CN107066957A - 可见光眼部图像中的虹膜定位方法和装置 - Google Patents
可见光眼部图像中的虹膜定位方法和装置 Download PDFInfo
- Publication number
- CN107066957A CN107066957A CN201710190252.9A CN201710190252A CN107066957A CN 107066957 A CN107066957 A CN 107066957A CN 201710190252 A CN201710190252 A CN 201710190252A CN 107066957 A CN107066957 A CN 107066957A
- Authority
- CN
- China
- Prior art keywords
- iris
- image
- mrow
- region
- msub
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Prostheses (AREA)
Abstract
本发明公开了可见光眼部图像中的虹膜定位方法和装置。该方法包括:将RGB颜色空间的眼部图像转换为lαβ颜色空间的眼部图像;在lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域;根据虹膜区域的位置,在RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界;根据虹膜的外圆边界对RGB颜色空间的眼部图像和lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。上述方法能够实现良好的定位效果,有利于后续的特征提取,提升虹膜识别精度。
Description
技术领域
本发明属于计算机视觉及模式识别技术领域,特别涉及可见光眼部图像中的虹膜定位方法和装置。
背景技术
虹膜由于其可靠性、唯一性等特点被广泛的应用于身份识别领域。典型的虹膜识别系统由预处理、虹膜定位、特征提取和匹配几个部分组成。其中虹膜定位作为虹膜识别系统中至关重要的一步,对后续的特征提取过程具有很大的影响。不精确的虹膜定位将导致最终识别精度的下降。与传统的近红外光照下的虹膜图像相比,可见光下的虹膜图像可以提供更加丰富的颜色信息和纹理信息,因而可以提升虹膜识别的精度,但是由于可见光下的虹膜图像还存在例如反射光斑、边界模糊等噪声,使得可见光下的虹膜图像精确定位更加困难。
发明内容
本发明的目的在于提供一种精确定位虹膜边界位置的方法。此方法使得可见光虹膜图像能够保留更多的可用信息,提高最终的识别精度。
为了达到以上目的,本申请提供了可见光眼部图像中的虹膜定位方法和装置。
第一方面,本申请提供了一种可见光眼部图像中的虹膜定位方法,包括以下步骤:
S1、将RGB颜色空间的眼部图像转换为lαβ颜色空间的眼部图像;
S2、在lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域;
S3、根据虹膜区域的位置,在RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界;
S4、根据虹膜的外圆边界对RGB颜色空间的眼部图像和lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。
在一些可选的实现方式中,步骤S2包括:
S21、将lαβ颜色空间的眼部图像中的α分量图像裁剪成左右两块,并分别对左右两块做对比度调整;
S22、设置阈值为mr对图像做二值化处理,然后采用形态学处理方法获取巩膜区域,并基于边缘检测及多项式拟合的方法定位上下眼睑,从而确定虹膜区域位置;其中,mr表示R分量归一化图像的平均像素值。
在一些可选的实现方式中,分别对左右两块做对比度调整,包括:
将左右两块中灰度值在[T1,T2]范围内的像素映射到[0,1]之间,其中,T1和T2通过如下公式求取:
其中,σ为0.2。
在一些可选的实现方式中,步骤S3包括:
S31、对RGB颜色空间的眼部图像的R分量进行中值滤波;
S32、对中值滤波后的图像进行基于开闭操作的图像重建;
S33、对增强对比度后的图像做二值化操作,并根据S2所获取的虹膜区域去除眼睑等噪声的干扰得到眼球区域的二值图像,根据该二值图像,获得虹膜外边界的初始圆心横坐标xout:
S34、对S33所获取的二值图像做边缘检测获取边缘点,依据所获取的边缘点,计算得到虹膜外边界圆心纵坐标yout及半径rout:
S35、采用圆形霍夫变换获得最终精确的虹膜外边缘参数。
在一些可选的实现方式中,步骤S33中,虹膜外边界的初始圆心横坐标xout采用如下公式求取:
xout=min(V(x))
I(x,y)i为二值图像第i个像素的像素值,二值图像大小为m×n。
步骤S34中,虹膜外边界的初始圆心纵坐标yout及半径rout,采用如下公式求取:
其中,xi,yi表示第i个边缘点的横纵坐标。
在一些可选的实现方式中,步骤S4包括:
S41、依据S3所得到的虹膜外圆边界参数,对RGB颜色空间的眼部图像的R分量图像和lαβ颜色空间的眼部图像的α分量图像进行裁剪;
S42、对于裁剪后的R分量的虹膜图像和α分量的虹膜图像分别在瞳孔和虹膜上截取两块大小为M×M像素的区域P和I;
S43、分别计算R分量的虹膜图像和α分量的虹膜图像中的瞳孔和虹膜的对比度SR和Sα,计算公式如下:
其中S为SR或Sα,Pi表示像素区域P中第i个像素的像素值大小,Ij表示像素区域I中第j个像素的像素值大小。
S44、选择R分量的虹膜图像和α分量的虹膜图像中的对比度值更大的一个做基于开闭的重建操作;
S45、采用形态学处理获取瞳孔区域;
S46、对瞳孔区域做边缘检测和圆形霍夫变换获得最终瞳孔边界的圆心和半径。
在一些可选的实现方式中,步骤S42中,截取虹膜外边界中心下方一块区域作为P,截取瞳孔下方一块区域作为I,M的大小取rout/10。
第二方面,本申请提供了一种可见光眼部图像中的虹膜定位装置,包括:
图像空间转换模块,用于将RGB颜色空间的眼部图像转换为lαβ颜色空间的眼部图像;
噪声区域定位模块,用于在lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域;
虹膜外边界定位模块,用于根据虹膜区域的位置,在RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界;
虹膜内边界定位模块,用于根据虹膜的外圆边界对RGB颜色空间的眼部图像和lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。
第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行上述第一方面提供的可见光眼部图像中的虹膜定位方法。
本申请提供的可见光眼部图像中的虹膜定位方法和装置,结合了不同的颜色空间中不同分量的虹膜图像的特点,利用lαβ颜色空间的虹膜区域图像的α分量分量分割巩膜,并在R分量上采用圆形霍夫变换方法定位虹膜外边界,最终结合R分量和α分量定位瞳孔边界。该方法有效的利用了可见光虹膜图像的颜色信息和纹理信息,提升了可见光眼部图像的虹膜定位精度,利于后续的特征提取和识别过程。
附图说明
图1是本申请提供的可见光眼部图像中的虹膜定位方法的一个实施例的流程示意图;
图2是本申请提供的可见光眼部图像中的虹膜定位方法中的确定虹膜区域的一个实施例的流程示意图;
图3是采用图2的方法定位出虹膜区域的效果示意图;
图4是本申请提供的可见光眼部图像中的虹膜定位方法中的定位虹膜外边界的一个实施例的流程示意图;
图5是采用图4的方法定位出虹膜外边界的效果示意图;
图6是本申请提供的可见光眼部图像中的虹膜定位方法中的定位虹膜内边界的一个实施例的流程示意图;
图7是采用图6的方法定位出虹膜内边界的效果示意图;
图8是本申请提供的可见光眼部图像中的虹膜定位方法的一个实施例的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图及实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,不用于限定本发明。
请参考图1,其示出了本申请提供的可见光眼部图像中的虹膜定位方法的一个实施例的流程示意图。如图1所示,该可见光眼部图像中的虹膜定位方法的流程100,包括以下步骤:
S1、将RGB颜色空间的眼部图像转换为lαβ颜色空间的眼部图像。
在本实施例中,可以首先获取可见光眼部图像。该可见光眼部图像可以为在自然光环境下或在可见光光源照射下采集到的RGB空间的眼部图像。RGB空间为由红色(R)、绿色(G)、蓝色(B)三原色来表示图像中每个像素点的颜色信息的颜色系统。之后,可以将RGB颜色空间的眼部图像转换为lαβ颜色空间的眼部图像。lαβ颜色空间由明度(l)和有关色彩的α,β三个要素组成,α表示从洋红色至绿色的范围,β表示从黄色至蓝色的范围。具体的转换公式如下(1):
α=500*(f(X)-f(Y)) (3)
β=200*(f(Y)-f(Z)) (4)
其中,
S2、在lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域。
步骤S1获得的lαβ颜色空间的眼部图像包括l分量、α分量以及β分量。在本实施例中,可以对α分量的眼部图像进行分割,将巩膜区域即上下眼睑等噪声区域从眼部图像中提出出来。具体地,在α分量的眼部图像中巩膜区域与虹膜区域的分量值差异较大,可以通过训练选出合适的阈值进行二值化来提取虹膜区域,并利用上下眼睑的边界特性(例如边界呈平滑的弧线)等在α分量的眼部图像中将上下眼睑定位出来。
图2示出了本申请提供的可见光眼部图像中的虹膜定位方法中的确定虹膜区域的一个实施例的流程示意图,也即示出了步骤S2的一种可选实现方式的示意性流程200。
如图2所示,在步骤S21中,将lαβ颜色空间的眼部图像中的α分量图像裁剪成左右两块,并分别对左右两块做对比度调整。
在这里,可以将α分量图像裁剪为面积相等的左右两块,并分别对左右两块进行对比度调整,以保证在整体亮度不变的情况下,将α分量图像中的较亮的点和较暗的点之间的差异放大,从而可以消除噪声点的影响,更加精确地定位出虹膜区域的边界。将图像分为两块进行对比度调整,可以使每一块中的亮点和暗点的差异更明显,有利于提升虹膜边界提取精度。
在进一步的实现方式中,可以采用如下方式对上述左右两块的对比度进行调整:将左右两块中灰度值在[T1,T2]范围内的像素映射到[0,1]之间,其中,T1和T2通过如下公式求取:
其中,σ取值为0.2。
然后,在步骤S22中,设置阈值为mr对图像做二值化处理,然后采用形态学处理方法获取巩膜区域,并基于边缘检测及多项式拟合的方法定位上下眼睑,从而确定虹膜区域位置。
在这里,可以对调整过对比度的左右两块做二值化处理,得到巩膜边界的多个点,设定的阈值mr可以为利用多幅图像训练得出的。然后可以进行开、闭等形态学处理方式将巩膜边界的多个点平滑连接,得到巩膜区域。之后可以利用canny算子等边缘检测算子定位出上下眼睑,可选地,还可以结合多项式拟合方式进一步提升上下眼睑的定位精度。这样,在将巩膜区域和上下眼睑定位出来之后,可以得到包含瞳孔、虹膜、巩膜的图像区域。
图3示出采用图2所示的方法从可见光虹膜图像中定位出的包含瞳孔、虹膜、巩膜的图像区域的一个示例。其中边界30为定位出的巩膜及上下眼睑边界。可以看出,该方法定位的巩膜及上下眼睑边界与实际巩膜和上下眼睑的重合度较高,即定位精度较高。
返回图1,接着,在步骤S3中,根据虹膜区域的位置,在RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界。
在本实施例中,步骤S2定位出巩膜边界和上下眼睑之后,可以利用RGB颜色空间的眼部图像的R分量图像定位出虹膜的外圆边界。虹膜的外边界通常近似为圆形,圆形的一部分可能被眼睑或睫毛等遮挡。虹膜外边界呈棕色或褐色,其中红色分量较为明显。在本实施例中,采用RGB颜色空间的眼部图像的R分量来定位虹膜外边界,可以提升定位精度。具体的边界定位方法可例如为利用canny算子提取边缘等。
请参考图4,其示出了本申请提供的可见光眼部图像中的虹膜定位方法中的定位虹膜外边界的一个实施例的流程示意图,也即示出了步骤S3的一种可选实现方式的示意性流程400。
如图4所示,上述步骤S3的一种可选方式的流程400包括:
步骤S31,对RGB颜色空间的眼部图像的R分量进行中值滤波;
步骤S32,对中值滤波后的图像进行基于开闭操作的图像重建;
步骤S33,对增强对比度后的图像做二值化操作,并根据S2所获取的虹膜区域去除眼睑等噪声的干扰得到眼球区域的二值图像,根据该二值图像,获得虹膜外边界的初始圆心横坐标xout;
步骤S34,对步骤S33所获取的二值图像做边缘检测获取边缘点,依据所获取的边缘点,计算得到虹膜外边界圆心纵坐标yout及半径rout;
S35、采用圆形霍夫变换获得最终精确的虹膜外边缘参数。
在本实施例中,可以首先在步骤S31中对已定位出巩膜和上下眼睑边界的R分量的图像进行中值滤波,以去除光照不均的影响。然后再步骤S32中基于开闭操作等对图像进行重建,以提升图像的对比度。之后在步骤S33中采用OTSU(大津算法)对图像进行二值化,并去除上下眼睑、巩膜等噪声区域,得到包括虹膜及通孔的眼球区域的二值图像。该二值图像的边界近似为圆形,该圆形的圆心横坐标可以作为虹膜外边界的初始圆心横坐标xout。在步骤S34中可以采用canny算子对步骤S33得到的二值图像进行边缘检测得到边缘点,根据各边缘点的坐标可以计算出外边界圆心纵坐标yout及半径rout。最后可以在步骤S35中采用CHT(Circle Hough Transform,圆形霍夫变换)拟合得到精确的虹膜外边缘参数。
在进一步的实现方式中,步骤S33中的虹膜外边界的圆形横坐标xout可以采用如下公式计算:
xout=min(V(x)) (9)
其中,I(x,y)i为步骤S33得到的二值图像第i个像素的像素值,二值图像大小为m×n。
步骤S34中,虹膜外边界的初始圆心纵坐标yout及半径rout,采用如下公式求取:
其中,xi,yi表示第i个边缘点的横纵坐标。
图5示出采用图4所示的方法从可见光虹膜图像中定位出的虹膜的外边界的一个示例。其中边界50为虹膜外边界。可以看出,该方法定位的虹膜外边界与实际虹膜的外边界重合度较高。
返回图1,在步骤S4中,根据虹膜的外圆边界对RGB颜色空间的眼部图像和lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。
在本实施例中,可以根据步骤S3定位出的虹膜外边界分别对RGB颜色空间的眼部图像和lαβ颜色空间的眼部图像进行裁剪,得到RGB颜色空间的虹膜区域图像(包含通孔区域)和lαβ颜色空间的虹膜区域(包含通孔区域)图像。具体的裁剪方法可例如为将虹膜外边界之外的图像的各分量修改为0。然后,可以根据裁剪后的R分量图像和α分量图像中虹膜与瞳孔对比度的大小来选择合适的颜色分量图像来进行虹膜内边界(即通孔边界)的定位。具体地,可以选择R分量图像和α分量图像中虹膜与瞳孔对比度较大的用作虹膜内边界定位。在定位虹膜内边界时,可以采用边缘提取、霍夫变换等方法。
进一步地,参考图6,其示出了本申请提供的可见光眼部图像中的虹膜定位方法中的定位虹膜内边界的一个实施例的流程示意图,也即示出了步骤S4的一种可选实现方式的示意性流程600。
如图6所示,步骤S4的可选实现流程包括:
S41、依据步骤S3所得到的虹膜外圆边界参数,对RGB颜色空间的所述眼部图像的R分量图像和所述lαβ颜色空间的眼部图像的α分量图像进行裁剪;
S42、对于裁剪后的R分量的虹膜图像和α分量的虹膜图像分别在瞳孔和虹膜上截取两块大小为M×M像素的区域P和I;
S43、分别计算R分量的虹膜图像和α分量的虹膜图像中的瞳孔和虹膜的对比度SR和Sα,具体的计算公式如下:
其中S为SR或Sα,Pi表示像素区域P中第i个像素的像素值大小,Ij表示像素区域I中第j个像素的像素值大小;
S44、选择R分量的虹膜图像和α分量的虹膜图像中的对比度值更大的一个做基于开闭的重建操作;
S45、采用形态学处理获取瞳孔区域;
S46、对瞳孔区域做边缘检测和CHT获得最终瞳孔边界的圆心和半径。
可选地,在上述步骤S42中,可以截取虹膜外边界中心下方一块区域作为P,截取瞳孔下方一块区域作为I,M的大小近似取rout/10。
在上述流程400中,分别在R分量的虹膜图像和α分量的虹膜图像中取两块特征区域来计算其虹膜与瞳孔的对比度,可以减少运算量,提升计算速度。在步骤S44进行重建操作后可以进一步提升图像的对比度,去除噪声影响。
图7是采用图6的方法定位出虹膜内边界的效果示意图,其中70为定位出的虹膜内边界,可以看出,边界70比较接近真实的虹膜内边界。
本申请实施例提供的上述可见光眼部图像中的虹膜定位方法,利用不同颜色空间中颜色分量的虹膜、巩膜的颜色特性,可以提升巩膜、眼睑等噪声区域的定位精度以及虹膜边界的定位精度,进而可以提升虹膜识别的精度,
为了验证上述方法的有效性,利用UBIRIS.v1、UBIRIS.v2虹膜数据库及在移动手机设备(MEIZU4pro)上采集的100幅虹膜图像对此定位算法进行了测试。手机端所采集的虹膜图像分辨率为780×1280。UBIRIS.v2数据库是可见光虹膜图像数据库,图像分辨率为400×300。UBIRIS.v1数据库是在两个不同阶段上采集的可见光虹膜数据库。我们从中随机各选取200幅用于实验。
为了验证上述方法的有效性,与其他方法(包括Daugman、Martin-Roche等人、Camu和Wildes以及Sahmoud的方法)在分割精度上做了对比。不同算法的对比结果如表1所示。
表1本发明提出方法与其他对比方法在不同数据库上的性能对比
从表1中可以看出本申请提供的方法的分割精度更高。
进一步参考图8,作为对上述各图所示方法的实现,本申请提供了一种可见光眼部图像中的虹膜定位装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,可见光眼部图像中的虹膜定位装置800可以包括图像空间转换模块801、噪声区域定位模块802、虹膜外边界定位模块803以及虹膜内边界定位模块804。其中图像空间转换模块801用于将RGB颜色空间的所述眼部图像转换为lαβ颜色空间的眼部图像;噪声区域定位模块802用于在所述lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域;虹膜外边界定位模块803用于根据所述虹膜区域的位置,在所述RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界;虹膜内边界定位模块804用于根据所述虹膜的外圆边界对RGB颜色空间的所述眼部图像和所述lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和所述lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置执行以下步骤:S1、将RGB颜色空间的所述眼部图像转换为lαβ颜色空间的眼部图像;S2、在所述lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域;S3、根据所述虹膜区域的位置,在所述RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界;S4、根据所述虹膜的外圆边界对RGB颜色空间的所述眼部图像和所述lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和所述lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。
综上所述,本发明可以充分利用可见光虹膜图像的颜色信息和纹理信息,实现高精度的可见光虹膜图像分割方法。
Claims (9)
1.一种可见光眼部图像中的虹膜定位方法,其特征在于,所述方法包括以下步骤:
S1、将RGB颜色空间的所述眼部图像转换为lαβ颜色空间的眼部图像;
S2、在所述lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域;
S3、根据所述虹膜区域的位置,在所述RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界;
S4、根据所述虹膜的外圆边界对RGB颜色空间的所述眼部图像和所述lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和所述lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。
2.根据权利要求1所述的方法,其特征在于,所述步骤S2包括:
S21、将所述lαβ颜色空间的眼部图像中的α分量图像裁剪成左右两块,并分别对左右两块做对比度调整;
S22、设置阈值为mr对图像做二值化处理,然后采用形态学处理方法获取巩膜区域,并基于边缘检测及多项式拟合的方法定位上下眼睑,从而确定虹膜区域位置;
其中,mr表示R分量归一化图像的平均像素值。
3.根据权利要求2所述的方法,其特征在于,所述分别对左右两块做对比度调整,包括:
将所述左右两块中灰度值在[T1,T2]范围内的像素映射到[0,1]之间,其中,T1和T2通过如下公式求取:
其中,σ为0.2。
4.根据权利要求1所述的方法,其特征在于,所述步骤S3包括:
S31、对所述RGB颜色空间的眼部图像的R分量进行中值滤波;
S32、对中值滤波后的图像进行基于开闭操作的图像重建;
S33、对增强对比度后的图像做二值化操作,并根据S2所获取的虹膜区域去除眼睑等噪声的干扰得到眼球区域的二值图像,根据该二值图像,获得虹膜外边界的初始圆心横坐标xout;
S34、对S33所获取的二值图像做边缘检测获取边缘点,依据所获取的边缘点,计算得到虹膜外边界圆心纵坐标yout及半径rout;
S35、采用圆形霍夫变换获得最终精确的虹膜外边缘参数。
5.根据权利要求4所述的方法,其特征在于,
步骤S33中,虹膜外边界的初始圆心横坐标xout采用如下公式求取:
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mi>I</mi>
<msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mi>K</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
xout=min(V(x))
I(x,y)i为二值图像第i个像素的像素值,二值图像大小为m×n。
步骤S34中,虹膜外边界的初始圆心纵坐标yout及半径rout,采用如下公式求取:
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mi>K</mi>
<mo>,</mo>
<mi>n</mi>
</mrow>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中,xi,yi表示第i个边缘点的横纵坐标。
6.根据权利要求1所述的方法,其特征在于,所述步骤S4包括:
S41、依据S3所得到的虹膜外圆边界参数,对RGB颜色空间的所述眼部图像的R分量图像和所述lαβ颜色空间的眼部图像的α分量图像进行裁剪;
S42、对于裁剪后的R分量的虹膜图像和α分量的虹膜图像分别在瞳孔和虹膜上截取两块大小为M×M像素的区域P和I;
S43、分别计算R分量的虹膜图像和α分量的虹膜图像中的瞳孔和虹膜的对比度SR和Sα,计算公式如下:
<mrow>
<mi>S</mi>
<mo>=</mo>
<mo>|</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msup>
<mi>M</mi>
<mn>2</mn>
</msup>
</munderover>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msup>
<mi>M</mi>
<mn>2</mn>
</msup>
</munderover>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msup>
<mi>M</mi>
<mn>2</mn>
</msup>
</munderover>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msup>
<mi>M</mi>
<mn>2</mn>
</msup>
</munderover>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
其中S为SR或Sα,Pi表示像素区域P中第i个像素的像素值大小,Ij表示像素区域I中第j个像素的像素值大小;
S44、选择R分量的虹膜图像和α分量的虹膜图像中的对比度值更大的一个做基于开闭的重建操作;
S45、采用形态学处理获取瞳孔区域;
S46、对瞳孔区域做边缘检测和圆形霍夫变换获得最终瞳孔边界的圆心和半径。
7.根据权利要求6所述的方法,其特征在于,
步骤S42中,截取虹膜外边界中心下方一块区域作为P,截取瞳孔下方一块区域作为I,M的大小取rout/10。
8.一种可见光眼部图像中的虹膜定位装置,其特征在于,所述装置包括:
图像空间转换模块,用于将RGB颜色空间的所述眼部图像转换为lαβ颜色空间的眼部图像;
噪声区域定位模块,用于在所述lαβ颜色空间的眼部图像的α分量上对巩膜区域进行分割并定位上下眼睑,以确定虹膜区域;
虹膜外边界定位模块,用于根据所述虹膜区域的位置,在所述RGB颜色空间的眼部图像的R分量上定位虹膜的外圆边界;
虹膜内边界定位模块,用于根据所述虹膜的外圆边界对RGB颜色空间的所述眼部图像和所述lαβ颜色空间的眼部图像进行裁剪,以得到RGB颜色空间的虹膜区域图像和lαβ颜色空间的虹膜区域图像,并依据RGB颜色空间的虹膜区域图像的R分量和所述lαβ颜色空间的虹膜区域图像的α分量中的虹膜与瞳孔对比度的大小来选择合适的颜色分量定位瞳孔边界。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时执行如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710190252.9A CN107066957A (zh) | 2017-03-27 | 2017-03-27 | 可见光眼部图像中的虹膜定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710190252.9A CN107066957A (zh) | 2017-03-27 | 2017-03-27 | 可见光眼部图像中的虹膜定位方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107066957A true CN107066957A (zh) | 2017-08-18 |
Family
ID=59621203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710190252.9A Pending CN107066957A (zh) | 2017-03-27 | 2017-03-27 | 可见光眼部图像中的虹膜定位方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066957A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171201A (zh) * | 2018-01-17 | 2018-06-15 | 山东大学 | 基于灰度形态学的睫毛快速检测方法 |
CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
CN109840460A (zh) * | 2017-11-28 | 2019-06-04 | 武汉真元生物数据有限公司 | 一种虹膜采集系统 |
CN109919896A (zh) * | 2017-12-11 | 2019-06-21 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种角膜直径的测量方法 |
CN110516548A (zh) * | 2019-07-24 | 2019-11-29 | 浙江工业大学 | 一种基于三维眼球模型和Snakuscule的虹膜中心定位方法 |
CN111144413A (zh) * | 2019-12-30 | 2020-05-12 | 福建天晴数码有限公司 | 虹膜定位方法及计算机可读存储介质 |
CN111513671A (zh) * | 2020-01-20 | 2020-08-11 | 明月镜片股份有限公司 | 基于眼部图像的眼镜舒适度评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916362A (zh) * | 2010-05-28 | 2010-12-15 | 深圳大学 | 一种虹膜定位方法及虹膜识别系统 |
US20140023240A1 (en) * | 2012-07-19 | 2014-01-23 | Honeywell International Inc. | Iris recognition using localized zernike moments |
WO2016010721A1 (en) * | 2014-07-15 | 2016-01-21 | Qualcomm Incorporated | Multispectral eye analysis for identity authentication |
CN106022315A (zh) * | 2016-06-17 | 2016-10-12 | 北京极创未来科技有限公司 | 一种用于虹膜识别的瞳孔中心定位方法 |
-
2017
- 2017-03-27 CN CN201710190252.9A patent/CN107066957A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916362A (zh) * | 2010-05-28 | 2010-12-15 | 深圳大学 | 一种虹膜定位方法及虹膜识别系统 |
US20140023240A1 (en) * | 2012-07-19 | 2014-01-23 | Honeywell International Inc. | Iris recognition using localized zernike moments |
WO2016010721A1 (en) * | 2014-07-15 | 2016-01-21 | Qualcomm Incorporated | Multispectral eye analysis for identity authentication |
CN106022315A (zh) * | 2016-06-17 | 2016-10-12 | 北京极创未来科技有限公司 | 一种用于虹膜识别的瞳孔中心定位方法 |
Non-Patent Citations (1)
Title |
---|
XUE WANG ET AL.: "Combining Multiple Color Components for Efficient Visible Spectral Iris Localization", 《CCBR 2016,SPRINGER INTERNATIONAL PUBLISHING AG 2016》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840460A (zh) * | 2017-11-28 | 2019-06-04 | 武汉真元生物数据有限公司 | 一种虹膜采集系统 |
CN109919896A (zh) * | 2017-12-11 | 2019-06-21 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种角膜直径的测量方法 |
CN108171201A (zh) * | 2018-01-17 | 2018-06-15 | 山东大学 | 基于灰度形态学的睫毛快速检测方法 |
CN108171201B (zh) * | 2018-01-17 | 2021-11-09 | 山东大学 | 基于灰度形态学的睫毛快速检测方法 |
CN109166114A (zh) * | 2018-08-24 | 2019-01-08 | 武汉轻工大学 | 脊柱椎间隙识别方法、设备、存储介质及装置 |
CN110516548A (zh) * | 2019-07-24 | 2019-11-29 | 浙江工业大学 | 一种基于三维眼球模型和Snakuscule的虹膜中心定位方法 |
CN111144413A (zh) * | 2019-12-30 | 2020-05-12 | 福建天晴数码有限公司 | 虹膜定位方法及计算机可读存储介质 |
CN111513671A (zh) * | 2020-01-20 | 2020-08-11 | 明月镜片股份有限公司 | 基于眼部图像的眼镜舒适度评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107066957A (zh) | 可见光眼部图像中的虹膜定位方法和装置 | |
CN106407917B (zh) | 基于动态尺度分配的视网膜血管提取方法及系统 | |
Eadgahi et al. | Localization of hard exudates in retinal fundus image by mathematical morphology operations | |
CN104463140B (zh) | 一种彩色眼底图像视盘自动定位方法 | |
El Abbadi et al. | Blood vessels extraction using mathematical morphology | |
CN107248161A (zh) | 一种多特征融合的有监督视网膜血管提取方法 | |
CN105787888A (zh) | 人脸图像美化方法 | |
CN106503644B (zh) | 基于边缘投影及颜色特征的眼镜属性检测方法 | |
CN106228566A (zh) | 基于梯度响亮分析的视网膜微动脉瘤的自动检测与识别方法 | |
CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
CN109543518A (zh) | 一种基于积分投影的人脸器官精确识别方法 | |
CN110633676B (zh) | 一种自动识别脑脊液细胞图像信息方法 | |
CN105426847A (zh) | 低质量自然光虹膜图像非线性增强方法 | |
Lu et al. | Automatic macula detection from retinal images by a line operator | |
Parikh et al. | Effective approach for iris localization in nonideal imaging conditions | |
Lu et al. | Automatic parapapillary atrophy shape detection and quantification in colour fundus images | |
Malek et al. | Automated optic disc detection in retinal images by applying region-based active aontour model in a variational level set formulation | |
CN106529420B (zh) | 综合眼底图像边缘信息和亮度信息的视盘中心定位方法 | |
CN106530316B (zh) | 综合眼底图像边缘信息和亮度信息的视盘分割方法 | |
Agarwal et al. | Automatic imaging method for optic disc segmentation using morphological techniques and active contour fitting | |
CN105447450A (zh) | 虹膜识别中判断左右虹膜的方法和装置 | |
Zhou et al. | A novel approach for red lesions detection using superpixel multi-feature classification in color fundus images | |
CN117197064A (zh) | 一种无接触眼红程度自动分析方法 | |
CN104408409A (zh) | 一种适用于散光镜片环境下的瞳孔定位方法 | |
Sae-Tang et al. | Exudates detection in fundus image using non-uniform illumination background subtraction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170818 |