No.6 Dec. ,2016
微处理机
MICROPROCESSORS
第6期
王延年，姬乐乐
(西安工程大学电子信息学院，西安710048)
摘要：为了提高虹膜图像定位分割的速度和精度，提出了一种改进的虹膜定位分割算法。首先采取聚类法来对虹膜图像阈值分割，快速分割出瞳孔区域，并根据圆形的几何特性对虹膜内边缘 粗定位；然后根据圆的对称性计算虹膜内边缘的圆心和半径；最后利用已经提取的瞳孔圆周参数等 先验知识检测虹膜外径与圆心。测验结果表明，该算法提高了虹膜定位分割的速度而且定位准确 度可达到98.86%，在虹膜识别系统中具有很好的实用意义。 关键词：虹膜图像；虹膜定位；虹膜识别；聚类法；阈值分割；自适应
DOI：10. 3969/j. issn. 1002 -2279.2016.06.009
中图分类号:TP391.41 文献标识码:A 文章编号= 1002 -2279(2016)06 -0034 -04 Improved Iris Location Algorithm Based on Adaptive
Threshold Segmentation and Edge Detection
Wang Yannian,Ji Lele
{College o f electronic information an Polytechnic University ,X i^ an 71QQ4S , China) Abstract：In order to improve the speed and accuracy of the iris image segmentation, an improved segmentation algorithm for iris localization is proposed. First, the iris image threshold segmentation is conducted by K - means clustering to isolate the pupil region to provide coarse location of iris inner edge as per the geometric properties of the circle. Then, the center and radius of the inner edge of the iris is calculated on the basis of the symmetry of a circle. Finally, the pupil extraction has circle parameters such as prior knowledge detecting iris diameter and center. The experimental results show that the proposed algorithm can improve the speed of iris localization with position accuracy of 98. 86%, which is useful in the iris recognition system.
Key words：Iris image; Iris localization； Iris registration； K-means clustering；Threshold segmentation ；Self - adaption
i引言
快速准确的身份确认方法是一个由来已久的课 题。目前社会信息化正以突飞猛进的速度快速发 展，个人身份辨别已经渗透到人们生活的各个方面。身份鉴别已经成为社会安防系统的重要组成部分，同时也是社会安全管理的需要，一旦身份验证系统 出现了问题，将会给整个安防系统造成不可预知的 严重后果。
传统的身份识别主要依靠特定标志物（如ID 卡、门禁卡等）和特定知识（如口令、密电码等），然 而这些方法存在很多缺点，如携带不方便、容易遗失和被盗用、密码容易被破解等，此时身份识别就会失 败。W. K. Kong和Daugman采用统计特性对睫毛进 行检测[1]，但是，遮拦区域的检测将增加虹膜定位 的时间，如果需要存储遮挡模板，也将增大存储空 间。Boles等人提出了一种基于小波变换过零点检 测的虹膜识别算法，但是过零表示对图像的灰度变 化幅度比较敏感，这会导致虹膜图像识别率降低[2]。
为了获得更好的虹膜识别结果，提出了一种基 于自适应阈值分割及边缘检测的虹膜内边缘定位并 利用已提取的瞳孔圆周参数等先验知识进行虹膜外 边缘定位的虹膜内外边缘定位算法，试验表明该算法
作者简介：王延年（1963 -)，男，吉林长春人，教授，主研方向：工业控制信息系统。
通讯作者：姬乐乐（1991 -)，男，河南洛阳人，硕士研究生，主研方向：检测技术与自动化装置，控制网络与工程。收稿日期:2016 -06 -07
6期王延年等：基于阈值分割及边緣检测的虹膜定位算法■ 35 •
能够比较快速准确的定位人眼虹膜的内外边界。
2虹膜内边缘（瞳孔）定位
不同的图像灰度也不同，边缘处往往会有相.对 明显的分界，根据这个特性可以对图像进行分割[3]。虹膜图像有相应的灰度分布特点，虹膜灰度 要比瞳孔的灰度大，巩膜灰度要比虹膜灰度大。本 文提出的算法首先采取阈值法对瞳孔图像进行分 割，然后再采取边缘检测算子检测瞳孔区域边缘的 方法对内边缘进行定位。
在采集的眼睛图像I中（图1)，虹膜区域是介 于巩膜和瞳孔两者之间的部分，它纹理多样，包括犁 沟、脊状突起等部分w。由图像的灰度级i可以肴 出三个区域呈现出非常明显、的梯度：巩膜的颜比 较浅，虹膜的颜稍深，瞳孔颜最深，然而虹膜与 巩膜两者之间有一个灰度值变化不是特别大的区域 (即缓冲带)如图1所示。对图像的灰度直方图进 行统计，由统计的灰度直方图（图2 )能够看出图中
有三个波峰，分别表示原始虹膜图像的3个区域。其中第1个波峰对应瞳孔和睫毛部分（瞳孔的灰度 级和睫毛的灰度级差别较小），第2个波峰表示虹 膜区域，第3个波峰表示原始图像的其他部分。在 第1、第2两个波峰之间具有较大的灰度值变化，选 用两波峰之间比较合适的灰度值雙作阈值，这样能 够把瞳孔从采集到的眼睛图像骂中分割出来^。据此，采用k - means聚类[4 ]的方法，按照灰度特 点，可以将灰度直方图分为三类，分别代表不同的区 域，均值最小的一类即为瞳孔区域，将此类的聚类中 心当作阈值，来对图像进行分割》可以得到二值化图 像。k- means聚类箅法是将数据_分成k类.丨Q，C2....C k!，其中每一类里面都有一个聚
类中心，使得每个类内的距离最小，类和类之间的距 离最大。对于任意x;，有x;e&，且x；法ck, C j n ck#O (k^j)(i=1,2,. . . ,n),：^=1〇； = jxr/x2,,. . .
图J_始懷像
由图3能够看出，对虹膜图像进行阈值分割之 后，可以分离出来膣孔部分，再经过_值分割处理和 二值化处理之后虹膜图像被分割成一个连通区阈。得到这个连通区阈的边界便能够粗定位瞳孔。由于 瞳孔近似圆形，根据圆的几何性质两条直径的交点 就是圆心，因此二值化图像F(X，y)在水平和垂直方 向H灰度值最小的行和列，便对应着两条直径所在 的位置，它们的交点便是圆心。但是，受瞳孔与巩膜 灰度值_乎均影响，.以x_，y)；隹水平和垂直方向上灰 度值最小的行和列，不是两条直径的位置，而
是圆的 两条弦。如此定位的瞳孔中心坐标与真实瞳孔中心 具有一定偏差，对二值图像I'(X，y)进行水平和垂直 方向的投影，选取水平和垂方向上投影值最小的行 和列，它们的交点p U，y)就是要的瞳孔内的一 点P是x行对应的投影值,，P7是y列对应的投影值，其中P l和Py满足公式（1)和(2):
凡=m iir|X/’.〇,.y)丨⑴
%y
=m iir|X/’.〇，>丨(2) y x
廣2 I^y)灰度直方图
泛亚铁路
图3瞳孔K域
3计算虹膜内边缘圆心、半径
根据求得的瞳孔内一点p(x,y)及瞳孔边缘图 I(x,y)，可以求出瞳孔边缘的圆心和半径。按照所 求得的圆心和半径能够在原图上较为准确的标出虹 膜的内边缘区域。
近年来有学者提出采用"非共线三点”的方法 来确定圆的参数[6]，实验证明这种方法受边缘点采 集及计算的影响，容易对瞳孔圆心和半径计算产生 较大误差。
根据圆的对称性[7]，采取以下算法进行瞳孔边 缘圆心和半径的计算：
(1)根据p(x，y)的坐标在原始图像I上判断 =i(x，y)_点是杏为边缘点。：若'I(x，y) =1为边缘点，则根据P(x，y)的坐标在原图I上判断P点是在瞳
0 50 100 150 200
250
• 36 •
微处理机
2016 年
孔的左半圆还是右半圆，若I(x + n ,y ) <I (x -n ,y ) 说明边缘点右边灰度小于左边灰度，则边缘点 P (x ,y )在左半圆，可直接进人(2)。若I(x + n ,y ) >
I(x -n ,y ),
则边缘点p (x ,y )在右半圆，或I (x ,y )不 等于1^(\,)〇不是边缘点。均在1内循环向左 到左半圆边缘点Pl (即y 值不变,x = x - 1 )，循环判 断I (x ,y )是否等于1 ，进人步骤(2)
。
(2)根据左半圆边缘点Pl (x ,y )和原图像I (x ,
y )来判断P (x ,y )是在上半圆、下半圆还是圆中间。 若 I (x,y + n ) <I (x ,y -n ),
则说明边缘点 pi (x ,y )
下边灰度小于上边灰度，是在上半圆，进人（3)。若 I (x,y + n ) >I (x ,y -n ),
则说明边缘点 pi (x ,y )下
边灰度大于上边灰度，则边缘点p (x ,y )是在下半 圆，进人步骤(4)。若I (x,y + n ) =I (x ,y -n ),
则说
明边缘点Pi (x ,y )在圆中间。圆中间在向上或向下 计算瞳孔边缘上点时会出现计算点在瞳孔边缘外的 现象，则对于p J x A )取p(x +2n ,y )作为瞳孔内任 一点，向上到新的左半圆边缘点作为Pl ( x ,y )(即 x 值不变,y = y -l )，循环判断I (x ,y )是否等于1, 进人步骤(3)。
(3 )针对上边缘点Pl ( x , y )在I 内循环向右 到右半圆边缘点(即y 值不变x = x + 1 ,
循环判
断I (x ,y )是否等于1 ,
分别从（x , y + n )点和
(x,y - n )点开始在I 内循环向左到左半圆边缘点
P 2、P ：3，循环向右到右半圆边缘点P W s ，进人步 骤⑶。
(4) 针对下边缘点Pl (x ,y )在I 内循环向右 到右半圆边缘点P 'l 5分别从（x ,y -n /2)点和 (x,y - n )点开始在I 内循环向左到左半圆边缘点 P 2、P ：3，循环向右到右半圆边缘点,P ^ ，进人步骤⑶。
(5) bi = (yi +y \)，其中 yi 为 pi 的 y 坐标，为的y 坐标，同理计算出b 2、b 3。三者 差值最小的一对求平均值取整数可得到b 值，作为 圆心的y 值，进人步骤(6)。
(6) 取边缘点Pl (x , y )的值和所计算出的b 值
可得到瞳孔边缘圆垂直直径上一点（x ,b )，分别在I 内循环向上到上半圆边缘点p 4和向下到下半
圆边缘点 p \。a = (x4 +X \)/2,R = (x\ -x 4)/2，其 中X 4为p 4的X 坐标,x 、为p 、的X 坐标。可计算 出瞳孔边缘的圆心（a ,b )和半径R 。真如中学
边缘点在上半圆的计算过程如图4所示。
4虹膜外边缘精确定位
虽然巩膜、虹膜和瞳孔的平均灰度值大体上呈
阶梯分布，但是巩膜和虹膜的平均灰度值差别较小， 即虹膜和巩膜的对比度比较低，这致使虹膜外边界 不太清晰，采用一般的边缘检测算法检测虹膜外边 缘的轮廓显得较为困难[s ]。为了解决这个难题，首 先采取线性映射使输出像素的概率密度均匀度变换 的方法増强虹膜图像的对比度[9]，可以将虹膜的外 边缘相对容易的检测出来。如果不经处理就去检测 经过増强处理后的虹膜图像边界，那样检测所得到 的边缘图像会出现比较多的小枝和孤立边缘点，结 果也会导致对虹膜定位不准确的现象。为了获得更 好的定位效果，可以对増强后的图像阈值分割处理, 经过阈值分割消除灰度值较高和较低的孤立小区 域[1°]。然后检测经过阈值分割处理之后虹膜图像 的边缘，这个边缘图像由上下眼皮和虹膜之间的边 缘、虹膜和巩膜之间的边缘构成。最后，利用已经提 取的瞳孔圆周参数和虹膜外边缘的环状结构等先验 知识对虹膜外径和圆心进行定位。具体的虹膜外边 缘定位算法如下：
(1)
因为瞳孔一般并不位于虹膜的中心，常
一定的偏离，但偏离较小。设虹膜外边缘的圆心
(,y i )在以瞳孔圆心（a ,b )为中心的9 x 9矩形内。
(2)
如果取遍了矩形内的点则转到步骤（5)
则从矩形内取出一点（X l ,y ,)，取虹膜的起始半径^ 为1.33R (R 为已检测出的瞳孔半径）。⑶以（X l ,y i )为圆心，宽度为2个像素，搜索半 径为r ;，范围为3t t /4 - 5t t /4和-t t /4 - t t /4(因上下 眼皮可能会遮住虹膜的一部分，这部分不能作为匹 配信息）的圆周上的边缘点，若搜索到的边缘点数 大于该圆周长度的1/8，且比已经记下的大，则 记虹膜外圆周参数为（Xi
。
(4)取 r ; =!•; + 2，若 r ; > m in (w /2 _ 8 ,h /2 _ 8 ), (w 、h 分别为虹膜图像的宽度与长度）则转到步骤
(2)，否则转到步骤(3)。
6期王延年等：基于阈值分割及边缘检测的虹膜定位算法• 37 •
(5)输出参数^“^^，停止。
5测试结果及结果分析
本文使用CASIA v l.O和CASIA v4.0中的虹膜 图像作为实验样本来验证本算法的有效性。进行实 验的硬件环境为Intel 6处理器，CPU主频1.8GHz，内存为4GB，操作系统为WmdowS7，并使用MAT-LAB2014b验证本文提出的虹膜定位分割算法。运 用改进的虹膜定位算法在虹膜数据库的图像上进行 验证，部分虹膜定位结果如图5所示，与其他算法的 比较如表1所示。
图5本文算法定位效果图
表1本算法与其他算法的结果比较
算法平均总定位时间（s)准确率（％)
Daugman 2.6797.33
Boles 2.5496.87本文算法0.8098.86
从上述实验的虹膜定位效果可以看出，新算法 显著提高了虹膜定位分割的速度和准确率。这是因 为阈值分割法能够很大程度上减少眼睑、睫毛等区 域对虹膜定位的影响，提高了抗噪声能力。
6结束语
不同的图像灰度也不同，边缘处往往会有相对 明显的分界。根据这个特性本文提出了一种新的方 法进行图像分割。针对虹膜图像的性质，本文提出 了一种基于自适应阈值分割及边缘检测的虹膜内边 缘定位并利用已提取的瞳孔圆周参数等先验知识进 行虹膜外边缘定位的虹膜内外边缘定位算法，试验 表明该算法能够比较快速准确地定位人眼虹膜的内 外边界。并通过对CASIA v l.0、CASIA v4. 0数据库 的实验样本进行仿真实验。测验结果表明，该算法 不仅克服了传统定位分割算法精度不高和定位速度 较慢的缺点，而且具有很好的自适应性且算法易于 实现。对于一些需要快速准确检测虹膜的系统，具有较好的应用价值。
参考文献：
[1 ] John Daugman. How Iris Recognition Works [ J ]. IEEE
Transactions on Circuits and Systems For Video Technolo
gy ,2004,14( 1) ；21 -30.
[2]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):1 -10.
Wang Yun — hong, Zhu yong, Tan Tie — niu. Personal
identification based on iris recognition [ J ] •Journal of
automation ,2002,28(1) ； 1- 10.
[3]杨文，于力，王宽全，等•虹膜定位的快速算法[J]•计
算机工程与应用，20〇4，4〇(10) :82 - 81
Yang Wen, Yu L i, Wang Kuan — quan, et al. Fast
第五态algorithm for iris localization [ J ]. Computer engineering
and Applications ,2004,40(10) ；82 - 84.
[4] John Daugman. How Iris Recognition Works [ J ]. IEEE
自发功Transactions on Circuits and Systems For Video Technolo
gy ,2004,14( 1) ；21 -30.鹿鼎记2攻略
苏门答腊小矮人[5]王江南，吴冬梅.一种基于几何原理的虹膜定位算法
[J].计算机应用与软件，2〇1〇,27( 1)250-251，254.
Wang Jiang — nan, Wu Dong — mei. An iris location
algorithm based on geometric principle [ J ]. Computer
applications and software，2010,27(1) :250 - 251，254. [6] W W Boles，B Boashash. A Human Identification Tech
nique Using Images of the Iris and WaveletTransform
[C]. IEEETransactions on Signal Processing, 1998 (4)；
1185 - 1188.
[7]袁晓燕，施鹏飞.活体虹膜图像的定位与分割[J].数
据采集与处理，2006，21 (6):137 -141.
Yuan Xiao — yan, Shi Peng — fei. The location and
segmentation of live iris image [ J]. Data acquisition and
processin,2006,21(6) ； 137 - 141.
[8]田启川，潘泉，张洪才，等.不同光照下的虹膜边界定
位研究[J].光电子•激光，2006,17(4) :488-492.
Tian Qi — chuai, Pan Quan, Zhang Hong — cai, et al. Iris
boundary localization under different illumination [ J].
Optoelectroniclasers ,2006,17(4) ；488 -492.
[9]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):178 -180.
Li Jing — jing, Zhang Jian. Research on inner and outer
edge location algorithm of iris image[J]. Communications
Technology,2010,43(5) ；178 -180.
[10] Chen R，Lin X R，Ding T H. Iris segmentation for non -
cooperative recognition systems [ J ]. Let Image Process
ing,2011,5(5)
；448 -456.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议