文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2014)04-0066-04
目前,已經(jīng)出現(xiàn)了多種人體生理特征識(shí)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(shí)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(diǎn),,在對安全性要求高的場合,,虹膜識(shí)別是一種理想的身份識(shí)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(gè)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(shí)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(shí)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(jì)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(huì)影響到真正的邊界點(diǎn)所占的比例,,為了獲得虹膜邊界點(diǎn),窮舉出所有參數(shù)值會(huì)造成時(shí)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(diǎn)的比例也是需要考慮的問題。(4)在進(jìn)行邊界定位時(shí),,Hough變換得到的幾何模型參數(shù)域中的最大值點(diǎn)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(diǎn)或次大值點(diǎn)作為虹膜內(nèi)外邊界的幾何模型參數(shù)點(diǎn), 因?yàn)檫@兩點(diǎn)很可能屬于同一個(gè)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(gè)全1的矩形窗對瞳孔中心進(jìn)行粗略估計(jì)[9],;然后,以粗定位的瞳孔中心為極點(diǎn),,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(shí)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(diǎn),,以此提高真正虹膜邊界點(diǎn)的比例;其次,將經(jīng)過邊緣點(diǎn)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(yàn)估計(jì)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(jì)
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(jì)瞳孔中心的方法[10]。
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(shí)驗(yàn)室現(xiàn)場采集的虹膜圖像都是有效的,;同時(shí)該算法采用了較少的邊界點(diǎn)定位虹膜的邊界,計(jì)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(shí)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(diǎn)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(shí)驗(yàn)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,。
參考文獻(xiàn)
[1] 王蘊(yùn)紅,,朱勇,譚鐵牛.基于虹膜識(shí)別的身份鑒[J].自動(dòng)化學(xué)報(bào),,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(bào),,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(bào),,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(jì)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(bào),,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(bào)(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(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),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(jì)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(bào),,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(jì)算機(jī)工程與設(shè)計(jì),,2011,,32(4):1359-1362.