虹膜定位方法及可见光虹膜识别系统与流程

本发明涉及虹膜定位方法及使用该虹膜定位方法的可见光虹膜识别系统，尤其涉及采用鲁棒虹膜定位和Gabor小波系数的幅值/相位特征的可见光虹膜识别系统。

背景技术：

虹膜识别是一种利用虹膜特征来识别人的身份的生物特征识别方法。由于虹膜特征的不变性和独立性，虹膜识别系统是生物特征识别系统(比如指纹、人脸、声纹、掌纹识别等)中准确率最高的一种，因为这些优势，虹膜识别已经开始广泛应用。

虹膜识别的过程通常包含虹膜定位、归一化、特征提取和比对。虹膜定位的鲁棒性、准确性以及虹膜特征的选取是决定虹膜识别系统性能的最重要因素。

现在已经有很多虹膜定位方法，比如Daugman方法、Wildes方法、基于统计原理的虹膜定位方法、基于水平集的虹膜定位方法，但是这些方法计算量大，此外在图像模糊、戴眼镜、瞳孔被眼睑覆盖的情况较多，导致虹膜识别特别是可见光虹膜识别时不稳定。

虹膜特征分为两类：全局特征和局部特征。对应这两类特征有两类特征提取方法。例如：PCA(Principal Component Analysis)和LDA(Linear Discriminant Analysis)是全局特征提取方法，LBP(Local Binary Pattern)和小波是局部特征提取方法。全局特征通常准确率相对较低，局部特征性能最好的Daugman小波系数的相位特征，在图像质量差的时候效果较差。

技术实现要素：

本发明提供一种不受环境影响可以从可见光虹膜图像中鲁棒地 检测虹膜边界的虹膜定位方法及应用该虹膜定位方法的可见光虹膜识别系统。

本发明的技术方案一提供一种虹膜定位方法，对虹膜外边缘和作为虹膜内边缘的瞳孔边缘进行定位，

所述虹膜定位方法包括：

在虹膜图像中运用虹膜外边缘检测算子，得到虹膜外边缘所在圆的圆心和半径，来定位虹膜外边缘；

在虹膜图像中运用瞳孔检测算子，得到瞳孔所在圆的圆心和半径，来定位虹膜内边缘；

在虹膜图像中运用眼睑检测算子，得到上、下眼睑所在圆的圆心和半径。

本发明的技术方案二提供一种可见光虹膜识别系统。该虹膜识别系统包括：

虹膜定位模块，基于可见光虹膜图像，应用技术方案1的虹膜定位方法，获得虹膜外边缘所在圆的圆心和半径、瞳孔所在圆的圆心和半径、以及上、下眼睑所在圆的圆心和半径；

归一化模块，采用Daugman方法将虹膜区域归一化为固定大小的矩形区域，并移除眼睫毛和反光的影响，采用局部直方图均衡化方法增强归一化虹膜图像的虹膜纹理；

特征提取模块，计算二维Gabor小波系数得到幅值特征和相位特征；及

比对模块，对两个虹膜图像特征的每个对应点，计算幅值特征的相关距离和相位特征的汉明距离，加权计算求出总类似度，如果总类似度大于规定的阈值，则判断为两幅图像来自同一个眼睛。

本发明的技术方案三提供的可见光虹膜识别系统为，在技术方案二所述的可见光虹膜识别系统中，特征提取模块进行如下动作：

在对所述可见光虹膜图像进行预处理得到的归一化图像中选取固定的M*N个采样点，对每个采样点计算5个频率8个方向的Gabor小波系数，其中M、N为大于0的自然数，

对每个采样点得到40维复向量并计算40维归一化向量幅值，及160位相位二值数组得到幅值特征和相位特征。

发明的效果

根据本发明的虹膜定位方法及可见光虹膜识别系统，无论可见光虹膜图像质量好坏均能够快速、稳定地定位虹膜位置并进行识别。

附图说明

图1是定位虹膜定位示意图。

图2是虹膜特征提取与比对示意图。

图3是虹膜识别系统的框图。

具体实施方式

下面，结合附图，对本发明的虹膜定位方法及使用该虹膜定位方法的虹膜识别系统进行详细说明。

虹膜定位方法包括定位虹膜外边界所在圆的圆心和半径、瞳孔的圆心和半径、上、下眼睑所在圆的圆心和半径。一般情况下，虹膜、瞳孔及眼睑的内、外边界近似于圆形，在本发明中，也是将瞳孔及眼睑看作圆形进行处理。

<检测虹膜外边缘>

虹膜外边缘检测算子如下：

其中：

w₁，w₂：权重

n：单元外法向量

Γ₁是圆心为(x0，y0)半径为r的左半圆，

Γ₂是圆心为(x0，y0)半径为r的右半圆

按照上面方法计算得到虹膜外边缘的圆心位置(x_iris，y_iris)和半径r_iris

<检测瞳孔>

瞳孔检测算子如下：

其中，Γ是圆心为(x0，y0)半径为r的圆，d((x1，y1)，(x2，y2))是点(x1，y1)与点(x2，y2)的欧氏距离，D＝{(x，y)|(x-x0)²+(y-y0)²≤r²}

按照上面方法计算得到瞳孔圆心位置(x_pupil，y_pupil)和半径r_pupil。

<检测上、下眼睑>

检测眼睑算子如下：

其中

按照上面方法计算得到上眼睑圆心位置(x_top，y_top)和半径R_top，

同理，让

按照上面方法计算得到下眼睑的圆心位置(x_bottom，y_bottom)和半径R_bottom。

<特征提取>

Gabor小波特征提取如下：

在归一化虹膜图像中选取固定的64*8个采样点。对每个采样点(i，j)，计算5个频率8个方向的Gabor小波系数。

Gabor小波公式如下

其中，(x，y)是归一化虹膜图像中的点坐标，θ是Gabor小波方向，f是频率，σ是方差。

这里，σ和f的关系如下：

W_t是Gabor小波窗口大小

计算64*8个固定采样点的5个频率8个方向的2DGabor小波系数，我们在每个点可以得到40个复数(Re₁+iIm₁)，(Re₂，+iIm₂)，…，(Re₄₀+iIm₄₀)

40维归一化向量幅值计算如下：

vec＝[v₁，v₂，…，v₄₀]/(v₁²+v₂²+…+v₄₀²)^1/2

其中v_k＝(Re_k²+Im_k²)^1/2，k＝1，2，…，40

相位：对于复数(Re_k，+iIm_k)，k＝1，2，…，40，，我们可以计算二值化数组bit_k，k＝1，2，…，40

这里，bit_k＝(b₀，b₁，b₂，b₃)

然后，得到160位二值数组。

下面，结合图3对使用了本发明的可见光虹膜识别系统进行说明。

虹膜识别系统包括虹膜定位模块、归一化模块、特征提取模块及比对模块。

虹膜定位模块执行如下处理。

·定位虹膜外边缘所在圆的圆心和半径；

·定位瞳孔边缘所在圆的圆心和半径；

·定位上、下眼睑所在圆的圆心和半径；

归一化模块执行如下处理。

利用定位的虹膜内外边界将虹膜区域转换为固定大小的矩形区域，并去除眼睫毛和反光的影响，然后进行局部直方图均衡化增强虹膜纹理。

特征提取模块执行如下处理。

·选在归一化的矩形图像中选取64×8个采样点；

·对于每个采样点，计算5个频率8个方向的2D Gabor小波系数。对每个采样点得到40维的向量，对40维向量幅值归一化得到幅值特征，对40维向量相位二值化得到相位特征，幅值特征和相位特征组合得到虹膜整体特征。

比对模块执行如下处理。

对于两个图像对应的采样点，计算两个幅值特征的相关距离和两个相位特征的汉明距离，两个距离加权计算得到总类似度，如果类似度大于定义的阈值，则认为两幅图像是同一个眼睛。

本发明人通过实验验证了本发明的效果。

在MICHE数据库上的测试结果如下：

该数据库包含386个不同的虹膜，每个虹膜15幅图像。Iphone5拍摄虹膜图像的虹膜边界准确定位率为99％，Samsung S4拍摄虹膜图像的虹膜边界准确定位率为98％。因此，通过本发明的虹膜边界定位方法，对于现有技术无法定位正确的可见光虹膜边缘的情况，也能够快速、稳定地定位虹膜内、外边界。

可见光识别系统的性能：

如上所述，对本发明的优选的实施方式进行了说明，但上述实施方式仅仅是作为例子来提示的，并不对本发明的保护范围进行限定，例如，上述涉及的所取采样点的数量、向量的维数等也仅仅是例示，根据实际要求的速度、定位精度等，也可以是其他的数量。