一种三维眼球模型参数制约的虹膜分割方法与流程
- 国知局
- 2024-09-14 14:36:09
本发明涉及图像检测,更具体地说,它涉及一种三维眼球模型参数制约的虹膜分割方法。
背景技术:
1、虹膜识别是一种利用人眼虹膜的结构特征进行身份识别的生物特征识别技术。虹膜识别具有高精度、高稳定性、高安全性等优点,被认为是目前最可靠的生物特征识别技术之一。
2、虹膜识别的关键步骤之一是虹膜分割,即从眼部图像中提取出虹膜区域,以便进行特征提取和匹配。虹膜分割的准确性直接影响到虹膜识别的性能。
3、目前国际上很多虹膜识别产品都使用了英国剑桥大学的daugman博士提出的虹膜识别算法。
4、该算法中利用积分微分算子(integro-differential operator)检测虹膜的内外圆边界,即:
5、
6、其中,gσ是高斯平滑函数,i(x,y)是眼部图像,r,x0,y0是圆的半径和圆心坐标,ds是圆周上的微元。
7、daugman算法非常成功,但是存在局限性,主要表现在以下几个方面:
8、该算法假设虹膜是一个完美的圆形结构,而实际上由于眼球的三维形状和眼睛的旋转等因素,虹膜在图像上呈现为一个椭圆形状。
9、该算法需要对每个可能的圆心和半径进行搜索和计算,计算量较大,实时性较差,不适合在便携设备或实时应用中使用。
技术实现思路
1、针对现有技术存在的不足,提出本发明提出了一种三维眼球模型参数制约的虹膜分割方法,能够对虹膜进行更准确、更快速、更鲁棒的分割,并且具有较低的计算复杂度。
2、技术实现要素:
3、针对现有技术存在的不足,提出清晰明了的三维眼球检测技术方案,包括如何计算光轴并计算旋转矩阵,如何将椭圆展开为矩形,如何匹配虹膜纹理特征,最终获得眼球运动旋转矩阵。
4、本发明的技术方案如下:
5、一种三维眼球模型参数制约的虹膜分割方法,其包括以下过程:
6、st10、获取眼部图像,基于眼球建立三维空间坐标系,x轴向右为正向,y向上为正向,z向外为正向,并获取眼球中心和虹膜半径参数;
7、st20、建立三维空间圆参数方程;
8、st30、根据虹膜三维空间圆矢量方程,推导出虹膜椭圆函数;
9、st40、根据虹膜椭圆函数对虹膜分割。
10、综上所述,上述技术方案具有以下有益效果:1、本发明根据眼球的三维模型参数制约了虹膜的位置和形状,从而提高了虹膜分割的准确性和鲁棒性;
11、2、本发明采用椭圆参数方程替代了圆参数方程,更符合实际的虹膜形状;
12、3、本发明采用对应点跨界差绝对值替代了圆周均值,更能反映虹膜边界的变化;
13、4、本发明采用粗定位和精细定位两步法,减少了搜索空间和计算量,提高了分割效率和实时性;
14、5、本发明采用虹膜中心扰动法和眼球中心、虹膜半径和虹膜中心扰动法两种方式,适应了不同的眼部图像采集条件。
技术特征:1.一种三维眼球模型参数制约的虹膜分割方法,其特征在于,
2.根据权利要求1所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,眼球中心和虹膜半径数据通过以下过程获得:
3.根据权利要求1所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,眼球中心和虹膜半径数据通过以下过程获得:
4.根据权利要求1所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,眼球中心和虹膜半径数据通过以下过程获得:
5.根据权利要求1所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,三维空间圆参数方程建立方法包括以下过程:
6.根据权利要求5所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,根据虹膜三维空间圆矢量方程,推导出虹膜椭圆函数包括以下过程:
7.根据权利要求6所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,对眼部图像i(x,y)进行灰度化、直方图均衡化和滤波的预处理操作。
8.根据权利要求6所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,虹膜中心至眼球中心的距离默认设定为
9.根据权利要求6所述的三维眼球模型参数制约的虹膜分割方法,其特征在于,根据虹膜椭圆函数对虹膜分割包括以下过程:
技术总结本发明请求保护一种三维眼球模型参数制约的虹膜分割方法,包括获取眼部图像,基于眼球建立三维空间坐标系,X轴向右为正向,Y向上为正向,Z向外为正向,并获取眼球中心和虹膜半径参数;建立三维空间圆参数方程;根据虹膜三维空间圆矢量方程,推导出虹膜椭圆函数;根据虹膜椭圆函数对虹膜分割。本发明根据眼球的三维模型参数制约了虹膜的位置和形状,从而提高了虹膜分割的准确性和鲁棒性;采用椭圆参数方程替代了圆参数方程,更符合实际的虹膜形状;采用对应点跨界差绝对值替代了圆周均值,更能反映虹膜边界的变化;采用粗定位和精细定位两步法,减少了搜索空间和计算量,提高了分割效率和实时性。技术研发人员:杨晓凯受保护的技术使用者:温州市人民医院技术研发日:技术公布日:2024/9/12本文地址:https://www.jishuxx.com/zhuanli/20240914/295012.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表