适应复杂应用场景中低质量虹膜图像的虹膜分割方法.pdf

(19)中华人民共和国国家知识产权局*CN101923645A*(12)发明专利申请(10)申请公布号CNCN101923645101923645A(43)申请公布日2010.12.22(21)申请号200910072230.8(22)申请日2009.06.09(71)申请人黑龙江大学地址150080黑龙江省哈尔滨市南岗区学府路74号黑龙江大学计算机科学技术学院(72)发明人李培华刘晓敏(74)专利代理机构哈尔滨东方专利事务所23118代理人陈晓光(51)Int.Cl.G06K9/46(2006.01)G06K9/00(2006.01)权利要求书2页说明书8页附图6页(54)发明名称适应复杂应用场景中低质量虹膜图像的虹膜分割方法(57)摘要一种适应低质量虹膜图像的虹膜分割方法。现有技术无法对存在大量干扰和噪声的低质量虹膜图像进行鲁棒分割。本发明使用人眼检测算法初步确定人眼子图像，应用基于共生直方图和聚类的图像分割以及椭圆Hough变换更准确地确定人眼子图像；采用改进的Hough变换定位虹膜外轮廓并输出检测结果的积分微分算子值CID；如果虹膜外轮廓定位不准确通过对图像进行抛物线拟合判断是否是闭眼图像，对于非闭眼图像利用肤色信息重新确定虹膜外轮廓；采用一维信号检测和抛物线积分微分算子检测上眼睑，采用一维信号检测和RANSAC算法检测下眼睑，计算虹膜内部直方图并寻找阈值去除高亮点。本发明用于复杂应用场景中低质量虹膜图像的虹膜分割。CN10923645ACN101923645ACCNN110192364501923646A权利要求书1/2页1.一种适应复杂应用场景中低质量虹膜图像的虹膜分割方法，其特征是：使用基于AdaBoost算法的人眼检测器初步确定人眼子图像，然后进一步应用基于共生直方图和K-Means聚类的图像分割以及椭圆Hough变换更准确地确定人眼子图像，采用改进的Hough变换定位虹膜外轮廓并输出检测结果的积分微分算子值CID，如果虹膜外轮廓定位的不够准确通过对虹膜图像进行二值化、边缘检测和抛物线拟合判断是否是闭眼图像，对于非闭眼图像利用肤色信息重新确定虹膜外轮廓，最后采用一维信号检测算法和带约束的抛物线积分微分算子检测上眼睑，采用一维信号检测算法和RANSAC算法检测下眼睑，通过计算虹膜内部的直方图寻找阈值去除高亮点。2.根据权利要求1所述的适应复杂应用场景中低质量虹膜图像的虹膜分割方法，其特征是：所述的基于人眼检测算法初步确定人眼子图像，是基于AdaBoost算法学习人眼检测器，在虹膜图像中将眼睛区域提取出来。3.根据权利要求1或2所述的适应复杂应用场景中低质量虹膜图像的虹膜分割方法，其特征是：所述的基于共生直方图特征及K-Means聚类的图像分割和椭圆的Hough变换准确确定人眼子图像是采用自适应划分区间的共生直方图作为特征向量，基于K-Means聚类算法对步骤一得到的子图像进行分割，在分割后的图像中用Canny边缘检测方法生成边缘图像，然后用基于椭圆的Hough变换拟合眼睛轮廓从而产生更准确的包含眼睛的椭圆区域。4.根据权利要求3所述的适应复杂应用场景中低质量虹膜图像的虹膜分割方法，其特征是：所述的改进的基于圆的Hough变换确定虹膜外轮廓是指在得到的椭圆区域中用Canny边缘检测算法产生边缘图像，然后用基于圆的Hough变换确定虹膜外轮廓，使用Hough变换统计边缘点时，需要同时考虑边缘点的梯度方向，以提高确定虹膜外轮廓的准确性；由于Hough变换中像素统计个数最多的候选圆未必是真正对应虹膜的外轮廓，因此Hough变换得到的Top10候选圆中，将积分微分算子值最大的候选圆作为最佳的虹膜外轮廓，并输出积分微分算子值CID。5.根据权利要求4所述的适应复杂应用场景中低质量虹膜图像的虹膜分割方法，其特征是：所述的闭眼图像的判断是用外轮廓的积分微分算子值CID判断该图像是否为闭眼睛图像的候选图像，如果CID小于某个阈值，则为候选图像。6.根据权利要求4所述的适应复杂应用场景中低质量虹膜图像的虹膜分割方法，其特征是：如果认为通过权利要求3和4得到的虹膜外轮廓足够准确，无需重新检测；对于通过权利要求5得到的候选图像，需要进一步进行边缘检测、图像二值化和抛物线拟合，通过拟合的抛物线最终确定是否为闭眼图像，如果判断为闭眼图像，则虹膜分割过程结束。7.根据权利要求4所述的适应复杂应用场景中低质量虹膜图像的虹膜分割方法，其特征是：所述的基于肤色信息重新确定虹膜外轮廓是指：当通过权利要求5和6判断得知CID小于某个阈值而此时图像又非闭眼图像时，需要利用肤色信息再次确定虹膜外轮廓；通过肤色检测器检测肤色像素和非肤色像素，得到二值化图像，对二值图像进行膨胀后检测边缘，用Hough变换检测出包含眼睛的椭圆区域，之后用权利要求4描述的改进的基