灰度分布特征的虹膜定位算法研究

2 改进的定位算法 2.1 内边缘定位
（1） 分离瞳孔区域
基金项目： 国家高技术研究发展计划 （863） （the National High-Tech Research and Development Plan of China under Grant No.2008AA10Z208） ； 作者简介： 陈山 （1972—） ， 女， 讲师， 主要研究方向： 信号监测与模式识别； 朱晓芹 （1984—） ， 女， 助教； 李正明 （1957—） ， 男， 教授； 潘天红 （1974—） ， 男， 副教授。E-mail： thpan@ 收稿日期： 2009-09-25； 修回日期： 2009-11-11
Computer Engineering and Applications 计算机工程与应用
2011， 47 （15）
197
灰度分布特征的虹膜定位算法研究
陈 山， 朱晓芹， 李正明， 潘天红 CHEN Shan， ZHU Xiaoqin， LI Zhengming， PAN Tianhong
江苏大学 电气信息工程学院， 江苏 镇江 212013 School of Electrical and Information Engineering， Jiangsu University， Zhenjiang， Jiangsu 212013， China CHEN Shan， ZHU Xiaoqin， LI Zhengming， et al.Research on iris localization algorithm using gray distribution features. Computer Engineering and Applications， 2011， 47 （15） ： 197-199. Abstract： Influenced by the noise， for example， eyelid and eyelash occlusions， current iris localization algorithms are difficult to strike a right balance between real-time quality and accuracy.Therefore， a novel iris localization method with effective noise eliminating is proposed.For the iris’ inner edge location， morphological open is used to eliminate noise based on separating pupil region by binaryzation.Then the pupil’ s center and radius are located accurately by gray projection.For the iris’ outer edge location， morphological close is proposed to eliminate the rich texture within the iris area.Based on this method， an edge detection template to search four directional points within a small scope of the probable boundary is designed and thus the iris’ s centre and radius can be located.Simulation results show that， compared to the pre-algorithms， the presented scheme not only greatly improves the accuracy and the speed， but also shows good robustness. Key words：iris localization； gray projection； edge detection template 摘 要： 为克服浓密睫毛、 眼睑等噪声对虹膜定位算法的影响， 提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘， 在二值
1
引言
与指纹、 人脸等身份鉴别技术相比， 虹膜识别设计具有高 准确性、 低错误率以及非侵犯性等特点， 近年来， 受到人们的 广泛关注， 并被认为是最有前途的生物识别技术之一。 虹膜是位于瞳孔和巩膜之间的环状区域， 其内侧与瞳孔相 邻， 外侧与巩膜相邻， 其内外边界可以近似看作两个非同心的圆 形。虹膜定位就是要计算出内外边界的圆心和半径， 将环状虹 膜区域从原始眼睛图像中提取出来， 并且去除干扰信息。虹膜 定位是虹膜识别系统中的关键性环节， 定位准确与否直接影响 了后续工作， 而且， 虹膜定位也是整个系统最为耗时的部分。目 前国内外的虹膜定位算法中[1-10]， 有两种比较经典的算法： 一种 是 Daugman 定位算法[1-2]， 以圆探测器迭代求取最大边缘梯度的 积分来完成定位； 另一种是 Wildes 定位算法[3]， 在边缘检测的基 础上利用 Hough 变换在参数空间进行投票的方法定位虹膜内外 边界。上述定位算法虽然都能取得良好的定位效果， 但由于 Daugman 算法的迭代求最优解和 Wildes 算法的 Hough 变换都 需要进行三维空间搜索， 因此复杂性较高， 比较耗时， 不能满
50 100 150 200 250
图1 （a） 原始图像
图1 （b） 直方图
图 2 闭运算
（2） 外边缘定位 利用边缘处灰度值突变这一特性， 设计一个边缘检测模 板来检测边缘强度值。如图 3 所示， 模板宽度为 (2W + 1) 个像
x 轴和 y 轴分别把 素， 高度为 (2H + 1) 个像素， 中心坐标为 O ，
化分离瞳孔区域的基础上， 利用形态学中的开运算消除噪声， 并用灰度投影法定位瞳孔的圆心、 半径。而对于虹膜的外边缘， 则 采用形态学中的闭运算去除虹膜区丰富的纹理， 并设计了一个边缘检测模板， 在小范围内搜索虹膜外边界的上下左右 4 个边界点 进而确定虹膜的圆心、 半径。对比的仿真实验表明： 该算法不仅在计算精度和速度上都有很大提高， 而且具有较好的鲁棒性。 关键词： 虹膜定位； 灰度投影； 边缘检测模板 DOI： 10.3778/j.issn.1002-8331.2011.15.053 文章编号： 1002-8331 （2011） 15-0197-03 文献标识码： A 中图分类号： TP391
1Hale Waihona Puke 82011， 47 （15）
Computer Engineering and Applications 计算机工程与应用
图像采集得到的虹膜图像有一定的灰度分布特点， 一般 而言瞳孔灰度要小于虹膜灰度， 虹膜灰度小于巩膜的灰度， 所 以图像中灰度最小的区域就是瞳孔所在区域， 如图 1 （a） 所 示。利用这一特点， 采用二值化的方法分离瞳孔区域。二值 化的关键在于如何选取合适的阈值 （T） ， 文中采用自适应法获 取： 先计算整个图像的灰度直方图， 如图 1 （b） 所示， 由图可知， 在低灰度区存在一个峰值， 该峰值就是瞳孔灰度集中的区域， 选取这一峰值和下一峰值之间的最小灰度值 （T） 作为二值化的 阈值， 对整幅图像进行二值化， 如果灰度值大于 T， 则像素值设 为 0， 否则设为 1。如图 1 （c） 所示， 瞳孔区域粗略的分离出来。
dl 、 dr 。
（9）
瞳孔半径为： d + d + dl + d d r= u d 4 最后重新修正瞳孔圆心坐标 ( x p y p) ：
x p = arg max{I ( x)} y p = arg max{J ( x)}
（3） （4）
å I ((x - i)( y + j)) - å å I ((x + i)( y + j)) （8） i = 1 j = -H i = 1 j = -H
r x 1 £ x £ r x 2
W
H
W
H
左边界点 C ( x3 y p) 为：
C ( x3 y p) = arg max {L( x y)} r x 1 = ( x1 + x 2)/2 - 3r r x 2 = ( x1 + x 2)/2 - 1.5r 。 式中：
取得瞳孔圆心坐标后， 从该点出发分别在二值化图像 BW 中向上下左右 4 个方向搜索， 记录相应的搜索距离： du 、 dd 、
图1 （c） 二值化 图1 （d） 开运算
模板等分为上下、 左右两部分。把 x 轴方向定义为模板方向， 模板方向始终与检测方向保持一致， 即当检测水平方向两个 边界点时， 模板方向为水平方向， 当检测垂直方向两个边界点 时， 模板方向为垂直方向。
y 2H+1 2W+1 O x
（2） 去除睫毛、 眼睑等噪声 由于浓密的睫毛、 眼睑的覆盖等原因， 导致二值图像仍存在 着噪声 （如图 1 （c） 所示） ， 采用形态学中的开运算删除比结构元 素小的对象区域进而消除干扰， 其中开运算中应用 5×5 的全 ‘1’ 方阵作为结构元素。如图 1 （d） 所示， 瞳孔区域准确的分割出来。 （3） 确定瞳孔圆心和半径 设瞳孔圆心坐标为 ( x p y p) ， 瞳孔半径为 r ， 采用灰度投影 算子定位瞳孔的圆心和半径。
江苏大学高级专业人才科研启动基金项目 （No.08JDG046） 。
足虹膜识别系统的实时性要求。为了克服这一缺点， 文献[5]提 出一种基于虹膜的灰度分布特征， 在利用灰度投影法分离瞳孔 的基础上， 寻找不同方向上最大梯度值确定边界点进而定位虹 膜， 但是由于瞳孔以外低灰度区域的存在， 这样分离后仍然无法 把瞳孔、 睫毛、 眼睑等低灰度区分开来， 影响瞳孔准确定位。 为此， 本文进一步改进文献[6]的算法， 提出了一种有效去 除干扰的虹膜定位方法。对于虹膜的内边缘， 在二值化分离 瞳孔区域的基础上， 利用形态学中的开运算消除噪声， 并用灰 度投影法定位瞳孔的圆心、 半径。而对于虹膜的外边缘， 则采 用形态学中的闭运算去除虹膜区丰富的纹理， 并设计一个边 缘检测模板在小范围内搜索虹膜外边界的上下左右 4 个边界 点进而确定虹膜的圆心、 半径。仿真实验表明， 该算法能够有 效抑制噪声， 在速度与精度之间做到较好的平衡。