一种虹膜定位方法及装置的制造方法
一种虹膜定位方法及装置的制造方法
【技术领域】
[0001 ]本发明设及图像处理技术领域，特别是设及一种虹膜定位方法及装置。
【背景技术】
[0002] 生物特征识别技术因准确率高、不会遗忘或丢失、不易伪造或被盗、随身携带，使 用便捷而得到广泛应用。在生物特征识别技术中，指纹容易伪造和盗取，人脸易受伤病和自 身成长变化。大量科学研究表明虹膜作为一种重要的生物特征，具有唯一性、稳定性、可采 集性、非侵犯性等优点。运些优点使得虹膜识别特别适用于需要身份认证的场所。
[0003] 虹膜识别系统流程是：图像采集，图像预处理，特征提取编码，匹配认证。其中虹膜 定位是虹膜图像预处理过程中的重要环节，准确定位出虹膜的有效区域是后续过程顺利进 行的基础。由于采集装置受硬件、光照环境的限制，获取的虹膜图像往往受到不同的干扰， 如细节模糊、对比度低、人眼闭塞等，运些都给虹膜定位造成困难。
[0004] 经典的虹膜定位方法都是基于圆结构，如基于梯度的化ugman的积分微分环、基于 边界点的Wi Ides的化U曲变换法、最小二乘算法、Pul l&Push算法。
[0005] 积分微分环是利用计算整个圆周梯度积分的最大值来定位虹膜边缘，Hou曲变换 圆检测算法是捜索参数空间内同一半径下获得投票数最多圆屯、从而定位虹膜边缘，最小二 乘法是利用边界点与圆结构的误差最小定位虹膜，Pull&Push算法是利用胡克定律形成的 弹性力，通过多次迭代到达圆屯、来定位虹膜。
[0006] 虽然W上方法在虹膜定位上都取得不错的效果，但都存在很多缺陷，其中积分微 分环计算效率低，易受遮挡和光照的影响;Hou曲变换对非圆边界拟合易发生错误定位且计 算速度慢，时间复杂度高;最小二乘拟合和Pull&Push对边界点的选取要求高，不适用于低 质量噪声虹膜图像定位。
[0007] 综上所述，现有虹膜定位算法仍然存在很大的改进余地，如何实现快速精确鲁棒 的虹膜定位依然是一个亟待解决的难题。
【发明内容】
[000引本发明的目的是提供一种虹膜定位方法及装置，目的在于解决现有技术中不能快 速精确对虹膜进行定位的问题。
[0009]为解决上述技术问题，本发明提供一种虹膜定位方法，包括：
[0010]获取虹膜图像；
[0011] 对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0012] 根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[001引根据瞳孔至赃膜的梯度一致性特征，获取虹膜的内边界点；
[0014] 基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0015] 通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边界进行拟合， W完成对所述虹膜的定位。
[0016] 可选地，所述对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点包括：
[0017] 通过预设的光斑检测算子，对所述虹膜图像的灰度值高点进行卷积运算；
[0018] 获取卷积值大的点坐标，根据所述点坐标周围灰度分布判断所述点坐标是否为光 斑点。
[0019] 可选地，所述预设的光斑检测算子为半径为4的圆盘，取值为正，外围取值为负，其 余位置补零，使得所述光斑检测算子总和为零。
[0020] 可选地，所述根据检测到的所述光斑点对所述虹膜图像进行预处理操作包括：
[0021 ]根据所述光斑点裁剪所述虹膜图像；
[0022] 对所述虹膜图像进行形态学腐蚀和重建运算；
[0023] W所述光斑点的坐标为中屯、，进行极坐标展开。
[0024] 可选地，所述根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点包括：
[0025] 对极坐标展开的图像进行边缘检测，每个径向获取最近的边缘坐标点；
[0026] 计算所述边缘坐标点处的径向梯度值：
[0027] Grad(x,y) = I(x+l ,y)-I(x-l ,y)；
[0028] 根据瞳孔到虹膜的梯度一致性特征，排除噪声点边界点，获取所述虹膜的内边界 点。
[0029] 可选地，所述基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点包括：
[0030] 计算瞳孔半径外，径向[0,60]w及[120，180]的梯度值6阿(1^，7)，记录下所述梯 度值的最大值GradMax (X，y) W及对应位置的坐标(X，y);
[0031] 计算连续预设数量化+1的点的灰度平均值：
[0032] W Ie为口限，对所述预设数量的点进行二值化：
[0033]
[0034] 根据虹膜到巩膜的灰度值渐变的特征，通过当i>0时B(x+i，y) = l来排除噪声边 界，W获取正确的边界坐标(x，y);
[0035] 在所述正确的边界坐标左右径向捜索满足梯度一致W及灰度渐进的坐标点，每个 径向选取距离正确的边界坐标最近的坐标点作为新的边界点，进行迭代，直到满足预设条 件为止。
[0036] 可选地，所述通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边 界进行拟合包括：
[0037] 通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界W及外边界进行拟 合。
[0038] 可选地，通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界进行拟合 包括：
[0039] 计算所述光斑点坐标到所述内边界点的距离值，计算所述距离值的方差；
[0040] 采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取圆屯、；
[0041] 获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算峭=e+"4||;其 中，rii为各内边界点到圆屯、的距离，ri为半径，ωη为该边界点投票权值；
[0042] 记录当Σ ωη最大时的ri，确定为内圆半径。
[0043] 可选地，通过最小方差法W及权值霍夫变换方法，对所述虹膜的外边界进行拟合 包括：
[0044] 计算瞳孔中屯、坐标到所述外边界点的距离值，计算所述距离值的方差；
[0045] 采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取圆屯、；
[0046] 获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算巧。;其 中，如为各外边界点到圆屯、的距离，η为半径，ω?2为该边界点投票权值；
[0047] 记录当Σ ω i2最大时的Γ2,确定为外圆半径。
[004引本发明还提供了一种虹膜定位装置，包括：
[0049] 获取模块，用于获取虹膜图像；
[0050] 检测模块，用于对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0051] 预处理模块，用于根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[0052] 第一获取模块，用于根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点；
[0053] 第二获取模块，用于基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0054] 定位模块，用于通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外 边界进行拟合，W完成对所述虹膜的定位。
[0055] 本发明所提供的虹膜定位方法及装置，通过获取虹膜图像;对虹膜图像进行光斑 检测，得到虹膜图像的光斑点;根据检测到的光斑点对虹膜图像进行预处理操作;根据瞳孔 到虹膜的梯度一致性特征，获取虹膜的内边界点;基于灰度渐变W及梯度一致性特征，获取 虹膜的外边界点；并通过内边界点与外边界点，对虹膜的内边界W及外边界进行拟合，W完 成对虹膜的定位。本发明所提供的虹膜定位方法及装置，能够快速准确地定位虹膜的内外 边缘，有效地解决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹 配提供准确的虹膜定位结果。
【附图说明】
[0056] 为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有 技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根 据运些附图获得其他的附图。
[0057] 图1为本发明所提供的虹膜定位方法的一种【具体实施方式】的流程图；
[005引图2为本发明实施例提供的虹膜定位方法中光斑检测的流程图；
[0059] 图3为本发明实施例提供的虹膜定位方法中获取虹膜的内边界点的流程图；
[0060] 图4为本发明实施例提供的虹膜定位方法中获取虹膜的外边界点的流程图；
[0061] 图5为本发明实施例提供的虹膜定位方法中对虹膜的内边界进行拟合的过程流程 图；
[0062 ] 图6为本发明实施例提供的虹膜定位方法中对虹膜的外边界进行拟合的过程流程 图；
[0063] 图7为本发明实施例提供的虹膜定位装置的结构框图。
【具体实施方式】
[0064] 虹膜识别系统通过对成像装置获取的虹膜图像，分割出有效虹膜区域，与数据库 中的虹膜图像匹配，完成对用户身份的验证。本发明的核屯、是提供了一种虹膜定位方法及 装置。
[0065] 为了使本技术领域的人员更好地理解本发明方案，下面结合附图和【具体实施方式】 对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提 下所获得的所有其他实施例，都属于本发明保护的范围。
[0066] 本发明所提供的虹膜定位方法的一种【具体实施方式】的流程图如图1所示，该方法 包括：
[0067] 步骤S101:获取虹膜图像；
[0068] 步骤S102:对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0069] 步骤S103:根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[0070] 具体地，对虹膜图像进行预处理的过程可W为：
[0071] 根据所述光斑点裁剪所述虹膜图像;如在光斑坐标取半径150的方框可W正确裁 剪图像。
[0072] 对所述虹膜图像进行形态学腐蚀和重建运算;如选择腐蚀窗口为半径为8的圆盘， 然后对图像进行重建，可W填充光斑。
[0073] W所述光斑点的坐标为中屯、，进行极坐标展开。
[0074] 步骤S104:根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点；
[0075] 步骤S105:基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0076] 步骤S106:通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边界 进行拟合，W完成对所述虹膜的定位。
[0077] 本发明所提供的虹膜定位方法，通过获取虹膜图像;对虹膜图像进行光斑检测，得 到虹膜图像的光斑点；根据检测到的光斑点对虹膜图像进行预处理操作;根据瞳孔到虹膜 的梯度一致性特征，获取虹膜的内边界点;基于灰度渐变W及梯度一致性特征，获取虹膜的 外边界点;并根据内边界点与外边界点，对虹膜的内边界W及外边界进行拟合，W完成对虹 膜的定位。本发明所提供的虹膜定位方法，能够快速准确地定位虹膜的内外边缘，有效地解 决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹配提供准确的 虹膜定位结果。
[0078] 通常虹膜识别系统用红外光作为光源，具有夜视、无刺激等优势，但红外Lm)会在 瞳孔内行成光斑，该光斑会影响后续定位。下面对光斑检测的过程进行进一步说明，如图2 光斑检测的流程图所示，该过程包括：
[0079] 步骤S201:通过预设的光斑检测算子，对所述虹膜图像的灰度值高点进行卷积运 算；
[0080] 具体地，预设的光斑检测算子可W为大小为11 XII，最外围为负值，内嵌半径为5 的圆盘，值为正，其余补0，使该算子总和为0。
[0081] 上述卷积运算指，用该算子中屯、覆盖在图像高亮点上，求出算子与图像对应点灰 度值的点积和，即为该中屯、点的卷积结果。
[0082] 步骤S202:获取卷积值大的点坐标，根据所述点坐标周围灰度分布判断所述点坐 标是否为光斑点。
[0083] 获取卷积值大的点坐标，由于光斑大小问题，卷积可能会定位错误，还需要对运些 点分析其周围灰度分布，若外围有一圈灰度值低的点，而中屯、灰度值高，就判断确实为光 斑。
[0084] 下面对获取虹膜的内边界点的过程进行详细描述，请参照图3获取虹膜的内边界 点的流程图，该过程包括：
[0085] 步骤S301:对极坐标展开的图像进行canny边缘检测，每个径向获取最近的边缘坐 标点；
[0086] 步骤S302:计算所述边缘坐标点处的径向梯度值：
[0087] Grad(x,y) = I(x+l ,y)-I(x-l ,y)；
[0088] 根据瞳孔到虹膜的梯度一致性特征，排除噪声点边界点，获取所述虹膜的内边界 点。
[0089] 根据瞳孔到虹膜的梯度一致性原理，边缘点的梯度值近似相等，可W有效排除睫 毛、边缘断裂、未能填充完全的光斑边缘等噪声边界点。
[0090] 在上述实施例的基础上，如图4获取虹膜的外边界点的流程图所示，该过程包括：
[0091] 步骤S401:计算瞳孔半径外，径向[0,60]w及[120，180]的梯度值6脚(1^，7)，记录 下所述梯度值的最大值GradMax (X，y) W及对应位置的坐标(X，y);
[0092] 步骤S402:计算连续预设数量化+1的点的灰度平均值：
[0093]
[0094] 具体地，可计算每个坐标点I (X，y)径向连续11个点的灰度平均值：
[0095]
[0096] 步骤S403: W Ie为口限，对所述预设数量的点进行二值化：
[0097]
[0098] 具体地，对该11个点二值化，
[0099]
[0100] 步骤S404:根据虹膜到巩膜的灰度值渐变的特征，通过当i >0时B(x+i，y) = 1来排 除噪声边界，W获取正确的边界坐标(x，y);
[0101] 由于虹膜到巩膜的灰度值是渐变过程，即正确的边缘点满足当i<〇时B(x+i，y) = 0，当i>0时B(x+i，y) = 1，W此排除噪声边界获取正确的边界坐标(x，y)。
[0102] 步骤S405:在所述正确的边界坐标左右径向捜索满足梯度一致W及灰度渐进的坐 标点，每个径向选取距离正确的边界坐标最近的坐标点作为新的边界点，进行迭代，直到满 足预设条件为止。
[0103] 预设条件可W具体为:360度都找遍或没有新的边界点。
[0104] 步骤通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边界进行拟 合可W具体为：
[0105] 通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界W及外边界进行拟 厶 1=1 〇
[0106] 下面对通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界进行拟合的 过程进行进一步描述，如图5对虹膜的内边界进行拟合的过程流程图所示，该过程包括：
[0107] 步骤S501:计算所述光斑点坐标到所述内边界点的距离值，计算所述距离值的方 差；
[0108] 根据步骤S102获取的光斑坐标点W及步骤S104获取的内边界点坐标，计算光斑坐 标到内边界点的距离，计算运些距离值的方差。
[0109] 步骤S502:采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取 圆屯、；
[0110] 由于边界符合圆结构，越靠近瞳孔圆屯、，该距离值得方差越小，即该方差是一个凸 函数。运用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次即可到达圆屯、。
[0111] 步骤S503:获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算 仍。其中，m为各内边界点到圆屯、的距离，r功半径，ωι功该边界点投票权值；
[0112] 步骤S504:记录当Σ ωη最大时的ri，确定为内圆半径。
[0113] 同理，如图6对虹膜的外边界进行拟合的过程流程图所示，对虹膜的外边界进行拟 合的过程具体包括：
[0114] 步骤S601:计算瞳孔中屯、坐标到所述外边界点的距离值，计算所述距离值的方差；
[0115] 步骤S602:采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取 圆屯、；
[0116] 步骤S603:获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算 其中，r。为各外边界点到圆屯、的距离，。为半径，。口为该边界点投票权值；
[0117] 步骤S604:记录当Σ ω?2最大时的K，确定为外圆半径。
[0118] 本发明提供的虹膜定位方法对低质量虹膜图像的快速鲁棒定位具有重要意义，其 优点如下：
[0119] (1)本发明充分利用瞳孔内光斑特性，极快的粗定位瞳孔位置，为其后的内边缘定 位提供初始中屯、；
[0120] (2)本发明利用瞳孔到虹膜的梯度一致性原理能够有效排除睫毛虹膜纹理等噪声 边界，精确定位虹膜内边界点，精确的边界点有利于其后的霍夫变换拟合；
[0121] (3)本发明利用最小方差法，能够快速捜索到瞳孔中屯、，将霍夫变换的Ξ维参数空 间降为一维，极快的加速霍夫变换；
[0122] (4)本发明提出的权重霍夫变换能够实现边界点的全局拟合，而传统霍夫变换只 对落在同一个圆周上的点才会被 考虑，其它边界点则被忽略，易形成局部拟合；
[0123] (5)本发明利用虹膜到巩膜的灰度渐变原理和边缘梯度一致性，解决了低对比度 的虹膜图像外边缘获取困难的问题；
[0124] (6)本发明所采用的梯度一致性和灰度渐变性都是虹膜本身固有特性，可W广泛 应用于各种虹膜识别系统。
[0125] 下面对本发明实施例提供的虹膜定位装置进行介绍，下文描述的虹膜定位装置与 上文描述的虹膜定位方法可相互对应参照。
[0126] 图7为本发明实施例提供的虹膜定位装置的结构框图，参照图7虹膜定位装置可W 包括：
[0127] 获取模块100，用于获取虹膜图像；
[0128] 检测模块200，用于对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0129] 预处理模块300,用于根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[0130] 第一获取模块400,用于根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界 占 .
[0131] 第二获取模块500,用于基于灰度渐变W及梯度一致性特征，获取虹膜的外边界 占 . '?、、，
[0132] 定位模块600,用于通过所述内边界点与所述外边界点，对所述虹膜的内边界W及 外边界进行拟合，W完成对所述虹膜的定位。
[0133] 本发明所提供的虹膜定位装置，通过获取虹膜图像;对虹膜图像进行光斑检测，得 到虹膜图像的光斑点；根据检测到的光斑点对虹膜图像进行预处理操作;根据瞳孔到虹膜 的梯度一致性特征，获取虹膜的内边界点;基于灰度渐变W及梯度一致性特征，获取虹膜的 外边界点;并根据内边界点与外边界点，对虹膜的内边界W及外边界进行拟合，W完成对虹 膜的定位。本发明所提供的虹膜定位装置，能够快速准确地定位虹膜的内外边缘，有效地解 决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹配提供准确的 虹膜定位结果。
[0134] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它 实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装 置而言，由于其与实施例公开的方法相对应，所W描述的比较简单，相关之处参见方法部分 说明即可。
[0135] 专业人员还可W进一步意识到，结合本文中所公开的实施例描述的各示例的单元 及算法步骤，能够W电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和 软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。运些 功能究竟W硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业 技术人员可W对每个特定的应用来使用不同方法来实现所描述的功能，但是运种实现不应 认为超出本发明的范围。
[0136] 结合本文中所公开的实施例描述的方法或算法的步骤可W直接用硬件、处理器执 行的软件模块，或者二者的结合来实施。软件模块可W置于随机存储器(RAM)、内存、只读存 储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术 领域内所公知的任意其它形式的存储介质中。
[0137] W上对本发明所提供的虹膜定位方法W及装置进行了详细介绍。本文中应用了具 体个例对本发明的原理及实施方式进行了阐述，W上实施例的说明只是用于帮助理解本发 明的方法及其核屯、思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明 原理的前提下，还可w对本发明进行若干改进和修饰，运些改进和修饰也落入本发明权利 要求的保护范围内。
【主权项】
1. 一种虹膜定位方法，其特征在于，包括： 获取虹膜图像； 对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点； 根据检测到的所述光斑点对所述虹膜图像进行预处理操作； 根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点； 基于灰度渐变以及梯度一致性特征，获取虹膜的外边界点； 通过所述内边界点与所述外边界点，对所述虹膜的内边界以及外边界进行拟合，以完 成对所述虹膜的定位。2. 如权利要求1所述的虹膜定位方法，其特征在于，所述对所述虹膜图像进行光斑检 测，得到所述虹膜图像的光斑点包括： 通过预设的光斑检测算子，对所述虹膜图像的灰度值高点进行卷积运算； 获取卷积值大的点坐标，根据所述点坐标周围灰度分布判断所述点坐标是否为光斑 点。3. 如权利要求2所述的虹膜定位方法，其特征在于，所述预设的光斑检测算子为半径为 4的圆盘，取值为正，外围取值为负，其余位置补零，使得所述光斑检测算子总和为零。4. 如权利要求1所述的虹膜定位方法，其特征在于，所述根据检测到的所述光斑点对所 述虹膜图像进行预处理操作包括： 根据所述光斑点裁剪所述虹膜图像； 对所述虹膜图像进行形态学腐蚀和重建运算； 以所述光斑点的坐标为中心，进行极坐标展开。5. 如权利要求4所述的虹膜定位方法，其特征在于，所述根据瞳孔到虹膜的梯度一致性 特征，获取虹膜的内边界点包括： 对极坐标展开的图像进行边缘检测，每个径向获取最近的边缘坐标点； 计算所述边缘坐标点处的径向梯度值： Grad(x,y) = I(x+l ,y)-I(x-l ,y)； 根据瞳孔到虹膜的梯度一致性特征，排除噪声点边界点，获取所述虹膜的内边界点。6. 如权利要求4所述的虹膜定位方法，其特征在于，所述基于灰度渐变以及梯度一致性 特征，获取虹膜的外边界点包括： 计算瞳孔半径外，径向[0,60]以及[120,180]的梯度值Grad(x，y)，记录下所述梯度值 的最大值GradMax (X，y)以及对应位置的坐标(X，y); 计算连续预设数量2n+l的点的灰度平均值：以Ie为门限，对所述预设数量的点进行二值化：根据虹膜到巩膜的灰度值渐变的特征，通过当i>〇时B(x+i，y) = l来排除噪声边界，以 获取正确的边界坐标(x，y); 在所述正确的边界坐标左右径向搜索满足梯度一致以及灰度渐进的坐标点，每个径向 选取距离正确的边界坐标最近的坐标点作为新的边界点，进行迭代，直到满足预设条件为 止。7. 如权利要求4所述的虹膜定位方法，其特征在于，所述通过所述内边界点与所述外边 界点，对所述虹膜的内边界以及外边界进行拟合包括： 通过最小方差法以及权值霍夫变换方法，对所述虹膜的内边界以及外边界进行拟合。8. 如权利要求7所述的虹膜定位方法，其特征在于，通过最小方差法以及权值霍夫变换 方法，对所述虹膜的内边界进行拟合包括： 计算所述光斑点坐标到所述内边界点的距离值，计算所述距离值的方差； 采用随机梯度下降法，使中心朝方差最小的方向移动，迭代多次以获取圆心； 获取圆心后，通过霍夫变换将三维空间变为一维，调整半径，计算其中，m 为各内边界点到圆心的距离，^为半径，CO11为该边界点投票权值； 记录当Σ ω u最大时的ri，确定为内圆半径。9. 如权利要求7所述的虹膜定位方法，其特征在于，通过最小方差法以及权值霍夫变换 方法，对所述虹膜的外边界进行拟合包括： 计算瞳孔中心坐标到所述外边界点的距离值，计算所述距离值的方差； 采用随机梯度下降法，使中心朝方差最小的方向移动，迭代多次以获取圆心； 获取圆心后，通过霍夫变换将三维空间变为一维，调整半径，计算其中，rl2 为各外边界点到圆心的距离，^为半径，ωι2为该边界点投票权值； 记录当Σ ω i2最大时的Γ2,确定为外圆半径。 10 . -种虹膜定位装置，其特征在于，包括： 获取模块，用于获取虹膜图像； 检测模块，用于对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点； 预处理模块，用于根据检测到的所述光斑点对所述虹膜图像进行预处理操作； 第一获取模块，用于根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点； 第二获取模块，用于基于灰度渐变以及梯度一致性特征，获取虹膜的外边界点； 定位模块，用于通过所述内边界点与所述外边界点，对所述虹膜的内边界以及外边界 进行拟合，以完成对所述虹膜的定位。
【专利摘要】本发明公开了一种虹膜定位方法及装置，该方法包括：获取虹膜图像；对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；根据检测到的所述光斑点对所述虹膜图像进行预处理操作；根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点；基于灰度渐变以及梯度一致性特征，获取虹膜的外边界点；通过所述内边界点与所述外边界点，对所述虹膜的内边界以及外边界进行拟合，以完成对所述虹膜的定位。本发明所提供的虹膜定位方法及装置，能够快速准确地定位虹膜的内外边缘，有效地解决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹配提供准确的虹膜定位结果。
【IPC分类】G06K9/00
【公开号】CN105488487
【申请号】CN201510905787
【发明人】汪子云, 周凯
【申请人】湖北润宏科技有限公司
【公开日】2016年4月13日
【申请日】2015年12月9日
【技术领域】
[0001 ]本发明设及图像处理技术领域，特别是设及一种虹膜定位方法及装置。
【背景技术】
[0002] 生物特征识别技术因准确率高、不会遗忘或丢失、不易伪造或被盗、随身携带，使 用便捷而得到广泛应用。在生物特征识别技术中，指纹容易伪造和盗取，人脸易受伤病和自 身成长变化。大量科学研究表明虹膜作为一种重要的生物特征，具有唯一性、稳定性、可采 集性、非侵犯性等优点。运些优点使得虹膜识别特别适用于需要身份认证的场所。
[0003] 虹膜识别系统流程是：图像采集，图像预处理，特征提取编码，匹配认证。其中虹膜 定位是虹膜图像预处理过程中的重要环节，准确定位出虹膜的有效区域是后续过程顺利进 行的基础。由于采集装置受硬件、光照环境的限制，获取的虹膜图像往往受到不同的干扰， 如细节模糊、对比度低、人眼闭塞等，运些都给虹膜定位造成困难。
[0004] 经典的虹膜定位方法都是基于圆结构，如基于梯度的化ugman的积分微分环、基于 边界点的Wi Ides的化U曲变换法、最小二乘算法、Pul l&Push算法。
[0005] 积分微分环是利用计算整个圆周梯度积分的最大值来定位虹膜边缘，Hou曲变换 圆检测算法是捜索参数空间内同一半径下获得投票数最多圆屯、从而定位虹膜边缘，最小二 乘法是利用边界点与圆结构的误差最小定位虹膜，Pull&Push算法是利用胡克定律形成的 弹性力，通过多次迭代到达圆屯、来定位虹膜。
[0006] 虽然W上方法在虹膜定位上都取得不错的效果，但都存在很多缺陷，其中积分微 分环计算效率低，易受遮挡和光照的影响;Hou曲变换对非圆边界拟合易发生错误定位且计 算速度慢，时间复杂度高;最小二乘拟合和Pull&Push对边界点的选取要求高，不适用于低 质量噪声虹膜图像定位。
[0007] 综上所述，现有虹膜定位算法仍然存在很大的改进余地，如何实现快速精确鲁棒 的虹膜定位依然是一个亟待解决的难题。
【发明内容】
[000引本发明的目的是提供一种虹膜定位方法及装置，目的在于解决现有技术中不能快 速精确对虹膜进行定位的问题。
[0009]为解决上述技术问题，本发明提供一种虹膜定位方法，包括：
[0010]获取虹膜图像；
[0011] 对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0012] 根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[001引根据瞳孔至赃膜的梯度一致性特征，获取虹膜的内边界点；
[0014] 基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0015] 通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边界进行拟合， W完成对所述虹膜的定位。
[0016] 可选地，所述对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点包括：
[0017] 通过预设的光斑检测算子，对所述虹膜图像的灰度值高点进行卷积运算；
[0018] 获取卷积值大的点坐标，根据所述点坐标周围灰度分布判断所述点坐标是否为光 斑点。
[0019] 可选地，所述预设的光斑检测算子为半径为4的圆盘，取值为正，外围取值为负，其 余位置补零，使得所述光斑检测算子总和为零。
[0020] 可选地，所述根据检测到的所述光斑点对所述虹膜图像进行预处理操作包括：
[0021 ]根据所述光斑点裁剪所述虹膜图像；
[0022] 对所述虹膜图像进行形态学腐蚀和重建运算；
[0023] W所述光斑点的坐标为中屯、，进行极坐标展开。
[0024] 可选地，所述根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点包括：
[0025] 对极坐标展开的图像进行边缘检测，每个径向获取最近的边缘坐标点；
[0026] 计算所述边缘坐标点处的径向梯度值：
[0027] Grad(x,y) = I(x+l ,y)-I(x-l ,y)；
[0028] 根据瞳孔到虹膜的梯度一致性特征，排除噪声点边界点，获取所述虹膜的内边界 点。
[0029] 可选地，所述基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点包括：
[0030] 计算瞳孔半径外，径向[0,60]w及[120，180]的梯度值6阿(1^，7)，记录下所述梯 度值的最大值GradMax (X，y) W及对应位置的坐标(X，y);
[0031] 计算连续预设数量化+1的点的灰度平均值：
[0032] W Ie为口限，对所述预设数量的点进行二值化：
[0033]
[0034] 根据虹膜到巩膜的灰度值渐变的特征，通过当i>0时B(x+i，y) = l来排除噪声边 界，W获取正确的边界坐标(x，y);
[0035] 在所述正确的边界坐标左右径向捜索满足梯度一致W及灰度渐进的坐标点，每个 径向选取距离正确的边界坐标最近的坐标点作为新的边界点，进行迭代，直到满足预设条 件为止。
[0036] 可选地，所述通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边 界进行拟合包括：
[0037] 通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界W及外边界进行拟 合。
[0038] 可选地，通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界进行拟合 包括：
[0039] 计算所述光斑点坐标到所述内边界点的距离值，计算所述距离值的方差；
[0040] 采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取圆屯、；
[0041] 获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算峭=e+"4||;其 中，rii为各内边界点到圆屯、的距离，ri为半径，ωη为该边界点投票权值；
[0042] 记录当Σ ωη最大时的ri，确定为内圆半径。
[0043] 可选地，通过最小方差法W及权值霍夫变换方法，对所述虹膜的外边界进行拟合 包括：
[0044] 计算瞳孔中屯、坐标到所述外边界点的距离值，计算所述距离值的方差；
[0045] 采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取圆屯、；
[0046] 获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算巧。;其 中，如为各外边界点到圆屯、的距离，η为半径，ω?2为该边界点投票权值；
[0047] 记录当Σ ω i2最大时的Γ2,确定为外圆半径。
[004引本发明还提供了一种虹膜定位装置，包括：
[0049] 获取模块，用于获取虹膜图像；
[0050] 检测模块，用于对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0051] 预处理模块，用于根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[0052] 第一获取模块，用于根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点；
[0053] 第二获取模块，用于基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0054] 定位模块，用于通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外 边界进行拟合，W完成对所述虹膜的定位。
[0055] 本发明所提供的虹膜定位方法及装置，通过获取虹膜图像;对虹膜图像进行光斑 检测，得到虹膜图像的光斑点;根据检测到的光斑点对虹膜图像进行预处理操作;根据瞳孔 到虹膜的梯度一致性特征，获取虹膜的内边界点;基于灰度渐变W及梯度一致性特征，获取 虹膜的外边界点；并通过内边界点与外边界点，对虹膜的内边界W及外边界进行拟合，W完 成对虹膜的定位。本发明所提供的虹膜定位方法及装置，能够快速准确地定位虹膜的内外 边缘，有效地解决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹 配提供准确的虹膜定位结果。
【附图说明】
[0056] 为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有 技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根 据运些附图获得其他的附图。
[0057] 图1为本发明所提供的虹膜定位方法的一种【具体实施方式】的流程图；
[005引图2为本发明实施例提供的虹膜定位方法中光斑检测的流程图；
[0059] 图3为本发明实施例提供的虹膜定位方法中获取虹膜的内边界点的流程图；
[0060] 图4为本发明实施例提供的虹膜定位方法中获取虹膜的外边界点的流程图；
[0061] 图5为本发明实施例提供的虹膜定位方法中对虹膜的内边界进行拟合的过程流程 图；
[0062 ] 图6为本发明实施例提供的虹膜定位方法中对虹膜的外边界进行拟合的过程流程 图；
[0063] 图7为本发明实施例提供的虹膜定位装置的结构框图。
【具体实施方式】
[0064] 虹膜识别系统通过对成像装置获取的虹膜图像，分割出有效虹膜区域，与数据库 中的虹膜图像匹配，完成对用户身份的验证。本发明的核屯、是提供了一种虹膜定位方法及 装置。
[0065] 为了使本技术领域的人员更好地理解本发明方案，下面结合附图和【具体实施方式】 对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提 下所获得的所有其他实施例，都属于本发明保护的范围。
[0066] 本发明所提供的虹膜定位方法的一种【具体实施方式】的流程图如图1所示，该方法 包括：
[0067] 步骤S101:获取虹膜图像；
[0068] 步骤S102:对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0069] 步骤S103:根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[0070] 具体地，对虹膜图像进行预处理的过程可W为：
[0071] 根据所述光斑点裁剪所述虹膜图像;如在光斑坐标取半径150的方框可W正确裁 剪图像。
[0072] 对所述虹膜图像进行形态学腐蚀和重建运算;如选择腐蚀窗口为半径为8的圆盘， 然后对图像进行重建，可W填充光斑。
[0073] W所述光斑点的坐标为中屯、，进行极坐标展开。
[0074] 步骤S104:根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点；
[0075] 步骤S105:基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0076] 步骤S106:通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边界 进行拟合，W完成对所述虹膜的定位。
[0077] 本发明所提供的虹膜定位方法，通过获取虹膜图像;对虹膜图像进行光斑检测，得 到虹膜图像的光斑点；根据检测到的光斑点对虹膜图像进行预处理操作;根据瞳孔到虹膜 的梯度一致性特征，获取虹膜的内边界点;基于灰度渐变W及梯度一致性特征，获取虹膜的 外边界点;并根据内边界点与外边界点，对虹膜的内边界W及外边界进行拟合，W完成对虹 膜的定位。本发明所提供的虹膜定位方法，能够快速准确地定位虹膜的内外边缘，有效地解 决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹配提供准确的 虹膜定位结果。
[0078] 通常虹膜识别系统用红外光作为光源，具有夜视、无刺激等优势，但红外Lm)会在 瞳孔内行成光斑，该光斑会影响后续定位。下面对光斑检测的过程进行进一步说明，如图2 光斑检测的流程图所示，该过程包括：
[0079] 步骤S201:通过预设的光斑检测算子，对所述虹膜图像的灰度值高点进行卷积运 算；
[0080] 具体地，预设的光斑检测算子可W为大小为11 XII，最外围为负值，内嵌半径为5 的圆盘，值为正，其余补0，使该算子总和为0。
[0081] 上述卷积运算指，用该算子中屯、覆盖在图像高亮点上，求出算子与图像对应点灰 度值的点积和，即为该中屯、点的卷积结果。
[0082] 步骤S202:获取卷积值大的点坐标，根据所述点坐标周围灰度分布判断所述点坐 标是否为光斑点。
[0083] 获取卷积值大的点坐标，由于光斑大小问题，卷积可能会定位错误，还需要对运些 点分析其周围灰度分布，若外围有一圈灰度值低的点，而中屯、灰度值高，就判断确实为光 斑。
[0084] 下面对获取虹膜的内边界点的过程进行详细描述，请参照图3获取虹膜的内边界 点的流程图，该过程包括：
[0085] 步骤S301:对极坐标展开的图像进行canny边缘检测，每个径向获取最近的边缘坐 标点；
[0086] 步骤S302:计算所述边缘坐标点处的径向梯度值：
[0087] Grad(x,y) = I(x+l ,y)-I(x-l ,y)；
[0088] 根据瞳孔到虹膜的梯度一致性特征，排除噪声点边界点，获取所述虹膜的内边界 点。
[0089] 根据瞳孔到虹膜的梯度一致性原理，边缘点的梯度值近似相等，可W有效排除睫 毛、边缘断裂、未能填充完全的光斑边缘等噪声边界点。
[0090] 在上述实施例的基础上，如图4获取虹膜的外边界点的流程图所示，该过程包括：
[0091] 步骤S401:计算瞳孔半径外，径向[0,60]w及[120，180]的梯度值6脚(1^，7)，记录 下所述梯度值的最大值GradMax (X，y) W及对应位置的坐标(X，y);
[0092] 步骤S402:计算连续预设数量化+1的点的灰度平均值：
[0093]
[0094] 具体地，可计算每个坐标点I (X，y)径向连续11个点的灰度平均值：
[0095]
[0096] 步骤S403: W Ie为口限，对所述预设数量的点进行二值化：
[0097]
[0098] 具体地，对该11个点二值化，
[0099]
[0100] 步骤S404:根据虹膜到巩膜的灰度值渐变的特征，通过当i >0时B(x+i，y) = 1来排 除噪声边界，W获取正确的边界坐标(x，y);
[0101] 由于虹膜到巩膜的灰度值是渐变过程，即正确的边缘点满足当i<〇时B(x+i，y) = 0，当i>0时B(x+i，y) = 1，W此排除噪声边界获取正确的边界坐标(x，y)。
[0102] 步骤S405:在所述正确的边界坐标左右径向捜索满足梯度一致W及灰度渐进的坐 标点，每个径向选取距离正确的边界坐标最近的坐标点作为新的边界点，进行迭代，直到满 足预设条件为止。
[0103] 预设条件可W具体为:360度都找遍或没有新的边界点。
[0104] 步骤通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边界进行拟 合可W具体为：
[0105] 通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界W及外边界进行拟 厶 1=1 〇
[0106] 下面对通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界进行拟合的 过程进行进一步描述，如图5对虹膜的内边界进行拟合的过程流程图所示，该过程包括：
[0107] 步骤S501:计算所述光斑点坐标到所述内边界点的距离值，计算所述距离值的方 差；
[0108] 根据步骤S102获取的光斑坐标点W及步骤S104获取的内边界点坐标，计算光斑坐 标到内边界点的距离，计算运些距离值的方差。
[0109] 步骤S502:采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取 圆屯、；
[0110] 由于边界符合圆结构，越靠近瞳孔圆屯、，该距离值得方差越小，即该方差是一个凸 函数。运用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次即可到达圆屯、。
[0111] 步骤S503:获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算 仍。其中，m为各内边界点到圆屯、的距离，r功半径，ωι功该边界点投票权值；
[0112] 步骤S504:记录当Σ ωη最大时的ri，确定为内圆半径。
[0113] 同理，如图6对虹膜的外边界进行拟合的过程流程图所示，对虹膜的外边界进行拟 合的过程具体包括：
[0114] 步骤S601:计算瞳孔中屯、坐标到所述外边界点的距离值，计算所述距离值的方差；
[0115] 步骤S602:采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取 圆屯、；
[0116] 步骤S603:获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算 其中，r。为各外边界点到圆屯、的距离，。为半径，。口为该边界点投票权值；
[0117] 步骤S604:记录当Σ ω?2最大时的K，确定为外圆半径。
[0118] 本发明提供的虹膜定位方法对低质量虹膜图像的快速鲁棒定位具有重要意义，其 优点如下：
[0119] (1)本发明充分利用瞳孔内光斑特性，极快的粗定位瞳孔位置，为其后的内边缘定 位提供初始中屯、；
[0120] (2)本发明利用瞳孔到虹膜的梯度一致性原理能够有效排除睫毛虹膜纹理等噪声 边界，精确定位虹膜内边界点，精确的边界点有利于其后的霍夫变换拟合；
[0121] (3)本发明利用最小方差法，能够快速捜索到瞳孔中屯、，将霍夫变换的Ξ维参数空 间降为一维，极快的加速霍夫变换；
[0122] (4)本发明提出的权重霍夫变换能够实现边界点的全局拟合，而传统霍夫变换只 对落在同一个圆周上的点才会被 考虑，其它边界点则被忽略，易形成局部拟合；
[0123] (5)本发明利用虹膜到巩膜的灰度渐变原理和边缘梯度一致性，解决了低对比度 的虹膜图像外边缘获取困难的问题；
[0124] (6)本发明所采用的梯度一致性和灰度渐变性都是虹膜本身固有特性，可W广泛 应用于各种虹膜识别系统。
[0125] 下面对本发明实施例提供的虹膜定位装置进行介绍，下文描述的虹膜定位装置与 上文描述的虹膜定位方法可相互对应参照。
[0126] 图7为本发明实施例提供的虹膜定位装置的结构框图，参照图7虹膜定位装置可W 包括：
[0127] 获取模块100，用于获取虹膜图像；
[0128] 检测模块200，用于对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0129] 预处理模块300,用于根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[0130] 第一获取模块400,用于根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界 占 .
[0131] 第二获取模块500,用于基于灰度渐变W及梯度一致性特征，获取虹膜的外边界 占 . '?、、，
[0132] 定位模块600,用于通过所述内边界点与所述外边界点，对所述虹膜的内边界W及 外边界进行拟合，W完成对所述虹膜的定位。
[0133] 本发明所提供的虹膜定位装置，通过获取虹膜图像;对虹膜图像进行光斑检测，得 到虹膜图像的光斑点；根据检测到的光斑点对虹膜图像进行预处理操作;根据瞳孔到虹膜 的梯度一致性特征，获取虹膜的内边界点;基于灰度渐变W及梯度一致性特征，获取虹膜的 外边界点;并根据内边界点与外边界点，对虹膜的内边界W及外边界进行拟合，W完成对虹 膜的定位。本发明所提供的虹膜定位装置，能够快速准确地定位虹膜的内外边缘，有效地解 决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹配提供准确的 虹膜定位结果。
[0134] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它 实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装 置而言，由于其与实施例公开的方法相对应，所W描述的比较简单，相关之处参见方法部分 说明即可。
[0135] 专业人员还可W进一步意识到，结合本文中所公开的实施例描述的各示例的单元 及算法步骤，能够W电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和 软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。运些 功能究竟W硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业 技术人员可W对每个特定的应用来使用不同方法来实现所描述的功能，但是运种实现不应 认为超出本发明的范围。
[0136] 结合本文中所公开的实施例描述的方法或算法的步骤可W直接用硬件、处理器执 行的软件模块，或者二者的结合来实施。软件模块可W置于随机存储器(RAM)、内存、只读存 储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术 领域内所公知的任意其它形式的存储介质中。
[0137] W上对本发明所提供的虹膜定位方法W及装置进行了详细介绍。本文中应用了具 体个例对本发明的原理及实施方式进行了阐述，W上实施例的说明只是用于帮助理解本发 明的方法及其核屯、思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明 原理的前提下，还可w对本发明进行若干改进和修饰，运些改进和修饰也落入本发明权利 要求的保护范围内。
【主权项】
1. 一种虹膜定位方法，其特征在于，包括： 获取虹膜图像； 对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点； 根据检测到的所述光斑点对所述虹膜图像进行预处理操作； 根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点； 基于灰度渐变以及梯度一致性特征，获取虹膜的外边界点； 通过所述内边界点与所述外边界点，对所述虹膜的内边界以及外边界进行拟合，以完 成对所述虹膜的定位。2. 如权利要求1所述的虹膜定位方法，其特征在于，所述对所述虹膜图像进行光斑检 测，得到所述虹膜图像的光斑点包括： 通过预设的光斑检测算子，对所述虹膜图像的灰度值高点进行卷积运算； 获取卷积值大的点坐标，根据所述点坐标周围灰度分布判断所述点坐标是否为光斑 点。3. 如权利要求2所述的虹膜定位方法，其特征在于，所述预设的光斑检测算子为半径为 4的圆盘，取值为正，外围取值为负，其余位置补零，使得所述光斑检测算子总和为零。4. 如权利要求1所述的虹膜定位方法，其特征在于，所述根据检测到的所述光斑点对所 述虹膜图像进行预处理操作包括： 根据所述光斑点裁剪所述虹膜图像； 对所述虹膜图像进行形态学腐蚀和重建运算； 以所述光斑点的坐标为中心，进行极坐标展开。5. 如权利要求4所述的虹膜定位方法，其特征在于，所述根据瞳孔到虹膜的梯度一致性 特征，获取虹膜的内边界点包括： 对极坐标展开的图像进行边缘检测，每个径向获取最近的边缘坐标点； 计算所述边缘坐标点处的径向梯度值： Grad(x,y) = I(x+l ,y)-I(x-l ,y)； 根据瞳孔到虹膜的梯度一致性特征，排除噪声点边界点，获取所述虹膜的内边界点。6. 如权利要求4所述的虹膜定位方法，其特征在于，所述基于灰度渐变以及梯度一致性 特征，获取虹膜的外边界点包括： 计算瞳孔半径外，径向[0,60]以及[120,180]的梯度值Grad(x，y)，记录下所述梯度值 的最大值GradMax (X，y)以及对应位置的坐标(X，y); 计算连续预设数量2n+l的点的灰度平均值：以Ie为门限，对所述预设数量的点进行二值化：根据虹膜到巩膜的灰度值渐变的特征，通过当i>〇时B(x+i，y) = l来排除噪声边界，以 获取正确的边界坐标(x，y); 在所述正确的边界坐标左右径向搜索满足梯度一致以及灰度渐进的坐标点，每个径向 选取距离正确的边界坐标最近的坐标点作为新的边界点，进行迭代，直到满足预设条件为 止。7. 如权利要求4所述的虹膜定位方法，其特征在于，所述通过所述内边界点与所述外边 界点，对所述虹膜的内边界以及外边界进行拟合包括： 通过最小方差法以及权值霍夫变换方法，对所述虹膜的内边界以及外边界进行拟合。8. 如权利要求7所述的虹膜定位方法，其特征在于，通过最小方差法以及权值霍夫变换 方法，对所述虹膜的内边界进行拟合包括： 计算所述光斑点坐标到所述内边界点的距离值，计算所述距离值的方差； 采用随机梯度下降法，使中心朝方差最小的方向移动，迭代多次以获取圆心； 获取圆心后，通过霍夫变换将三维空间变为一维，调整半径，计算其中，m 为各内边界点到圆心的距离，^为半径，CO11为该边界点投票权值； 记录当Σ ω u最大时的ri，确定为内圆半径。9. 如权利要求7所述的虹膜定位方法，其特征在于，通过最小方差法以及权值霍夫变换 方法，对所述虹膜的外边界进行拟合包括： 计算瞳孔中心坐标到所述外边界点的距离值，计算所述距离值的方差； 采用随机梯度下降法，使中心朝方差最小的方向移动，迭代多次以获取圆心； 获取圆心后，通过霍夫变换将三维空间变为一维，调整半径，计算其中，rl2 为各外边界点到圆心的距离，^为半径，ωι2为该边界点投票权值； 记录当Σ ω i2最大时的Γ2,确定为外圆半径。 10 . -种虹膜定位装置，其特征在于，包括： 获取模块，用于获取虹膜图像； 检测模块，用于对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点； 预处理模块，用于根据检测到的所述光斑点对所述虹膜图像进行预处理操作； 第一获取模块，用于根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点； 第二获取模块，用于基于灰度渐变以及梯度一致性特征，获取虹膜的外边界点； 定位模块，用于通过所述内边界点与所述外边界点，对所述虹膜的内边界以及外边界 进行拟合，以完成对所述虹膜的定位。
【专利摘要】本发明公开了一种虹膜定位方法及装置，该方法包括：获取虹膜图像；对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；根据检测到的所述光斑点对所述虹膜图像进行预处理操作；根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点；基于灰度渐变以及梯度一致性特征，获取虹膜的外边界点；通过所述内边界点与所述外边界点，对所述虹膜的内边界以及外边界进行拟合，以完成对所述虹膜的定位。本发明所提供的虹膜定位方法及装置，能够快速准确地定位虹膜的内外边缘，有效地解决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹配提供准确的虹膜定位结果。
【IPC分类】G06K9/00
【公开号】CN105488487
【申请号】CN201510905787
【发明人】汪子云, 周凯
【申请人】湖北润宏科技有限公司
【公开日】2016年4月13日
【申请日】2015年12月9日
最新回复(0)