报告人 - 东南大学系统工程研究所暨物流管理工程系.pptVIP

基于分层圆环的牛眼虹膜定位 报告人：王小强 东南大学系统工程研究所 * * 1、虹膜识别技术研究现状 2、牛眼虹膜粗定位 3、牛眼虹膜精确定位 4、结论 报告大纲 * * 一、虹膜识别技术研究现状——人眼虹膜识别技术 1987 1991 1993 1987年，眼科专家Leonard Flom和Aran Safir[1]首次提出了用虹膜图像进行自动识别的概念，但是没有开发出系统。 文献记录的最早虹膜识别系统是1991年由美国洛斯阿拉莫斯国家实验室的Johnson设计开发的 1993年，英国剑桥大学的Daugman[2]提出了一个高性能的虹膜识别原型系统。目前，大部分商用的虹膜识别系统都使用Daugman[3]的核心算法 2001 2003 中科院自动化研究所于2001年开发出具有我国自主知识产权的虹膜识别原型系统[4,5]，并建立了一个公开的CASIA虹膜图像数据库。 上海交通大学图像处理与模式识别研究所于2003年开发出了国内第一套商用虹膜识别系统[6,7]。 * * 一、虹膜识别技术研究现状——动物虹膜识别技术 日本学者Massahiko Suzaki,，Osamu Yamakita和Yuji Kuno（2001）研究了一种基于虹膜特征识别的赛马身份认证系统[8]，利用虹膜认证对赛马进行管理，他们发明的基于虹膜纹理分析的动物身份认证系统已经获得了美国专利资格认证[9] 2001 2008 2009 方超和赵林度（2008）提出使用虹膜识别技术用于进行动物养殖阶段的标记[11]，在屠宰场阶段将虹膜信息与分割号、加工批号相关联，从而完成整个供应链信息的信息，实现肉类食品供应链中的个体溯源； 孔强和赵林度（2009）在文献[11]的基础上，对牛眼虹膜识别算法进行了研究[12]，图像在经过Sobel边缘检测后，使用同心圆定位牛眼虹膜区域，并使用二次B样条插值算法结合Hough变换进行定位； Xiaoqiang Wang和Lindu Zhao（2009）从系统设计的角度，完整描述了以牛为例的个体虹膜识别系统的设计与开发[13]，并对预处理的阈值变换、定位、提取虹膜区域和归一化进行研究，最后依据2D Gabor算法，实现对虹膜图像的编码处理 * * 二、牛眼虹膜粗定位 虹膜区域 纹理丰富区域 瞳孔区域 巩膜 图 1 牛虹膜图像 Fig. 1 Iris image of bovine 图1是使用上海交通大学图像处理与模式识别研究所研制的2200号采集设备采集的牛个体眼睛灰度图。图1可见，在采集到的牛眼睛图像中，瞳孔区域由于水分造成光线反射，区域灰度值大部分较高，而且牛眼睛上眼睑以及眼睫毛过长。 * * 瞳孔 外边界 图2 阈值为170的阈值变换后的二值化图像 Fig. 2 Binary image after threshold transformation 二、牛眼虹膜粗定位——内边界定位 图3 对二值化图像进行Sobel边缘检测 Fig. 3 Edge detection of binary image using Sobel operator 内边界搜索区域 * * 二、牛眼虹膜粗定位——实验结果 纹理不丰富区域 纹理丰富区域 图4 粗定位结果 Fig. 4 Coarse location of iris region 内外圆定位结果如图4所示，结合图1，发现图4定位的区域中包含了太多的无效区域，即纹理特征并不丰富甚至不包含纹理特征。如果使用这样定位得到的虹膜区域进行特征提取与编码，会导致识别率的下降，甚至无法达到识别的目的。本文即在这个算法的基础上，提出应用分层圆环扫描的算法进行精确定位。 * * 三、牛眼虹膜精确定位——分层圆环算法 通过肉眼观察可以发现在图4的定位结果中，纹理丰富区域其灰度变化要比纹理不丰富区域变化程度大，即其灰度值方差要大。本文就是利用这一基本原理，先使用3.1中的定位算法作为粗定位，然后对粗定位的内外圆半径范围进行分割，分为n等份。得到一个圆环序列，其半径依次选取集合 中的相邻前后两项作为圆环内内外圆半径值。 图5 分层圆环算法示意图 分别计算圆环序列中的灰度方差值，灰度方差值大的区域即为虹膜纹理丰富的区域。作为下一步特征提取使用。 * * 三、牛眼虹膜精确定位——实验结果 根据第二节中的牛虹膜定位算法，本文使用Visual C++进行程序设计，使用的图像来自东南大学系统工程研究所建立的第一代动物个体虹膜图像数据库（/iris）。 a） 圆环步长为2时的精确定位 b)圆环步长为3时的精确定位 a) Precise location of iris region using 2 rings