本发明专利技术具体公开了一种基于非线性尺度空间的虹膜图像分割算法，包括以下步骤：步骤1对虹膜内边界定位：利用非线性尺度空间所具有的尺度演化特性，对原始虹膜图像进行平滑处理，消除瞳孔区域的亮斑，保证瞳孔区域的灰度处于整幅图像的最低水平，再通过阈值实现瞳孔检测，实现虹膜内边界定位；步骤2对虹膜外边界定位：利用非线性尺度空间的尺度演化特性，对原始虹膜图像进行平滑处理，消除几何尺度较小的睫毛对虹膜区域的遮挡，实现了对外边界的准确定位。本算法在外边界定位过程中，同样利用非线性尺度空间的尺度演化特，对原始虹膜图像进行平滑，消除了几何尺度较小的睫毛对虹膜区域的遮挡，实现了对外边界的准确定位。
【技术实现步骤摘要】
本专利技术涉及一种基于非线性尺度空间的虹膜图像分割算法。
技术介绍
生物特征识别算法(Biometrics)通过计算机利用人类自身的生理或行为特征进行个人身份认定。这些身体特征包括指纹、虹膜、掌纹、手形、人脸、声音、视网膜和DNA等人体的生理特征，以及签名动作、行走步态、敲击键盘的力度等行为特征。这些生理或行为特征由于人各有异、几乎随身携带并且具有相当的稳定性，能够成为身份鉴定的可靠依据。目前，生物特征识别算法凭借这些独特优势，已经在信息安全、金融交易、社会安全、人员管理、医疗卫生等领域获得了广泛应用。其他生物特相比，虹膜唯一性高、精度高、稳定性好，适用人群广泛。作为一项重要的生物特征识别算法，虹膜识别得到了科学界和工业界的高度关注。目前，一个典型的虹膜识别系统主要由虹膜图像预处理、特征提取和编码组成。其中虹膜图像预处理的主要任务是正确分割图像中的虹膜区域，即虹膜边界的定位，从而为后续的特征提取和编码过程提供有效信息。一般情况下，人们将虹膜的形状建模为圆环，其内外边界为同心圆，内圆即为瞳孔与虹膜的边界。虹膜预处理的基本步骤为:(I)确定瞳孔中心；(2)确定虹膜内边界；(3)确定虹膜外边界。虹膜边界定位是虹膜识别系统的基础，它会对最终的识别效果产生重要影响。最早的虹膜边界定位方法由Daugman提出，即经典的积分/微分算子(Integro-differential operator) ;Wildes提出的算法将边缘检测与Hough变换相结合；Boles等采用一维三次样条小波提取出的图像过零点作为特征。随后，人们在虹膜图像预处理阶段引入了多种工具，如活动轮廓模型、傅里叶变换与几何投影、统计方法、Gabor滤波器坐寸o近年来，考虑到虹膜识别系统的实用性，人们开始更多的关注非理想采集虹膜的识别。非理想采集虹膜图像由于存在反光、睫毛和眼睑遮挡等干扰，图像质量大为降低，这为虹膜边界的准确定位带来了很大困难。为此，人们提出了不同的方法。例如，Proenpa等利用k均值模糊聚类实现对虹膜图像灰度的特征分类；Pundlik等利用图割实现虹膜分割，但是图割方法依赖于像素间的统计关系，忽略了边界信息，且迭代过程较长；He等提出了一种混合分割方法，即首先利用线性插值算法消除反光，再由弦长均衡方法搜索瞳孔中心；Jarjes等利用snake模型和角积分投影方法实现虹膜分割；Roy通过水平集方法实现虹膜边界的提取。然而，由于Snake和水平集两种方法均依赖于由偏微分方程控制的曲线演化模型，此类虹膜分割方法收敛速度较慢，且对曲线的初始化位置非常敏感。
技术实现思路
本专利技术针对上述关于非理想采集虹膜分割方法存在的不足，提出了一种基于非线性尺度空间的虹膜分割算法。这一算法分为两个阶段，能够在消除反光和睫毛遮挡的基础上，分别实现内边界定位和外边界定位。本专利技术采用的算法方案如下:—种基于非线性尺度空间的虹膜图像分割算法，包括以下步骤:步骤I对虹膜内边界定位:利用非线性尺度空间所具有的尺度演化特性，对原始虹膜图像进行平滑处理，消除瞳孔区域的亮斑，保证瞳孔区域的灰度处于整幅图像的最低水平，再通过阈值实现瞳孔检测，实现虹膜内边界定位；步骤2对虹膜外边界定位:利用非线性尺度空间的尺度演化特性，对原始虹膜图像进行平滑处理，消除几何尺度较小的睫毛对虹膜区域的遮挡，实现了对外边界的准确定位。所述的步骤I具体包括以下步骤:(1-1)对输入的 虹膜图像I进行框架Laplace金字塔分解，得到概貌图像Ic和细节图像Id ；(1-2)对概貌图像Ic进行非线性尺度空间下的各向异性扩散，得到图像Ic_difful ；(1-3)考虑到正常情况下瞳孔区域的灰度值最低，则设定阈值Th，将图像Ic_difful 二值化，低于此阈值的像素的灰度值置为0，得到L区域；否则置1，得到H区域；(1-4)对L区域进行闭运算，得到图像Ic_pupil，即概貌图像Ic的二值化的瞳孔区域，其中闭运算采用的结构算子为圆，用b表示，SPIc piipil = (L b) b(I)(1-5)利用插值算法将图像Ic_pupil映射为与虹膜图像I同样大小的图像，得到图像I_pupil，采用双线性插值实现；(1-6)以图像I_pupil的L区域为模板，覆盖原始虹膜图像I中对应的区域，得到消除反光后的图像I_r ;(1-7)计算图像I_r瞳孔区域的质心C，即权利要求1.一种基于非线性尺度空间的虹膜图像分割算法，其特征在于，包括以下步骤: 步骤I对虹膜内边界定位:利用非线性尺度空间所具有的尺度演化特性，对原始虹膜图像进行平滑处理，消除瞳孔区域的亮斑，保证瞳孔区域的灰度处于整幅图像的最低水平，再通过阈值实现瞳孔检测，实现虹膜内边界定位； 步骤2对虹膜外边界定位:利用非线性尺度空间的尺度演化特性，对原始虹膜图像进行平滑处理，消除几何尺度较小的睫毛对虹膜区域的遮挡，实现了对外边界的准确定位。2.如权利要求1所述的虹膜图像分割算法，其特征在于，所述的步骤I具体包括以下步骤: (1-1)对输入的虹膜图像I进行框架Laplace金字塔分解，得到概貌图像Ic和细节图像Id ； (1-2)对概貌图像Ic进行非线性尺度空间下的各向异性扩散，得到图像Ic_difful ；(1-3)考虑到正常情况下瞳孔区域的灰度值最低，则设定阈值Th，将图像Ic_difful 二值化，低于此阈值的像素的灰度值置为O，得到L区域；否则置1，得到H区域； (1-4)对L区域进行闭运算，得到图像Ic_pupil，即概貌图像Ic的二值化的瞳孔区域，其中闭运算采用的结构算子为圆，用b表示，SP Ic _ pupil = (L b)&b(I) (1-5)利用插值算法将图像Ic_pupil映射为与虹膜图像I同样大小的图像，得到图像I_pupil，采用双线性插值实现； (1-6)以图像I_pupil的L区域为模板，覆盖原始虹膜图像I中对应的区域，得到消除反光后的图像I_r ; (1-7)计算图像I_r瞳孔区域的质心C，即 / \c=(cv,c) 二」~ y i，」~ T j(9) V.^pupil I_r(Lj)GL ^pllpiI I_r(i,j)eL y 其中(i，j)为图像像素点坐标，Npupil为瞳孔区域的像素数量；又以C点为圆心，对I_r进行极坐标变换和边缘检测，以半径方向上幅值响应最大的点为内边界点；统计内边界点到质心C的距离，将出现概率最大的距离Ri作为内边界的半径。3.如权利要求1所述的虹膜图像分割算法，其特征在于，所述的步骤(1-1)所述的对输入的虹膜图像I进行框架Laplace金字塔分解，这一过程以矩阵形式表示，其一层分解公式为 (Ic\ f(Il)H),、 =Al^⑶ 其中H和G分别表示满足完全重构条件(即框架结构)的低通和高通滤波器，Ic表示概貌图像，Id表示细节图像。4.如权利要求2所述的虹膜图像分割算法，其特征在于，所述的步骤(1-2)所述的异性扩散，采用的扩散控制函数选择(4)式5.如权利要求2所述的虹膜图像分割算法，其特征在于，所述的步骤(1-3)用如下公式表不:1c鮮⑶。 —L人，￥ ^ diftu\(i, j)< Th6.如权利要求2所述的虹膜图像分割算法，其特征在于，所述本文档来自技高网...
【技术保护点】
一种基于非线性尺度空间的虹膜图像分割算法，其特征在于，包括以下步骤：步骤1对虹膜内边界定位：利用非线性尺度空间所具有的尺度演化特性，对原始虹膜图像进行平滑处理，消除瞳孔区域的亮斑，保证瞳孔区域的灰度处于整幅图像的最低水平，再通过阈值实现瞳孔检测，实现虹膜内边界定位；步骤2对虹膜外边界定位：利用非线性尺度空间的尺度演化特性，对原始虹膜图像进行平滑处理，消除几何尺度较小的睫毛对虹膜区域的遮挡，实现了对外边界的准确定位。
【技术特征摘要】
【专利技术属性】
技术研发人员：万洪林，韩民，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：
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。