亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種快速有效的虹膜圖像預(yù)處理方法

        2012-03-21 05:33:20龔軍輝陳愛萍唐勇奇
        圖學學報 2012年4期
        關(guān)鍵詞:睫毛虹膜眼瞼

        龔軍輝, 陳愛萍, 唐勇奇, 黃 峰

        (湖南工程學院電氣信息學院,湖南 湘潭 411101)

        在高度信息化的當今社會,傳統(tǒng)的身份鑒別方法由于易遺忘、易假冒盜用等缺點,已不符合現(xiàn)代數(shù)字社會的需求。基于生物特征的身份鑒別技術(shù)之一的虹膜識別技術(shù),因其唯一性、穩(wěn)定性、可采集性、不可更改性、非侵犯性等特點,已被廣泛認為是二十一世紀具有發(fā)展前途的生物認證技術(shù)。虹膜位于眼球上的角膜之后、晶狀體之前,是黑色的瞳孔和白色的鞏膜之間的環(huán)狀部分,結(jié)構(gòu)復(fù)雜,一旦形成便終生不會改變[1-4]。

        虹膜圖像通過圖像采集裝置采集后,需要對其進行預(yù)處理。虹膜圖像預(yù)處理是虹膜識別的一個關(guān)鍵步驟,主要包括去噪、邊緣檢測、虹膜定位、歸一化、眼瞼睫毛去除等。虹膜圖像預(yù)處理是影響虹膜識別系統(tǒng)的速度和準確性的關(guān)鍵因素,也是虹膜識別系統(tǒng)中的一個難點,主要原因有以下幾個方面:

        1)虹膜定位速度的是影響到整個系統(tǒng)識別時間的主要因素;

        2)在自然狀態(tài)下,采集到得虹膜圖像的眼瞼和睫毛往往會遮擋虹膜一部分的面積,將影響虹膜識別的準確性;

        3)虹膜內(nèi)外邊界都具有較好的圓環(huán)特性,因此傳統(tǒng)的虹膜定位算法都是采用圓形檢測算子定位虹膜內(nèi)外邊緣,但虹膜內(nèi)外邊界并不是標準的圓,這將會導(dǎo)致錯誤的定位及一些遺留問題;

        4)虹膜外邊緣灰度梯度變化較小且與虹膜外邊緣接觸區(qū)域灰度相差不大。

        為解決這些問題,本算法首先對虹膜圖像采用數(shù)學形態(tài)學進行處理,大量減少了邊緣圖像中非虹膜邊緣點數(shù),從而縮短定位的時間;然后采用Hough變換的方法,對虹膜外邊緣定位,展開后,進行二值化處理,去除瞳孔圖像部分,得到自然的虹膜內(nèi)邊緣;最后對展開去瞳孔后的虹膜圖像的直方圖,采用雙直線擬合法,求取檢測眼瞼和睫毛的閾值,去除虹膜圖像中的眼瞼和睫毛。

        1 虹膜圖像邊緣檢測及定位

        對于虹膜定位,國內(nèi)外專家學者提出了很多種算法,通用的算法有Daugman的微積分方法[2]、Wildes的邊緣檢測結(jié)合Hough 變換方法[5-6],何家峰等提出的粗定位與精定位相結(jié)合的兩步定位法[7],及吳建華等提出的一種灰度投影與圓的方程相結(jié)合的方法[8]、苑瑋琦等提出的3個不共線的邊緣點來快速定位[9]等。在用Hough 變換方法進行定位時,虹膜邊緣定位較準確,但由于Hough變換要在三維空間中搜索圓心位置和半徑參數(shù),因此檢測到的邊緣點數(shù)量多少將是影響虹膜定位時間長短的一個重要因素。在虹膜的邊緣圖像中,有大量的由隨機噪聲、眼瞼、眼睫毛及光斑等因素產(chǎn)生的非虹膜邊緣的邊緣點。

        1.1 虹膜圖像的邊緣檢測

        數(shù)學形態(tài)學是分析幾何形狀和結(jié)構(gòu)的數(shù)學方法。數(shù)學形態(tài)學的數(shù)學基礎(chǔ)和所用語言是集合論,由一組形態(tài)學的代數(shù)運算組成。數(shù)學形態(tài)學基本運算有4種:膨脹運算、腐蝕運算、開運算和閉運算。若有結(jié)構(gòu)元素b,對虹膜圖像I進行灰度膨脹記為I⊕b,其定義為

        上式中,DI和Db分別是圖像I和結(jié)構(gòu)元素b的定義域。

        用結(jié)構(gòu)元素b對虹膜圖像I進行灰度腐蝕記為IΘb,其定義為

        上式中,DI和Db同樣是圖像I和結(jié)構(gòu)元素b的定義域。

        灰度形態(tài)學中用b開啟記為I·b,定義為

        灰度形態(tài)學中用b閉合記為I·b,定義為

        圖像灰度的開啟運算消除尺寸較小的亮細節(jié),灰度閉合運算能消除尺寸較小的暗細節(jié)。因此在對虹膜圖像運用灰度的開啟閉合運算消除光斑、睫毛及部分隨機噪聲后,再用Canny算子進行邊緣檢測,非虹膜邊緣點減少。

        1.2 虹膜外邊緣定位

        虹膜圖像中瞳孔灰度值比其他區(qū)域都低且灰度分布較均勻,所以虹膜內(nèi)邊界定位相對外邊界來說要容易。但虹膜的內(nèi)邊界往往不是規(guī)則的圓,用Hough變換對內(nèi)邊緣定位的效果并不理想。因此,在先采用灰度投影法對虹膜外邊緣圓心進行粗略定位后,再運用Hough變換先對虹膜外邊緣進行精定位。對虹膜圖像I,使用灰度投影法按式(1)進行[7]

        其中:M表示為圖像高,N表示寬,(X0,Y0)表示為粗定位的圓心。

        以粗定位圓心(X0,Y0) 為基點,在邊緣圖像中,根據(jù)式(2)可定位出精定位的圓心坐標為(X0,Y0)。

        其中:x,y為檢測到邊緣點,先通過式(3)求邊緣點到假定圓心(x0,y0)的距離與半徑之差值,若差值小于1,則標記為(x0,y0,r)的點,由式(4)對所有在圓(x0,y0,r)的邊緣點求和,由式(5)采用投票機制定位出所求的圓。

        1.3 虹膜內(nèi)邊緣定位

        虹膜的內(nèi)邊緣雖然具有較好的圓形特征,但并不是標準的圓,且大多數(shù)與外邊緣并不同心,當瞳孔變形厲害時,兩者的圓心會偏離較遠。在不同光線照射下,瞳孔變形尤其明顯。因此,在對已定位好外邊緣的圖像參考Daugman算法進行展開,得到矩形虹膜圖像,再進行二值化處理,最終得到自然的虹膜內(nèi)邊緣。

        將對展開的虹膜圖像I(i,j)二值化,得到高為m,寬為n的二值圖像Bi(i,j),由于瞳孔區(qū)域像素灰度明顯要低于虹膜眼瞼區(qū)域的灰度,而睫毛面積相對較少且比較分散。若有二值圖像Bi(i,j),在每行的投影值為

        若有展開后虹膜圖像的行為i0,使S(i0)不為零且最少,則有去瞳孔模板

        上式中,m為展開后虹膜圖像的高,則定位自然瞳孔邊緣的模板為:

        2 眼瞼、睫毛檢測與去除

        在虹膜圖像中,眼睫毛相比虹膜灰度要低得多,而眼瞼灰度則要比虹膜灰度高。對大量歸一化后虹膜的圖像的值方圖統(tǒng)計分析發(fā)現(xiàn),對于沒有眼睫毛和眼瞼影響的虹膜圖像,展開歸一化后的虹膜圖像灰度分布有一定規(guī)律,其直方圖輪廓能用雙線很好的擬合。眼瞼和睫毛的影響,會使直方圖輪廓的兩邊發(fā)生變化。若展開后的圖像中有眼睫毛,由于睫毛灰度相對虹膜偏低,則在圖像直方圖的灰度值較低的部分出現(xiàn)相對拉長或凸起,下降梯度改變;若展開后的圖像中有眼瞼,由于眼瞼的灰度值相對虹膜灰度較高,則在直方圖的灰度值較高的部分出現(xiàn)不規(guī)則變化且相對拉長或凸起,下降梯度改變。根據(jù)歸一化后虹膜圖像灰度值分布的這一規(guī)律,采用雙直線對虹膜圖像直方圖輪廓擬合,得到分割眼睫毛和眼瞼的閾值,檢測出虹膜中眼瞼和睫毛。若有展開歸一化后的虹膜圖像I,直方圖為P,則去除眼瞼和睫毛的具體步驟為:

        1)對展開歸一化后的虹膜圖像I求取直方圖P;

        2)尋找直方圖P中最大值的max(P(x)),x為灰度值,x∈[0 255],標記使P(x)最大時,灰度值x為Pmax;

        3)雙直線擬合區(qū)間分別為[Lpmax],[pmaxH],其中L,H根據(jù)pmax來確定;

        4)分別對區(qū)間的數(shù)據(jù)進行線性擬合,得到兩直線參數(shù)為k1,b1,k2,b2;

        5)則睫毛分割閾值,眼瞼分割閾值分別為

        3 實驗結(jié)果與分析

        實驗所采用的虹膜圖像為中科院自動化所自主開發(fā)的采集設(shè)備采集到的CASIA-IrisV3虹膜數(shù)據(jù)庫,共包括108人1023幅8位灰度虹膜圖像,分辨率為320×280,實驗采用Intel奔騰雙核T4200處理器,2G主頻,2G內(nèi)存,及matlab2008軟件對圖像進行測試。

        3.1 虹膜邊緣檢測及定位測試與分析

        對中科院CASIA-IrisV3虹膜數(shù)據(jù)庫中的人眼圖像進行邊緣檢測,得到的結(jié)果如下:圖1為未進行數(shù)學形態(tài)學去噪聲直接用Canny算子檢測到的虹膜邊緣圖像,可以明顯看出有大量的非虹膜邊緣點,圖2為運用了數(shù)學形態(tài)學處理后去噪后得到的虹膜邊緣圖像,可以明顯看出,圖2中由睫毛和光斑的產(chǎn)生的非虹膜邊緣點數(shù)大大減少。圖3為使用此兩種方法對CASIA-IrisV3虹膜數(shù)據(jù)庫進行邊緣檢測邊緣點數(shù)結(jié)果統(tǒng)計圖,Nce為對數(shù)據(jù)庫圖像用Canny算子檢測的邊緣圖像的邊緣點數(shù)統(tǒng)計曲線,Nmce為對數(shù)據(jù)庫圖像用數(shù)學形態(tài)學算子處理后檢測到的邊緣圖像的邊緣點數(shù)統(tǒng)計曲線。圖4為兩種方法虹膜邊緣點在整個邊緣圖像中的百分比統(tǒng)計圖,Pc為直接用Canny算子檢測到的虹膜邊緣在整個邊緣圖像中所占比例,Pmc為數(shù)學形態(tài)學算子處理后檢測到的虹膜邊緣在整個邊緣圖像中所占比例。統(tǒng)計結(jié)果顯示使用改進的方法比直接用Canny算子檢測邊緣圖像,平均邊緣點數(shù)由5415點減少到565點,虹膜邊緣點在整個邊緣圖像中平所占百分比平均由1.98%提高到8.15%。應(yīng)用本文的虹膜邊緣檢測方法,在減少非虹膜邊緣點數(shù)的同時增大了虹膜邊緣點在整個虹膜邊緣圖像中的百分比,由于Hough變換在三維空間中搜索參數(shù)且采用投票機制來確定圓心位置和半徑,因此這在減少定位時間的同時提高定位的準確率。圖5為內(nèi)外邊緣定位后的虹膜圖像。

        圖1 Canny算子檢測到的虹膜邊緣圖像

        圖2 數(shù)學形態(tài)學處理后檢測到的虹膜邊緣圖像

        圖3 邊緣檢測邊緣點數(shù)結(jié)果統(tǒng)計圖

        圖4 虹膜邊緣點對虹膜邊緣圖像百分比統(tǒng)計圖

        圖5 內(nèi)外邊緣定位后的虹膜圖像

        對整個圖像庫進行測試,實驗結(jié)果與Daugman圓探測算法以及Hough變換算法進行對比如表1所示。

        表1 本文算法與Daugman圓探測算法及Hough變換算法比較表

        3.2 虹膜邊緣定位與眼瞼睫毛檢測結(jié)果與分析

        對定位展開后的虹膜圖像,采用雙直線擬合虹膜直方圖輪廓,圖6為對虹膜圖像直方圖輪廓進行擬合,實線為虹膜圖像直方圖輪廓圖,虛線為擬合后的直方圖。對沒有睫毛和眼瞼影響的虹膜圖像,灰度分布輪廓用雙直線能很好的擬合。由雙直線擬合法求得檢測眼瞼和睫毛的閾值為Th1,Th2,灰度值小于Th1的像素檢測為睫毛,高于Th2的像素檢測為眼瞼。圖7為采用雙直線擬合求閾值法檢測出眼瞼和睫毛的虹膜圖像,對數(shù)據(jù)庫實驗結(jié)果顯示,該方法能有效地檢測出眼瞼和睫毛所在區(qū)域,具有較好的健壯性。

        圖6 雙直線擬合虹膜直方圖

        圖7 檢測出眼瞼和睫毛的虹膜圖像

        4 結(jié) 論

        本文提出的虹膜圖像預(yù)處理方法,首先采用數(shù)學形態(tài)學算子對圖像進行處理后,再用Hough變換虹膜外邊緣定位,展開歸一化圖像后進行二值化處理,定位出自然的虹膜內(nèi)邊緣,最后采用雙直線擬合法,對圖像中的眼瞼和睫毛去除。運用這種虹膜圖像預(yù)處理方法可以滿意地解決虹膜定位時間較長、虹膜內(nèi)邊界變形較大、眼瞼和眼毛的普遍存在等問題。

        [1]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.

        [2]Daugman J. The importance of being random:statistical principles of iris recognition [J]. Pattern Recognition, 2003, 36(2): 279-291.

        [3]Daugman J. Demodulation by complex-valued wavelets for stochastic pattern recognition [J]. International Journal of Wavelets Multiresolution and Information Processing, 2003, 1(1): 1-17.

        [4]Daugman J. Biometric personal identifcation system based on iris analysis: U S, 5291560 [P]. 1994-04-28.

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

        [6]Wildes R P. Reliable and fast eye finding in close up images [C]//Proceedings of IEEE Conference on Pattern Recognition Quebec, Canada, 2002: 389-394.

        [7]何家峰, 廖曙錚, 葉虎年, 等. 虹膜定位[J]. 中國圖象圖形學報, 2000, 5A(3): 252-255.

        [8]吳建華, 鄒德旋, 李靜輝. 一種快速精確的虹膜定位算法[J]. 儀器儀表學報, 2007, 28(8): 1469-1473.

        [9]苑瑋琦, 林忠華, 徐 露. 一種基于人眼結(jié)構(gòu)特征的新穎虹膜定位算法[J]. 光電工程, 2007,34(1): 112-116.

        [10]Institute of Chinese Academy of Sciences. CASIA iris image database(Version 3.0)[EB/OL]. (2006)[2007-12-21]. http//www.cbsr.ia.ac.cn/lris Database/irislogin.html.

        猜你喜歡
        睫毛虹膜眼瞼
        雙眼虹膜劈裂癥一例
        ISTEN
        為什么人哭泣后眼睛會腫
        “刷眼”如何開啟孩子回家之門
        二次元睫毛
        Coco薇(2016年8期)2016-10-09 16:48:51
        給睫毛加點顏色
        Coco薇(2015年7期)2015-08-13 22:44:47
        改進式提上眼瞼肌縮短術(shù)治療兒童青少年上瞼下垂的臨床觀察
        眼瞼外翻矯正術(shù)的護理
        復(fù)雜眼瞼裂傷分型及手術(shù)整形的臨床分析
        虹膜識別技術(shù)在公安領(lǐng)域中的應(yīng)用思考
        亚洲精品区二区三区蜜桃| 国产精品麻豆成人av电影艾秋| 欧美丰满熟妇bbbbbb百度| 被暴雨淋湿爆乳少妇正在播放 | 中文字幕亚洲入口久久 | 欧美 亚洲 国产 日韩 综AⅤ| 国产精品亚洲av无人区二区| 手机看片久久第一人妻| 蜜臀av性久久久久蜜臀aⅴ| 欧美在线成人午夜网站| 三级黄片一区二区三区| 老熟妇乱子伦牲交视频| 国产精选污视频在线观看| 免费国产一级特黄aa大片在线| 亚洲av大片在线免费观看| 日本三级吃奶头添泬 | 四虎精品影视| 69精品人妻一区二区| 国产情侣一区二区| 性色av无码一区二区三区人妻| 岛国熟女一区二区三区| 亚洲av日韩综合一区尤物| 日本熟妇色xxxxx日本妇| 在教室伦流澡到高潮hnp视频| 国产三级黄色的在线观看| 在线播放亚洲丝袜美腿| 久久久久波多野结衣高潮| 久久久久中文字幕无码少妇| 亚洲av日韩av天堂久久不卡| 日韩大片高清播放器大全| 人妻丰满熟妇av无码处处不卡| 亚洲一级无码AV毛片久久| 国产一区二区三区视频地址| 天天鲁在视频在线观看| 国产精品久久久久久久久免费观看 | 在线看不卡的国产视频| 色欲一区二区三区精品a片 | caoporen国产91在线| 国产成人亚洲精品一区二区三区 | 18禁无遮挡无码网站免费| 国产亚洲女人久久久久久|