一種檢測鼓膜內(nèi)邊緣定位的方法

一種檢測鼓膜內(nèi)邊緣定位的方法

1檢測邊緣的定位算法作為一種重要的身份識別特征，蜂窩具有絕對優(yōu)勢、穩(wěn)定性和非侵蝕性等優(yōu)點。虹膜識別主要包括虹膜定位、虹膜編碼、匹配決策等部分,其中虹膜定位的精確度將影響虹膜識別的有效性,虹膜定位的速度將影響虹膜識別技術(shù)的實用性。目前的虹膜定位方法大都采用Wildes提出的圖像二值化并結(jié)合Hough變換和Daugman的圓形檢測算子。傳統(tǒng)的Hough變換算法是對檢測出的邊緣圖像進行Hough變換,由于定位圓心和半徑,需要3個參數(shù)的變化進行搜索,因此搜索過程復(fù)雜,耗時較多。為了提高虹膜定位的精度和速度,本文提出了一種改進的算法。改進的思路是:對于虹膜內(nèi)邊緣定位,首先對二值化后的虹膜圖像進行腐蝕、膨脹以去除眼睫毛及眼瞼的干擾,然后對該二值化圖像運用灰度投影法找到橫、縱坐標(biāo)投影的最大值以確定瞳孔內(nèi)的一點,找到該點后,對采用Canny算子邊緣檢測后的圖像沿著該點向4個方向搜索,從而檢測到虹膜內(nèi)邊緣上的4個點,最后利用這些點并應(yīng)用圓的方程對虹膜內(nèi)邊緣進行定位。對于虹膜外邊緣定位,由人眼的幾何特征可知,虹膜的上、下兩側(cè)都有少部分被眼睫毛及眼瞼遮擋,因此邊緣圖像中的有效信息主要分布在虹膜外邊緣的左、右兩側(cè)。在虹膜外邊緣定位中,本文首先應(yīng)用已經(jīng)檢測出的虹膜內(nèi)邊緣參數(shù)等先驗知識去除上、下眼睫毛以及內(nèi)邊緣噪聲等大量無關(guān)信息,從而基本完整地保留了外邊緣左、右兩側(cè)部分,對這兩部分采用一種小范圍搜索的改進Hough變換,可以快速準(zhǔn)確地定位出虹膜外邊緣。該方法減少了直接用Hough變換的累積計算,在精度和速度上都有較大的改進。2膜定位2.1固定圖像中內(nèi)邊緣的檢測虹膜的灰度分布比較有規(guī)律,從瞳孔中心向外,灰度值加大。采集的虹膜圖像瞳孔部分灰度值一般在20～80之間,環(huán)形虹膜部分的灰度值一般在120～180之間,鞏膜部分灰度值一般在200以上。根據(jù)這個特點,在理想情況下可以用灰度投影的方法粗略定位出內(nèi)圓圓心的大概位置,這只是想保證找到瞳孔內(nèi)的一點,為能夠有效地找到虹膜內(nèi)邊緣點打下基礎(chǔ)。由實驗得知,這種方法對于眼睫毛濃密的人眼誤差很大,對這樣的圖像直接使用灰度投影法所找到的點已經(jīng)超出了瞳孔邊緣,在這個錯誤的基礎(chǔ)上結(jié)合圓的方程自然也就得到錯誤的圓心和半徑(如圖1(a)、(b)所示)。因此只有對圖像進行有效預(yù)處理,以減少眼睫毛的干擾才能保證所找到的點在瞳孔內(nèi),從而能夠使用本文提出的算法精確地定位出虹膜內(nèi)邊緣(如圖1(c)、(d)所示)。具體作法如下:根據(jù)虹膜灰度分布特點,先對虹膜圖像進行二值化,得到了包括瞳孔和部分眼睫毛的二值化圖像(如圖2(a)所示),然后對該二值化圖像取反(如圖2(b)所示),再利用形態(tài)學(xué)的腐蝕、膨脹(如圖2(c)所示)去除大部分眼睫毛,但仍基本保持了瞳孔的形狀,最后應(yīng)用灰度投影法就可以保證所要找的點在瞳孔內(nèi)。對圖2(c)運用灰度投影法,對圖像每一列的灰度值進行求和,找出最大值所在的列即為所要確定點的橫坐標(biāo),再對圖像每一行的灰度值進行求和,找出最大值所在的行即為所要確定點的縱坐標(biāo),灰度投影表達式如下:xj=∑i=1f(i,j)(1)xj=∑i=1f(i,j)(1)yi=∑j=1f(i,j)(2)yi=∑j=1f(i,j)(2)式中:f(i,j)為圖像中坐標(biāo)為(i,j)處像素的灰度值,取值為0或1,xj為列求和,yi為行求和。由x=max(xj),y=max(yi)即可確定瞳孔內(nèi)的點M(x,y)。M確定之后,利用Canny算子對原圖像提取邊緣,在該邊緣圖像中從M點開始向上下左右4個方向搜索,找到4個邊緣點后分別記錄它們的坐標(biāo)。按上下左右4個方向的順序分別設(shè)這4個點為P、Q、R、S,如圖2(d)所示。圓的方程的一般表達式為:x22+y22+Ax+By+C=0(3)式中:圓心坐標(biāo)為(?A2,?B2)(-A2,-B2),半徑為A2+B2?4C√2A2+B2-4C2。把以上4個點中的任意3個點的坐標(biāo)代入即可求出圓心和半徑,共可以求出4組,最后求平均值得到虹膜內(nèi)邊緣的圓心和半徑。該算法原理如下:將式(3)整理得:Ax+By+C=-x22-y22(4)從這4個點中取出任意的3個點P、Q、R,設(shè)它們的坐標(biāo)分別是(x1,y1)、(x2,y2)、(x3,y3),則有:Ax1+By1+C=-x2112-y2112(5)Ax2+By2+C=-x2222-y2222(6)Ax3+By3+C=-x2332-y2332(7)化為矩陣的形式即為:UT=V(8)則:T=U-1V(9)由此求出A、B、C,確定出圓心和半徑。其他3組求法同理。這種方法避免了直接使用Hough變換求虹膜內(nèi)邊緣的圓心、半徑,大大減少了計算量,并提高了定位的精度。2.2有去除噪聲的主體區(qū)域傳統(tǒng)Hough變換的算法描述如下:(1)對圖像作預(yù)處理,通過邊緣提取算子獲得二值化邊界圖像,并確定圓的半徑范圍;(2)初始化Hough矩陣,即圓參數(shù)的累加器數(shù)組A(x,y,r)=0;(3)對圖中每個點作半徑為r的圓,取遍所有的x,計算y,然后計算A(x,y,r)的值;(4)由A(x,y,r)的最大值確定圓的3個參數(shù)。該方法的缺點是:對于邊緣上的任意點,都要對以它為圓心,以r為半徑的圓周上的所有點檢測一遍以確定圓心可能的位置,這樣做具有盲目性,耗時較多。本文的方法敘述如下:由于Hough變換的計算量很大,所以需對原圖像進行適當(dāng)?shù)目s小,然后利用Canny算子提取邊緣并進行去噪處理,這樣做不僅減少了計算量,而且也減少了噪聲點對邊緣點的干擾。圖3(a)是經(jīng)適當(dāng)縮小后的圖像,圖3(b)是圖3(a)經(jīng)Canny算子作用后的邊緣圖像,從圖3(b)中可以看出噪聲主要包括3部分:上眼瞼及眼睫毛部分、下眼瞼及眼睫毛部分、瞳孔邊緣及其附近的噪聲點。從該圖還可以看出虹膜外邊緣并不完整,它的上部被上眼瞼及眼睫毛遮擋,而下部則被下眼瞼及眼睫毛遮擋,有用的信息主要分布在左右兩側(cè)的圓弧上。實驗所用的虹膜圖像來自于中國科學(xué)院自動化研究所提供的CASIA虹膜圖像數(shù)據(jù)庫,圖像為280×320像素的矩陣,如下是一些經(jīng)過實驗后的經(jīng)驗值:內(nèi)圓半徑r范圍:35～65;外圓半徑R范圍:85～125;大圓和小圓半徑差的范圍:45～80。由于已經(jīng)定位出虹膜內(nèi)邊緣,所以內(nèi)邊緣的圓心o(x0,y0)和半徑r都已知。設(shè)適當(dāng)縮小后的虹膜內(nèi)邊緣圓的圓心為o1(x1,y1)(其中x1=x0×scaling,y1=y0×scaling,scaling為圖像的縮放尺度),半徑為r1(r1=r×scaling)。去除噪聲的具體步驟如下:(1)瞳孔邊緣及其附近噪聲點的去除:把以o1(x1,y1)為圓心,以R0(r1<R0<r1+Δr)像素長度為半徑的圓形區(qū)域內(nèi)所有灰度值為1的點都賦值為0。被去除的噪聲部分如圖3(c)中的圓形區(qū)域。(2)上眼瞼及眼睫毛噪聲的去除:把以圓心o1(x1,y1)正下方第h1個像素點為圓心,以R1(R1=h1+r1+Δr1)像素長度為半徑的圓以外的所有灰度值為1的點都賦值為0。被去除的噪聲部分如圖3(c)中上面圓弧以外的區(qū)域。(3)下眼瞼及眼睫毛的去除:把以圓心o1(x1,y1)正上方第h2個像素點為圓心,以R2(R2=h2+r1+Δr2)像素長度為半徑的圓以外的所有灰度值為1的點都賦值為0。被去除的噪聲部分如圖3(c)中下面圓弧以外的區(qū)域。由圖3(d)可以看出,大部分噪聲都被去除了,而且虹膜外邊緣兩側(cè)的圓弧部分基本上被完整地保留下來。下面對Hough變換進行改進,具體作法如下:由于虹膜內(nèi)、外圓的圓心不會偏離太大,所以對于每一個邊緣點,只需考慮以它為圓心,以R(85≤R≤125)為半徑且朝著內(nèi)圓圓心方向的部分圓弧即可。設(shè)外邊緣上任意點E的坐標(biāo)為(u,v)如圖4(a)所示,則從該邊緣點到內(nèi)圓圓心o1(x1,y1)方向的方向角θ1計算如下:設(shè)θ=arctan(y1?vx1?u)θ=arctan(y1-vx1-u)(忽略圓心正上方和正下方的點):若x1>u,y1>=v,則該方向角θ1=θ;若x1>u,y1<v,則該方向角θ1=θ+2π;若x1<u,y1>=v,則該方向角θ1=θ+π;若x1<u,y1<v,則該方向角θ1=θ+π;令θ2=θ1-Δθ,θ3=θ1+Δθ,則只需考慮這2個角度之間的那段劣弧即可。3膜內(nèi)、外邊緣定位本實驗應(yīng)用CASIA虹膜數(shù)據(jù)庫的圖像,并用MATLAB7.0編程實現(xiàn)了文中提出的算法,精確地定位出虹膜內(nèi)、外邊緣,如圖4(b)所示,而且定位速