基于數學形態學的虹膜定位算法

摘要：針對現有的虹膜定位算法的局限性，提出了一種基于數學形態學的虹膜定位算法。內圓定位是利用二值圖像形態學的方法提取瞳孔的圓心和半徑。外圓的定位用形態學進行邊緣提取與Hough變換相結合，確定外圓圓心及半徑。實驗證明了該算法的合理性和有效性。

關鍵詞： 虹膜定位；數學形態學；Hough變換

中圖分類號：TP301文獻標識碼：A文章編號：1009-3044(2008)16-21282-02

An Algorithm of Iris Localization Based on Mathematical Morphology

WANG Ya-ru，LUO Sheng-xian

(College of Information Engineering， Chengdu University of Technology，Chengdu 610059， China)

Abstract:Aiming at the limit of location algorithm ， a method of the iris localization based on the Mathematical Morphology is proposed .A morphological method for the binary images is used to extract the center of pupil and estimate its radius. The method of edge detection based on Mathematical Morphology and Hough transform is used to locate the outer edge of the iris. The experimental results show that our algorithm is rational and feasible.

Key words：Iris location，mathematical morphology，Hough Transform

1 引言

虹膜識別技術是目前嶄新的一種基于生物特征的身份識別技術。虹膜是人眼中位于瞳孔和鞏膜之間的近似圓環狀的區域，具有穩定性，唯一性和非侵犯性等特點。虹膜識別包括：虹膜的定位，特征提取和模式匹配。虹膜的定位是指找出虹膜的內外邊緣，它是虹膜識別過程中的關鍵環節，準確的虹膜定位是獲取虹膜特征從而進行識別的前提。

在目前國內外的虹膜識別系統中，比較通用的算法有Daugman識別算法[1]和Wiides識別算法[2]。Daugman提出了一種基于活動圓模型板匹配的定位算法，Wiides提出的是二維高斯算子與邊緣檢測算子相結合的Hough變換算法。這兩種算法雖然都取得了良好的定位效果，但都需要進行三維空間搜索，定位速度慢。為了提高定位速度，本文提出了基于形態學方法的虹膜定位算法。

2 虹膜定位

2.1 內邊緣的定位

一般而言，在采集到的眼圖中，虹膜灰度值比鞏膜灰度值小，而瞳孔灰度值比虹膜灰度值小。根據這一規律，本文提出了一種快速的內邊緣定位算法。

2.1.1 分離瞳孔區域

依據瞳孔灰度值最小的特點，采用二值化的方法粗略的把瞳孔分離出來。首先通過計算圖像的直方圖，設定一個閾值T將圖像轉化為二值圖像，如圖1(a)所示，然后將原始圖像中的像素點灰度值大于T的，其值置為255，反之置為0。

2.1.2 去除二值圖像中的干擾

如圖1(a)所示，在二值化后的圖像中，仍然存在著濃密的睫毛部分。利用形態學的方法對圖像進行處理。首先通過膨脹的方法把虹膜圖像中的眼睫毛等干擾去掉，然后再通過腐蝕的方法把膨脹過程中膨脹過的區域腐蝕掉。算法公式為：

■

式中，F為待處理的二值化圖像，S為結構元素。經過去除睫毛處理后的二值圖像仍然保留了瞳孔的形狀，如圖1(b)所示。

圖1 瞳孔分離與去噪處理

2.1.3 確定內圓的圓心和半徑

在去掉睫毛和噪聲的二值圖像中，只有分離出來的瞳孔。因此通過對瞳孔部分的像素所有的橫、縱坐標分別求和再取平均，即求出瞳孔部分的質心，就得到瞳孔的圓心坐標(a0，b0)。由于分離出來的瞳孔是黑色，背景是白色，可以利用這一特點只需搜索出灰度變化的點就是瞳孔的邊緣，求出圓心到邊緣的距離得到內圓的半徑r0。

2.2 外邊界的定位

外邊界定位通過形態學算法和Hough變換來實現。

2.2.1 前期濾波

由于拍攝到的虹膜圖像存在著一定的光學噪聲和電子學噪聲，這些孤立的噪聲在邊緣檢測前應先去除，以免影響邊緣檢測的精度。本文采用的是形態濾波器。數學形態中的開-閉形態濾波器是用一個結構元素對原始圖像串聯地使用開、閉操作，可以將圖像中比結構元素小的游離噪聲濾除。開-閉形態濾波器常用的一個結構元素為

一般來說，對于灰度值較高的圖像，針對亮細節較多的特點應采用先開啟后閉合的串聯方式；對于灰度值較低的圖像，其暗細節較多，則應采用先閉合后開啟的串聯方式。

針對本文虹膜圖像灰度值較高的特點，采用先開啟后閉合的方式使用交替順序濾波去除噪聲和平滑圖像。首先對輸入圖像實行開啟運算，消除或減弱與結構元素相比尺寸較小的亮細節，然后對開啟的結構實施閉合運算，可以消除與結構元素相比尺寸較小的暗細節，而保持圖像整體灰度值和大的暗區域基本不受影響。未經過處理的虹膜圖像如圖2(a)所示，經形態濾波器濾波后的圖像如圖2(b)所示。濾波結果表明，圖像中的孤立亮點噪聲顯著減弱。

圖2虹膜圖像的形態濾波處理效果

2.2.2 邊緣提取

將經過形態濾波器濾波后的圖像二值化，然后采用4-連接邊沿進行邊緣提取。也就是如果該像素的值為1，其鄰域中至少有一個像素是非零的，那么該點就可以作為邊沿點。這樣可以減少Hough變換搜索過程的盲目性。邊緣提取后的圖像如圖3所示。

2.2.3 用Hongh變換確定外圓

Hough變換檢測圓的步驟：

設圓在直角坐標系的方程為：(x-a)2+(y-b)2=r2

1）把直角坐標下的方程轉換到極坐標下： a=x-r*cosθ，b=y-r*sinθ。

2）確立三維的參數矩陣A(a，b，r)。

3）遍歷邊緣提取后的圖像，循環搜索半徑r和θ角，并將相應的矩陣對應項A(a，b，r)加l，最后由A(a，b，r)的最大值確定外圓圓心坐標(a1，b1)和半徑r1。

由于虹膜內、外邊緣之間存在著耦合關系：■，r1-r0

3 實驗結果與算法比較

本實驗應用了中國科學研究院自動化研究所提供的CASIA1.0版本虹膜數據庫的圖像，并用MATLAB6.5編程實現了本文提出的算法，準確地定位出虹膜的內外邊界，如圖4所示，并在速度上有了一定的提高。

圖3 形態法邊緣檢測 圖4 虹膜內外邊緣的定位（下轉第1288頁）

（上接第1283頁）

本文算法與傳統的Hough算法的速度比較如表1所示，對虹膜內、外邊界定位速度提高的總效率約61%。

表1 不同算法的效率比較

4結束語

經過大量的實驗證明，與傳統的定位算法比較，本文利用形態學的算法來定位虹膜的內外邊緣，克服了傳統Hough變換計算量大的缺點，避免了搜索的盲目性，計算速度有顯著提高，同時在精度上也有一定的提高。

致謝：感謝中國科學研究院自動化研究所模式識別實驗室提供的虹膜數據庫。

參考文獻：

[1] DAUGMAN J.High confidential visual recognition by test of statis-tical independence[J].IEEE Trans.on Patern Analysis and Machine In-telligence，1993，15(11):1148-1161.

[2] WILDES R P.Automated iris recognition:an emerging biometric technology[J].Proceeding of the IEEE，1997，85(9):1348-1363.

[3] 王蘊紅，朱勇，譚鐵牛.基于虹膜識別的身份鑒別[J].自動化學報，2002，28(1):1-10.

[4] 王林，練秋生.虹膜定位算法研究[J].視頻技術應用與工程，2006，7:77-79.

[5] 鄭小梅，侯媛彬.一種新的虹膜定位方法.傳感技術學報，2007，20(1):217-219.

[6] 雷艷敏，黃秋元.基于數學形態學的圖像邊緣檢測. 武漢理工大學學報·信息與管理工程版2005，27(5):25-27.

[7] 中國科學自動化研究所.CASIA虹膜圖像[EB/OL].