基于Hough变换的虹膜图像预处理研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Hough变换的虹膜图像预处理研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：通过人眼虹膜图像的变化来推断人体健康状况成为预防医学的研究热点。受采集仪器、采集眼睛个体差异、采光等诸多因素影响，采集的虹膜图像需进行预处理，以满足提取虹膜特征的需求。通过对原图像进行灰度二值化运算后，进行形态学处理分离出瞳孔，然后运用Canny算子检测边缘，最后利用Hough变换圆检测定位内外边界，并采用Matlab编程实现了对虹膜内外边界的准确定位。

关键词：Hough变换；虹膜；图像预处理；虹膜定位；Canny算子

DOIDOI：10.11907/rjdk.162186

中图分类号：TP317.4

文献标识码：A文章编号：16727800（2016）010016702

0引言

虹膜位于眼球上的角膜之后、晶状体之前，是黑色瞳孔和白色巩膜之间的环状部分，结构复杂，一旦形成便终生不会改变[14]。虹膜跟指纹一样，成为个人独一无二的生物特征，而非侵犯性的虹膜信息采集使虹膜识别技术在身份鉴别研究中得到了广泛应用。此外，虹膜技术在医学和保健预防领域的应用亦成为广大医务与科研工作者的研究热点。由于人体内器官各部位的健康状态可由大脑中枢神经支配自律神经，通过睫状神经如实地反映在虹膜上，透过对眼睛虹膜的变化来推断人体健康状况，是一种能够无损伤快速检测潜伏期疾病的有效方法。因此，通过虹膜检测仪器，在几分钟内对全身现有的及潜在疾病作出定位定性分析，从而及早发现潜在的疾病病因及隐患病危，防患于未然，将成为预防医学的新手段，对人类的健康发展具有重要意义。

在进行虹膜图像采集过程中，受采集仪器本身、眼睛结构个人差异、采集时采光不均等诸多因素影响，采集到的图像存在区域颜色不均、图像模糊、图像中有光斑等现象，直接影响后续虹膜识别的正确率。因此，仪器采集到的虹膜图像一般不直接进行编码，需要先进行虹膜图像预处理，该步骤关系到整个识别过程的成败。

1虹膜识别技术简介

虹膜识别即通过对比虹膜图像特征之间的相似性来确定人们身份。虹膜识别过程一般包括4个步骤：①虹膜图像获取：使用虹膜采集设备对人的整个眼部进行拍摄、保存；②虹膜图像预处理：对获取到的虹膜图像进行处理，使其满足虹膜特征的提取需求；③特征提取：采用特定算法从虹膜图像中提取虹膜识别所需的特征点，并对其进行编码；④特征匹配：将特征提取得到的特征编码与数据库中的虹膜图像特征编码逐一匹配，判断是否为相同虹膜，从而达到身份识别的目的。具体如图1所示。

2虹膜图像预处理过程

本文着重研究虹膜识别过程中的第二个步骤――虹膜图像预处理，其主要包括以下3个过程，如图2所示。

（1）虹膜定位：是整个虹膜识别过程中最重要的环节，即准确确定虹膜的内外边界。其中，内边界为虹膜与瞳孔的边界，外边界为虹膜与巩膜的边界。

（2）虹膜图像归一化：由于瞳孔受光照强度影响会发生缩放，因此不同的人眼图像中虹膜宽度不同。另外，图像采集设备与人眼的距离远近也会造成虹膜的宽度差异。归一化的主要目的是将虹膜从人眼图像中分离出来，并将虹膜大小调整到统一尺寸[5]。

（3）虹膜图像增强：针对归一化后的图像，进行亮度、对比度和平滑度等处理，提高图像中虹膜信息的识别率。

3虹膜定位实现

在虹膜定位算法中，最具代表性的是Daugman[1]的微分积分算法和Wildes[5]的Hough变换法。此外，我国中科院自动化所王蕴红等[6]提出了基于最小二乘拟合的方法进行虹膜定位；李晶晶等[7]从虹膜图像的灰度直方图入手，分析虹膜图像的结构及其灰度分布，先用二值化方法分离出瞳孔，再用数学形态学方法对其进行膨胀和腐蚀运算，然后确定瞳孔的圆心和半径，对内边缘进行精确定位。

3.1虹膜定位算法

基于虹膜形状是圆环形这一特点，圆形成为虹膜定位的关键特征，利用内圆定位和外圆定位完成虹膜定位是最常见的方法。本文通过对图像进行灰度二值化运算后，进行形态学处理分离出瞳孔，再运用Canny算子检测边缘，并结合hough变换圆检测定位内外边界。具体算法如下：

第一步：瞳孔灰度远小于眼睛其它部分的灰度值，且瞳孔区灰度值近似的像素点分布集中，先画出灰度直方图，如图3所示。利用灰度直方图选取适当阈值为0.15，将原始图像转变成二值化图像，如图4所示。由于眼睫毛与瞳孔的灰度值很接近，会造成瞳孔分离的噪音，所以采用形态学中腐蚀和膨胀的方法对图像进行处理，分离出瞳孔。去除光斑后的瞳孔如图5所示。

第二步：采用Canny边缘检测算法进行虹膜边缘检测。先对图像选择一定的高斯滤波器进行平滑滤波以去除噪声，本文选取二维零均值高斯函数，采用低通滤波器滤波；然后对已平滑的图像用一阶偏导的有限差分计算各像素点的梯度幅值和方向，即使像素点梯度幅值很大，也不能确定该点就是边缘；接着采用非极大值抑制技术，保留每个像素点梯度幅值的极大值，删掉其它值；最后用双阈值技术检测和连接边缘，设定两个阈值――高阈值与低阈值，用两个阈值得到两个阈值图像。把高阈值图像中的边缘连接成轮廓，连接到达轮廓端点时，在低阈值图像上寻找可以连接的边缘。不断收集，直到将所有间隙连接起来为止。

第三步：利用Hough变换圆检测定位虹膜内外边界。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的曲线表达形式变为参数空间的聚集点，从而把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。由于虹膜内外边界近似圆的特点，以虹膜外边界定位为例，首先将原始空间中外边界图像的曲线方程表示为（x-a）2+（y-b）2=r2，其中（a，b）为圆心，r为半径，外边界检测则转换为圆心、半径的参数空间聚集点求解；然后，若设定（xi，yi）（i=1，2，3，…，n）为原始图像空间中外边界圆周上的任意一点，则参数空间满足曲线方程（a-xi）2+（b-yi）2=r2，即图像空间中的任意一点都对应了参数空间中的一簇圆曲线――圆锥面；最后利用先验经验先确定虹膜圆心、半径的大致范围，以缩小Hough检测范围，提高效率，再让a、b在取值范围内不断增加，解出参数空间中每个对应的r，找到最大的a、b对应的r即为所求圆的参数[8]。

3.2实验结果与分析

本实验选取了中国科学院自动化研究所提供的CASIAIrisLamp虹膜数据库中的图像作为实验样本，图像大小为：640×480像素。随机选取40副眼睛图像进行实验，实验硬件环境为Intel（R） Core（TM ）i3 CPU M350 2.27GHz、2G内存，操作系统软件为Windows 7，并采用MATLA2010b软件编程实现了虹膜图像预处理各阶段的算法，进行了虹膜内外边界的准确定位。虹膜定位效果如图6所示，定位准确率为96.2%。但由于采用Hough变换圆检测时，将原图像空间曲线映射到了a-b-r（a、b为圆心参数、r为半径）的三维参数空间，参数空间中数据计算量大，导致每幅图片中虹膜内外边界的检测与定位都耗时较长，为3.5s～4.2s。若能对Hough变换圆检测算法进行改进，在对原始图像空间进行参数空间映射时，变换为仅求a-b圆心的二维参数空间，则能大大减少参数计算量，缩短边界检测与定位时间，提高效率。这是下一步需要改进的工作。

4结语

本文仅对虹膜图像进行了准确定位，为了使虹膜图像在临床医疗中发挥更为重要的作用，需要对虹膜区域图像进行更深入的处理与分析。因此，如何将定位好的虹膜从人眼中分离出来是下一步亟待解决的问题。

参考文献参考文献：

[1]DAUGMAN J. High confidence visual recognition of persons by a test of statistical independence[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1993，15（11）：11481161.

[2]DAUGMAN J. The importance of being random： statistical principles of iris recognition[J]. Pattern Recognition， 2003， 36（2）： 279291.

[3]DAUGMAN J. Demodulation by complexvalued wavelets for stochastic pattern recognition[J]. International Journal of Wavelets Multiresolution and Information Processing， 2003，1（1）： 117.

[4]DAUGMAN J. Biometric personal identifcation system based on iris analysis[P].U S， 5291560， 19940428.

[5]WILDES R P. Iris recognition ： an emerging biometric technology[J].Proceedings of the IEEE，1997，85（9）：13481363.

[6]王蕴红，朱勇，谭铁牛.基于虹膜识别的身份鉴别[J].自动化学报，2002，28（1）：110.

[7]李晶晶，张健.虹膜图像内外边缘定位算法研究[J].通信技术，2010，43（5）：178180.

[8]孙雯雯，周茂霞，白成杰.基于Hough变换的虹膜定位算法[J].计算机与数字工程，2016（1）：113117，122.