1、基于 Matlab 的虹膜病理识别 张红乔 华松 吴时青 上海大学机电工程与自动化学院 摘 要： 虹膜的相关区域反映了身体相应器官的健康状态, 通过对虹膜图像的处理便可初步判断体内受损害器官组织的衰弱程度。虹膜病理特征具有很多种类, 针对虹膜阳光放射沟这一典型的虹膜病理特征进行研究。首先, 对虹膜图像进行预处理, 采用 Canny 检测算法进行边缘提取, 利用模板窗口求卷积法找出虹膜瞳孔中心再通过 Hough 变换圆检测算法确定虹膜内外边界。然后利用虹膜阳光放射沟特性, 设置横向窗口和纵向窗口筛选和标记出阳光放射沟。最后, 运用Matlab 的 GUI 界面虹膜阳光放射沟识别的实现与展示。关键
2、词： 虹膜图像预处理; 虹膜定位; Matlab; 收稿日期：2017.7.19Iris Pathological Recognition Based on MatlabAbstract： This pape rmainly studies the detection algorithms of radii solaris, which is one of typical iris pathological features.Firstly, the image preprocessing:using Canny edge detection algorithm to extract the
3、edge of gray images, estimating the center of the iris pupil through the method of template window convolution, then pinpoint the iris inner and outer boundaries based on the estimated pupil center and circle Hough Transform.Then setting a fixed-length horizontal and vertical window to select and ma
4、rk the eligible radii solaris by according to the feature of radii solaris.Finally, using the GUI of Matlab to show the identification and display of radii solaris.Keyword： iris image preprocessing; iris localization; Matlab; Received： 2017.7.19人眼虹膜蕴藏人体的很多秘密可以通过观察虹膜的相关区域得知相对应的身体器官的健康状况, 为使虹膜诊断结果更加准确
5、, 使诊断过程变得简单和快捷, 本论文的研究将虹膜诊断学与计算机图像处理技术相结合, 提出能够应用于虹膜自动诊断系统的虹膜病理特征检测算法。1 虹膜诊断理论简述在虹膜诊断学中, 根据根据虹膜环反射区和人体内脏器间的关系, 将整个虹膜区域分为 7 个环, 如图 1 所示。通过观察虹这些区域的纹理变化, 能推断相对应身体器官的健康状况。当人过于紧张、压力过大、受到刺激以及身体器官功能性病变时, 虹膜区域的纹理就会随着发生变化, 出现阳光放射沟、斑块、钠环、坑洞和神经压力环等多种异常特征。本文主要介绍了阳光放射沟, 俗称线条。它的颜色呈褐色或黑色, 线条呈放射状排列且长短不一, 它出现位置不固定,
6、可能出现在虹膜任何区域。一般情况下, 当虹膜某个区域有线条出现时, 就说明该区域对应的体内器官有可能潜在慢性病, 线条颜色越深, 则表明积累的毒素越多。图 1 虹膜环分区图 下载原图2 虹膜图像预处理2.1 虹膜图像灰度化从图像的整体、局部的亮度和色度特征角度来看, 灰度图像与彩色图像并没区别。因此, 通常在数字图像处理中为了减少图像的复杂度和信息处理量, 经常把彩色图像转化为灰度图像, 加快图像处理的速度, 提高图像处理的效率。在数字图像中, 当 RGB 三种分量取值不同时表现为彩色图像, 而灰度化处理就是把三通道的彩色图像变换成单通道的灰度图像的过程。即当三个通道分量取值相同时 (R=G=
7、B) , 表示一种灰度颜色, 而将这种图像称为灰度图像。本文采用加权平均值法将彩色虹膜图像转换为灰度图像。所谓加权平均值法, 即根据RGB 分量的重要性以及其他具体条件, 给 3 个分量分配不一样的权值然后进行加权平均计算如式 (1) 。2.2 虹膜图像的平滑处理和边缘提取为突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分, 减小突变梯度, 改善图像质量, 需对图像进行平滑处理。由于后续会对虹膜灰度图像进行边缘提取, 因此虹膜的内外边界属于细节信息。为既能保留虹膜边缘信息且又有效地消除高频干扰, 本文采用高斯滤波模板进行平滑处理。使用高斯模板滤波时, 离中心点越远的点在平滑效
8、果中起的作用就会越小。根据距离选择加权系数, 可以构造不同大小的高斯模板, 其滤波器参数可以由高斯函数的方差决定。高斯模板能够在过滤噪声的同时很好地保护虹膜区域的轮廓信息, 不至于造成边缘过于模糊, 结果如图 2 所示。图 2 均值模板平滑处理图像 下载原图为更好地提取虹膜图像的边缘信息, 本文采用 Canny 边缘检测算法提取灰度图像的二值图像, 如图 3 所示。该算法选定了两个阈值来检测边界点, 提取到的边界是强、弱边缘点组合而成, 相对于采用单个固定阈值的方法, 不容易被噪声干扰, 也能很好地检测到模糊的弱边界, 检测效率很高。判断原则:如果图像中某像素点的梯度大于选定的较大阈值, 则判
9、定该点为强边缘点;如该点的梯度值在选定的两个阈值区间内, 且该点在强边缘点的邻域范围内, 则判定该点是弱边缘点, 否则把该点视为干扰点。图 3 灰度图像边缘提取图像 下载原图2.3 虹膜区域内外边界定位由于瞳孔的灰度值很低且集中, 所以本文采用窗口法来确定瞳孔, 采用一个全1 模板和图像进行卷积, 根据瞳孔图像灰度特性将卷积最小的位置作为瞳孔中心的估计位置。设 Window (x, y, size) 的位置为 (x, y) , 边长为 size 个像素, 元素全部为 1 的方阵, 则瞳孔中心位置如式 (2) 。基于已求出的瞳孔中心的坐标, 根据式 (3) 截取用于定位虹膜内边界的二值图像, 再
10、由式 (4) 采集出二值图像中剩余有效边缘点, 用 Hough 变换进行圆方程的拟合, 最后统计的票数最多的方程, 即为最接近内边界的圆方程, 参数为 (xp, yp, rp) 。根据已求出的虹膜内边界参数, 运用式 (5) 去掉虹膜二值边缘图像中上下眼皮、眼睫毛干扰部分, 根据外半径的范围去掉水平方向距离虹膜外边界太远的边缘点和距离瞳孔中心小于虹膜内边界半径的区域边缘点。最后由式 (6) 采集出图像剩余的有效边缘点, 用 Hough 变换进行圆方程的拟合, 最后统计的票数最多的方程, 即为最接近外边界的圆方程, 参数为 (x l, yl, rl) 。3 虹膜阳光放射沟特征提取由样本统计得知,
11、 虹膜展开图中的“线条”宽度一般为 1-3 个像素宽度, 因此设计一个长度为 9 的横向窗口, 从左往右、从上往下对虹膜灰度展开图进行扫描。如果窗口中的像素点的灰度值满足下述式 (7) 和式 (8) , 则记录下该点的位置, 并在全新的黑色模板中, 将这些点的灰度值设置为 255 (白) , 进而可以将线条初步地标记出来。经多次试验, 发现当 T=5 时, 横向窗口选取的线条连通性好且比较完整地保留了阳光放射沟的线条长度。经过横向窗口扫描后, 阳光放射沟周围有许多无用的干扰点, 运用开运算去除图 4a 中的干扰点。所谓开运算, 就是形态学变换中的腐蚀和膨胀。腐蚀和膨胀操作针对图像中的高亮部分而
12、言, 腐蚀就是原图中的高亮部分被腐蚀, 类似于被“领域被蚕食”;膨胀就是对原图中的高亮部分进行膨胀, 类似于“领域扩张”。首先, 对横向窗口的扫面图进行腐蚀操将图 4a 中大部分高灰度值点“蚕食”, 但同时阳光放射沟所表现的线条也呈现不连通的现象, 如图 4b 所示。在图 4b的基础上进行膨胀操作, 使部分线条重新连接, 面积基本恢复到原来的大小, 如图 4c 所示。经过先腐蚀后膨胀后, 可以明显消除大部分干扰点, 平滑了阳光放射沟的边界, 而且没有明显改变原来阳光放射沟的面积。但仍然存在很多短小的线条和干扰点, 而且图 4c 中阳光放射沟有些是断开的, 如果直接此图 4c 上对线条的长度进行
13、判断, 可能会导致后期检测出的线条长度变短。因此, 设计一个长度为 10的纵向窗口去除二值图像中多余的横向线条和干扰点。定义一个大小相同全黑的背景, 将纵向窗口检测记录的点在黑色的背景中重新标记出来, 灰度值设置为 255 (白) , 如图 4d 所示。图 4 阳光放射沟特征提取过程图 下载原图图 5 阳光放射沟结果标记结果图 下载原图根据相关资料可知, 虹膜阳光放射沟长度最小为 17, 且以矩形图像上边界为起点, 向下延伸至 1/3 矩形宽度处, 这块属于虹膜卷缩轮的范围, 所以这部分区域不能算作是阳光放射沟的范围。本文虹膜归一化展开图的宽度为 64, 所以虹膜矩形展开图的 1/3 宽度处为
14、 21。根据阳光放射沟的长度以及分布位置条件筛选符合要求的线条, 如图 4e 所示。最后, 将阳光放射沟检测结果标记在原虹膜彩色图像中。4 MATLAB GUI 界面设计及演示对虹膜病理特征进行检测时, 为了方便对检测流程进行观察。本文用 Matlab 设计了 GUI 界面, 通过 GUI 界面, 可以更好实现人与计算机之间的交互功能, 将检测流程中的图像呈现出来, 也更方便后续对算法的完善和改进。阳光放射沟GUI 界面演示图如图 5 所示, 最后将符合阳光放射沟条件的线条用红色标记在彩色图像上, 方便观察。参考文献1何家峰, 叶虎年, 叶妙元.计算机辅助虹膜诊断中的虹膜映射图的自动覆盖技术J
15、.中国医疗器械杂志, 2002, 26 (6) :395-397 2王钧慧.虹膜预处理及特征提取关键技术研究D.哈尔滨:哈尔滨工业大学, 2010 3罗才清.图像预处理算法研究J.科教导刊-电子版 (下旬) , 2013 (11) :129-129 4杨淑莹.图像识别与项目实践M.北京:电子工业出版社, 2014 5谢勤岚.图像降噪的自适应高斯平滑滤波器J.计算机工程与应用, 2009 (16) :182-184 6杨昌盛.虹膜图像预处理及关键点提取方法的研究D.长沙:中南大学, 2009 7曾俊.图像边缘检测技术及其应用研究D.武汉:华中科技大学, 2011 8高飞.MATLAB 图像处理 375 例M.北京:人民邮电出版社, 2015
