基于改进蚁群算法提取睫毛的方法
【技术领域】
[0001] 本发明属虹膜识别技术领域，尤其涉及一种基于改进蚁群算法提取睫毛的方法。
【背景技术】
[0002] 虹膜识别由于具有普遍性、唯一性、稳定性、非侵犯性等优点，所以被认为是目前 最具潜力的生物特征识别方法之一。睫毛的主要作用是用来阻挡灰尘等异物进入眼睛的， 然而在提取虹膜特征时，睫毛有时可能不同程度地对虹膜形成遮挡，从而影响了真实虹膜 特征的提取。因此，在虹膜识别的预处理阶段，准确地检测出睫毛遮挡区域是保证虹膜识别 准确率非常重要的一个环节。
[0003] 目前关于睫毛检测的主要方法包括:Kong Waikin等，把睫毛分成分散和聚集两 类，对分散睫毛采用一维Gabor滤波器与图像做卷积，如果结果小于给定的阈值，则判断为 睫毛;对于聚集睫毛的检测，则使用一个5*5的小矩形窗口，如果窗口的灰度差小于预设阈 值，则该矩形窗口的中心就可判定为一个睫毛点;Huang Junzhou等首先根据相位一致性提 取噪声的边缘信息，然后结合边缘和区域的信息来定位眼睫毛区域;Suhad A等首先对图像 进行灰度变换来增强图像的对比度，然后采用soble算子根据给定阈值来检测睫毛;Walid Aydi等首先求出图像的对角梯度，然后通过预设阈值来提取睫毛;苑玮琦等人提出采用多 种不同的方法，通过选取相应的阈值提取睫毛点，然后再把这些提取到的睫毛点组合起来 形成最终的睫毛。来毅等人使用灰度形态学的方法，将形态学运算后的图像二值化，即可检 测出眼睫毛。
[0004] 以上方法大多是采用人工预设阈值的方法来判定某个像素是否属于睫毛。这种 方法的优势是简单、高效，而局限性是由于最优阈值往往难以得到，从而造成睫毛检测的结 果不够令人满意。
【发明内容】
[0005] 本发明旨在克服现有技术的不足之处而提供一种基于改进蚁群算法提取睫毛的 方法。该方法提取睫毛的效果较其他相关算法有明显的提高;并且当人工蚂蚁间距取25左 右像素的时候，算法既能保证睫毛检测的速度又能保证睫毛检测的效果。
[0006 ]为解决上述技术问题，本发明是这样实现的：
[0007] 基于改进蚁群算法提取睫毛的方法，可按如下步骤实施：
[0008] (1)睫毛提取区域信息素初始化;放一只人工蚂蚁，设置算法各个参数；
[0009] (2)每只人工蚂蚁依次执行步骤(3)及步骤(4);
[0010] (3)人工蚂蚁选择下一步的位置，结束条件是走完规定的步数s或者无路可走；
[0011] (4)对人工蚂蚁经过的位置进行信息素更新；
[0012] (5)所有人工蚂蚁遍历结束后，得到了图像各位置处的信息素浓度，然后使用0TSU 算法提取睫毛边缘；
[0013] (6)对得到的睫毛边缘进行整合，得到完整的睫毛；
[0014] (7)采用序列滑动窗口消除噪声，得出最终的睫毛。
[0015] 作为一种优选方案，本发明所述步骤(1)中，在每m*m区域内放一只人工蚂蚁。
[0016] 进一步地，本发明所述步骤(3)中，人工蚂蚁根据下列公式选择下一步的位置：
[0018] allowedi = {0,1，···η_1}表示蚂蚁i八邻域范围内下一步允许选择的位置;其中Tk 表示八邻域位置k处的信息素浓度;nk表示局部方向因子，％=0ik/dik，其中0ik表示从位置i 沿着八邻域方向到EA区域边界所遇到的第一个比EA区域初始信息素浓度均值ave大的位置 rk处的初始信息素浓度，
[0020] M，N分别表示EA区域的高度和宽度;dik表示位置之间的距离；
[0021] 料表示人工蚂蚁从位置i沿八邻域方向到EA区域边界所有比ave值大的像素的初 始信息素浓度均值；
[0022] 参数α，β，μ分别表不各因子权重。
[0023] 进一步地，本发明所述步骤(4)中，依据下列公式对人工蚂蚁经过的位置进行信息 素更新：
[0024] Tk(n)=PTk(n-l)+ATk(n)* 〇k*vk(n)
[0025] 其中ik(n)表示第η只人工蚂蚁遍历后，位置k处的信息素浓度;P表示信息素蒸发 系数；A Tk(n)表示第η只人工蚂蚁在位置k处释放的信息素；(^表示位置k处初始信息素浓 度与整个EA区域初始信息素浓度均值之比。
[0026] 进一步地，本发明第η只人工蚂蚁遍历后，位置k处初始信息素浓度与第η只人工蚂 蚁经过的所有路径信息素浓度均值之比：
[0028] trailn表示第η只人工蚂蚁经过的所有像素位置集合;Ν表示trailn集合内元素的 个数。
[0029] 进一步地，本发明所述步骤(6)中，采用
[0030] s( i , j) =sieft(i , j+1 )+Sright( i , j-1)
[0031 ]其中sirft (i , j)表示左边缘图像，Sright (i , j)表示右边缘图像。
[0032]睫毛检测是虹膜识别预处理阶段的一个重要环节，本发明提出一种基于改进的蚁 群算法提取睫毛的方法。该方法首先通过引入睫毛区域内、外方向因子使得人工蚂蚁能快 速聚集到睫毛边缘，并且通过采取全局和局部两种策略来对信息素进行更新，然后使用 0TSU算法根据所得图像的信息素浓度把图像分割成睫毛边缘和非睫毛边缘两部分。最后， 对分割出的睫毛边缘进行整合、除噪，得到最终的睫毛。实验结果表明：该方法提取睫毛的 效果较其他相关算法有明显的提高;并且当人工蚂蚁间距取25左右像素的时候，算法既能 保证睫毛检测的速度又能保证睫毛检测的效果。
【附图说明】
[0033]下面结合附图和【具体实施方式】对本发明作进一步说明。本发明的保护范围不仅局 限于下列内容的表述。
[0034] 图1为本发明睫毛提取区域示意图；
[0035] 图2为不同算法对CASIA-IrisVl库虹膜图像睫毛检测效果的比较示意图；
[0036] 图3为不同算法对自采集虹膜图像睫毛检测效果的比较示意图；
[0037]图4为蚂蚁间距与运行时间关系；
[0038] 图5-1、图5-2及图5-3为蚂蚁间距示意图。
【具体实施方式】
[0039] 如图所示，基于改进蚁群算法提取睫毛的方法，按如下步骤实施：
[0040] (1)睫毛提取区域信息素初始化;放一只人工蚂蚁，设置算法各个参数；
[0041] (2)每只人工蚂蚁依次执行步骤(3)及步骤(4);
[0042] (3)人工蚂蚁选择下一步的位置，结束条件是走完规定的步数s或者无路可走；
[0043] (4)对人工蚂蚁经过的位置进行信息素更新；
[0044] (5)所有人工蚂蚁遍历结束后，得到了图像各位置处的信息素浓度，然后使用0TSU 算法提取睫毛边缘；
[0045] (6)对得到的睫毛边缘进行整合，得到完整的睫毛；
[0046] (7)采用序列滑动窗口消除噪声，得出最终的睫毛。
[0047]本发明所述步骤(1)中，在每m*m区域内放一只人工蚂蚁。
[0048]本发明所述步骤(3)中，人工蚂蚁根据下列公式选择下一步的位置：
[0050] allowedi = {0,1，···η_1}表示蚂蚁i八邻域范围内下一步允许选择的位置;其中Tk 表示八邻域位置k处的信息素浓度;nk表示局部方向因子，％=0ik/dik，其中0ik表示从位置i 沿着八邻域方向到EA区域边界所遇到的第一个比EA区域初始信息素浓度均值ave大的位置 rk处的初始信息素浓度，
[0052] M，N分别表示EA区域的高度和宽度;dik表示位置之间的距离；
[0053] 料表示人工蚂蚁从位置i沿八邻域方向到EA区域边界所有比ave值大的像素的初 始信息素浓度均值；
[0054] 参数α，β，μ分别表示各因子权重。
[0055] 本发明所述步骤(4)中，依据下列公式对人工蚂蚁经过的位置进行信息素更新：
[0056] Tk(n)=PT：k(n-l)+A Tk(n)*t〇k*vk(n)
[0057] 其中ik(n)表示第η只人工蚂蚁遍历后，位置k处的信息素浓度;P表示信息素蒸发 系数；A Tk(n)表示第η只人工蚂蚁在位置k处释放的信息素；(^表示位置k处初始信息素浓 度与整个EA区域初始信息素浓度均值之比。<