[发明专利]一种基于混合高斯模型的虹膜图像分割算法

说明书

技术领域

本发明涉及一种基于混合高斯模型的虹膜图像分割算法。 

背景技术

生物特征识别(Biometrics)是指通过信息技术，利用人类自身的生理或行为特征实现个人身份认定。这些特征包括虹膜、指纹、掌纹、人脸、声音等人体的生理特征，以及签名动作、行走步态、敲击键盘的力度等行为特征。由于这些生理或行为特征因人而异且具有相当的稳定性，因此成为鉴别身份的可靠依据。近年来，生物特征识别技术已在信息安全、金融交易、社会安全、人员管理、医疗卫生等领域获得了广泛应用[1]。 

作为一项重要的生物特征识别技术，虹膜识别得到了科学界和工业界的高度关注[2,3]，原因在于与其他生物特相比，虹膜唯一性高、精度高、稳定性好，适用人群广泛。目前，一个典型的虹膜识别系统主要由虹膜图像预处理、特征提取、归一化和编码几部分组成。其中虹膜图像预处理的主要任务是正确分割图像中的虹膜区域，即定位虹膜内外边界、消除睫毛和眼睑遮挡，从而为后续的特征提取和编码过程提供有效信息。预处理是整个识别过程的基础和关键，它会对最终的识别效果产生重要影响。最早的虹膜边界定位方法由Daugman提出，即经典的积分/微分算子(Integro-differential operator)^[4]；Wildes提出的算法将边缘检测与Hough变换相结合^[5]；Boles等采用一维三次样条小波提取出的图像过零点作为特征^[6]。随后，人们在虹膜图像预处理阶段引入了多种工具，如活动轮廓模型、傅里叶变换与几何投影、统计方法、Gabor滤波器等^[7,8]，取得了良好效果。近年来，考虑到虹膜识别方法的实用性，人们开始更多的关注虹膜的识别^{[9,10,11,12,13]}。虹膜图像由于存在反光、睫毛和眼睑遮挡等干扰，图像质量大为降低，这为虹膜边界的准确定位带来了很大困难。因此，虹膜识别的关键在于虹膜的内外边界定位。 

考虑到虹膜识别系统的实用性，研究者已经对虹膜预处理给予很大关注。由于存在反光、睫毛和眼睑遮挡等干扰，虹膜边界的准确定位存在很大困难。为此，人们近年来提出了许多方法。例如，Proenca^[9]等提出利用k均值模糊聚类对虹膜图像灰度的特征分类；Pundlik等^[10]通过图割分割虹膜，缺点是图割依赖于像素间的统计关系，忽略了边界信息，且迭代过程较长；He等^[11]提出了一种混合分割方法，即首先利用线性插值技术消除反光，再由弦长均衡方法搜索瞳孔中心；Jarjes等^[12]利用snake模型和角积分投影进行虹膜分割；Roy等^[13]通过 水平集演化实现虹膜边界提取。需要指出，由于Snake和水平集方法均依赖于由偏微分方程控制的曲线演化模型，此类方法收敛速度慢，且对曲线的初始化位置非常敏感。此外，Verma等^[14]提出利用图像增强技术分割虹膜。 

参考文献： 

[1]A K Jain,A Ross,S Pankanti.Biometrics:a tool for information security[J].IEEE Trans.Information Forensics and Security,2006,1(2),125-143. 

[2]J Daugman.How iris recognition works[J].IEEE Trans.Circuits and Systems for Video Technology,2004,14(1):21-30. 

[3]K W Bowyer,K Hollingsworth,P J Flynn.Image-understanding for iris biometrics:a survey[J].Computer Vision and Image Understanding,2008,110(2):281-307. 

[4]J Daugman.High confidence visual recognition of persons by a test of statistical independence[J].IEEE Trans.Pattern Analysis and Machine Intelligence,1993,15(11):1148-1161.