对虹膜图像进行定位的方法和装置的制造方法
【技术领域】
[0001] 本发明涉及生物识别领域，特别是指一种对虹膜图像进行定位的方法和装置。
【背景技术】
[0002] 眼睑定位和虹膜定位方法在虹膜识别系统中占有重要地位，定位方法的准确性直 接影响到了虹膜特征编码和匹配过程，高效、准确、稳定的定位方法是衡量虹膜识别系统优 劣的重要标准。
[0003] 在虹膜识别系统中，要提取出人眼图片中的有效虹膜区域，人眼上、下眼睑的定位 以及虹膜边缘的定位是必不可少的。在实际应用中，海量虹膜图片的保存，必须要考虑存储 空间的限制，这就需要对虹膜图片进行一定的压缩，压缩时我们没有必要对不相关信息进 行存储，对于虹膜图片来说，除了虹膜区域之外，其他所有区域都是噪声信息，需要予以剔 除，这时，眼睑定位以及虹膜边缘定位也显得很有必要。
[0004] 现有技术中眼睑边界的定位方法基本上都是采用一系列图像处理的操作：通过设 计一些滤波器，对图像进行卷积操作，而后，在处理后的图像上进行简单的统计操作，筛选 得到上、下眼睑边界信息，之后根据边界信息得到拟合眼睑边界的抛物线的参数。但是这 种方法避免不了睫毛、眼镜框、对比度、光照的影响，其对设备的依赖性会特别大，对于不同 的设备拍摄的图像，往往需要调整各个参数，泛化性很低。且基于灰度、梯度的相对固定的 阈值选取，极易受光照影响，对比度的干扰使得提取的全局阈值缺乏灵活性等，抗干扰能力 差。
[0005] 现有技术中常见的虹膜边缘定位方法，按照虹膜图像形状类型，一般可分为3类： 基于圆形的定位、基于椭圆的定位以及基于不规则边界的定位。
[0006] (1)基于圆形的定位方法
[0007] 该方法是被普遍采用的方法，基于虹膜边界是圆形的假设。常用的算法有微积分 检测算子和Hough变换。微积分检测算子方法，采用圆形检测模板，选择沿半径方向上平均 灰度的梯度最大值对应的半径为虹膜边缘半径，进而得到圆形参数信息。Hough变换方法， 利用边缘检测的方法得到虹膜的内外边界点，再应用Hough变换分别得到虹膜圆形边界的 参数。但是微积分检测算子和Hough变换方法，它们的时间计算复杂度都比较高，定位速度 比较慢，且其假设虹膜是圆形的，不适合处理发生一定偏转和变形的虹膜。同时Hough变换 方法容易受睫毛及光斑等随机噪声的影响，抗干扰能力差。
[0008] ⑵基于椭圆的定位方法
[0009] 基于椭圆的定位方法，处理由于偏转角度不同导致拍摄的虹膜内边界近似成椭圆 形的情况。主要是利用灰度梯度模板与图像作用，统计虹膜边缘点，对虹膜内边缘点采用最 小二乘拟合确定椭圆相关参数，而虹膜的外边缘点一般仍然依据圆形进行计算。但是基于 椭圆的定位方法对异常点尤其敏感，椭圆拟合的准确度完全依赖于检测到的边缘点，而边 缘点的寻找依赖于灰度梯度模板，其对随机噪声点敏感，不能够很好的处理噪声图像，抗干 扰能力差。
[0010] (3)基于不规则边界的定位方法
[0011] 这种方法主要处理虹膜边界既非圆形也非椭圆的情况。主要采用主动轮廓线模 型，逐步改变封闭曲线的图形，通过不断地极小化自身能量函数来确定虹膜边界。在这个过 程中，调整轮廓上的点向其邻域移动，以达到逼近虹膜边缘的目的。但是基于不规则边界的 定位方法采用迭代的方式，依赖于初始值的选取，一旦初始值超出边界，该方法通常会检测 失败，而且即使给定好的初值，也并不能够保证最终收敛，在噪声的干扰下，其经常检测到 虚假边缘。定位精度低，泛化性低，抗干扰能力差。
【发明内容】
[0012] 本发明提供一种对虹膜图像进行定位的方法和装置，该方法简单方便，速度快；抗 干扰能力强、精度高；泛化性高；鲁棒性好。
[0013] 为解决上述技术问题，本发明提供技术方案如下：
[0014] 一种对虹膜图像进行定位的方法，包括：
[0015] 对虹膜图像进行瞳孔粗定位；
[0016] 在粗定位的基础上初始化多个关键点的坐标；
[0017] 提取所述关键点的SIFT特征向量；
[0018] 采用SDM算法将所述关键点的SIFT特征向量映射成坐标增量；
[0019] 使用所述坐标增量，对所述关键点的坐标值进行更新；
[0020] 使用鲁棒回归方法对所述关键点进行曲线拟合，得到上眼睑抛物线、下眼睑抛物 线和虹膜外圆的参数。
[0021] -种对虹膜图像进行定位的装置，包括：
[0022] 定位模块，用于对虹膜图像进行瞳孔粗定位；
[0023] 初值模块，用于在粗定位的基础上初始化多个关键点的坐标；
[0024] 提取模块，用于提取所述关键点的SIFT特征向量；
[0025] 映射模块，用于采用SDM算法将所述关键点的SIFT特征向量映射成坐标增量；
[0026] 更新模块，用于使用所述坐标增量，对所述关键点的坐标值进行更新；
[0027] 拟合模块，用于使用鲁棒回归方法对所述关键点进行曲线拟合，得到上眼睑抛物 线、下眼睑抛物线和虹膜外圆的参数。
[0028] 本发明具有以下有益效果：
[0029] 本发明的对虹膜图像进行定位的方法中，首先对虹膜图像进行瞳孔粗定位，在粗 定位后结果的基础上在虹膜图像上初始化多个关键点的坐标（即选取多个关键点，并记录 关键点的坐标值）；然后提取关键点的SIFT特征向量，并采用SDM算法将SIFT特征向量映 射成坐标增量，使用坐标增量，对关键点的坐标值进行更新（即将坐标增量与关键点的坐 标值相加），得到关键点新的坐标值；最后使用鲁棒回归方法对关键点进行曲线拟合，得到 上眼睑抛物线、下眼睑抛物线和虹膜外圆的参数，完成对虹膜图像的定位。
[0030] 与现有技术相比，本发明的对虹膜图像进行定位的方法将虹膜识别中的上、下眼 睑抛物线以及虹膜外圆的参数确定过程，看作是上、下眼睑及虹膜边缘关键点的定位以及 曲线拟合问题，思路清晰，简单方便，速度快。关键点的定位使用SIFT特征，利用SIFT特征 定位得到上、下眼睑及虹膜边缘的数个关键点，定位速度快、精度高。采用SDM算法将关键 点的SIFT特征向量映射成坐标增量，并使用坐标增量，对关键点的坐标值进行更新，算法 复杂度低，速度快。利用鲁棒回归拟合抛物线和圆的参数，完成上、下眼睑边界及虹膜外边 缘的定位过程，鲁棒性好。并且该方法的参数独立稳定、对光照等条件稳健，不易受到干扰， 且泛化性高，例如，传统的定位方法针对不同的图像库，需要调整合适的参数，而本发明的 方法不需要调整参数，参数经过训练得到，对于不同的图像库都同样适用。
[0031] 故本发明的对虹膜图像进行定位的方法简单方便，速度快；抗干扰能力强、精度 高；泛化性高；鲁棒性好。
【附图说明】
[0032] 图1为本发明的对虹膜图像进行定位的方法流程图；
[0033] 图2为本发明的对虹膜图像进行定位的装置示意图；
[0034] 图3为本发明中的关键点最终位置示意图；
[0035] 图4为本发明中的关键点初始位置示意图；
[0036] 图5为本发明中的梯度方向直方图示意图；
[0037] 图6为本发明中的坐标轴旋转的示意图；
[0038] 图7为本发明中的梯度方向直方图计算示意图；
[0039] 图8为本发明中在不同类型虹膜图像的SIFT特征统计图；
[0040]图9为本发明的对虹膜图像进行定位的方法的一个实施例的流程图。
【具体实施方式】
[0041] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0042] 一方面，本发明提供一种对虹膜图像进行定位的方法，如图1所示，包括：
[0043] 步骤SlOl :对虹膜图像进行瞳孔粗定位。
[0044] 本步骤中，可以使用多种方法对瞳孔进行粗定位，定位瞳孔的位置，然后将瞳孔位 置适当扩大，即得到虹膜的粗略位置，本文采用了径向对称变换方法。
[0045] 步骤S102 :在粗定位的基础上初始化多个关键点的坐标。
[0046] 根据粗定位的结果（包括瞳孔的圆心和半径）确定关键点的初始位置，我们可以 通过对预先拍摄的虹膜图像样本进行手动标记关键点后训练得到关键点的初始相对位置， 一般取多个样本的平均值，为了描述以及计算方便，一般将这些坐标值描述成2n维列向量 的形式，即
η为关键点的个数，为2n维的实数向量空间。
[0047] 步骤S103 :提取关键点的SIFT特征向量