呂金花，孫建平

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定071003)

?

基于內(nèi)外邊緣分離的虹膜定位方法

呂金花，孫建平

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定071003)

虹膜定位在身份識(shí)別過(guò)程中具有舉足輕重的地位，定位的好壞直接影響到定位之后的特征提取，進(jìn)而影響虹膜的識(shí)別精度。鑒于虹膜定位經(jīng)典算法的定位精度不高、時(shí)間長(zhǎng)等問(wèn)題，有人提出基于感興趣區(qū)域的定位算法，在該算法的基礎(chǔ)上進(jìn)行改進(jìn)，采用內(nèi)外邊緣分別定位，即內(nèi)邊界采用區(qū)域?qū)傩垣@得最大面積區(qū)域即瞳孔區(qū)域，再用最小二乘完成內(nèi)邊界的定位；外邊界定位時(shí)尋找一個(gè)感興趣區(qū)域，以減少眼瞼、睫毛等的干擾，經(jīng)仿真得出該算法與基于感興趣區(qū)域的虹膜定位算法相比，定位準(zhǔn)確度提高了，而且快速性也有了提高。

虹膜定位；區(qū)域?qū)傩?；最小二乘；感興趣區(qū)域；邊緣檢測(cè)

0　引言

在這個(gè)信息化高速發(fā)展的時(shí)代，信息安全受到越來(lái)越高的重視，人們對(duì)這方面的要求也越來(lái)越高，尋找一種好的識(shí)別方法以保證個(gè)人身份安全成為當(dāng)前的一個(gè)關(guān)鍵問(wèn)題。傳統(tǒng)的識(shí)別方法[1-2]比如密碼、用戶名、證件等容易丟失或被偽造已經(jīng)不能滿足要求，依靠人體的固有特征屬性或行為特征進(jìn)行身份識(shí)別是目前流行的方法，常見(jiàn)的有指紋、虹膜、步態(tài)、人臉等，虹膜因其獨(dú)特的紋理和復(fù)雜的結(jié)構(gòu)受到人們廣泛的關(guān)注，它具有高度的防偽特性，即使是左右眼也會(huì)有所差別；不因年齡而變化，穩(wěn)定性好；位于人眼內(nèi)部，具有非侵犯性，基于上述特性，虹膜識(shí)別成為當(dāng)下的焦點(diǎn)。

利用虹膜進(jìn)行身份識(shí)別固然是好，但也存在一些問(wèn)題，眾所周知虹膜定位是識(shí)別的關(guān)鍵技術(shù)，它直接關(guān)系到虹膜識(shí)別的精度，人眼主要由瞳孔、虹膜、鞏膜組成，如何準(zhǔn)確定位以獲取虹膜的內(nèi)外邊界是人們一直在研究的問(wèn)題，定位時(shí)將內(nèi)外邊界近似等效成圓。目前公認(rèn)的兩種經(jīng)典的定位算法分別是1993年劍橋大學(xué)John Daugman提出的微積分算法[3-4]和1996年Richard Wildes提出的邊緣檢測(cè)和Hough變換相結(jié)合的方法[5]，之后人們大都是在這兩種方法的基礎(chǔ)上進(jìn)行改進(jìn)，并沒(méi)有形成統(tǒng)一的方法。鑒于經(jīng)典算法存在定位準(zhǔn)確度不高或快速性差等問(wèn)題，此處采用一種定位方法，即對(duì)內(nèi)邊界利用區(qū)域?qū)傩缘姆治龇椒?；?duì)外邊界尋找感興趣區(qū)域[6-7]，并利用最小二乘擬合完成定位，通過(guò)仿真得出該方法在提高精度的同時(shí)也加快了識(shí)別的速度。

1　傳統(tǒng)的虹膜定位算法

虹膜的紋理脈絡(luò)復(fù)雜，近年來(lái)在身份識(shí)別中得到廣泛應(yīng)用，其剖面結(jié)構(gòu)[1]4如圖1所示；人眼的前視圖[2]15如圖2所示，由圖可以看出瞳孔的灰度值小，與周?chē)暮缒?、鞏膜差距大，在處理時(shí)根據(jù)設(shè)定的閾值可以將瞳孔和瞳孔之外的部分分開(kāi)。虹膜定位有兩種傳統(tǒng)的定位算法，分別為Daugman的微積分算法和Wildes的Hough變換法，之后雖然也出現(xiàn)了多種定位算法，但都是以這兩種算法為基礎(chǔ)，不斷改進(jìn)，下面將分別介紹這兩種定位算法。

圖1　虹膜的剖面結(jié)構(gòu)

圖2　人眼的前視圖

1.1Daugman的微積分算法

Daugman提出的微積分算法是對(duì)內(nèi)外邊緣采用由粗到精的方法分別估算圓心和半徑完成定位，該算法的數(shù)學(xué)表達(dá)式為

(1)

(2)

1.2Wildes的Hough變換法

Wildes的算法分為兩步：首先利用基于梯度的邊緣檢測(cè)算子[7]對(duì)圖像進(jìn)行邊緣檢測(cè)，得到一個(gè)二值圖像，然后再利用Hough變換[8]求其圓心和半徑，完成定位。

雖然這兩種方法一直被視作是虹膜定位的經(jīng)典算法，但也存在定位精度不高、時(shí)間長(zhǎng)等問(wèn)題，針對(duì)該情況，決定采用一種基于內(nèi)外邊緣分離的定位算法，即對(duì)內(nèi)外邊界采用不同的定位方法。

2　基于內(nèi)外邊界分離的定位算法

2.1內(nèi)邊界定位

內(nèi)邊界定位采用區(qū)域?qū)傩院妥钚《薣9]相結(jié)合的方法，具體步驟如下：

(1)根據(jù)灰度直方圖選擇一個(gè)合適的閾值，其中圖3為原始圖像，圖4為灰度直方圖，閾值T的選擇會(huì)影響到二值化的效果，如果不加以說(shuō)明，二值化的默認(rèn)閾值是127。由于瞳孔區(qū)的灰度值小，為了減少睫毛等噪聲的干擾，更好地分離出瞳孔區(qū)域，由直方圖看出閾值選在90左右比較合適，而根據(jù)虹膜庫(kù)統(tǒng)計(jì)的情況，閾值選擇在[46-110]比較合適，因此選擇T=91。

圖3　原始圖像

圖4　灰度直方圖

(2)根據(jù)上面選擇的閾值進(jìn)行二值化，為了后面計(jì)算方便將原二值圖像進(jìn)行反轉(zhuǎn)，然后求其標(biāo)簽矩陣，即通過(guò)對(duì)圖像的連通體編號(hào)，其中正整數(shù)代表像素值為1的區(qū)域，0代表像素值為0的區(qū)域，通過(guò)計(jì)算不同整數(shù)的個(gè)數(shù)來(lái)確定各區(qū)域的面積，由原圖像知道瞳孔區(qū)域的面積最大，因此將小于該區(qū)域面積的目標(biāo)去掉，便獲得瞳孔區(qū)域，其中圖5為反轉(zhuǎn)前的二值圖像，圖6為反轉(zhuǎn)前確定的瞳孔區(qū)域，表1為將圖像反轉(zhuǎn)后選取的部分矩陣排列情況。

圖5　反轉(zhuǎn)前的二值圖像

圖6　瞳孔區(qū)域

列數(shù)/列行數(shù)/行29029129229329479000008000076081680000826800077836868000846868000

(3)將得到的瞳孔區(qū)域進(jìn)行邊緣檢測(cè)，在這里采用sobel算子進(jìn)行檢測(cè)，檢測(cè)后只剩下瞳孔區(qū)域的邊緣線；然后利用最小二乘法求其圓心和半徑，從而完成內(nèi)邊界的定位，顯示在原圖上，結(jié)果如圖7所示。

圖7　內(nèi)邊界定位結(jié)果

2.2外邊界定位

考慮到虹膜外邊界會(huì)受到眼瞼和睫毛等干擾的影響，所以選擇一個(gè)感興趣區(qū)域，通過(guò)處理獲得其部分邊界，進(jìn)而實(shí)現(xiàn)定位。

(1)基于感興趣區(qū)域的虹膜外邊界的定位是在內(nèi)邊界完成的基礎(chǔ)上實(shí)現(xiàn)的，一般情況下，虹膜外邊界到瞳孔的距離小于瞳孔半徑的3.5倍，前面已經(jīng)得到瞳孔的圓心(xn,yn)和半徑r，因此截取行為[xn,xn+r]，列為[yn-3.5r,yn+3.5r]的區(qū)域作為感興趣區(qū)域，結(jié)果如圖8所示，二值化圖像如圖9所示。

圖8　感興趣區(qū)域

圖9　二值化圖像

(2)去除干擾。利用數(shù)學(xué)形態(tài)學(xué)對(duì)其進(jìn)行相關(guān)操作，然后進(jìn)行孔洞填充，得到圖10；然后利用canny算子進(jìn)行邊緣檢測(cè)，其結(jié)果和sobel算子邊緣檢測(cè)類(lèi)似，也是只留下圖10中的兩段弧形檢測(cè)線。

圖10　去噪后的圖像

(3)根據(jù)上述得到的部分邊界利用最小二乘法進(jìn)行擬合，得到一個(gè)擬合圓，其中圓心為(5.87,139.37)，半徑為111.29，單位均是單位像素值；將外邊界顯示在原圖像上，結(jié)果如圖11所示；將內(nèi)外邊界結(jié)合，得到最終的虹膜定位結(jié)果如圖12所示。

圖11　外邊界定位結(jié)果

圖12　虹膜定位結(jié)果

3　實(shí)驗(yàn)結(jié)果及其分析

所有的編程實(shí)現(xiàn)均是在Matlab2015a下進(jìn)行的，所使用的虹膜圖像來(lái)自CASIA標(biāo)準(zhǔn)虹膜庫(kù)[10]，分辨率為320×280，表2對(duì)虹膜定位的不同算法進(jìn)行了對(duì)比，結(jié)果表明該方法具有較高的準(zhǔn)確性和較高的快速性。

表2　不同算法的定位結(jié)果比較

4　結(jié)論

針對(duì)經(jīng)典算法的不足，選擇采用一種內(nèi)外邊界分離的算法，內(nèi)邊界采用基于區(qū)域?qū)傩缘姆治龇椒?，?duì)反轉(zhuǎn)后的二值圖像的連通體進(jìn)行編號(hào)，并將小于瞳孔區(qū)域面積的部分去掉，可以有效地去除瞳孔內(nèi)的噪聲，有助于提高識(shí)別精度；外邊界尋找一個(gè)感興趣區(qū)域，即選擇其中受眼瞼、睫毛等干擾較小的區(qū)域，然后通過(guò)邊界擬合完成外邊界的定位，與其他幾種方法相比，該方法不僅提高了定位精度而且縮短了定位時(shí)間，且簡(jiǎn)單易于實(shí)現(xiàn)。

[1]陳英. 虹膜定位和識(shí)別算法的研究[D]. 長(zhǎng)春：吉林大學(xué)，2014:1-8.

[2]劉揚(yáng). 基于虹膜身份識(shí)別算法的研究[D]. 大慶：東北石油大學(xué)，2014:15-19.

[3]DAUGMAN J. High confidence visual recognition of persons by a test of statistical independence[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1993,15(11):1148-1161.

[4]DAUGMAN J.Statistical richness of visual phase information：update on recognizing persons by iris patterns[J].International Journal of Computer Vision，2001,45(1):25-38.

[5]WILDES R P. Iris recognition: an emerging biometric technology[J]. Proceeding of the IEEE, 1997,85(9):1348-1363.

[6]王博凱，楊淑瑩，王光彪，等. 基于感興趣區(qū)域的快速虹膜定位方法[J]. 天津理工大學(xué)學(xué)報(bào)，2012,28(S1):24-27.

[7]劉洋，李霞，王娜，等. 基于特定感興趣區(qū)采樣的虹膜定位改進(jìn)算法[J]. 光子學(xué)報(bào)，2008,37(6):1277-1280.

[8]楊杰. 數(shù)字圖像處理及MATLAB實(shí)現(xiàn)[M]. 北京：電子工業(yè)出版社，2010.

[9]李乾. 虹膜圖像預(yù)處理研究[D]. 哈爾濱：哈爾濱工程大學(xué)，2012.

[10]CASIA Iris Image Databases [EB/OL]. http://www.cbsr.ia.ac.cn/IrisDatabase.htm, 2014:2-26.

Iris Location Algorithm Based on Separating the Inner and Outer Edges

LU Jinhua, SUN Jianping

(School of Control and Computer Engineering, North China Electric Power University, Baoding 071003, China)

Iris Location plays a decisive role in the identification process, which has a direct influence on the feature extraction in the process, thereby affecting the accuracy of iris recognition. In consideration of the lower accuracy and more time of the classical algorithm, some researchers posed a method based on the region of interest. This paper makes some improvements based on the new method, by selecting different methods position the inner and outer edges, where the inner edge uses a regional property to obtain the maximum area, also known as pupil area, then completes positioning with the least square circle fitting method. In order to reduce the interference of eyelids and eyelashes, etc., this paper looks for an interesting field. Finally, compared with iris location algorithm based on the region of interest, the method applied in this paper not only improves the accuracy but also reduces the simulating time.

iris localization；area properties；least square circle；interesting filed；edge detection

2016-05-17。

呂金花(1992-)，女，碩士研究生，研究方向?yàn)樽詣?dòng)化模式識(shí)別與智能系統(tǒng)，E-mail:1204572694@qq.com。

TM73

A

10.3969/j.issn.1672-0792.2016.08.013