一种虹膜定位方法及装置的制造方法
【技术领域】
[0001 ]本发明设及图像处理技术领域，特别是设及一种虹膜定位方法及装置。
【背景技术】
[0002] 生物特征识别技术因准确率高、不会遗忘或丢失、不易伪造或被盗、随身携带，使 用便捷而得到广泛应用。在生物特征识别技术中，指纹容易伪造和盗取，人脸易受伤病和自 身成长变化。大量科学研究表明虹膜作为一种重要的生物特征，具有唯一性、稳定性、可采 集性、非侵犯性等优点。运些优点使得虹膜识别特别适用于需要身份认证的场所。
[0003] 虹膜识别系统流程是：图像采集，图像预处理，特征提取编码，匹配认证。其中虹膜 定位是虹膜图像预处理过程中的重要环节，准确定位出虹膜的有效区域是后续过程顺利进 行的基础。由于采集装置受硬件、光照环境的限制，获取的虹膜图像往往受到不同的干扰， 如细节模糊、对比度低、人眼闭塞等，运些都给虹膜定位造成困难。
[0004] 经典的虹膜定位方法都是基于圆结构，如基于梯度的化ugman的积分微分环、基于 边界点的Wi Ides的化U曲变换法、最小二乘算法、Pul l&Push算法。
[0005] 积分微分环是利用计算整个圆周梯度积分的最大值来定位虹膜边缘，Hou曲变换 圆检测算法是捜索参数空间内同一半径下获得投票数最多圆屯、从而定位虹膜边缘，最小二 乘法是利用边界点与圆结构的误差最小定位虹膜，Pull&Push算法是利用胡克定律形成的 弹性力，通过多次迭代到达圆屯、来定位虹膜。
[0006] 虽然W上方法在虹膜定位上都取得不错的效果，但都存在很多缺陷，其中积分微 分环计算效率低，易受遮挡和光照的影响;Hou曲变换对非圆边界拟合易发生错误定位且计 算速度慢，时间复杂度高;最小二乘拟合和Pull&Push对边界点的选取要求高，不适用于低 质量噪声虹膜图像定位。
[0007] 综上所述，现有虹膜定位算法仍然存在很大的改进余地，如何实现快速精确鲁棒 的虹膜定位依然是一个亟待解决的难题。
【发明内容】
[000引本发明的目的是提供一种虹膜定位方法及装置，目的在于解决现有技术中不能快 速精确对虹膜进行定位的问题。
[0009]为解决上述技术问题，本发明提供一种虹膜定位方法，包括：
[0010]获取虹膜图像；
[0011] 对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0012] 根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[001引根据瞳孔至赃膜的梯度一致性特征，获取虹膜的内边界点；
[0014] 基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0015] 通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边界进行拟合， W完成对所述虹膜的定位。
[0016] 可选地，所述对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点包括：
[0017] 通过预设的光斑检测算子，对所述虹膜图像的灰度值高点进行卷积运算；
[0018] 获取卷积值大的点坐标，根据所述点坐标周围灰度分布判断所述点坐标是否为光 斑点。
[0019] 可选地，所述预设的光斑检测算子为半径为4的圆盘，取值为正，外围取值为负，其 余位置补零，使得所述光斑检测算子总和为零。
[0020] 可选地，所述根据检测到的所述光斑点对所述虹膜图像进行预处理操作包括：
[0021 ]根据所述光斑点裁剪所述虹膜图像；
[0022] 对所述虹膜图像进行形态学腐蚀和重建运算；
[0023] W所述光斑点的坐标为中屯、，进行极坐标展开。
[0024] 可选地，所述根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点包括：
[0025] 对极坐标展开的图像进行边缘检测，每个径向获取最近的边缘坐标点；
[0026] 计算所述边缘坐标点处的径向梯度值：
[0027] Grad(x,y) = I(x+l ,y)-I(x-l ,y)；
[0028] 根据瞳孔到虹膜的梯度一致性特征，排除噪声点边界点，获取所述虹膜的内边界 点。
[0029] 可选地，所述基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点包括：
[0030] 计算瞳孔半径外，径向[0,60]w及[120，180]的梯度值6阿(1^，7)，记录下所述梯 度值的最大值GradMax (X，y) W及对应位置的坐标(X，y);
[0031] 计算连续预设数量化+1的点的灰度平均值：
[0032] W Ie为口限，对所述预设数量的点进行二值化：
[0033]
[0034] 根据虹膜到巩膜的灰度值渐变的特征，通过当i>0时B(x+i，y) = l来排除噪声边 界，W获取正确的边界坐标(x，y);
[0035] 在所述正确的边界坐标左右径向捜索满足梯度一致W及灰度渐进的坐标点，每个 径向选取距离正确的边界坐标最近的坐标点作为新的边界点，进行迭代，直到满足预设条 件为止。
[0036] 可选地，所述通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外边 界进行拟合包括：
[0037] 通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界W及外边界进行拟 合。
[0038] 可选地，通过最小方差法W及权值霍夫变换方法，对所述虹膜的内边界进行拟合 包括：
[0039] 计算所述光斑点坐标到所述内边界点的距离值，计算所述距离值的方差；
[0040] 采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取圆屯、；
[0041] 获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算峭=e+"4||;其 中，rii为各内边界点到圆屯、的距离，ri为半径，ωη为该边界点投票权值；
[0042] 记录当Σ ωη最大时的ri，确定为内圆半径。
[0043] 可选地，通过最小方差法W及权值霍夫变换方法，对所述虹膜的外边界进行拟合 包括：
[0044] 计算瞳孔中屯、坐标到所述外边界点的距离值，计算所述距离值的方差；
[0045] 采用随机梯度下降法，使中屯、朝方差最小的方向移动，迭代多次W获取圆屯、；
[0046] 获取圆屯、后，通过霍夫变换将Ξ维空间变为一维，调整半径，计算巧。;其 中，如为各外边界点到圆屯、的距离，η为半径，ω?2为该边界点投票权值；
[0047] 记录当Σ ω i2最大时的Γ2,确定为外圆半径。
[004引本发明还提供了一种虹膜定位装置，包括：
[0049] 获取模块，用于获取虹膜图像；
[0050] 检测模块，用于对所述虹膜图像进行光斑检测，得到所述虹膜图像的光斑点；
[0051] 预处理模块，用于根据检测到的所述光斑点对所述虹膜图像进行预处理操作；
[0052] 第一获取模块，用于根据瞳孔到虹膜的梯度一致性特征，获取虹膜的内边界点；
[0053] 第二获取模块，用于基于灰度渐变W及梯度一致性特征，获取虹膜的外边界点；
[0054] 定位模块，用于通过所述内边界点与所述外边界点，对所述虹膜的内边界W及外 边界进行拟合，W完成对所述虹膜的定位。
[0055] 本发明所提供的虹膜定位方法及装置，通过获取虹膜图像;对虹膜图像进行光斑 检测，得到虹膜图像的光斑点;根据检测到的光斑点对虹膜图像进行预处理操作;根据瞳孔 到虹膜的梯度一致性特征，获取虹膜的内边界点;基于灰度渐变W及梯度一致性特征，获取 虹膜的外边界点；并通过内边界点与外边界点，对虹膜的内边界W及外边界进行拟合，W完 成对虹膜的定位。本发明所提供的虹膜定位方法及装置，能够快速准确地定位虹膜的内外 边缘，有效地解决了虹膜定位速度慢，非理想虹膜图像定位精度低的问题，为后续的特征匹 配提供准确的虹膜定位结果。
【附图说明】
[0056] 为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有 技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根 据运些附图获得其他的附图。
[0057] 图1为本发明所提供的虹膜定位方法的一种【具体实施方式】的流程图；
[005引图2为本发明实施例提供的虹膜定位方法中光斑检测的流程图；
[0059] 图3为本发明实施例提供的虹膜定位方法中获取虹膜的内边界点的流程图；
[0060] 图4为本发明实施例提供的虹膜定位方法中获取虹膜的外边界点的流程图；
[0061] 图5为本发明实施例提供的虹膜定位方法中对虹膜的内边界进行拟合的过程流程 图；
[0062