虹膜图像处理_终稿.pptVIP

虹膜图像处理 1.虹膜识别系统 2.所做工作 （1）利用基于最大熵的阈值分割法提取虹膜图像 （2）用直方图均衡化技术增强虹膜图像纹理 （3）利用Canny边缘检测算子对图像进行 检测 ，使其纹理特征直观化。 一个完整的虹膜识别系统： 原始眼图像如下图所示： 利用基于最大熵的阈值分割法提取虹膜图像 1.熵的概念 熵是信息论里中的基本概念，理论上是指某个元素的平均信息量，即平均每个符号所能提供的信息量。它只与各符号出现的概率有关。在信息论中熵的定义为： 式中，p(x)是事件x发生的概率，H指平均每个符号提供的信息量。 如果从图像分析的角度来理解上述公式，则x是图像的某一灰度值，p(x)是图中灰度值x出现的概率。最大熵阈值分割法就是求使H取最大的灰度值x,并把x作为用来分割的阈值。设图像分n个灰度级，则在数字图像中上述工式可以写成： 基于最大熵的阈值选取思想进行虹膜定位的算法 本文中所使用的虹膜图像的灰度级为256，我们需要做的是将一幅图像分出三部分，即瞳孔区域（pupil:灰度值T1）、虹膜区域（iris:T1=灰度值T2）和其他区域(others:灰度值T2). 以图像中各灰度值出现的频数作为取得该灰度级的概率，则上述三个区域所包含的灰度级的概率和分别为： 三个区域所包含灰度级的概率： 瞳孔区域： 虹膜区域： 其他区域： 则三个区域的熵函数分别定义为： 瞳孔区域： 虹膜区域： 其他区域： 整幅图像的熵函数定义为： 算法的实现 整个算法使用MATLAB语言编程，在MATLAB6.5环境中运行实现。具体过程如下： 具体过程 4.对图像进行阈值化处理，即将图像矩阵中小于T1和大于T2的元素赋值为255 提取出的虹膜图像如下图所示： 使用直方图均衡化增强图像纹理细节 利用Canny算子进行边缘检测： Canny边缘检测算子的思想：先对待处理的图像选择一定大小的高斯滤波器进行平滑滤波，然后通过非极值抑制技术，对平滑后的图像处理后，得到所需的边缘图像。边缘检测的结果如右图所示： 结论 在MABLAB6.5环境下实现本算法，其结果表明： 该算法较好地达到了预期效果，使得虹膜区域在整个眼图像中明显地凸现出来，且仍拥有丰富的纹理细节，为下一步特征提取工作打下了基础。 谢谢各位老师批评指正！ * * 虹膜图像 采集单元 图像预处理单元 特征提取 单元 模式匹配 单元 那么，阈值T1,T2即为使熵函数H取得最大时的值。当阈值确定以后，把小于T1和大于T2的灰度值均赋值为0（即在图像上呈现为黑色），这样便清晰地凸现出了虹膜。 1.将真彩色图像转化为灰度图像 2.求出原始图像中各灰度值出现的概率 3.确定虹膜与瞳孔边界上的阈值T1和虹膜与巩膜边界上的阈值T2 5.裁切图像得到虹膜部分 6.直方图均衡化处理增强虹膜纹理特征 7.利用Canny边缘检测算子进行边缘检测 经过直方图均衡化处理后的虹膜图像如上图所示： *