基于眼部生理结构的虹膜外圆定位

张静凯，张正平

(1.贵州大学大数据与信息工程学院贵州贵阳　550025；2.贵州大学大数据与信息工程学院贵州贵阳　550025)

基于眼部生理结构的虹膜外圆定位

张静凯1，张正平2

(1.贵州大学大数据与信息工程学院贵州贵阳550025；2.贵州大学大数据与信息工程学院贵州贵阳550025)

在计算机网络通信广泛应用的时代，个人身份认证的信息安全越来越重要，面对各种身份欺诈手段，目前没有一个完全安全的认证方式，所以一个可靠且稳定的身份认证方法迫切需要，面对众多的高科技生物识别手段，虹膜识别是最佳的选择，在所有非基因识别的方式中，精确率最高，且稳定。文章介绍了虹膜识别算法的整体流程，分析了它优于其他生物识别的特征，包括虹膜的定位、预处理、归一化、纹理提取、比对识别等，而其中虹膜外圆定位是难点，该算法基于人眼部生理结构对虹膜进行定位，实验结果表明，该算法的定位精度以及速度比已有算法更优。

虹膜识别；信息安全；目标定位；二值化；hough变换

随着科技的快速发展，个人身份信息逐渐在无形之中被暴露，给我们的生活带来困扰。电子商务、网络欺诈、网络通信等越来越多的领域都是基于计算机网络进行交接，为了尽可能避免网络攻击者的非法攻击以及欺诈钱财的事件，网络通信者之间的身份确认成为至关重要的一点[1][2]，传统的身份认证是依靠身份证、以智能卡为例，首先需要随身携带智能卡，其次容易丢失或被盗窃，且补办手续繁琐花费大量时间，并且仍然需要出具能够证明身份的其它文件，使用很不方便，然而生物识别能够很好的解决这些身份认证的不足，在所有生物识别方式中虹膜识别独具优势，它的识别率、稳定性、以及唯一性都远远高于人脸识别、指纹识别等。

1　虹膜识别技术背景

虹膜是人眼结构中处于瞳孔和巩膜之间的一部分，它的形状类似于圆环，圆环区域有很多细小相互交错的条纹、斑点、冠状、丝状、隐窝状的纹理，每个人的虹膜纹理都有所差别，婴儿自出生后8-10个月就基本定型，终身不变，这些特点都决定了虹膜的唯一性，同时也决定了身份识别的唯一性。

虹膜识别技术是通过一系列算法实现虹膜的定位、预处理、归一化、特征提取、特征比对等操作对身份进行认证的一门学科，是当今被广泛认可的最有发展潜力的身份认证技术，将在安防、电子商务等领域提供最便捷最安全可靠的认证方式。

虽然虹膜有众多的优点，例如，唯一性、稳定性、难复制性等，但是其提取极为困难，在提取虹膜之前，需要锁定虹膜所在的区域，虹膜区域类似于同心圆环形状，锁定区域之后，再将该圆环归一化为某一固定大小的矩形、提取纹理、编码、比对等等。虹膜环形区域的锁定是整个虹膜识别系统的重点和难点。

目前有许多算法对虹膜的内外圆进行定位[3][4]，但大多数都是基于Daugman教授提出的定位思路，那就是对内外圆首先采用canny边缘检测算子，提取出边缘后用hough圆检测算法检测虹膜内外圆。一般情况下，虹膜内外圆圆心并不一定重合(同心)，但是根据眼部生理结构两圆心距离一般不会太大，大概在10个像素范围以内，而且正常情况下瞳孔的颜色深度和虹膜的颜色深度差别比较明显，但是虹膜的颜色深度和巩膜的颜色深度差别较小，不容易分离，所以定位虹膜的难点在于虹膜外圆的定位。

目前的一些定位方法及缺点和不足如下:

(1)、直接利用外圆边缘点寻找虹膜中心，此方法既很费时又会出现因外边缘较少，受噪声影响严重而定位错误的情况；

(2)、采用Gabor圆形滤波器定位，该方法比较耗时，不适用于实时系统；

(3)、采用形态学和灰度变化特征进行定位，此方法鲁棒性较差，不具有很好的适应性；

针对以上一些外圆定位缺点和不足，本文结合眼部生理结构而定位外圆，方法如下:

采用基于瞳孔中心的外圆中心定位方法，此方法充分考虑了虹膜和瞳孔的生理结构(虹膜中心正常情况下位于瞳孔内部)，所以将搜索区间锁定在瞳孔内部区域，并将瞳孔附近区域边缘去除，再采用改进的hough快速圆检测算法定位，该方法能够很好的克服眼皮、眼睫毛、头发、眼镜等噪声的干扰，并且定位相当精确和快速，不会出现定位偏差很大的情况，有很好的鲁棒性。

2　虹膜识别流程

为了能够更加快速且准确的定位虹膜的内外圆圆心以及半径，以便后面的归一化能够准确无误。

首先，需要确定瞳孔中心和半径，由于瞳孔和虹膜边界的像素灰度差值较大，有利于边缘提取，本文采用的是先对图像进行中值滤波，因为中值滤波能够在尽可能完整保留瞳孔边缘的前提下，很好的去除眼睫毛、眼皮、头发以及其他噪声带来的边缘噪点。

其次，使用大律法(OTSU)[5]统计整幅图像灰度值，动态选取图像二值化阈值。首先获得一个初始阈值，然后以初始阈值的某一比例进行二值化图像分割瞳孔，在二值化后的图像中，采用效果较好速度较快的laplace边缘提取算子，提取瞳孔边缘。

最后，在边缘提取过后的二值化图像中采用以改进的快速hough圆检测算法，确定瞳孔(虹膜内圆)的圆心和半径，再以瞳孔圆心和半径为基础，用canny算子检测外圆边缘，最后用hough检测算法精确定位虹膜外圆，方法是，在瞳孔圆心周围的某个像素范围以内进行搜索，并且将瞳孔圆内和周围一定区域内的边缘点去除，以便外圆的检测，减少干扰，效果很好。

3　图像预处理

预处理是为了更好的保留瞳孔以及虹膜外圆的边缘信息，能够去除部分眼睫毛或其他噪声的干扰，为后面的定位做准备，包括滤波去噪、二值化。

3.1滤波去噪

虹膜的定位主要依靠于边缘信息，所以在滤波的同时，必须考虑到对边缘信息的保留，而常见的滤波方式有很多，包括:高斯滤波、中值滤波、均值滤波等，但是比较几种滤波的最终效果，基于其原理，中值滤波是最佳的选择，相比其他方式，中值滤波能够在有效滤去噪声的情况下很好的保护边缘信息。

中值滤波的原理如下:

图1　中值滤波模板

以该模板的a5位置为中心在图中移动，将a1 ～a9位置在原图中所对应的像素值排序找出中间值，并且将a5位置处对应的像素值用中间值替换，遍历全图，即可实现中值滤波。

一般情况下，对图像进行二值化或者边缘提取之前，都需要对图像滤波降噪，中值滤波是图像处理、模式识别中常用的一类滤波去噪方法，它既对斑点噪声和椒盐噪声滤波效果极好，又能很好的保留边缘模糊的部分边缘。该方法对瞳孔的提取分割滤波效果比较好，本文采用的是9*9大小的中值滤波模板，该模板对于虹膜纹理、头发、眼睫毛等大部分边缘噪声能很好的去除，保留瞳孔边缘。

3.2二值化

正常情况下，每个人的瞳孔都是黑色的，不论是东方人还是西方人，并且和虹膜、巩膜的颜色深度都有较明显的区分，所以以颜色深度为根据分割瞳孔比较快速准确[9]。

每张图的灰度有所不同，所以需要确定一个动态阈值来作为每一张图的二值化阈值，这里采用二值化效果较好的大律法(OTSU)。该方法通过统计整张图片的灰度值来确定一个初始阈值，由于瞳孔颜色深度一般比周围的像素都低，所以再以这个初始阈值的某一比例作为瞳孔分割的最终阈值进行二值化，能够较好的分割瞳孔，二值化效果如图2。

图2　二值化

4　虹膜定位

4.1瞳孔内圆定位

边缘检测的算法有很多，包括:sobel算子、robert算子、laplace算子、canny算子等。

本文采用laplace算子对瞳孔的二值化图进行边缘提取。因为图像二值化后边缘比较固定，几乎不受边缘提取函数参数的影响，laplace算子提取的边缘较细，在二值图中提取边缘的效果几乎和canny算子一样，但是其算法计算量更小，用时更短，该方法采用1*1大小的模板，以保证提取出的边缘更细如图3。

图3　二值化后边缘提取

该步骤基于传统hough变换改进的随机快速hough圆检测算法[6][7]，在瞳孔边缘二值图像中统计出边缘点最多的圆心，记录为圆心坐标(x，y)和半径(r)，此圆心和半径就是瞳孔的圆心和半径。

本文的hough圆检测算法，首先需要确定一个边缘基点，然后在该基点的圆上进行移位，在参数空间画圆。因为瞳孔边缘正常情况下较明显，进行适当的缩放图像，以加快检测速度，该计算量相对于传统hough变换大大减小，且保留了传统hough圆检测的高准确性，检测速度更快。

4.2虹膜外圆定位

虹膜和巩膜之间的灰度差别不是很明显，边缘较模糊，这里采用canny边缘检测算子对人眼图像进行边缘提取的效果较好[8]，其参数的选取必须能够满足尽量保留虹膜外边缘而又不至于有太多的边缘噪点存在，目的是降低后续的hough圆检测运行负担，加快检测速度，这里canny参数在10-50范围间取值，效果较好如图4。

图4　边缘提取图

在虹膜外圆检测的时候，算法采用的是首先将大于瞳孔半径r的一定像素范围内的圆以内的边缘点清除如图5，该区域为一个半径为r+Δr1的圆，将圆内的所有边缘清除，然后将r+Δr2以外的边缘点清除，这里Δr1取值在30个像素左右，因为虹膜的宽度一般在60个像素左右；这里Δr2取值在70个像素左右，因为瞳孔半径在50个像素左右，将圆环以外的边缘点消除，为后面的hough外圆检测减小负担如图6。

图5　内部边缘清除

图6　外部边缘清除

4.3用hough检测外圆圆心及半径

在此基础上，采用固定区域hough圆检测，定位外圆。方法是在瞳孔圆心(x，y)附近找外圆圆心，那么，hough圆检测区域的横坐标范围是(x -Δx，x+Δx)，纵坐标范围是(y-Δy，y+Δy)，当然Δx可以不等于Δy，也可以相等，从而构成了正方形区域。因为正常情况下外圆圆心一定是在瞳孔(内圆)之内，而内圆半径一般不超过60个像素，所以Δx、Δy∈[0，60]，该方法中取值10，也可以更大，所以hough圆检测的时候就可以规定外圆圆心的检测区间，在以上的矩形区域内，这样检测出的边缘准确快速且定位误差较小，效果较好。

5　实验结果及结论

该方法克服了因为虹膜和巩膜之间的灰度级差较小、边缘较模糊难以提取的困难，速度和精度都很好，实验对于640×480大小的200张图像，本文算法同条件下比直接用hough圆进行定位更加精确和快速，精度以及平均时间如下表1:实验结果表明，本文算法在一定程度上克服了因为外界的干扰而导致虹膜定位不准确的情况，相比直接用hough圆进行检测，该算法具有更高的定位精度以及消耗更少的时间，但是本文算法在应对不规则瞳孔的时候，定位效果有理想之处，后期对这方面还有待改进。

表1　定位精度及时间

[1]王雨晴，谢晓尧.基于生物模式识别的网络身份认证研究.微型机与应用[J]，2014.(18):42-44.

[2]汤雅妃，张云勇，张尼.基于指纹识别的云安全认证技术[J].电信科学，2015.(8):172-178.

[3]黄丽丽，杨帆，王东强，等.基于改进型最大类间方差法的瞳孔定位方法[J].计算机工程与应用.2013，49(23):137-140.

[4]蒋丹丹，冯晓毅.改进的Hough与梯度直方图的人眼定位算法[J].电子设计工程，2014，22(21):127-130.

[5]陈滨，田启川.改进的快速Otsu自适应分割算法及其应用[J].计算机应用研究，2012，29(4):1572-1574.

[6]刘源.基于模板匹配算法的人眼定位方法[J].火力与指挥控制，2014，39(5):124-126.

[7]涂娟，王海滨，曹林，等.基于Hough变换的快速虹膜识别算法研究[J].电视技术，2014.38(19):211-215.

[8]邹德旋，王鑫，段纳.一种基于修正差分进化的虹膜定位算法(英文)[J].控制理论与应用，2013.30(9):1194-1200.

[9]王启亮，田启川.基于多尺度分块的指纹图像二值化算法[J].微型机与应用，2013，(4):33-36.

(责任编辑:王先桃)

Iris Precise Positioning Method Based on Parabolic Fitting and Edge Point Searching

ZHANG Jingkai，ZHANG Zhengping
(College of Big Data and Information Engineering，Guizhou University，Guiyang 550025，China)

In the era of widely used computer network communications，personal identity information security becomes more and more important.Facing all kinds of identity fraud，there is no completely safe way of authentication，so a reliable and stable identity authentication methods is of an urgent need.Among many high-tech biometric means，iris recognition is the best choice.Among all non-gene identifications，it has highest accuracy rate，and it is stable.The whole process of iris recognition algorithms was introduced and its superior biometric features were introduced，including the positioning of the iris，preprocessing，normalization，texture extraction，contrast recognition，of which the outer iris localization is difficult，the algorithm is based on the physiological structure of human eye iris positioning，experimental results show that the algorithm of positioning has better positioning accuracy and efficiency than the existing ones.

iris recognition；information security；targeting；binary；hough transform

TP391

A

1000-5269(2016)01-0094-04DOI:10.15958/j.cnki.gdxbzrb.2016.01.22

2015-10-20

国家科技部国际科技合作项目(No.2014DFA00670)

张静凯(1989-)，男，在读硕士.研究方向:数字通信.Email:719449919＠qq.com.

张正平，Email:zpzhang＠gzu.edu.cn.