彭麗娟, 李建良

(南京理工大學(xué) 理學(xué)院, 南京 210094)

一種不規(guī)則虹膜的預(yù)處理方法

彭麗娟, 李建良

(南京理工大學(xué) 理學(xué)院, 南京 210094)

根據(jù)虹膜近似圓形但非圓的特點(diǎn), 給出了一種虹膜內(nèi)邊界不規(guī)則的定位方法, 利用貝塞爾曲線精確定位. 再根據(jù)虹膜內(nèi)外邊界之間的耦合關(guān)系提出一種由粗到精的方法來進(jìn)行外邊界快速定位. 最后針對定位出的虹膜常常存在眼臉的干擾, 提出了一種用改進(jìn)的canny算子結(jié)合最小二乘法進(jìn)行眼臉定位的方法. 最終實(shí)驗結(jié)果表明: 該方法有較高的定位準(zhǔn)確度, 虹膜內(nèi)邊界定位更接近真實(shí)邊界, 明顯改善了定位準(zhǔn)確率及效率.

虹膜定位; 眼臉定位; 貝塞爾曲線; 改進(jìn)的canny算子; 最小二乘法

引言

在生物認(rèn)證領(lǐng)域中, 以虹膜為特征的身份識別系統(tǒng)扮演了非常重要的角色, 虹膜定位則是虹膜識別技術(shù)中耗時最長且最為關(guān)鍵的環(huán)節(jié). 然而虹膜定位的準(zhǔn)確率及速度對整個認(rèn)證系統(tǒng)的可行性和魯棒性有直接的影響[1].

目前, 虹膜內(nèi)外邊緣典型的定位算法有: Wildes 的Hough算法[2]及Daugman 的圓周差分法[1], 這兩種方法有較高的定位準(zhǔn)確率, 但定位速度比較慢, 計算效率低. 后人在此基礎(chǔ)上不斷地進(jìn)行改進(jìn)[3,4], 但上述方法都是以虹膜為圓形來進(jìn)行定位, 而虹膜是內(nèi)外兩個近似圓形邊界之間的部分, 特別是瞳孔邊界旁邊有較為豐富的紋理信息, 在許多情況下已不再屬于圓形范疇[5]. 因此, 上述方法在定位精度上仍存在一定的誤差.

為解決上述提到的問題, 本文提出了一種非圓形的虹膜定位算法. 首先, 定位出原始圖像的反射光斑,消除其對虹膜定位的影響, 再定位瞳孔邊界, 最后利用貝賽爾曲線擬合, 實(shí)現(xiàn)了虹膜內(nèi)邊界的精確定位.虹膜外邊界附近的紋理信息較少, 則對其采用改進(jìn)的Daugman算法由粗到精進(jìn)行定位. 針對傳統(tǒng)眼臉定位方法[1]的局限性, 首先利用改進(jìn)的canny算子提取邊緣, 再利用最小二乘法拋物線擬合檢測眼臉. 實(shí)驗表明, 虹膜與眼臉定位的精確度和效率都得到了有效的提高.

1　虹膜定位

本文提出的算法包含以下幾個部分: 消除反射光斑, 瞳孔邊界先粗定位后精定位, 虹膜外邊界先粗定位后精確定位.

1.1消除反射光斑

一般來說, 人的眼睛包含黑暗(如: 瞳孔, 睫毛)和明亮的強(qiáng)度區(qū)域(如: 鞏膜, 鏡面反射, 皮膚區(qū)域). Ma等[4]采用灰度投影結(jié)合Hough 變換的方法, 雖然 Hough 變換的搜索范圍減少了, 如圖1(c)所示, 但當(dāng)瞳孔存在較多的反射光斑時, 定位往往不理想. 因此, 消除反射光斑顯得尤為的重要. 本文提出的算法較好地解決了瞳孔中的反射光斑問題.

首先對原始圖像進(jìn)行二值化, 然后尋找四聯(lián)通區(qū)域并標(biāo)記. 由于光斑的面積較小, 先移除一些面積較大的聯(lián)通區(qū)域, 如圖1(a)所示; 發(fā)現(xiàn)除光斑外還有一些面積很小的聯(lián)通區(qū)域, 于是進(jìn)一步移除, 如圖1(b)所示; 把標(biāo)記的區(qū)域在原始圖像中顯示, 如圖1(c)所示.

圖1　

1.2虹膜內(nèi)邊界定位

1.2.1粗定位虹膜內(nèi)邊界

對反射光斑進(jìn)行反轉(zhuǎn)雙線性插值填充, 消除了其對利用灰度統(tǒng)計定位瞳孔內(nèi)一點(diǎn)的影響, 因此再用灰度統(tǒng)計定位瞳孔內(nèi)一點(diǎn)Q :

其中f(x, y)是消除反射光斑后圖像的灰度值, xp和yp是瞳孔內(nèi)一點(diǎn)Q的坐標(biāo)值.

由于虹膜圖像在采樣過程中受到多種環(huán)境因素(如: 光照不均勻、睫毛、上下眼瞼等)的影響, 因此, 進(jìn)行內(nèi)邊緣提取之前, 首先對消除光斑后的圖像進(jìn)行中值和高斯濾波, 其模板都為5×5大小, 濾波后睫毛、瞳孔內(nèi)光照不均勻等噪聲的影響已大大降低.

濾波后圖像的灰度呈梯度變化: 瞳孔的灰度值, 虹膜的灰度值及鞏膜的灰度值依次升高. 瞳孔是圖像中灰度值最小的部分, 且其受睫毛, 眼皮的干擾很小. 因此可根據(jù)其灰度特點(diǎn)與瞳孔近似圓形及其瞳孔內(nèi)一點(diǎn)Q( xp,yp)進(jìn)行虹膜內(nèi)邊界粗定位. 步驟如下:

(1) 令濾波后圖像為I, 則I( x, y)為其灰度值, 在圖像I中沿著點(diǎn)Q( xp,yp)點(diǎn)水平方向搜索與瞳孔灰度值差異較大的點(diǎn)坐標(biāo)B( x1,yp)與D( x2,yp).

(2) 沿著點(diǎn)Q( xp,yp)點(diǎn)垂直方向搜索與瞳孔灰度值差異較大的點(diǎn)坐標(biāo)A( xp,y1)與C( xp,y2).

(4) 為縮小定位誤差, 上述過程迭代兩次. 粗定位圖如圖2(a)所示.

1.2.2精定位虹膜非圓內(nèi)邊界

這一部分是根據(jù)粗定位的圓心及半徑, 然后沿每個半徑方向計算灰度梯度最大值[6]定位瞳孔邊界點(diǎn).其過程大致為:

如圖2(a)所示, 初定位已接近真實(shí)邊界, 因此令半徑在[r-h, r+h]范圍內(nèi)變化. 令

構(gòu)造一個數(shù)組H, 令H[ i]=|I( xi+1,yi+1)-I( xi,yi)|, 其中

找到沿半徑θs方向數(shù)組H中的最大值. 若H[ t]是數(shù)組H中的最大值, 則(xt,yt)就為半徑θs方向上瞳孔的邊界點(diǎn).

根據(jù)上面定位的節(jié)點(diǎn), 用三階貝塞爾曲線擬合, 圖2(b)為擬合圖像, 得到了一個光滑封閉的曲線輪廓. 為提高定位效率, N可以適當(dāng)減小.

圖2　

1.3虹膜外邊界定位

一般情況下虹膜內(nèi)外邊緣雖不是同心的, 但存在耦合關(guān)系[7], 所以可結(jié)合瞳孔定位的結(jié)果對外邊界進(jìn)行定位, 從而降低定位時間, 提高定位效率. 令外邊界圓心矩形窗口在5×5內(nèi)變化, 即(xouter,youter)=(x±5,y ±5). 設(shè)圖像的寬度為W, 外邊界半徑為router在1.5r～min(x, W-x,4r)范圍內(nèi)變化.由于虹膜圖像上下兩部分易受睫毛與眼皮的干擾, 在計算環(huán)量積分時, θ僅在(-30°,30°)∪(150°,210°)的范圍內(nèi)取值. 為了對系統(tǒng)搜索開銷進(jìn)一步減少, 采取一種由粗到精的定位方法:

精確搜索, 確定虹膜外邊界的精確大小. 圖2(c)為最終虹膜定位效果圖.

2　眼臉定位

眼臉定位包括上下眼臉定位, 其定位可分為以下幾部分: 尋找邊緣點(diǎn)及拋物線擬合.

改進(jìn)的canny算子

canny算子進(jìn)行邊緣檢測包括: 首先利用高斯低通函數(shù)進(jìn)行濾波, 再進(jìn)行非極大值抑制, 最后雙閾值處理得到邊緣圖像. 對眼睛圖像直接用canny算子進(jìn)行邊緣檢測會得到許多虛假邊緣, 如圖3(b)所示, 不利于眼臉定位. 因此對canny算子進(jìn)行以下幾點(diǎn)改進(jìn):

(1) 對高斯濾波函數(shù)適當(dāng)改進(jìn), 使平滑尺度沿行、列方向的取值不同, 沿行方向取較小的值, 降低平滑導(dǎo)致的眼瞼邊緣模糊; 沿列方向取較大的值, 弱化睫毛邊緣, 突出眼瞼邊緣.

(2) 上下眼瞼的邊緣呈水平方向, 進(jìn)行非極大值抑制時只對垂直梯度方向的邊緣點(diǎn)進(jìn)行搜尋.

(3) 將單閾值替換成雙閾值的處理方法.

根據(jù)瞳孔定位結(jié)果, 確定上下眼瞼所在區(qū)域, 從而提高眼臉檢測效率. 以上眼臉為例, 截取上眼臉子圖像, 用改進(jìn)的canny算子進(jìn)行檢測, 如圖3(c)上圖所示. 與Canny算子對比, 改進(jìn)的Canny算子進(jìn)行邊緣檢測時排除了許多非眼臉邊緣. 再對圖3(c)上圖尋找最大聯(lián)通區(qū)域以篩選出眼臉邊緣, 如圖3(c)下圖所示. 最后用最小二乘法拋物線擬合[8]. 眼臉定位結(jié)果如圖3(d)所示.

圖3　

3　睫毛定位

由于虹膜識別算法有一定的抗干擾能力, 如圖3(a)所示, 對虹膜識別的影響不是很大, 但當(dāng)睫毛投影在虹膜區(qū)域的數(shù)量較多時, 如圖4(a)所示, 就會對虹膜特征提取造成很大的危害.

對于眼睫毛比較分散的, 則對圖像中的點(diǎn)采用1D Gabor濾波器進(jìn)行卷積運(yùn)算, 如果計算出的值比閾值小, 則該點(diǎn)是眼睫毛點(diǎn). 判別式為

對于連成一片的眼睫毛, 若某點(diǎn)中心的11 11×的領(lǐng)域方差比閾值小, 則該點(diǎn)是睫毛點(diǎn). 判別式為

為提高眼睫毛定位效率, 定位時僅對包含虹膜外邊界的矩形區(qū)域進(jìn)行定位, 定位結(jié)果如圖4(b)所示,最終預(yù)處理如圖4(c)所示.

圖4　

4　實(shí)驗結(jié)果分析

為了驗證算法的有效性, 采用VS2010編程. 在 CASIA-Iris V3-Interval虹膜數(shù)據(jù)庫進(jìn)行實(shí)驗, 該數(shù)據(jù)庫是中國科學(xué)院自動化所采用自行設(shè)計的采集設(shè)備采集的, 其中包含249個人的395只眼睛的2655幅虹膜圖像, 都是在室內(nèi)環(huán)境采集, 每幅圖像的大小為320×280. 隨機(jī)選取近600幅圖像進(jìn)行測試. 表1給出了本文方法外邊界先初定位后精定位的時間與直接精定位(SPL)的時間比較結(jié)果. 實(shí)驗結(jié)果表明本文方法在定位效率方面也有了一定的提高.

圖5顯示了虹膜定位的三組效果圖. 瞳孔存在不同程度的變形, 已不是圓形, 但本文方法仍非常準(zhǔn)確地定位出了瞳孔邊界, 定位更接近其真實(shí)邊界. 從圖5也可以看出, 盡管圖像受到光斑、瞳孔變形、眼臉、睫毛等不同程度的干擾, 但最終都能顯示出很好的定位效果. 表2給出了一些參考文獻(xiàn)中的方法和本文的方法的定位準(zhǔn)確率及定位時間對比. 表3給出了眼臉定位的準(zhǔn)確率及時間對比.

圖5　

表1　時間比較(單位:S)

表2　準(zhǔn)確度及時間比較(單位: %)

表3　眼瞼定位準(zhǔn)確度及時間比較

5　結(jié)論

從實(shí)驗的結(jié)果可以知道, 本文方法對虹膜的內(nèi)外邊界的定位更加準(zhǔn)確和快速, 特別是對存在變形的瞳孔的定位更加精確. 因此本算法的算法復(fù)雜度較低, 準(zhǔn)確率較高, 對存在不同程度干擾的圖像也有較好的定位效果, 且平均所需時間僅需0.32s, 滿足可行性要求. 通過對比, 該眼臉定位方法也能準(zhǔn)確、快速地定位出眼臉邊緣. 因此, 該預(yù)處理方法在虹膜認(rèn)證系統(tǒng)中有較高的實(shí)際應(yīng)用價值.

[1] Daugman J. How iris recognition works[J]. IEEE, 2004, 14(1): 21～30

[2] Wildes R. Iris recognition: An emerging， biometric technology[J]. Proceeding of IEEE, 1997, 85(9): l348～1363

[3] Xinying R, Zhiyong P, Qingning Z,et a1.An improved method for Daugman’s iris localization algorithm[J]. Computers in Biology and Medicine, 2008, 38: 111～115

[4] Li Ma,Tieniu Tan, Yunhong Wang, Dexin Zhang. Efficient iris Recognition by Characterizing key local variation[J]. IEEE Transactions on Image processing, 2004,13(6):739～750

[5] 馬義德, 周麗君, 李 園. 基于矢量場卷積的虹膜定位[J]. 紅外與激光程, 2014, 43(10): 3497～3503

[6] Jan F ,U sman I,A gha S. Reliable iris localization using Hough transform histogram-bisection and eccentricity[J]. IEEE Transaction on Signal processing, 2013, 93( I ): 230～241

[7] Burge M, Bowyer K. Handbook of iris recognition[M]. New York: Springer Verlag, 2013: 20～48

[8] 潘 林, 魏麗芳, 鄭炳錕, 等. 改進(jìn)的遮擋條件下瞳孔檢測方法[J]. 中國圖象圖形學(xué)報, 2012, 17(2): 229～235

[9] S. Bakshi, H. Mehrotra, B. Majhi. Real-time iris segmentation based on image morphology[C]. in: Proc. 2011 Int. Conf. Commun. Comput. Security (ICCCS’11),ACM, Rourkela, Odisha, India, 2011: 335～338

Preprocessing Method Based on a Kind of Irregular Iris

PENG Li-juan, LI Jian-liang
(school of science, Nanjing University of Science and Technology, Najing, jiangsu 210094)

According to the characteristics of the iris which approximate a circle but is not a circle, we present an iris inner boundary irregular positioning method and use Bezier curve to locate precisely. Then based on the coupling relationship of the iris between internal and external boundary, we present a fast positioning method for outer boundary from coarse to fine. Finally, for the located iris is often with eyelid interference, we put forward an improved canny operator and least squares method to detect eyelid edge. The experimental results show that the location accuracy of this method is higher, and the iris inner edge location is much closer to the real boundary. Furthermore, the efficiency and results of the location have been improved obviously.

iris location; eyelid location; bezier curve; improved canny operator; least squares

TP391.41

A

1672-5298(2016)03-0026-05

2016-06-23

彭麗娟(1991? ), 女, 湖南邵陽人, 南京理工大學(xué)理學(xué)院碩士研究生. 主要研究方向: 虹膜識別