CN103605976A - 一种双光源提取虹膜边界、睫毛及光斑方法及装置 - Google Patents
一种双光源提取虹膜边界、睫毛及光斑方法及装置 Download PDFInfo
- Publication number
- CN103605976A CN103605976A CN201310533638.7A CN201310533638A CN103605976A CN 103605976 A CN103605976 A CN 103605976A CN 201310533638 A CN201310533638 A CN 201310533638A CN 103605976 A CN103605976 A CN 103605976A
- Authority
- CN
- China
- Prior art keywords
- image
- iris
- light
- near infrared
- eyelashes
- 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
Abstract
本发明涉及一种双光源提取虹膜边界、睫毛及光斑方法及装置，包括以下步骤：在光源为可见光时，利用图像传感器采集人眼图像，得到可见光人眼图像；在光源为近红外光时，利用图像传感器采集人眼图像，得到近红外人眼图像；分别对可见光人眼图像和近红外人眼图像做直方图匹配处理，得到可见光匹配图像和近红外光匹配图像；计算可见光匹配图像和近红外光匹配图像的相同区域的像素差值，得到差值图像；将差值图像进行二值化处理，得到二值图像；根据像素值分割二值图像，得到虹膜区域图像、睫毛图像及光斑图像。本发明计算量小，适用性强，鲁棒性高，即使对移动状态下的虹膜、远距离虹膜等图像噪声多，变形严重的系统仍然非常适用。
Description
技术领域
本发明涉及一种虹膜定位与分割方法，特别涉及一种双光源提取虹膜边界、睫毛及光斑方法及装置。
背景技术
生物识别是用生物特征识别个人身份的一种技术。生物特征包括指纹，手形，视网膜，虹膜，人脸等形态特征，以及签名、语音、步态、击键人类的行为特征。虹膜因其唯一性、稳定性和安全性，逐渐成为一个最有效的生物识别特征。由于高效可用和准确的虹膜识别算法的出现，基于虹膜的自动身份识别和验证系统在过去几年越来越受欢迎。虹膜识别过程大体上分为6步：第一步，用相机或光学扫描仪采集虹膜图片；第二步，将图片从RGB模式转换成灰度模式（如果图像传感器是单色的，那么这一步可以跳过）；第三步，虹膜内外边界的分割与定位；第四步，虹膜规范化；第五步，虹膜编码的特征提取；最后一步，特征匹配。在这些步骤中，第三步虹膜分割是最重要的一步，因为这一步的好坏将直接影响虹膜识别系统的噪声容量，并最终导致对虹膜识别系统应用领域的限制。
虹膜分割在虹膜生物识别中用于定位有效的虹膜部分,即找到虹膜的内（瞳孔）、外边界。一个好的虹膜分割算法必须有以下两个特征：第一，当部分虹膜区域被上、下眼睑挡住时，能定位出眼睑的位置；第二：能检测出并排除任何睫毛,阴影的重叠遮挡或反射带来的影响。虹膜分割如此重要有以下两个原因：第一，作为虹膜识别的最前端步骤，虹膜分割限定了用于特征提取与匹配的图像内容，而这与识别精度直接有关。据报道，虹膜识别中大多数匹配失败都是由虹膜分割不精确引起的；第二，速度经常是虹膜识别系统在实际应用中的瓶颈，而虹膜分割通常是整个系统中最耗时的部分。多数虹膜识别方法依靠理想虹膜图像来实现准确的识别，比如，人须直视镜头以得到低噪声的虹膜图像。但是，如果虹膜图像受到眼睑，睫毛，光照的变化,或平面外旋转的干扰,虹膜识别系统的性能就会大大下降。此外，由散焦,运动模糊,低对比,过饱和现象等问题带来的低质量虹膜图像也会对虹膜分割带来困难。对输入图像的约束必然导致在图像采集期间过程中对用户的约束,从而限制了该项技术的普及性和应用领域。很显然，一个精确，快速而且鲁棒性好的虹膜分割方法是值得期待的。在本发明之前，所有相关团体提出的虹膜分割方法,都毫无例外地基于软件算法来实现,如英国剑桥大学的John Daugman提出的算法。也有人提出过很多基于复杂的数学和图像信号处理算法来提高分割的精确度。然而，这些方法复杂、计算量大、耗时多，并且对于有噪声的图像，这些方法都不尽人意。
发明内容
本发明所要解决的技术问题是提供一种利用能够快速精确的定位分割虹膜区域的双光源提取虹膜边界、睫毛及光斑方法及装置。
本发明解决上述技术问题的技术方案如下：一种双光源提取虹膜边界、睫毛及光斑方法，包括以下步骤：
步骤1：在光源为可见光时，利用图像传感器采集人眼图像，得到可见光人眼图像；
步骤2：在光源为近红外光时，利用图像传感器采集人眼图像，得到近红外人眼图像；
步骤3:分别对可见光人眼图像和近红外人眼图像做直方图匹配处理，得到可见光匹配图像和近红外光匹配图像；
步骤4：计算可见光匹配图像和近红外光匹配图像的相同区域的像素差值，得到差值图像；
步骤5：将差值图像进行二值化处理，得到二值图像；
步骤6：根据像素值分割二值图像，得到虹膜区域图像、睫毛图像及光斑图像。
本发明的有益效果是：本发明提供的方法计算量小，适用性强，鲁棒性高，即使对移动状态下的虹膜（IOM）、远距离虹膜（IID）等图像噪声多，变形严重的系统仍然非常适用。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述步骤1与步骤2同时进行。
进一步，所述图像传感器为CCD图像传感器。
进一步，所述步骤6具体为，利用图像分割技术，分割出二值图像中的非虹膜区域中像素值为零的区域，虹膜区域内像素值为零的区域和像素值为255的区域，分别对应得到虹膜区域图像、睫毛图像及光斑图像。
进一步，一种双光源提取虹膜边界、睫毛及光斑装置，包括可见光图像采集模块，近红外图像采集模块，直方图匹配模块，计算差值模块，二值化处理模块和图像分割模块；
所述可见光图像采集模块，用于在光源为可见光时，利用图像传感器采集人眼图像，得到可见光人眼图像；
所述近红外图像采集模块，用于在光源为近红外光时，利用图像传感器采集人眼图像，得到近红外人眼图像；
所述直方图匹配模块，用于分别对可见光人眼图像和近红外人眼图像做直方图匹配处理，使两幅图像的非虹膜区域的直方图分布趋于一致，得到可见光匹配图像和近红外光匹配图像；
所述计算差值模块，用于计算可见光匹配图像和近红外光匹配图像的相同区域的像素差值，得到差值图像；
所述二值化处理模块，用于将差值图像进行二值化处理，得到二值图像；
所述图像分割模块，用于根据像素值分割二值图像，得到虹膜区域图像、睫毛图像及光斑图像。
进一步，所述可见光图像采集模块与近红外图像采集模块同时运行。
进一步，所述图像传感器为CCD图像传感器。
进一步，所述图像分割模块进一步用于，利用图像分割技术，分割出二值图像中的非虹膜区域中像素值为零的区域，虹膜区域内像素值为零的区域和像素值为255的区域，分别对应得到虹膜区域图像、睫毛图像及光斑图像。
附图说明
图1为本发明方法步骤流程图；
图2为本发明装置结构图。
附图中，各标号所代表的部件列表如下：
1、可见光图像采集模块，2、近红外图像采集模块，3、直方图匹配模块，4、计算差值模块，5、二值化处理模块，6、图像分割模块。
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。
如图1所示，为本发明方法步骤流程图；图2为本发明装置结构图。
实施例1
人眼的不同部位对同一种光谱的反射率是不一样的。比如亚洲人的虹膜对近红外光的反射率比可见光的反射率高，但是巩膜刚好相反。这主要是由构成了人类虹膜色素的两个分子（超过90%的褐黑真色素和黄红色素）造成的。真色素大部分在可见光谱辐射荧光，这样能捕捉到更高级别的细节，但也得到更多的嘈杂工件，包括镜面反射，漫反射和阴影。虹膜的光谱辐射就其色素沉积的水平在可见光谱中比近红外光谱变化更明显。相反，巩膜的光谱反射在可见光谱中比近红外光中高得多。用不同的光谱照射人眼得到灰度值不同的两幅图像，再对这两幅图像进行直方图匹配，图像做差，差值二值化，区域分割等处理，就可以快速精确地分割出虹膜部分。
一种双光源提取虹膜边界、睫毛及光斑方法，包括以下步骤：
步骤1：在光源为可见光时，利用图像传感器采集人眼图像，得到可见光人眼图像；
步骤2：在光源为近红外光时，利用图像传感器采集人眼图像，得到近红外人眼图像；
步骤3:分别对可见光人眼图像和近红外人眼图像做直方图匹配处理，得到可见光匹配图像和近红外光匹配图像；
步骤4：计算可见光匹配图像和近红外光匹配图像的相同区域的像素差值，得到差值图像；
步骤5：将差值图像进行二值化处理，得到二值图像；
步骤6：根据像素值分割二值图像，得到虹膜区域图像、睫毛图像及光斑图像。
所述步骤1与步骤2同时进行。所述图像传感器为CCD图像传感器。所述步骤6具体为，利用图像分割技术，分割出二值图像中的非虹膜区域中像素值为零的区域，虹膜区域内像素值为零的区域和像素值为255的区域，分别对应得到虹膜区域图像、睫毛图像及光斑图像。
一种双光源提取虹膜边界、睫毛及光斑装置，包括可见光图像采集模块1，近红外图像采集模块2，直方图匹配模块3，计算差值模块4，二值化处理模块5和图像分割模块6；
所述可见光图像采集模块1，用于在光源为可见光时，利用图像传感器采集人眼图像，得到可见光人眼图像；
所述近红外图像采集模块2，用于在光源为近红外光时，利用图像传感器采集人眼图像，得到近红外人眼图像；
所述直方图匹配模块3，用于分别对可见光人眼图像和近红外人眼图像做直方图匹配处理，得到可见光匹配图像和近红外光匹配图像；
所述计算差值模块4，用于计算可见光匹配图像和近红外光匹配图像的相同区域的像素差值，得到差值图像；
所述二值化处理模块5，用于将差值图像进行二值化处理，得到二值图像；
所述图像分割模块6，用于根据像素值分割二值图像，得到虹膜区域图像、睫毛图像及光斑图像。
所述可见光图像采集模块1与近红外图像采集模块2同时运行。所述图像传感器为CCD图像传感器。所述图像分割模块6进一步用于，利用图像分割技术，分割出二值图像中的非虹膜区域中像素值为零的区域，虹膜区域内像素值为零的区域和像素值为255的区域，分别对应得到虹膜区域图像、睫毛图像及光斑图像。
在本发明中，只提到两种不同的光谱：可见光和近红外光。实际上，本发明所述的方法及装置对其它波长范围内的光波，如中等红外线、远红外线、紫外线、x射线、伽马射线等也是适用的。
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 (8)
1.一种双光源提取虹膜边界、睫毛及光斑方法，其特征在于，包括以下步骤：
步骤1：在光源为可见光时，利用图像传感器采集人眼图像，得到可见光人眼图像；
步骤2：在光源为近红外光时，利用图像传感器采集人眼图像，得到近红外人眼图像；
步骤3:分别对可见光人眼图像和近红外人眼图像做直方图匹配处理，得到可见光匹配图像和近红外光匹配图像；
步骤4：计算可见光匹配图像和近红外光匹配图像中相同位置的像素点的像素差值，得到差值图像；
步骤5：将差值图像进行二值化处理，得到二值图像；
步骤6：按照像素值的不同分割二值图像，得到虹膜区域图像、睫毛图像及光斑图像。
2.根据权利要求1所述的双光源提取虹膜边界、睫毛及光斑方法，其特征在于：所述步骤1与步骤2同时进行。
3.根据权利要求1所述的双光源提取虹膜边界、睫毛及光斑方法，其特征在于：所述图像传感器为CCD图像传感器。
4.根据权利要求1所述的双光源提取虹膜边界、睫毛及光斑方法，其特征在于：所述步骤6具体为，利用图像分割技术，分割出二值图像中像素值为255的区域，得到虹膜区域图像，获取虹膜区域图像中像素值为0的位于虹膜边缘的区域和像素值为0的虹膜内部的区域，分别得到睫毛图像及光斑图像。
5.一种双光源提取虹膜边界、睫毛及光斑装置，其特征在于：包括可见光图像采集模块（1），近红外图像采集模块（2），直方图匹配模块（3），计算差值模块（4），二值化处理模块（5）和图像分割模块（6）；
所述可见光图像采集模块（1），用于在光源为可见光时，利用图像传感器采集人眼图像，得到可见光人眼图像；
所述近红外图像采集模块（2），用于在光源为近红外光时，利用图像传感器采集人眼图像，得到近红外人眼图像；
所述直方图匹配模块（3），用于分别对可见光人眼图像和近红外人眼图像做直方图匹配处理，得到可见光匹配图像和近红外光匹配图像；
所述计算差值模块（4），用于计算可见光匹配图像和近红外光匹配图像的位置的像素点的像素差值，得到差值图像；
所述二值化处理模块（5），用于将差值图像进行二值化处理，得到二值图像；
所述图像分割模块（6），用于按照像素值的不同分割二值图像，得到虹膜区域图像、睫毛图像及光斑图像。
6.根据权利要求5所述的双光源提取虹膜边界、睫毛及光斑装置，其特征在于：所述可见光图像采集模块（1）与近红外图像采集模块（2）同时运行。
7.根据权利要求5所述的双光源提取虹膜边界、睫毛及光斑装置，其特征在于：所述图像传感器为CCD图像传感器。
8.根据权利要求5所述的双光源提取虹膜边界、睫毛及光斑装置，其特征在于：所述图像分割模块（6）进一步用于，利用图像分割技术，分割出二值图像中的非虹膜区域中像素值为零的区域，虹膜区域内像素值为零的区域和像素值为255的区域，分别对应得到虹膜区域图像、睫毛图像及光斑图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310533638.7A CN103605976A (zh) | 2013-11-01 | 2013-11-01 | 一种双光源提取虹膜边界、睫毛及光斑方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310533638.7A CN103605976A (zh) | 2013-11-01 | 2013-11-01 | 一种双光源提取虹膜边界、睫毛及光斑方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103605976A true CN103605976A (zh) | 2014-02-26 |
Family
ID=50124196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310533638.7A Pending CN103605976A (zh) | 2013-11-01 | 2013-11-01 | 一种双光源提取虹膜边界、睫毛及光斑方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103605976A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155296A (zh) * | 2021-11-19 | 2022-03-08 | 宁波芯然科技有限公司 | 一种确定手掌图像中心区域的方法 |
| CN114187648A (zh) * | 2022-02-15 | 2022-03-15 | 深圳熙卓科技有限公司 | 一种红外和可见光双镜头处理虹膜瞳孔图像的装置及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0973122A2 (en) * | 1998-07-17 | 2000-01-19 | Media Technology Corporation | Iris Information Acquisition apparatus and iris identification apparatus |
| CN101266645A (zh) * | 2008-01-24 | 2008-09-17 | 电子科技大学中山学院 | 一种基于多分辨率分析的虹膜定位方法 |
| US20090279790A1 (en) * | 2008-05-09 | 2009-11-12 | Burge Mark J | Multispectral iris fusion for enhancement and interoperability |
-
2013
- 2013-11-01 CN CN201310533638.7A patent/CN103605976A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0973122A2 (en) * | 1998-07-17 | 2000-01-19 | Media Technology Corporation | Iris Information Acquisition apparatus and iris identification apparatus |
| CN101266645A (zh) * | 2008-01-24 | 2008-09-17 | 电子科技大学中山学院 | 一种基于多分辨率分析的虹膜定位方法 |
| US20090279790A1 (en) * | 2008-05-09 | 2009-11-12 | Burge Mark J | Multispectral iris fusion for enhancement and interoperability |
Non-Patent Citations (1)
| Title |
|---|
| 武媛媛: "眼动跟踪技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 July 2009 (2009-07-15) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155296A (zh) * | 2021-11-19 | 2022-03-08 | 宁波芯然科技有限公司 | 一种确定手掌图像中心区域的方法 |
| CN114187648A (zh) * | 2022-02-15 | 2022-03-15 | 深圳熙卓科技有限公司 | 一种红外和可见光双镜头处理虹膜瞳孔图像的装置及方法 |
| CN114187648B (zh) * | 2022-02-15 | 2022-05-10 | 深圳熙卓科技有限公司 | 一种红外和可见光双镜头处理虹膜瞳孔图像的装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105046250B (zh) | 人脸识别的眼镜消除方法 | |
| KR102561723B1 (ko) | 모바일 디바이스를 사용하여 캡처된 화상을 사용하여 지문 기반 사용자 인증을 수행하기 위한 시스템 및 방법 | |
| US9076048B2 (en) | Biometric identification, authentication and verification using near-infrared structured illumination combined with 3D imaging of the human ear | |
| Haindl et al. | Unsupervised detection of non-iris occlusions | |
| Proença et al. | Iris recognition: Analysis of the error rates regarding the accuracy of the segmentation stage | |
| EP1986126B1 (fr) | Procédé et dispositif de localisation d'un iris humain dans une image | |
| Tan et al. | Automated segmentation of iris images using visible wavelength face images | |
| WO2016010724A1 (en) | Multispectral eye analysis for identity authentication | |
| WO2016010720A1 (en) | Multispectral eye analysis for identity authentication | |
| WO2016010721A1 (en) | Multispectral eye analysis for identity authentication | |
| CN110741378A (zh) | 蓝紫光照明下非接触式掌纹识别系统 | |
| KR101315646B1 (ko) | 가이디드 가버 필터를 이용한 지정맥 패턴 추출 방법 및 장치 | |
| Raffei et al. | Feature extraction for different distances of visible reflection iris using multiscale sparse representation of local Radon transform | |
| CN105426843A (zh) | 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法 | |
| Kang et al. | The biometric recognition on contactless multi-spectrum finger images | |
| Radu et al. | A versatile iris segmentation algorithm | |
| Reddy et al. | A robust scheme for iris segmentation in mobile environment | |
| Nigam et al. | Iris recognition using consistent corner optical flow | |
| CN109308436B (zh) | 一种基于主动红外视频的活体人脸识别方法 | |
| Parikh et al. | Effective approach for iris localization in nonideal imaging conditions | |
| Raffei et al. | Fusing the line intensity profile and support vector machine for removing reflections in frontal RGB color eye images | |
| CN103605976A (zh) | 一种双光源提取虹膜边界、睫毛及光斑方法及装置 | |
| Benalcazar et al. | Iris recognition: comparing visible-light lateral and frontal illumination to NIR frontal illumination | |
| KR20120135381A (ko) | 동공 경계 정보를 이용한 생체 인식 방법 및 이를 적용하는 장치 | |
| Karakaya et al. | An iris segmentation algorithm based on edge orientation for off-angle iris recognition |
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 |