ES2393260T3 - Representación de una forma con la ayuda de Transformadas de Fourier - Google Patents

Representación de una forma con la ayuda de Transformadas de Fourier Download PDF

Info

Publication number
ES2393260T3
ES2393260T3 ES08701481T ES08701481T ES2393260T3 ES 2393260 T3 ES2393260 T3 ES 2393260T3 ES 08701481 T ES08701481 T ES 08701481T ES 08701481 T ES08701481 T ES 08701481T ES 2393260 T3 ES2393260 T3 ES 2393260T3
Authority
ES
Spain
Prior art keywords
contour
iris
points
spaced
squares
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.)
Active
Application number
ES08701481T
Other languages
English (en)
Inventor
Donald Martin Monro
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Application granted granted Critical
Publication of ES2393260T3 publication Critical patent/ES2393260T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/193Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/478Contour-based spectral representations or scale-space representations, e.g. by Fourier analysis, wavelet analysis or curvature scale-space [CSS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

Un método de aproximación de un contorno de iris, que comprende las etapas de: (a) adquirir una imagen de un ojo, incluyendo un contorno de iris; (b) señalar una pluralidad de puntos de contorno espaciados en el contorno; (c) seleccionar un punto de referencia fijo dentro del contorno y (d) generar una representación de contorno aproximada que comprende una aproximación de mínimos cuadrados mediante una serie de Fourier como una función de un ángulo θi alrededor de dicho punto fijo de la distancia de dichos puntos de contorno desde dicho punto fijo; caracterizado porque los puntos de contorno espaciados no están igualmente espaciados en θi, en donde dicha aproximación de mínimos cuadrados minimiza la suma de cuadrados de errores tomada en todos los puntos de contorno espaciados de forma desigual y en donde la representación del contorno aproximado se genera resolviendo numéricamente el sistema de ecuaciones lineales o un equivalente matemático de dicho sistema, para la matriz desconocida V, en donde: **Fórmula**

Description

Representación de una forma con la ayuda de Transformadas de Fourier
La presente invención se refiere a una representación de forma utilizando Transformadas de Fourier. La invención encuentra especial aplicación en biométrica, a saber, en la generación de representaciones aproximadas del contorno exterior y/o interior del iris en el ojo humano.
El documento de Ghosh and Jain (“Una forma algebraica o geométrica”, IEEE Computer Graphics and Applications, 1993, 50) describe el uso de las Transformadas de Fourier Rápidas (FFTs) para crear un modelo de contorno de una forma efectuando un seguimiento alrededor de su perímetro exterior.
Es de considerable importancia en los sistemas biométricos, que se basan en el preconocimiento del iris, ser capaces de identificar y efectuar un mapeado exacto del borde exterior del iris y también del borde interior (la periferia de la pupila). Numerosos sistemas de preconocimiento del iris suponen que la forma de la pupila es siempre circular, un supuesto que puede ser inexacto en numerosos casos. En realidad, aún cuando las pupilas sean circulares, tienden a hacerse alargadas u oblongas cuando se miran desde un ángulo.
Se han realizado algunos trabajos de investigación en la localización de la pupila no circular: véase el documento de B, Bonney, R. Lives, D. Etter y D. Yingzi, “Extracción de modelos de iris utilizando planos de bits y desviaciones estándar”, Conference Record of the Thirty-Eighth Asilomar Conference on Signals, Systems and Computers, 2004. Y. Du, B. L. Bonney, R. W. Ives, D. M. Etter y R. Schultz, “Análisis de preconocimiento del iris parcial utilizando un método en 1-D”, Proceedings of the 2005 IEEE International Conference on Acoustics, Speech and Signal Processing, marzo 18 – 23, 2005. Sin embargo, no es siempre conveniente, ni incluso posible, localizar el contorno a intervalos igualmente espaciados y puesto que los ajustes de la Transformada de Fourier estándar requieren espaciamientos iguales, se han desarrollado una diversidad de métodos de remapeado o reparametrización para forzar a los datos en una forma en la que se puedan utilizar las transformadas estándar.
Estos métodos tienden a ser complejos y en consecuencia, existe todavía una necesidad de un método que pueda, en una forma directa, aproximar un contorno dado con varios puntos (que pueden no estar igualmente espaciados) en ese contorno.
La más próxima técnica anterior se considera que es la de Wyatt H J: “La forma de la pupila humana”, Vision Research, Pergamon Press, Oxford, GB, vol 35 nº 14, julio 1995 (1995-07), páginas 2021-2036. Este documento da a conocer las características establecidas en la parte precaracterizante de la reivindicación 1.
Los métodos para el análisis espectral de datos desigualmente muestreados se conocen a partir de, por ejemplo, “Numerical Recipes in C”, segunda edición, páginas 575-577 y las publicaciones anteriores:
F. J. M. Barning – “El análisis numérico de la curva de luz de 12 Lacertae”, Bulletin of the Astronomical Institutes of the Netherlands, vol 17, nº 1, páginas 22-28, 1963.
P. Vanicek – “Desarrollo y propiedades adicionales del análisis espectral por mínimos cuadrados”, Astrophysics and Space Science 12, páginas 10-33, 1971.
Estas publicaciones dan a conocer un ajuste de mínimos cuadrados de frecuencias de Fourier que tienen origen en datos desigualmente muestreados.
Según la presente invención, un método de aproximación de un contorno de iris está caracterizado por las propiedades establecidas en la parte caracterizante de la reivindicación 1.
En una forma de realización preferida, este método se utiliza para efectuar un mapeado del contorno interior del iris (o, de forma equivalente, el contorno exterior de la pupila) de un ojo humano. Como alternativa, se puede utilizar para efectuar el mapeado del contorno del iris exterior.
En el método descrito, el uso de más altos armónicos proporciona una excelente localización de la pupila, tanto en imágenes oculares generales y no ideales. El método proporciona resultados excelentes en la gran mayoría de las pupilas que son notablemente no circulares.
La invención se puede poner en práctica en varias formas y una forma de realización específica será tal como se describe a continuación, a modo de ejemplo, haciendo referencia a los dibujos adjuntos, en donde:
La Figura 1 representa una forma de pupila no circular, como imagen y La Figura 2 representa una aproximación de esa forma.
La manera en la que una forma de realización de la invención se puede aplicar a un problema particular, como es el de caracterizar una forma de pupila no circular, se describirá a continuación.
5 En primer lugar, un ojo puede ser objeto de creación de imagen y la imagen se puede analizar para identificar una pluralidad de puntos 10, que ocurren en el contorno de imagen de la pupila/ iris 12. Para conseguirlo, se puede determinar primero una localización de pupila aproximada buscando una zona oscura de tamaño significativo próxima al centro de la imagen. Un análisis de histogramas se puede realizar entonces para encontrar un centro más exacto así
10 como el radio de la pupila medio. Este contorno de pupila circular aproximado se puede examinar luego en detalle para obtener el número requerido de puntos de borde 10. En la forma de realización preferida, se identifican 16 de dichos puntos. Se entenderá por los expertos en esta materia que se pueden utilizar otros métodos para localizar puntos en el contorno de la pupila / iris y el alcance de protección reivindicado no está limitado a este respecto.
15 Se entenderá también que los puntos 10 pueden no estar necesariamente con espaciamientos iguales alrededor del borde de la pupila. En realidad, en alguna parte de la imagen del contorno 14 se puede oscurecer por un párpado y/o pestañas 16.
Una vez que se hayan identificado los puntos de contorno 10, dichos puntos se pueden utilizar para generar una
20 aproximación matemática 20 de la curva real 12, según se ilustra en la Figura 2. En la presente invención, la curva ajustada 20 es una aproximación de mínimos cuadrados de series de Fourier, como una función de ángulo cero o la distancia de los puntos 10 desde un punto fijo nocional A (véase Figura 1).
Deseamos describir la distancia d(8) de una curva en el plano a partir de un centro A, conocido o supuesto, como una
25 función armónica del ángulo 8 en la forma de una serie de Fourier ID. Para mayor simplicidad, aseguraremos que la función de d(8) sea de valor único en 8.
30 Una serie de Fourier discreta estándar, tal como FFT, es un ajuste de mínimos cuadrados de datos regularmente espaciados y debido a la ortogonalidad de las funciones coseno y seno da lugar a una fórmula estándar mediante la cual se puede calcular an y bn. Sin embargo, dicho método no puede utilizarse generalmente en este caso, puesto que los
puntos que necesitamos ajustar pueden ser irregulares en 8i.
35 Si el error en el ajuste es:
entonces, necesitamos encontrar
Para hacer esta operación, diferenciamos con respecto ak y bk e igualamos a cero en la forma habitual: Se hace constar que b0 = 0, lo que puede expresarse como el sistema de ecuaciones lineales
En donde se desconoce el valor de V;
y el lado derecho es
15 La matriz P, 2N + 1 por 2N + 1, es
20 , para
y (matriz superior derecha)
, para
y
(matriz inferior izquierda)
, para
y
(matriz inferior derecha).
La matriz es simétrica. Se puede resolver para cualquier valor de M y de N proporcionando una aproximación en N armónicos para M puntos dados. Numerosos métodos estándar son conocidos para resolver dicho sistema de ecuaciones y el alcance de la idea inventiva reivindicada no está limitada a este respecto.
En el caso en donde M=N y los puntos estén igualmente espaciados en
la matriz P es diagonal y la solución es exactamente la Transformada de Fourier discreta.
Cuando M > N, las ecuaciones anteriores minimizan el error del Valor Cuadrático Medio (RMS) entre cada punto medido 100 en el contorno real y el más próximo punto correspondiente 101 del contorno ajustado 20. Cuando el número de coeficientes es 1, la curva ajustada es un círculo y cuando aumenta el número de coeficientes, el error de RMS generalmente disminuye. Se ha encontrado, en la práctica, que se pueden obtener buenos resultados en la aproximación del iris utilizando 5 coeficientes.
Además de la creación de modelos para el contorno de la pupila (o, de forma equivalente, el contorno interior del iris), la presente forma de realización puede utilizarse también para crear modelos de la forma del contorno exterior del iris. Una vez que se hayan determinado los contornos interior y exterior, la identificación biométrica puede proceder, en la forma normal, sobre la base de las características de la imagen del iris entre los contornos interior y exterior.
La posición del punto fijo A (Figura 1) no es de gran importancia y aunque el centro aproximado de la pupila es un punto conveniente a considerar, no se excluyen otros puntos – incluso los puntos situados fuera del contorno que se está ajustando. Por supuesto, si el punto fijo queda fuera del contorno, la función resultante ya no será de un valor único en 0 y se necesitará adoptar una tolerancia correspondiente.
Si existe una gran variabilidad en distancias, se puede conseguir, a veces, un ajuste mejorado utilizando un método de pasada múltiple: realizar un primer ajuste, excluir cualesquiera valores que sea mayor que un valor de corte y repetir el cálculo. El valor de corte puede estar fijado o puede depender de los datos, por ejemplo, un número dado de desviaciones estándar.

Claims (3)

  1. REIVINDICACIONES
    1. Un método de aproximación de un contorno de iris, que comprende las etapas de: 5
    (a)
    adquirir una imagen de un ojo, incluyendo un contorno de iris;
    (b)
    señalar una pluralidad de puntos de contorno espaciados en el contorno;
    10 (c) seleccionar un punto de referencia fijo dentro del contorno y
    (d) generar una representación de contorno aproximada que comprende una aproximación de mínimos cuadrados mediante una serie de Fourier como una función de un ángulo 8i alrededor de dicho punto fijo de la distancia de dichos puntos de contorno desde dicho punto fijo;
    15 caracterizado porque los puntos de contorno espaciados no están igualmente espaciados en 8i, en donde dicha aproximación de mínimos cuadrados minimiza la suma de cuadrados de errores tomada en todos los puntos de contorno espaciados de forma desigual y en donde la representación del contorno aproximado se genera resolviendo numéricamente el sistema de ecuaciones lineales
    o un equivalente matemático de dicho sistema, para la matriz desconocida V, en donde:
    1 por 2N + 1 dada por:
    , para
    y (matriz superior derecha)
    , para
    y
    (matriz inferior izquierda)
    5 , para
    y
    (matriz inferior derecha).
  2. 2. Un método según la reivindicación 1, en donde el contorno es el contorno de pupila/iris.
    10 3. Un método según la reivindicación 1, en donde el contorno es el contorno de iris exterior.
  3. 4. Un método según la reivindicación 1, en donde el punto de referencia fijo está en el centro aproximado del contorno de iris.
    15 5. Un método según la reivindicación 1, en donde, después de la etapa (d), cualquier punto de contorno que se encuentre a más de una distancia seleccionada de la representación del contorno queda excluido y se repite luego la etapa (d).
ES08701481T 2007-01-17 2008-01-15 Representación de una forma con la ayuda de Transformadas de Fourier Active ES2393260T3 (es)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US654496 1991-02-13
US11/654,496 US8055074B2 (en) 2007-01-17 2007-01-17 Shape representation using fourier transforms
PCT/EP2008/050370 WO2008087127A1 (en) 2007-01-17 2008-01-15 Shape representation using fourier transforms

Publications (1)

Publication Number Publication Date
ES2393260T3 true ES2393260T3 (es) 2012-12-19

Family

ID=39144282

Family Applications (1)

Application Number Title Priority Date Filing Date
ES08701481T Active ES2393260T3 (es) 2007-01-17 2008-01-15 Representación de una forma con la ayuda de Transformadas de Fourier

Country Status (8)

Country Link
US (1) US8055074B2 (es)
EP (1) EP2104908B1 (es)
JP (1) JP2010517126A (es)
CN (1) CN101589401B (es)
ES (1) ES2393260T3 (es)
PL (1) PL2104908T3 (es)
WO (1) WO2008087127A1 (es)
ZA (1) ZA200905324B (es)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9846739B2 (en) 2006-10-23 2017-12-19 Fotonation Limited Fast database matching
US7809747B2 (en) * 2006-10-23 2010-10-05 Donald Martin Monro Fuzzy database matching
US20100278394A1 (en) * 2008-10-29 2010-11-04 Raguin Daniel H Apparatus for Iris Capture
US8317325B2 (en) 2008-10-31 2012-11-27 Cross Match Technologies, Inc. Apparatus and method for two eye imaging for iris identification
US8577094B2 (en) 2010-04-09 2013-11-05 Donald Martin Monro Image template masking
JP4893862B1 (ja) * 2011-03-11 2012-03-07 オムロン株式会社 画像処理装置、および画像処理方法
JP4893863B1 (ja) * 2011-03-11 2012-03-07 オムロン株式会社 画像処理装置、および画像処理方法
US9854159B2 (en) 2012-07-20 2017-12-26 Pixart Imaging Inc. Image system with eye protection
TWI471808B (zh) * 2012-07-20 2015-02-01 Pixart Imaging Inc 瞳孔偵測裝置
JP6497162B2 (ja) * 2015-03-26 2019-04-10 オムロン株式会社 画像処理装置および画像処理方法
WO2018207959A1 (ko) * 2017-05-11 2018-11-15 주식회사 룩시드랩스 이미지 처리 장치 및 방법
US12284058B2 (en) * 2022-06-16 2025-04-22 Samsung Electronics Co., Ltd. Self-tuning fixed-point least-squares solver

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714665B1 (en) * 1994-09-02 2004-03-30 Sarnoff Corporation Fully automated iris recognition system utilizing wide and narrow fields of view
US6144754A (en) * 1997-03-28 2000-11-07 Oki Electric Industry Co., Ltd. Method and apparatus for identifying individuals
US6801661B1 (en) 2001-02-15 2004-10-05 Eastman Kodak Company Method and system for archival and retrieval of images based on the shape properties of identified segments
JP4068596B2 (ja) * 2003-06-27 2008-03-26 株式会社東芝 図形処理方法、図形処理装置およびコンピュータ読取り可能な図形処理プログラム
KR20050025927A (ko) 2003-09-08 2005-03-14 유웅덕 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법

Also Published As

Publication number Publication date
EP2104908B1 (en) 2012-06-27
CN101589401A (zh) 2009-11-25
WO2008087127A1 (en) 2008-07-24
US8055074B2 (en) 2011-11-08
EP2104908A1 (en) 2009-09-30
US20080170760A1 (en) 2008-07-17
PL2104908T3 (pl) 2012-11-30
JP2010517126A (ja) 2010-05-20
ZA200905324B (en) 2011-05-25
CN101589401B (zh) 2013-04-10

Similar Documents

Publication Publication Date Title
ES2393260T3 (es) Representación de una forma con la ayuda de Transformadas de Fourier
Brown Inherent bias and noise in the Hough transform
Lee et al. A catalog of optically selected cores
EP2102793A1 (en) Shape representation using cosine transforms
CN112348836B (zh) 一种自动提取建筑物轮廓的方法及装置
Ok et al. Matching of straight line segments from aerial stereo images of urban areas
US11361446B2 (en) Segmentation system for segmenting an object in an image
Krishnapuram et al. Fuzzy and possibilistic shell clustering algorithms and their application to boundary detection and surface approximation. II
ES2694150T3 (es) Procedimiento de segmentación de pupila
KR20050025927A (ko) 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
US20170094750A1 (en) Lighting system that self detects the relative physical arrangement of its sources
Su et al. Area preserving brain mapping
US8380995B1 (en) Process for login of a computing device with a touchscreen
US11036968B2 (en) Method and apparatus for pattern recognition
Suger et al. An approach to solving large-scale slam problems with a small memory footprint
Marošević et al. Multiple ellipse fitting by center-based clustering
CN113378790A (zh) 视点定位方法、装置、电子设备和计算机可读存储介质
WO2017201147A2 (en) Iris recognition methods and systems based on an iris stochastic texture model
US6229918B1 (en) System and method for automatically detecting clusters of data points within a data space
US10346716B2 (en) Fast joint template machining
Batabyal et al. Elastic path2path: Automated morphological classification of neurons by elastic path matching
Voss et al. A new one-parametric fitting method for planar objects
Cohen et al. Curve recognition using B-spline representation
Bal et al. Skeleton-based recognition of shapes in images via longest path matching
Rafik et al. A Model Of A Biometric Recognition System Based On The Hough Transform Of Libor Masek and 1-D Log-Gabor Filter