一种虹膜图像预处理方法

摘要

一种虹膜图像预处理方法，属于图像处理技术领域，主要涉及生物特征鉴别中的虹膜身份识别技术。本发明首先通过二值化、腐蚀、膨胀和灰度投影实现虹膜内边缘圆心的粗略定位；然后采用单一灰度值比较和圆曲线拟合方法确定虹膜区域的内边缘，采用灰度差分累加圆曲线拟合方法确定虹膜区域的外边缘；最后根据归一化的虹膜图像，计算点锐度值和有效像素点个数，从清晰度和可见度两个方面评价图像质量。采用本发明提出的基于灰度梯度的边界点搜索和曲线拟合相结合的方法，可以有效地提高虹膜定位精度和定位速度；采用本发明提出的基于点锐度和有效点个数的质量评价方法，提高了传统质量评估算法的通用性。

主权项

1.一种虹膜图像预处理方法，其特征在于，包括虹膜定位和虹膜图像质量评估两个过程：所述虹膜定位过程包括如下步骤：步骤1.对摄像装置所采集的原始虹膜灰度图像进行二值化处理，原始灰度图像中灰度值大于阈值Vb的象素点的灰度值赋为1，小于阈值Vb的象素点的灰度值赋为0；步骤2.对步骤1中得到的二值图像，以结构元素B对其进行数学形态学中的闭合运算来消除二值图像中的小空洞；所述结构元素B为一个7×7的矩阵，中间近似圆形区域内的元素的值为1，其余元素的值为0；步骤3.计算虹膜内边缘的粗略圆心首先计算步骤2中得到图像的水平和垂直灰度投影：水平投影的计算公式为：$S_h\left(x\right)=\underset{y=1}{\overset{N}{\Sigma }}I(x,y),$垂直灰度投影的计算公式为：$S_v\left(y\right)=\underset{x=1}{\overset{M}{\Sigma }}I(x,y);$其中Sh(x)表示横坐标为x的灰度投影值，Sv(y)表示纵坐标为y的灰度投影值，M，N为原始虹膜灰度图像的宽度和高度，I(x，y)为位置(x，y)的象素点的灰度值；其次搜索灰度投影，取Sh(x)最小值时的横坐标xo和取Sv(y)最小值时的纵坐标yo，将(xo，yo)视为虹膜内边缘的粗略圆心；步骤4.计算虹膜内边缘的精确圆心和半径首先，对坐标点(xo，yo)附近的若干行进行虹膜内边缘点的搜索，得到一系列虹膜内边缘点的坐标；然后，对所得一系列虹膜内边缘点进行圆拟合，得到虹膜内边缘的精确圆心(xp，yp)和半径rp；步骤5.计算虹膜外边缘的精确圆心和半径首先，取坐标点(xp，yp)附近的若干行，在取出的每一行上进行虹膜外缘点的搜索，得到一系列虹膜外边缘点的坐标；然后，对所得一系列虹膜外边缘点进行圆拟合，得到虹膜外边缘的精确圆心(xi，yi)和半径ri；所述虹膜图像质量评估过程包括如下步骤：步骤6.对定位出的虹膜图像进行归一化处理，得到大小为m×n的归一化虹膜图像；步骤7.计算归一化虹膜图像的点锐度，判断图像清晰度是否满足虹膜识别的要求首先，计算步骤6所得归一化虹膜图像的点锐度值f，具体计算公式为：$f=\underset{i=1}{\overset{m\times n}{\Sigma }}\underset{j=1}{\overset{8}{\Sigma }}|\mathrm{dI}/\mathrm{dx}|/m\times n,$其中dI为图像中某一点的8-邻域内象素点的灰度值与该点的灰度值的差值，dx为相邻点的距离，m和n分别为归一化虹膜图像的高和宽；然后，将归一化虹膜图像的点锐度值f与预先设定的用于判断虹膜图像是否清晰的阀值Vf进行比较，若f≥Vf，则认为图像的清晰度满足虹膜识别系统的要求，否则，认为不满足虹膜识别系统的要求；步骤8：计算归一化虹膜图像中有效象素点的个数，判断虹膜图像的可见度是否满足虹膜识别的要求首先，统计归一化虹膜图像中有效象素点的个数K，具体的计算公式为：$K=\underset{x}{\Sigma }\underset{y}{\Sigma }n(x,y),$其中$n(x,y)=\left\{\begin{array}{cc}1,& V_{\mathrm{lash}}\le I(x,y)\le V_{\mathrm{eyelid}}\\ 0,& I(x,y)>V_{\mathrm{eyelid}}\mathrm{orI}(x,y)<V_{\mathrm{lash}}\end{array},,\right.$其中Vlash和Veyelid是判定是否为位于睫毛区域和眼睑区域的象素点的门限，I(x，y)为图像的灰度；然后，将有效象素点的个数K与预先设定的用于判断虹膜图像是否存在眼睑和睫毛遮挡问题的阀值Vk进行比较，若K≥Vk，则认为虹膜图像的可见度满足虹膜识别系统的要求，否则，认为不满足虹膜识别系统的要求。