林麝虹膜定位方法
【技术领域】
[0001] 本发明属于动物虹膜识别领域，尤其设及一种针对林廳的虹膜定位方法。
【背景技术】
[0002] 虹膜是动物眼睛构造的一部分，是最可靠的动物生物终身身份标识之一，虹膜组 织的唯一性和稳定性最高、不可改变性和抗欺骗性最强，是最为理想的身份识别依据，并且 不会对动物有侵犯性。采用虹膜对林廳身份进行认证识别，能够有效的区分林廳的不同个 体，运对保护溯临灭绝的林廳免遭滥杀具有重要的意义。
[0003] 与较成熟的人类虹膜识别技术相比，动物虹膜识别研究较少，而林廳虹膜识别更 是鲜有人研究。目前针对动物虹膜的定位方法，主要借鉴人眼虹膜的定位方法。由于林廳虹 膜图像特征与人类虹膜有着明显差异，人类虹膜内外沿近似圆形，而林廳虹膜外沿近似楠 圆，内沿也近似楠圆，且常有变化，使得现有人类虹膜定位技术不能直接借鉴使用，需要找 到适合林廳虹膜定位的方法。
[0004] 目前有关动物虹膜定位技术的方法主要有：
[0005] 申请号CN101447025,发明名称为《一种大型动物虹膜识别方法》:主要包括W下步 骤:对虹膜图像进行阔值变换和边缘检测实现预处理、用近似圆拟合算法对虹膜区域内边 界圆和外边界圆定位、用虹膜区域分割和归一化来确定特征提取区域、用2DGab〇r滤波器族 确定特征编码。本方法是基于人眼虹膜识别方法，结合大型动物眼部特点选取相应算法解 决了大型动物睫毛过长的噪声干扰问题，实现了不规则瞳孔区域的定位、大型动物虹膜特 征编码的确定和最终识别。本发明可W实现大型动物有效管理、信息跟踪和肉类食品污染 的个体溯源。
[0006] 上述发明设及的虹膜定位技术，采用近似圆拟合算法对虹膜区域内边界圆和外边 界圆定位，而林廳虹膜特征与其有明显的差异，主要差异在于:林廳虹膜内、外边界大多近 似为楠圆，内、外边界中屯、点大多不同，不能采用上述发明方法中的定位技术来定位林廳虹 膜内、外边界。
【发明内容】
[0007] 本发明为克服现在技术的不足，提出一种林廳虹膜定位方法，采用该方法对林廳 虹膜进行定位，可W有效的对其进行个体识别，从而进行种群管理，提高养殖水平，缓解对 廳香的需求压力。
[000引本发明的技术方案为：
[0009] 将林廳虹膜内、外边界视为具有不同的中屯、、长短半轴、倾斜角的两个楠圆边界， 利用林廳虹膜灰度和梯度的分布特征，求得相应的分割参数，并结合闭开运算等变换，由粗 到精，逐步完成林廳虹膜的定位。
[0010] 林廳虹膜定位方法，具体步骤如下：
[0011] S1、对林廳虹膜图像的灰度图进行高斯滤波处理，得到去噪后的林廳虹膜灰度图I;
[0012] S2、对林廳虹膜外边界粗定位，得到图像13;
[0013] S3、计算林廳虹膜上下界参数，包括:林廳瞳孔梯度上界pupilg，林廳瞳孔灰度上 界pupilmax，林廳虹膜最大梯度;[1'13肖=《1]1日《，林廳虹膜灰度的上界;[1'131]1日《=丫1]1日巧日林廳 虹膜灰度下界irismin =化in;
[0014] S4、对S3所述上下界参数进行修正，即，林廳瞳孔梯度上界pupilg修正为pupilg+ 0.5,林廳瞳孔灰度上界P叩ilmax修正为P叫ilmax+10,林廳虹膜最大梯度irisg修正为 irisg+0.5；
[0015] S5、对林廳虹膜外边界精确定位，具体为:去除图像中大于;[1'13邑、;[1'131113^的点，去 除S2所述图像13中小于irismin的点，运用sobel算子，检测边缘点，用最小二乘法拟合出边 界楠圆，得到精确的虹膜外边界；
[0016] S6、对林廳虹膜内边界粗定位，具体步骤为：
[0017] S61、去除S1所述林廳虹膜灰度图I中虹膜外边界W外的部分，得到图像14;
[0018] S62、去除S61所述图像14中大于S4所述修正后的pupilg的点，去除图像19中大于 S4所述修正后的pup i Imax的点，得到图像15;
[0019] S63、对S62所述图像15进行闭开运算，得到图像16;
[0020] S64、利用中值滤波滤除S63所述图像16噪声部分，检测滤波后的图像16的边缘点， 用最小二乘法拟合出边界楠圆，得到粗略的虹膜内边界；
[0021 ] S7、对林廳虹膜内边界精确定位，包括：
[0022] S71、去S61所述图像14中虹膜内边界粗定位边界W外的部分，得到图像口；
[0023] S72、对17的梯度图像Grad7，采用局部拉伸，增强Grad7的对比度，得到图像 GradThance;
[0024] S73、对Grad化ance进行闭、开运算，得到图像18;
[0025] S74、对图像18进行中值滤波滤除噪声，求得最大联通部分，得到图像19;
[0026] S75、检测图像19的边缘点，并用最小二乘法拟合出边界楠圆，得到精确的虹膜内 边界。
[0027] 进一步地，S2所述对林廳虹膜外边界粗定位具体包括：
[0028] S21、根据公式
开算S1所述灰度图I中点（x，y)的梯度值 Grad(x，y)，其中，(；x为水平方向上的梯度，Gy为垂直方向上的梯度，Gx(x，y) = {I(x+l，y)-I (x-l，y)}/2,若X+1或X-1超出图像坐标范围，则将其映射到图像中最近的X值。同理我们也 可W求出Gy(x，y)，最后求出Grad(x，y);
[0029] S22、计算S1所述灰度图I中点（x，y)的梯灰比RIG(x，y)，得到梯灰比图像RIG,其 中，尺16(又，7)=6脚(1(又，7)/1^，7)，1(又，7)表示点(又，7)的灰度值；
[0030] S23、对S22所述梯灰比图像RIG进行拉普拉斯增强变换，得到图像12;
[0031] S24、计算图像12中各点梯灰比，将最大梯灰比值的边界作为虹膜外边界的粗定 位，去掉灰度图I中粗定位边界外的图像，得到图像13。
[0032] 进一步地，S3所述计算林廳虹膜上下界参数具体步骤如下：
[0033] S31、计算图像13梯度灰度联合概率分布Px，y(G，I)，其中，G=L〇rad(x，y)/ Ag_|，I 指图像13的灰度值，Δ g为经验值；
[0034] S32、保留S31所述Px，y(G，I)中满足规整约束条件的点，记为Pint(G，I)，其中，所 述约束条件为经验条件；
[OO%] S33、计算Pint(G，I)对梯度的边缘概率Pg = Pint(G)，计算Pint(G，I)对灰度的边 缘概率 Pi=Pint(I);
[0036] S34、设maxPg = Pg(g'）=max{Pint(G)},则将maxPg对应的g'作为瞳孔梯度上界 pupil邑，良P:pupil邑=邑，，
[0037] 设maxPi二化（i '）= max {Pint (I)},则将maxPh对应的i '作为瞳孔灰度上界 pupilmax，良P :pupilmax = i' ；
[003引 535、计算口巧'=人冲又,7(6,1)/111曰浊邑;[，其中，1]1曰评邑1=1]1曰又化又,7(6,1)}，人为比例 系数，是经验值；
[0039] S36、分离出Pxy'中较大值的部分，得到对应的X和y方向上的坐标区间[Xmin， Xmax巧日[Ymin,Ymax]，得到林廳虹膜部分最大梯度;[1'13肖=乂1]1日《，灰度的上界;[1'131]1日又= Ymax 和灰度下界 irismin = Ymin。
[0040] 进一步地，S32所述约束条件为{G< = tl，t2含I含t3}，其中，tl，t2和t3为约束阔 值，所述约束阔值为经验值。
[0041 ]进一步地，S35 所述 λ=17。
[0042] 本发明的有益效果是：
[0043] 采用本发明的方法，能够有效去除少量杂物、少量光斑等对虹膜图像的干扰，在对 林廳虹膜图像的10% W内的伸缩变形、1.5度W内的左或右旋转的情况下均能进行有效定 位。
【附图说明】
[0044] 图1为本发明算法流程图。
[0045] 图2为林廳虹膜定位效果仿真图。
【具体实施方式】
[0046] 下面结合实施例和附图，详细说明本发明的技术方案。
[0047] 由于林廳的不配合、环境光照等影响，其虹膜图像采集难度较大，需要预先选取图 像清晰、杂物遮挡少、反光少的虹膜图像进行虹膜定位处理。
[004引如图1所示，
[0049] S1、对林廳虹膜图像的灰度图进行高斯滤波处理，得到去噪后的林廳虹膜灰度图 I;
[0050] S2、对林廳虹膜外边界粗定位，得到图像13,具体为：
[0051] S21、根据公式
十算S1所述灰度图I中点（x，y)的梯度值 Grad(x，y)，其中，(；x为水平方向上的梯度，Gy为垂直方向上的梯度，Gx(x，y) = {I(x+l，y)-I (x-l，y)}/2,若X+1或X-1超出图像坐标范围，则将其映射到图像中最近的X值。同理我们也 可W求出Gy(x，y)，最后求出Grad(x，y);
[0052] S22、计算S1所述灰度图I中点（x，y)的梯灰比RIG(x，y)，得到梯灰比图像RIG,其 中，尺16(又，7)=6脚(1(又，7)/1^，7)，1(又，7)表示点(又，7)的灰度值；
[0053] S23、对S22所述梯灰比图像RIG进行拉普拉斯增强变换，增强梯灰比图像对比度得 到图像12;
[0054] S24、计算图像12中各点梯灰比，将最大梯灰比值的边界作为虹膜外边界的粗定 位，去掉灰度图I中粗定位边界外的图像，得到图像13。
[0055] S3