虹膜图像处理终稿课件.ppt

虹膜图像处理

一个完整的虹膜识别系统：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

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：

瞳孔区域：虹膜区域：其他区域：三个区域所包含灰度级的概率：

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：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。

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：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

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2555.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

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经过直方图均衡化处理后的虹膜图像如上图所示：

利用Canny算子进行边缘检测：

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！