中心初始定位单元23、校正点单元24，其中，所述虹膜图像二值化单元21用于根据这一虹膜灰度分布特点，先对虹膜图像进行二值化，得到的二值图像是包括瞳孔和部分眼睫毛；所述第一形态学运算单元22用于采用形态学的腐蚀和膨胀去除噪声；瞳孔中心初始定位单元23用于对处理后的二值图像再次取反，采用灰度投影法对瞳孔中心进行初始定位；校正点单元24用于采用校正点校正法校正内圆参数得到内圆的圆心和半径。

参见图4为外圆定位子模块123，其包括依次连接的第二形态学运算单元25、Radon变换(拉东变换)单元29、边缘点检测单元26、外圆圆心初始点位单元27以及逐点搜索单元28，其中，所述第二形态学运算单元25用于采用形态学的开闭运算对滤波后的人眼图像进行减少噪声干扰处理，尽可能的在保留虹膜与巩膜的边界信息的前提下，减少虹膜纹理和睫毛等的干扰信息；所述Radon变换单元29，用于采用Radon变换(拉东变换)检测出上、下眼睑的位置。

边缘点检测单元26用于采用Canny算子(砍尼算子)检测出水平信息边缘点，得到二值边缘图像；外圆圆心初始点位单元27用于通过运用内圆的定位信息作为先验知识，确定外圆圆心位置搜索区域；逐点搜索单元28用于利用Hough变换(霍夫变换)的类圆检测特性，搜索外圆圆心位置及半径。

如图11所示，本发明实施例所提供的虹膜定位方法包括虹膜内边缘定位(即内圆定位)和虹膜外边缘定位(即外圆定位)，为了实现虹膜内边缘定位，如图5所示，为本发明所述内圆定位中内圆定位子模块的内部算法流程图，其具体流程如下：

S71：利用人眼图像库中的虹膜灰度分布规律，对虹膜图像进行二值化处理，得到二值虹膜图像。

首先根据人眼图像库中的虹膜灰度分布规律，从瞳孔中心向外，灰度值加大参见图6a，根据这一虹膜灰度分布特点，先对虹膜图像进行二值化，得到的二值图像是包括瞳孔和部分眼睫毛，参见图6b；

S72：对得到的二值虹膜图像取反，采用形态学运算去除噪声

对二值化后的虹膜图像取反如图7a所示，然后采用形态学的腐蚀和膨胀去除噪声。经形态学处理后的二值图像如图7b。

S73：对经形态学处理后的二值图像再次取反，采用灰度投影法对内圆中心进行初始定位。

对处理后的二值图像再次取反，采用灰度投影法对瞳孔中心进行初始定位。

用函数f(x，y)表示二值虹膜图像，可用公式1来计算其在x方向和y方向的灰度值投影，可用直方图形式表示，如图8a和图8b所示。

$f\left(x\right)=\underset{y}{\mathrm{\Σ}}f(x,y)$

$f\left(y\right)=\underset{x}{\mathrm{\Σ}}f(x,y)...\left(1\right)$

根据二值化后的虹膜灰度分布的规律，可以认为波谷对应的就是瞳孔中心位置，假设瞳孔的近似中心位置为(x₀，y₀)，即：

f(x₀)＝min(f(x))

f(y₀)＝min(f(y))..............................(2)

以求得的(x₀，y₀)为极坐标原点进行坐标变换如图8b所示，可以保证虹膜边缘在展开后类似一条正弦曲线，即保证了基于直线进行虹膜定位的准确性。

S74：采用校正点校正法校正内圆参数得到内圆的圆心和半径。

由于虹膜边缘存在不连续的问题，可采用校正点的方法来解决这个问题，这样就可使边缘定位更精确。将虹膜图像在极坐标形式下展开，然后沿横轴方向，从起点开始每隔1/4个横轴长度取一个采样点，这样可取得采样点四个，这四个点分别对应直角坐标系中x、y轴的正反方向；在每个采样点左右两侧相距固定长度处各取一个点作为校正点，分别得到四个采样点的三个边缘长度，以三个边缘长度的平均值作为每个采样点的度量值，分别用r1、r2、r3、r4表示。

对三个边缘长度进行比较，若其中某一个边缘长度与其它的两个差距比较大，则可将这个边缘长度值看作是一个误测量值，同时将其它两个测量值的平均值替换为新的测量长度，这样就可以克服虹膜内边缘非连续时以一定角度范围内的边缘均值作为标准来调整虹膜中心造成的不准确的问题。

变换调整规则可采用公式(3)表示：

(x_i，y_i)＝((x_i-1+(r₁-r₃)/2)，(y_i-1+(r₂-r₄)/2))............(3)

其中，i为迭代次数，直至相邻迭代的差距小于一个像素时终止迭代，这样就可以得到虹膜内边缘的中心位置和半径r＝(r₁+r₃)/2。通过以上的几个过程处理，就可以得到一个精确的虹膜内边缘的圆形位置，此圆形由三个参数确定(x_i，y_i，r)。

由于虹膜的外边界存在，且近似圆形，所以本发明中还采用Canny算子选取水平方向上的连续边缘曲线，即只将水平方向导数大于垂直方向导数的点作为边界图像点，这样就可以去除上、下眼睑与睫毛带来的部分干扰。可以根据内边缘的信息作为先验知识来限定搜索区域，这样就可以极大的减少Hough圆检测的范围。为了进一步的减少这些干扰边界信息，本文同时采用了数学形态学原理和Radon直线检测方法对人眼图像进行预处理，尽量摒弃睫毛和虹膜纹理带来的影响。具体的方法可见如下。

参见图9所示为本发明中外圆定位子模块的内部算法流程图，即本发明实施例所提供的定位方法中其虹膜外边缘定位(即外圆定位)具体包括以下步骤：

S81：采用形态学的开闭运算对滤波后的人眼图像进行减少噪声干扰处理。

利用数学形态学的开闭运算对滤波后的人眼图(如图10a)像进行处理，尽可能的在保留虹膜与巩膜的边界信息的前提下，减少虹膜纹理和睫毛等的干扰信息。人眼图像经过若干次数学形态学开闭运算处理后，由于上下眼睑的边界信息比较强，不会被处理掉，且其边界近似为直线(如图10b)，故可采用Radon直线检测，将上、下眼睑的大概位置检测出来(如图10c)。即步骤S82：采用Radon变换检测出上、下眼睑的大概位置。

S83：利用Canny算子检测出水平信息边缘点，得到二值边缘图像。

采用Canny算子检测出水平信息边缘点，得到二值边缘图像，由于数学形态学开闭运算的处理，减少了很多干扰信息，并根据Radon变换检测到的上、下眼睑的位置，直接去除上眼睑以上和下眼睑以下的边界信息。

由上可见，虹膜内外边缘虽为不同心及半径的近似圆，但两圆的圆心和半径还是有一定关系的，可以根据这些关系，利用虹膜内边缘的定位信息，缩小检测区域，以提高定位速度和精度。针对发明用到的数据库，可选取外圆圆心在内圆圆心周围a个像素内搜索(x₀-a＜x＜x₀+a，y₀-a＜y＜y₀+a)，而半径区域一般在：r₀×a₁＜r＜r₀×a₂。通过内圆的定位信息作为先验知识，就可大大缩小搜索区域。

S84：将内圆参数作先验信息，再利用Hough变换类圆检测特性确定外圆的圆心和半径。

利用Hough变换的类圆检测特性，在上面步骤已确定的区域内逐点搜索。先初始化Hough矩阵，即圆参数的累加器数组A(x，y，r)＝0，对选择的区域内所有点，计算A(x，y，r)的值，由最大的A(x，y，r)值来确定圆的3个参数。

通过以上的步骤，本发明能很好的确定虹膜区域的内边缘和外边缘的圆心和半径，也就可以将虹膜区域有效分割出来用于后续的特征提取过程。

本发明的有益效果：

1、对虹膜外边界定位要考虑到眼睑和睫毛的影响，同时也要考虑虹膜区域的纹理被误认为是边界而造成的影响。在这里提出的方法中将采用形态学原理和Radon直线检测原理来克服这些影响因素。利用Radon直线检测原理来检测出眼睑的大概位置，利用检测到的眼睑位置可以从边界检测后得到的边界信息中直接去除上下眼睑和部分睫毛带来的干扰。经过形态学处理后的人眼图像中，一些小的纹理信息被处理掉，避免出现假边界现象。

2、虹膜的定位时间包括内圆定位时间和外圆定位时间。从内圆定位时间上来说，该算法采用灰度投影法，有效的减少了时间；从外圆定位耗时来看，该算法采用形态学处理后的虹膜经canny算子边界检测和Hough，效率大大提高，且同时采用直线检测眼睑手法，剔除了大部分眼睑和睫毛带来的干扰点，减少了Hough的盲目搜索，进一步节省大量时间，提高速度。综合内外圆所耗总时间，本文方法耗时最短，速度最快。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种虹膜定位方法，其包括虹膜内边缘定位和虹膜外边缘定位，其特征在于，所述虹膜外边缘定位包括以下步骤：

S81：采用形态学的开闭运算对滤波后的人眼图像进行减少噪声干扰处理；

S82：采用Radon变换检测出上、下眼睑的位置；

S83：利用Canny算子检测出水平信息边缘点，得到二值边缘图像；

S84：将内圆参数作先验信息，再利用Hough变换类圆检测特性确定外圆的圆心和半径。

2.根据权利要求1所述的虹膜定位方法，其特征在于，所述虹膜内边缘定位包括以下步骤：

S71：利用人眼图像库中的虹膜灰度分布规律，对虹膜图像进行二值化处理，得到二值虹膜图像；

S72：对得到的二值虹膜图像取反，采用形态学运算去除噪声；

S73：对经形态学处理后的二值图像再次取反，采用灰度投影法对内圆中心进行初始定位；

S74：采用校正点校正法校正内圆参数得到内圆的圆心和半径。

3.根据权利要求2所述的虹膜定位方法，其特征在于，所述步骤S73包括以下步骤：

S731、用函数f(x，y)表示二值虹膜图像，并用如下公式(1)表示：

$f\left(x\right)=\underset{y}{\mathrm{\Σ}}f(x,y)$

$f\left(y\right)=\underset{x}{\mathrm{\Σ}}f(x,y)---\left(1\right)$

计算其在x方向和y方向的灰度值投影；

S732、设瞳孔的近似中心位置为(x₀，y₀)，即：

f(x₀)＝min(f(x))

f(y₀)＝min(f(y))

S733、求得的(x₀，y₀)为极坐标原点进行坐标变换，得到内圆中心初始定位。

4.根据权利要求2所述的虹膜定位方法，其特征在于，所述步骤S74包括以下步骤：

S741、将虹膜图像在极坐标形式下展开，并沿横轴方向，从起点开始每隔1/4个横轴长度取一个采样点；每个采样点分别对应直角坐标系中x、y轴的正反方向；

S742、在每个采样点左右两侧相距固定长度处各取一个点作为校正点，分别得到四个采样点的三个边缘长度，以三个边缘长度的平均值作为每个采样点的度量值，分别用r1、r2、r3、r4表示；

S743、对三个边缘长度进行比较，若其中某一个边缘长度与其它的两个差距比较大，则可将这个边缘长度值看作是一个误测量值，同时将其它两个测量值的平均值替换为新的测量长度；

S744、变换调整规则可采用如下公式(3)表示：

(x_i，y_i)＝((x_i-1+(r₁-r₃)/2)，(y_i-1+(r₂-r₄)/2))       (3)

其中，i为迭代次数，直至相邻迭代的差距小于一个像素时终止迭代，得到虹膜内边缘的中心位置和半径r＝(r₁+r₃)/2；

S745、求解三个参数确定(x_i，y_i，r)，得到虹膜内边缘内圆的圆心和半径。

5.一种虹膜识别系统，其包括依次连接的虹膜图像获取模块、虹膜图像预处理模块、特征设计与编码模块、模式匹配模块、虹膜数据库，其特征在于，所述虹膜图像预处理模块包括内圆定位子模块和外圆定位子模块，所述外圆定位子模块包括依次连接的第二形态学运算单元、Radon变换单元、边缘点检测单元、外圆圆心初始点位单元，以及逐点搜索单元：

所述第二形态学运算单元，用于采用形态学的开闭运算对滤波后的人眼图像进行减少噪声干扰处理；

所述Radon变换单元，用于采用Radon变换检测出上、下眼睑的位置；

所述边缘点检测单元，用于采用Canny算子检测出水平信息边缘点，得到二值边缘图像；

所述外圆圆心初始点位单元，用于通过运用内圆的定位信息作为先验知识，确定外圆圆心位置搜索区域；

所述逐点搜索单元，用于利用Hough变换的类圆检测特性，搜索外圆圆心位置及半径。

6.根据权利要求5所述的虹膜识别系统，其特征在于，所述内圆定位子模块包括依次连接的虹膜图像二值化单元、第一形态学运算单元、瞳孔中心初始定位单元、校正点单元：

所述虹膜图像二值化单元用于根据这一虹膜灰度分布特点，先对虹膜图像进行二值化，得到的二值图像是包括瞳孔和部分眼睫毛；

所述形态学运算模块用于采用形态学的腐蚀和膨胀去除噪声；

所述瞳孔中心初始定位单元用于对处理后的二值图像再次取反，采用灰度投影法对瞳孔中心进行初始定位；

所述校正点单元用于采用校正点校正法校正内圆参数得到内圆的圆心和半径。

Images