專利名稱：人體虹膜紋理的分區域識別方法
技術領域：
本發明涉及的是一種圖像處理技術領域的方法，具體是一種根據人體虹膜的生理結構及其區域性紋理特性，而進行的人體虹膜紋理的分區域識別方法。
背景技術：
虹膜識別技術是利用人體虹膜紋理的終身不變性和個體差異性的特點來實現身份識別的。相對于其它生物特征，例如指紋、人臉、掌紋、語音等等來說，能夠具有更高的準確識別率。虹膜是位于眼睛黑色瞳孔和白色鞏膜之間的圓環狀部分，總體上呈現一種由里到外的輻射狀結構，由相當復雜的纖維組織構成，包含有很多相互交錯的類似于斑點、細絲、冠狀、條紋、隱窩等細節特征。虹膜識別技術就是依靠這些細節特征來進行身份識別的，所以如何有效地提取出虹膜紋理中的主要特征是整個虹膜識別系統中的關鍵問題。虹膜中央的圓孔為瞳孔，虹膜區域內距瞳孔緣約1.5mm處，有一環形鋸齒狀隆起，稱為虹膜卷縮輪，是虹膜小動脈環所在處。由卷縮輪將虹膜大致分為兩部分。靠近瞳孔的部分叫做虹膜瞳孔部；靠近虹膜根部的部分叫做虹膜睫狀體部。瞳孔部內因為有較多輻射狀條紋褶皺，在外觀上表現為虹膜紋理較細致并且豐富，是對虹膜識別貢獻較大的一個區域。在鋸齒狀的虹膜卷縮輪附近，多有塊狀隱窩存在，表現為較大塊的花紋。而最外層的虹膜睫狀體部紋理相對較平坦，是對虹膜識別貢獻最小的一個區域。而經過對現有技術的文獻檢索發現，虹膜紋理的特征提取方法基本上都是對整個虹膜區域歸一化后的區域利用數字濾波器或者其它圖像處理的手段進行處理。而這樣對整個虹膜區域的無差別的統一處理，就忽略了由于虹膜本身的生理構造而造成的外觀上的一些區域特征。
經對現有技術的文獻檢索發現，Hanho Sung等在ICPR 2004(IV857-860)(國際模式識別會議，第四卷857-860頁)上發表的文章“Iris Recognition UsingCollarette Boundary Localization”(利用卷縮輪的邊緣定位來進行虹膜識別)中提到，首先定位出卷縮輪邊緣的位置，然后只利用瞳孔邊緣和卷縮輪邊緣之間的那部分虹膜區域(對應虹膜瞳孔部)進行特征提取進而識別。但在實際應用中，由于卷縮輪并非規則的形狀，而且在許多情況下灰度上并不是特別突出，所以將卷縮輪的準確位置定位出來的難度非常大。如果在Hanho Sun提出的方法中，測試圖像或者目標圖像中卷縮輪定位錯誤，非但不會提高識別率，相反會使最終的準確識別率大大的降低。
發明內容
本發明的目的在于針對現有技術的不足，根據人體虹膜的生理結構所造成的虹膜外觀紋理的區域特點，提出一種人體虹膜紋理的分區域識別方法。使其提高虹膜識別的效率與準確率。
本發明是通過以下技術方案實現的，本發明將環形的虹膜區域從整幅虹膜圖像中定位出來后，根據人體虹膜的生理結構特征及其區域性紋理特性，將整個虹膜區域分為三個環狀不相交的子區域，從內向外分別對應虹膜瞳孔部、虹膜卷縮輪及周邊區域、虹膜睫狀體部。將最易受眼瞼和睫毛遮擋的部分去除后，利用Rubber-sheet模型分別歸一化為三個相同大小的矩形區域。接下來根據每個子區域的不同紋理特征，利用不同的方法進行特征提取及編碼；然后，分別與目標虹膜圖像相應的子區域的編碼相比對，得到三個子識別距離。在計算測試虹膜圖像與目標虹膜圖像的總體識別距離時，根據各個子區域對識別的貢獻，將得到的三個子識別距離賦予不同的權值，相加得到總體識別距離，進而得到最終識別結果。
本發明根據人體虹膜的生理結構，充分利用了虹膜瞳孔部、虹膜睫狀體部以及卷縮輪區域各自的紋理特點進行分別的特征提取，克服了對整個虹膜區域進行沒有差別的統一操作的不足，來更有效的提取虹膜的局部紋理特征，又避免了直接定位卷縮輪容易造成錯誤的缺點，達到在實際應用中提高虹膜識別的效率與準確識別率的目的。
圖1為人體虹膜示意2為本發明具體實施流程3為實際采集的虹膜圖像圖4為虹膜定位并劃分三個子區域后的圖像圖5為去除易受眼瞼和睫毛遮擋的部分后的有效區域圖6為各個子區域歸一化后的結果圖7為利用本發明與傳統方法所得到的類內、類間識別距離分布圖對比其中，(a)為傳統方法所得到的結果，(b)為本發明所得到的結果。
具體實施例方式
下面結合圖1所示的人體虹膜示意圖與圖2所示的流程圖，介紹人體虹膜分區域識別的具體實施步驟1、首先，利用積分微分算子(Integro-differential operator)在虹膜圖像中定位出虹膜的內外邊緣，設定位出的內外邊緣圓的半徑分別為r和R；2、將環形的虹膜區域劃分為幾個子區域。根據對虹膜的生理結構進行分析，并通過對多幅實際虹膜圖像的觀察得到，從瞳孔邊緣至虹膜根部由里向外劃分為不相交的三個區域最為合理，記為Z1、Z2和Z3。這樣三個區域可以分別對應虹膜瞳孔部、虹膜卷縮輪及周邊區域、虹膜睫狀體部。子區域Z1中的紋理特征是放射狀細致的紋理較豐富；子區域Z2中的紋理特征是由于卷縮輪與隱溝的存在而出現較大花紋的機率較大；子區域Z3中的紋理相對來說較平坦。
下面介紹如何劃分這三個子區域。正常人瞳孔直徑約為3-5mm，人眼的虹膜直徑約為10-12mm，經計算得出環形虹膜的內外邊緣直徑差約為5-9mm。而卷縮輪位于距內邊緣(瞳孔緣)約1.5mm處，所以只要將虹膜區域平均劃分為三個不相交的區域，卷縮輪基本上出現在位于中間位置的區域中。
另外，因為大部分情況下虹膜的內外邊緣圓并不同心，外圓基本上固定不變，而內圓(瞳孔緣)會隨外界環境發生縮放。所以在子區域的劃分中選擇以虹膜外邊緣圓的圓心作為基準圓心。這樣三個子區域所對應的內外邊緣圓的半徑分別為子區域Z1內半徑r；外半徑R-2×(R-r)/3子區域Z2內半徑R-2×(R-r)/3；外半徑R-(R-r)/3子區域Z3內半徑R-(R-r)/3；外半徑R
3、因為虹膜的最上部和最下部極易受到眼瞼和睫毛的遮擋，所以將子區域Z2和Z3中(π/4，3π/4)與(5π/4，7π/4)的部分去除不參與后續的特征提取與比對操作。
4、然后將這三個子區域余下的有效部分分別歸一化為矩形區域。因為虹膜的內外邊緣圓并不是同心圓，而在子區域的劃分時采用外邊緣圓的圓心作為基準圓心，所以Z2和Z3的內外邊緣圓是同心的，而子區域Z1的內外邊緣圓并不同心。但采用Daugman的Rubber-sheet模型依然能將其拉伸并歸一化為統一的矩形區域。
5、在歸一化后的三個區域內根據紋理特征分別用不同方法進行特征提取。例如，可以在不同區域上用不同尺度和方向的濾波器進行特征提取，并二值化局部相位信息進行編碼；然后分別與目標虹膜圖像相應子區域的編碼相比對，得出子識別距離Dis1、Dis2和Dis3。
6、利用以下公式計算總體識別距離Dis=Σi=13αi·Disi]]>其中αi，i＝1，2，3是各個子區域所對應的權值，由各個區域對識別的貢獻所決定，并且滿足Σi=13αi=1.]]>這樣計算出較小的總體識別距離表示測試虹膜圖像與目標虹膜圖像具有較大的相似度，較大的總體識別距離表示較小的相似度。最后，根據與系統閾值相比較，得到最終的識別結果。
另外，因為每個人的虹膜具體情況各異，將虹膜區域按上述方法分為三個子區域并不能保證所有的虹膜卷縮輪都一定出現在中間位置的子區域內。但是本發明中的方法利用了所有的有效虹膜信息，并不是像Hanho Sun所提出的方法中將卷縮輪外部的部分去除不計。所以如果在某一幅虹膜圖像中卷縮輪并沒有落在中間位置的子區域內，測試虹膜圖像與目標虹膜圖像的子區域的位置還是相對應的，只是在特征提取中不能最有效的突出其紋理的區域特性，但并不會造成識別結果的較大誤差。
實施例下面給出利用本發明提出的方法對真實的虹膜圖像進行分區域識別的實施例。
圖3為利用專門的虹膜儀器實際采集的一幅眼睛灰度圖像樣本，在此實施例中將其作為測試樣本，與庫中已注冊的目標樣本進行匹配。
根據本發明所介紹的方法將環形虹膜區域劃分為三個不相交的子區域Z1、Z2和Z3，如圖4所示。
虹膜的上部和下部最易受眼瞼和睫毛的影響，所以將Z2和Z3的(π/4，3π/4)與(5π/4，7π/4)的部分去除不參與特征提取與匹配，余下的有效區域如圖5所示。然后將各個子區域余下的有效部分分別利用Rubber-sheet模型歸一化為同樣大小的矩形區域，如圖6所示，可以明顯看到各個子區域紋理特征的差異。
然后，在不同子區域的歸一化圖像上用不同尺度或方向的Log-Gabor濾波器進行特征提取。對子區域Z1所用濾波器的中心頻率最高，具有最高的分辨率，且著重在垂直方向，因為這個區域內的垂直紋理最細密；對子區域Z2用稍低分辨率且較多方向的濾波器，因為這個子區域中易出現較大花紋；而對子區域Z3用最低分辨率的濾波器，因為這個區域內紋理最平坦。
隨后二值化局部相位信息進行編碼，分別與目標虹膜圖像相應子區域的編碼相比對，得出三個子識別距離。并由本發明提出的公式計算出總體識別距離，最后將此距離與系統閾值相比較，得到最終的識別結果。
如圖7所示，為利用傳統方法(在虹膜區域上用同樣濾波器進行無差別的操作)和本發明所提出方法所得到的類內、類間識別距離的分布對比。其中，(a)為傳統方法所得到的結果，(b)為本發明所得到的結果。可以看到利用本發明的方法可以使類內與類間的樣本更好的區分開(兩者重疊的區域更小)，因而系統具有更低的錯誤率。
權利要求
1.一種人體虹膜紋理的分區域識別方法，其特征在于，將環形的虹膜區域從整幅虹膜圖像中定位出來后，根據人體虹膜的生理結構特征及其區域性紋理特性，將整個虹膜區域分為三個環狀不相交的子區域，從內向外分別對應虹膜瞳孔部、虹膜卷縮輪及周邊區域、虹膜睫狀體部；將最易受眼瞼和睫毛遮擋的部分去除后，利用Rubber-sheet模型分別歸一化為三個相同大小的矩形區域，根據每個子區域的紋理特征，進行特征提取及編碼；然后，分別與目標虹膜圖像相應的子區域的編碼相比對，得到三個子識別距離；在計算測試虹膜圖像與目標虹膜圖像的總體識別距離時，根據各個子區域對識別的貢獻，將得到的三個子識別距離賦予不同的權值，相加得到總體識別距離。
2.根據權利要求1所述的人體虹膜紋理的分區域識別方法，其特征是，所述的整個虹膜區域分為三個環狀不相交的子區域，具體為子區域的劃分選擇以虹膜外邊緣圓的圓心作為基準圓心，設虹膜的內外邊緣圓的的半徑為r和R，則三個子區域所對應的內外邊緣圓的半徑分別為子區域Z1內半徑r；外半徑R-2×(R-r)/3，子區域Z2內半徑R-2×(R-r)/3；外半徑R-(R-r)/3，子區域Z3內半徑R-(R-r)/3；外半徑R。
3.根據權利要求2所述的人體虹膜紋理的分區域識別方法，其特征是，將子區域Z2和Z3中(π/4，3π/4)與(5π/4，7π/4)的部分去除，不參與后續的特征提取與比對操作，降低眼瞼和睫毛遮擋的影響。
4.根據權利要求1所述的人體虹膜紋理的分區域識別方法，其特征是，所述的總體識別距離，其計算公式為Dis=Σi=13αi·Disi,]]>其中Disi(i＝1，2，3)為各個子識別距離；αi(i＝1，2，3)是各個子區域所對應的權值，由各個區域對識別的貢獻所決定，并且滿足Σi=13αi=1,]]>較小的總體識別距離表示測試虹膜圖像與目標虹膜圖像具有較大的相似度，較大的總體識別距離表示較小的相似度。
全文摘要
一種圖像處理技術領域的人體虹膜紋理的分區域識別方法。本發明將環形的虹膜區域從整幅虹膜圖像中定位出來后，將整個虹膜區域分為三個環狀不相交的子區域，將最易受眼瞼和睫毛遮擋的部分去除后，利用Rubber－sheet模型分別歸一化為三個相同大小的矩形區域，接下來根據每個子區域的紋理特征進行特征提取及編碼；然后，分別與目標虹膜圖像相應的子區域的編碼相比對，得到三個子識別距離；在計算測試虹膜圖像與目標虹膜圖像的總體識別距離時，根據各個子區域對識別的貢獻，將得到的三個子識別距離賦予不同的權值，相加得到總體識別距離。本發明克服了對整個虹膜區域進行沒有差別的統一操作的不足，提高了虹膜識別效率與識別率的目的。
文檔編號G06K9/00GK1794263SQ20051011222
公開日2006年6月28日 申請日期2005年12月29日 優先權日2005年12月29日
發明者施鵬飛, 袁曉燕 申請人:上海交通大學