[发明专利]一种基于边缘检测的睫毛去除方法及系统

说明书

本发明公开了基于边缘检测的睫毛去除方法及系统，该方法包括步骤：获取眼部图片，在眼部图片中划分出感兴趣区域；对感兴趣区域进行增强处理，得到增强图像；对增强图像进行平滑处理，得到平滑图像对平滑图像进行边缘检测，得到二值图像；对二值图像进行膨胀处理，得到掩膜图像；对平滑图像中与掩膜图像中像素值为1的区域对应的区域进行边缘检测，并令平滑图像中与掩膜图像中像素值为0的区域对应的区域的像素值为0，得到掩膜边缘检测图像；对掩膜边缘检测图像进行二值化处理，得到睫毛图像；根据睫毛图像，在感兴趣区域中使用选定的像素值替换睫毛像素值。本发明将感兴趣区域中的睫毛直接去除，避免了睫毛的干扰，从而提高了虹膜识别的效果。

技术领域

本发明涉及生物识别技术领域，具体涉及一种基于边缘检测的睫毛去除方法及系统。

背景技术

在虹膜识别过程中，睫毛的干扰对虹膜识别的性能影响较大，去除睫毛的干扰，有助于提升虹膜识别的性能。传统的睫毛检测方法有很多，如基于方向滤波的睫毛检测方法和基于最大类间方差法的睫毛检测方法等。

基于方向滤波的睫毛检测方法是利用睫毛与虹膜纹理的高对比度，并结合睫毛区别于虹膜纹理的独特长势，引入了带有方向的滤波器。此法利用了睫毛的图像特征，为了区分睫毛和虹膜纹理，将图像沿指定方向进行滤波，可以检测出大部分的睫毛区域。

但是，当虹膜纹理与睫毛的对比度不大甚至虹膜纹理的灰度值高于睫毛灰度值时，方向滤波会将虹膜纹理误判为睫毛。并且，对于重叠睫毛或聚集在一起的多睫毛区域，方向滤波只能检测到睫毛的边缘区域，故检测性能不佳。

最大类间方差法是基于睫毛的低灰度值以及睫毛与虹膜纹理的高对比度，利用灰度和标准差提取特征，采用最大类间方差法，自适应检测睫毛区域。此法结合灰度和局部标准差这两个特征，加以权重，提出组合特征，将最大类间方差法应用于组合特征图像，自动进行基于直方图的图像阈值处理，可以检测出大部分的睫毛区域。

但是，最大类间方差法受光照影响明显，且当睫毛区域相对较小时，通过阈值处理可能增大误差。同样，当虹膜纹理与睫毛的对比度不大甚至虹膜纹理的灰度值高于睫毛灰度值时，最大类间方差法会将虹膜纹理误判为睫毛。另外，若此法对虹膜归一化图像进行处理，可能会丢失部分特征。

因此，传统去除睫毛的方法，受到虹膜纹理、光照、瞳孔等因素的影响，去除效果并不好，从而影响到虹膜识别的效果。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于边缘检测的睫毛去除方法及系统，可以有效地检测睫毛并去除睫毛干扰，从而有效地进行虹膜识别。

为达到以上目的，本发明采取的技术方案是：一种基于边缘检测的睫毛去除方法，包括如下步骤：

获取眼部图片，在所述眼部图片中划分出感兴趣区域；

对所述感兴趣区域进行增强处理，得到增强图像；

对所述增强图像进行平滑处理，得到平滑图像；

采用Sobel边缘检测算子对所述平滑图像进行边缘检测，得到二值图像；

对所述二值图像进行膨胀处理，得到掩膜图像；

对所述平滑图像中与所述掩膜图像中像素值为1的区域所对应的区域进行以向量为算子的边缘检测，并令所述平滑图像中与所述掩膜图像中像素值为0的区域所对应的区域的像素值为0，得到掩膜边缘检测图像；

对所述掩膜边缘检测图像进行二值化处理，得到睫毛图像；

根据所述睫毛图像，在所述感兴趣区域中，使用选定的像素值替换掉睫毛像素值。

进一步地，所述选定的像素值为所述感兴趣区域中的虹膜区域的平均像素值，或，