本文關鍵詞：虹膜裂縫、環(huán)狀線條檢測方法研究

  更多相關文章： 虹膜裂縫 虹膜環(huán)狀線條 虹膜紋理檢測 線檢測 矢量圖像檢測

【摘要】：虹膜表面具有豐富的紋理,主要有裂縫、環(huán)狀線條、坑洞、色素斑和卷縮輪內(nèi)部紋理構成,這些紋理中所蘊含的特征信息是虹膜身份識別和進行人體健康狀況評價的重要依據(jù)。而現(xiàn)有的對于虹膜特定形狀的檢測方法的檢測率和誤檢率較高,且無法提供具體的特征信息,而這些信息所反映的虹膜紋理特征是虹膜識別的特征參數(shù)與人體健康狀況評價的評價依據(jù)。本文以虹膜裂縫與環(huán)狀線條為檢測對象,研究其檢測方法以及檢測所得紋理的特征描述方法。主要研究工作及貢獻如下:(1)針對于在豐富的虹膜紋理中排除非裂縫紋理而正確地檢測到裂縫是個比較困難的問題,本文提出了由粗到精的虹膜裂縫的檢測方法。該方法能夠實現(xiàn)在異常豐富的虹膜紋理的復雜背景下對于虹膜裂縫的檢測。首先,根據(jù)裂縫與背景相比具有一定灰度差的特征,使用水平方向的線性灰度差分模板在預處理歸一化展開后的虹膜圖像上搜索裂縫可能存在區(qū)域,得到二值圖像。該方法在完整地提取到圖庫中所有的裂縫特征的同時還包括其他一些與其相似的非裂縫特征,其中包括卷縮輪內(nèi)部紋理、坑洞、色素斑。其次,依據(jù)虹膜卷縮輪內(nèi)部紋理在經(jīng)過灰度差分的二值圖像上的長度、位置上具有自相似性,而裂縫無論長度、位置具備特異性,本文設計了局部密度最大值聚類的方法排除卷縮輪內(nèi)部紋理。該方法以二值圖像的各連通區(qū)域的長度與位置為特征空間,作為參與聚類的數(shù)據(jù)點,屬于卷縮輪內(nèi)部紋理的數(shù)據(jù)點則比較集中。求出每個數(shù)據(jù)點的局部密度及距離,得到密度值最大的點作為聚類中心。該方法能夠把不同圖像上各異的卷縮輪內(nèi)部紋理聚為一類,從而將其排除。實驗結果表明,文中采用的方法對于卷縮輪內(nèi)部紋理的排除率達到92.21%,能夠較好地排除卷縮輪內(nèi)部紋理,從而可為后續(xù)步驟提供良好的基礎。最后,采用基于脊線檢測算子與能量密度的檢測方法排除其他的非裂縫特征。通過對不同特征紋理在原圖像上一定的區(qū)域內(nèi)具備不同的極值點的特性,設計滿足于針對裂縫脊線特征的線檢測算子,該算子會對一定方向的裂縫具有顯著的檢測性,而其他非裂縫特征經(jīng)脊線檢測后會出現(xiàn)多個對應脊線的特性。該方法首先以前兩步方法之后得到的二值圖像為中心,映射回原圖像上找到對應的附近的圖像區(qū)域信息,對該區(qū)域采用脊線檢測算子進行檢測。以此小區(qū)域內(nèi)經(jīng)脊線檢測算子檢測到的二值圖像的白色區(qū)域為能量像素,利用文中定義的能量密度判斷集中在中線附近的像素點的個數(shù)與總體面積的比例來表述各區(qū)域的能量密度,能量密度小的區(qū)域為裂縫,而能量密度大的區(qū)域則為非裂縫特征。實驗結果表明,對于裂縫的檢測正確率能達到94.09%。文中定義的脊線檢測算子與能量密度能夠有效地反映裂縫的特性信息,排除非裂縫特征,從而實現(xiàn)裂縫的檢測。(2)針對于虹膜環(huán)狀線條在虹膜圖像上信號強度較為微弱,而在豐富的虹膜紋理中正確地檢測到環(huán)狀線條是個比較困難的問題,提出了基于矢量加權線檢測算子的虹膜環(huán)狀線條的檢測方法。環(huán)狀線條的優(yōu)勢信號會出現(xiàn)在RGB空間上三分量上的某一個,但哪個分量是隨機的,而現(xiàn)有的環(huán)狀線條的檢測方法都是在灰度圖像上進行的檢測,在由矢量圖像向灰度圖像轉化的過程中采用傳統(tǒng)的固定三分量加權而使得優(yōu)勢信號出現(xiàn)的通道的轉化會使得本不強勢的信號強度進一步降低。而設計了自適應加權方法,該方法首先設計特征矩陣,通過求得特征矩陣的最大特征值所對應的特征向量來作為由矢量圖像轉換為單通道圖像的加權值,使得優(yōu)勢信號出現(xiàn)的分量的權值最大,此加權值依據(jù)不同的圖像得到的特征矩陣不同因而自適應地得到,從而得到邊緣最為突出的單通道圖像。在此基礎上進行線檢測得到二值圖像,再依據(jù)環(huán)狀線條的形狀特征設計形狀因子找到符合環(huán)狀線條的區(qū)域,實現(xiàn)環(huán)狀線條的檢測。經(jīng)過在環(huán)狀線條有效區(qū)域提取的ROI圖像上進行實驗,測試結果表明,該方法的正確率達到91.78%,大大提升了檢出率。(3)為了獲得虹膜紋理的特征信息,針對裂縫與環(huán)狀線條的特性,分別選擇了長度、寬度、面積等構成特征矩陣用來作為特征參數(shù)描述檢測所得裂縫與環(huán)狀線條信息,詳細論述了上述參數(shù)的計算方法以及虹膜圖像裂縫和環(huán)狀線條的特征向量和特征矩陣。另外,文中還討論了用于本文算法測試和評價的分類圖庫的建立問題以及虹膜圖像的預處理問題。
【學位授予單位】：沈陽工業(yè)大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 張波;虹膜裂縫、環(huán)狀線條檢測方法研究[D];沈陽工業(yè)大學;2017年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 杜文玉;虹膜病理特征提取與診斷模型研究[D];哈爾濱工業(yè)大學;2009年

，

本文編號：1258942