[发明专利]一种人眼虹膜图像分割方法

说明书

技术领域

本发明涉及图像模式识别领域，特别涉及一种人眼虹膜图像分割方法。

背景技术

目前我们正处在一个高度信息化的社会，人们对信息需求越来越大，同时，对信息的安全性要求也越来越高，而身份识别技术就是一个提高信息安全性的方法，它在越来越多的领域中受到人们的高度重视。身份识别即是利用人体的某些唯一性特征，采用某些技术对这这特征进行判别，从而对人的身份进行识别。早先常用的身份识别技术是依靠人脸、指纹、手型、签名等特征进行识别的，但是这些特征都是一些人体的外部特征，存在着很大的易改动性，使得依靠这些特征进行身份识别会变得不是很可靠。近几年来，兴起了虹膜识别技术，由于虹膜的唯一性、终身不变性、不能通过手术改变等独特的特点，使之在科研和工业领域起到了越来越重要的作用。但是，由于虹膜的特殊结构，在图像采集过程中，我们不能拍摄出纯粹的虹膜图像，通常采集到的虹膜图像中不仅包含虹膜，还包含眼睛的其他部分，如瞳孔、眼睑、睫毛等，虹膜识别技术不能对这样的图片直接进行识别，只能对虹膜部分识别。因此虹膜识别技术的一个重要的预处理就是人眼虹膜图像分割。

人眼虹膜图像分割的结果通常是用于虹膜身份识别中，是虹膜身份识别技术的直接实施对象，分割的准确性严重影响到识别的准确度，因此虹膜分割方法是很重要的，是保障虹膜识别准确的预处理手段与关键技术之一。

人眼虹膜图像分割主要是直接对人眼图像进行检测，分割出其中的虹膜部分。虹膜图像分割方法主要利用虹膜内外边缘近似为圆形，采用虹膜内外边缘建模或图像中的圆形检测方法进行。其中，虹膜内外边缘建模往往遵循以下步骤：边缘检测和边缘建模。边缘检测通常是对高斯滤波后的图像利用canny或sobel算子进行边缘检测。然后通常是通过数学的方法对边缘检测二值化的图像中的边缘进行建模。而图像中的圆形检测通常也是先采用边缘检测，再对边缘检测后的图像采用霍夫变化检测虹膜的内外圆边界，从而实现虹膜的分割。 

上述这些算法虽然比较成熟，但是这些方法在都存在着相同的缺点。由于正常采集到的虹膜样本中存在着亮度变化和人眼上下眼睫毛的遮挡，会使得虹膜的内外边界的圆形不明显，造成分割错误。同时分割出的虹膜图像中存在着亮度变化、人眼上下眼睫毛的遮挡、样本图像没有对齐等缺点，会对后继的虹膜识别造成很大的影响，使识别的准确度降低。

发明内容

本发明提供一种人眼虹膜图像分割方法，可以批量对齐待检测的人眼图像，除去人眼图像中的亮度变化、上下眼皮中眼睫毛的遮挡，建立清晰、去遮挡的、批量对齐的人眼图像样本模型，再对这些样本实现虹膜分割。

本发明解决上述问题的技术方案主要特征在于：其具体步骤如下：

步骤一：对已分类标记的训练集人眼图像样本逐个进行人眼眼角定位，利用Harris角点检测算法检测人眼图像中的角点，然后对这些角点进行检索遍历，选择横坐标最小的点为人眼眼角；

步骤二：对训练集人眼虹膜图像样本逐个定位人眼中心，先用阈值对待检测样本图片进行二值化，然后利用canny边缘检测方法对二值化图像进行边缘检测得到二值化的边界图，再利用霍夫变换对边界图检测圆型，检测到的圆初定为人眼虹膜的内边，并将此圆的中心选为人眼中心；

步骤三：利用训练集中检测到的人眼眼角点和人眼中心，采用基于稀疏和低秩分解的(Robust Alignment by Sparse and Low-rank Decomposition)算法对训练集样本进行批量对齐；

步骤四：对批量对齐后的训练集进行分割，先用canny边缘检测技术将待检测的人眼虹膜图像转化为二值化的边界图，利用霍夫变换在边界图中寻找半径介于瞳孔最大半径和虹膜最大半径之间的一个圆形，将得出的圆形定义为虹膜外径圆，然后再次继续利用霍夫变换在找出的虹膜外径圆区域中寻找另一个圆形，将得到的圆形定义为虹膜内径圆，这样就可以将虹膜外径圆和虹膜内径圆之间的区域定为虹膜区域，从而实现对训练集虹膜的分割；

步骤五：对输入的人眼图像重复步骤一和步骤二，找到输入的人眼图像的眼角和人眼中心，再利用眼角和人眼中心的连线将人眼图像旋转，使此连线调整至水平位置，最后对调整后的图像重复步骤四，实现对输入图片的人眼虹膜分割。