[发明专利]一种十字邻域法提取睫毛图像和定位瞳孔的方法及装置

说明书

技术领域

本发明涉及一种提取睫毛和定位瞳孔的方法，特别涉及一种十字邻域法提取睫毛图像和定位瞳孔的方法及装置。

背景技术

生物识别是用生物特征识别个人身份的一种技术。在所有的生物识别中，虹膜识别是最准确，最安全，最稳定又最健康最方便的。由于高效可用和准确的虹膜识别算法的出现，基于虹膜的自动身份识别和验证系统在过去几年越来越受欢迎。虹膜识别包括图像抓取，图像预处理，虹膜定位，特征编码以及特征匹配六个步骤。瞳孔定位是虹膜定位的一部分，这一步的好坏将直接影响虹膜识别系统的噪声容量，并最终导致对虹膜识别系统应用领域的限制，因此这一步是最重要的。

虹膜分割在虹膜生物识别中用于定位有效虹膜部分,包括找到瞳孔和虹膜的边缘界限。虹膜分割如此重要有两个原因：第一，作为虹膜识别的最前端步骤，虹膜分割限定了用于特征提取与匹配的图像内容，而这与识别精度直接有关。据报道，虹膜识别中大多数匹配失败是由不精确的虹膜分割引起的；第二，速度经常是实际应用中的瓶颈，虹膜分割通常是虹膜识别系统中最耗时的部分。定位出瞳孔以后再定位虹膜的外边界就能事倍功半。很显然，一个精确，快速而且鲁棒性好的瞳孔定位方法是值得期待的。然而，现有的技术方案所有定位效果比较好的方法都是从粗定位（图像二值化处理）到精定位（最小二乘法拟合或用圆形边缘检测器或算子边缘处理）两步走的方法，这种方法复杂，计算量大，且对于有噪声的图像，这些方法的效果不尽人意。

发明内容

本发明所要解决的技术问题是提供一种能够同时进行提取睫毛和定位瞳孔的、具有计算量小、精度高、快速进行虹膜分割的十字邻域法提取睫毛图像和定位瞳孔的方法及装置。

本发明解决上述技术问题的技术方案如下：一种十字邻域法提取睫毛图像和定位瞳孔的方法，包括以下步骤：

步骤1：对人眼图像进行灰度处理得到灰度图像，对灰度图像中的每个像素点的十字邻域内的像素点进行从小到大的排序，得到多个像素序列；

步骤2：将每个像素序列中的第一预定位置的像素值与当前的十字邻域中的核心像素点的像素值做差并取绝对值，得到第一差值，将第一差值替代当前的十字邻域中的核心像素点的像素值，得到睫毛图像；

步骤3：将每个像素序列中的第二预定位置的像素值与像素序列中的第三预定位置的像素值做差并取绝对值，得到第二差值，将第二差值替代当前的十字邻域中的核心像素点的像素值，得到瞳孔边界图像；

步骤4：对瞳孔边界图像进行二值化处理，得到瞳孔二值化图像；

步骤5：对瞳孔二值化图像分别做水平方向的投影和垂直方向的投影，分别得到水平投影曲线和垂直投影曲线；

步骤6：对水平投影曲线和垂直投影曲线分别做均值滤波，得到分别带有两个波峰的垂直滤波曲线和水平滤波曲线；

步骤7：获取垂直滤波曲线左侧波峰的第一半高点和右侧波峰的第二半高点，获取水平滤波曲线左侧波峰的第三半高点和右侧波峰的第四半高点，根据第一半高点、第二半高点、第三半高点和第四半高点确定瞳孔的位置。

本发明的有益效果是：本发明利用的像素点少，可以有效的减小计算量，提高处理速度；能同时简单高效地提取出睫毛和瞳孔边界；能高效地去除人眼图像中的噪声。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述第一预定位置具体为，将像素序列中所有像素数量乘以三分之一，对乘积保留整数部分，得到第一整数，取像素序列中所述第一整数个像素所在的位置。

进一步，所述第二预定位置具体为，将像素序列中所有像素数量乘以五分之三，对乘积保留整数部分，得到第二整数，取像素序列中所述第一整数个像素所在的位置。

进一步，所述第三预定位置具体为，将像素序列中所有像素数量乘以二分之一，对乘积保留整数部分，得到第三整数，取像素序列中所述第一整数个像素所在的位置。

进一步，所述步骤6进一步为，以第一半高点、第二半高点、第三半高点和第四半高点作为瞳孔的上下左右边界的边界点，根据第一半高点、第二半高点、第三半高点和第四半高点的坐标确定瞳孔的圆心坐标和半径长度。

进一步，一种十字邻域法提取睫毛图像和定位瞳孔的装置，包括灰度排序模块，定位睫毛模块，定位瞳孔边界模块，二值化模块，投影模块，滤波模块和定位瞳孔模块；

所述灰度排序模块，用于对人眼图像进行灰度处理得到灰度图像，对灰度图像中的每个像素点的十字邻域内的像素点进行从小到大的排序，得到多个像素序列，将像素序列发送给定位睫毛模块和定位瞳孔边界模块；