本发明专利技术涉及一种基于边界点搜索和ＳＵＳＡＮ边缘检测的虹膜定位方法，其首先采用投影法，对经过光斑填充得二值化虹膜图像进行水平和垂直灰度投影，得到瞳孔的粗略中心；通过对水平灰度曲线的扫描，找到灰度值大于某一阀值的一点作为虹膜的内边界点；对上述的一系列内边界点进行圆拟合，从而得到虹膜内缘的位置信息；再通过ＳＵＳＡＮ边缘检测的方法，使虹膜外边缘特征不明显的状况得到了很好的解决，通过方向检测得到了虹膜的外边缘半径，准确地得到虹膜外缘的位置信息；利用ＳＵＳＡＮ边缘检测的方法对虹膜区域外边缘进行定位是本发明专利技术的一个特色，与一般的两步虹膜定位方法相比，本发明专利技术的定位准确率要高５个百分点，并且速度提高４０％。
【技术实现步骤摘要】
一种基于边界点搜索和SUSAN边缘检测的虹膜定位方法
本专利技术属于图像处理
，主要涉及生物特征鉴别中的虹膜身份识别 技术。
技术介绍
在当今信息化时代，如何准确鉴定一个人的身份，保护信息安全是一个 必须解决的关键社会问题。为此，生物特征鉴别技术悄然兴起，并成为目前 世界信息安全管理领域的前沿研究课题。生物特征鉴别技术是指利用人体所 固有的生理特征或行为特征来进行个人身份鉴定。虹膜身份识别技术是生物 特征鉴别技术的一个分支，是计算机图像处理技术和模式识别技术在个人身 份识别领域的应用，由于其高稳定性和高准确性，近年来已经成为生物特征 鉴别的热门发展方向。虹膜身份自动识别技术，在银行、公安、机场、网络 等方面应用广泛，具有巨大的经济价值和现实意义。现在它己经使用在边境 检査、通关认证、银行提款、信息管理和建筑物安全管理等，还可以使人们 摆脱记忆信用卡号、银行帐号、身份证号、网络登录号的繁琐。随着数字信 号处理技术和图像处理技术的发展，虹膜身份识别系统已经日趋成熟。详见 文献 John G. Daugman， "How Iris Recognition Works, ，， rrs/ 5"act/o" o/7 CYrci/2'ts1朋tf分st棚51 /br Kz'c/eo rec力/ o2c^y' Volume 14， Issue 1, pp. 21 - 30, 2004和文献John G. Daugman, "High Confidence Recognition of Persons by Iris Patterns, ，， 尸roceef/z'/^ of Z￡￡F i>2 ternst"/o朋J Ckr/73力朋Cb/i/erence5"ecorj.t/ recAr oic^， pp. 254—263，2001所述。在虹膜身份识别技术中，虹膜定位是整个识别技术的关键。虹膜定位是 虹膜识别的第一步，它的执行时间和精度将直接影响整个虹膜识别系统的速 度和准确度。在实际中，由于虹膜区域常常受到服睑和睫毛的遮挡，虹膜定 位算法的准确性和有效性还有待进一步提高。如何在存在睫毛和眼睑遮挡问 题的低质量虹膜图像中，快速精确地定位出虹膜，并对其边界或位置用数学 模型迸行描述是我们研究的主要问题。详见文献John G. Daugman， "High Confidence Visual Recognition of Persons by a Test of Statistical Independence, " iSS51 Zna/L53c^ '(3/7 o/ /^力力er77 ^sijsj's a/ 〃 ^cAi/7e /"te"i拜ce, volumel5, no. 11， pp. 1148-1161， 1993。 现在通常使用的虹膜定位的方法有U)基于灰度梯度的两步虹膜定位方法。它通过粗定位，寻找虹膜内外 缘的大致位置，然后再在这个位置附近较小的范围内利用圆形检测器进行精 定位，从而找到虹膜内外缘的精确位置。但是在实际应用中该方法需要反复 迭代搜索，运算量较大，效率不高。详见文献Li Qingrong， Ma Zheng, "A Iris Location Algorithm, " /o"r朋J of您5T of C力i/2a， volume 31, no. 1， pp. 7-9。(2)基于哈夫变换的虹膜定位方法。它是通过一定的算子，提取出虹膜 图像中的边缘点，从而搜索通过边缘点最多的圆曲线所在的位置。其缺点是 在边缘点提取中常常会引入噪声，使得虹膜定位结果不准确。详见文献-Richard P. Wildes, "Iris Recognition: an Emerging Biometric Technology,"尸roceedi'"^s" of &e ii52F, vol咖e85， pp. 1348-1363， 1997。
技术实现思路
本专利技术的任务是提供一种基于边界点搜索和SUSAN边缘检测的虹膜定位 方法，它具有在眼睫毛遮挡情况下定位准确，准确率要高，速度快的特点。 本专利技术的目的是这样实现的一种基于边界点搜索和SUSAN边缘检测的虹膜定位方法，其特征在于其 包括以下步骤；步骤l、通过摄像装置，对人眼中的虹膜进行图像采集，得到含有虹膜图 像的原始灰度图像；步骤2、逸取一个固定的阈值^，将原始虹膜图像进行二值化，原始灰度 图像中灰度值大于阈值^的象素点的灰度值赋为1，小于阈值^的象素点的灰 度值赋为0;步骤3、对步骤2中得到的二值图像，进行数学形态学中的闭合运算来消 除二值图像中的小空洞，具体来说，闭合运算为^]0-04@到 5，即先对原 始图像X用结构元素B迸行膨胀运算，然后再进行腐蚀运算，结构元素B为一 个7X7的矩阵，中间近似圆形区域内的元素的值为1，其余元素的值为0， u为闭合运算符， 为膨胀运算符，0为腐蚀运算符；步骤4、计算步骤3中得到图像的水平和垂直灰度投影，水平投影的计算 公式为叉(;c)-S/(;c，y),垂直灰度投影的计算公式为=S/(x，"，其，b! 太-i中&(x)表示横坐标为x的灰度投影值，&(》表示纵坐标为y的灰度投影值，M，iV为图像的宽度和高度，/(U)为位置(X，"的象素点的灰度值；步骤5、搜索步骤4中的水平灰度投影5U^取最小值时的横坐标x。和垂直灰度投影S"^取最小值是的纵坐标凡，将(x。,3^视为瞳孔的粗略中心；步骤6、在纵坐标为凡这一行上，以(x。,凡)为中心，沿水平方向向左搜索象素灰度值大于r的点，当搜索到象素灰度值大于T时立即停止搜索，记下此时的坐标b，凡)作为瞳孔边界点的坐标，再按同样的方式进行沿水平方向向右的搜索，得到另一边界点坐标(^y。)；步骤7、取坐标点0c。，:O附近的若干行，在取出的每一行上进行瞳孔边 界点的搜索，方法与步骤6中在j。一行进行的搜索方法相同，最终可以得到 一系列瞳孔边界点的坐标；步骤8、由于瞳孔的内边缘非常类似于一个圆，因此，对步骤7中得到 的一系列瞳孔边界点进行圆拟合，具体来说圆方程为^+/+ +办+ ￡ = 0， c^和e是关于圆曲线的半径和圆心坐标点的参数，(x，》为圆曲线上的点的坐标值，那么相对于这些坐标点的最佳圆曲线就是使误差方差和最小；误差方 差和的公式为；—=2(#+^+",+办<+^，其中，^是指误差方差和，(xw)是已知点的坐标，最后得到瞳孔的精确圆心( ，^)和半径 ；步骤9、虹膜圆心和瞳孔圆心位置相近，可把瞳孔圆心作为虹膜圆心； 限制SUSAN检测的范围，具体范围公式为100<X<AT-5，力+ ><> <^+3*^。 其中力表示坐标点(Xp,力)的垂直坐标值，。表示瞳孔的半径，该检测区域为一 矩形区域；步骤10、用半径为三个像素点的共37个像素的模板遍历整个检测区域；0 0 1110 0 0 H H 1 0 1111111模板形状如示树模板 i i i i i i i， 数字i表示位子模扳内的像素点，iiiiiii0 0 1110 0数字0表示不属于模板的像素点，模板中心的像素点就是所要检测的像素点本文档来自技高网...
【技术保护点】
一种基于边界点搜索和ＳＵＳＡＮ边缘检测的虹膜定位方法，其特征在于其包括以下步骤：步骤１、通过摄像装置，对人眼中的虹膜进行图像采集，得到含有虹膜图像的原始灰度图像；步骤２、选取一个固定的阈值Ｖ↓［ｂ］，将原始虹膜图像进行二值化，原始灰度图像中灰度值大于阈值Ｖ↓［ｂ］的象素点的灰度值赋为１，小于阈值Ｖ↓［ｂ］的象素点的灰度值赋为０；步骤３、对步骤２中得到的二值图像，进行数学形态学中的闭合运算来消除二值图像中的小空洞，具体来说，闭合运算为：Ａ□Ｂ＝（Ａ⊕Ｂ）ΘＢ，即先对原始图像Ａ用结构元素Ｂ进行膨胀运算，然后再进行腐蚀运算，结构元素Ｂ为一个７×７的矩阵，中间近似圆形区域内的元素的值为１，其余元素的值为０，凵为闭合运算符，⊕为膨胀运算符，Θ为腐蚀运算符；步骤４、计算步骤３中得到图像的水平和垂直灰度投影，水平投影的计算公式为：Ｓ↓［ｈ］（ｘ）＝＊Ｉ（ｘ，ｙ），垂直灰度投影的计算公式为：Ｓ↓［ｖ］（ｙ）＝＊Ｉ（ｘ，ｙ），其中Ｓ↓［ｈ］（ｘ）表示横坐标为ｘ的灰度投影值，Ｓ↓［ｖ］（ｙ）表示纵坐标为ｙ的灰度投影值，Ｍ，Ｎ为图像的宽度和高度，Ｉ（ｘ，ｙ）为位置（ｘ，ｙ）的象素点的灰度值；步骤５、搜索步骤４中的水平灰度投影Ｓ↓［ｈ］（ｘ）取最小值时的横坐标ｘ↓［ｏ］和垂直灰度投影Ｓ↓［ｈ］（ｙ）取最小值是的纵坐标ｙ↓［ｏ］，将（ｘ↓［ｏ］，ｙ↓［ｏ］）视为瞳孔的粗略中心；步骤６、在纵坐标为ｙ↓［ｏ］这一行上，以（ｘ↓［ｏ］，ｙ↓［ｏ］）为中心，沿水平方向向左搜索象素灰度值大于Ｔ的点，当搜索到象素灰度值大于Ｔ时立即停止搜索，记下此时的坐标（ｘ↓［ｌ］，ｙ↓［ｏ］）作为瞳孔边界点的坐标，再按同样的方式进行沿水平方向向右的搜索，得到另一边界点坐标（ｘ↓［ｒ］，ｙ↓［ｏ］）；步骤７、取坐标点（ｘ↓［ｏ］，ｙ↓［ｏ］）附近的若干行，在取出的每一行上进行瞳孔边界点的搜索，方法与步骤６中在ｙ↓［ｏ］一行进行的搜索方法相同，最终可以得到一系列瞳孔边界点的坐标；步骤８、由于瞳孔的内边缘非常类似于一个圆，因此，对步骤７中得到的一系列瞳孔边界点进行圆拟合，具体来说：圆方程为ｘ↑［２］＋ｙ↑［２］＋ｃｘ＋ｄｙ＋ｅ＝０，ｃ，ｄ和ｅ是关于圆曲线的半径和圆心坐标点的参数，（ｘ，ｙ）为圆曲线上的点的坐标值，那么相对于这些坐标点的最佳圆曲线就是使误差方差和最小；误差方差和的公式为：ε↑［２］＝＊（ｘ↓［ｉ］↑［２］＋ｙ↓［ｉ］↑［２］＋ｃｘ↓［ｉ］＋ｄｙ↓［ｉ］＋...
【技术特征摘要】
【专利技术属性】
技术研发人员：解梅，鲁剑，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：44[中国|广东]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。