虹膜腸環(huán)圖像分類方法研究

姜雨彤，邢鑫，張波

（沈陽(yáng)化工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，遼寧沈陽(yáng) 110142)

0 引言

虹膜作為重要的生物特征之一，在虹膜診斷中，虹膜卷縮輪在虹膜中的位置分布可以表示腸環(huán)的診斷信息[1]。卷縮虹膜圖像的種類復(fù)雜，有效的虹膜圖像分類在虹膜識(shí)別和虹膜診斷中都有著重要的意義，由于虹膜卷縮輪在虹膜中的位置分布不固定，且卷縮輪外部的紋理分布也因人而異，不同的紋理分布代表著不同的虹膜亞健康狀態(tài)，因此，從卷縮輪的位置分布進(jìn)行研究，進(jìn)行了虹膜腸環(huán)的位置分類方法?；诰砜s輪位置分布的分類：根據(jù)卷縮輪的位置分布特點(diǎn)對(duì)整個(gè)虹膜區(qū)域進(jìn)行劃分，將虹膜圖像分為窄小類、適中類和寬大類，通過統(tǒng)計(jì)卷縮輪邊界點(diǎn)最多的分布區(qū)域來(lái)確定虹膜圖像的類別。卷縮輪外部紋理是否平滑可以判斷該虹膜是否為健康類虹膜，卷縮輪外部不同的紋理類型也代表了虹膜不同的亞健康狀態(tài)[2]。在虹膜識(shí)別過程中，有效的虹膜圖像分類也可以極大地提高虹膜圖像匹配的效率[3]。近年來(lái)，關(guān)于虹膜識(shí)別和紋理檢測(cè)的研究已經(jīng)提出了很多方法[4-13],目前關(guān)于虹膜圖像分類的方法主要有：基于卷縮輪內(nèi)部紋理的分類、基于人眼種類的分類和基于虹膜圖像質(zhì)量的分類。但是基于虹膜位置的分類方法尚未有人涉及。本文針對(duì)虹膜卷縮輪的不同位置，從而說明腸環(huán)類型判斷人體健康與否，提出了通過統(tǒng)計(jì)邊界點(diǎn)最大值來(lái)進(jìn)行虹膜分類的方法，可以很好地實(shí)現(xiàn)分類。

1 虹膜腸環(huán)圖像分類

1.1 圖像預(yù)處理

虹膜區(qū)域?yàn)槿搜蹐D像中瞳孔與鞏膜之間的環(huán)狀區(qū)域，由于采集的人眼圖像中不僅包含需要的信息，還包含眼瞼、睫毛、鞏膜和瞳孔等干擾信息，因此需要對(duì)虹膜區(qū)域進(jìn)行定位和提取，盡可能去掉干擾，便于后續(xù)檢測(cè)。同時(shí)，為方便對(duì)虹膜區(qū)域內(nèi)的紋理進(jìn)行處理，需要對(duì)定位到的虹膜區(qū)域進(jìn)行歸一化展開，將其轉(zhuǎn)化為大小一致的矩形，轉(zhuǎn)化之后，卷縮輪內(nèi)部紋理、裂縫和坑洞等紋理在歸一化圖像中呈現(xiàn)垂直狀，這樣紋理處理起來(lái)會(huì)簡(jiǎn)單得多。為了方便對(duì)虹膜區(qū)域進(jìn)行處理，首先要對(duì)人眼圖像進(jìn)行預(yù)處理，預(yù)處理包括虹膜定位和虹膜歸一化。本文采用基于人眼圖像灰度分布特征的虹膜定位算法[14]對(duì)虹膜進(jìn)行定位和歸一化處理,將虹膜區(qū)域定位后并展開成720×200的矩形圖像，如圖1所示。

圖1 虹膜預(yù)處理過程

1.2 卷縮輪檢測(cè)方法

本文使用的卷縮輪檢測(cè)算法原理如下，其原理為：通過對(duì)卷縮輪內(nèi)部紋理進(jìn)行特征分析，設(shè)計(jì)相應(yīng)的檢測(cè)算子提取其終點(diǎn)坐標(biāo)，通過曲線擬合，實(shí)現(xiàn)卷縮輪的初定位，最后通過邊緣梯度算子在初定位區(qū)域?qū)崿F(xiàn)卷縮輪的最終定位。

具體流程如下：

1)預(yù)處理

讀入虹膜圖像，對(duì)虹膜圖像進(jìn)行預(yù)處理。

2)檢測(cè)卷縮輪內(nèi)部紋理

①利用根據(jù)卷縮輪內(nèi)部紋理特征定義的高斯檢測(cè)算子，對(duì)歸一化圖像進(jìn)行檢測(cè)，提取所有符合高斯型特征的紋理。

②通過定義符合卷縮輪內(nèi)部紋理特征的因子，對(duì)上一步檢測(cè)后的紋理進(jìn)行篩選，得到卷縮輪內(nèi)部全部紋理。

3)卷縮輪初定位

根據(jù)上一步操作后，計(jì)算卷縮輪內(nèi)部紋理的終點(diǎn)坐標(biāo)，并在預(yù)處理后的圖像上進(jìn)行曲線擬合，得到卷縮輪邊界的初始定位，該步驟將得到卷縮輪部分附近區(qū)域。

4)卷縮輪最終定位

利用邊緣梯度算子對(duì)預(yù)處理圖像中的初定位區(qū)域進(jìn)行處理，提取卷縮輪邊界的輪廓點(diǎn)，并進(jìn)行連接,實(shí)現(xiàn)卷縮輪邊界的最終定位。

其具體流程如圖2所示。

圖2 卷縮輪檢測(cè)流程圖

根據(jù)上文所述的方法得到最后的卷縮輪定位圖如圖3所示。

圖3 虹膜卷縮輪定位圖

1.3 虹膜圖像分類方法

通過對(duì)圖庫(kù)中大量虹膜圖像的卷縮輪進(jìn)行觀察和測(cè)量，按照虹膜卷縮輪的位置分布將虹膜圖像分為了三類：窄小類、適中類和寬大類，如圖4所示，其中窄小類虹膜圖像的卷縮輪主要分布在從虹膜內(nèi)邊緣開始到1/4 虹膜區(qū)域，適中類虹膜圖像的卷縮輪主要分布在從虹膜內(nèi)邊緣開始的1/4 虹膜位置到1/2 虹膜位置的區(qū)域，寬大類虹膜圖像的卷縮輪主要分布在從虹膜內(nèi)邊緣開始的1/2虹膜位置到虹膜外邊緣的區(qū)域。

根據(jù)虹膜圖像中卷縮輪的位置分布，將虹膜歸一化圖像沿圓周方向劃分了3 個(gè)區(qū)域：0～1/4M、1/4M～1/2M、1/2M～1M(M為虹膜歸一化后徑向方向的長(zhǎng)度），根據(jù)統(tǒng)計(jì)定位到的卷縮輪邊界所在的區(qū)域分布F，如式(1)所示，來(lái)對(duì)虹膜圖像進(jìn)行分類。

式中:xi表示卷縮輪邊界點(diǎn)在第i個(gè)區(qū)域的分布數(shù)量。若一幅虹膜圖像中得到的向量F中max(F) =x1，表示該圖像的卷縮輪邊界點(diǎn)在歸一化虹膜圖像中0～1/4M區(qū)域分布最多，則該圖像為窄小類虹膜圖像，如圖4(a)所示；若虹膜圖像中max(F) =x2，表示該圖像的卷縮輪邊界點(diǎn)在歸一化虹膜圖像中1/4M～1/2M區(qū)域分布最多，則該圖像為適中類虹膜圖像，如圖4(b)所示；若虹膜圖像中max(F) =x3，表示該圖像的卷縮輪邊界點(diǎn)在歸一化虹膜圖像中1/2M～1M區(qū)域分布最多，則該圖像為寬大類虹膜圖像，如圖4(c)所示。

圖4 卷縮輪不同位置分布圖

1.4 算法流程

分類算法流程如下：

1)預(yù)處理

讀入虹膜圖像，對(duì)虹膜圖像按照1.1 的方法進(jìn)行預(yù)處理。

2)卷縮輪定位

利用1.2的卷縮輪檢測(cè)方法確定卷縮輪邊界。

3)圖像分類

分別在虹膜劃分好的3個(gè)區(qū)域內(nèi)對(duì)卷縮輪邊界點(diǎn)的數(shù)量進(jìn)行統(tǒng)計(jì)，返回3個(gè)區(qū)域中包含卷縮輪邊界點(diǎn)最多的區(qū)域，即得到該圖像所對(duì)應(yīng)的虹膜圖像類別。

基于卷縮輪位置分布的虹膜圖像分類流程圖如圖5所示。

圖5 基于卷縮輪位置分布的虹膜圖像分類流程圖

1.5 實(shí)驗(yàn)結(jié)果分析

根據(jù)文中所述方法進(jìn)行卷縮輪位置分布分類結(jié)果如表1 所示，通過對(duì)圖庫(kù)中900 張虹膜圖像進(jìn)行分類，其中窄小類虹膜圖像分類正確率為98.2%，適中類虹膜圖像分類正確率為99.1%，寬大類虹膜圖像分類正確率為96.4%，整體的分類正確率為98.7%。

表1 基于虹膜卷縮輪位置分布的分類結(jié)果

通過統(tǒng)計(jì)卷縮輪在虹膜中位置分布實(shí)現(xiàn)的分類，可以有效地滿足視覺直觀的分類需求。對(duì)于基于卷縮輪外部紋理進(jìn)行的虹膜圖像分類，提出先根據(jù)本文定義的曲線算子定位出目標(biāo)紋理的特征區(qū)域，再對(duì)目標(biāo)紋理進(jìn)行多特征提取和融合的方法，可以全面地描述和表達(dá)紋理特征，很好地實(shí)現(xiàn)了圖像分類。通過對(duì)虹膜圖庫(kù)中大量卷縮輪樣本進(jìn)行觀察和測(cè)量，由卷縮輪在虹膜中的不同位置分布程度將虹膜圖像分為了窄小類、適中類和寬大類。并按照分類標(biāo)準(zhǔn)對(duì)虹膜區(qū)域進(jìn)行劃分，通過統(tǒng)計(jì)劃分好的3個(gè)區(qū)域內(nèi)卷縮輪邊界點(diǎn)的數(shù)量，實(shí)現(xiàn)虹膜圖像的分類，該方法對(duì)圖庫(kù)虹膜圖像的分類正確率達(dá)98.7%，可以有效地實(shí)現(xiàn)分類。

2 結(jié)論

針對(duì)虹膜腸環(huán)位置的分布，本文提出了一種統(tǒng)計(jì)虹膜卷縮輪邊界點(diǎn)最大值的虹膜圖像分類方法。首先根據(jù)本文定義的高斯算子定位出目標(biāo)紋理的特征區(qū)域，再通過對(duì)目標(biāo)紋理進(jìn)行位置特征，可以全面地描述和表達(dá)紋理特征，很好地實(shí)現(xiàn)了分類。得到了以下結(jié)論：

1)結(jié)合虹膜紋理的特征分析，建立更適合的曲線算子進(jìn)行檢測(cè)，能夠增強(qiáng)目標(biāo)紋理的檢測(cè)，便于進(jìn)一步的特征提取。

2)通過對(duì)目標(biāo)紋理結(jié)構(gòu)特征、局部紋理特征和形態(tài)特征的多特征表達(dá)方法，可以更全面、細(xì)致地描述目標(biāo)紋理。

3)本文方法為其他相似圖像的分類提供了一種新的思路，但本文方法也存在一定的不足：由于本文圖庫(kù)是在人眼自然張開的狀態(tài)下采集的，對(duì)于虹膜區(qū)域采集不完整的圖像，部分異常紋理的檢測(cè)可能會(huì)出現(xiàn)誤差。

4)如何將虹膜中除裂縫和坑洞的其他紋理圖像進(jìn)行分類是接下來(lái)的主要研究?jī)?nèi)容。