基于空间距圆标记边缘检测的虹膜预处理算法

摘要

本发明基于空间距圆标记边缘检测的虹膜预处理算法，包括步骤：1)通过摄像装置对人眼中的虹膜进行图像采集，得到原始灰度图像；2)采用中值滤波算法对采集的图像噪声处理；3)利用Haar小波将虹膜图像分解为四个子带图像；4)采用Canny算子对虹膜内边缘进行边缘检测；5)利用基于亚像素圆定位算法进行虹膜内圆的精确定位；6)利用增加搜索半径步长的方法对外圆进行精确定位。本发明基于空间距圆标记边缘检测的虹膜预处理算法利用Canny算子进行滤波、增强和检测，利用基于亚像素圆定位算法进行虹膜内圆的精确定位，利用增加搜索半径步长的方法来提升圆检测算子的效率从而实现了对虹膜外圆的精确定位，提高了检测精度，加快了检测速度。

主权项

一种基于空间距圆标记边缘检测的虹膜预处理算法，其特征在于，包括如下步骤： 1)图像采集：通过摄像装置，对人眼中的虹膜进行图像采集，得到含有虹膜图像的原始灰度图像f(x，y)； 2)噪声处理：采用中值滤波算法对图像f(x，y)进行噪声处理，得到图像g(x，y)； 3)图像分解：利用Haar小波将图像g(x，y)分解为水平高频、垂直高频、对角高频和低频逼近四个子带图像； 4)边缘检测：采用Canny算子在小波基础上对虹膜图像进行边缘检测； 5)内圆精确定位：利用基于亚像素圆定位算法进行虹膜内圆的精确定位，其具体步骤如下： (1)在单位圆上定义一个连续理想边缘模型，其中一个区域的灰度值为h，另一个区域的灰度值为h+k，l为单位圆的圆心到边缘的距离，θ是边缘法线与x轴的夹角，θ∈[‑π/2，π/2]；是通过单位圆与待检测圆曲线交点及单位圆心的直线与两个圆心所在直线的夹角，对图像g(x，y)取一个像素点，利用二维滑动模板计算相应像素的空间矩M_pq′；将图像g(x，y)顺时针旋转θ角，使边缘法线与z轴重合，旋转后图像灰度函数f’(x，y)关于z轴对称，旋转后的空间矩为M_pq，而M_pq′和M_pq满足：由空间矩的性质知M′₀₂＝0，所以tanθ＝M₀₁/M₂₀，从而解得M′₀₀，M′₁₀，M′₂₀，M′₀₂，其中M′₀₀，M′₁₀，M′₂₀，M′₀₂为旋转后的相对于标准位置的四个空间矩； (2)根据旋转后的空间矩与边缘参数的关系， 当待检测的曲线关于x轴的对称，得到公式： 当待检测的曲线关于y轴的对称，得到公式： 根据以上两个公式，再结合以下公式： 解得单位圆的半径R，然后通过公式： 求参数k，最后通过公式： 得到参数h，定义阈值为T，二维滑动模板的直径为n，如果满足：k＞T，且则根据公式：计算亚像素边缘点(x’，y’)；如果不满足：k＞T，且则重新取像素点进行计算，直到满足上述条件，计算得到一个亚像素边缘点(x’，y’)；(3)返回(1)取下一个像素点，直到检测完所有的边缘像素； (4)根据(1)‑(4)步骤，求得单位圆边缘上的N个点的亚像素坐标； (5)利用最小二乘法原理对边缘进行圆拟合； 6)外圆精确定位：利用增加搜索半径步长的方法对外圆进行精确定位，具体步骤如下： (1)依次以各像素边缘点为圆心，从图像g(x，y)内边界的半径开始，以一定距离增加半径，从而产生一系列圆环； (2)在每个圆环上，以一定角度选取相同数目的点，取出这些点的灰度值，将每个圆环上的这些点的灰度值相加，得到每个圆环的灰度值之和； (3)将各相邻圆环的灰度值之和进行比较，并记录灰度值之和变化最大的圆环的圆心和半径； (4)求出所有圆心取值范围对应的灰度值之和变化的最大值，选取灰度值之和变化最大时对应的圆心和半径作为虹膜的圆心和半径。