一种用于虹膜识别的眼睫毛遮挡检测算法.pdf
《一种用于虹膜识别的眼睫毛遮挡检测算法.pdf》由会员分享,可在线阅读,更多相关《一种用于虹膜识别的眼睫毛遮挡检测算法.pdf(6页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、第 35 卷第 6 期 光电工程 Vol.35, No.6 2008 年 6 月 Opto-Electronic Engineering June, 2008 文章编号: 1003-501X(2008)06-0124-06 一种用于虹膜识别的眼睫毛遮挡检测算法 苑玮琦,乔一勤 ( 沈阳工业大学 视觉检测技术研究所,沈阳 110178 ) 摘要: 为了降低眼睫毛噪声对虹膜识别的影响,提高虹膜的识别率,本文提出了一种用于虹膜识别的眼睫毛遮挡检测算法。该方法根据 Canny 算法检测图像中的眼睫毛,对 Canny 算法中的参数进行研究,利用虹膜的外圆,提出了用一个扇形区域来表示眼睫毛遮挡区域。除去眼
2、睫毛遮挡区域与瞳孔,虹膜外圆余下的部分即为虹膜的有效区域。实验结果表明,该方法可以有效地检测眼睫毛,并且所得到的扇形区域包含外圆内部所有的眼睫毛像素,可以有效提高模式的可分性和虹膜的识别率。 关键词: 虹膜识别;阈值法;眼睫毛遮挡;边缘检测 中图分类号: TP391 文献标志码:A Detection of Eyelash Occlusions Method for the Iris Recognition YUAN Wei-qi, QIAO Yi-qin ( Computer Vision Group, Shenyang University of Technology, Shenyang
3、110178, China ) Abstract: To reduce the influence of eyelash noise and improve discriminability in iris recognition, a detection of eyelash occlusions method based on the canny method was presented for the iris recognition. The parameters in canny method were researched. One sector in the outer circ
4、ularity of iris is used to represent the region of eyelash occlusions. Excluding the pupil and the sector, the rest of the outer circularity is the effective region of iris. Our experimental results demonstrate that the sector contains all eyelash pixels in the outer circularity. The algorithm can d
5、etect the eyelash effectively and can improve the classification and discriminability of iris patterns and the rate of iris recognition. Key words: iris recognition; threshold method; eyelash occlusions; edge detection 1 引 言 虹膜作为人身上的一个特征,具有唯一性、稳定性、可采集性、非侵犯性等优点,这种非接触式的生物特征识别是身份鉴别研究与应用发展的必然趋势,与人脸、声音、指
6、纹等识别方式相比,虹膜识别具有更高的准确性。但是在现有虹膜识别的文献中通常是在人眼睁大到一定程度的情况下进行的处理,这种情况下眼睫毛遮挡比较小,容易得到虹膜的有效区域。然而在人眼正常张开下,通常眼睫毛会对虹膜的遮挡比较严重,如果不对其进行去除,眼睫毛就会被当作虹膜特征的一部分,从而影响虹膜识别率,所以有必要在虹膜预处理过程中专门对眼睫毛的遮挡进行处理。 现有关于眼睫毛遮挡检测的方法主要有以下几种方法: 1) Kong 和 Zhang 提出的聚集与分散两步检测眼睫毛的方法1,采用一维 Gabor 滤波器来提取聚集眼睫毛,灰度方差来检测分散眼睫毛。这种方法检测精度比较高, 但是如何区分该眼睫毛区域
7、是分散眼睫毛还是聚集眼睫毛在文中没有明确的给出判定的方法;而且在检测眼睫毛时只是用一个单一阈值做二值化处理,这样做会在连接眼睫毛像素时有断开。 2) Junzhou Huang 提出了一种基于相位一致性的噪声检测方法2,该方法根据边缘信息定位眼睫毛区域,从实验结果收稿日期: 2007-11-13; 收到修改稿日期: 2008-03-04 基金项目: 国家自然科学基金资助项目 (60672078, 60472088) 作者简介: 苑玮琦 (1960-),男 (汉族 ),辽宁沈阳人,教授,博导,主要研究图像处理和计算机视觉处理。 E-mail: 通信作者: 乔一勤 (1981-),男 (汉族 )
8、,辽宁大连人,硕士研究生,主要研究工作是图像处理。 E-mail: 2008 年 6 月 苑玮琦 等:一种用于虹膜识别的眼睫毛遮挡检测算法 125看出,这种方法把邻近眼睫毛之间的部分归为一个眼睫毛区域,且处理后有孤立噪声点。 3) Xiaoyan Yuan提出用迟滞阈值法来检测眼睫毛3,使用双阈值来检测眼毛,但该文并没有给出阈值如何选取。 4) He Wei提出基于局部灰度极小值检测眼睫毛的算法4。该算法得到的候选眼毛像素集包含了许多非眼毛像素而且真正的眼睫毛像素点会检测不出来,从而不能连接成真实的眼睫毛。并且此方法用到眼睑的检测结果,如果在眼睑检测不准的情况下使用,那么此方法将不适用。 4)
9、 来毅通过构造交叉形的形态学结构元素 ,二值化检测眼睫毛5。该检测方法在归一化后的虹膜区域内进行,而相比归一化后的虹膜图像而言,归一化前的眼睫毛特征更明显。 本文针对以上文献的不足提出了一种新的检测眼睫毛遮挡的方法: 找到有眼睫毛遮挡的虹膜有效区域,而后利用基于 Canny 算子检测此区域,最后用一个扇形区域来表示虹膜中的眼睫毛的区域,使其下端不包含眼睫毛点。最终得到的结果如下图 1 所示。 2 虹膜定位 通过文献 6找到内圆圆心即瞳孔的圆心 (xp, yp),半径 rp;外圆圆心即虹膜外边界的圆心 (xi, yi), 半径 ri。由于定位的准确率为 98.3%,因此可以用其定位的结果作为本文
10、扇形区域选取的中间结果。其定位的结果如上图 2 所示。 3 获取遮挡的虹膜眼睫毛区域 在瞳孔左右两侧分别选取两个 100150 大小的矩形区域,由于瞳孔边界点的信息不准确,故取 (xp-rp-k, yi-ri)与(xp+rp+k, yi+ri)分别作为两区域的一个顶点, 本文 k 取值为 5。根据对图库的实验分析可知虹膜的有效区域一定会落在其中。有效区域如图 3 所示。 4 基于 Canny 算子检测眼睫毛 Canny 算子7被认为是当今最优检测边缘的算子。其具有以下特点: 1) 低误判率,即尽可能少地把边缘点误认为是非边缘点; 2) 高定位精度,即准确地把边缘点定位在灰度变化最大的像素上;
11、3) 抑制虚假边缘。通过在虹膜图像中的边缘检测实验中发现, Canny 算子具有其他算子所不具备的更好的效果。 4.1 对选定区域内的图像进行高斯模糊 为了去除由光照影响下图像的噪声,使图像更平滑,故用高斯低通滤波器来滤除。 二维高斯函数的表达式: )2exp(21),(2222yxyxG+= (1) 式中 表示标准差,平滑函数宽度的量度。 越大轮廓越宽, 越越小轮廓越窄。因为眼睫毛轮廓窄,通过实验本文 取值为 0.52。 在实际处理过程中二维高斯函数可以由 x 方向作平滑后得到的平滑图像 Fsx(x, y)与 y 方向作平滑得到最终的平滑图像 Fs(x, y),本文也是基于此得到高斯平滑的图
12、像。 1-D 高斯算子的表达式为 )2exp(21)(222uxh = (2) 其中 u=-L+x, L 为高斯算子的宽度, u 表示距该像素的距离, x 取 02L, 这样 1-D 高斯窗口的宽度就为 2L+1; 根据判别表达式 ML )2/exp(22 ,来取得 L 的值,本文 M=0.000 1, L 的值取 120,在 CASIA 虹膜数 图 1 虹膜中眼毛检测的最终结果 图 2 虹膜定位结果Fig.1 Detection of Eyelash in iris image Fig.2 Result of iris location图 3 有眼睫毛遮挡的虹膜有效区域Fig.3 Eyela
13、sh in the effective area of iris image 光电工程 第 35 卷第 6 期 126 据库中进行实验得到 L=2 或者 L=3,由于计算方法类似,故本文以 L=2 举例说明。 当 L=2时, 高斯窗口的大小为 2L+1=5。 根据表达式 (2)得到 1-D高斯算子的模板 h(x)=2.135 6 e-5, 8.6157 e-7, 6.366 2 e-3, 8.615 7 e-7, 2.1356 e-5。利用原图像 f(x, y)与 1-D 高斯模板 h(x)作卷积 fsx(x, y)= f(x, y) h(x), 得到 x 方向的高斯平滑图像 fsx(x, y
14、)。由于 h(y)= h(x)T, 所以原图像的经高斯平滑后得到的图像 fs(x, y)可由 fs(x, y)= fsx(x, y) h(x)T得到。由上面分析可知,分别对 x 和 y 方向作平滑,最终 fs(x, y)就是所要得到的对原图像进行高斯模糊的图像。高斯模糊即平滑图像如下图 4 所示 (为了显示效果,截取虹膜附近眼睫毛的图像 )。 4.2 计算方向导数,梯度的幅值和方向 对式 (1)作 X 方向的方向导数得到: )2exp(d1)2exp(21d(d),(d22222222yxxxyxxyxGGhxx+=+= (3) 当 L=2 是为 55 矩阵,矩阵的排列为xxxxxxxxxxx
15、xbxxxxxxxxxxxx其中 b 为当前要检测的点。而当 L=3 时为 77 矩阵。本文以 L=2 为例,得到二维一阶 x 方向偏导数的 55 高斯矩阵模板 hx如下: 7-e6865.25-e5780.505-e5780.57-e6865.24-e1156.12-e2233.202-e2233.24-e1156.14-e5542.81-e1732.101-e1732.14-e5542.84-e1156.12-e2233.202-e2233.24-e1156.17-e6865.25-e5780.505-e5780.57-e6865.2利用得到的高斯模糊图像即平滑图像 fs(x, y)与 h
16、x作卷积 ex= fs(x, y)hx得到 x 方向的方向导数 ex。由 于 hy=(hx)T,故 y 方向的方向导数 ey= fs(x, y)(hx)T。由梯度幅值公式22),(yxeeyxA += 得到点当前点 (x, y) 的幅值 A(x, y)。为了显示梯度的效果,把的得到的 A(x, y)1 000,观看效果图如图 5 所示。 4.3 非极大值抑制,得到候选眼毛像素集 把图像分成四个区域,如图 6 所示,其中区域 1 代表 045与180225;在每一方向上加 45,得到区域 2 代表 4590与225270; 区域 3代表 90135和 270315, 区域 4代表 135180和
17、 315360。下面以区域 1 为例,如果 ey0 并且 ex-ey,则落在045区间,其中 ey0,表示落在 x 的上半轴,因为显示器的 y 轴坐标与数轴的 y 轴坐标相反; ex-ey表示方向导数更偏向 x 轴。 ey0并且 ex-ey,则落在 180225区间。 如果落在区域 1 内,则可利用 A(x+1, y), A(x+1, y-1); A(x-1, y),A(x-1, y-1)对梯度进行插值来判断当前像素 (x, y)梯度是否是局部最大值。当且仅当式 (4)成立时满足梯度局部最大。 21),(&),( dyxAdyxA (4) 其中: )1,1(),1()1()1,1(),1()1
18、(21+=+= yxAwyxAwdyxAwyxAwd , 由 4.2 节可知 A(x, y)表示点 (x, y)的梯度幅值; w 为插值比例, w=|ex|/|ey|。用式 (4)标记出极大值点,即候选眼毛像素集 B(x, y)。非最大化抑制的结果如图 7 所示 (为了显示效果本文把局部极大值点的灰度置为图 4 平滑后的图像 Fig.4 Smoothness image 图 5 梯度效果图Fig. 5 Grads image A(x+1, y-1) 1 2 3 4 图 6 图像的四个区域 Fig.6 Four areas of the image segmentation1 2 3 4 A(x
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 用于 虹膜 识别 眼睫毛 遮挡 检测 算法
限制150内