一种改善在非理想环境下虹膜识别性能的方法
【技术领域】：
[0001] 本发明设及虹膜识别技术领域，特指一种改善在非理想环境下虹膜识别性能的方 法。
【背景技术】：
[0002] 生物识别系统收集人身生体信息并从其信息抽取生体特征，然后跟数据库中的模 板群对比。W前生物识别系统所用的最常见的生物识别信息是指纹、人脸、网膜、声音、虹 膜。虹膜识别技术是人体生物识别技术的一种。我们知道，人眼睛的外观图由巩膜、虹膜、 瞳孔S部分构成。巩膜即眼球外围的白色部分，约占总面积的30% ;眼睛中屯、为瞳孔部分， 约占5%;虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65%。外观上看，由许 多腺窝、皱權、色素斑等构成，是人体中最独特的结构之一。虹膜的形成由遗传基因决定，人 体基因表达决定了虹膜的形态、生理、颜色和总的外观。虹膜具有的高度独特性、稳定性及 不可更改的特点，是虹膜可用作身份鉴别的物质基础。
[0003] 虹膜识别方式包括；虹膜的内外边界定位、特征抽取、对比=个阶段。其中定位阶 段是虹膜识别的第一阶段，又是最重要部分。定位性能影响到识别总体性能。虹膜识别一 般内外边界为圆，但是虹膜边界不是圆，所W该样定位方法可W成为错误的原因。
[0004] 1993年，JOHN-Daugman提出了实现了一个高性能的自动虹膜识别原型系统。今 天，大部分的自动虹膜识别系统都使用Daugman核屯、算法。Daugman使用积分微分算子 (Integro-differnential operator)检测出内外边界和上下眼脸。Wildes使用边缘检测 器巧dge detector)和圆形化U曲变换（Circular化U曲transform)对虹膜进行分割，通 过抛物线曲线对上下眼脸进行定位。但是该些方法在运动幅度大、虹膜图像画质不好的情 况下不能解决问题而且速度也缓慢，所W对实时运行应用不适。
[0005] 目前为了解决该些问题出现了一些使用活动轮廓模型（Active Contour Model) 检测出虹膜边缘的方法。活动轮廓模型是在边界检出和图像分割、形状模型化和形状追 踪领域中最成功的核屯、技术之一。活动轮廓模型包括W Snake模型为代表的参数活动轮 廓模型（parametric active contour model)和基于水平集方法的几何活动轮廓模型 (geometric active contour model)。几何活动轮廓模是跟参数活动轮廓莫兴比起来仅仅 依靠简单的几何参数，没有控制形状变化的特别条件也可W变更轮廓形状。几何活动轮廓 模型包括基于边缘的活动轮廓模型和基于面积的活动轮廓模型。基于边缘的活动轮廓模型 为了在目标边界处停止曲线演化使用大的图像梯度。基于面积的活动轮廓模型在每个领域 中通过拟合灰度、颜色、Texture、运动等统计模型进行图像分割。所W在弱边界图像中可W 获得更好的结果。但是使用该样的活动轮廓模型时，先要有初始轮廓形状。
[0006] 本发明人经过不断的研究，提出了采用基于面积的活动轮廓模型之一化an-Vese 活动轮廓模型，在非理想环境中定位虹膜图像的内外边界的方法。化an-Vese模型通常通过 解水平集方程或泊松方程等偏微分方程来运行。该样的方法理论上讲有意义，但是计算量 太大。而且因为使用图像的全局信息，灰度不均匀场景下准确率下降。基于该些问题，本发 明人提出了w下解决方案。
【发明内容】
：
[0007] 本发明所要解决的技术问题就是克服现有技术的不足，提供一种改善在非理想环 境下虹膜识别性能的方法。该技术方案提出基于局部面积的化an-Vese模型高速运行方 法，而且提出W角积分投影函数AIPF (angular integral projection function)为该模型 的初始轮廓进行高速定位圆形边界的方法。
[000引为解决上述技术问题，本发明采用了如下的技术方案；该方法的步骤如下；步骤 一，对所要识别的虹膜图像进行处理，对该图像应用适应阔值化删除掉虹膜图像中的镜子 反射噪声；步骤二，使用AIPF函数令虹膜图像的内外部边界逼近于圆；步骤S，W上述步骤 二的定位结果为初始轮廓，应用化an-Vese模型找出虹膜图像中的内部边界；步骤四，W虹 膜的外圆逼近结果为初始轮廓，应用化an-Vese模型找出虹膜图像中的外部部边界；步骤 五，基于上面的虹膜定位结果对虹膜图像进行正规化处理；步骤六，通过伽柏滤波器从正规 虹膜图像算出特征，跟数据库的特征进行匹配。
[0009] 进一步而言，上述技术方案中，所述的步骤S、四种，应用化an-Vese模型基于能 量最小化进行对象边缘的定位，其中化an-Vese模型的能量函数E"公式如下：
[0010] E"= A 1 / 化加e(c) I I (X)-Cl |2dx+ 入 2 / outside(c) I I (又）-〔2 |2dx, X E Q
[0011] 其中所述的I是区域Q的图像，Cl和C,是轮廓内外部的平均像素强度；图像轮廓 内部边界为；inside (C) = {x G Q : (X)〉0}，
[0012] 外部边界为；outside (C) = {x G Q : (X) <0}。
[0013] 进一步而言，上述技术方案中，所述的步骤二中，首先检测虹膜图像瞳孔中屯、适当 位置，检测瞳孔中屯、的适当位置使用瞳孔灰度值进行二值图像处理和形态学图像处理，即 对步骤一种去掉镜子反射噪声的图像进行柱形图分析，并对其进行二值图像处理，然后通 过进行形态学图像处理从二值图像中去掉眼眉和眼脸区域，该样分割的瞳孔领域中屯、定为 瞳孔中屯、。
[0014] 进一步而言，上述技术方案中，所述的步骤二中，确定瞳孔中屯、后，间隔一定时间 应用AIPF函数检测出半径边界点的组，最后一检测点为圆，从而计算出圆形瞳孔边界，同 样的方式计算出瞳孔位置进行逼近虹膜的外边界为圆。
[0015] 进一步而言，上述技术方案中，所述的AIPF函数是在图像空间中沿角度方向积分 投影的函数，其计算公式如下：
[0016]
【主权项】
1. 一种改善在非理想环境下虹膜识别性能的方法，其特征在于：该方法的步骤如下： 步骤一，对所要识别的虹膜图像进行处理，对该图像应用适应阈值化删除掉虹膜图像 中的镜子反射噪声； 步骤二，使用AIPF函数令虹膜图像的内外部边界逼近于圆； 步骤三，以上述步骤二的定位结果为初始轮廓，应用Chan-Vese模型找出虹膜图像中 的内部边界； 步骤四，以虹膜的外圆逼近结果为初始轮廓，应用Chan-Vese模型找出虹膜图像中的 外部部边界； 步骤五，基于上面的虹膜定位结果对虹膜图像进行正规化处理； 步骤六，通过伽柏滤波器从正规虹膜图像算出特征，跟数据库的特征进行匹配。
2. 根据权利要求1所述的一种改善在非理想环境下虹膜识别性能的方法，其特征在 于：所述的步骤三、四种，应用Chan-Vese模型基于能量最小化进行对象边缘的定位，其中 Chan-Vese模型的能量函数Eev公式如下： Ecv= ^1/ inside(c) I I(X)-C1I^A2/ outside(c) |l(x)-C2|2dx, X e Ω 其中所述的I是区域Ω的图像，CdP C2是轮廓内外部的平均像素强度； 图像轮廓内部边界为：inside (C) = {x e Ω : φ (X) >〇}， 外部边界为：〇utside(C) = {x e Ω : φ (χ)〈〇}。
3. 根据权利要求1所述的一种改善在非理想环境下虹膜识别性能的方法，其特征在 于：步骤二中，首先检测虹膜图像瞳孔中心适当位置，检测瞳孔中心的适当位置使用瞳孔灰 度值进行二值图像处理和形态学图像处理，即对步骤一种去掉镜子反射噪声的图像进行柱 形图分析，并对其进行二值图像处理，然后通过进行形态学图像处理从二值图像中去掉眼 眉和眼睑区域，这样分割的瞳孔领域中心定为瞳孔中心。
4. 根据权利要求3所述的一种改善在非理想环境下虹膜识别性能的方法，其特征在 于：步骤二中，确定瞳孔中心后，间隔一定时间应用AIPF函数检测出半径边界点的组，最后 一检测点为圆，从而计算出圆形瞳孔边界，同样的方式计算出瞳孔位置进行逼近虹膜的外 边界为圆。
5. 根据权利要求1所述的一种改善在非理想环境下虹膜识别性能的方法，其特征在 于：所述的AIPF函数是在图像空间中沿角度方向积分投影的函数，其计算公式如下：
其中，（X(i，yci)是图像中心，i(x，y)是（x，y)处图像的灰度级，θ是X轴和积分四角形 之间角度，P = 〇, 1，. . .，ω中ω是积分四角形的宽度，h是高度。
6. 根据权利要求3所述的一种改善在非理想环境下虹膜识别性能的方法，其特征在 于：所述的对图像应用适应阈值化删除掉虹膜图像中的镜子反射噪声的方法如下：首先把 初始图像I (X，y)分为8 X 8块，计算每块领域的平均值，然后最大的4块平均值的平均值设 为图像的阈值TMf;接着使用这个阈值生成初始图像I(x，y)的二值图像R(x，y);为了插补 镜子映射点P tl (? y〇)把周围4个点定义为
映射点Ρ〇 (χ〇, y〇)是二值图像R (X，y)的白色点，对于白色点的源图像I (X，y)的映射点 通过周围点进行插补，
I (P0)是源图像的映射点插补值。
【专利摘要】本发明公开了一种改善在非理想环境下虹膜识别性能的方法。其步骤如下：步骤一，对所要识别的虹膜图像进行处理，对该图像应用适应阈值化删除掉虹膜图像中的镜子反射噪声；步骤二，使用AIPF函数令虹膜图像的内外部边界逼近于圆；步骤三，以上述步骤二的定位结果为初始轮廓，应用Chan-Vese模型找出虹膜图像中的内部边界；步骤四，以虹膜的外圆逼近结果为初始轮廓，应用Chan-Vese模型找出虹膜图像中的外部部边界；步骤五，基于上面的虹膜定位结果对虹膜图像进行正规化处理；步骤六，通过伽柏滤波器从正规虹膜图像算出特征，跟数据库的特征进行匹配。本发明采用上述技术方案后，将Chan-Vese模型的高速运行法和APIF函数定位结果结合起来，以提高非理想环境下的虹膜定位准确性。
【IPC分类】G06K9-00
【公开号】CN104537334
【申请号】CN201410324262
【发明人】李毅
【申请人】珠海易胜电子技术有限公司
【公开日】2015年4月22日
【申请日】2014年7月8日