張 林，王保強

（成都信息工程學(xué)院 電子工程學(xué)院，四川 成都610225）

目前，已經(jīng)出現(xiàn)了多種人體生理特征識別方法，包括對指紋、手型、人臉、聲音、簽名、DNA和虹膜等生理特征進(jìn)行識別。虹膜的生理特征具有唯一性、穩(wěn)定性、可采集性和非侵犯性等優(yōu)點，在對安全性要求高的場合，虹膜識別是一種理想的身份識別方法[1]。

虹膜定位在于從采集到的人眼圖像中分離出虹膜在整個圖像中的有效區(qū)域，確定虹膜的內(nèi)、外邊界的位置。虹膜定位是虹膜識別過程中關(guān)鍵的一環(huán)，是后續(xù)處理的基礎(chǔ)。在虹膜定位算法中，最具代表性的就是Daugman的微分積分算法[2]和 Wildes的 Hough變換法[3]，很多定位算法都是以它們?yōu)榛A(chǔ)改進(jìn)發(fā)展的[4-8]。在實際中，利用Hough變換定位虹膜邊界，需要考慮以下問題：(1)采用二值化的灰度投影來估計瞳孔中心容易受到濃黑睫毛以及圖像對比度差的影響，如何削弱這種影響是需要考慮的問題。(2)上、下眼皮對虹膜區(qū)域的侵入是很常見現(xiàn)象，定位算法需保證上、下眼皮等非虹膜邊界不被誤認(rèn)為是虹膜邊界。(3)在直角坐標(biāo)下的虹膜邊緣圖像中，閾值的選擇會影響到真正的邊界點所占的比例，為了獲得虹膜邊界點，窮舉出所有參數(shù)值會造成時間、空間的開銷過大和投票結(jié)果不集中的現(xiàn)象，當(dāng)選取一定的閾值后怎樣進(jìn)一步提高虹膜真正邊界點的比例也是需要考慮的問題。(4)在進(jìn)行邊界定位時，Hough變換得到的幾何模型參數(shù)域中的最大值點對應(yīng)著該條邊界,算法需完成對虹膜的內(nèi)、外邊界分開定位。一般邊緣檢測得到的邊界具有一定的厚度,因此,不能簡單的以最大值點或次大值點作為虹膜內(nèi)外邊界的幾何模型參數(shù)點,因為這兩點很可能屬于同一個邊界參數(shù)模型。

針對以上問題,本文給出了相應(yīng)的解決辦法。首先，

用一個全1的矩形窗對瞳孔中心進(jìn)行粗略估計[9]；然后，以粗定位的瞳孔中心為極點，將直角坐標(biāo)下的圖像轉(zhuǎn)換為極坐標(biāo)下圖像[10-13]，此時虹膜內(nèi)、外邊界近似水平，通過一定的判別準(zhǔn)則剔除非水平邊緣點，以此提高真正虹膜邊界點的比例；其次,將經(jīng)過邊緣點選擇后的虹膜圖像變換到直角坐標(biāo)，再進(jìn)行Hough變換,選取最大和次大甚至是第三大的虹膜邊界參數(shù)的均值作為虹膜邊界參數(shù)；最后，利用虹膜內(nèi)、外邊界參數(shù)之間存在的耦合關(guān)系以及對內(nèi)、外邊界的取值范圍的經(jīng)驗估計來限制Hough變換的參數(shù)取值范圍，以保證內(nèi)、外定位的準(zhǔn)確性。

1 虹膜定位算法原理

1.1 瞳孔中心的粗略估計

采集到的虹膜圖像包括瞳孔、虹膜、鞏膜、眼皮、睫毛等部分，各部分灰度值都不一樣，而瞳孔區(qū)域灰度值一般都小于其周圍區(qū)域的灰度值，以此可以采用灰度窗口估計瞳孔中心的方法[10]。

設(shè) window(x，y，size)為位置為(x，y)、邊長大小為 size 個像素、元素全部為1的方陣；采集到的人眼圖像為I(x，y)，利用瞳孔灰度值較低且比較集中的特點，根據(jù)方程組(1)將 window(x，y，size)與圖像進(jìn)行卷積運算,將其最小值的位置作為瞳孔中心位置的估計，如圖1所示。

圖1 窗口估計瞳孔中心原理圖

式中J(x，y)為除噪后的圖像；可根據(jù)直方圖大致估計瞳孔行、列像素個數(shù)M和N；根據(jù)經(jīng)驗，瞳孔的灰度值一般不會高于 1 00，可以將閾值取為 1 00，這樣可以消除灰度值高的點對瞳孔定位的影響；size為窗口大小，其值可根據(jù)經(jīng)驗選擇，一般為瞳孔半徑的均值；()為瞳孔位置估計。圖1所示為窗口估計瞳孔中心原理圖。

1.2 虹膜圖像從直角坐標(biāo)到極坐標(biāo)的變換

本文選用Canny算子來獲取虹膜二值邊緣圖像Edge(x，y)。 邊 緣檢測 的閾值應(yīng)根據(jù)圖像采集系統(tǒng)的參數(shù)(如亮度、對比度、清晰度)進(jìn)行合理選擇,太小則無法有效抑制噪聲的干擾；太大則削弱虹膜內(nèi)外邊界信息，從而降低邊界定位的精度。

在虹膜二值圖像中，將其內(nèi)邊界的圓心（即粗定位的瞳孔中心()）作為極點，以R1、R2為半徑，將中間的環(huán)形區(qū)域展開成矩形，即以同心圓的形式展開。其中R1、R2是經(jīng)驗閾值，R1要求比圖庫中所有圖像的瞳孔半徑小，R2要求比圖庫中所有圖像的虹膜半徑大。將直角坐標(biāo)下的圖像變換為極徑和極角的表示形式，如圖2所示。原來在直角坐標(biāo)系下不具有明顯特征的虹膜邊界都表現(xiàn)為水平的邊緣，其他干擾點絕大部分屬于非水平邊緣[13]。

圖2 虹膜二值圖像及極坐標(biāo)下的邊緣圖像

1.3 極坐標(biāo)下的虹膜邊緣點選擇

在傳統(tǒng)的基于Hough變換的虹膜定位算法中，幾乎所有的邊緣點(xj，yj)都參與了邊界定位，其中的非虹膜邊界點不但增加了計算時間和空間的額外開銷，并且在一定程度上影響了參數(shù)投票的結(jié)果。因此，濾除非虹膜邊界點成為了改善虹膜定位速度和精度的一條途徑。在直角坐標(biāo)下，虹膜紋理的邊緣點不具有明顯的特征，很難將其分類；而在極坐標(biāo)下，虹膜邊界（內(nèi)、外邊界近似環(huán)）點表現(xiàn)為似水平邊緣點，而非虹膜邊界點大多數(shù)不是水平邊緣點。因此實現(xiàn)對虹膜邊界點和非虹膜邊界點的分類就變得比較簡單?，F(xiàn)定義如下規(guī)則[14]：

規(guī)則1：如果邊緣點的前面以及后面存在若干個相連的像素都是邊緣點，那么該點就是水平邊緣點；

規(guī)則2：如果邊緣點的前面沒有相連的邊緣點，但是它的后面存在若干個相連的邊緣點，那么該點為水平邊緣點；

規(guī)則3：如果邊緣點的后面沒有相連的邊緣點，但是它的前面存在若干個相連的邊緣點，那么該點為水平邊緣點。

利用上述水平邊緣點的選擇方法，虹膜圖像中的邊緣點大大減少，水平邊界點所占的比例明顯提高，如圖3所示。

圖3 極坐標(biāo)下的邊緣圖像及邊緣點選擇結(jié)果

1.4 極坐標(biāo)到直角坐標(biāo)的變換

圖像由極坐標(biāo)表示轉(zhuǎn)換到直角坐標(biāo)表示：

(1)初始化直角坐標(biāo)下新的邊緣圖像 E dge(x，y)=0，維數(shù)和I(x，y)相同；

(2)將經(jīng)過選擇后的邊界點(r，θ)轉(zhuǎn)換到直角坐標(biāo)下的位置(xnew，ynew)，如式（2）所示：

圖4所示為原虹膜二值圖像及經(jīng)過邊緣點選擇后的虹膜邊緣圖像。

圖4 原虹膜二值圖像和經(jīng)邊緣點選擇后的邊緣圖像

1.5 利用Hough變換對虹膜邊界定位[3，15]

從圖4可以清楚地發(fā)現(xiàn)，經(jīng)過邊緣點的選擇，虹膜的真實邊界點信息基本被保留下來，而非邊界點有顯著減少。在此基礎(chǔ)上采用Hough變換算法對虹膜邊界進(jìn)行定位，計算量會大大減小，一定程度上提高了定位的成功率和精確度。

1.5.1 虹膜內(nèi)邊界的精確定位

在定位虹膜內(nèi)邊界時，僅讓內(nèi)邊界的邊緣點參與投票是可行的，通過下式將虹膜內(nèi)邊界的定位范圍控制在一個較小的區(qū)域：

其中，[rmin，rmax]是利用先驗知識得到的虹膜區(qū)域內(nèi)邊界范圍。這樣，投票的搜索范圍將縮小，能進(jìn)一步提高定位的速度和成功率，然后采用Hough變換定位算法定位虹膜內(nèi)邊界：

式中，圓的半徑 r ∈[rmin，rmax]；圓心(xc，yc)中 xc，yc∈[-ε，+ε]，其中ε為一經(jīng)驗常數(shù)值，即將內(nèi)邊界圓心的取值限定在一定范圍；(xj，yj)為經(jīng)過選擇后的邊緣點；(，)是內(nèi)邊界參數(shù)最大值；(，)是內(nèi)邊界參數(shù)次大值，(xp，yp，Rp)是內(nèi)邊界參數(shù)的平均值。

1.5.2 虹膜外邊界精確定位

在定位虹膜內(nèi)邊界的基礎(chǔ)上，將虹膜外邊界的定位控制在一定的范圍，從而提高定位的速度與精確度，如式（5）所示：

其中，[Rmin，Rmax]是利用先驗知識得到的虹膜區(qū)域外邊界范圍。同樣地，采用Hough變換實現(xiàn)外邊界的快速定位，如式（6）所示：

式 中 ， r∈[Rmin，Rmax]；(xj，yj)為 經(jīng) 過 選 擇 后 的 邊 緣 點 ； xc，yc∈[-δ，+δ]，其中正常數(shù) δ 為一經(jīng)驗常數(shù)值，將外邊界圓心的取值限定在內(nèi)邊界圓中；(，，)是外邊界參數(shù)最大值；(，，)是邊界參數(shù)的次大值，(xI，yI，RI)是外邊界參數(shù)的平均值。

通過對數(shù)據(jù)庫的虹膜圖像觀察可得，內(nèi)外邊界近似為同心圓，它們之間存在一定的耦合關(guān)系。因此將xc，yc∈[-δ，+δ]修正為：

其中正常數(shù)τ為一經(jīng)驗常數(shù)值，將外圓環(huán)的圓心限制在瞳孔內(nèi)部。

2 實驗結(jié)果與分析

利用本文提出的方法，隨機(jī)抽取中科院虹膜數(shù)據(jù)庫中的100幅圖像進(jìn)行實驗，平均每幅圖像用時0.152 s，虹膜定位的準(zhǔn)確率為98.4%，定位結(jié)果如圖 5所示。對實驗室現(xiàn)場采集到的虹膜圖像進(jìn)行定位，結(jié)果如圖6所示。同時，將本算法與參考文獻(xiàn)[3]方法進(jìn)行實驗比較，結(jié)果如表1所示。

圖5 CASIA-IrisV1中的虹膜邊界定位結(jié)果

從圖5和圖6可以看出，本算法對標(biāo)準(zhǔn)數(shù)據(jù)庫中的虹膜圖像和實驗室現(xiàn)場采集的虹膜圖像都是有效的；同時該算法采用了較少的邊界點定位虹膜的邊界，計算量大大減小，定位精度相對提高。由表1的數(shù)據(jù)得出，該算法對樣本中的虹膜定位時間約為0.152 s，僅占Wildes方法的4.57%，并且準(zhǔn)確率比傳統(tǒng)方法略有提高。

本文對虹膜定位算法進(jìn)行了研究，提出了一種改進(jìn)的虹膜邊界定位算法。在極坐標(biāo)下，通過對非虹膜邊界點排除來提高虹膜邊界的比例，利用虹膜內(nèi)、外邊界參數(shù)之間存在的耦合關(guān)系來限制Hough變換的參數(shù)取值范圍，并取最大和次大的邊界參數(shù)的均值作為虹膜邊界參數(shù)。實驗結(jié)果表明，該算法優(yōu)于傳統(tǒng)的Hough變換定位算法，利用該虹膜定位算法取得了較好的定位效果。

圖6 實驗室獲取的虹膜邊界定位結(jié)果

表1 兩種算法的比較

[1]王蘊紅，朱勇，譚鐵牛.基于虹膜識別的身份鑒[J].自動化學(xué)報，2002，1(28)：1-10.

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

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

[4]BOLES W W，BOASHASH.A human identification technique using images of the iris and wavelet transform[J].IEEE Transactions on Signal Processing(S1053-587X)，1998，46(4)：1185-1188.

[5]BALAJI G，DHANANJAY T，RUPERT Y，et al.Biometric iris recognition system using a fast and robust iris localization and alignment procedure[J].Optics and Lasers in Engineering(S0143-8166)，2006，44(1)：1-24.

[6]葉學(xué)義，莊鎮(zhèn)泉，姚鵬，等.基于二維投影的虹膜定位[J].中國圖像圖形學(xué)報，2005，10(3)：305-309.

[7]王成儒，胡正平.基于幾何特征的虹膜定位算法[J].中國圖象圖形學(xué)報，2003，8(6)：683-685.

[8]駱名猛，吳錫生.改進(jìn)的快速虹膜定位算法[J].計算機(jī)工程與應(yīng)用，2010，46(17)：200-203.

[9]田啟川，潘泉，梁彥，等.瞳孔中心指導(dǎo)的虹膜邊界快速定位算法[J].系統(tǒng)仿真學(xué)報，2006，18(7)：1777-1780.

[10]馮薪樺，丁曉青，方馳，等.虹膜內(nèi)外邊界的粗定位方法[J].清華大學(xué)學(xué)報(自然科學(xué)版)，2007，47(1)：80-83.

[11]NAM K W，YOON K L，YANG W S.A feature extraction method for binary iris code construction[C].In：Proceedings of the 2nd International Conference on Information Technology for Application(ICITA 2004)，Harbin，2004：284-287.

[12]李霞，于魯義，王娜.基于直線檢測的虹膜快速定位方法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2006，18(8)：1155-1159.

[13]夏磊，蔡超.一種用Hough變換檢測圓的快速算法[J].計算機(jī)應(yīng)用研究，2007，24(10)：197-199.

[14]田啟川，李子良，劉喜榮，等.基于Radon變換的虹膜邊界定位算法[J].系統(tǒng)仿真學(xué)報，2009，21(S2)：222-225.

[15]劉念，蘇杭，郭純宏，等.基于Hough變換圓檢測的人眼定位方法改進(jìn)[J].計算機(jī)工程與設(shè)計，2011，32(4)：1359-1362.