[发明专利]一种虹膜图像分割方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种虹膜图像分割方法、装置、电子设备及存储介质，属于生物特征识别技术领域，所述方法包括：对虹膜图像进行检测，得到包含虹膜区域的检测结果框；基于检测结果框，利用虹膜形状特征点回归，得到一组位于虹膜外边界和眼睑边界上的特征点，并拟合得到眼睑边界和虹膜外边界；根据虹膜内外边界近似同心的特点，确定瞳孔边界，完成瞳孔粗定位；检测光斑噪声和睫毛噪声，得到噪声模板；利用传统方法对虹膜粗定位结果进行调整，得到虹膜精定位结果，从而实现虹膜图像分割。本发明实施例采用由粗到精的策略，能够提高虹膜图像分割算法的抗干扰能力和计算效率，快速有效的分割出虹膜纹理区域。

技术领域

本发明涉及生物特征识别技术领域，特别涉及一种虹膜图像分割方法、装置、电子设备及存储介质。

背景技术

虹膜识别技术凭借着在稳定性、唯一性以及安全性等方面的优势，在众多的生物特征中具有明显的优势。虹膜识别过程一般可以分为虹膜图像采集、虹膜图像分割、虹膜特征提取和虹膜特征识别，其中虹膜图像分割是在采集到的虹膜图像中分割出有效的虹膜纹理区域(包括虹膜内外边界定位、眼睑定位、噪声检测等)，它是虹膜识别中至关重要的一步，虹膜图像分割效果的好坏，直接影响到虹膜识别的稳定性。

当前的虹膜图像分割方法，主要可以分为两类：基于微积分检测算子的方法、基于边缘检测和霍夫变换的方法。

(1)基于微积分检测算子的方法

微积分检测算子是Daugman在1993年提出的用于虹膜定位的方法。该方法主要是利用一个圆形边界检测器，在原图上分别搜索瞳孔边界和虹膜外边界。微积分检测算子的公式为：

其中，I(x，y)表示虹膜图像，G_σ(r)表示方差为σ的高斯滤波器，(x₀，y₀)表示圆心坐标，r表示半径。

圆形微积分检测算子，采用策略就是寻找沿着半径方向圆周灰度变化最大时的圆心、半径参数。微积分检测算子被广泛用于现在的商业算法中。Daugman也将微积分检测算子用于眼睑边界检测。将公式中的圆形积分路径替换为一个圆弧线段，结合样条插值的方法分别寻找上下眼睑边界。

(2)基于边缘检测和霍夫变换的方法

Wildes等人提出了边缘检测和霍夫变换相结合的方法进行虹膜图像定位，这也是当前的一种常见方法。该方法主要包含两个步骤：

a)利用边缘检测算子检测图像边界。常见的检测算子有sobel算子、canny算子等。

b)在检测到的边界像素点的基础上，利用霍夫变换估计圆形边界参数。

通常，在对图像进行边界检测前，对图像进行Gauss平滑，抑制图像中的噪声，突出有效边界。同时，这种结合了霍夫变换的方法，对噪声干扰有很好的鲁棒性。这种方法同样可以用作眼睑检测，将圆形霍夫变换替换为抛物线的霍夫变换，可以在图中寻找近似为抛物线的上下眼睑边界。

上述两种方法对于理想虹膜图像都能够取得很好的分割效果，但是对于低质量虹膜图像定位效果会明显下降。例如，当图像中存在大光斑干扰时，微积分检测算子的定位会出现明显的偏差；而当图像中有眼镜框等干扰时，边缘检测和霍夫变换相结合的方法容易出现定位错误的情况。

另外，从微积分检测算子的公式中可以看出，微积分检测算子需要在一个三维空间中搜索参数，算法计算速度较慢。同样，边缘检测和霍夫变换相结合的方法，也需要在一个三维空间中搜索参数和投票，需要较大的计算开销和空间开销。

发明内容

为解决上述技术问题，本发明实施例提供一种虹膜图像分割方法、装置、电子设备及存储介质，以提高虹膜图像分割算法的抗干扰能力和计算效率，快速有效的分割出虹膜纹理区域。

本发明实施例提供技术方案如下：