[發(fā)明專利]基于空間距圓標(biāo)記邊緣檢測(cè)的虹膜預(yù)處理算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410273855.1
• 申請(qǐng)日: 2014-06-19
• 公開（公告）號(hào): CN105225216A
• 公開（公告）日: 2016-01-06
• 發(fā)明（設(shè)計(jì)）人: 李釗
• 申請(qǐng)（專利權(quán)）人: 江蘇天穗農(nóng)業(yè)科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于空間距圓標(biāo)記邊緣檢測(cè)的虹膜預(yù)處理算法。

背景技術(shù)

目前虹膜身份識(shí)別是近年來新興的一種身份識(shí)別技術(shù)，它的研究與應(yīng)用方興未艾，市場(chǎng)更是為這項(xiàng)技術(shù)的發(fā)展提供了廣闊的舞臺(tái)。虹膜紋絡(luò)纖細(xì)無比，不可偽造。較指紋自動(dòng)識(shí)別更有長處，是一項(xiàng)值得研究和推廣的新技術(shù)。與其他生物特相比，虹膜唯一性高、精度高、穩(wěn)定性好，適用人群廣泛。

目前，虹膜的識(shí)別一般是先通過對(duì)虹膜圖像的采集，再對(duì)虹膜預(yù)處理，然后提取虹膜特征，最后與從虹膜樣本中提取的樣例虹膜特征數(shù)據(jù)庫進(jìn)行特征匹配，進(jìn)而實(shí)現(xiàn)對(duì)虹膜的識(shí)別，而預(yù)處理過程一般又分為虹膜圖像噪聲處理，瞳孔定位，虹膜內(nèi)圓和外圓定位，虹膜的歸一化和虹膜圖像的增加。

而對(duì)于虹膜的定位，目前主要有四種算法：1、利用Canny算子和Hough變換結(jié)合進(jìn)行虹膜的內(nèi)外圓定位以及瞳孔的定位。該算法首先采用Canny邊緣檢測(cè)算子對(duì)虹膜的內(nèi)外圓進(jìn)行邊緣檢測(cè)，緊接著再通過Hough變換確定虹膜的內(nèi)圓邊界，外圓邊界，該算法實(shí)現(xiàn)虹膜定位精度高，但是速度慢；2、利用二值化閾值和最小二乘法算子結(jié)合進(jìn)行虹膜定位。該算法首先采用二值化閾值法分割瞳孔，并獲得虹膜的內(nèi)圓，再通過Canny算法進(jìn)行邊緣檢測(cè)，用最小二乘法擬合外圓，該算法的速度快，但是對(duì)虹膜的內(nèi)外圓定位精確度不高；3、利用小波和圓檢測(cè)算法結(jié)合進(jìn)行虹膜定位。該算法首先采用Haar小波的不同通道來獲得虹膜以及瞳孔的頻域信息，利用Canny算法實(shí)現(xiàn)虹膜的內(nèi)外圓的邊緣檢測(cè)，再利用最小二乘法實(shí)現(xiàn)內(nèi)圓的定位，利用圓檢測(cè)算子獲得外圓的定位。該算法中最小二乘法確定內(nèi)圓的準(zhǔn)確度不高，圓檢測(cè)算法確定外圓的速度較慢，因此需要對(duì)此算法進(jìn)行改進(jìn)；4、利用Sobel算子進(jìn)行邊緣檢測(cè)，采用零至二階矩進(jìn)行內(nèi)圓定位，再采用Dougman圓檢測(cè)算子進(jìn)行外圓定位，在技術(shù)上Sobel算子是以離散型的差分算子，用來運(yùn)算圖像亮度函數(shù)的梯度的近似值，缺點(diǎn)是Sobel算子并沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意，而零至二階矩和Dougman圓檢測(cè)算子只能進(jìn)行粗略地計(jì)算，所以精度無法達(dá)到預(yù)期要求。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是：為了克服現(xiàn)有技術(shù)的不足，提供一種檢測(cè)精度高且檢測(cè)速度快的基于空間距圓標(biāo)記邊緣檢測(cè)的虹膜預(yù)處理算法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于空間距圓標(biāo)記邊緣檢測(cè)的虹膜預(yù)處理算法，包括如下步驟：

1)圖像采集：通過攝像裝置，對(duì)人眼中的虹膜進(jìn)行圖像采集，得到含有虹膜圖像的原始灰度圖像f(x，y)；

2)噪聲處理：采用中值濾波算法對(duì)圖像f(x，y)進(jìn)行噪聲處理，得到圖像g(x，y)；

3)圖像分解：利用Haar小波將圖像g(x，y)分解為水平高頻、垂直高頻、對(duì)角高頻和低頻逼近四個(gè)子帶圖像；

4)邊緣檢測(cè)：采用Canny算子在小波基礎(chǔ)上對(duì)虹膜圖像進(jìn)行邊緣檢測(cè)；

5)內(nèi)圓精確定位：利用基于亞像素圓定位算法進(jìn)行虹膜內(nèi)圓的精確定位，其具體步驟如下：

(1)在單位圓上定義一個(gè)連續(xù)理想邊緣模型，其中一個(gè)區(qū)域的灰度值為h，另一個(gè)區(qū)域的灰度值為h+k，l為單位圓的圓心到邊緣的距離，θ是邊緣法線與x軸的夾角，θ∈[-π/2，π/2]；是通過單位圓與待檢測(cè)圓曲線交點(diǎn)及單位圓心的直線與兩個(gè)圓心所在直線的夾角，對(duì)圖像g(x，y)取一個(gè)像素點(diǎn)，利用二維滑動(dòng)模板計(jì)算相應(yīng)像素的空間矩M_pq′；將圖像g(x，y)順時(shí)針旋轉(zhuǎn)θ角，使邊緣法線與z軸重合，旋轉(zhuǎn)后圖像灰度函數(shù)f’(x，y)關(guān)于z軸對(duì)稱，旋轉(zhuǎn)后的空間矩為M_pq，而M_pq′和M_pq滿足：