基于hough变换的虹膜图像预处理研究

《基于hough变换的虹膜图像预处理研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于Hough变换的虹膜图像预处理研究　　摘要：通过人眼虹膜图像的变化来推断人体健康状况成为预防医学的研究热点。受采集仪器、采集眼睛个体差异、采光等诸多因素影响，采集的虹膜图像需进行预处理，以满足提取虹膜特征的需求。通过对原图像进行灰度二值化运算后，进行形态学处理分离出瞳孔，然后运用Canny算子检测边缘，最后利用Hough变换圆检测定位内外边界，并采用Matlab编程实现了对虹膜内外边界的准确定位。　　关键词：Hough变换；虹膜；图像预处理；虹膜定位；Canny算子　　DOIDOI：10.11907/rjdk.16218

2、6　　中图分类号：TP317.4　　文献标识码：A文章编号：16727800（2016）010016702　　0引言6　　虹膜位于眼球上的角膜之后、晶状体之前，是黑色瞳孔和白色巩膜之间的环状部分，结构复杂，一旦形成便终生不会改变[14]。虹膜跟指纹一样，成为个人独一无二的生物特征，而非侵犯性的虹膜信息采集使虹膜识别技术在身份鉴别研究中得到了广泛应用。此外，虹膜技术在医学和保健预防领域的应用亦成为广大医务与科研工作者的研究热点。由于人体内器官各部位的健康状态可由大脑中枢神经支配自律神经，通过睫状神经如实地反映在虹膜上，透过对眼

3、睛虹膜的变化来推断人体健康状况，是一种能够无损伤快速检测潜伏期疾病的有效方法。因此，通过虹膜检测仪器，在几分钟内对全身现有的及潜在疾病作出定位定性分析，从而及早发现潜在的疾病病因及隐患病危，防患于未然，将成为预防医学的新手段，对人类的健康发展具有重要意义。　　在进行虹膜图像采集过程中，受采集仪器本身、眼睛结构个人差异、采集时采光不均等诸多因素影响，采集到的图像存在区域颜色不均、图像模糊、图像中有光斑等现象，直接影响后续虹膜识别的正确率。因此，仪器采集到的虹膜图像一般不直接进行编码，需要先进行虹膜图像预处理，该步骤关系到整个识

4、别过程的成败。　　1虹膜识别技术简介　　虹膜识别即通过对比虹膜图像特征之间的相似性来确定人们身份。虹膜识别过程一般包括4个步骤：①虹膜图像获取：使用虹膜采集设备对人的整个眼部进行拍摄、保存；②虹膜图像预处理：对获取到的虹膜图像进行处理，使其满足虹膜特征的提取需求；③特征提取：采用特定算法从虹膜图像中提取虹膜识别所需的特征点，并对其进行编码；④特征匹配：将特征提取得到的特征编码与数据库中的虹膜图像特征编码逐一匹配，判断是否为相同虹膜，从而达到身份识别的目的。具体如图1所示。　　2虹膜图像预处理过程　　本文着重研究虹膜识别过程中

5、的第二个步骤――虹膜图像预处理，其主要包括以下3个过程，如图2所示。　　（1）虹膜定位：是整个虹膜识别过程中最重要的环节，即准确确定虹膜的内外边界。其中，内边界为虹膜与瞳孔的边界，外边界为虹膜与巩膜的边界。6　　（2）虹膜图像归一化：由于瞳孔受光照强度影响会发生缩放，因此不同的人眼图像中虹膜宽度不同。另外，图像采集设备与人眼的距离远近也会造成虹膜的宽度差异。归一化的主要目的是将虹膜从人眼图像中分离出来，并将虹膜大小调整到统一尺寸[5]。　　（3）虹膜图像增强：针对归一化后的图像，进行亮度、对比度和平滑度等处理，提高图像中虹膜

6、信息的识别率。　　3虹膜定位实现　　在虹膜定位算法中，最具代表性的是Daugman[1]的微分积分算法和Wildes[5]的Hough变换法。此外，我国中科院自动化所王蕴红等[6]提出了基于最小二乘拟合的方法进行虹膜定位；李晶晶等[7]从虹膜图像的灰度直方图入手，分析虹膜图像的结构及其灰度分布，先用二值化方法分离出瞳孔，再用数学形态学方法对其进行膨胀和腐蚀运算，然后确定瞳孔的圆心和半径，对内边缘进行精确定位。　　3.1虹膜定位算法　　基于虹膜形状是圆环形这一特点，圆形成为虹膜定位的关键特征，利用内圆定位和外圆定位完成虹膜定位

7、是最常见的方法。本文通过对图像进行灰度二值化运算后，进行形态学处理分离出瞳孔，再运用Canny算子检测边缘，并结合Hough变换圆检测定位内外边界。具体算法如下：6　　第一步：瞳孔灰度远小于眼睛其它部分的灰度值，且瞳孔区灰度值近似的像素点分布集中，先画出灰度直方图，如图3所示。利用灰度直方图选取适当阈值为0.15，将原始图像转变成二值化图像，如图4所示。由于眼睫毛与瞳孔的灰度值很接近，会造成瞳孔分离的噪音，所以采用形态学中腐蚀和膨胀的方法对图像进行处理，分离出瞳孔。去除光斑后的瞳孔如图5所示。　　第二步：采用Canny边缘检

8、测算法进行虹膜边缘检测。先对图像选择一定的高斯滤波器进行平滑滤波以去除噪声，本文选取二维零均值高斯函数，采用低通滤波器滤波；然后对已平滑的图像用一阶偏导的有限差分计算各像素点的梯度幅值和方向，即使像素点梯度幅值很大，也不能确定该点就是边缘；接着采用非极大值抑制技术，保留每个像素点梯度幅值的