[发明专利]基于非线性尺度空间的虹膜图像分割算法

权利要求书

1.一种基于非线性尺度空间的虹膜图像分割算法，其特征在于，包括以下步骤：

步骤1对虹膜内边界定位：利用非线性尺度空间所具有的尺度演化特性，对原始虹膜图像进行平滑处理，消除瞳孔区域的亮斑，保证瞳孔区域的灰度处于整幅图像的最低水平，再通过阈值实现瞳孔检测，实现虹膜内边界定位；

步骤2对虹膜外边界定位：利用非线性尺度空间的尺度演化特性，对原始虹膜图像进行平滑处理，消除几何尺度较小的睫毛对虹膜区域的遮挡，实现了对外边界的准确定位。

2.如权利要求1所述的虹膜图像分割算法，其特征在于，所述的步骤1具体包括以下步骤：

（1-1）对输入的虹膜图像I进行框架Laplace金字塔分解，得到概貌图像Ic和细节图像Id；

（1-2）对概貌图像Ic进行非线性尺度空间下的各向异性扩散，得到图像Ic_diffu1；

（1-3）考虑到正常情况下瞳孔区域的灰度值最低，则设定阈值Th，将图像Ic_diffu1二值化，低于此阈值的像素的灰度值置为0，得到L区域；否则置1，得到H区域；

（1-4）对L区域进行闭运算，得到图像Ic_pupil，即概貌图像Ic的二值化的瞳孔区域，其中闭运算采用的结构算子为圆，用b表示，即

Ic_pupil=(L⊕b)Θb---(1)]]>

（1-5）利用插值算法将图像Ic_pupil映射为与虹膜图像I同样大小的图像，得到图像I_pupil，采用双线性插值实现；

（1-6）以图像I_pupil的L区域为模板，覆盖原始虹膜图像I中对应的区域，得到消除反光后的图像I_r；

（1-7）计算图像I_r瞳孔区域的质心C，即

C=(Cx,Cy)=(1NpupilΣI_r(i,j)∈Li,1NpupilΣI_r(i,j)∈Lj)---(2)]]>

其中(i,j)为图像像素点坐标，N_pupil为瞳孔区域的像素数量；又以C点为圆心，对I_r进行极坐标变换和边缘检测，以半径方向上幅值响应最大的点为内边界点；统计内边界点到质心C的距离，将出现概率最大的距离Ri作为内边界的半径。