CN1794262A

CN1794262A - 快速有效的活体虹膜分割方法

Info

Publication number: CN1794262A
Application number: CN 200510112225
Authority: CN
Inventors: 施鹏飞; 何孝富
Original assignee: Shanghai Jiaotong University
Current assignee: Shanghai Jiaotong University
Priority date: 2005-12-29
Filing date: 2005-12-29
Publication date: 2006-06-28

Abstract

一种图像处理技术领域的快速有效的活体虹膜图像分割方法，步骤为：(1)根据灰度投影法确定二值化的阈值，然后对原始图像进行二值化；(2)用形态学方法对二值图像进行去噪；(3)利用Sobel算子对去噪后的二值化图像进行边缘检测；(4)用相交弦原理及三点确定圆的原理确定瞳孔的参数，分割出瞳孔；(5)根据瞳孔的参数确定虹膜外圆的范围；(6)按比例缩小虹膜区域，用改进的Canny算子进行垂直方向上的边缘检测；(7)进一步去除瞳孔区域及部分睫毛、眼睑等噪声信息；(8)利用Hough变换对缩小的边缘图进行圆的定位；(9)由缩小的圆的参数推算原始虹膜外圆的参数。本发明快速、有效，能提高虹膜识别总体的识别率。

Description

快速有效的活体虹膜分割方法

技术领域

本发明涉及的是一种图像处理技术领域的方法，具体是一种快速有效的活体虹膜分割方法。

背景技术

活体虹膜分割是虹膜识别系统的一个最重要的环节，在现有图像采集的条件下，用CCD摄像头所得的虹膜图像不可能就只包含虹膜，还包含了其他信息，如瞳孔、巩膜、睫毛、眼睑等。虹膜分割主要是从这些噪声中分割出有效的虹膜区域，虹膜分割的精确性决定了整个虹膜识别系统的性能，它不仅决定了后续过程能否继续，而且决定了提取特征是否有效和编码是否准确，因此最终决定虹膜识别结果。目前的虹膜分割方法主要分为两大类，一类是基于边缘搜索的方法，比较经典的有Daugman提出的基于微积分算子的方法，该方法利用一个微积分算子来计算虹膜参数，整个算子的作用为一个以一定尺度的高斯函数模糊化的圆的边缘检测器，它在三维的参数空间迭代求最优解。另一类是基于边缘检测与Hough变换结合的方法，该方法先用边缘检测算子检测边缘，再用Hough变换来得到虹膜参数，也是在三维参数空间求最优解。这两种方法的缺点是运算时间长，因此出现了一些基于上述两种方法的改进算法，从公开发表的文献和资料看都没有提及定量的准确性参数，且都没有在公开的虹膜库上进行测试比较。

经对现有技术的文献检索发现，Daugman在《Pattern Recognition》(模式识别)(2003年第36卷第2期第279-291页)上发表的(The importance of beingrandom：Statistical principles of iris recognition)(随机的重要性：虹膜识别统计学原理)，该文提出用如下一个微积分算子来计算虹膜内外圆参数：

整个算子的作用为一个以一定尺度的高斯函数模糊化的圆的边缘检测器，其不足在于：它在三维的参数空间迭代求最优解，而且高斯函数的尺度的选择会影响速度，因此很耗时。Ma等在《IEEE Transaction on PatternAnalysis and MachineIntelligence》(电气和电子工程师协会特征分析与机器智能学报)(2003年第25卷第12期第1519-1533页)上发表的(Personal Recognition Based on IrisTexture Analysis)(基于虹膜纹理分析的个体识别)，该文提出用Canny检测算子结合Hough变换来得到虹膜内外圆参数，其不足也是在三维参数空间求最优解。

发明内容

本发明的目的在于克服传统虹膜内外圆定位算法时间过长及外圆的定位准确率不高而影响后续的识别精度，提供一种快速有效的活体虹膜分割方法。使其提高虹膜识别的准确识别率，算法较为简便，复杂度较低，速度较快。

本发明是通过以下技术方案实现的，包括以下步骤：

(1)对原始虹膜图像进行二值化；

(2)用形态学方法对二值化图像进行去噪；

(3)利用Sobel算子对去噪后的二值化图像进行边缘检测；

(4)用相交弦原理及三点确定圆的原理确定瞳孔的参数；

(5)根据瞳孔的参数确定虹膜外圆的大致范围；

(6)按比例缩小虹膜区域，用改进的Canny算子进行垂直方向上的边缘检测；

(7)进一步去除瞳孔区域及部分睫毛、眼睑等噪声信息；

(8)利用Hough变换对缩小的边缘图进行圆的定位；

(9)由缩小的圆的参数推算原始虹膜外圆的参数。

所述的步骤(1)，是指：根据虹膜图像的灰度分布特点，瞳孔的灰度值比较小且分布比较均匀，因此，按照灰度投影原理，灰度累加和最小的位置一定落在瞳孔内，但是由于光照和噪声的影响这一点未必是瞳孔真正的圆心。设此点坐标为(x₀，y₀)，根据上述分析，有

x_{0} = \arg \min x \underset{y}{Σ} I (x, y)

y_{0} = \arg \min y \underset{x}{Σ} I (x, y)

式中I(x，y)为原图像的灰度值，argmini(expr(i))为取得最小值的i。

因此可用如下阈值对虹膜图像进行二值化：

Threshold＝I(x₀，y₀)×T

式中Threshold为二值化的灰度阈值，I(x₀，y₀)为点(x₀，y₀)的灰度值，T为经验值。

所述的步骤(2)，是指：由步骤(1)所得二值化图像往往包含噪声，因为是用圆来拟合瞳孔，因此可用形态学方法进行去噪，即用腐蚀、膨胀操作对二值化图像进行去噪，去噪时使用圆盘算子。

所述的步骤(3)，是指：由于Sobel算子方法简单、处理速度快，因此利用Sobel边缘检测算子对步骤2所得二值图像进行边缘检测。

所述的步骤(4)，是指：利用灰度投影法对步骤(2)所得二值化图像进行灰度投影确定瞳孔内点P，在步骤(3)所得边缘图像中，通过点P获得两条相交弦AB及CD，即相交弦分别与边缘图相交4个点A、B、C、D，如果这4个点是在同一个圆上，则一定满足相交弦定理，即PA×PB＝PC×PD，否则，旋转一定角度取另外两条相交弦，以此类推，直至找到满足相交弦定理的4个点，根据不在同一条直线上的3点可以确定外接圆原理，利用其中的3点确定圆的参数。

所述的步骤(5)，是指：根据内圆的圆心及半径参数，结合虹膜半径的先验知识，因为虹膜半径有一定的范围，具体值取决于不同的采集设备，如：本文使用的虹膜为80到130像素，因此根据虹膜的最大可能半径确定虹膜所在的范围。

所述的步骤(6)，是指：对步骤(5)所得虹膜的区域，作一定比例的缩小，然后用改进的Canny算子进行边缘检测，该改进的边缘算子检测出的边缘噪声少且是单像素边缘，检测时，检测算子调节到垂直方向，因为在垂直方向上，虹膜的外边缘被睫毛及眼睑遮挡较少，而水平方向上则会包含很多噪声。

所述的步骤(7)，是指：由步骤(6)所得的边缘图像还包含了瞳孔区域及部分睫毛、眼睑等噪声信息。因此，利用已定位好的内圆参数将瞳孔区域设置为背景；眼睑噪声去除时利用瞳孔的圆心及半径将瞳孔上边缘以上的区域设置为背景；睫毛噪声采用区域连通判断准则；最后再用八连通进一步去除随机噪声，得到去除噪声后的边缘图。

所述的步骤(8)，是指：利用Hough变换对去噪后的边缘图进行圆的定位，因为此时的边缘图含噪声少而且是缩小图像，因此能保证速度。

所述的步骤(9)，是指：按照步骤(6)的缩小比例，由缩小图像的圆的参数推算原始虹膜外圆参数。

本发明认为瞳孔区域灰度比较均匀且边界比较明显，所以可以用灰度阈值法进行二值化，然后用形态学方法进行去噪，再用快速的Sobel算子检测边缘，最后用相交弦及三点确定外圆的几何原理求解内圆的参数。由于光照原因外圆(虹膜与巩膜的交界)比较难定位，边界分界不明显，用普通的边缘检测效果不佳，因此，定位外圆时，先对原始虹膜图像按一定比例缩小，然后对缩小后的图像使用改进的Canny边缘检测算子进行边缘检测，最后用Hough变换对检测出的边缘进行外圆定位。

本发明提出的活体虹膜分割方法具有较高的精度及速度。由于内圆用几何方法避免Hough变换的3维空间搜索，同时外圆定位时Hough变换的搜索空间是基于缩小的虹膜边缘图像，因此在保证精度的条件下能同时获得较高的速度。实验用的虹膜图像采用了公开的虹膜库，实验环境为Matlab7.1，WindowsXP，Pentium43GHz 512M内存。定位结果为：内圆定位精确度为99.7％，外圆为97.6％。在速度上，本发明的定位平均时间为0.9秒(其中内圆为0.15秒)，而传统的Hough变换仅内圆平均需要15秒，基于积分算子方法平均需要35秒。实验表明本发明提出的活体虹膜分割方法在保证精度的条件下，在速度上比其他分割方法有很大的改善。

附图说明

图1为本发明内圆定位时使用的相交弦原理图

其中，(a)图中0为圆心，P为圆的内点，AB及CD为过点P的两条相交弦，如果A、B、C、D这4个点是在同一个圆上，则一定满足相交弦定理，即PA×PB＝PC×PD；(b)图为(a)图在虹膜图像中的具体实现。

图2为本发明内圆定位实现流程图

其中，(a)为原始虹膜图；取自公开的虹膜图像，(b)图为二值化图像；(c)为去噪后的二值化图像；(d)为边缘图；(e)为瞳孔的定位结果图。

图3为本发明外圆定位实现流程图

其中，(a)缩小的虹膜图像；(b)边缘图像；(c)为去掉上眼皮及瞳孔区域的边缘图；(d)为去除眼睫毛及随机噪声点的边缘图；(e)为(a)的外圆定位结果。

图4为虹膜内外圆定位结果示意图。

具体实施方式

以下结合一个具体的实施例对本发明的技术方案作进一步详细的描述。为了验证本发明的有效性，实施例用的虹膜图像采用公开的虹膜库。整个实现过程如下：

(1)二值化，即根据灰度投影法，确定瞳孔内点的灰度值，然后用阈值法对虹膜图像进行二值化，二值化的结果如图2(b)所示。

(2)去噪，由于是用圆来拟合瞳孔，因此可用形态学方法进行去噪，即用腐蚀、膨胀操作对二值化图像进行去噪，去噪时使用圆盘算子，得到去噪后的二值化图像，如图2(c)所示。

(3)边缘检测，即利用Sobel算子对去噪后的二值化图像进行边缘检测，如图2(d)所示。

(4)内圆参数计算，对去噪后的二值化图像用灰度投影法确定瞳孔的内点P，在步骤(3)所得的边缘图上，由点P确定两条垂直相交线，与边缘图相交4个点A、B、C、D，如图1(b)所示，根据相交弦原理判断该4个点是否是在一个圆上，即如果该4个点满足PA×PB＝PC×PD，则利用其中3个点确定圆的参数，因为不在一条直线上的3个点可以确定一个外圆。否则，旋转一定角度寻找另外4个点，直至找到为止。内圆的定位结果如图2(e)所示。

(5)虹膜初定位：根据内圆的圆心及半径参数，结合虹膜半径的先验知识，确定虹膜所在的范围。

(6)边缘检测：对步骤(5)所得的虹膜区域作一定比例的缩小，如图3(a)所示，然后用改进的Canny算子进行边缘检测，检测算子调节到垂直方向，即水平方向上的参数设为0，得到的边缘图如图3(b)所示。

(7)去噪声：对步骤(6)所得的边缘图像去除瞳孔区域及部分睫毛、眼睑等噪声信息。利用已定位好的内圆参数将瞳孔区域设置为背景；眼睑噪声去除时利用瞳孔的圆心及半径将瞳孔上边缘以上的区域设置为背景，如图3(c)所示；睫毛噪声采用区域连通判断准则；最后再用八连通进一步去除随机噪声，得到去除噪声后的边缘图，如图3(d)所示。

(8)外圆参数计算：利用Hough变换对去噪后的边缘图进行圆的定位，定位结果如图3(e)所示。

(9)按照步骤(6)的缩小比例，由缩小图像的圆的参数推算原始虹膜外圆参数，内圆及外圆的定位结果如图4所示。

可以看出结果图像中的定位结果能很好地将虹膜区域分割开来，具有较高的精度，为后续的操作提供了便利。同时，本发明提出的活体虹膜分割方法具有较高的速度。以上实施例总耗时为0.90秒，其中内圆定位为0.11秒。

Claims

1、一种快速有效的活体虹膜分割方法，其特征在于，包括以下步骤：

(1)对原始虹膜图像进行二值化；

(2)用形态学方法对二值化图像进行去噪；

(3)用利用Sobel算子对去噪后的二值化图像进行边缘检测；

(4)用相交弦原理及三点确定圆的原理确定瞳孔的参数；

(5)根据瞳孔的参数确定虹膜外圆的范围；

(7)进一步去除瞳孔区域及部分睫毛、眼睑噪声信息；

(8)利用Hough变换对缩小的边缘图进行圆的定位；

(9)由缩小的圆的参数推算原始虹膜外圆的参数。

2、根据权利要求1所述的快速有效的活体虹膜图像分割方法，其特征是，所述的步骤(1)，是指：根据灰度投影法确定二值化的阈值，然后用此阈值对原始虹膜图像进行二值化操作。

3、根据权利要求1所述的快速有效的活体虹膜图像分割方法，其特征是，所述的步骤(2)，是指：用腐蚀、膨胀操作对二值化图像进行去噪，去噪时使用圆盘算子。

4、根据权利要求1所述的快速有效的活体虹膜图像分割方法，其特征是，所述的步骤(4)，是指：用相交弦原理确定满足圆的4个点，然后用其中的3个点结合三点确定圆的原理，计算出圆的参数，从而分割出瞳孔。

5、根据权利要求1所述的快速有效的活体虹膜图像分割方法，其特征是，所述的步骤(5)，是指：根据内圆的圆心及半径参数，结合虹膜半径的先验知识根据虹膜的最大可能半径确定虹膜所在的范围。

6、根据权利要求1所述的快速有效的活体虹膜图像分割方法，其特征是，所述的步骤(6)，是指：对缩小的虹膜图像用改进的Canny算子进行边缘检测，检测算子调节到垂直方向，即水平方向上的参数设为0。

7、根据权利要求1所述的快速有效的活体虹膜图像分割方法，其特征是，所述的步骤(7)，是指：利用已定位好的内圆参数将瞳孔区域设置为背景，眼睑噪声去除时利用瞳孔的圆心及半径将瞳孔上边缘以上的区域设置为背景，睫毛噪声采用区域连通判断准则，最后再用八连通进一步去除随机噪声。