[发明专利]一种基于混合高斯模型的虹膜图像分割算法

权利要求书

1.一种基于混合高斯模型的虹膜图像分割算法，其特征是，包括内边界定位、外边界定位和眼睑检测；

所述内边界定位具体流程如下：

(S1.1)对输入的虹膜图像进行框架Laplace金字塔分解；

(S1.2)基于混合高斯模型的瞳孔分割；

(S1.3)基于形态学的反光区域消除；

(S1.4)虹膜中心初始化；

(S1.5)虹膜中心定位和内边界定位；

所述外边界定位是基于区域平均灰度差的曲线演化方法实现外边界的定位，具体步骤如下：

(S2.1)判断虹膜中心与图像左右边界的距离，以虹膜中心为圆心进行极坐标变换，变换所取半径为虹膜中心与左右边界距离的大者，由此步骤得到的极坐标变换图像的瞳孔以外的部分，记为图像I_rp；

(S2.2)将图像I_rp按半径方向等分三部分，对距瞳孔最近的部分进行极大值滤波，最远的部分进行极小值滤波，中间部分进行中值滤波，得到图像

(S2.3)在图像中，基于区域平均灰度差的曲线演化实现外边界的定位；

(S2.4)将上述迭代得到的外边界映射到原始图像I_r，即为虹膜外边界；

所述眼睑检测对上下眼睑定位采用相同的方法，即首先利用水平方向的序统计滤波和极大值检测定位上下眼睑，再通过二次曲线进行拟合。

2.如权利要求1所述的基于混合高斯模型的虹膜图像分割算法，其特征是，所述(S1.5)中，所述虹膜中心定位为基于弦长均衡策略的虹膜中心搜索，具体步骤如下：

第一步：虹膜中心的水平方向搜索；

第二步：虹膜中心的垂直方向优化；

第三步：计算内边界半径。

3.如权利要求1所述的基于混合高斯模型的虹膜图像分割算法，其特征是，所述(S2.3)中，基于区域平均灰度差的曲线演化实现外边界的定位，其迭代过程为：

a)将中值滤波区域中靠近最小值滤波区域的边界设定为初始外边界，记为C₀，同时得到由C₀划分的两个区域靠近瞳孔的区域A_i和远离瞳孔的区域A_e；

b)计算由C₀划分的两个区域的平均灰度，其中靠近瞳孔的记为d₀，远离瞳孔的记为d₀'，即

d0=mean(Ai)d0′=mean(Ae)]]>

c)将C₀向远离瞳孔的方向移动k个像素，得到新的边界C₁以及区域A_i¹和A_e¹，计算以C₁划分的区域的新的平均灰度d和d′；这一过程表示为

d=mean(Ai1)d′=mean(Ae1)]]>

d)按照|d₀-d′₀|与|d-d′|的大小关系确定边界是否继续移动，即若|d₀-d′₀|≤|d-d′|，令C₀＝C₁,d₀＝d,d′₀＝d′并返回步骤b)，否则以C₀作为外边界定位结果。

4.如权利要求1所述的基于混合高斯模型的虹膜图像分割算法，其特征是，所述眼睑定位过程如下：

(S3.1)对内外边界定位后的虹膜图像进行水平方向的序统计滤波，得到图像I_e，消除睫毛对眼睑的遮挡；

(S3.2)在垂直方向上对I_e进行差分，得到二值图像I_ed；

(S3.3)对二值图像I_eb进行二次曲线拟合，得到最终的眼睑定位结果。