虹膜圖像處理終稿

1、虹膜圖像處理,1.虹膜識(shí)別系統(tǒng)2.所做工作（1）利用基于最大熵的閾值分割法提取虹膜圖像（2）用直方圖均衡化技術(shù)增強(qiáng)虹膜圖像紋理（3）利用Canny邊緣檢測(cè)算子對(duì)圖像進(jìn)行 檢測(cè) ，使其紋理特征直觀化。,一個(gè)完整的虹膜識(shí)別系統(tǒng)：,,虹膜圖像采集單元,圖像預(yù)處理單元,特征提取單元,模式匹配單元,,,,原始眼圖像如下圖所示：,利用基于最大熵的閾值分割法提取虹膜圖像,1.熵的概念 熵是信息論里中的基本概

2、念，理論上是指某個(gè)元素的平均信息量，即平均每個(gè)符號(hào)所能提供的信息量。它只與各符號(hào)出現(xiàn)的概率有關(guān)。在信息論中熵的定義為： 式中，p(x)是事件x發(fā)生的概率，H指平均每個(gè)符號(hào)提供的信息量。,如果從圖像分析的角度來(lái)理解上述公式，則x是圖像的某一灰度值，p(x)是圖中灰度值x出現(xiàn)的概率。最大熵閾值分割法就是求使H取最大的灰度值x,并把x作為用來(lái)分割的閾值。設(shè)圖像分n個(gè)灰度級(jí)，則在數(shù)字圖像中上述工式可以寫(xiě)成：,基于最大熵的閾值選取思想進(jìn)行

3、虹膜定位的算法,本文中所使用的虹膜圖像的灰度級(jí)為256，我們需要做的是將一幅圖像分出三部分，即瞳孔區(qū)域（pupil:灰度值T2). 以圖像中各灰度值出現(xiàn)的頻數(shù)作為取得該灰度級(jí)的概率，則上述三個(gè)區(qū)域所包含的灰度級(jí)的概率和分別為：,瞳孔區(qū)域： 虹膜區(qū)域： 其他區(qū)域：,三個(gè)區(qū)域所包含灰度級(jí)的概率：,則三個(gè)區(qū)域的熵函數(shù)分別定義為：,瞳孔區(qū)域：虹膜區(qū)域：其他區(qū)域：,整幅圖像的熵函數(shù)定義為：,,,那么，閾值T1,

4、T2即為使熵函數(shù)H取得最大時(shí)的值。當(dāng)閾值確定以后，把小于T1和大于T2的灰度值均賦值為0（即在圖像上呈現(xiàn)為黑色），這樣便清晰地凸現(xiàn)出了虹膜。,算法的實(shí)現(xiàn),整個(gè)算法使用MATLAB語(yǔ)言編程，在MATLAB6.5環(huán)境中運(yùn)行實(shí)現(xiàn)。具體過(guò)程如下：,1.將真彩色圖像轉(zhuǎn)化為灰度圖像,2.求出原始圖像中各灰度值出現(xiàn)的概率,3.確定虹膜與瞳孔邊界上的閾值T1和虹膜與鞏膜邊界上的閾值T2,具體過(guò)程,4.對(duì)圖像進(jìn)行閾值化處理，即將圖像矩陣中小于T1和大于T

5、2的元素賦值為255,5.裁切圖像得到虹膜部分6.直方圖均衡化處理增強(qiáng)虹膜紋理特征7.利用Canny邊緣檢測(cè)算子進(jìn)行邊緣檢測(cè),提取出的虹膜圖像如下圖所示：,使用直方圖均衡化增強(qiáng)圖像紋理細(xì)節(jié),經(jīng)過(guò)直方圖均衡化處理后的虹膜圖像如上圖所示：,利用Canny算子進(jìn)行邊緣檢測(cè)：,Canny邊緣檢測(cè)算子的思想：先對(duì)待處理的圖像選擇一定大小的高斯濾波器進(jìn)行平滑濾波，然后通過(guò)非極值抑制技術(shù)，對(duì)平滑后的圖像處理后，得到所需的邊緣圖像。邊緣檢測(cè)的結(jié)果如