[發明專利]基于光源反光區域檢測和改進Hough變換的虹膜定位方法

有效

• 申請號: 201410075000.8
• 申請日: 2014-03-03
• 公開（公告）號: CN103824061B
• 公開（公告）日: 2016-11-30
• 發明（設計）人: 韓民;張國裕
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 寧欽亮

1.一種基于光源反光區域檢測和改進Hough變換的虹膜定位方法，其特征是：包括以下步驟：

（1）確定基準點：利用虹膜采集過程中會在瞳孔中形成反光點這一特性，對原始虹膜圖像進行形態學運算，消除瞳孔區域的反光區域，在消除反光區域前后，分別用設定的閾值進行二值化，確定瞳孔內反光區域并計算出均值，把均值點C作為內邊界的基準點；

步驟（1）的具體過程如下：

①對輸入的虹膜圖像I(m,n),m≤MI,n≤NI,進行高斯金字塔分解,MI和NI分別是虹膜圖像的總行數和總列數，得到概貌圖像Ic；

②根據反光區域的灰度值特性，設定閾值Th，將概貌圖像Ic二值化。低于設定閾值Th的像素的灰度值置為0，得到低亮度L區域；否則置1，得到高亮度H區域，得到概貌圖像Ic的二值化圖像Ic_b；

Ic_b(i,j)=1,ifIc(i,j)≥Th0,ifIc(i,j)<ThTh=1NΣj=1NIc_max(j),]]>

其中Ic_max(j)表示第j列的像素最大值，N表示概貌圖像Ic的總列數，Th表示Ic_max(j)的均值；

③對概貌圖像Ic進行形態學開運算，得到消除瞳孔內部反光區域后的圖像Ic_pupil；

④根據瞳孔區域的灰度值特性，設定閾值Tl，將消除瞳孔內部反光區域后的圖像Ic_pupil二值化，低于設定閾值Tl的像素的灰度值置為0，得到低亮度L1區域；否則置1，得到高亮度H1區域，得到消除反光區域后的圖像二值化后的圖像Ic_b1；

Ic_b1(i,j)=1,ifIc_pupil(i,j)≥Tl0,ifIc_pupil(i,j)<TlTl=1NΣj=1NIc_pupil_min(j),]]>

其中Ic_pupil_min(j)表示第j列的像素最小值，N表示圖像Ic_pupil的總列數，Tl表示Ic_pupil_min(j)的均值；

⑤由于只有瞳孔內的反光區域同時屬于概貌圖像的二值化圖像Ic_b中的高亮度區域和圖像Ic_b1中的低亮度區域，由此可見，瞳孔內反光點的均值點C就在瞳孔內，均值點C就能夠作為內邊界定位的基準點，C=(C_x,C_y)。

（2）對虹膜內邊界和外邊界定位：利用基準點確定內邊界的感興趣區域以及內邊界擬合的圓心半徑范圍，對內邊界的感興趣區域進行改進Hough變換，找出虹膜圖像內邊界；在內邊界的基礎上確定外邊界的感興趣區域以及外邊界擬合的圓心半徑范圍，對外邊界的感興趣區域進行同樣的改進Hough變換，找出虹膜圖像外邊界；

步驟（2）的具體過程如下：

①邊緣檢測：用canny算子對概貌圖像Ic進行邊緣檢測操作，Canny算子求邊緣點具體算法步驟如下：(a)用高斯濾波器平滑圖像，(b)用一階偏導有限差分計算梯度幅值和方向，(c)對梯度幅值進行非極大值抑制方法來細化邊界，處理后得到圖像Ic_nmax，(d)最后用滯后閾值二值化，高閾值TH_H用于檢測梯度幅值大的強邊緣，低閾值TH_L檢測與強邊緣相連的弱邊緣和連接邊緣，得到圖像Ic_icanny；

TH_H=1NΣj=1NIc_nmax(j)TH_L=0.5*TH_H;]]>

②確定內邊界感興趣區域：設定瞳孔半徑范圍[R_min?R_max]，并把此范圍作為半徑參數的感興趣范圍，令△=0.5*(R_max-R_min)，△小于5，設定行[-2*△+C_x?2*△+C_x]，列[-2*△+C_y?2*△+C_y]的微小區間為虹膜內邊界圓心的范圍，此范圍就是圓心參數的感興趣區間；對Hough變換擬合的范圍進行限制，基準點C=(C_x,C_y)在瞳孔內部，令D_interior=0.5*(R_min+R_max),由此截取圖像Ic_icanny的行為[-2*D_interior+C_x?2*D_interior+C_x]，列為[-2*D_interior+C_y?2*D_interior+C_y]的矩形區域作為內邊界的感興趣區域；

③通過改進Hough變換確定內邊界：

虹膜內邊界能夠表示成圓方程，由于邊緣檢測出來的內邊界不一定是完整的圓，大量邊界點不在圓上，而是在圓內外兩三個像素范圍內，所以需要對Hough變換做改進，再對感興趣區域進行擬合，確定內邊界；具體公式如下：

H(xc,yc,r)=Σi=-2*D_interior+Cx2*D_interior+CxΣj=-2*D_interior+Cy2*D_interior+Cyh(xj,yj,xc,yc,r),]]>

其中，

h(xj,yj,xc,yc,r)=1,if-10≤g(xj,yj,xc,yc,r)≤100,elseg(xj,yj,xc,yc,r)=(xj-xc)2+(yj-yc)2-r2Rmin≤r≤Rmax|xc-Cx|≤2*Δ|yc-Cy|≤2*Δ,]]>

其中(x_j,y_j)表示邊緣點坐標，(x_c,y_c)、r分別表示圓心、半徑參數，g(x_j,y_j,x_c,y_c,r)表示邊緣點(x_j,y_j)距離參數對為(x_c,y_c,r)的圓方程的距離，h(x_j,y_j,x_c,y_c,r)判斷邊緣點是否滿足條件，H(x_c,y_c,r)表示符合條件的邊緣點數目；

根據投票法，對于每一個邊緣點(x_j,y_j)，如果這個邊緣點能使-10≤g(x_j,y_j,x_c,y_c,r)≤10，則這個點在參數對為(x_c,y_c,r)的圓周圍；因此，通過迭代運算使H的值最大化，則意味著在這個圓周圍的邊界點最多，此時參數對(x_c,y_c,r)也就是虹膜內邊界的參數；

④改進滯后閾值：

為了降低內邊界以及部分噪音點細節點對外邊界擬合的影響，需要先對這些點進行置零；具體做法如下：

對canny算子極大值抑制后的邊界的圖像Ic_nmax進行去噪處理，即高于閾值T0的值置零，公式如下；

mask1(i,j)=0,ifIc_nmax(i,j)≥T0Ic_nmax(i,j),elseT0=1NΣj=1NIc_nmax_max(j),]]>

其中Ic_nmax_max(j)表示第j列的像素最大值，N表示圖像Ic_nmax的總列數，T0表示Ic_nmax_max(j)的均值，再用滯后閾值對mask1進行二值化，得到二值化后的圖像Ic_ocanny；

⑤確定外邊界感興趣區域：設虹膜外邊界半徑為D_out，取[D_out-△?D_out+△]作為外邊界半徑的范圍，設定行[x_c-△?x_c+△]，列[y_c-△?y_c+△]的微小區間為虹膜外邊界圓心的范圍，此范圍就是圓心參數的感興趣區間；截取圖像Ic_ocanny行為[-0.6*D_out+x_c?D_out+x_c]，列為[-1.2*D_out+y_c?1.2*D_iout+y_c]的圖像部分作為有效外邊界區域；

⑥通過改進Hough變換確定外邊界：按步驟③所述過程在外邊界感興趣區域進行改進Hough變換，再對外邊界感興趣區域進行擬合，確定外邊界。