一种用于虹膜识别的瞳孔中心定位方法
【专利摘要】本发明涉及一种用于虹膜识别的瞳孔中心定位方法，包括步骤：(1)对原始虹膜图像进行灰度化处理；(2)对灰度图像进行预处理；(3)对灰度虹膜图像进行二值化处理；(4)对二值图像进行预处理；(5)对二值图像进行边缘检测；(6)对边缘点进行星式扫描，得到极坐标分布图；(7)进行傅立叶级数展开；(8)计算边缘的曲率半径，并对边缘点进行过滤；(9)用过滤的结果进行投票，输出瞳孔中心或者定位失败。本发明针对红外虹膜图像中瞳孔的灰度和形状特点，通过二值化和边缘形状分析，解决了瞳孔中心确定问题。
【专利说明】
-种用于虹膜识别的瞳孔中心定位方法
技术领域
[0001] 本发明设及一种瞳孔中屯、定位方法，特别是一种用于虹膜识别的瞳孔中屯、定位方 法，用于虹膜识别中的瞳孔定位和分割。
【背景技术】
[0002] 在现代社会中，人的身份识别越来越重要，如口禁管理、单位考勤、社会救助及网 络支付等。传统身份识别方法的基础是密码和凭证，容易遗忘和丢失，于是生物特征识别作 为一种新的身份识别技术应运而生。生物特征识别的基础是人的生理特征和行为特征，因 而具有安全方便的优势。
[0003] 虹膜识别作为一种重要的生物特征识别技术，具有非接触、识别精度高的特点。虹 膜识别技术包括几个主要步骤，即预处理(包括瞳孔分割、虹膜分割等）、归一化、特征提取 与匹配。其中，预处理是至关重要的一个步骤，因为分割的精度和识别正确率密切相关，并 且预处理是耗时最长的步骤，制约着算法的效率。在红外虹膜图像中，瞳孔具有独特的灰度 和形状特征，瞳孔部分的灰度很低，与周围区分明显;瞳孔往往呈圆形，在眼球姿态变化时， 瞳孔呈楠圆形。由于瞳孔具有上述特征，预处理步骤往往先进行瞳孔分割。然而瞳孔分割的 挑战很大：由于圆具有中屯、和半径共3个未知数，而楠圆具有中屯、、长短轴和旋转角共5个未 知数，因而参数估计的计算量很大，耗时很长。早期的虹膜识别技术往往采用圆模型进行瞳 孔分割，采用的方法有霍夫变换等。
[0004] 无论采用圆模型或更精确的楠圆模型进行瞳孔分割，计算量都很大。如果能快速 精确的定位瞳孔中屯、，瞳孔分割的计算量则大幅降低。如采用圆模型时，确定中屯、后仅剩1 个未知数;而采用楠圆模型时，确定中屯、后仅剩3个未知数。
[0005] 目前常用的中屯、定位算法分为W下几种。（1)基于化Ugman的积分-差分方法，该方 法精度高，但计算量大，同时易受噪声影响。（2)基于边缘检测和化U曲变换的方法，运类方 法的精度高，鲁棒性强，但计算量大。（3)基于Active Contour的方法，该类方法需要指定初 始值，易受噪声干扰。如，专利（申请号201510490001.3)的主要目的是进行模糊图像判断， 其第一个步骤为使用径向对称变换定位瞳孔。在径向对称变换中使用Sobel算子进行边缘 检测，并在梯度方向上进行投票，是类似上述(2)的方法。但该方法的投影计算量很大，并且 由于采用了降采样，定位精度受到影响。又如，专利（申请号201410273855.1)是虹膜图像预 处理算法，其中的一个重要步骤是瞳孔定位。采用了化nny边缘检测算子和亚像素圆定位算 法，因而是方法(2)的一种延伸方法。化nny算子采用了非极大值抑制，计算量大;在定位中， 还要用到图像旋转和矩的计算，计算量也很大;最后采用最小二乘算法进行拟合，该方法对 噪声较敏感，鲁棒性不高。
【发明内容】
[0006] 本发明的技术解决问题:克服现有技术的不足，提供一种用于虹膜识别的瞳孔中 屯、定位方法，对于瞳孔变形的鲁棒性强，受姿态变化干扰小;通过对二值化图像的滤波和基 于曲率的滤波，极大程度上排除了噪声的干扰，实现瞳孔中屯、的快速准确定位，提高了定位 的速度和精度。
[0007] 本发明的技术解决方案:一种用于虹膜识别的瞳孔中屯、定位方法，实现步骤如下：
[0008] (1)对原始虹膜图像进行灰度化处理，得到灰度图像；
[0009] (2)对步骤(1)得到的灰度图像进行预处理，得到增强的灰度虹膜图像；
[0010] (3)对步骤(2)得到的灰度虹膜图像进行二值化处理，得到二值化图像；
[0011] (4)对步骤(3)得到的二值图像进行滤波，得到增强后的二值图像；
[0012] (5)对步骤(4)得到的二值图像进行边缘检测，得到瞳孔的边缘点；
[0013] (6)对步骤(5)得到的边缘点进行星式扫描，得到瞳孔边界的极坐标分布图；
[0014] (7)将步骤(6)得到的极坐标分布图看作是周期信号的采样点，对极坐标边缘点进 行傅立叶级数展开，得到傅里叶级数的系数；
[0015] (8)计算步骤(7)得到的由傅里叶系数描述的瞳孔边缘的曲率半径，并对曲率半径 大于设定的上限阔值或者小于设定下限阔值的边缘点进行过滤；
[0016] (9)用步骤(8)得到的过滤结果进行投票，输出瞳孔中屯、。
[0017] 所述步骤（1)灰度化处理方法为:利用原始红外虹膜图像的红绿蓝颜色分量，通过 加权组合得到灰度值。
[0018] 所述步骤(2)预处理方法为:对灰度图像进行中值滤波，然后对中值滤波的结果进 行开运算，得到增强的灰度图像。
[0019] 所述步骤(3)二值化处理方法为:首先计算直方图，然后根据直方图估计自适应阔 值进行二值化，得到二值化图像。
[0020] 所述步骤(4)对二值图像进行预处理的方法是按照特定顺序进行预处理，即首先 二值图像进行闭运算，然后对闭运算的结果进行填充运算，得到增强的二值图像。
[0021] 所述步骤(5)边缘检测方法为:根据增强后的二值图像的值与拓扑关系得到边缘 图像，计算边缘的中屯、得到瞳孔的粗定位中屯、。
[0022] 所述步骤(6)星式扫描方法为：W粗定位中屯、为参考点，计算每一个辅角上具有最 小半径的边缘点，得到瞳孔边界的极坐标分布。
[0023] 所述步骤(7)傅立叶级数展开方法为:将极坐标边缘点用傅立叶级数拟合，得到拟 合系数和拟合曲线。
[0024] 所述步骤(8)计算边缘的曲率半径方法为:根据拟合的结果计算边缘的曲率半径 R，并过滤掉曲率半径大于设定的上限阔值或者小于设定下限阔值的点，对边缘点的过滤， 降低了噪声的影响;所述上限阔值_
〇《e<l，e为图像 变形的容忍度。
[0025] 所述步骤(9)投票方法为倡议-投票机制，即根据过滤的结果，取3点并计算圆的参 数，评估参数的有效性，如果有效，输出结果;否则选取其他的点测试。
[00%]本发明与现有技术相比的优点在于：
[0027] (1)本发明所提出的用于虹膜识别的瞳孔中屯、定位方法，通过对红外虹膜图像中 瞳孔的灰度和形状特点，对瞳孔进行自适应阔值分割，对光照条件、图像对比度的鲁棒性很 局。
[0028] (2)本发明所提出的用于虹膜识别的瞳孔中屯、定位方法，通过对瞳孔边缘点曲率 半径分布的分析，过滤掉可能的噪声点，并通过过滤后的边缘点得到瞳孔中屯、。该方法对瞳 孔变形的鲁棒性很高。
【附图说明】
[0029] 图1为本发明方法的实现流程图；
[0030] 图2为原始红外图像；
[0031] 图3为经过步骤1、2得到的输出结果，即增强的灰度图像；
[0032] 图4为经过步骤3得到的二值图像；
[0033] 图5为经过步骤4得到的单一连通域二值图像；
[0034] 图6为经过步骤5、6得到的边缘的极坐标分布（图中离散的点)及其经过步骤7傅里 叶级数估计(图中细实线）；
[003引图7为经过步骤8、9得到的瞳孔中屯、（图中白色十字）。
【具体实施方式】
[0036] -、如图1所示，本发明所述的一种用于虹膜识别的瞳孔中屯、定位方法的具体实现 步骤为：
[0037] 1、对原始虹膜图像进行灰度化处理：
[0038] 对于原始虹膜图像F的每一个像素的颜色分量r，g和b，采用公式1进行灰度化，得 到灰度虹膜图像G。
[0039] gray = 0.299*r+0.587*g+0.114*b (I)
[0040] 其中，gray表示图像G在对应位置的灰度值。如果原始图像是灰度图像，则不执行 此步骤。
[0041 ] 2、对灰度图像进行预处理
[0042] 对灰度图像G，进行中值滤波，并对中值滤波结果进行开运算，得到的结果记为Gi;
[0043] 3、对灰度虹膜图像进行二值化处理：
[0044] 对灰度虹膜图像Gi,统计其灰度直方图H，即每个灰度值出现的次数，进而按照公 式2得到其累积直方图出：
[0045]
(2)
[0046] 其中，H(i)表示图像Gi中灰度为i的像素的个数，Hc(i)表示图像Gi中灰度不大于i 的像素的个数。
[0047] 根据获得的累积直方图出对灰度虹膜图像Gi进行二值化处理。首先按照公式3将出
中首次大于设定参数X的灰度值取为阔值T，然后根据公式4进行二值化，得到二值化图像B: [004引 （3)
[0049] (4)
[(K)加]4、对二值图像进行预处理：
[0051] 对二值图像进行闭运算，并对运算结果进行填充运算。
[0052] W二值化图像B中的任一个可能的前景点为种子点，进行生长运算，得到连通域， 然后删除已经生长的点。该连通域生长算法重复运行，直到不存在种子点为止。在灰度虹膜 图像G中检测光斑，然后在所有的连通域中，选择和光斑有重叠的一个，得到单一连通域二 值图像Bi。
[0053] 5、对二值图像进行边缘检测和粗定位：
[0054] 对单一连通域二值图像Bi按照公式5进行边缘检测，得到边缘图像E。
[0 化 5]
[0056] 计算所有边缘点坐标的均值作为瞳孔中屯、的粗定位结果，记为(xo，yo)。
[0057] 6、W粗定位点为中屯、，对边缘点进行星式扫描，得到边缘点和辅角的相对关系，如 果同一个辅角对应多个边缘点，则仅仅保留一个半径最小的边缘点。然后W粗定位点为坐 标原点对边缘点进行极坐标转换，得到边缘的极坐标分布图。
[005引7、对边缘极坐标分布图进行卡尔曼滤波，并根据公式則尋滤波后的结果展开成傅 里叶级数，即：
[0化9]
(6)
[0060] 其中，目表示边缘点的辅角，P(0)表示边缘点到粗定位中屯、的距离，ao，ai，bi(i = l， 2，…，n)表示傅里叶级数的系数。
[0061] 8、将极坐标估计反映射到直角坐标系，并根据公式7计算边界上每一点的曲率半 径，得到边界上的曲率半径分布。
[0062；
(7)
[0063] 其中，/，y"分别表示边界的一阶和二阶导数，P表示曲率值，找到曲率出现最集中 的区间，粗估瞳孔半径;建立曲率分布密度函数，将密度低的边缘点过滤掉，然后对曲率半 径大于设定的上限阔值或者小于设定下限阔值的边缘点进行过滤。
[0064] 9、采用代表倡议-投票机制得到最佳中屯、估计。选取3个曲率半径处于合理区间且 相互距离大于指定阔值的点，计算由运3个点确定的圆的参数，估算其他的点与此圆的拟合 程度，并将误差小于1的点计数，当计数器的值大于设定的阔值时，输出最优结果。
[0065] 二、下面W-幅实际虹膜图像为例，再将本发明的实施方式简述如下：
[0066] 1、给定一幅红外虹膜图像(图2)，按照公式1将其转化为灰度虹膜图像。
[0067] 2、对灰度虹膜图像进行预处理，得到增强后的图像(图3)。
[0068] 3、将预处理后的虹膜图像二值化，得到二值化图像(图4)。
[0069] 4、对二值化图像进行处理，得到增强二值图像处理，进而得到单一连通域二值图 像(图5)。
[0070] 5、对单一连通域二值图像进行边缘提取(图6中离散点）。
[0071 ] 6、对边缘点进行星式扫描，得到极坐标分布图。
[0072] 7、进行傅立叶级数展开(图6中细实线）。
[0073] 8、计算边缘的曲率半径，并对曲率半径大于设定的上限阔值或者小于设定下限阔 值的边缘点进行过滤。
[0074] 9、用过滤的结果进行投票，输出瞳孔中屯、（图7)。
【主权项】
1. 一种用于虹膜识别的瞳孔中心定位方法，其特征在于实现步骤如下： (1) 对原始虹膜图像进行灰度化处理，得到灰度图像； (2) 对步骤(1)得到的灰度图像进行预处理，得到增强的灰度虹膜图像； (3) 对步骤(2)得到的灰度虹膜图像进行二值化处理，得到二值化图像； (4) 对步骤(3)得到的二值图像进行滤波，得到增强后的二值图像； (5) 对步骤(4)得到的二值图像进行边缘检测，得到瞳孔的边缘点； (6) 对步骤(5)得到的边缘点进行星式扫描，得到瞳孔边界的极坐标分布图； (7) 将步骤(6)得到的极坐标分布图看作是周期信号的采样点，对极坐标边缘点进行傅 立叶级数展开，得到傅里叶级数的系数； (8) 计算步骤(7)得到的由傅里叶系数描述的瞳孔边缘的曲率半径，并对曲率半径大于 设定的上限阈值或者小于设定下限阈值的边缘点进行过滤； (9) 用步骤(8)得到的过滤结果进行投票，输出瞳孔中心。2. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (1) 灰度化处理方法为:利用原始红外虹膜图像的红绿蓝颜色分量，通过加权组合得到灰度 值。3. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (2) 预处理方法为:对灰度图像进行中值滤波，然后对中值滤波的结果进行开运算，得到增 强的灰度图像。4. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (3) 二值化处理方法为:首先计算直方图，然后根据直方图估计自适应阈值进行二值化，得 到二值化图像。5. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (4) 对二值图像进行预处理的方法是按照特定顺序进行预处理，即首先二值图像进行闭运 算，然后对闭运算的结果进行填充运算，得到增强的二值图像。6. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (5) 边缘检测方法为:根据增强后的二值图像的值与拓扑关系得到边缘图像，计算边缘的中 心得到瞳孔的粗定位中心。7. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (6) 星式扫描方法为：以粗定位中心为参考点，计算每一个辅角上具有最小半径的边缘点， 得到瞳孔边界的极坐标分布。8. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (7) 傅立叶级数展开方法为:将极坐标边缘点用傅立叶级数拟合，得到拟合系数和拟合曲 线。9. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于：所述步骤 (8) 计算边缘的曲率半径方法为:根据拟合的结果计算边缘的曲率半径R，并过滤掉曲率半 径大于设定的上限阈值或者小于设定下限阈值的点，对边缘点的过滤，降低了噪声的影响； 所述上限阈值M = /?/ ，下限阈值m ，〇彡e〈l，e为图像变形的容忍度。10. 根据权利要求1所述的用于虹膜识别的瞳孔中心定位方法，其特征在于:所述步骤 (9)投票方法为倡议-投票机制，即根据过滤的结果，取3点并计算圆的参数，评估参数的有 效性，如果有效，输出结果;否则选取其他的点测试。
【文档编号】G06K9/00GK106022315SQ201610438611
【公开日】2016年10月12日
【申请日】2016年6月17日
【发明人】李春林, 单良, 李成山
【申请人】北京极创未来科技有限公司