基于分层圆环的牛眼虹膜定位

报告人：王小强东南大学系统工程研究所

23/4/20 1

1 、虹膜识别技术研究现状

2 、牛眼虹膜粗定位

3 、牛眼虹膜精确定位

4 、结论

报告大纲

23/4/20 2

一、虹膜识别技术研究现状——人眼虹膜识别技术

1987

1991

1993

1987年，眼科专家 Leonard Flom 和 Aran Safir[1]首次提出了用虹膜图像进行自动识别的概念，但是没有开发出系统。

文献记录的最早虹膜识别系统是 1991年由美国洛斯阿拉莫斯国家实验室的 Johnson设计开发的

1993年，英国剑桥大学的Daugman[2]提出了一个高性能的虹膜识别原型系统。目前，大部分商用的虹膜识别系统都使用Daugman[3]的核心算法

2001 2003

中科院自动化研究所于 2001年开发出具有我国自主知识产权的虹膜识别原型系统 [4,5]，并建立了一个公开的 CASIA虹膜图像数据库。

上海交通大学图像处理与模式识别研究所于 2003年开发出了国内第一套商用虹膜识别系统 [6,7]。

23/4/20 3

一、虹膜识别技术研究现状——动物虹膜识别技术

日本学者Massahiko Suzaki, ， Osamu Yamakita 和Yuji Kuno （ 2001）研究了一种基于虹膜特征识别的赛马身份认证系统 [8]，利用虹膜认证对赛马进行管理，他们发明的基于虹膜纹理分析的动物身份认证系统已经获得了美国专利资格认证 [9]

2001

2008

2009

方超和赵林度（ 2008）提出使用虹膜识别技术用于进行动物养殖阶段的标记 [11]，在屠宰场阶段将虹膜信息与分割号、加工批号相关联，从而完成整个供应链信息的信息，实现肉类食品供应链中的个体溯源；

孔强和赵林度（ 2009）在文献 [11]的基础上，对牛眼虹膜识别算法进行了研究 [12]，图像在经过 Sobel边缘检测后，使用同心圆定位牛眼虹膜区域，并使用二次 B样条插值算法结合Hough变换进行定位；Xiaoqiang Wang 和 Lindu Zhao （ 2009）从系统设计的角度，完整描述了以牛为例的个体虹膜识别系统的设计与开发 [13]，并对预处理的阈值变换、定位、提取虹膜区域和归一化进行研究，最后依据 2D Gabor算法，实现对虹膜图像的编码处理

23/4/20 4

二、牛眼虹膜粗定位

虹膜区域

纹理丰富区域

瞳孔区域

巩膜

图 1 牛虹膜图像Fig. 1 Iris image of bovine

图 1 是使用上海交通大学图像处理与模式识别研究所研制的 2200号采集设备采集的牛个体眼睛灰度图。图 1 可见，在采集到的牛眼睛图像中，瞳孔区域由于水分造成光线反射，区域灰度值大部分较高，而且牛眼睛上眼睑以及眼睫毛过长。

23/4/20 5

瞳孔

外边界

图 2 阈值为 170的阈值变换后的二值化图像Fig. 2 Binary image after threshold transformation

二、牛眼虹膜粗定位——内边界定位

图 3 对二值化图像进行 Sobel边缘检测Fig. 3 Edge detection of binary image using Sobel operator

内边界搜索区域

23/4/20 6

二、牛眼虹膜粗定位——实验结果

纹理不丰富区域纹理丰富区域

图 4 粗定位结果Fig. 4 Coarse location of iris region

内外圆定位结果如图 4 所示，结合图 1 ，发现图 4 定位的区域中包含了太多的无效区域，即纹理特征并不丰富甚至不包含纹理特征。如果使用这样定位得到的虹膜区域进行特征提取与编码，会导致识别率的下降，甚至无法达到识别的目的。本文即在这个算法的基础上，提出应用分层圆环扫描的算法进行精确定位。

23/4/20 7

三、牛眼虹膜精确定位——分层圆环算法

通过肉眼观察可以发现在图 4 的定位结果中，纹理丰富区域其灰度变化要比纹理不丰富区域变化程度大，即其灰度值方差要大。本文就是利用这一基本原理，先使用 3.1中的定位算法作为粗定位，然后对粗定位的内外圆半径范围进行分割，分为 n 等份。得到一个圆环序列，其半径依次选取集合 中的相邻前后两项作为圆环内内外圆半径值。

图 5 分层圆环算法示意图

分别计算圆环序列中的灰度方差值，灰度方差值大的区域即为虹膜纹理丰富的区域。作为下一步特征提取使用。

23/4/20 8

三、牛眼虹膜精确定位——实验结果

根据第二节中的牛虹膜定位算法，本文使用 Visual C++进行程序设计，使用的图像来自东南大学系统工程研究所建立的第一代动物个体虹膜图像数据库（ http://l-saas.seu.edu.cn/iris）。

a） 圆环步长为 2 时的精确定位 b)圆环步长为 3 时的精确定位a) Precise location of iris region using 2 rings b) Precise location of iris region using 3 rings

23/4/20 9

a）圆环个数为 2 时的归一化 b）圆环个数为 3 时的归一化 a) Number of rings equal to 2 b) Number of rings equal to 3

c）粗定位虹膜区域归一化c) Number of rings equal to 1

图 6 不同定位后的虹膜区域归一化比较Fig. 6 Normalization of the iris region after deferent location methods

23/4/20 10

如式（ 3 ）所示，使用空间自相关函数来对图 6 中的三幅归一化后图像进行纹理粗糙程度的计算，从数据上反映其纹理粗糙程度。

1 1

0 0

1 12

0 0

( , ) ( , )

( , )[ ( , )]

w h

i j

w h

i j

I i j I i j

rI i j

其中： w 、 h分别为窗口的宽和高， ε 、 η 分别为横坐标和纵坐标方向的偏移量。 r(ε,η)是对窗口内的每一个像素元与偏移量为 的像素元之间相关性的一个度量。

23/4/20 11

四、结论

本文在食品安全的背景下，拟使用动物虹膜作为个体标识进行溯源。在虹膜识别技术的定位算法上，针对牛眼图像中瞳孔亮度高，和人眼图像恰恰相反，以及虹膜区域纹理大都分布在虹膜区域的边缘等特点，设计算法，用同心圆对虹膜区域进行拟合。先使用区域扫描，对虹膜区域进行粗定位，得到大概的虹膜内外圆圆心和半径，然后为了得到虹膜区域边缘纹理丰富区域，使用分层圆环结合方差的方法进行精确定位，并使用牛眼图像进行试验，得到了较好的定位结果，并使用空间自相关函数与方差等数据反映出分层圆环定位后的虹膜区域具有丰富的纹理特征，为下一步进行特征提取和特征编码，以及最终的高识别率提供了较丰富的纹理特征。

23/4/20 12

References1. L. Flom and A. Safir. Iris Recognition System, United States Patent 4641349, 19872. J. Daugman. High Confidence Visual Recognition of persons by a Test of Statistical Independence. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1993, 15(11): 1148-11603. J. Daugman. How iris recognition works. IEEE Transactions on Circuits and Systems for Video Technology. 2004, 14(1):21-30 4. Tan Tie-Niu, Zhu Yong, Zhu Yun-Hong. Iris Image Capturing Device, C.N. Patent 2392219, 2000 (in Chinese)（谭铁牛，朱勇，王蕴红，虹膜图像采集装置，实用新型专利，专利号： 2392219 ， 2000）5. Tan Tie-Niu, Wang Yun-Hong, Ma Li. Alive Iris Image Capturing Device, C.N. Patent 2508306 ， 2001 (in Chinese)（谭铁牛，王蕴红，马力，活体虹膜图像采集装置，实用新型专利，专利号： CN 2508306 ， 2001）6. Shi Peng-Fei, Gong Ya-Zhuo, Xing Lei. Iris Marking Normalization Process Method, C.N. Patent 1445714 ， 2003 (in Chinese)（施鹏飞，宫雅卓，邢磊，虹膜纹理归一化处理方法，发明专利，专利号：CN1445714 ， 2003）7. Shi Peng-Fei, Xing Lei , Gong Ya-Zhuo. Image Quality Evaluating Method for Iris Identification System, C.N. Patent 1474345, 2004 (in Chinese)( 施鹏飞，邢磊，宫雅卓，虹膜识别系统的图像质量评价方法，发明专利，专利号： CN1474345 ，2004)8. Masahiko Suzaki, Osamu Yamakita, Yuji Kuno. A Horse Identification System using biometrics. Systems and Computers in Japan, 2001, 32(14): 12-239. Masahiko Suzaki. Animal Identification Based On Iris Granule Analysis, U.S. Patent 6229905 B1, May 200110. A. Allen, B. Golden, M. Taylor, D. Patterson, D. Henriksen, R. Skuce. Evaluation of retinal imaging technology for the biometric identification of bovine animals in Northern Ireland. Livestock Science, 2008, 116(1-3):42-52

23/4/20 13

11. Fang Chao, Zhao Lin-Du. Research on meat food traceability system based on iris- recognition. China Safety Science Journal, 2008, 18(7): 11-17 (in Chinese)（方超，赵林度，基于虹膜识别的肉类食品可追溯系统研究，中国安全科学学报， 2008 ， 18 （ 7 ）： 11-17）12. Kong Qiang, Zhao Lin-Du. Research on the application of iris recognition in meat-food supply chain management. China Safety Science Journal, 2009, 19(3): 155-160 (in Chinese)（孔强，赵林度，虹膜识别在肉类食品安全追溯系统中的应用及关键技术研究，中国安全科学学报， 2009 ， 19 （ 3 ）： 155-160）13. Xiaoqiang Wang, Lindu Zhao. Iris recognition system design and development of large animals for tracing source of infection. The 2009 International Joint Conference on Computational Sciences and Optimization. Hainan, China, 2009. 610-613

23/4/20 14

Thanks for your attention!

23/4/20 15