[发明专利]一种低分辨率图像虹膜中心精确定位的方法

权利要求书

1.一种低分辨率图像虹膜中心精确定位的方法，其特征在于，包括：

(1)获得人脸图像，并根据人脸特征点进行眼睛区域图像提取；提取得到的眼睛区域图像的宽度为N，高度为M；

(2)对眼睛区域图像进行二值化处理，并进行眼睛状态即睁眼与闭眼的识别；

(2.1)将图像的宽度归一化到宽度W,灰度化后进行二值分割，得到二值化图像；

(2.2)提取长宽符合虹膜特征的二值化连通域；

(2.3)根据提取出的连通域来判断眼睛的开闭，当且仅当满足以下条件时，认为是闭眼，否则为睁眼；条件如下：

图像中只剩余一个连通域，且连通域宽度m满足m/W0.6,左眼的垂直方向像素个数的标准差小于等于3.4，右眼的垂直方向像素个数的标准差小于等于3.5，垂直方向像素个数标准差δ_C通过以下方法计算得到：

c_i为水平位置i处的垂直方向像素数量，i∈1,2，…，m；为像素数量平均值；

(3)通过双圆活动边界模型对所有眼睛区域图像进行虹膜中心粗略定位；

(3.1)初始化双圆活动边界模型内圆的半径：r＝N×α，α为比例系数；

(3.2)在双圆活动边界模型中，遍历y＝M/2上，x∈[β*r,N-β*r]范围内的每一点，求取以任一点p_i为圆心时，外部圆环与内部实心圆的灰度平均值之差，灰度平均值之差最大的点即为粗略虹膜中心位置p_c(x_c,y_c)；

以p_i为圆心时，外部圆环与内部实心圆的灰度平均值之差为：

其中p_i＝(x_i,M/2)，x_i∈[β*r,N-β*r]，x_i为最小间隔为1的整数,f(p)为位置p处的图像灰度，β为比例系数；

(4)采用圆拟合算法、虹膜中心质量评估与二值化连通域的方法对虹膜中心精确定位；

(4.1)根据步骤(3)确定的粗略虹膜中心位置，以及双圆活动边界模型内圆的半径r，确定虹膜区域的边界，其左右上下的边界值分别为x_c±λr与y_c+3±r；

(4.2)使用边缘算法检测虹膜区域中存在的边缘；

(4.3)检测边缘上的点，若其位于环形区域s₂内，且梯度值不在(-0.5，0.5)范围内，则进行保留，否则作为干扰进行舍弃；

环形区域s₂为:以p_c(x_c,y_c)为圆心，内径为γr，外径为λr；

(4.4)对由保留点构成的边缘进行长度检测，舍弃过短的边缘，而后，将虹膜区域从中分为左右两个区域，分别计算左右两个区域中所有边缘的G值；对于左边的区域，若边缘的G值大于0，则舍掉该边缘；对于右边的区域，若边缘的G值小于0，则舍掉该边缘；边缘e的G值的计算方法如下：

其中N_e为边缘e中包含的点数，(x_i,y_i)为这些点的坐标，f(x_i,y_i)为这些点的灰度值；

(4.5)经筛选后，若左右两个区域中的任一区域中没有边缘，采用虹膜中心质量评估与二值化连通域的方法对图像虹膜中心进行精确定位，否则按照最小二乘圆拟合最优边缘方法进行虹膜中心进行精确定位；

采用虹膜中心质量评估与二值化连通域的方法对图像虹膜中心进行精确定位的方法如下：

(i)将步骤(1)选取眼睛区域图像灰度化后，利用阈值g_t进行二值分割，得到二值化图像；

(ii)利用如下公式计算眼睛区域图像中低于阈值的区域占步骤(3.2)确定的双圆活动边界区域的比例Q_r；

其中，f(p)为图像在p点的灰度值；

(iii)利用Q_r评估检测到的虹膜中心是否符合要求；对于闭眼的情况，若Q_r大于等于0.6，则认为粗略虹膜中心位置p_c(x_c,y_c)即为虹膜中心，否则应选取最大二值化连通域，并将其图心定为虹膜中心；对于睁眼的情况，若Q_r小于0.5，且二值化连通域数量多于1，根据如下公式(5)能筛选出唯一的二值化连通域，则将该唯一的二值化连通域的图心作为虹膜中心；否则将粗略虹膜中心位置p_c(x_c,y_c)作为虹膜中心；

其中，B_width为二值化连通域的宽度，B_height为其高度，B_maxarea为最大的二值化连通域的面积，B_area为二值化连通域的面积；

按照最小二乘圆拟合最优边缘方法进行虹膜中心进行精确定位的方法的步骤如下：

(i)最优边缘选取；

若左右两个区域中都具有边缘，对于仅包含一条边缘的区域，该边缘为最优边缘；对于包含两条或两条以上边缘的区域，按照如下方法选取最优边缘：

提取区域中最长的两个边缘e₁、e₂，对于右边区域，其最优边缘E_r为：

对于左边区域，其最优边缘E_l为：

和分别为左侧区域两个最长边缘包含的像素点数，和分别为右侧区域两个最长边缘包含的像素点数；

(ii)利用左右两个区域的最优边缘，采用最小二乘圆拟合算法对“两条边缘”进行拟合；若拟合出的圆半径在[N*0.2,N*0.25]范围内，则将其圆心作为虹膜的中心；否则，粗略虹膜中心位置p_c(x_c,y_c)即为虹膜中心。