第  卷第  期 ! 年  月 计 算 机 应 用 研 究 &( & ,()% &1 0%)$ &"& 0 1'! 基于并查集和边缘检测模板的非理想虹膜定位 '沈阳工业大学 视觉检测技术研究所 沈阳 ! '沈阳化工大学 计算机科学与技术学院 沈阳  朱立军   苑玮琦 摘要 非理想虹膜图像往往存在虹膜边缘模糊灰度变化不均匀位置偏移及光斑干扰等问题这些问题的存 在会在一定程度上影响虹膜内外边界定位的准确率 针对这个问题提出采用并查集和边缘检测模板的方法来 对非理想虹膜进行内外边界定位 内边界定位首先采用并查集方法完成瞳孔区域粗定位然后采用 5&$ 变换 对瞳孔进行精确定位外边界定位先利用一系列边缘检测模板大致确定外圆的位置再依据外边界附近圆环内 边缘点的密度来最终完成外边界的精确定位 实验结果表明对于非理想虹膜图像该方法的定位正确率和定 位速度均高于其他同类方法 关键词 虹膜定位 并查集 边缘检测模板 内边界 外边界 中图分类号 *+'文献标志码 , 文章编号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引言 目前对虹膜的定位算法主要分为两类% 将梯度图像进 行二值化处理然后采用 5&$ 变换方法进行边界定位   直接 对 梯 度 图 像 采 用 微 积 分 方 法 进 行 圆 检 测 实 现 边 界 定位   定位容易失败 针对以上两种定位方法的缺点很多学者提出了一些改进 策略如文献   首先使用矩形窗口估计出大致的瞳孔位置 然后定义一套边缘点选择规则来删除非边缘点这样就可以减 少非边缘点的数量从而提高 5&$ 算法定位的精度 文献   提出了一种区域生长与 5&$ 变换相结合的虹膜定位方 5&$ 变换  的主要思想是采用二值图像中的边缘点对 法 首先利用区域生长搜索虹膜的内边缘然后根据图像的灰 边界参数进行投票其中得票最多的参数就确定为最终的虹膜 度变化规律搜索位于外边缘的若干个点最后利用 5&$ 变 边界的参数 该方法的特点是能检测已知形状和个数的目标 换找出外边缘所在的位置文献   采用形态学的方法得到瞳 只要图像具有足够清晰的边缘就能够有效定位目标边界且具 孔区域采用 <&(算子检测出瞳孔的边界点通过最小二乘 有较高的定位精度缺点是在缺乏先验知识的情况下计算量 法拟合出虹膜内边界 在此基础上再利用 5&$ 变换来定位 大算法的实时性较差 =%%1  采用梯度积分的方法来 虹膜的外边界文献  采用灰度积分投影的方法来粗略定位 定位虹膜边界通过搜索沿径向方向的最大圆周积分的方法来 出虹膜区域采用矩形法估算圆的圆心及半径再运用 5&$ 确定最终的虹膜边界 该算法利用的是图像梯度的幅度信息 变换精确定位出虹膜轮廓文献 !  对虹膜图像进行非线性灰 因此无须对图像进行二值化处理对于边界模糊和对比度低的 度变换再利用边缘检测和改进的 5&$ 变换来定位虹膜边 虹膜图像仍然能够有效定位该算法的缺点也是计算量大另 界文献  根据所得的边缘点建立一个目标函数利用粒子 外如果虹膜非边界处出现较大的梯度值  如光斑或睫毛 则 群算法对该函数进行优化以此找到一个圆来拟合虹膜的内边 收稿日期   修回日期 基金项目 国家自然科学基金资助项目   作者简介朱立军  男讲师博士研究生主要研究方向为生物特征识别苑玮琦   男教授博导博士主要研究方向为生物 特征识别机器视觉检测 %1')& ' 

  !! 计 算 机 应 用 研 究  第  卷 缘文献   对图像进行四倍的下采样采用阈值方法分割出  08 操作 瞳孔的大致位置和尺寸最后结合 =%%1 的微积分算子和 - 再回到步骤  处理下一关联元素对直到所有的关联 7(-0两步法进行精确定位文献    利用灰度投影和形态 元素对处理完为止 学方法来实现瞳孔粗定位利用 5&$ 与微积分算法相结合来 为了提高并查集的执行效率本文采用树结构来实现并查 进行边缘精定位文献    采用形态学算子与 %11算子相 集其中数根的名字代表所生成的子集合的名字同一棵树中 结合来提取图像的粗边缘轮廓通过 5&$ 变换的方法得到精 任何两个元素都直接或间接地相关联 不同树中任意两个元 确的虹膜的内外轮廓文献    采用矢量场卷积来实现虹膜 素都不存在直接或间接的关联 当两个相关联元素所在的集 内边界精确定位采用改进的 =%%1 算 法 进 行 外 圆 定 位 合树合并时只需找到每个元素所在树的树根然后把一棵树 以上改进算法对于较理想的虹膜具有较好的定位效果但在对 作为另一棵树的树根子树即可 非理想虹膜定位时仍无法彻底摆脱光斑灰度变化不均匀位 例如集合 0 >        !    关联元素对为 置偏移及边缘模糊等因素的影响定位效果并不理想                       !         并查集 针对非理想虹膜定位问题本文提出采用并查集和边缘检 的处理结果如图   所示 其中图  是 1 %( 0 处理结果 测模板的方法来实现虹膜的内外圆定位 对于虹膜内圆定位 第一行是集合中的所有元素第二行是每个元素所在的集合 首先采用并查集的方法来实现内圆粗定位的方法能够克服光 集合的名字就是元素的名字 图  是并查集执行结果 图中 斑因素带来的影响然后采用 5&$ 变换来提高内圆精定位的 元素和集合名字相同的集合的个数就是最终并查集处理结果 速度对于外圆定位通过分析虹膜外圆边缘特点定义一系列 相应子集合所对应的树如图  所示 边缘检测模板通过这些检测模板来快速实现虹膜的外圆定 位 大致处理流程如图  所示         !    0          !   图 并查集初始化结果         !    0             图  并查集处理结果 图 虹膜内外圆定位流程 基于并查集的虹膜内圆定位 并查集的定义 在有些应用问题中需要把一个由  个元素组成的集合依 据元素之间的联系划分成若干个互不相交的子集合解决这类 问题首先让每个元素组成一个独立的集合如果不同集合中 的元素存在直接或间接的联系则合并这两个集合直到任何 集合中的元素都不存在联系为止 由于这类问题中主要涉及 的是对集合的合并和查找所以将这种集合称为并查集 其数 学模型如下 已知若干个互不相交的动态集合  > 08  它支 持以下运算 % 1 %( 0  构造一个名字为 0的集合它只包含一 个元素  图 子集合对应的树 采用并查集进行瞳孔区域粗定位 虹膜图像的灰度特点是瞳孔区域的灰度一般要小于虹膜 区域的灰度而虹膜区域的灰度一般要小于巩膜区域的灰度 并且同类区域内灰度变化较小而不同类区域边界处灰度变化 较大 虹膜图像中的每个像素可以看成是一个集合元素如果 相邻两个像素 -的灰度差小于某个阈值 ,就可以认为这两 个像素之间存在关联关系记做  -  这样可以通过并查集 操作来实现虹膜中不同类型区域的划分 由于瞳孔区域的灰 度较其他区域的灰度要小所以根据所得到的各个区域的灰 度值的大小就可以确定最终的瞳孔区域 对于可见光虹膜图 像而言瞳孔内部光斑附近区域的灰度值将会出现明显跳变 由于光斑的面积通常要小于瞳孔的面积所以光斑只改变了一 小部分瞳孔区域的灰度而大部分瞳孔区域的灰度仍然不会受 到光斑的影响 这样通过并查集操作就得到了一个存在部分 残缺的瞳孔 这个残缺的瞳孔可以作为瞳孔的粗定位如图  所示 图    是对图 % 通过并查集操作进行瞳孔区域粗定   08  将集合 08合并其结果取名为 0或 8 位的结果 ) "1-   找出元素 所在的集合并返回集合的名字 采用 "#/变换确定最终的内圆轮廓 并查集的处理步骤如下 在得到瞳孔粗定位的基础上再采用边缘跟踪方法得到粗 % 利用 1 %( 0 操作把集合中的每一个元素建立一 定位瞳孔区域的所有边缘点然后再使用 5&$ 变换方法得到 个子集合 最终的虹膜内圆轮廓 由于在使用 5&$ 变换前就确定了大  针对每个关联元素对  ' 分别利用 "1-   操作求 致瞳孔的区域所以大大缩小了圆心及半径的搜索范围 另 出 '元素所在集合 08 外由于 5&$ 变换使用的点都是采用边缘跟踪得到的边缘 ) 如何 08不相同则认为 '属于不同的集合则执行 点不存在瞳孔外其他干扰的边缘点所以大大提高了 5&$ 

第  期 朱立军等基于并查集和边缘检测模板的非理想虹膜定位 !!  变换的速度 图   ) 为对  进行边缘跟踪所得到的边缘点 外圆精确定位  - 为采用 5&$ 变换所得到的最终的虹膜内圆轮廓 外圆粗定位方法只能大致确定虹膜外圆水平方向的位置 由于非理想虹膜外圆轮廓通常并不是标准圆形且较模糊所以 采用 5&$ 变换和微积分的方法来定位外圆并不能取得很好 的定位效 果 为 了 进 一 步 得 到 外 圆 的 精 确 位 置 本 文 采 用 %11算子提取虹膜 ED=,边缘的二值图像 1% ' 如图 ! 所示 由图 ! 可以看出外圆轮廓附近提取到的边缘点数目 图 采用并查集和 5&$ 变换进行内圆定位 较多因此为了确定虹膜外圆的精确位置本文取外圆附近宽 采用并查集对虹膜内圆进行粗定位可以快速地完成对虹 度为  的圆环内边缘点的密度作为外圆精确定位的依据其  膜瞳孔的粗定位即使在有光斑干扰的情况下仍然可以获得 中密度最大圆环的中心位置确定为外圆的精确位置这里假设 瞳孔的大部分区域 在此基础上使用 5&$ 变换确定精确的  为外圆粗定位确定的圆心坐标   ' 为粗定位所确定的 内圆轮廓提高内圆的定位效率    外圆半径具体公式如下 基于边缘检测模板的虹膜外圆定位 虹膜外圆是巩膜与虹膜的交界理想的虹膜外圆附近一般 { 其他  ?  槡   '  '   >         @  ? ' @'  @       存在较大的灰度突变 然而对一些非理想虹膜图像而言虹           (  '   >   '  '          >   '   >  '   % (  '             '    其中  '    ' 1% ' >  (  '   为圆环      内所包含边缘点的个数   >   @    ?   由于外圆 粗定位可以大致确定外圆中心的水平坐标所以只需搜索外圆 中心的垂直坐标即可即    @  ?  ' >'        膜的外圆轮廓往往并不是十分清晰这就给虹膜外圆的准确定 位造成了困难 针对这一问题本文通过定义一系列边缘检测 模板来对虹膜的外圆进行粗定位然后根据经 %11算子处理 后外圆附近圆环的点密度来最终完成虹膜外圆的准确定位 定义边缘检测模板实现外圆粗定位 由于受眼睑的遮挡虹膜外圆往往只是露出了一部分所 以为了尽量避免在外圆定位过程中眼睑睫毛等非外圆信息对 定位的干扰本文把对外圆检测区域  & &1-%- ) &1 %%ED=, 限定在以经过瞳孔上下两顶点的两条水平直线所 围成的区域内 因为检测的目标是一段弧为了能准确地描述 外圆的轮廓特征本文把检测的区域在垂直方向平均分成上 中下三段根据各段外圆轮廓的特点设计相应的边缘检测模 板来进行外圆轮廓粗定位 假设瞳孔的垂直直径长度为 个 图 外圆粗定位  图 !虹膜图像二值化 像素则检测模板的长和宽均为 3 >)  图  是假设 3 > 时 所对应的各个模板 其中 %   分别用来检测左右上段轮廓 模板 )  - 分别用来检测左右中段轮廓模板   " 分别用 来检测左右下段轮廓模板 检测时模板  %  )   和模板    -  " 分别沿水平方向向左和向右逐像素地移动如图  所示 移动过程中模板与虹膜灰度图像进行卷积运算使卷积 取最大值的模板中心位置就是虹膜外圆轮廓上某个点的位置 这样六个模板就可以得到六个外圆轮廓上的点 3 实验结果及分析 实验所用图库是本研究室自己采集的可见光虹膜图库主 要来源于学生和病人共  张分辨率为 ! C  图像是 在非理想成像条件下采集的因此采集到的图像会存在反射光 斑位置偏移光照变化等问题 实验所用计算机处理器为 1 (& 其主频为 ' 5#内存  D操作系统采用 71 -&80++&"00&1%( 开发工具为 0%(< -&??  其中线段3中最长线段的长度就可以确定为外圆直径的 及 E1'  长度 由于虹膜外圆往往不是一个标准的圆所以还需要进一 步进行精确定位 为了能客观评价定位算法检测的精度本文采用准确性偏 差   %))%)&,; 作为衡量定位算法性能优劣的指标              @ @ 定义为     @ @        @ @    @ @ @ @       @ @ 0!> C     @  3   @ @ @ @ @ @      @ @ 其中 和  分别是实际虹膜区域所包含的像素个数和所定  3    @ @ @ @ @ @ @ @     @ @  %    )   位出的虹膜区域所包含的像素个数如果 0!的值小于  @ @     @ @ @ @ @ @ @ @  则认为该虹膜定位成功 定位准确率 %))%)% , 定义 @ @      @ @ @ @ @ @   如下 @ @       @ @ @ @    @ @        @ @     09> C     & @ @                其中 是图库中能成功定位虹膜图像的个数 是图库中所  -    " &    图 3 > 时像素的边缘检测模板 有图像的个数 

  !! 计 算 机 应 用 研 究  第  卷 根据实验并查集阈值 ,取  部分定位结果如图  所示 的原因是由于外圆边界模糊且接近于图像边缘边缘检测模板 无法定位到虹膜外边界同时又受虹膜内部纹理特征  坑洞纹 理 的干扰从而导致了虹膜外圆定位失败 图 部分虹膜内外圆检测结果 图 定位失败的虹膜图像 为了进 一 步 验 证 虹 膜 定 位 方 法 的 优 越 性 本 文 采 用 5&$ 变换和微积分方法相结合的方式来与本文方法进行比 较 由于 5&$ 变换适用于边界较清晰的目标定位而微积 分方法不需要对图像 进 行 二 值 化 处 理 可 以 定 位 边 缘 较 模 糊的目标而本图库可见光虹膜的特点是内圆边缘较清晰而 外圆边缘较模糊所以本文选择 5&$ 变换进行虹膜的内圆 定位选择微积分的方法进行虹膜外圆定位定位对比结果 如表  所示 表 本文方法与同类定位算法的比较 定位方法 内圆定位 外圆定位 总定位 准确率 . 准确率 . 时间 .0 结束语 针对非理想可见光虹膜图像本文提出一种基于并查集和 5&$ 变换的内圆定位方法和边缘检测模板的外圆定位方法 该方法无须预先确定虹膜内圆圆心及内外圆半径的大致范围 并且该方法受光斑睫毛及虹膜表面纹理特征等干扰的影响较 小具有较好的鲁棒性 实验证明与同类定位方法相比该方 法不但在虹膜内外圆定位的准确率上而且在定时速度上都有 了显著的提高 下一步的工作是如何彻底排除睫毛眼睑及虹 膜纹理特征的干扰进一步提高算法的鲁棒性 5&$ 变换 ?微积分方法 本文方法 !' !' !' 参考文献 ' ' '    7(-0+'0)&1 &1 %1 1&  )$1&(&  ' 由表  可知采用本文方法定位虹膜内外圆的准确率较 5&$ 变换 ?微积分的方法有了显著的提高同时定位时间 也有较大幅度的提高 其主要原因为5&$ 变换 ?微积分 的方法都需要先验知识即虹膜内圆圆心的大致范围虹膜 内圆外圆半径的大致范围而本图库的虹膜是在非理想状 态下采集的图库中不同虹膜图像之间差异较大因此采用 5&$ 变换进行定位内圆时圆心和半径的搜索范围较大造 成内圆的定位时间较长 另外5&$ 变换需要对图像进行 二值化处理二值化阈值的选择需要依赖经验而非理想虹 ")$- "&/1***       !'    =%%1 '< % 0 )%()$100&"0%($%01"&% &1 -% &1 )&1#10&100% 10  '1$$%"$%!"#$%"& '"#-"$       !'    =%%1 '5&80)&1 &1 8&:0  '1***%$- "$')#- %$, -- &"")/$""        '    张林 王 保 强'一 种 改 进 的 基 于 5&$ 变 换 的 虹 膜 定 位 算 法   '电子技术应用       '    梁艳 曾 碧 卿'基 于 区 域 生 长 与 5&$ 变 换 的 虹 膜 定 位 方 法   '计算机工程与应用    !   ' 膜图像的对比度差异较大因此很难得到较理想的二值化阈   田絮资 张园 黄力宇'结合形态学的 5&$ 变换虹膜定位改进 值这样就容 易 遗 漏 一 些 真 实 的 边 缘 点 和 引 入 很 多 非 边 缘 算法  '计算机工程与应用       !' 点从而导致内圆定位不准确 而微积分定位外圆虽然不需   刘念 苏杭 郭纯宏 等'基于 5&$ 变换圆检测的人眼定位方 要对图像进行二值化处理不存在选择二值化阈值的问题 法改进  '计算机工程与设计       ' 但是该方法容易受光斑睫毛以及虹膜表面坑洞色素斑以  !  万洪林 韩民'基于 5&$ 变换与图像灰度增强的非理想虹膜边 及裂缝等特征纹理的影响导致定位失败 由于本文是采用 界检测  '首都师范大学学报 自然科学版       ! 并查集的方法直接得到瞳孔的大致区域然后通过边缘跟踪 ' 得出轮廓的边缘点再通过 5&$ 变换来确定出最终的虹膜 内圆所以不需要预先确定内圆圆心内圆半径的大致范围 从而大大缩短了定位时间 同时该方法不会受光斑睫毛以 及虹膜表面纹理特征的影响保证了该方法具有较高的定位 准确率 另外由于图库中可见光虹膜图像虹膜和巩膜之间 颜色差别较大所以在内圆定位的基础上采用边缘模板可以 很容易快速定位出外圆    邹德旋 王鑫 陈传虎 等'基于改进粒子群的虹膜定位算法   '光学精密工程       '   李欢利'虹膜特征表达与识别算法研究 = '北京 中国科学院 大学 '    彭建 向军'一种基于形态学的虹膜定位快速算法   '计算机 工程与应用       '    孙雯雯 周茂霞 白成杰'基于 5&$ 变换的虹膜定位算法  ' 计算机与数字工程        ' 虽然本文定位方法较其他同类算法在定位准确率上有了    马义德 周丽君 李园'基于矢量场卷积的虹膜定位   '红外 很大的提高但仍存在外圆定位失败的情况如图  所示 其 与激光工程       ' 中图   % 定位失败的原因是由于外圆轮廓较模糊受睫毛和 眼睑的干扰较大这样经过 %11算子处理后仍然无法得到清 晰的虹膜外边缘信息从而导致定位失败图    定位失败    %$ * 1%1 * 1%1 < , 0(&)%(#% &1 01(& )%($0 &%%1- & $%0 % 0 )0  '5)- %$3%-- $ *$$$       '