CN103605959A - 一种虹膜图像去除光斑的方法及装置 - Google Patents
一种虹膜图像去除光斑的方法及装置 Download PDFInfo
- Publication number
- CN103605959A CN103605959A CN201310573650.0A CN201310573650A CN103605959A CN 103605959 A CN103605959 A CN 103605959A CN 201310573650 A CN201310573650 A CN 201310573650A CN 103605959 A CN103605959 A CN 103605959A
- Authority
- CN
- China
- Prior art keywords
- iris
- image
- width
- iris image
- images
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Image Input (AREA)
Abstract
本发明涉及一种虹膜图像去除光斑的方法及装置，包括：用图像传感器对同一只人眼连续采集两次得到两幅虹膜图像；分别对所述两幅虹膜图像做阈值处理，除去所述虹膜图像中不需要的部分，得到两幅初级虹膜图像；对所述两幅初级虹膜图像做直方图匹配处理，使处理后的两幅初级虹膜图像的虹膜区域的对比度和亮度相同，得到两幅中级虹膜图像；将所述两幅中级虹膜图像合并，得到一幅没有光斑的最终虹膜图像。本发明的有益效果是：1.算法简单，易于实现；2.对设备没有额外要求，任何虹膜识别设备上都能使用该方法；3.算法计算量小，不会影响虹膜识别设备的识别速度；4.效果好，得到的图像质量明显优于未使用该算法得到的图像。
Description
技术领域
本发明涉及虹膜识别技术领域，具体涉及一种虹膜图像去除光斑的方法及装置。
背景技术
随着人们对安全要求的不断提高，身份识别技术可谓层出不穷，生物识别技术就是其中备受人们青睐的一种。生物识别技术是指用生物特征比如指纹、虹膜、相貌、步态、声音等表征人的身份的技术。虹膜识别技术因其高可靠性、安全性及准确性，成为未来身份识别的重要技术手段。
虹膜识别过程包括采集虹膜图像，图像预处理，虹膜规范化，虹膜特征提取及编码，特征匹配五个步骤。采集到的图像质量的优劣直接影响后续步骤的难易程度及精确度。虹膜识别技术能推向大规模实际应用的前提是能稳定的获取高质量的虹膜图像。虹膜图像质量差的一个重要原因就是虹膜图像中有光斑的存在，且光斑多处于虹膜纹理区域，造成虹膜有效信息的损失。这不仅会增加虹膜定位分割的难度，也会降低虹膜特征提取与编码的精度。由此可见，消除虹膜图像中的光斑区域，恢复完整的虹膜纹理信息是相当重要的。但是目前已公开的文献资料中，没有详尽介绍去除光斑，恢复光斑区域的虹膜纹理信息的方法。
发明内容
本发明的目的是提供一种虹膜图像去除光斑的方法及装置，解决现有技术中存在的上述问题。
本发明解决上述技术问题的技术方案如下：一种虹膜图像去除光斑的方法，包括以下步骤：
a、用图像传感器对同一只人眼连续采集两次得到两幅虹膜图像；
b、分别对所述两幅虹膜图像做阈值处理，除去所述虹膜图像中不需要的部分，得到两幅初级虹膜图像；
c、对所述两幅初级虹膜图像做直方图匹配处理，使处理后的两幅初级虹膜图像的虹膜区域的对比度和亮度相同，得到两幅中级虹膜图像；
d、将所述两幅中级虹膜图像合并，得到一幅没有光斑的最终虹膜图像。
进一步，所述图像传感器为CCD图像传感器或者CMOS图像传感器。
进一步，采集两幅虹膜图像时的曝光时间不同，第一次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰；第二次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰。
进一步，采集两幅虹膜图像时的曝光时间不同，第一次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰；第二次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰。
进一步，所述阈值处理的具体步骤如下：
b1、设定第一幅虹膜图像的阈值为T1，第二幅虹膜图像的阈值为T2；
b2、记第一幅虹膜图像上位于(x,y)处的像素点的灰度值为V1xy，第二幅虹膜图像上位于(x,y)处的像素点的灰度值为V2xy；
b3、当V1xy≥T1时，V1xy的值保持不变，当V1xy＜T1时，令V1xy=255；当V2xy≥T2时，令V2xy=255，当V2xy＜T2时，令V2xy的值保持不变，得到两幅阈值处理后的初级虹膜图像。
所述第一幅阈值处理后的初级虹膜图像相当于只截取了光斑区域部分，所述光斑区域有清晰的虹膜纹理信息；第二幅阈值处理后的初级虹膜图像相当于在完整的虹膜图像中，除去了光斑区域部分。
进一步，所述阈值T1和T2的获取方法是：分别对多个人眼进行虹膜图像采集，找出较短曝光时间和适当曝光时间下获取的虹膜图像的光斑区域的直方图分布范围，将分布范围中的最小值设为阈值。
进一步，所述两幅中级虹膜图像的合并是指将两幅中级虹膜图像的相同位置的像素进行灰度值“与”操作。
进一步，所述合并后的最终虹膜图像相当于将第一幅中级虹膜图像的光斑区域部分替代第二幅中级虹膜图像除去光斑区域部分后得到的一幅完整的、没有光斑的虹膜图像。
一种虹膜图像去除光斑的装置，包括图像传感器模块、阈值处理模块、直方图匹配处理模块和合并模块；
所述图像传感器模块用于对同一只人眼连续采集两次以得到两幅虹膜图像；
所述阈值处理模块用于对所述两幅虹膜图像做阈值处理，即截取第一幅虹膜图像的光斑区域部分，并除去第二幅虹膜图像的光斑区域部分，以得到两幅初级虹膜图像；
所述直方图匹配处理模块用于对所述两幅初级虹膜图像做直方图匹配处理，使处理后的两幅初级虹膜图像的虹膜区域的对比度和亮度相同，以得到两幅中级虹膜图像；
所述合并模块用于将两幅中级虹膜图像的相同位置的像素进行灰度值“与”操作以得到一幅没有光斑的最终虹膜图像。
进一步，所述图像传感器模块采集的所述两幅虹膜图像的曝光时间不同，第一次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰；第二次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰。
本发明的有益效果是：1.算法简单，易于实现；2.对设备没有额外要求，任何虹膜识别设备上都能使用该方法；3.算法计算量小，不会影响虹膜识别设备的识别速度；4.效果好，得到的图像质量明显优于未使用该算法得到的图像。
附图说明
图1为本发明一种虹膜图像去除光斑的装置的框架示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
一种虹膜图像去除光斑的方法，包括以下步骤：
a、用图像传感器对同一只人眼连续采集两次得到两幅虹膜图像；采集两幅虹膜图像时的曝光时间不同，第一次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰；第二次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰，所述图像传感器为CCD图像传感器，优选的，所述图像传感器还可以是CMOS图像传感器。
b、分别对所述两幅虹膜图像做阈值处理，除去所述虹膜图像中不需要的部分，得到两幅初级虹膜图像；
所述阈值处理的具体步骤如下：
b1、设定第一幅虹膜图像的阈值为T1，第二幅虹膜图像的阈值为T2；所述阈值T1和T2的获取方法是：分别对多个人眼进行虹膜图像采集，找出较短曝光时间和适当曝光时间下获取的虹膜图像的光斑区域的直方图分布范围，由于光斑区域是图像中最亮的部分，所述光斑区域的直方图分布范围在整个直方图的最右部分，所以将分布范围中的最小值设为阈值。
b2、记第一幅虹膜图像上位于(x,y)处的像素点的灰度值为V1xy，第二幅虹膜图像上位于(x,y)处的像素点的灰度值为V2xy；
b3、当V1xy≥T1时，V1xy的值保持不变，当V1xy＜T1时，令V1xy=255；当V2xy≥T2时，令V2xy=255，当V2xy＜T2时，令V2xy的值保持不变，得到两幅阈值处理后的初级虹膜图像。所述第一幅阈值处理后的初级虹膜图像相当于只截取了光斑区域部分，所述光斑区域有清晰的虹膜纹理信息；第二幅阈值处理后的初级虹膜图像相当于在完整的虹膜图像中，除去了光斑区域部分。
c、对所述两幅初级虹膜图像做直方图匹配处理，使处理后的两幅初级虹膜图像的虹膜区域的对比度和亮度相同，得到两幅中级虹膜图像；
d、将所述两幅中级虹膜图像合并，得到一幅没有光斑的最终虹膜图像。所述合并操作是指将两幅中级虹膜图像的相同位置的像素进行灰度值“与”操作。合并后的最终虹膜图像相当于将第一幅中级虹膜图像的光斑区域部分替代第二幅中级虹膜图像除去光斑区域部分后得到的一幅完整的、没有光斑的虹膜图像。
优选的，采集两幅虹膜图像时还可以是，第一次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰；第二次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰。
一种虹膜图像去除光斑的装置，包括图像传感器模块、阈值处理模块、直方图匹配处理模块和合并模块；
所述图像传感器模块用于对同一只人眼连续采集两次以得到两幅虹膜图像，使得第一张虹膜图像的曝光时间偏短，获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰，第二张虹膜图像的曝光时间恰当，获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰；
所述阈值处理模块用于对所述两幅虹膜图像做阈值处理，即截取第一幅虹膜图像的光斑区域部分，并除去第二幅虹膜图像的光斑区域部分，以得到两幅初级虹膜图像；
所述直方图匹配处理模块用于对所述两幅初级虹膜图像做直方图匹配处理，使处理后的两幅初级虹膜图像的虹膜区域的对比度和亮度相同，以得到两幅中级虹膜图像；
所述合并模块用于将两幅中级虹膜图像的相同位置的像素进行灰度值“与”操作以得到一幅没有光斑的最终虹膜图像。
采用本发明一种虹膜图像去除光斑的方法及装置，采集了25个人的人眼虹膜图像，每个人的左右眼都被采集，一共是50组人眼，即100张人眼虹膜图像，对这100张虹膜图像进行除光斑实验，有效的去除光斑，得到完美的虹膜图像有47张，达到了98%的成功率。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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)
1.一种虹膜图像去除光斑的方法，其特征在于，包括以下步骤：
a、图像传感器对同一只人眼连续采集两次得到两幅虹膜图像；
b、分别对所述两幅虹膜图像做阈值处理，除去所述虹膜图像中不需要的部分，得到两幅初级虹膜图像；
c、对所述两幅初级虹膜图像做直方图匹配处理，使处理后的两幅初级虹膜图像的虹膜区域的对比度和亮度相同，得到两幅中级虹膜图像；
d、将所述两幅中级虹膜图像合并，得到一幅没有光斑的最终虹膜图像。
2.根据权利要求1所述的一种虹膜图像去除光斑的方法，其特征在于，所述图像传感器为CCD图像传感器或者CMOS图像传感器。
3.根据权利要求1所述的一种虹膜图像去除光斑的方法，其特征在于，采集两幅虹膜图像时的曝光时间不同，第一次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰；第二次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰。
4.根据权利要求1所述的一种虹膜图像去除光斑的方法，其特征在于，采集两幅虹膜图像时的曝光时间不同，第一次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰；第二次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰。
5.根据权利要求4所述的一种虹膜图像去除光斑的方法，其特征在于，所述阈值处理的具体步骤如下：
b1、设定第一幅虹膜图像的阈值为T1，第二幅虹膜图像的阈值为T2；
b2、记第一幅虹膜图像上位于(x,y)处的像素点的灰度值为V1xy，第二幅虹膜图像上位于(x,y)处的像素点的灰度值为V2xy；
b3、当V1xy≥T1时，V1xy的值保持不变，当V1xy＜T1时，令V1xy=255；当V2xy≥T2时，令V2xy=255，当V2xy＜T2时，令V2xy的值保持不变，得到两幅阈值处理后的初级虹膜图像；
所述第一幅阈值处理后的初级虹膜图像相当于只截取了光斑区域部分，所述光斑区域有清晰的虹膜纹理信息；第二幅阈值处理后的初级虹膜图像相当于在完整的虹膜图像中，除去了光斑区域部分。
6.根据权利要求4所述的一种虹膜图像去除光斑的方法，其特征在于，所述阈值T1和T2的获取方法是：分别对多个人眼进行虹膜图像采集，找出较短曝光时间和适当曝光时间下获取的虹膜图像的光斑区域的直方图分布范围，将分布范围中的最小值设为阈值。
7.根据权利要求1所述的一种虹膜图像去除光斑的方法，其特征在于，所述两幅中级虹膜图像的合并是指将两幅中级虹膜图像的相同位置的像素进行灰度值“与”操作。
8.根据权利要求7所述的一种虹膜图像去除光斑的方法，其特征在于，所述合并后的最终虹膜图像相当于将第一幅中级虹膜图像的光斑区域部分替代第二幅中级虹膜图像除去光斑区域部分后得到的一幅完整的、没有光斑的虹膜图像。
9.一种虹膜图像去除光斑的装置，包括图像传感器模块、阈值处理模块、直方图匹配处理模块和合并模块；
所述图像传感器模块用于对同一只人眼连续采集两次以得到两幅虹膜图像；
所述阈值处理模块用于对所述两幅虹膜图像做阈值处理，即截取第一幅虹膜图像的光斑区域部分，并除去第二幅虹膜图像的光斑区域部分，以得到两幅初级虹膜图像；
所述直方图匹配处理模块用于对所述两幅初级虹膜图像做直方图匹配处理，使处理后的两幅初级虹膜图像的虹膜区域的对比度和亮度相同，以得到两幅中级虹膜图像；
所述合并模块用于将两幅中级虹膜图像的相同位置的像素进行灰度值“与”操作以得到一幅没有光斑的最终虹膜图像。
10.根据权利要求9所述的一种虹膜图像去除光斑的装置，其特征在于，所述图像传感器模块采集的所述两幅虹膜图像的曝光时间不同，第一次曝光时间偏短，并使得获得的虹膜图像除了光斑区域能显示明显的图像纹理外，其他区域偏黑偏暗，图像纹理不清晰；第二次曝光时间恰当，并使得获得的虹膜图像除了光斑区域很亮看不清图像纹理外，其他区域的图像纹理都很清晰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310573650.0A CN103605959A (zh) | 2013-11-15 | 2013-11-15 | 一种虹膜图像去除光斑的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310573650.0A CN103605959A (zh) | 2013-11-15 | 2013-11-15 | 一种虹膜图像去除光斑的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103605959A true CN103605959A (zh) | 2014-02-26 |
Family
ID=50124179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310573650.0A Pending CN103605959A (zh) | 2013-11-15 | 2013-11-15 | 一种虹膜图像去除光斑的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103605959A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335720A (zh) * | 2015-10-28 | 2016-02-17 | 广东欧珀移动通信有限公司 | 虹膜信息的采集方法及采集系统 |
| CN107123118A (zh) * | 2017-04-26 | 2017-09-01 | 山东大学 | 虹膜图像清晰度快速评价方法 |
| CN109426770A (zh) * | 2017-08-24 | 2019-03-05 | 合肥虹慧达科技有限公司 | 虹膜识别方法 |
| WO2020215200A1 (en) * | 2019-04-23 | 2020-10-29 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method, system, and computer-readable medium for removing flare in images |
| CN114202910A (zh) * | 2020-08-28 | 2022-03-18 | 京东方科技集团股份有限公司 | 仪表识别装置、仪表监控系统及其监控方法 |
| CN114266704A (zh) * | 2021-09-18 | 2022-04-01 | 长春理工大学 | 自适应光斑消除算法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020113687A1 (en) * | 2000-11-03 | 2002-08-22 | Center Julian L. | Method of extending image-based face recognition systems to utilize multi-view image sequences and audio information |
| CN101201893A (zh) * | 2006-09-30 | 2008-06-18 | 电子科技大学中山学院 | 一种基于灰度信息的虹膜识别预处理方法 |
| CN101819626A (zh) * | 2009-02-26 | 2010-09-01 | 何玉青 | 一种基于图像融合的虹膜光斑消除方法 |
| CN102693533A (zh) * | 2012-03-12 | 2012-09-26 | 清华大学 | 一种医学数字图像拼接方法 |
-
2013
- 2013-11-15 CN CN201310573650.0A patent/CN103605959A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020113687A1 (en) * | 2000-11-03 | 2002-08-22 | Center Julian L. | Method of extending image-based face recognition systems to utilize multi-view image sequences and audio information |
| CN101201893A (zh) * | 2006-09-30 | 2008-06-18 | 电子科技大学中山学院 | 一种基于灰度信息的虹膜识别预处理方法 |
| CN101819626A (zh) * | 2009-02-26 | 2010-09-01 | 何玉青 | 一种基于图像融合的虹膜光斑消除方法 |
| CN102693533A (zh) * | 2012-03-12 | 2012-09-26 | 清华大学 | 一种医学数字图像拼接方法 |
Non-Patent Citations (1)
| Title |
|---|
| YUQING HE 等: "An elimination Method of Light Spot Based on Iris Image Fusion", 《ADVANCED INTELLIGENT COMPUTING》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335720A (zh) * | 2015-10-28 | 2016-02-17 | 广东欧珀移动通信有限公司 | 虹膜信息的采集方法及采集系统 |
| CN107123118A (zh) * | 2017-04-26 | 2017-09-01 | 山东大学 | 虹膜图像清晰度快速评价方法 |
| CN109426770A (zh) * | 2017-08-24 | 2019-03-05 | 合肥虹慧达科技有限公司 | 虹膜识别方法 |
| CN109426770B (zh) * | 2017-08-24 | 2022-02-18 | 合肥虹慧达科技有限公司 | 虹膜识别方法 |
| WO2020215200A1 (en) * | 2019-04-23 | 2020-10-29 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method, system, and computer-readable medium for removing flare in images |
| CN113711230A (zh) * | 2019-04-23 | 2021-11-26 | Oppo广东移动通信有限公司 | 用于去除图像中的杂光的方法、系统和计算机可读介质 |
| CN114202910A (zh) * | 2020-08-28 | 2022-03-18 | 京东方科技集团股份有限公司 | 仪表识别装置、仪表监控系统及其监控方法 |
| CN114266704A (zh) * | 2021-09-18 | 2022-04-01 | 长春理工大学 | 自适应光斑消除算法 |
| CN114266704B (zh) * | 2021-09-18 | 2024-01-30 | 长春理工大学 | 自适应光斑消除方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103605959A (zh) | 一种虹膜图像去除光斑的方法及装置 | |
| CN108090888B (zh) | 基于视觉注意模型的红外图像和可见光图像的融合检测方法 | |
| CN104766063B (zh) | 一种活体人脸识别方法 | |
| CN112487922B (zh) | 一种多模态人脸活体检测方法及系统 | |
| CN109190522B (zh) | 一种基于红外相机的活体检测方法 | |
| CN104794458A (zh) | 一种从模糊视频中识别人员的方法 | |
| CN109359634A (zh) | 一种基于双目摄像机的人脸活体检测方法 | |
| CN108305223B (zh) | 图像背景虚化处理方法及装置 | |
| Juefei-Xu et al. | Encoding and decoding local binary patterns for harsh face illumination normalization | |
| DE112015001656T5 (de) | Bildverarbeitungsverfahren und -vorrichtung | |
| CN103886321A (zh) | 一种手指静脉特征提取方法 | |
| CN105404846A (zh) | 一种图像处理方法及装置 | |
| CN109816013A (zh) | 基于眼动追踪进行图像样本快速获取装置及方法 | |
| CN107749053A (zh) | 一种用于视觉假体的双目图像采集与预处理装置及方法 | |
| CN105354856A (zh) | 一种基于mser与orb相结合的人体匹配与定位方法及系统 | |
| CN105631422A (zh) | 一种视频识别方法以及视频识别系统 | |
| CN110378234A (zh) | 基于TensorFlow构建的卷积神经网络热像人脸识别方法及系统 | |
| CN103996023A (zh) | 基于深度信念网络的光场人脸识别方法 | |
| Hong et al. | Near-infrared image guided reflection removal | |
| CN107862298B (zh) | 一种基于红外摄像装置下眨眼的活体检测方法 | |
| CN104408412A (zh) | 一种用于保险柜的三维人脸识别方法 | |
| CN104573628A (zh) | 一种三维人脸识别方法 | |
| CN102346842A (zh) | 一种人眼状态检测方法及装置 | |
| CN105791815B (zh) | 一种TV line自动判定方法 | |
| CN101783013A (zh) | 一种适用于交通控制的图像增强系统与方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140226 |