外區(qū)域的灰度值置為0,得到新的 歸一化圖像A ;
[0135] 步驟2 :在圖像A上按照一定方向、一定尺度計(jì)算灰度共生矩陣W ;
[0136] 步驟3:矩陣W中的第一行、第一列的值表示的是（0,0)，（0，1) ···(0, g)其中g(shù)表 示A的最大灰度值，這些灰度對(duì)出現(xiàn)的頻次，而這些灰度對(duì)不屬于腸環(huán)區(qū)域，將其去除得到 新的灰度共生矩陣W' ；
[0137] 在W'上計(jì)算紋理度量的6個(gè)特征描繪子：均值、標(biāo)準(zhǔn)偏差、平滑度、三階矩、一致 性、熵的值，實(shí)現(xiàn)不同類的腸環(huán)紋理的表示。結(jié)果如表3所示。從表3可以看出，基于灰度 共生矩陣下的描繪子統(tǒng)計(jì)結(jié)果能夠表示不同類別樣本圖像之間的差異?？梢宰鳛闃颖痉诸?的評(píng)判標(biāo)準(zhǔn)，本發(fā)明選用支持向量機(jī)建立分類模型。
[0138] 表3不同的類虹膜腸環(huán)內(nèi)紋理度量結(jié)果
[0139]
[0140] 支持向量機(jī)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上 的，根據(jù)有限的樣本信息在模型的復(fù)雜性（即對(duì)特定訓(xùn)練樣本的學(xué)習(xí)精度）和學(xué)習(xí)能力 (即無(wú)錯(cuò)誤地識(shí)別任意樣本的能力）之間尋求最佳折衷，以求獲得最好的推廣能力。本發(fā)明 將上述計(jì)算得到的6個(gè)特征描繪子作為SVM的輸入法，以表1中的三種紋理類別作為輸出 建立分類模型。在三種類型的圖像庫(kù)中隨機(jī)挑選30 %的圖像作為訓(xùn)練樣本對(duì)所建立的SVM 模型進(jìn)行訓(xùn)練，其余70%作為測(cè)試樣本，得到的分類結(jié)果如表4所示。
[0141] 表4腸環(huán)內(nèi)紋理分類結(jié)果
【主權(quán)項(xiàng)】
1. 本發(fā)明提供一種基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于：所述方 法的具體步驟如下： (1) 虹膜圖像預(yù)處理 利用現(xiàn)有的虹膜采集儀采集人眼圖像；虹膜定位，即確定瞳孔與虹膜、虹膜與鞏膜之間 的兩個(gè)邊界；虹膜圖像歸一化，即把虹膜兩個(gè)邊界構(gòu)成的圓環(huán)映射到一個(gè)固定形狀的紋理 圖中； (2) 基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)； (3) 虹膜腸環(huán)區(qū)域信息表示； (4) 應(yīng)用虹膜腸環(huán)區(qū)域信息進(jìn)行虹膜圖像粗分類。2. 根據(jù)權(quán)利要求1所述的基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于： "（2) "步驟中所述的建立一種圖像局部特征到整體特征的自仿射性關(guān)系來(lái)表征紋理。3. 根據(jù)權(quán)利要求1所述的基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于： "（3) "步驟中的腸環(huán)位置區(qū)域分布和腸環(huán)內(nèi)紋理復(fù)雜度兩種表示方法，在整個(gè)虹膜上建立 四等分統(tǒng)計(jì)模型描述腸環(huán)位置區(qū)域分布，提出一種在不規(guī)則灰度共生矩陣下計(jì)算6種紋理 描繪子方法表示腸環(huán)內(nèi)紋理復(fù)雜度。4. 根據(jù)權(quán)利要求1所述的基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于： "（4) "步驟中的建立腸環(huán)位置分布和基于支持向量機(jī)的腸環(huán)內(nèi)紋理復(fù)雜度兩種分類模型。5. 根據(jù)權(quán)利要求1所述的基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于： (1) 人眼圖像樣本庫(kù)建立 利用現(xiàn)有的虹膜采集儀采集人眼圖像，建立基于腸環(huán)位置區(qū)域分布和腸環(huán)內(nèi)紋理復(fù)雜 度兩種分類樣本庫(kù)； (2) 人眼虹膜腸環(huán)區(qū)域定位 1) 虹膜定位：確定瞳孔與虹膜、虹膜與鞏膜之間的兩個(gè)邊界； 2) 虹膜圖像歸一化：把虹膜兩個(gè)邊界構(gòu)成的圓環(huán)映射到一個(gè)固定形狀的紋理圖中； 3) 虹膜腸環(huán)外邊界提?。涸跉w一化圖像上建立一定大小的窗口進(jìn)行掃描，描述窗口內(nèi) 紋理變化規(guī)律。分析此規(guī)律的差別確定腸環(huán)外邊界； (3) 腸環(huán)信息分析與表示：在整個(gè)虹膜上建立四等分統(tǒng)計(jì)模型描述腸環(huán)位置區(qū)域分 布，提出一種在不規(guī)則灰度共生矩陣下計(jì)算6種紋理描繪子方法表示腸環(huán)內(nèi)紋理復(fù)雜度； (4) 基于腸環(huán)信息的虹膜粗分類：建立腸環(huán)位置分布分類模型和基于支持向量機(jī)的腸 環(huán)內(nèi)紋理復(fù)雜度分類模型，并在樣本庫(kù)上進(jìn)行了測(cè)試。6. 根據(jù)權(quán)利要求5所述的基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于： 腸環(huán)內(nèi)紋理被分為以下三類：第一類：絲狀結(jié)構(gòu)，這類虹膜腸環(huán)表面平整，幾乎沒有纖 維和表面形態(tài)的變化；第二類：網(wǎng)狀結(jié)構(gòu)，此類虹膜腸環(huán)圖像同第一類相接近，只是在腸環(huán) 外邊界會(huì)出現(xiàn)少量的孔洞或者凹陷；第三類：粗麻結(jié)構(gòu)，這類虹膜腸環(huán)內(nèi)圖像纖維結(jié)構(gòu)松 散，纖維在末端經(jīng)常呈現(xiàn)開放的狀態(tài)，表面有很多大的孔洞和凹陷； 虹膜定位就是要找出瞳孔與虹膜、虹膜與鞏膜之間的兩個(gè)邊界即內(nèi)邊界和外邊界，這 兩個(gè)邊界通常被近似為兩個(gè)圓，因此虹膜定位就是確定這兩個(gè)圓的圓心及半徑； 將虹膜圖像歸一化，歸一化圖像大小為360*150。7. 根據(jù)權(quán)利要求6所述的基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于： 建立一種局部到整體的自仿射性關(guān)系來(lái)表征紋理； 對(duì)于一幅灰度圖像，可以看作是3維表面，其表面的"高度"由圖像的灰度值表示，因此 表面的復(fù)雜性代表了圖像像素灰度值變化特性，這種復(fù)雜性可以定量描述，這種方法的基 本原理如下： 1) 在MXM大小的圖像上選取IXd的子塊，（d為子塊長(zhǎng)度，即為尺度） 2) 計(jì)算子塊中中心元素與其他元素的灰度差的期望e(i，j); e(i，j) =E[f(i，j)-f(i，j±m(xù))] (2) 式中f(i，j)表示子塊中心元素的灰度值，f(i，j±m(xù))表示子塊中其余元素的灰度值； 3) 選取不同尺度的子塊在MXM圖像上滑動(dòng)，計(jì)算每種尺度子塊的期望，分別構(gòu)成一個(gè) 二維矩陣Dd; 4) 統(tǒng)計(jì)不同尺度d的二維矩陣Dd的期望直方圖Hd(rk); Hd (rk) =nk (3) 式中k表示直方圖的級(jí)數(shù)；rk是第k級(jí)期望值；nk是矩陣D,中期望為r,的個(gè)數(shù)； 5) 不同尺度的期望直方圖分布對(duì)于同一紋理圖像都具有相似的自仿射性，也就是說(shuō)它 們具有線性關(guān)系。因此，構(gòu)造如下線性方程： d ~ K〇-]f ^-hb (4) 式中為不同尺度期望直方圖札(4)的標(biāo)準(zhǔn)偏差，K為線性擬合的斜率，其值表示紋 理圖像的特征。8.根據(jù)權(quán)利要求6所述的基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其特征在于： 為了尋找腸環(huán)外邊界，歸一化圖像上，建立一定大小的窗口描述該窗口內(nèi)紋理變化規(guī)律，分 析此規(guī)律的差別確定腸環(huán)外邊界，具體步驟如下： 步驟1):根據(jù)實(shí)驗(yàn)選擇尺度及窗口大小，確定窗口大小后計(jì)算窗口內(nèi)不同尺度子塊的 期望e(i,j); 步驟2):計(jì)算窗口內(nèi)不同尺度的期望直方圖Hd(rk); 步驟3):按式⑷計(jì)算K值； 步驟4):在如圖所示的行方向上滑動(dòng)窗口，計(jì)算每個(gè)窗口的K值，求出該行內(nèi)最小K值，該K值所在窗口的中心點(diǎn)即為該行的腸環(huán)邊界點(diǎn)； 步驟5):窗口向下移動(dòng)一個(gè)像素，重復(fù)步驟1)一4)，直到找到所有行的邊界點(diǎn)，連接步 驟5)得到的所有邊界點(diǎn)，即為虹膜腸環(huán)外邊界的輪廓線。
【專利摘要】本發(fā)明提供一種基于紋理差異的虹膜圖像腸環(huán)區(qū)域檢測(cè)方法，其將虹膜腸環(huán)區(qū)域信息應(yīng)用于虹膜圖像粗分類，為了獲取虹膜圖像腸環(huán)區(qū)域，其基于自仿射擬合的紋理分割算法，實(shí)現(xiàn)虹膜腸環(huán)外邊界檢測(cè)。該發(fā)明在多尺度下擬合圖像局部到整體信息的自仿射性，有效地在小區(qū)域內(nèi)描述腸環(huán)內(nèi)、外紋理的差異，通過分析差異的變化規(guī)律確定腸環(huán)區(qū)域。在此基礎(chǔ)上分別給出了按照虹膜腸環(huán)位置區(qū)域分布和腸環(huán)內(nèi)紋理復(fù)雜度兩種分類方式進(jìn)行大樣本虹膜圖像粗分類。在自采的1000幅虹膜圖像庫(kù)下分別進(jìn)行實(shí)驗(yàn)，以上兩種分類方式下的分類正確率分別為98.8%和98.7%，表明該發(fā)明能夠有效地應(yīng)用于大樣本虹膜圖像粗分類。
【IPC分類】G06T7/60, G06K9/54
【公開號(hào)】CN105046265
【申請(qǐng)?zhí)枴緾N201510095255
【發(fā)明人】黃靜, 苑瑋琦
【申請(qǐng)人】沈陽(yáng)工業(yè)大學(xué)
【公開日】2015年11月11日
【申請(qǐng)日】2015年3月3日