第5章边缘点选择

在虹膜边界定位中，经过边缘提取得到的图像中包含了大量的虹膜边界以外的点，如果不能消除这些非虹膜边界上的点，不缩小虹膜边界定位的计算范围，那么虹膜定位的精度和速度都会受到很大的影响。虽然根据先验知识，把虹膜的定位问题可以限制到一个较小的图像块中，但是在这个小的图像块中仍然存在许多非虹膜边界的点，特别是虹膜纹理丰富、睫毛浓重的人眼图像，定位虹膜受到很多干扰点的影响。本章介绍如何进行边缘点的选择，尽可能将影响虹膜边界定位的、与虹膜边界无关的边缘点剔除，然后再进行虹膜边界定位。5.1非虹膜边界点影响虹膜定位5.1.1二值化阈值影响边缘提取

影响虹膜分割精度和速度的主要因素实质上就是虹膜图像边缘点的提取质量。对于虹膜边界定位来说，虹膜图像中存在大量的干扰，如睫毛、眼睑、光斑等，这些干扰会影响虹膜边界定位的速度和精度，另外，虹膜本身的纹理变化形成的边缘点在虹膜的定位过程中也会影响虹膜边界定位的结果并造成虹膜边界定位时间延长。前面章节也对虹膜边缘点过多的问题进行了分析，并采用了基于瞳孔中心位置估计和先验知识的边界定位算法，将虹膜的定位限制在一个小的区域，仅仅选取该图像块内的边缘点进行虹膜边界的定位，将参数的投票范围也做了限制，提高了定位速度。图5.1为一幅人眼图像以及边缘提取的结果。从图可以看出，这些边缘点的特点是无规律、随机性大，和真实虹膜边界点难以区分。在基于二值边缘的定位中，二值边缘点的数目、位置对快速定位有很大的影响，只要虹膜边界上有足够多的边缘点，而其他位置的边缘点较少，就能保障虹膜快速、定位，因此，二值化阈值的选择对虹膜边界定位相当关键。

图5.1虹膜边界定位方法示意图

为了减少边缘点数，可以增大二值化阈值，如有些文献采用基于小波变换的边缘检测方法，通过熵最小获得二值化阈值，在一定程度上消除部分干扰噪声带来的边缘，但是可能会同时将虹膜边界上的点剔除，给定位虹膜边界带来难度。实际上，即使在限定的图像块中定位，仍然有大量虹膜边界以外的点很难消除。利用二值边缘进行虹膜边界定位要尽可能利用虹膜边界上的点，但是在提取边缘时会同时提取到许多干扰边缘点，这些边缘点和虹膜边界点差异不明显，通过二值化阈值无法将它们分开，这样众多边缘点会严重影响虹膜定位的精度和速度，关于图像二值化边缘点的提取一直是边缘检测中研究的重点。进一步消除这些块中的边缘点，将虹膜边界点和非虹膜边界点进行分类，从而剔除那些非虹膜边界上的边缘点，有助于虹膜定位。5.1.2非虹膜边界点来源对虹膜定位产生影响的边缘点主要来自以下几个方面： (1) 由于虹膜属于小目标，对光照环境要求高，采集虹膜图像需要辅助光源，而光源在虹膜和瞳孔处容易成明显的光斑，这些光斑点与周围的虹膜和瞳孔区域形成灰度差异，造成明显的边缘； (2) 眼睛闭合程度不同，特别是上眼睑在人眼图像中表现出明显的边缘； (3) 一根根睫毛会与其周围的虹膜区域形成灰度差异产生边缘； (4) 虹膜本身的纹理造成图像中的灰度变化，会形成边缘。图像中边缘点是信号“变化剧烈”的地方，虹膜边界本身以及眼睑、睫毛、光斑、虹膜的纹理等都具有灰度的突变特征从而形成非虹膜边界的边缘点，这些边缘点一般没有规律和特征，很难在虹膜边界定位之前将它们剔除，因此在边界定位时干扰产生的边缘点对边界定位造成一定的影响，能否选择有效的虹膜边缘点就成了改善边界定位实时性和精度的关键所在。

由于图像中的这些边缘点与虹膜边界点没有明显的特征差异，边缘检测算法无法对是否为虹膜边界点做出判别，因此，即使从图像中获得的边缘点很多，也不可轻易设定较大的阈值重新去提取边缘以减少边缘点的总数，一般情况下，为了保障边缘提取效果，特别是对于对比度低的图像，可能会设定较小的二值化阈值，这样得到的输出图像中非虹膜边界点必然较多，这也势必带来计算量的增加，甚至会影响定位的精度。虹膜边界定位受到过多非虹膜边界点的影响，造成计算量大和参数投票结果不集中，使虹膜定位失败。5.2极坐标下的虹膜边界定位5.2.1极坐标下的虹膜边界

在直角坐标中，虹膜识别都是通过检测圆来定位虹膜边界。虹膜的边界主要表现在虹膜与瞳孔的灰度突变以及虹膜与巩膜的灰度突变，这两条边界可以近似看作圆的形状。在许多的虹膜边界定位中，圆的检测是依靠在原图像空间边缘点对参数组进行投票实现圆的检测和定位。其实，圆在不同的坐标下具有不同的形式，特别是在以圆心为极点的极坐标下，圆边界会变成水平直线。设想将图像进行坐标变换，使原图像从一个直角坐标空间映射到极坐标空间，那么检测圆的问题就会变成极坐标下检测直线的问题，使检测过程简化。图5.2(a)的一幅人眼图像，图中虹膜的两条边界已经标出，那么按照圆心为极点将图像展开为极径和极角的表示形式，那么在以极径和极角为坐标的空间里就会得到一条直线，而且这条直线一定是一条水平直线，如图5.2(b)和图5.2(c)，而这样一条水平直线的检测要比在原图像中进行圆的检测容易得多。无论是在极坐标下的直线检测，还是直角坐标下的圆的检测，都可以通过投票来确定参数，在极坐标下，只要采用投影就可以求得直线位置，即直接计算每行边界点的累加值。

图5.2虹膜边界定位方法示意图

在图5.2中存在虹膜的两条边界，当在每个点将图像用极坐标展开后可以看出，在坐标(128，175)作为极点时展开的矩形区域中存在一条水平直线，这时的直线对应于虹膜的内边界，其中在垂直轴上的投影较大值所在行对应于虹膜内边界半径(等于42)，而当极点选择(133，182)时，可以看到虹膜的外边界近似于一条直线，在垂直轴上的投影较大值所在行对应于虹膜外边界半径(等于110)。从图5.2上可以看出，虹膜的内、外边界经过极坐标表示后并不是两条平行的直线，也说明大多数虹膜的内、外边界不是同心圆，因此内、外边界需要分别进行定位。虹膜的内边界圆半径小，展开的直线在上面，外边界圆半径大，展开的直线靠下面。这样，如果知道内、外边界的半径大小的取值范围，可以将直线位置的计算限定在一个很小的范围里。图5.1(b)的边缘提取图像中边缘点是无规律的，很难找到有效办法消除非虹膜边缘点的影响。图5.3给出对虹膜图5.1进行极坐标变换的结果，分别将极点选在内边界中心和外边界中心上，虹膜的边界就成了水平直线，见图5.3(c)~(f)。当以该虹膜的内边界的圆心作为极点时，那么，将图像展开为极径和极角的表示形式，在极坐标的空间里会得到如图5.3(c)和图5.3(d)所示的图像，内边界是一条直线； 如果将虹膜的外边界圆的圆心作为极点，那么展开的极坐标图中外边界也是一条直线，如图5.3(e)和图5.3(f)所示。