CN103198301A - 虹膜定位方法及装置 - Google Patents
虹膜定位方法及装置 Download PDFInfo
- Publication number
- CN103198301A CN103198301A CN2013101198388A CN201310119838A CN103198301A CN 103198301 A CN103198301 A CN 103198301A CN 2013101198388 A CN2013101198388 A CN 2013101198388A CN 201310119838 A CN201310119838 A CN 201310119838A CN 103198301 A CN103198301 A CN 103198301A
- Authority
- CN
- China
- Prior art keywords
- operator
- value
- infinitesimal analysis
- quadrant
- detects
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种虹膜定位方法及装置,其中,上述方法包括:对经过初定位的虹膜图像,以初定位得到的虹膜图像的第一边界的第一圆心为坐标原点划分四个象限;判断每个象限内是否需要进行微积分检测算子的搜索;当判定象限需要进行微积分检测算子的搜索时,分别计算每个象限内的虹膜图像像素点的微积分检测算子的値,并将与搜索到的微积分检测算子的最大値对应的点确定为第一边界的第二圆心;根据第二圆心确定虹膜图像的第二边界,并将第二边界作为定位结果,其中,第二圆心与第二边界的半径是一一对应的。采用本发明提供的上述技术手段,在没有降低微积分检测算子的准确率的同时,减少了虹膜定位所需要的时间。
Description
技术领域
本发明涉及虹膜定位领域,具体而言,涉及一种虹膜定位方法及装置。
背景技术
虹膜识别:是通过眼睛的纹理信息来识别身份的一种生物识别。
虹膜定位:眼睛分为白色的巩膜部分、黑色的瞳孔部分和中间具有大量纹理信息、形状近似于同心圆部分的虹膜部分,在眼睛图片中将虹膜的区域确定出来称为虹膜定位。虹膜定位是虹膜识别系统中最重要的一步,也是虹膜识别系统中耗费时间最长的一步,占整个虹膜识别系统所用时间的90%左右。
虹膜识别方案主要包括四个处理部分:图像预处理、特征提取、特征匹配和识别结果,其中,图像预处理分为图像采集、虹膜定位和归一化处理三个步骤。
涉及虹膜定位的算法有多种,其中,John G.Daugman博士针对虹膜定位提出的微积分检测算子,是目前应用的最为广泛的经典算法之一。该算法具体如下:
微积分检测算子是一个圆形检测模板,由圆心和半径确定的圆的平均灰度的最大梯度的圆。
其中为高斯函数,在公式中起平滑作用,I(x,y)为灰度函数,公式是对以(x0,y0)为圆心,半径为r的圆的灰度进行曲线积分,微分后对其求平均值,当半径改变时,与相邻圆的平均灰度的最大梯度的对应的圆即为虹膜的外边缘。
上述公式的含义是遍历图像上的每一个点,在以(x0,y0)为圆心,r为半径的圆上,求圆周上的所有点(x,y)的平均灰度。在固定圆心时,改变半径r的大小。在遍历了图像所有的点以及不同的半径后,找到最大的微积分检测算子所得到的点以及对应的半径(r,x0,y0),其中,σ是一个变量参数,用于调整高斯窗的大小(具体可以根据实验数据获得),e是数学中的一个常数,是自然对数,数值是e=2.71828···。
由于微积分检测算子检测虹膜边界的高准确率,是至今为止的应用最为广泛的算法之一,但是由于微积分检测算子的大规模搜索虹膜的边界,使得定位虹膜边界的时计算量较大。
目前针对微积分检测算子的进行有效的加速方法为ItgDiff-ring算法,ItgDiff-ring运算是通过寻找局部最优,反复迭代找到全局最优,即通过微积分检测算子一部分的最大値,反复迭代,得到微积分检测算子的全局的最大值,微积分检测算子的最大值通过最短路径得到,有效减少遍历图像点的个数。
ItgDiff–ring过程在虹膜定位过程中的应用为,在瞳孔中一点的微积分检测算子的得到值与其邻域值相比较。通过建立ItgDiff环来计算搜索的方向。ItgDiff–ring算法是求出当前的搜索点P0八邻域的微积分检测算子的值,将其中值最大的点作为下一个搜点,记为P1,再以P1为当前搜索点进行迭代搜索,直到当前搜索的点的微积分检测算子的值大于其八邻域的微积分检测算子的值,则认为当前的点和半径为最优的点,作为最终的虹膜定位的结果。但是由于ItgDiff环会收敛到局部最优值,故而将ItgDiff环的范围进行扩大,以减小收敛到局部最优的概率,即减少虹膜的中心收敛不到真正虹膜圆心的概率。
微积分检测算子的值在虹膜中是向着圆心方向递进的,是ItgDiff-ring算法的前提,但是由于眼睛图片中含有眼睑、眼睫毛和光斑等噪声的影响,ItgDiff-ring会收敛到偏离圆心的点,增大ItgDiff环的半径,由一个八邻域点增加到三个八邻域点也是尽量增加搜索点个个数,增大收敛到虹膜圆心的概率。
ItgDiff-ring算法增大环的半径,其主要思想在于增加搜索点的个数,以减小误差,在虹膜定位准确率和速度之间寻找一个平衡点,因此,该算法在提高速度的同时降低了虹膜定位的准确率。
针对相关技术中的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明提供了一种虹膜定位方法及装置,以至少解决上述技术问题。
根据本发明的一个方面,提供了一种虹膜定位方法,包括:对经过初定位的虹膜图像,以初定位得到的虹膜图像的第一边界的第一圆心为坐标原点划分四个象限,其中,该象限的边界由位于坐标原点所在的水平方向和竖直方向上的点组成;判断每个象限内是否需要进行微积分检测算子的搜索;当判定象限需要进行微积分检测算子的搜索时,分别计算每个象限内的虹膜图像像素点的微积分检测算子的値,并将与搜索到的微积分检测算子的最大値对应的点确定为第一边界的第二圆心;根据第二圆心确定虹膜图像的第二边界,并将第二边界作为定位结果,其中,第二圆心与第二边界的半径是一一对应的。
优选地,判断每个象限内是否需要进行微积分检测算子的搜索包括:对于每个象限,将象限的每个边界上的点所对应的微积分检测算子的值与坐标原点所对应的微积分检测算子的值进行比较;根据比较结果判断每个象限内是否需要进行微积分检测算子的搜索。
优选地,根据比较结果判断每个象限内是否需要进行微积分检测算子的搜索,包括:在象限的每个边界上的点所对应的微积分检测算子的值均大于坐标原点所对应的微积分检测算子的值时,确定象限内需要进行微积分检测算子的搜索;在象限的每个边界上的点所对应的微积分检测算子的值均小于坐标原点所对应的微积分检测算子的值时,确定象限内不需要进行微积分检测算子的搜索。
优选地,根据比较结果判断每个象限内是否需要进行微积分检测算子的搜索,还包括:在象限的每个边界上的点所对应的微积分检测算子的值中的部分值大于坐标原点所对应的微积分检测算子的值时,则将象限的边界在该象限内沿水平和竖直方向平移,直至平移后的象限边界上的每个点所对应的微积分检测算子的值均大于或小于坐标原点的微积分检测算子的值。
优选地,将象限的每个边界上的点所对应的微积分检测算子的值与坐标原点所对应的微积分检测算子的值进行比较之前,包括:将坐标原点所对应的微积分检测算子的值进行去噪声处理。
优选地,上述方法应用于虹膜内边界的定位和/或虹膜外边界的定位。
根据本发明的另一个方面,提供了一种虹膜定位装置,包括:划分模块,用于对经过初定位的虹膜图像,以初定位得到的虹膜图像的第一边界的第一圆心为坐标原点划分四个象限,其中,该象限的边界由位于坐标原点所在的水平方向和竖直方向上的点组成;判断模块,用于判断每个象限内是否需要进行微积分检测算子的搜索;第一确定模块,用于在判定象限需要进行微积分检测算子的搜索时,分别计算每个象限内的虹膜图像像素点的微积分检测算子的値,并将与搜索到的微积分检测算子的最大値对应的点确定为第一边界的第二圆心;第二确定模块,用于根据第二圆心确定虹膜图像的第二边界,并将第二边界作为定位结果,其中,第二圆心与第二边界的半径是一一对应的。
优选地,上述判断模块包括:比较单元,用于对于每个象限,将象限的每个边界上的点所对应的微积分检测算子的值与坐标原点所对应的微积分检测算子的值进行比较;判断单元,用于根据比较结果判断每个象限内是否需要进行微积分检测算子的搜索。
优选地,上述判断单元,用于在象限的每个边界上的点所对应的微积分检测算子的值均大于坐标原点所对应的微积分检测算子的值时,确定象限内需要进行微积分检测算子的搜索;以及在象限的每个边界上的点所对应的微积分检测算子的值均小于坐标原点所对应的微积分检测算子的值时,确定象限内不需要进行微积分检测算子的搜索。
优选地,上述判断单元,用于在象限的每个边界上的点所对应的微积分检测算子的值中的部分值大于坐标原点所对应的微积分检测算子的值时,则将象限的边界在该象限内沿水平和竖直方向平移,直至平移后的象限边界上的每个点所对应的微积分检测算子的值均大于或小于坐标原点的微积分检测算子的值。
通过本发明,采用根据对于待定位虹膜图像进行初定位的结果对微积分检测算子的搜索区域划分象限,并根据在需要进行微积分检测算子的搜索的各个象限内的微积分检测算子确定第二次定位的圆心,并进而确定边界的技术手段,解决了相关技术中,不能同时兼顾虹膜定位的准确率和速度等技术问题,从而在没有降低微积分检测算子的准确率的同时,减少了虹膜定位所需要的时间。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为根据本发明实施例1的虹膜定位方法的流程图;
图2为根据本发明实施例1的虹膜定位装置的结构框图;
图3为根据本发明实施例1的虹膜定位装置的另一结构框图;
图4为根据本发明实施例2的含有待定位的虹膜的图像;
图5为根据本发明实施例2的定位后的含有虹膜内、外边界的结果图像。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
针对相关技术中,不能同时兼顾虹膜定位的准确率和速度等技术问题,以下结合实施例提供了相应的解决方案,现详细说明。
实施例1
图1为根据本发明实施例1的虹膜定位方法的流程图。如图1所示,该方法包括:
步骤S102,对经过初定位的虹膜图像,以初定位得到的虹膜图像的第一边界的第一圆心为坐标原点划分四个象限,其中,上述象限的边界由位于所述坐标原点所在的水平方向和竖直方向上的点组成。
步骤S104,判断每个象限内是否需要进行微积分检测算子的搜索。
步骤S106,当判定上述象限需要进行微积分检测算子的搜索时,分别计算每个象限内的虹膜图像像素点的微积分检测算子的値,并将与搜索到的微积分检测算子的最大値对应的点确定为第一边界的第二圆心。此处第二圆心的含义为区别于进行初定位得到的第一圆心,对虹膜图像进行再次定位(相当于精定位)时得到的。
步骤S108,根据第二圆心确定虹膜的第二边界,并将该第二边界作为定位结果,其中,第二圆心与第二边界的半径是一一对应的。在具体实施时,可以根据圆心与半径的预设对应关系确定半径,进而确定第二边界。此处第二边界的含义为区别于进行初定位得到的第一边界,对虹膜图像进行再次定位(相当于精定位)时得到的。
通过上述各个步骤,由于对每个象限内是否需要进行微积分检测算子的搜索进行了判断,从而避免了对不需要进行微积分检测算子的象限内微积分检测算子的搜索,即减少了微积分检测算子的搜索范围,同时,也并不影响微积分检测算子的准确率。
在本实施例中,步骤S104中的判断方式有多种,具体可以根据实际情况而定,在实施例的一个优选方式中,可以采用以下方式实现:对于每个象限,将该象限的每个边界上的点所对应的微积分检测算子的值与上述坐标原点所对应的微积分检测算子的值进行比较;根据比较结果判断每个象限内是否需要进行微积分检测算子的搜索。此时,(1)在某象限的每个边界上的点所对应的微积分检测算子的值均大于坐标原点所对应的微积分检测算子的值时,确定该象限需要进行微积分检测算子的搜索;(2)在某象限的每个边界上的点所对应的微积分检测算子的值均小于坐标原点所对应的微积分检测算子的值时,则确定该象限不需要进行微积分检测算子的搜索;(3)在某象限的每个边界上的点所对应的微积分检测算子的值中的部分值大于坐标原点所对应的微积分检测算子的值时(即该象限的两个边界上的点所对应的微积分检测算子的值中既存在大于坐标原点所对应的微积分检测算子的值,又存在小于坐标原点所对应的微积分检测算子的值),则将该象限的边界在该象限内沿水平方向和竖直方向平移,直至平移后的边界上每个边界上的点所对应的微积分检测算子的值均大于或小于坐标原点所对应的微积分检测算子的值,然后再相应地按照第(1)或(2)种方式进行判断。
因为在定位过程中存在噪声干扰,在本实施例中,将象限的每个边界上的点所对应的微积分检测算子的值与坐标原点所对应的微积分检测算子的值进行比较之前,需要将坐标原点所对应的微积分检测算子的值进行去噪声处理,具体可以表现但不限于:在坐标原点所对应的微积分检测算子的值上叠加一个去噪声的常量。
本实施例中的虹膜定位方法应用于虹膜内边界的定位和/或虹膜外边界的定位。
在本实施例中提供了一种虹膜定位装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述,下面对该装置中涉及到的模块进行说明。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图2为根据本发明实施例1的虹膜定位装置的结构框图。如图2所示,该装置包括:
划分模块20,连接至判断模块22,用于对经过初定位的虹膜图像,以初定位得到的虹膜图像的第一边界的第一圆心为坐标原点划分四个象限,其中,上述象限的边界由位于坐标原点所在的水平方向和竖直方向上的点组成;
判断模块22,连接至第一确定模块24,用于判断每个象限内是否需要进行微积分检测算子的搜索;
第一确定模块24,连接至第二确定模块26,用于在判定上述象限需要进行微积分检测算子的搜索时,分别计算每个象限内的虹膜图像像素点的微积分检测算子的値,并将与搜索到的微积分检测算子的最大値对应的点确定为第一边界的第二圆心;
第二确定模块26,用于根据第二圆心确定待定位虹膜图像的第二边界,并将所述第二边界作为定位结果,其中,第二圆心与上述第二边界的半径是一一对应的。
通过上述各个模块实现的功能,同样可以在影响微积分检测算子的准确率的同时,减少微积分检测算子的搜索范围,进而提高了虹膜定位的速度。
在本实施例中,如图3所示,上述判断模块22包括但不限于:比较单元220,连接至判断单元222,用于对于每个象限,将象限的每个边界上的点所对应的微积分检测算子的值与坐标原点所对应的微积分检测算子的值进行比较;判断单元222,用于根据比较结果判断每个象限内是否需要进行微积分检测算子的搜索。
在本实施例中,上述判断单元222,用于在每个边界上的点所对应的微积分检测算子的值均大于坐标原点所对应的微积分检测算子的值时,确定该象限需要进行微积分检测算子的搜索;以及在每个边界上的点所对应的微积分检测算子的值均小于坐标原点所对应的微积分检测算子的值时,确定该象限不需要进行微积分检测算子的搜索。该判断单元222,还用于在每个边界上的点所对应的微积分检测算子的值中的部分值大于坐标原点所对应的微积分检测算子的值时,将该象限的边界在该象限内沿水平方向和竖直方向平移,直至平移后的边界上每个边界上的点所对应的微积分检测算子的值均大于或小于坐标原点所对应的微积分检测算子的值。
为了更好地理解上述实施例1,以下结合实施例2和相关附图详细说明。
实施例2
虹膜定位的算法的主要步骤为:瞳孔位置估计、光斑检测、确定上下眼睑、瞳孔初定位、瞳孔精定位(即虹膜内边界精定位)、虹膜外边界初定位、虹膜外边界精定位。本实施例的技术方案试用于虹膜内边界精定位和虹膜外边界精定位。
本实施例的主要设计思想在于,在虹膜初定位的基础上,在初定位的圆心的邻域范围内,采用微积分检测算子确定虹膜的边界,采用四象限的方法减少微积分检测算子的搜索范围,对虹膜定位算法进行提速。具体如下:
虹膜边界的初定位结果为大致的虹膜边界圆心和半径,在其圆心的一定范围内采用微积分检测算子,以初定位的虹膜边界圆心为坐标原点,分成四个象限,每个象限有两个边界,将边界上所有点计算微积分检测算子得到的结果,与坐标原点所得到的微积分检测算子相比较,若边界上的点的微积分检测算子的值小,则认为此区域内的点的微积分检测算子的值都比坐标原点的微积分检测算子的值小,不再搜索此区域;相反,若此区域内两个边界上的点的微积分检测算子的值都比坐标原点的微积分检测算子的值大,则认为此区域内的点的微积分检测算子的值比原点的微积分检测算子的值大,则此区域内可能存在微积分检测算子的最大值。如果象限的边界上的点的微积分检测算子的值既有大于坐标原点的微积分检测算子的值,又有小于坐标原点的微积分检测算子的值,则将该象限的边界向内推进,即沿水平和竖直方向平移象限边界,直到象限的边界上的点的微积分检测算子的值都大于或都小于坐标原点的微积分检测算子的值为止。在象限边界上点的微积分检测算子与原点的微积分检测算子相减的过程中,为了减少或消除噪声干扰,对原点的微积分检测算子乘以系数a,其中,系数a为一常量,具体取值可以根据实验确定。
以下详细说明本实施例。
为了更好地理解本实施例的设计思想,首先介绍一下相关技术中的虹膜定位方案。
在相关技术中,对图4中的虹膜图像进行虹膜边界定位,得到初定位的虹膜边界圆心坐标和半径为(247,347,52)。其精定位的搜索范围为x方向搜索范围[242,252],y方搜索范围[344,350],r的搜索范围[42,62],在其范围内计算所有点的微积分检测算子的值,其中最大值为118.5928,对应第6行第4列,因此,虹膜边界初定位的圆心为第6行第4列。表1中,第6行第4列中的数值对应虹膜边界初定位的圆心的微积分检测算子的值,表中其他各项数据分别对应初定位的虹膜边界圆心周围11行7列范围内各点的微积分检测算子的值
表1
采用上述技术方案,通过微积分检测算子进一步精定位虹膜圆心,在初定位虹膜边界圆心点为表1中的位置(第6行第4列)后,需要搜索11*7范围内的微积分检测算子的值,需要搜索77个点的微积分检测算子的值,而每得到一个微积分检测算子的值,则需要在当前点的位置,搜索不同的半径值,需要遍历20个点的值,得出一个最大值,如表2所示,得到表2的结果,需要遍历1540个点。精确定位的虹膜圆心位置为表3中第7行第4列的位置。
表格中每得到一个微积分检测算子的值,都是在以当前点为圆心,分别遍历半径r在[42,62]范围的微积分检测算子的值,得到20个值,取最大值记录入表格。此过程在虹膜图像上进行。此时对应的半径记录在另一张相同大小的表上。
由表3中可以看出,有很多微积分检测算子的值较小,并且微积分检测算子的值越来越小,本实施例(即实施例2)中的虹膜定位方案就是避免遍历较小的微积分检测算子的点,从而提高遍历的效率。
表2
表3
为解决相关技术中的遍历图像像素点数量多的问题,以下详细说明本实施例的主要实现方式。
本实施例以第6行第4列的初定位的虹膜边界圆心点为坐标原点,以第6行和第4列为横、纵坐标轴,将11*7的虹膜图像对应的微积分检测算子的数值矩阵分为四个象限,先求出虹膜图像中对应的第6行和第4列的所有点(即横、纵坐标轴上的所有点)的微积分检测算子的值,如表4所示。然后,将坐标原点(第6行第4列的点)的微积分检测算子的值乘以系数0.92(即去噪常量),做去噪处理;再将横、纵坐标轴上除原点以外的点的微积分检测算子的值与去噪处理后的坐标原点的微积分检测算子的值进行比较,将微积分检测算子的值大于去噪处理后的坐标原点(即初定位的虹膜边界圆心)的微积分检测算子的值(如表中的118.5928*0.92=109.105376)的点的比较结果记为1,将微积分检测算子的值小于去噪处理后的坐标原点的微积分检测算子的值的点的比较结果记为-1,得到如表5所示的数据,再分别求出各象限内的需要遍历的区域和不需要遍历的区域。
表4
表5
根据表5中的数据可以判断出,在第一象限的边界的点的微积分检测算子的值有的大于去噪处理后的初定位虹膜边界圆心的微积分检测算子的值,有的小于去噪处理后的初定位虹膜边界圆心的微积分检测算子的值,所以将该象限的边界向内推进一行和一列,并计算该象限边界上的点的微积分检测算子的値,计算得到的结果如表6所示,并重复上述比较判断步骤,直到该象限边界上的所有点的微积分检测算子的值都大于或都小于去噪处理后的初定位虹膜边界圆心的微积分检测算子的值。若该象限边界上的点的微积分检测算子的比较结果全部为-1,则将该象限内其余未遍历的点对应的比较结果全部记为-1,认为此区域内的点的微积分检测算子的值全部小于去噪处理后的初定位虹膜边界圆心的微积分检测算子的值,不需要再进行搜索。如果该象限边界上的点的微积分检测算子的比较结果都为1,则将区域内其他的点的比较结果记为1,认为此区域内有可能存在某点的微积分检测算子的値大于去噪处理后的初定位虹膜边界圆心的微积分检测算子的值,此区域的点需要全部遍历。表6的比较结果如表7所示。表8为第一象限的遍历结果。
表6
表7
表8
其余三个象限的采用相同的迭代方法,得到的结果如表9所示,表9中为0值的点,不需要搜索,即认为该象限内的所有点的微积分检测算子的値全部小于去噪处理后的初定位的虹膜圆心的微积分检测算子的值。表9中为以当前点为原心不同半径下微积分检测算子的最大值,表10为当前圆心下微积分检测算子最大值下所对应的半径。在表9中搜索最大的微积分检测算子的值,确定为精确定位的虹膜内边界的圆心,进一步根据此最大值对应的半径,可以确定虹膜图像的内边界。
表9中第6行第4列对应的点是初定位的圆心(247,347),在表9中得到的最大的微积分检测算子的为第7行第4列,则对应的点的坐标进行加行加1,列不加,为(248,347),对应表10中的第7行第4列的半径为51,最终得到瞳孔的圆心半径为(248,347,51),此为瞳孔的精定位结果。
如表9所示,为精确定位的虹膜内边界的圆心的结果。每有一个点的微积分检测算子的值不需要得出,则减少计算20次微积分检测算子的值。
表9
表10
对于虹膜外边界的初定位:虹膜外边界的初定位和瞳孔(即虹膜内边界)初定位类似,是在去除了噪声并且进行了瞳孔(即虹膜内边界)精定位的虹膜图片进行展开,只是展开的参数与内圆展开参数不同,此处不再赘述。
采用上述精确定位虹膜内边界的相同的方法可以精确定位虹膜的外边界。定位后的虹膜图像如图5所示。
需要说明的是,在本实施例中,可以采用但不限于以下方式对虹膜图像进行虹膜圆心和边界初定位:
首先将原图像缩小至原来的0.2倍,进行中值滤波平滑后,再采用圆形模版对缩小的图片进行卷积,之后用圆形Gabor滤波器对圆图像进行卷积。所得到的最小值对应的点位置为瞳孔的大致位置。再采用Hough变换的方法得到瞳孔的半径。在此步骤中估计的瞳孔的位置只要落在瞳孔中即可,瞳孔的位置和瞳孔的半径都不需要太精确。
采用圆形的Gabor模版对原图像进行卷积,极大值点即为光斑的位置。在此一般取卷积结果的最大值M_max,大于k*M_max的部分都认为是光斑,对光斑进行填充。其中,k为根据实验结果得到的参数。
采用灰度值直方图的方法对虹膜图像中的眼睫毛进行检测,将原图像进行直方图分析,去除虹膜图像眼睫毛的噪声。在去除了光斑和眼睫毛的图像上进行抛物线检测,用微积分检测算子的抛物线方法,将抛物线定位出来。
在定位了抛物线和去除光斑的待定位图像上进行虹膜内边界的初定位。将待定位图像展开在成矩形,用水平梯度和竖直梯度的平方和再开方作为图像的梯度,取最大值的k倍,提取出瞳孔的边界。将展开的待定位图像上的瞳孔的边界上的点对应到原图像上去,应用三点确定一个圆的思想,取瞳孔边界上的点中的三点定位一个圆。这里应用的三点为:所用瞳孔的边界上的点1/15,1/2,14/15的位置,计算得到瞳孔的中心和半径,得到的瞳孔的中心和半径为虹膜内边界初定位的圆心和半径。
通过实验可知,在直接遍历所选区域的微积分检测算子值的时候,采用现有技术的方法从初定位的虹膜边界圆心点得到精定位的虹膜边界圆心点的时间为0.11s,采用本实施例提供的方法得到精定位的虹膜边界圆心点的时间为0.073s,节省了0.038s的时间,节省了34.5%的时间。
从以上实施例可以看出,本发明实施例实现了以下有益效果:对John Daugman的微积分检测算子进行了改进,减少了微积分检测算子的遍历点的个数,并且没有降低微积分检测算子检测虹膜边界的准确率;在目前应用的程序中要比ItgDiff环算法的速度快,准确率高;提高了虹膜识别系统中虹膜定位的速度,有效地减少了时间虹膜定位所需要的时间,克服了虹膜识别系统投入应用中遇到的时间过长的问题。
在另外一个实施例中,还提供了一种软件,该软件用于执行上述实施例及优选实施方式中描述的技术方案。
在另外一个实施例中,还提供了一种存储介质,该存储介质中存储有上述软件,该存储介质包括但不限于:光盘、软盘、硬盘、可擦写存储器等。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种虹膜定位方法,其特征在于,包括:
对经过初定位的虹膜图像,以初定位得到的所述虹膜图像的第一边界的第一圆心为坐标原点划分四个象限,其中,所述象限的边界由位于所述坐标原点所在的水平方向和竖直方向上的点组成;
判断每个所述象限内是否需要进行微积分检测算子的搜索;
当判定所述象限需要进行微积分检测算子的搜索时,分别计算每个所述象限内的虹膜图像像素点的微积分检测算子的値,并将与搜索到的微积分检测算子的最大値对应的点确定为所述第一边界的第二圆心;
根据所述第二圆心确定所述虹膜图像的第二边界,并将所述第二边界作为定位结果,其中,所述第二圆心与所述第二边界的半径是一一对应的。
2.根据权利要求1所述的方法,其特征在于,判断每个所述象限内是否需要进行微积分检测算子的搜索包括:
对于每个所述象限,将所述象限的每个边界上的点所对应的微积分检测算子的值与所述坐标原点所对应的微积分检测算子的值进行比较;
根据比较结果判断每个所述象限内是否需要进行微积分检测算子的搜索。
3.根据权利要求2所述的方法,其特征在于,根据比较结果判断每个所述象限内是否需要进行微积分检测算子的搜索,包括:
在所述象限的每个边界上的点所对应的微积分检测算子的值均大于所述坐标原点所对应的微积分检测算子的值时,确定所述象限内需要进行微积分检测算子的搜索;
在所述象限的每个边界上的点所对应的微积分检测算子的值均小于所述坐标原点所对应的微积分检测算子的值时,确定所述象限内不需要进行微积分检测算子的搜索。
4.根据权利要求3所述的方法,其特征在于,根据比较结果判断每个所述象限内是否需要进行微积分检测算子的搜索,还包括:
在所述象限的每个边界上的点所对应的微积分检测算子的值中的部分值大于所述坐标原点所对应的微积分检测算子的值时,则将所述象限的边界在该象限内沿水平和竖直方向平移,直至平移后的象限边界上的每个点所对应的微积分检测算子的值均大于或小于所述坐标原点的微积分检测算子的值。
5.根据权利要求2所述的方法,其特征在于,将所述象限的每个边界上的点所对应的微积分检测算子的值与所述坐标原点所对应的微积分检测算子的值进行比较之前,包括:
将所述坐标原点所对应的微积分检测算子的值进行去噪声处理。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法应用于虹膜内边界的定位和/或虹膜外边界的定位。
7.一种虹膜定位装置,其特征在于,包括:
划分模块,用于对经过初定位的虹膜图像,以初定位得到的所述虹膜图像的第一边界的第一圆心为坐标原点划分四个象限,其中,所述象限的边界由位于所述坐标原点所在的水平方向和竖直方向上的点组成;
判断模块,用于判断每个所述象限内是否需要进行微积分检测算子的搜索;
第一确定模块,用于在判定所述象限需要进行微积分检测算子的搜索时,分别计算每个所述象限内的虹膜图像像素点的微积分检测算子的値,并将与搜索到的微积分检测算子的最大値对应的点确定为所述第一边界的第二圆心;
第二确定模块,用于根据所述第二圆心确定所述虹膜图像的第二边界,并将所述第二边界作为定位结果,其中,所述第二圆心与所述第二边界的半径是一一对应的。
8.根据权利要求7所述的装置,其特征在于,所述判断模块包括:
比较单元,用于对于每个所述象限,将所述象限的每个边界上的点所对应的微积分检测算子的值与所述坐标原点所对应的微积分检测算子的值进行比较;
判断单元,用于根据比较结果判断每个所述象限内是否需要进行微积分检测算子的搜索。
9.根据权利要求8所述的装置,其特征在于,所述判断单元,用于在所述象限的每个边界上的点所对应的微积分检测算子的值均大于所述坐标原点所对应的微积分检测算子的值时,确定所述象限内需要进行微积分检测算子的搜索;以及在所述象限的每个边界上的点所对应的微积分检测算子的值均小于所述坐标原点所对应的微积分检测算子的值时,确定所述象限内不需要进行微积分检测算子的搜索。
10.根据权利要求9所述的装置,其特征在于,所述判断单元,用于在所述象限的每个边界上的点所对应的微积分检测算子的值中的部分值大于所述坐标原点所对应的微积分检测算子的值时,则将所述象限的边界在该象限内沿水平和竖直方向平移,直至平移后的象限边界上的每个点所对应的微积分检测算子的值均大于或小于所述坐标原点的微积分检测算子的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310119838.8A CN103198301B (zh) | 2013-04-08 | 2013-04-08 | 虹膜定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310119838.8A CN103198301B (zh) | 2013-04-08 | 2013-04-08 | 虹膜定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103198301A true CN103198301A (zh) | 2013-07-10 |
CN103198301B CN103198301B (zh) | 2016-12-28 |
Family
ID=48720837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310119838.8A Active CN103198301B (zh) | 2013-04-08 | 2013-04-08 | 虹膜定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103198301B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260698A (zh) * | 2015-09-08 | 2016-01-20 | 北京天诚盛业科技有限公司 | 对虹膜图像进行定位的方法和装置 |
CN105631407A (zh) * | 2015-12-18 | 2016-06-01 | 电子科技大学 | 林麝虹膜定位方法 |
CN107844737A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
CN108629262A (zh) * | 2017-03-18 | 2018-10-09 | 上海荆虹电子科技有限公司 | 虹膜识别方法及相应装置 |
CN110934565A (zh) * | 2019-11-11 | 2020-03-31 | 中国科学院深圳先进技术研究院 | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 |
CN111079676A (zh) * | 2019-12-23 | 2020-04-28 | 浙江大学 | 一种人眼虹膜检测方法和装置 |
CN111161293A (zh) * | 2019-11-25 | 2020-05-15 | 新绎健康科技有限公司 | 基于直角坐标空间确定gdv能量图像的轮廓的方法及系统 |
WO2022142591A1 (zh) * | 2020-12-30 | 2022-07-07 | 北京眼神智能科技有限公司 | 斜视瞳孔定位方法、装置、计算机可读存储介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1623506A (zh) * | 2003-12-07 | 2005-06-08 | 倪蔚民 | 基于虹膜纹理分析的生物测定系统 |
CN1928886A (zh) * | 2006-06-27 | 2007-03-14 | 电子科技大学 | 基于图像分割和二维小波变换的虹膜识别方法 |
US7869626B2 (en) * | 2006-09-18 | 2011-01-11 | Electronics And Telecommunications Research Institute | Iris recognition method and apparatus thereof |
-
2013
- 2013-04-08 CN CN201310119838.8A patent/CN103198301B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1623506A (zh) * | 2003-12-07 | 2005-06-08 | 倪蔚民 | 基于虹膜纹理分析的生物测定系统 |
CN1928886A (zh) * | 2006-06-27 | 2007-03-14 | 电子科技大学 | 基于图像分割和二维小波变换的虹膜识别方法 |
US7869626B2 (en) * | 2006-09-18 | 2011-01-11 | Electronics And Telecommunications Research Institute | Iris recognition method and apparatus thereof |
Non-Patent Citations (1)
Title |
---|
张祥德等: "基于微积分算子的彩色虹膜图像定位算法", 《东北大学学报(自然科学版)》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260698A (zh) * | 2015-09-08 | 2016-01-20 | 北京天诚盛业科技有限公司 | 对虹膜图像进行定位的方法和装置 |
CN105260698B (zh) * | 2015-09-08 | 2019-01-25 | 山东眼神智能科技有限公司 | 对虹膜图像进行定位的方法和装置 |
CN105631407A (zh) * | 2015-12-18 | 2016-06-01 | 电子科技大学 | 林麝虹膜定位方法 |
CN105631407B (zh) * | 2015-12-18 | 2018-12-11 | 电子科技大学 | 林麝虹膜定位方法 |
CN107844737B (zh) * | 2016-09-19 | 2020-10-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
CN107844737A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
CN108629262A (zh) * | 2017-03-18 | 2018-10-09 | 上海荆虹电子科技有限公司 | 虹膜识别方法及相应装置 |
CN108629262B (zh) * | 2017-03-18 | 2021-08-20 | 上海荆虹电子科技有限公司 | 虹膜识别方法及相应装置 |
CN110934565A (zh) * | 2019-11-11 | 2020-03-31 | 中国科学院深圳先进技术研究院 | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 |
CN111161293A (zh) * | 2019-11-25 | 2020-05-15 | 新绎健康科技有限公司 | 基于直角坐标空间确定gdv能量图像的轮廓的方法及系统 |
CN111161293B (zh) * | 2019-11-25 | 2023-03-21 | 新绎健康科技有限公司 | 基于直角坐标空间确定gdv能量图像的轮廓的方法及系统 |
CN111079676A (zh) * | 2019-12-23 | 2020-04-28 | 浙江大学 | 一种人眼虹膜检测方法和装置 |
CN111079676B (zh) * | 2019-12-23 | 2022-07-19 | 浙江大学 | 一种人眼虹膜检测方法和装置 |
WO2022142591A1 (zh) * | 2020-12-30 | 2022-07-07 | 北京眼神智能科技有限公司 | 斜视瞳孔定位方法、装置、计算机可读存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103198301B (zh) | 2016-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103198301A (zh) | 虹膜定位方法及装置 | |
CN107871322B (zh) | 虹膜图像分割方法和装置 | |
CN110222787B (zh) | 多尺度目标检测方法、装置、计算机设备及存储介质 | |
CN110378946B (zh) | 深度图处理方法、装置以及电子设备 | |
WO2019174276A1 (zh) | 用于定位目标物体区域中心的图像处理方法、装置、设备和介质 | |
US20130215234A1 (en) | Method and apparatus for stereo matching | |
KR101761586B1 (ko) | 홍채와 공막의 경계선 검출 방법 | |
CN112037287B (zh) | 相机标定方法、电子设备及存储介质 | |
Guan et al. | Blood cell image segmentation based on the Hough transform and fuzzy curve tracing | |
CN111476804B (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
CN104077775A (zh) | 一种结合骨架特征点和形状上下文的形状匹配方法及装置 | |
KR101967007B1 (ko) | 홍채들을 비교하기 위해 파라미터화된 컨투어들을 검색하는 방법 | |
CN115170571B (zh) | 胸腹水细胞病理图像识别方法、图像识别装置、介质 | |
CN106295639A (zh) | 一种虚拟现实终端以及目标图像的提取方法和装置 | |
CN111027474B (zh) | 人脸区域获取方法、装置、终端设备和存储介质 | |
CN110309814B (zh) | 一种基于边缘检测的虹膜识别方法及装置 | |
CN115423870A (zh) | 一种瞳孔中心定位方法和装置 | |
CN101866420A (zh) | 一种用于光学体全息虹膜识别的图像前处理方法 | |
CN109101985A (zh) | 一种基于自适应邻域测试的图像误匹配点对剔除方法 | |
CN111507340A (zh) | 一种基于三维点云数据的目标点云数据提取方法 | |
CN113744307A (zh) | 一种基于阈值动态调整的图像特征点跟踪方法和系统 | |
US11023781B2 (en) | Method, apparatus and device for evaluating image tracking effectiveness and readable storage medium | |
CN112131984A (zh) | 视频裁剪方法、电子设备和计算机可读存储介质 | |
Bastos et al. | A combined pulling & pushing and active contour method for pupil segmentation | |
CN111738195A (zh) | 一种虹膜定位方法及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |