基于Gabor能量滤波器的虹膜分割技术的研究(1)

《基于Gabor能量滤波器的虹膜分割技术的研究(1)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第16卷第3期湖南工程学院学报Vo1.16.No.32006年9月JournalofHunanInstituteofEngineeringSept.2006基于Gabor能量滤波器的虹膜分割技术的研究3黄晓宇,杨泽凡,刘望军(湖南工程学院计算机科学系,湖南湘潭411101)摘要:为了能快捷方便地从眼部图像中分割虹膜图像,本文将原用于模拟脑部主要直观皮层中复杂细胞的Gabor能量算子用作眼部图像的滤波函数.实验表明,通过对该Gabor能量函数非CRF抑制、相关参数的分析和优化,该方法能较好地将瞳孔纹理从眼部图像分离,从而方便地实现虹膜提取,并能简化虹膜识别系统的程序、提高

2、其处理速度.关键词:Gabor能量滤波器;CRF;非-CRF抑制中图分类号:O175.7文献标识码:A文章编号:1671-119X(2006)03-0046-04运算以提取虹膜,则肯定会导致虹膜纹理中灰度较1问题的提出深的纹理信息丢失;若改用阈值法对瞳孔图案作二值化处理,则该阈值需要人工根据毛刺灰度的不同在我们的虹膜识别研究课题中,我们已经利用而设置不同的阈值,系统的自动化程度将大大地减模拟视神经元单细胞的空间积累特性时所使用的二[1]少.为了解决这个问题,我们提出以Gabor能量滤波维Gabor滤波器实现了虹膜的基本提取.实验已器非-CRF抑制加权的方法来对眼部图像进

3、行滤经表明,通过对这种Gabor滤波器中相关参数的分波,以获取更好的瞳孔图案滤波效果,以得到具有光析和优化,该方法能较好地将虹膜(纹理)与巩膜、滑边缘的瞳孔图案.虹膜与瞳孔的分离.但滤波后所得到的瞳孔图案的边缘仍残留有较多的“毛刺”,有的甚至还与虹膜中2Gabor能量滤波器较深的纹理区域保持着连接,如图1所示.这给稍后2.1视神经元简单细胞的仿真的虹膜与瞳孔边界分割仍带来了一定的困难,因为Gabor滤波器最初用于模拟灵长类动物的可视瞳孔边缘及附近的未消除的“毛刺”实际上是虹膜表层中的简单细胞的功能,由Daugman首先提出.图案中较深的纹理.若直接将它与原始图像作“差”

4、为了正确模拟该类简单细胞的空间积累特性,需要引用一种计算模型.简单细胞对一个亮度分布f(x,y),(x,y)∈Ω(Ω表示可视区域)的响应可以通过其经典接收域(CRF,classicalreceptivefield)函数g(x,y)来描述,即:x(z)=0,z<0r=x∫∫f(x,y)g(x,y)dxdy且Ωx(z)=z,z>0(1)[2,3]我们对Petkov和Kruizinga在1997年对Daugman方法作参数化修改后得到的二维Gabor函数Gξηγσθφ(x,y)再作简化,来模拟该简单细胞CRF函图1基本Gabor滤波器输出的瞳孔图案数g(x,y).修改后的二维

5、Gabor函数被定义如下:3收稿日期:2006-04-28作者简介:黄晓宇(1961-)男,副教授,研究方向:计算机网络,信息安全.第3期黄晓宇等:基于Gabor能量滤波器的虹膜分割技术的研究47′22′2x+ryx′上述对称和反对称简单细胞的Gabor滤波器输出.Gξηγσθφ(x,y)=exp(-2)cos(2π+φ)2σλ也就是说Gabor能量值是由两个相位正交的简单细2其中(x,y)∈Ω

6、像的像素坐标位置;角度参数θ指定了并行0和θ=180)和一种优选空间频率(λ=8.3)的Ga2显示激活和抑制条纹区域的方向,其正值为x轴方bor能量滤波器,可获得2-维特征矢量.尽管因选向;参数λ是谐波因子cos2π(x′/λ)+φ的波长而取较少的方向数目,导致该滤波器组的通道在方向1/是其空间频率;参数φ是该谐波因子的相位差,上没有充分地响应并且对纹理的方向受控鉴别性能它确定了函数g的对称性.则经该Gabor函数后简上可能有一种负面的效应,但用作瞳孔图案分离的[4]单细胞对输入图像的响应为:目标已经足够了,并且能极大地减少相应的计算工r(x,y)=∫∫f(x,y)Gλ

7、,σ,θ,φ(x-u,y-v)dudv=作量.Ω2.2.2Gabor能量谱的非CRF抑制f(x,y)3Gλ,σ,θ,φ(x,y)(3)在Gabor能量滤波的基础上,为了获得更好的神经生理学研究表明,一个视神经元细胞对一纹理边缘滤波效果,我们选用一种关于CRF环状边个与从其CRF中心相距大于2σ的亮点(x,y)的响界的加权函数ωσ(x,y)来对CRF周围的环形区域应几乎可以被忽略不计,而采用Gaussian因子exp的其它纹理信息进行抑制.由于先前的Gabor滤波′22′22(-(x+ry)/2σ可以较好地模拟这种情况.这器的高斯方差σ确定