專利名稱：一種虹膜圖像預(yù)處理方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，主要涉及生物特征鑒別中的虹膜身份識(shí)別技術(shù)。
背景技術(shù)：
在當(dāng)今信息化時(shí)代，如何準(zhǔn)確鑒定一個(gè)人的身份，保護(hù)信息安全是一個(gè)必須解決的關(guān)鍵社會(huì)問(wèn)題。為此，生物特征鑒別技術(shù)悄然新起，并成為目前世界信息安全管理領(lǐng)域的前沿研究課題。生物特征鑒別技術(shù)是指利用人體所固有的生理特征或行為特征來(lái)進(jìn)行個(gè)人身份鑒定。虹膜身份識(shí)別技術(shù)是生物特征鑒別技術(shù)的一個(gè)分支，是計(jì)算機(jī)圖像處理技術(shù)和模式識(shí)別技術(shù)在個(gè)人身份識(shí)別領(lǐng)域的應(yīng)用，由于其高穩(wěn)定性和高準(zhǔn)確性，近年來(lái)已經(jīng)成為生物特征鑒別的熱門發(fā)展方向。虹膜身份自動(dòng)識(shí)別技術(shù)，在銀行、公安、機(jī)場(chǎng)、網(wǎng)絡(luò)等方面應(yīng)用廣泛，具有巨大的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義?，F(xiàn)在它已經(jīng)使用在邊境檢查、通觀認(rèn)證、銀行提款、信息管理和建筑物安全管理等，還可以使人們擺脫記憶信用卡號(hào)、銀行帳號(hào)、身份證號(hào)、網(wǎng)絡(luò)登錄號(hào)的繁瑣。隨著數(shù)字信號(hào)處理技術(shù)和圖像處理技術(shù)的發(fā)展，虹膜身份識(shí)別系統(tǒng)已經(jīng)日趨成熟。詳見(jiàn)文獻(xiàn)John G.Daugman，“How Iris Recognition Works，”IEEE Transaction on Circuits andSystems for Video Technology，Volume 14，Issue 1，pp.21-30，2004和文獻(xiàn)John G.Daugman，“High Confidence Recognition of Persons by Iris Patterns，”The Proceeding of IEEE 35thInternational Carnahan Conference on Security Technology，pp.254-263，2001所述。
在虹膜身份識(shí)別技術(shù)中，虹膜圖像預(yù)處理是整個(gè)識(shí)別技術(shù)的關(guān)鍵，它包括虹膜定位和虹膜圖像質(zhì)量評(píng)估。虹膜定位是虹膜識(shí)別的第一步，它的執(zhí)行時(shí)間和精度將直接影響整個(gè)虹膜識(shí)別系統(tǒng)的速度和準(zhǔn)確度。在實(shí)際中，由于虹膜區(qū)域常常受到眼瞼和睫毛的遮擋，虹膜定位算法的準(zhǔn)確性和有效性還有待進(jìn)一步提高。如何在存在睫毛和眼瞼遮擋問(wèn)題的低質(zhì)量虹膜圖像中，快速精確地定位出虹膜，并對(duì)其邊界或位置用數(shù)學(xué)模型進(jìn)行描述是我們研究的主要問(wèn)題。詳見(jiàn)文獻(xiàn)John G.Daugman，“High Confidence Visual Recognition of Persons by a Test ofStatistical Independence，”IEEE Transaction on Pattern Analysis and Machine Intelligence，volume15，no.11，pp.1148-1161，1993。虹膜圖像質(zhì)量評(píng)估是自動(dòng)虹膜識(shí)別系統(tǒng)中的一個(gè)非常重要的環(huán)節(jié)，它確保了采集過(guò)程中得到滿足質(zhì)量標(biāo)準(zhǔn)的圖像。實(shí)際中，由于拍攝時(shí)采集設(shè)備的焦距問(wèn)題，拍攝瞬間眼球的轉(zhuǎn)動(dòng)問(wèn)題，以及眼瞼和睫毛對(duì)虹膜的部分遮擋，常常使采集的虹膜圖像無(wú)法進(jìn)行后續(xù)的特征提取。目前已有的算法中還沒(méi)有提出一種有效的虹膜圖像質(zhì)量評(píng)估模型，詳見(jiàn)文獻(xiàn)Chen Ji，Hu Guangshu，“Iris Image Quality Evaluation based on Wavelet PacketDecomposition，”Journal of Tsinghua University(Sci & Tech)，volume 43，no.3，pp.377-380，2003。
現(xiàn)在通常使用的虹膜定位的方法有(1)基于灰度梯度的兩步虹膜定位方法。它通過(guò)粗定位，尋找虹膜內(nèi)外緣的大致位置，然后再在這個(gè)位置附近較小的范圍內(nèi)利用圓形檢測(cè)器進(jìn)行精定位，從而找到虹膜內(nèi)外緣的精確位置。但是在實(shí)際應(yīng)用中該方法需要反復(fù)迭代搜索，運(yùn)算量較大，效率不高。詳見(jiàn)文獻(xiàn)Li Qingrong，Ma Zheng，“A Iris Location Algorithm，”Journal of UEST of China，volume 31，no.1，pp.7-9。
(2)基于哈夫變換的虹膜定位方法。它是通過(guò)一定的算子，提取出虹膜圖像中的邊緣點(diǎn)，從而搜索通過(guò)邊緣點(diǎn)最多的圓曲線所在的位置。其缺點(diǎn)是在邊緣點(diǎn)提取中常常會(huì)引入噪聲，使得虹膜定位結(jié)果不準(zhǔn)確。詳見(jiàn)文獻(xiàn)Richard P.Wildes，“Iris Recognitionan EmergingBiometric Technology，”Proceedings of the IEEE，volume85，pp.1348-1363，1997。
目前已有虹膜質(zhì)量評(píng)估方法有(1)基于快速傅立葉變換的方法。它對(duì)虹膜區(qū)域上的兩個(gè)矩形塊內(nèi)的象素點(diǎn)進(jìn)行二維快速傅立葉變換，然后通過(guò)對(duì)其高頻、中頻和低頻能量的統(tǒng)計(jì)，分析圖像是否清晰和存在睫毛遮擋。該模型的通用行不強(qiáng)，容易將紋理較少的清晰虹膜圖像誤判為低質(zhì)量虹膜圖像。詳見(jiàn)文獻(xiàn)Li Ma，Tieniu Tan，Yunhong Wang，Dexin Zhang，“Personal Identification based on IrisTexture Analysis，”IEEE Transactions on Pattern Analysis and Machine Intelligence，volume.25，no.12，pp.1519-1533。
(2)基于小波包分解的方法。它選取紋理高頻分量分布最集中的子頻帶作為特征子頻帶，以其能量作為判別圖像質(zhì)量的準(zhǔn)則。該方法的缺點(diǎn)是無(wú)法判斷因睫毛遮擋而存在問(wèn)題的虹膜圖像。詳見(jiàn)文獻(xiàn)Chen Ji，Hu Guangshu，“Iris Image Quality Evaluation based on WaveletPacket Decomposition，”Journal of Tsinghua University(Sci & Tech)，volume 43，no.3，pp.377-380，2003。
上述的虹膜圖像預(yù)處理算法都在一定程度上存在問(wèn)題，定位算法耗時(shí)較多，并且容易受到睫毛遮擋問(wèn)題的干擾，穩(wěn)定性不高。虹膜圖像質(zhì)量評(píng)估方法的通用性不強(qiáng)。

發(fā)明內(nèi)容
本發(fā)明的任務(wù)是提供一種虹膜圖像預(yù)處理方法，包括虹膜定位和虹膜圖像質(zhì)量評(píng)估兩個(gè)過(guò)程。本發(fā)明虹膜定位過(guò)程采用基于灰度梯度的邊界點(diǎn)搜索和圓曲線擬合的虹膜定位方法，它具有在眼睫毛遮擋情況下定位準(zhǔn)確的特點(diǎn)；另外，本發(fā)明在虹膜定位的基礎(chǔ)上建立了一套通用性比較強(qiáng)的虹膜圖像質(zhì)量評(píng)估模型。
為了方便地描述本發(fā)明內(nèi)容，首先對(duì)一些術(shù)語(yǔ)進(jìn)行定義。
定義1虹膜。眼珠的中心是黑色的瞳孔，瞳孔外緣間的環(huán)形組織即為虹膜。其呈現(xiàn)出相互交錯(cuò)的類似與斑點(diǎn)、細(xì)絲、條紋、隱窩的紋理特征。同一個(gè)人的虹膜在人的一生中幾乎不會(huì)發(fā)生改變，不同人的虹膜是完全不一樣的。
定義2灰度圖像。圖像中只包含亮度信息而沒(méi)有任何其他顏色信息的圖像。
定義3二值化閾值。對(duì)圖像進(jìn)行二值化時(shí)所選用的灰度門限值。
定義4二值化。把整幅圖像的所有值轉(zhuǎn)化成只有兩種值的過(guò)程，一般這兩種值為0和1或者0和255。當(dāng)圖像上的值大于等于二值化的閥值的時(shí)候，該點(diǎn)的值二值化為1(或255)；當(dāng)圖像上的值小于二值化閥值的時(shí)候，該點(diǎn)的值二值化為0。
定義5數(shù)學(xué)形態(tài)學(xué)。用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有4個(gè)膨脹(或擴(kuò)充)、腐蝕(或侵蝕)、開(kāi)啟和閉合。膨脹和腐蝕的運(yùn)算公式為A⊕B={x|(B^)x∩A≠φ}]]>和AΘB＝{x|(B)xA}；開(kāi)啟操作的運(yùn)算公式為AοB＝(AΘB)B(yǎng)和AgB＝(AB(yǎng))ΘB。其中A為圖像集合，B為結(jié)構(gòu)元素，^表示做關(guān)于原點(diǎn)的映射，( )x表示平移x，∩表示交集，φ表示空集，表式全包含，為膨脹運(yùn)算符，Θ為腐蝕運(yùn)算符，ο為開(kāi)啟運(yùn)算符，g為閉合運(yùn)算符。
定義6灰度投影。將二維空間中的灰度投影到一維空間，分為水平灰度投影和垂直灰度投影。水平灰度投影是指將二維圖像中的灰度沿水平方向累加，轉(zhuǎn)換到一維空間。轉(zhuǎn)換函數(shù)為Sh(x)=Σy=1NI(x,y).]]>垂直灰度投影是指將二維圖像中的灰度沿垂直方向累加，轉(zhuǎn)換到一位空間。轉(zhuǎn)換函數(shù)為Sv(y)=Σx=1MI(x,y).]]>其中Sh(x)表示橫坐標(biāo)為x的灰度投影值，Sv(y)表示縱坐標(biāo)為y的灰度投影值，M，N為圖像的寬度和高度，I(x，y)為位置(x，y)的象素點(diǎn)的灰度值。
定義7虹膜內(nèi)緣邊界點(diǎn)。是指位于瞳孔外邊緣或虹膜內(nèi)邊緣上的點(diǎn)。
定義8圓擬合。已知一系列點(diǎn)的坐標(biāo)，建立一條最能反映這些坐標(biāo)點(diǎn)位置的圓曲線方程。具體來(lái)說(shuō)圓方程為x2+y2+cx+dy+e＝0，其中c，d和e是關(guān)于圓曲線的半徑和圓心坐標(biāo)點(diǎn)的參數(shù)，(x，y)為圓曲線上的點(diǎn)的坐標(biāo)值，那么相對(duì)于這些坐標(biāo)點(diǎn)的最佳圓曲線就是使誤差方差和最小。誤差方差和的公式為ϵ2=Σi(xi2+yi2+cxi+dyi+e)2,]]>其中，ε2是指誤差方差和，(xi，yi)是已知點(diǎn)的坐標(biāo)。
定義9水平一階差分。圖像中，某一行的后面象素的灰度值減去前面象素的灰度值，或前面象素的灰度值減去后面象素的灰度值，得到該行的水平一階差分值。水平一階差分能夠突出圖像的垂直邊緣信息，便于邊緣提取。
定義10虹膜外緣邊界點(diǎn)。虹膜是一個(gè)環(huán)形區(qū)域，位于虹膜外邊緣上的點(diǎn)稱為虹膜外緣邊界點(diǎn)。
定義11歸一化。將環(huán)形的虹膜區(qū)域拉伸成大小相同的矩形區(qū)域，以消除由于拍攝距離不同，瞳孔收縮等因素對(duì)識(shí)別效果的影響。具體的計(jì)算公式為x(r,θ)=(1-r)xp(θ)+rxi(θ)y(r,θ)=(1-r)yp(θ)+ryi(θ),]]>其中，r分布在區(qū)間
，θ分布在區(qū)間
，而(xp(θ)，yp(θ))和(xi(θ)，yi(θ))分別表示θ方向上的虹膜內(nèi)邊界點(diǎn)和外邊界點(diǎn)。
定義12.歸一化虹膜圖像。將原始的虹膜圖像進(jìn)行歸一化處理之后得到的矩形圖像。
定義13.8-鄰域。對(duì)一個(gè)坐標(biāo)點(diǎn)為(x，y)的象素p，它有4個(gè)水平和垂直的近鄰象素，它們的坐標(biāo)分別是(x+1，y)，(x-1，y)，(x，y+1)，(x，y-1)，以及4個(gè)對(duì)角近鄰象素，它們的坐標(biāo)點(diǎn)是(x+1，y+1)，(x+1，y-1)，(x-1，y+1)，(x-1，y-1)，這樣的8個(gè)象素合稱為p的8-鄰域，如圖1所示。
定義14.點(diǎn)銳度。用于評(píng)價(jià)數(shù)字圖像清晰度的算子，其數(shù)學(xué)形式為f=Σi=1m×nΣj=18|dI/dx|/m×n,]]>其中dI為圖像中某一點(diǎn)的八鄰域內(nèi)象素點(diǎn)的灰度值與該點(diǎn)的灰度值的差值，dx為相鄰點(diǎn)的距離，m和n分別為圖像的高和寬。
定義15.有效象素點(diǎn)。是指歸一化虹膜圖像中位于虹膜區(qū)域的象素點(diǎn)，主要是為了區(qū)分睫毛和眼瞼等無(wú)效象素點(diǎn)。有效象素點(diǎn)必須滿足的條件是Vlash≤I(x，y)≤Veyelid，其中Vlash和Veyelid是判定是否為位于睫毛區(qū)域和眼瞼區(qū)域的象素點(diǎn)的門限，I(x，y)為圖像的灰度。
定義16.可見(jiàn)度。是指原始虹膜圖像中虹膜紋理的可見(jiàn)程度，影響可見(jiàn)度的主要因素是眼瞼和睫毛對(duì)虹膜區(qū)域的遮擋。
本發(fā)明詳細(xì)技術(shù)方案為一種虹膜圖像預(yù)處理方法，包括虹膜定位和虹膜圖像質(zhì)量評(píng)估兩個(gè)過(guò)程所述虹膜定位過(guò)程包括如下步驟步驟1.對(duì)攝像裝置所采集的原始虹膜灰度圖像進(jìn)行二值化處理，原始灰度圖像中灰度值大于閾值Vb的象素點(diǎn)的灰度值賦為1，小于閾值Vb的象素點(diǎn)的灰度值賦為0。
步驟2.對(duì)步驟1中得到的二值圖像，以結(jié)構(gòu)元素B對(duì)其進(jìn)行數(shù)學(xué)形態(tài)學(xué)中的閉合運(yùn)算來(lái)消除二值圖像中的小空洞。所述結(jié)構(gòu)元素B為一個(gè)7×7的矩陣，中間近似圓形區(qū)域內(nèi)的元素的值為1，其余元素的值為0。
步驟3.計(jì)算虹膜內(nèi)邊緣的粗略圓心首先計(jì)算步驟2中得到圖像的水平和垂直灰度投影水平投影的計(jì)算公式為Sh(x)=Σy=1NI(x,y),]]>垂直灰度投影的計(jì)算公式為Sv(y)=Σx=1MI(x,y).]]>其中Sh(x)表示橫坐標(biāo)為x的灰度投影值，Sv(y)表示縱坐標(biāo)為y的灰度投影值，M，N為圖像的寬度和高度，I(x，y)為位置(x，y)的象素點(diǎn)的灰度值。
其次搜索灰度投影，取Sh(x)最小值時(shí)的橫坐標(biāo)xo和取Sh(y)最小值時(shí)的縱坐標(biāo)yo，將(xo，yo)視為虹膜內(nèi)邊緣的粗略圓心。
步驟4.計(jì)算虹膜內(nèi)邊緣的精確圓心和半徑首先，對(duì)坐標(biāo)點(diǎn)(xo，yo)附近的若干行進(jìn)行虹膜內(nèi)邊緣點(diǎn)的搜索，得到一系列虹膜內(nèi)邊緣點(diǎn)的坐標(biāo)。具體搜索方法可以是(以縱坐標(biāo)為yo這一行為例)在縱坐標(biāo)為yo這一行上，以(xo，yo)為中心，沿水平方向向左搜索象素灰度值大于T的點(diǎn)，當(dāng)搜索到象素灰度值大于T時(shí)立即停止搜索，記下此時(shí)的坐標(biāo)(xl，yo)作為一個(gè)虹膜內(nèi)邊緣點(diǎn)的坐標(biāo)，再按同樣的方式進(jìn)行沿水平方向向右的搜索，得到另一虹膜內(nèi)邊緣點(diǎn)坐標(biāo)(xr，yo)。
然后，對(duì)所得一系列虹膜內(nèi)邊緣點(diǎn)進(jìn)行圓擬合，得到虹膜內(nèi)邊緣的精確圓心(xp，yp)和半徑rp。
步驟5.計(jì)算虹膜外邊緣的精確圓心和半徑首先，取坐標(biāo)點(diǎn)(xp，yp)附近的若干行，在取出的每一行上進(jìn)行虹膜外緣點(diǎn)的搜索，得到一系列虹膜外邊緣點(diǎn)的坐標(biāo)。具體搜索方法如下(以縱坐標(biāo)為yp這一行為例)1)、計(jì)算坐標(biāo)點(diǎn)(xp，yp)所在行的水平一階差分。具體計(jì)算公式為當(dāng)xp＜x＜N-5時(shí)D(x，yp)＝I(x+5，yp)-I(x，yp)；當(dāng)5＜x≤xp時(shí)D(x，yp)＝I(x-5，yp)-I(x，yp)。其中，D(x，yp)表示坐標(biāo)點(diǎn)(x，yp)的水平一階差分值，I(x，y)表示坐標(biāo)點(diǎn)(x，y)的灰度值，N為圖像寬度。
2)、在縱坐標(biāo)為yp一行上，在區(qū)間[xp+rp+20，xp+rp+100]上計(jì)算每個(gè)點(diǎn)與后面20個(gè)點(diǎn)的水平一階差分值之和。具體計(jì)算公式為當(dāng)xp+rp+20＜x＜xp+rp+100時(shí)，S(x,yp)=Σi=020D(x+i,yp),]]>其中D(x+i，yp)是坐標(biāo)點(diǎn)(x+i，yp)的水平一階差分值。并在此區(qū)間中找出S(x，yp)取最大值時(shí)對(duì)應(yīng)的坐標(biāo)點(diǎn)(xi，yp)作為虹膜外緣邊界點(diǎn)。
3)、縱坐標(biāo)為yp一行上，在區(qū)間[xp-rp-100，xp-rp-20]上計(jì)算每個(gè)點(diǎn)與前面20個(gè)點(diǎn)的水平一階差分值之和。具體計(jì)算公式為當(dāng)xp-rp-100＜x＜xp-rp-20時(shí)，S(x,yp)=Σi=020D(x-i,yp),]]>其中D(x+i，yp)是坐標(biāo)點(diǎn)(x+i，yp)的水平一階差分值。并在此區(qū)間中找出S(x，yp)取最大值時(shí)對(duì)應(yīng)的坐標(biāo)點(diǎn)(x，yp)作為虹膜外邊緣點(diǎn)。
然后，對(duì)所得一系列虹膜外邊緣點(diǎn)進(jìn)行圓擬合，得到虹膜外邊緣的精確圓心(xi，yi)和半徑ri。
所述虹膜圖像質(zhì)量評(píng)估過(guò)程包括如下步驟步驟6.對(duì)定位出的虹膜圖像進(jìn)行歸一化處理，得到大小為M×N的歸一化虹膜圖像。具體的計(jì)算公式為x(r,θ)=(1-r)xp(θ)+rxi(θ)y(r,θ)=(1-r)yp(θ)+ryi(θ),]]>其中，r分布在區(qū)間
，θ分布在區(qū)間
，而(xp(θ)，yp(θ))和(xi(θ)，yi(θ))分別表示θ方向上的虹膜內(nèi)邊緣點(diǎn)和外邊緣點(diǎn)。
步驟7.計(jì)算歸一化虹膜圖像的點(diǎn)銳度，判斷圖像清晰度是否滿足虹膜識(shí)別的要求首先，計(jì)算步驟6所得歸一化虹膜圖像的點(diǎn)銳度值f，具體計(jì)算公式為f=Σi=1m×nΣj=18|dI/dx|/m×n,]]>其中dI為圖像中某一點(diǎn)的8-鄰域內(nèi)象素點(diǎn)的灰度值與該點(diǎn)的灰度值的差值，dx為相鄰點(diǎn)的距離，m和n分別為圖像的高和寬。
然后，將歸一化虹膜圖像的點(diǎn)銳度值f與預(yù)先設(shè)定的用于判斷虹膜圖像是否清晰的閥值Vf進(jìn)行比較，若f≥Vf，則認(rèn)為圖像的清晰度滿足虹膜識(shí)別系統(tǒng)的要求，否則，認(rèn)為不滿足虹膜識(shí)別系統(tǒng)的要求。
步驟8計(jì)算歸一化虹膜圖像中有效象素點(diǎn)的個(gè)數(shù)，判斷虹膜圖像的可見(jiàn)度是否滿足虹膜識(shí)別的要求首先，統(tǒng)計(jì)歸一化虹膜圖像中有效象素點(diǎn)的個(gè)數(shù)K，具體的計(jì)算公式為K=ΣxΣyn(x,y),]]>其中n(x,y)=1,Vlash≤I(x,y)≤Veyelid0,I(x,y)>Veyelidor I(x,y)<Vlash,]]>其中Vlash和Veyelid是判定是否為位于睫毛區(qū)域和眼瞼區(qū)域的象素點(diǎn)的門限，I(x，y)為圖像的灰度。
然后，將有效象素點(diǎn)的個(gè)數(shù)K與預(yù)先設(shè)定的用于判斷虹膜圖像是否存在眼瞼和睫毛遮擋問(wèn)題的閥值Vk進(jìn)行比較，若K≥Vk，則認(rèn)為虹膜圖像的可見(jiàn)度滿足虹膜識(shí)別系統(tǒng)的要求，否則，認(rèn)為不滿足虹膜識(shí)別系統(tǒng)的要求。
通過(guò)以上步驟，就從原始的含有虹膜的圖像中提取出歸一化的虹膜圖像，并且判斷出該圖像是否滿足虹膜識(shí)別系統(tǒng)的要求。
需要說(shuō)明的是1.步驟1中進(jìn)行二值化選取一個(gè)固定的閾值Vb選取的一個(gè)固定的閾值Vb，是通過(guò)大量試驗(yàn)得到的，并且這里選擇一個(gè)固定的閥值是因?yàn)橥讌^(qū)域的灰度值和虹膜區(qū)域的灰度值相差非常的大，即使在不同的光照條件下拍攝的虹膜圖像也可以保證二值化的效果。
2.步驟3中定位瞳孔的粗略中心(xo，yo)是為了確定進(jìn)行虹膜邊界點(diǎn)搜索的范圍。
3.步驟4中虹膜內(nèi)邊緣點(diǎn)地搜索方法中，認(rèn)為灰度值大于T的點(diǎn)就是瞳孔的邊界點(diǎn)，是因?yàn)樵谕椎倪吘壌嬖诨叶戎档拿黠@遞增，當(dāng)大于某一值是就是瞳孔邊緣。
4.步驟5中，由于由步驟4得到的一階差分水平投影曲線毛刺很多，不利于方法的精確定位，必須采用高斯函數(shù)對(duì)投影值進(jìn)行平滑處理。
5.步驟6中提到歸一化虹膜圖像的大小為M×N，值M是根據(jù)歸一化操作時(shí)所取的θ的間隔值決定，值N由歸一化操作時(shí)所取的r的間隔值決定。
6.步驟7中的圖像點(diǎn)銳度值主要表征了圖像的清晰程度，點(diǎn)銳度值f越大圖像越清晰，f越小圖像越模糊；閥值Vf是通過(guò)對(duì)同一采集設(shè)備的大量虹膜圖像進(jìn)行測(cè)試得到的，該值已經(jīng)能夠準(zhǔn)確的分類清晰與模糊虹膜圖像。
7.步驟8中提到Vlash和Veyelid，本發(fā)明認(rèn)為灰度值小于Vlash的象素點(diǎn)是睫毛區(qū)域的象素點(diǎn)，灰度值大于Veyelid是眼瞼區(qū)域的象素點(diǎn)，灰度值分布在Vlash和Veyelid之間的是虹膜區(qū)域的象素點(diǎn)；有效象素點(diǎn)個(gè)數(shù)K值越大未被遮擋的虹膜區(qū)域越大，K值越小存在的眼瞼和睫毛遮擋越嚴(yán)重。
本發(fā)明采用邊界點(diǎn)搜索和圓擬合相結(jié)合，首先通過(guò)二值化、腐蝕、膨脹和灰度投影實(shí)現(xiàn)虹膜內(nèi)邊緣圓心的粗略定位；然后采用單一灰度值比較和圓曲線擬合方法確定虹膜區(qū)域的內(nèi)邊緣，采用灰度差分累加圓曲線擬合方法確定虹膜區(qū)域的外邊緣；最后根據(jù)歸一化的虹膜圖像，計(jì)算點(diǎn)銳度值和有效像素點(diǎn)個(gè)數(shù)，從清晰度和可見(jiàn)度兩個(gè)方面評(píng)價(jià)圖像質(zhì)量。采用本發(fā)明提出的基于灰度梯度的邊界點(diǎn)搜索和曲線擬合相結(jié)合的方法，可以有效地提高虹膜定位精度和定位速度；采用本發(fā)明提出的基于點(diǎn)銳度和有效點(diǎn)個(gè)數(shù)的質(zhì)量評(píng)價(jià)方法，提高了傳統(tǒng)質(zhì)量評(píng)估算法的通用性。
本發(fā)明的創(chuàng)新之處在于充分利用了虹膜圖像的灰度梯度信息和曲線擬合的方法，通過(guò)獲得虹膜內(nèi)外邊緣點(diǎn)的坐標(biāo)來(lái)進(jìn)行曲線擬合，從而獲得虹膜區(qū)域的位置信息，達(dá)到分隔虹膜的目的；并且通過(guò)歸一化虹膜圖像的灰度信息正確評(píng)價(jià)了虹膜圖像的質(zhì)量。本發(fā)明首先采用投影法，對(duì)經(jīng)過(guò)光斑填充得二值化虹膜圖像進(jìn)行水平和垂直灰度投影，得到虹膜內(nèi)邊緣的粗略中心。通過(guò)對(duì)水平灰度曲線的掃描，找到灰度值大于某一閥值的一點(diǎn)作為虹膜的內(nèi)邊界點(diǎn)，對(duì)一系列虹膜內(nèi)邊緣點(diǎn)進(jìn)行圓擬合，從而得到虹膜內(nèi)邊緣的位置信息。之后，再通過(guò)對(duì)水平一階差分進(jìn)行相鄰20個(gè)點(diǎn)的積分，得到當(dāng)積分值取最大值時(shí)的位置坐標(biāo)作為虹膜的外邊緣點(diǎn)，進(jìn)而利用這些外邊緣點(diǎn)進(jìn)行圓擬合，得虹膜外邊緣的位置信息。利用灰度梯度信息和圓擬合相結(jié)合的方法進(jìn)行虹膜區(qū)域的定位是本發(fā)明的一個(gè)特色，與一般的兩步虹膜定位方法相比，本發(fā)明的定位準(zhǔn)確率要高5個(gè)百分點(diǎn)，并且速度提高60％。質(zhì)量評(píng)估時(shí)，本發(fā)明統(tǒng)計(jì)歸一化虹膜圖像的點(diǎn)銳度和有效象素點(diǎn)個(gè)數(shù)，通過(guò)與預(yù)先設(shè)定的閥值進(jìn)行比較，從而對(duì)虹膜圖像質(zhì)量進(jìn)行了正確的評(píng)價(jià)，并且通用性很強(qiáng)。


圖1是象素p的8-鄰域示意圖；其中，r是水平和垂直緊鄰象素，s是對(duì)角近鄰象素。
圖2是本發(fā)明所述一種虹膜圖像預(yù)處理方法的流程圖。
具體實(shí)施例方式
采用本發(fā)明的方法，首先使用C語(yǔ)言和匯編語(yǔ)言編寫(xiě)虹膜預(yù)處理程序；然后采用CMOS或者CCD攝像裝置自動(dòng)拍攝虹膜的原始圖像；接著把拍攝到的虹膜原始圖像作為源數(shù)據(jù)輸入到DSP嵌入式系統(tǒng)的虹膜預(yù)處理程序中進(jìn)行處理；經(jīng)過(guò)虹膜定位和圖像質(zhì)量評(píng)估，質(zhì)量合格的虹膜圖像定位后輸出包含豐富紋理信息的虹膜歸一化圖像。采用2400張拍攝好的、包括不同人的不同光照條件、不同拍攝姿勢(shì)的灰度虹膜圖像作為源數(shù)據(jù)，定位準(zhǔn)確率為97.5％，定位一幅圖像僅需100ms。
綜上所述，本發(fā)明的方法充分利用虹膜圖像的灰度信息，結(jié)合圓擬合的方法，從而實(shí)現(xiàn)快速準(zhǔn)確地從所提供的虹膜原始圖像中定位虹膜區(qū)域并做出準(zhǔn)確的質(zhì)量評(píng)估。
權(quán)利要求
1.一種虹膜圖像預(yù)處理方法，其特征在于，包括虹膜定位和虹膜圖像質(zhì)量評(píng)估兩個(gè)過(guò)程所述虹膜定位過(guò)程包括如下步驟步驟1.對(duì)攝像裝置所采集的原始虹膜灰度圖像進(jìn)行二值化處理，原始灰度圖像中灰度值大于閾值Vb的象素點(diǎn)的灰度值賦為1，小于閾值Vb的象素點(diǎn)的灰度值賦為0；步驟2.對(duì)步驟1中得到的二值圖像，以結(jié)構(gòu)元素B對(duì)其進(jìn)行數(shù)學(xué)形態(tài)學(xué)中的閉合運(yùn)算來(lái)消除二值圖像中的小空洞；所述結(jié)構(gòu)元素B為一個(gè)7×7的矩陣，中間近似圓形區(qū)域內(nèi)的元素的值為1，其余元素的值為0；步驟3.計(jì)算虹膜內(nèi)邊緣的粗略圓心首先計(jì)算步驟2中得到圖像的水平和垂直灰度投影水平投影的計(jì)算公式為Sh(x)=Σy=1NI(x,y),]]>垂直灰度投影的計(jì)算公式為Sv(y)=Σx=1MI(x,y);]]>其中Sh(x)表示橫坐標(biāo)為x的灰度投影值，Sv(y)表示縱坐標(biāo)為y的灰度投影值，M，N為圖像的寬度和高度，I(x，y)為位置(x，y)的象素點(diǎn)的灰度值；其次搜索灰度投影，取Sh(x)最小值時(shí)的橫坐標(biāo)xo和取Sh(y)最小值時(shí)的縱坐標(biāo)yo，將(xo，yo)視為虹膜內(nèi)邊緣的粗略圓心；步驟4.計(jì)算虹膜內(nèi)邊緣的精確圓心和半徑首先，對(duì)坐標(biāo)點(diǎn)(xo，yo)附近的若干行進(jìn)行虹膜內(nèi)邊緣點(diǎn)的搜索，得到一系列虹膜內(nèi)邊緣點(diǎn)的坐標(biāo)；然后，對(duì)所得一系列虹膜內(nèi)邊緣點(diǎn)進(jìn)行圓擬合，得到虹膜內(nèi)邊緣的精確圓心(xp，yp)和半徑rp；步驟5.計(jì)算虹膜外邊緣的精確圓心和半徑首先，取坐標(biāo)點(diǎn)(xp，yp)附近的若干行，在取出的每一行上進(jìn)行虹膜外緣點(diǎn)的搜索，得到一系列虹膜外邊緣點(diǎn)的坐標(biāo)；然后，對(duì)所得一系列虹膜外邊緣點(diǎn)進(jìn)行圓擬合，得到虹膜外邊緣的精確圓心(xi，yi)和半徑ri；所述虹膜圖像質(zhì)量評(píng)估過(guò)程包括如下步驟步驟6.對(duì)定位出的虹膜圖像進(jìn)行歸一化處理，得到大小為M×N的歸一化虹膜圖像；步驟7.計(jì)算歸一化虹膜圖像的點(diǎn)銳度，判斷圖像清晰度是否滿足虹膜識(shí)別的要求首先，計(jì)算步驟6所得歸一化虹膜圖像的點(diǎn)銳度值f，具體計(jì)算公式為f=Σi=1m×nΣj=18|dI/dx|/m×n,]]>其中dI為圖像中某一點(diǎn)的8-鄰域內(nèi)象素點(diǎn)的灰度值與該點(diǎn)的灰度值的差值，dx為相鄰點(diǎn)的距離，m和n分別為圖像的高和寬；然后，將歸一化虹膜圖像的點(diǎn)銳度值f與預(yù)先設(shè)定的用于判斷虹膜圖像是否清晰的閥值Vf進(jìn)行比較，若f≥Vf，則認(rèn)為圖像的清晰度滿足虹膜識(shí)別系統(tǒng)的要求，否則，認(rèn)為不滿足虹膜識(shí)別系統(tǒng)的要求；步驟8計(jì)算歸一化虹膜圖像中有效象素點(diǎn)的個(gè)數(shù)，判斷虹膜圖像的可見(jiàn)度是否滿足虹膜識(shí)別的要求首先，統(tǒng)計(jì)歸一化虹膜圖像中有效象素點(diǎn)的個(gè)數(shù)K，具體的計(jì)算公式為K=ΣxΣyn(x,y),]]>其中n(x,y)=1,Vlash≤I(x,y)≤Veyelid0,I(x,y)>Veyelidor I(x,y)<Vlash,]]>其中Vlash和Veyelid是判定是否為位于睫毛區(qū)域和眼瞼區(qū)域的象素點(diǎn)的門限，I(x，y)為圖像的灰度；然后，將有效象素點(diǎn)的個(gè)數(shù)K與預(yù)先設(shè)定的用于判斷虹膜圖像是否存在眼瞼和睫毛遮擋問(wèn)題的閥值Vk進(jìn)行比較，若K≥Vk，則認(rèn)為虹膜圖像的可見(jiàn)度滿足虹膜識(shí)別系統(tǒng)的要求，否則，認(rèn)為不滿足虹膜識(shí)別系統(tǒng)的要求。
2.根據(jù)權(quán)利要求1所述的一種虹膜圖像預(yù)處理方法，其特征在于，步驟4中所述虹膜內(nèi)邊緣點(diǎn)的搜索方法是(以縱坐標(biāo)為yo這一行為例)在縱坐標(biāo)為yo這一行上，以(xo，yo)為中心，沿水平方向向左搜索象素灰度值大于T的點(diǎn)，當(dāng)搜索到象素灰度值大于T時(shí)立即停止搜索，記下此時(shí)的坐標(biāo)(xl，yo)作為一個(gè)虹膜內(nèi)邊緣點(diǎn)的坐標(biāo)，再按同樣的方式進(jìn)行沿水平方向向右的搜索，得到另一虹膜內(nèi)邊緣點(diǎn)坐標(biāo)(xr，yo)。
3.根據(jù)權(quán)利要求1所述的一種虹膜圖像預(yù)處理方法，其特征在于，步驟5中所述虹膜外緣點(diǎn)的搜索方法是(以縱坐標(biāo)為yp這一行為例)1)、計(jì)算坐標(biāo)點(diǎn)(xp，yp)所在行的水平一階差分，具體計(jì)算公式為當(dāng)xp＜x＜N-5時(shí)D(x，yp)＝I(x+5，yp)-I(x，yp)；當(dāng)5＜x≤xp時(shí)D(x，yp)＝I(x-5，yp)-I(x，yp)，其中，D(x，yp)表示坐標(biāo)點(diǎn)(x，yp)的水平一階差分值，I(x，y)表示坐標(biāo)點(diǎn)(x，y)的灰度值，N為圖像寬度；2)、縱坐標(biāo)為yp一行上，在區(qū)間[xp+rp+20，xp+rp+100]上計(jì)算每個(gè)點(diǎn)與后面20個(gè)點(diǎn)的水平一階差分值之和，具體計(jì)算公式為當(dāng)xp+rp+20＜x＜xp+rp+100時(shí)，S(x,yp)=Σi=020D(x+i,yp),]]>其中D(x+i，yp)是坐標(biāo)點(diǎn)(x+i，yp)的水平一階差分值；并在此區(qū)間中找出S(x，yp)取最大值時(shí)對(duì)應(yīng)的坐標(biāo)點(diǎn)(xi，yp)作為虹膜外緣邊界點(diǎn)；3)、縱坐標(biāo)為yp一行上，在區(qū)間[xp-rp-100，xp-rp-20]上計(jì)算每個(gè)點(diǎn)與前面20個(gè)點(diǎn)的水平一階差分值之和，具體計(jì)算公式為當(dāng)xp-rp-100＜x＜xp-rp-20時(shí)，S(x,yp)=Σi=020D(x-i,yp),]]>其中D(x+i，yp)是坐標(biāo)點(diǎn)(x+i，yp)的水平一階差分值；并在此區(qū)間中找出S(x，yp)取最大值時(shí)對(duì)應(yīng)的坐標(biāo)點(diǎn)(x，yp)作為虹膜外邊緣點(diǎn)。
4.根據(jù)權(quán)利要求1所述的一種虹膜圖像預(yù)處理方法，其特征在于，步驟6中所述虹膜圖像歸一化處理的具體計(jì)算公式為x(r,θ)=(1-r)xp(θ)+rxi(θ)y(r,θ)=(1-r)yp(θ)+ryi(θ),]]>其中，r分布在區(qū)間
，θ分布在區(qū)間
，而(xp(θ)，yp(θ))和(xi(θ)，yi(θ))分別表示θ方向上的虹膜內(nèi)邊緣點(diǎn)和外邊緣點(diǎn)。
全文摘要
一種虹膜圖像預(yù)處理方法，屬于圖像處理技術(shù)領(lǐng)域，主要涉及生物特征鑒別中的虹膜身份識(shí)別技術(shù)。本發(fā)明首先通過(guò)二值化、腐蝕、膨脹和灰度投影實(shí)現(xiàn)虹膜內(nèi)邊緣圓心的粗略定位；然后采用單一灰度值比較和圓曲線擬合方法確定虹膜區(qū)域的內(nèi)邊緣，采用灰度差分累加圓曲線擬合方法確定虹膜區(qū)域的外邊緣；最后根據(jù)歸一化的虹膜圖像，計(jì)算點(diǎn)銳度值和有效像素點(diǎn)個(gè)數(shù)，從清晰度和可見(jiàn)度兩個(gè)方面評(píng)價(jià)圖像質(zhì)量。采用本發(fā)明提出的基于灰度梯度的邊界點(diǎn)搜索和曲線擬合相結(jié)合的方法，可以有效地提高虹膜定位精度和定位速度；采用本發(fā)明提出的基于點(diǎn)銳度和有效點(diǎn)個(gè)數(shù)的質(zhì)量評(píng)價(jià)方法，提高了傳統(tǒng)質(zhì)量評(píng)估算法的通用性。
文檔編號(hào)G06K9/36GK1885314SQ200610021370
公開(kāi)日2006年12月27日 申請(qǐng)日期2006年7月11日 優(yōu)先權(quán)日2006年7月11日
發(fā)明者馬爭(zhēng), 潘力立 申請(qǐng)人:電子科技大學(xué)