[发明专利]不均匀光照条件下的虹膜提取方法及设备

说明书

技术领域

本发明的实施例一般涉及图像处理领域，更具体地，涉及一种不均匀光照条件下的虹膜提取方法及设备。

背景技术

在当今信息化时代，如何准确鉴定一个人的身份，保护信息安全是一个必须解决的关键社会问题。为此，生物特征鉴别技术悄然兴起，并成为目前世界信息安全管理领域的前沿研究课题。

生物特征鉴别技术是指利用人体所固有的生理特征或行为特征来进行个人身份鉴定，其中虹膜身份识别技术是生物特征鉴别技术的一个重要分支。对于一个人来说，他眼珠的中心是黑色的瞳孔，而虹膜就是瞳孔外缘间的环形组织，其呈现出相互交错的类似于斑点、细丝、条纹、隐窝的纹理特征。虹膜在一个人的一生中几乎不会发生改变，不同人的虹膜是完全不一样的。虹膜身份识别技术是计算机图像处理技术和模式识别技术在个人身份识别领域的应用。由于其存在高稳定性和高准确性，同时还可以使人们摆脱记忆信用卡号、银行帐号、身份证号、网络登录号的繁琐，因此在银行、公安、机场、网络安全等行业领域得到广泛使用。

典型的虹膜身份识别主要由图像采集、图像预处理、特征编码、特征匹配四部分构成。在图像预处理过程中，虹膜提取尤其关键，其执行时间和精度将直接影响整个虹膜身份识别过程的识别速度和精度。传统的虹膜提取方法包括Hough变换圆检测的方法、Daugman的基于微分积分算子的方法以及Wildes等采用的边界检测方法。他们都将虹膜边界建模为包括内外两条边界的圆环形，通过提取圆环的内外圆来实现虹膜提取。

然而，在实际采集过程中，由于上眼睑总是遮挡虹膜的上半部分，因此虹膜通常不是一个完整的圆环形。以及，虹膜外边界常常较为模糊，即虹膜与巩膜(巩膜即眼球外围的白色部分，是眼睛最外层的纤维膜)的过渡不明显，从而难以用上述传统的边界检测方法来检测外边界。尤其需要指出的是，传统方法费时费力，难以满足实时快速准确检测的要求。

为此，对于这种非理想采集的虹膜提取，许多研究者也开展了相关工作。例如，在发明专利申请CN103246871A中，发明人首先利用现有Daugman方法来提取图像的内边界，进而选定内边界左右两侧的矩形区域，使得矩形区域尽可能覆盖内边界之外的左右两侧的虹膜，然后对该矩形区域进行灰度变换，利用Canny算子对矩形区域进行边界检测。具体地，在对矩形区域进行边界检测时，根据预定的阈值，低于阈值的像素值被设定为0，否则被设定为1，从而得到边界点集合。由此可见，在该发明专利申请CN103246871A中采用了所谓阈值分割的常用图像处理基本操作手段，用以提取出感兴趣的目标。

然而，仅仅采用单一阈值操作通常难以稳健地检测出虹膜边界。特别是对于双眼虹膜身份识别的情形，由于双眼通常处于不均匀光照条件下，这就使得一个单一的、固定的阈值无法同时适应双眼。

发明内容

鉴于上述不均匀光照条件影响虹膜提取的问题，本发明的实施例提出一种不均匀光照条件下的虹膜提取方法及设备。

根据本发明的一个方面，提供了一种不均匀光照条件下的虹膜提取方法，包括：从包含虹膜的图像中滤除不均匀光照强度分量；在滤除后的所述图像中计算色差；以及根据所述色差进行虹膜提取。

在一个实施例中，所述从包含虹膜的图像中滤除不均匀光照强度分量包括：对所述图像的色彩模式进行转换，使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离。

在一个实施例中，将所述图像从RGB色彩模式转换到Lab色彩模式，得到L通道、a通道和b通道中的相应的图像分量，以使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离，其中所述L通道中的图像分量包括所述不均匀光照强度分量，所述a通道中的图像分量和所述b通道中的图像分量包括所述色彩分量。

在一个实施例中，所述在滤除后的所述图像中计算色差包括：利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差。

在一个实施例中，根据如下公式，利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差：其中ΔE_ab表示所述色差，Δ(a)表示所述a通道内两个数值之差，Δ(b)表示所述b通道内两个数值之差。

在一个实施例中，所述根据所述色差进行虹膜提取包括：将所述色差与预定的色差阈值进行比较，得到第一比较结果；以及根据所述第一比较结果进行虹膜提取。

在一个实施例中，所述从包含虹膜的图像中滤除不均匀光照强度分量还包括：从所述L通道中的图像分量中滤除所述不均匀光照强度分量。