[发明专利]一种虹膜图像噪声分类检测方法

权利要求书

1.一种虹膜图像噪声分类检测方法，其特征在于，该方法的步骤包括

S1、检测虹膜区域内的光源像点噪声；

S2、检测虹膜区域内的眼睑噪声；

S3、检测虹膜区域内的睫毛噪声；

S4、基于步骤S1至S3中检测得到的光源像点、眼睑和睫毛的噪声信息，标记虹膜区域内 的所有噪声点，并剔除该像素点。

2.根据权利要求1所述的检测方法，其特征在于，所述步骤S1包括：

S11、确定虹膜区域中瞳孔的位置参数，所述位置参数包括瞳孔半径、中心点的行坐标 和列坐标；

S12、对虹膜区域中瞳孔区域的像素灰度进行统计，得到分布曲线中小于高灰度峰值的 波谷中对应的最大灰度值gssa：

并确定虹膜区域内光源像点的灰度分割阈值gsst：gsst＝gssa+α，其中，α<0为安全系 数；

S13、利用阈值分割结合连通域筛选的方法对虹膜区域内的光源像点进行检测，将Ψ内 灰度值小于gsst，且聚集在n－连通域内的像素点作为光源像点SD:SD＝{(x，y)|[x，y]＝ find(bwlabel(gs(Ψ)＞gsst，n))}。

3.根据权利要求1所述的检测方法，其特征在于，所述步骤S2包括：

S21、划定上、下眼睑的待搜索区域Φt和Φb：

其中，x，y分别表示虹膜图像中的行、列坐标变量；

S22、对下眼睑的待搜索区域Φb进行恢复对比扩展：Φ_b＝imadjust(Φ_b)；

S23、将Prewitt边缘提取与误差平方和最小化抛物线拟合方法相结合，分别对上眼睑 和下眼睑的边缘进行检测，获得虹膜区域内的眼睑像素点集：

ED＝ED_t∪ED_b，其中，ED_t为虹膜区域内的上眼睑，ED_b为虹膜区域内的下眼睑。

4.根据权利要求1所述的检测方法，其特征在于，所述步骤S3包括：

S31、划定睫毛的待搜索区域Θ：

Θ＝{(x，y)|xp-rim≤x≤xp+rp，yp-rim≤y≤yp+rim}/Ω；

S32、将上眼睑边缘附件的睫毛灰度较低且成簇状的部分作为浓密睫毛的检测区域Θ_d： Θ_d＝{(x，y)|xp-rim≤x≤max(x′)，y＝y′，(x′，y′)∈Θ∩ED_t}；

将上眼睑边缘远离眼睑边缘的睫毛零落分散的部分作为稀疏睫毛的检测区域Θ_s：Θ_s＝Θ/Θ_d；

S33、利用灰度直方图统计自适应地确定浓密睫毛的分割阈值gshd：

其中，λ>0为安全系数；并确定虹膜区域内的浓密睫毛点集EH_d为：

EH_d＝{(x，y)|gs(x，y)＜gshd，(x，y)∈Θd}；

S34、选取邻近瞳孔边缘的两个虹膜区域小像素块Λ1和Λ2作为参考，根据Λ1和Λ2的 灰度分布确定稀疏睫毛的分割阈值gshs：

其中，ω、η是位置参数，σ是经验参数；并确定虹膜区域内系数睫毛点集EH_s为：EH_s＝ {(x，y)|gs(x，y)＜gshs，(x，y)∈Θ_s}；

S35、根据虹膜区域内的浓密睫毛点集和稀疏睫毛点集，获得虹膜区域内的睫毛像素点 集EH：EH＝EH_d∪EH_s。

5.根据权利要求1所述的检测方法，其特征在于，所述步骤S4包括：将噪声淹没图像定 义为M：

其中，size(M)＝size(I)，I为原始虹膜图像，SD光源像点，ED眼睑像素点集，EH睫毛像 素点集。