单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,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：,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,原始眼图像如以下图所示：,利用基于最大熵的阈值分割法提取虹膜图像,1.熵的概念,熵是信息论里中的根本概念，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，那么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，那么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局部，即瞳孔区域pupil: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，那么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：,那么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255,5.裁切图像得到虹膜局部,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以下图所示：,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,：,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，其结果说明：,该算法较好地到达了预期效果，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根底。,谢谢各位老师批评指正！,