基於基元結構定義與區域生長技術的虹膜分區及陽光放射溝提取方法

2023-09-22 02:15:15 3

專利名稱：基於基元結構定義與區域生長技術的虹膜分區及陽光放射溝提取方法
技術領域：
本發明涉及計算機圖像處理技術領域，具體涉及一種利用虹膜進行疾病診斷的技 術。
背景技術：
目前，隨著社會的進步和人民生活水平的日益提高，人們越來越關注自身的健康， 迫切需要一種方便可靠、無創傷非接觸式的自我診斷手段。虹膜學與虹膜診斷正是這樣一 種現代新型的診病方法，它具有非接觸性、無傷痛性、易於普及的特點，這也是未來醫學與 預防醫學診斷手段的重要發展趨勢。中西醫虹膜學認為人眼虹膜是人體中與全身各臟器密切相關的器官之一，各部 臟器在虹膜上有確切的映射區，其變化情況直接反映人體內部各臟器的健康狀況。虹膜異 常主要體現在各個臟器映射區內，色調的變化、局部色斑的出現、虹膜纖維破洞的出現或虹 膜纖維疏密程度的變化等方面。通過觀察虹膜不同區位的異常變化，可以對某些器官的疾 病做出診斷，如虹膜上方腦映射區內某種亮點表示腦神經有異常、腸胃映射區瞳孔周圍出 現凹點說明有潰瘍病等。利用虹膜診病的關鍵所在是定位各部臟器在虹膜上的映射區。為此中西醫虹膜學 均給出了虹膜圖譜。從西方虹膜學之父匈牙利醫生Ignatz Von Peczley到美國虹膜大師 Bernardjensen，西方虹膜學從實驗觀察和統計分析出發，其圖譜定位準確，所以提出的診 斷標準比較明確和穩定。但西醫對虹膜分區過於複雜，時常將一個完整病症被分割在幾個 區域中，沒有擺脫「人是無數零件組成的機器」的觀點，因此在臨床上無法把這些活體器官 之間的聯繫統一起來；另一方面西醫分區在利用計算機輔助診斷方面的可操作性較差，因 為目前的虹膜圖像採集設備和虹膜圖像處理算法上還不能達到直接利用西醫圖譜診病所 要求的精度。我國中醫「眼診學」認為眼雖是一個局部器官，但它與全身的臟腑、經絡共同構成 了一個有機的整體在生理上相互協調，在病理上相互影響，有著非常密切的關係。所以中 醫虹膜圖譜在整體上給出了映射區在虹膜上的大致位置。因此造成了中醫圖譜精度較差， 並且目前還沒有一個統一的、嚴格的和量化的標準。此外，中西醫圖譜還存在一個共同的問題病灶出現的位置會跨越相鄰的兩個分 區，出現這種情況包括兩方面的情況一、相關臟器(如生殖泌尿系統中的各臟器)出現在 相鄰的映射區中，從疾病的發生、發展來考察，他們是相互關聯、相互影響的，其病灶也有可 能擴大到其它映射區中；另一方面，某個臟器病變較重(如重症冠心病，其心臟映射區病理 變化較大)。

發明內容
本發明的目的在於提供一種有機結合中、西醫的虹膜學成果一依據西醫虹膜學中較準確定位肌體臟器與虹膜映射區域的關係、根據中醫理論對虹膜映射區形成的闡述， 給出基於基元結構定義與區域生長技術的虹膜分區及陽光放射溝提取方法。本發明的目的是這樣實現的1、基於中西醫虹膜學的計算機輔助診斷虹膜圖譜(CADIC computer aided diagnosis irischar)本發明的虹膜圖譜定義如下對於一幅虹膜圖像，經過前期預處理與虹膜內外邊 緣精確定位後，將虹膜圖像置於極坐標系(Θ，r)中，把虹膜分為以瞳孔圓心為極點、以瞳 孔邊緣為起始邊界的五個環、12個區的虹膜分區圖譜。設一幅虹膜圖像用A表示，Rt為瞳孔半徑，R1為虹膜半徑，Rd為圖像中捲縮輪的理 論半徑，R' D為捲縮輪的實際半徑。極坐標的極軸方向取為時鐘的零點方向，極角按照順 時針方向定義。將A劃分為五個環12個區後，其中的任意一個區用Aik(e，r)來表示。其中k = 1，2，· · ·，12 ;i = 1，2，· · ·，5，每個分區的定義如下虹膜分區是按時鐘順時針方向從12點標記開始每30度為一個區；在虹膜環形的 半徑方向上5等分，構成5個環。根據虹膜學理論，虹膜中捲縮輪大小佔虹膜的三分之一左 右，所以最裡邊的兩個環被合併表達捲縮輪部分。再根據虹膜的另外三個環和分區，將虹膜 分成各個診斷區域。本發明根據制定的分區規則和醫學虹膜圖譜進行了比照，得到了一一 對應關係，表1-8給出了左右眼虹膜CADIC圖譜中各個分區對應的肌體臟器在虹膜上的映 射部位。2、基於基元定義和區域生長技術的虹膜處理方法本發明提出的動態自適應虹膜分區(圖譜覆蓋)方法針對虹膜圖像紋理複雜、區 域變化不明顯特性，在基於串行區域生長與合併技術基礎上，通過對特徵先驗知識，定義區 域生長與合併準則，以「基元」為區域生長點，具體地方案包含如下步驟1.虹膜圖像的採集；2.虹膜圖像的預處理；3.虹膜定位；4. CADIC虹膜圖譜覆蓋；5.基於基元定義和區域生長的陽光放射溝提取；6.虹膜自適應分區。各個處理步驟的細節如下1.虹膜圖像的採集採樣方法是對視頻圖像抓拍；採樣者 部固定並正視；採樣時所採用的光源產生的光斑打在瞳孔和虹膜的交界處；採樣圖像為768*576的24位位圖。每個採樣者採3到5 組虹膜圖像。2.虹膜圖像的預處理在對虹膜圖像進行分區分析之前，要進行預處理工作。虹膜圖像的預處理主要包 括彩色圖像灰度轉換、噪聲處理、幾何校正、圖像增強。
2. 1)圖像灰度化
對採集到的彩色圖像，應用如下公式將其變換為灰度圖像。 Y = O. 299 X R+0. 587 X G+0. 114 X B (2-2)式中R——真彩圖中每個像素的紅分量；G——真彩圖中每個像素的綠分量；B——真彩圖中每個像素的藍分量；Y——該像素所對應的灰度2.2)虹膜圖像灰度歸一化通過將原始虹膜圖像中感興趣的區域映射到相同的尺寸和相同的對應區域中進 行虹膜歸一化，從而消除平移、旋轉對紋理檢測的影響。2. 3)光斑填充採用數字圖像的自適應插值法來對光斑進行填充。零階插值算法，即令輸出像素 的灰度值等於離它所映射的位置最近的輸入像素的灰度值。3.虹膜定位除去那些於虹膜無關的信息(如眼瞼Eyelid，睫毛Eyelash，瞳孔Pupil等)，也就 是從虹膜圖像中定位出虹膜的內邊界和外邊界。3. 1)虹膜粗定位通過對虹膜圖像的分析，得出以下的先驗知識瞳孔的直徑最小也要大於120個 像素；瞳孔是眼睛圖像中面積最大的低灰度區域，而其圓心位置應該在上下左右灰度和值 最小的區域附近，利用這些先驗知識，可以減小搜索的空間提高精度。本文採用傳統的灰度 投影法對虹膜內、外邊緣粗定位，得到虹膜內徑r、外徑rl和瞳孔中心(x。，y。)；3. 2)虹膜精定位本發明採用Daugman算法來對虹膜進行精定位，其核心在於利用一個有效的積分 微分算子來計算圓參數。虹膜具有良好的環狀特性，所以可採用圓形探測算子對虹膜邊界 進行精定位。在虹膜粗定位瞳孔中心(x。，y。)和半徑r的基礎上，採用圓探測算子實現虹膜精定 位；所述虹膜精定位方法為基於圓探測算子的定位方法a、對於中心矩陣內的每一個元素，分別計算半徑為r同一圓周上的像素點灰度和 sum，其中中心矩陣的範圍是(x。-5，y。_5)，半徑變化範圍為r_5 r+5 ；b、對於r的變化值d，計算出對應的高斯函數值
8 c、計算灰度梯度值向量det = g(d+l)-g(d) I X sum；d、依次計算所有元素對應的det向量值；e、在所有的det向量中取元素最大值，即為精定位的結果。4. CADIC虹膜圖譜覆蓋在虹膜內外邊緣精確定位後，將虹膜部分所在區域的直角坐標(X，y)形式轉換為 極坐標(r，θ)形式。根據虹膜圖譜和r、θ的值來將虹膜部分分成若干個區域。這是第一 次分區，也就是理論分區。5.基於基元定義和區域生長的陽光放射溝提取本發明選取虹膜圖像中疾病形成的陽光放射溝為處理對象，首先定義紋理基元並 討論基於基元的紋理表達方法。設紋理基元為h(x，y)，排列規則為r(x，y)，則紋理t(x，y)定義為t{x,y) = h{x,y) r{x,y)(4-1)設xm，ym為脈衝函數的位置坐標，則r(x, y) =Σ δ (x-xm, y-ym) (4-2)根據卷積定理，在頻域有T (U，ν) = H (U，ν) R (U，ν)(4-3)R (U，ν) = T (U，ν) H (U，νΓ1 (4-4)那麼對於給定紋理基元h(x，y)的描述，即可得到反卷積濾波器H (u，ν) Λ將這個 濾波器用於待處理紋理圖像，每個脈衝都在紋理基元的中心。對整幅圖像中不同紋理基元 的分布進行統計可獲得圖像的全面紋理信息。通過紋理基元確定對了對待分割的區域找到一個種子子圖一即基元脈衝中心， 然後將種子像素周圍鄰域中與種子像素有相同或相似性質的像素(通過定義的相同或相 似規則)合併到種子像素所在區域中。在將新像素作為種子繼續擴展，直到再沒有滿足條 件的像素可被包括，這樣的一個區域就長成。對於一個給定的目標圖像X和一個結構基元S,以符合S的種子區域ΧΘ5為中心 在圖像上進行迭代生長。對於種子Z φ S的每一個鄰近像素X，在生長過程中應始終保持if S(x) = TRUE(4-5) S卩，如果區域鄰近像素χ能符合結構基元定義，則將像素χ合併到特徵區域，使之 成為新種子的一部分。如果對於種子1十^的所有鄰近像素X，均有S (χ) = FALSE(4-7)則生長停止。對於陽光放射溝特徵，通過前期對臨床病理的研究分析，從獲得的先驗統計知識 定義像素生長規則如下。規則1 溝長度為L個像素，5彡L彡R虹膜；
規則2 溝寬度為W個像素，3彡W彡5 ；規則3 溝的延長線與瞳孔交點的切線相垂直；規則4 根據虹膜圖像灰度直方圖確定溝區域灰度最優閾值Te ；規則5 溝的起點為捲縮輪邊界點。根據CADIC虹膜分區圖，對每個感興趣的診斷候選區域，執行如下陽光放射溝檢 測算法。1)計算陽光放射溝灰度閾值對整個虹膜統計灰度直方圖，定義灰度閾值Te，使得灰度小於Te的像素數目為整 個虹膜像素數目的10%。根據不同的虹膜圖像採集設備，此比例數應根據人工標註陽光放 射溝情況的先驗統計數據做出相應的調整。2)對任一個候選區Q，執行以下3) 10)。3)溝起點選取對於任意像素χ e Q，如果有符合規則5的像素χ的灰度值f (x) ( tG,則認為χ是 一個溝起點。把找到的所有溝起點記為dn，η = 1,2,3...N04)如果N = 0，即沒有找到任何溝起點，則說明沒有陽光放射溝存在，轉10)結束 本算法。5)溝起點篩選與合併，形成種子候選對溝底點記dn，η = 1,2,3... N，先後執行生長與合併操作，合併成種子候選d』 n， η = 1，2，3· · · N，，N， 5的種子候選d』 n。所有剩餘的種子候選d』 n成為種子，記為zm，m = 1，2，3. . . M。在不造成混淆的情 況下，也用Zm代表本種子的中心像素。7)如果M = 0，即沒有找到任何種子，則說明沒有陽光放射溝存在，轉10)結束本算法。8)區域生長，形成陽光放射溝候選在每個種子zm，m = 1,2,3. .. M周圍鄰域中搜索同種子像素具有相同或相似性質 的像素，合併到種子像素所在區域中；在將新像素作為種子繼續迭代擴展，直到再沒有滿足 條件的像素可被包括，這樣一個區域就長成了。8. 1)定義每個種子(中心)Zm的鄰域為NB(Zm)，NB(Zm)應符合規則1，2和3 ；8. 2)定義基元結構為S，此處的S定義為典型陽光放射溝的橫截線上的像素集合。8. 3)對於任意像素χ e NB (Zm)，根據公式(4_5)、(4-6)所定義的生長規則進行區 域生長。9)陽光放射溝篩選對獲得的陽光放射溝候選，根據規則1和2進行篩選。10)輸出結果，結束算法。通過上述方法實驗，可以獲得滿足裂縫基元定義的線條，即為陽光放射溝。6.虹膜動態自適應分區
具體做法體現在對病理特徵(此處為陽光放射溝，也可以推廣到其他虹膜特徵 上)在分區邊界上的處理當分區時病理特徵被分割開來，不能被完整地表達在同一個區 域中時，進一步從保持病理特徵完整性的角度，重新確定該特徵所覆蓋區域。6. 1)首先，通過估計病理特徵的區域進行病理特徵篩選對病理特徵邊緣形狀的提取採用估算的方法。求出組成特徵的像素點在極坐標中 的角度和極徑的最大和最小值，這樣就大概確定出了紋理所覆蓋的區域的面積。從前面特 徵提取的結果可以看到，只有一部分重要的紋理特徵(陽光放射溝)具有診病價值。我們 根據所確定的每個特徵區域的面積，選取最重要的若干個特徵，比如5個；刪除其餘的不重 要特徵。6. 2)結合圖15，進行CADIC圖譜覆蓋，方法如前述。6. 3)判斷是否有跨區域的病理特徵對每一個虹膜圖譜上的分區注意考察，如果發現其邊界同重要特徵有交疊，則記 錄這個交疊。6.4)進行區域動態調整，完成自適應分區如果一個紋理特徵覆蓋多個區域，進行如下處理對每個虹膜圖譜分區，統計區域 外內特徵的像素點數目M ；之後對其每處交疊邊界，考察此區域外該特徵的像素點並進行 統計數目M』。如果區域外像素點中只有極少部分Μ』 < M(說明該特徵不是主要處於本區域)，則同樣不 予考慮，並刪除本區域中的特徵；此外，說明區域外特徵比較重要；則將此邊界鄰接的區域同本區域合併，實現了重 新的區域劃分，也就是進行了自適應分區。本發明提出了一種融合中西醫虹膜學虹膜分區的新虹膜分區圖譜(CADIC)；並發 明了應用此圖譜所必需的基於基元定義的區域生長技術用於典型虹膜特徵一陽光放射 溝的提取，並發明了應用此圖譜所必需的基於虹膜圖像動態分區技術和虹膜圖譜的自適應 覆蓋方法。本發明在保證了肌體各部臟器在虹膜上的準確定位同時，突出了虹膜圖譜的實 用性，實現了醫學意義下完整虹膜特徵的動態分割技術及其在虹膜圖譜上的定位技術。通 過實驗證明，此技術能夠大大提高了虹膜識別和診病可靠性。本發明涉及到的技術領域屬 於計算機圖像處理、模式識別以及中西醫結合與現代化領域，有機結合中、西醫的虹膜學成 果，根據西醫虹膜學叫準確定位肌體臟器與病症區域、根據中醫理論解釋、並處理病症的不 同表現，使中醫診療方法、技術更好地為大眾服務，也使中醫理論精萃得以傳承和發揚，利 用計算機強大的信息處理能力，解決中醫診療在現代化和信息化建設上面臨的困難，這是 本發明的主要意義。採用本發明，可以在保證了肌體各部臟器在虹膜上的準確定位，同時有 效檢測虹膜特徵，從而大大提高了虹膜識別和診病的可靠性與實用性。


圖1為中醫虹膜圖譜；圖2為Jensen虹膜圖譜；
圖3-4為CADIC圖譜示意圖；圖5為具體實施方式
流程圖；圖6為彩色虹膜圖像；圖7為灰度化後的圖像；圖8-9為光斑填充前後對比圖像；圖10為虹膜粗定位圖；圖11為內、外邊緣精定位圖；圖12為理論分區圖；圖13為圖像區域分布圖；圖14為使用基元定義的裂縫識別結果圖；圖15為CADIC圖譜覆蓋結果圖；圖16為虹膜動態自適應分區結果示意圖一陽光放射溝的自適應分區結果圖。
具體實施例方式下面結合附圖對本發明作進一步的說明1 基於中西醫虹膜學的計算機輔助診斷虹膜圖譜(CADIC computer aided diagnosis irischar)計算機輔助診斷虹膜圖譜分區方法，既要避免西醫虹膜圖譜的複雜與實用性差的 弊端，又要克服中醫圖譜精度不足和定位不準的弱點；其分區方法應能夠保證各大臟器在 映射區的完整性和定位的精確性，還要利於計算機實現又方便樣本圖像的分類存儲。根據圖1，圖2，本實施例的虹膜圖譜定義如下對於一幅虹膜圖像，經過前期預處 理與虹膜內外邊緣精確定位後，將虹膜圖像置於極坐標系(Θ，r)中。把虹膜分為以瞳孔圓 心為極點、以瞳孔邊緣為起始邊界的五個環、12個區的虹膜分區圖譜，如圖3所示。設一幅虹膜圖像用A表示，Rt為瞳孔半徑，R1為虹膜半徑，Rd為圖像中捲縮輪的理 論半徑，R' D為捲縮輪的實際半徑。極坐標的極軸方向取為時鐘的零點方向，極角按照順 時針方向定義。將A劃分為五個環12個區後，其中的任意一個區用AikO，r)來表示。其中k =
1 ，2， · · · ， 12；i= 1 ,2，...，5，每個分區的定義如下 虹膜分區是按時鐘順時針方向從12點標記開始每30度為一個區；在虹膜環形的 半徑方向上5等分，構成5個環。根據虹膜學理論，虹膜中捲縮輪大小佔虹膜的三分之一左 右，所以最裡邊的兩個環被合併表達捲縮輪部分。再根據虹膜的另外三個環和分區，將虹膜 分成各個診斷區域。我們根據制定的分區規則和醫學虹膜圖譜進行了比照，得到了一一對應關係，可見，我們所提出的實用化虹膜圖譜同傳統的中西醫虹膜圖譜是十分吻合的。見圖 4，表1-8給出了左右眼虹膜CADIC圖譜中各個分區對應的肌體臟器在虹膜上的映射部位。表1右眼虹膜CADIC圖譜 表2右眼虹膜CADIC圖譜 表3右眼虹膜CADIC圖譜
13 表4右眼虹膜CADIC圖譜
岡 表5左眼虹膜CADIC圖譜 表6左眼虹膜CADIC圖譜
表7左眼虹膜CADIC圖譜 表8左眼虹膜CADIC圖譜 2、基於基元定義和區域生長技術的虹膜處理方法理論分區是通過對正常人虹膜圖像學習而制定的，如果人體有病變發生，在對應 的虹膜區域就會出現明顯的紋理變化。而隨著病情的發展和治療手段的引入，紋理變化會 更加明顯，甚至出現變化擴散到其它的區域的現象。為了更準確的通過虹膜反映人體病變 情況，就要針對虹膜的紋理變化進行自適應分區。從虹膜解剖學我們知道，正常的捲縮論範圍在虹膜圖像的1/3。虹膜診斷學理論認
16為，捲縮輪範圍變化與消化系統疾病密切相關。如捲縮輪緊縮表示胃部疾病，捲縮輪膨脹， 反映著腸道系統疾病。又如人眼正常虹膜不會出現裂縫，在慢性疾病病理中，會出現這種 長長的裂縫。本發明提出的基於基元的串行區域生長與合併的虹膜圖像動態分區技術，較 好地解決了病理情況下虹膜病變特徵的定位與測量問題。串行區域生長與合併技術是分析圖像中區域結構和相似性的模式識別方法，是建 立在集合代數基礎上，用集合論與概率論方法定量描述圖像特徵的技術。根據分割過程中 處理策略的不同，分割技術又可分為並行技術與串行技術，雖然串行技術所需要計算時間 比並行技術略長，但其抗噪聲能力通常較強。我們所提出的動態自適應虹膜分區(圖譜覆蓋)方法針對虹膜圖像紋理複雜、區 域變化不明顯特性，在基於串行區域生長與合併技術基礎上，通過對特徵先驗知識，定義區 域生長與合併準則，以「基元」為區域生長點，這樣在理論上滿足醫學圖像處理的統計學要 求，又可以便於計算機處理，通過實驗得到了很好的結果。具體地方案實施如圖5所示，包 含如下步驟1.虹膜圖像的採集；2.虹膜圖像的預處理；3.虹膜定位；4. CADIC虹膜圖譜覆蓋；5.基於基元定義和區域生長的陽光放射溝提取；6.虹膜自適應分區。各個處理步驟的細節如下(1)虹膜圖像的採集虹膜具有對光的生理反應的特性；毋須物理接觸，就可以在一定的距離獲得被試 的紋理圖樣。採樣方法是對視頻圖像抓拍；採樣者頭部固定並正視；採樣時所採用的光源 產生的光斑打在瞳孔和虹膜的交界處；採樣圖像為768*576的24位位圖。每個採樣者採3 到5組虹膜圖像。(2)虹膜圖像的預處理由於虹膜圖像的採集受到光照及儀器差異的影響，包含了大量的噪聲，同時眼瞼 和眼睫毛可能會掩蓋一部分的虹膜，而睫狀體對於虹膜診病也是無用的信息，所以在對虹 膜圖像進行分區分析之前，要進行預處理工作。虹膜圖像的預處理主要包括彩色圖像灰度 轉換、噪聲處理、幾何校正、圖像增強。(2. 1)彩色圖像灰度化結合圖6-圖7，目前，因為我們只對虹膜圖像的紋理特徵感興趣，為了減少計算 量，我們對得到的彩色圖像進行灰度化。對採集到的彩色圖像，應用如下公式將其變換為灰 度圖像。
Y = O. 299 X R+0. 587 X G+0. 114 X B(2-2)式中R——真彩圖中每個像素的紅分量；
G—真彩圖中每個像素的綠分量；B——真彩圖中每個像素的藍分量；Y——該像素所對應的灰度(2·2)虹膜圖像灰度歸一化由於受到光照、拍照角度等因素的影響，使得圖像中虹膜的尺寸和旋轉的角度產 生較大差異，這將極大的降低模板匹配的精度。虹膜歸一化的目的是將原始虹膜圖像中感 興趣的區域映射到相同的尺寸和相同的對應區域中，從而消除平移、旋轉對紋理檢測的影 響。(2. 3)光斑填充使用帶有雙光源的CCD採集設備採集到的虹膜圖像，來自光源的入射光在舌面形 成鏡面反射，引起虹膜表面顏色的突變而形成光斑，且光斑顏色與光源顏色一致。因而虹膜 圖像上屬於反光點的像素與虹膜上其他像素相比具有最高的亮度值和最低的飽和度值。這 些光斑區域這會影響到定位結果，需要進行光斑填充。結合圖8-9，採用數字圖像的自適應插值法來對光斑進行填充。零階插值算法，即 令輸出像素的灰度值等於離它所映射的位置最近的輸入像素的灰度值。(3)虹膜定位虹膜定位的目的就是除去那些於虹膜無關的信息(如眼瞼Eyelid，睫毛Eyelash， 瞳孔Pupil等)，也就是從虹膜圖像中定位出虹膜的內邊界和外邊界。準確的虹膜定位是實 現有效特徵提取的前提。(3. 1)虹膜粗定位結合圖10，粗定位的目的是估算出虹膜內、外邊緣對應圓的圓心和半徑。通過對虹膜圖像的分析，得出以下的先驗知識瞳孔的直徑最小也要大於120個 像素；瞳孔是眼睛圖像中面積最大的低灰度區域，而其圓心位置應該在上下左右灰度和值 最小的區域附近，利用這些先驗知識，可以減小搜索的空間提高精度。本文採用傳統的灰度 投影法對虹膜內、外邊緣粗定位，得到虹膜內徑r、外徑rl和瞳孔中心(x。，y。)；(3. 2)虹膜精定位結合圖11，本發明採用Daugman算法來對虹膜進行精定位，其核心在於利用一個 有效的積分微分算子來計算圓參數。虹膜具有良好的環狀特性，所以可採用圓形如下算子 對虹膜邊界進行精定位。在虹膜粗定位瞳孔中心(x。，y。)和半徑r的基礎上，採用圓探測算子實現虹膜精定 位；所述虹膜精定位方法為基於圓探測算子的定位方法a、對於中心矩陣內的每一個元素，分別計算半徑為r同一圓周上的像素點灰度和 sum，其中中心矩陣的範圍是(x。-5，y。_5)，半徑變化範圍為r-5 r+5 ；b、對於r的變化值d，計算出對應的高斯函數值 c、計算灰度梯度值向量det = g(d+l)-g(d) I X sum；d、依次計算所有元素對應的det向量值；e、在所有的det向量中取元素最大值，即為精定位的結果。
(4) CADIC虹膜圖譜覆蓋結合圖12，在虹膜內外邊緣精確定位後，將虹膜部分所在區域的直角坐標(X，y) 形式轉換為極坐標(r，θ)形式。根據虹膜圖譜和r、θ的值來將虹膜部分分成若干個區 域。這是第一次分區，也就是理論分區。(5)基於基元定義和區域生長的陽光放射溝提取結合圖13，分析虹膜主要是分析其結構紋理特徵，虹膜診病更是要將病灶特徵獨 立而又完整地提取出來。本發明選取虹膜圖像中疾病形成的陽光放射溝為處理對象，首先 定義紋理基元並討論基於基元的紋理表達方法。設紋理基元為h(x，y)，排列規則為r(x，y)，則紋理t(x，y)定義為/0,少)二辦(太,少)(8)廠0,力(4-1)設xm，ym為脈衝函數的位置坐標，則r(x, y) =Σ δ (x-xm, y-ym)(4—2)根據卷積定理，在頻域有T (U，ν) = H (U，ν) R (U，ν)(4-3)R (U，ν) = T (U，ν) H (U，νΓ1(4-4)那麼對於給定紋理基元h(x，y)的描述，即可得到反卷積濾波器H (u，ν) Λ將這個 濾波器用於待處理紋理圖像，每個脈衝都在紋理基元的中心。對整幅圖像中不同紋理基元 的分布進行統計可獲得圖像的全面紋理信息。通過紋理基元確定對了對待分割的區域找到一個種子子圖一即基元脈衝中心， 然後將種子像素周圍鄰域中與種子像素有相同或相似性質的像素(通過定義的相同或相 似規則)合併到種子像素所在區域中。在將新像素作為種子繼續擴展，直到再沒有滿足條 件的像素可被包括，這樣的一個區域就長成。對於一個給定的目標圖像X和一個結構基元S,以符合S的種子區域j十S為中心 在圖像上進行迭代生長。對於種子Z φ ^的每一個鄰近像素X，在生長過程中應始終保持if S(x) = TRUE(4-5)溈十十(4-6)S卩，如果區域鄰近像素χ能符合結構基元定義，則將像素χ合併到特徵區域，使之 成為新種子的一部分。如果對於種子Z Θ S的所有鄰近像素X，均有S (χ) = FALSE(4-7)則生長停止。對於陽光放射溝特徵，通過前期對臨床病理的研究分析，從獲得的先驗統計知識 定義像素生長規則如下。規則1 溝長度為L個像素，5彡L彡R虹膜；規則2 溝寬度為W個像素，3彡W彡5 ；規則3 溝的延長線與瞳孔交點的切線相垂直；規則4 根據虹膜圖像灰度直方圖確定溝區域灰度最優閾值Te ；規則5 溝的起點為捲縮輪邊界點。
結合圖14，根據CADIC虹膜分區圖，對每個感興趣的診斷候選區域，執行如下陽光 放射溝檢測算法。1)計算陽光放射溝灰度閾值對整個虹膜統計灰度直方圖，定義灰度閾值Te，使得灰度小於Te的像素數目為整 個虹膜像素數目的10%。根據不同的虹膜圖像採集設備，此比例數應根據人工標註陽光放 射溝情況的先驗統計數據做出相應的調整。2)對任一個候選區Q，執行以下3) 10)。3)溝起點選取對於任意像素χ e Q，如果有符合規則5的像素χ的灰度值f (x) ( Tg,則認為χ是 一個溝起點。把找到的所有溝起點記為dn，η = 1,2,3...N04)如果N = 0，即沒有找到任何溝起點，則說明沒有陽光放射溝存在，轉10)結束 本算法。5)溝起點篩選與合併，形成種子候選對溝底點記dn，η = 1,2,3... N，先後執行生長與合併操作，合併成種子候選d』 n， η = 1，2，3· · · Ν，，N，彡 N。6)種子候選篩選，形成種子對每個種子候選d』 定義它在平行於虹膜內邊緣方向上的像素跨度數為其寬度 W(d』。，刪除所有奴^ n) > 5的種子候選d』 n。所有剩餘的種子候選(!^成為種子，記為zm，m= 1，2，3...M。在不造成混淆的情 況下，也用Zm代表本種子的中心像素。7)如果M = 0，即沒有找到任何種子，則說明沒有陽光放射溝存在，轉10)結束本算法。8)區域生長，形成陽光放射溝候選在每個種子zm，m = 1,2,3. .. M周圍鄰域中搜索同種子像素具有相同或相似性質 的像素，合併到種子像素所在區域中；在將新像素作為種子繼續迭代擴展，直到再沒有滿足 條件的像素可被包括，這樣一個區域就長成了。(8. 1)定義每個種子(中心)Zm的鄰域為NB(Zm)，NB(Zm)應符合規則1，2和3 ；(8. 2)定義基元結構為S,此處的S定義為典型陽光放射溝的橫截線上的像素集
I=I O(8. 3)對於任意像素χ e NB (Zm)，根據公式(4_5)、(4-6)所定義的生長規則進行 區域生長。9)陽光放射溝篩選對獲得的陽光放射溝候選，根據規則1和2進行篩選。10)輸出結果，結束算法。通過上述方法實驗，可以獲得滿足裂縫基元定義的線條，即為陽光放射溝。(6)虹膜動態自適應分區具體做法體現在對病理特徵(此處為陽光放射溝，也可以推廣到其他虹膜特徵 上)在分區邊界上的處理當分區時病理特徵被分割開來，不能被完整地表達在同一個區 域中時，進一步從保持病理特徵完整性的角度，重新確定該特徵所覆蓋區域。
6. 1)首先，通過估計病理特徵的區域進行病理特徵篩選對病理特徵邊緣形狀的提取採用估算的方法。求出組成特徵的像素點在極坐標中 的角度和極徑的最大和最小值，這樣就大概確定出了紋理所覆蓋的區域的面積。從前面特 徵提取的結果可以看到，只有一部分重要的紋理特徵(陽光放射溝)具有診病價值。我們 根據所確定的每個特徵區域的面積，選取最重要的若干個特徵，比如5個；刪除其餘的不重 要特徵。6. 2)結合圖15，進行CADIC圖譜覆蓋，方法如前述。6. 3)判斷是否有跨區域的病理特徵對每一個虹膜圖譜上的分區注意考察，如果發現其邊界同重要特徵有交疊，則記 錄這個交疊。6. 4)進行區域動態調整，完成自適應分區如果一個紋理特徵覆蓋多個區域，進行如下處理對每個虹膜圖譜分區，統計區域 外內特徵的像素點數目M;之後對其每處交疊邊界，考察此區域外該特徵的像素點並進行 統計數目M』。如果區域外像素點中只有極少部分M』 <M(說明該特徵不是主要處於本區域)，則同樣不 予考慮，並刪除本區域中的特徵；此外，說明區域外特徵比較重要；則將此邊界鄰接的區域同本區域合併，實現了重 新的區域劃分，也就是進行了自適應分區。例如在圖16中跨區紋理特徵進行自適應分區在(1-1-2)、(1-5-2、1-5-3)與 (1-7-2、1-7-3、1-7-4)區域中出現長的連續紋理特徵一陽光放射溝，(1-1-2)區中特徵沒 有出現跨區域現象；而在5區與7區中，把兩個連續特徵分割在幾個小的區域中，使診斷很 困難。應用上述發明技術，使圖譜在覆蓋虹膜同時，對檢測到的完整特徵實現自適應分區， 確保特徵信息的完整性，有利於診病判斷。
權利要求
一種基於基元結構定義與區域生長技術的虹膜分區及陽光放射溝提取方法，其特徵在於在它是在基於串行區域生長與合併技術基礎上，通過對特徵先驗知識，定義區域生長與合併準則，以基元為區域生長點，具體地方案包含如下步驟(1)虹膜圖像的採集；(2)虹膜圖像的預處理；(3)虹膜定位；(4.)CADIC虹膜圖譜覆蓋；(5)基於基元定義和區域生長的陽光放射溝提取；(6)虹膜自適應分區。
2.根據權利要求1所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於虹膜圖譜定義為對於一幅虹膜圖像，經過前期預處理與虹膜內外 邊緣精確定位後，將虹膜圖像置於極坐標系(9，r)中，把虹膜分為以瞳孔圓心為極點、以 瞳孔邊緣為起始邊界的五個環、12個區的虹膜分區圖譜，設一幅虹膜圖像用A表示，Rt為瞳 孔半徑，民為虹膜半徑，RD為圖像中捲縮輪的理論半徑，R'。為捲縮輪的實際半徑。極坐 標的極軸方向取為時鐘的零點方向，極角按照順時針方向定義，將A劃分為五個環12個區 後，其中的任意一個區用A、9，r)來表示。其中:k = 1,2, ... ,12 ；i = 1，2，…，5，每個 分區的定義如下
3.根據權利要求2所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於虹膜圖像的採集方法是對視頻圖像抓拍，採樣者頭部固定並正視， 採樣時所採用的光源產生的光斑打在瞳孔和虹膜的交界處，採樣圖像為768*576的24位位 圖，每個採樣者採3到5組虹膜圖像。
4.根據權利要求3所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於虹膜圖像的預處理方法是在對虹膜圖像進行分區分析之前進行預 處理工作，虹膜圖像的預處理方法包括彩色圖像灰度轉換、噪聲處理、幾何校正、圖像增強 方法，圖像灰度轉換方法為對採集到的彩色圖像，應用如下公式將其變換為灰度圖像 Y = 0. 299XR+0. 587XG+0. 114XB 式中R——真彩圖中每個像素的紅分量； G——真彩圖中每個像素的綠分量； B——真彩圖中每個像素的藍分量； Y——該像素所對應的灰度；再進行虹膜圖像灰度歸一化，通過將原始虹膜圖像中感興趣的區域映射到相同的尺寸 和相同的對應區域中進行虹膜歸一化，然後進行光斑填充，採用數字圖像的自適應插值法 來對光斑進行填充。零階插值算法，即令輸出像素的灰度值等於離它所映射的位置最近的輸入像素的灰度值。
5.根據權利要求4所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於虹膜定位方法是除去那些於虹膜無關的信息，也就是從虹膜圖像 中定位出虹膜的內邊界和外邊界。包括(1)虹膜粗定位採用灰度投影法對虹膜內、外邊緣 粗定位，得到虹膜內徑r、外徑rl和瞳孔中心(x。，yc) ； (2)虹膜精定位採用Daugman算法 來對虹膜進行精定位，利用一個有效的積分微分算子來計算圓參數，採用圓形探測算子對 虹膜邊界進行精定位，在虹膜粗定位瞳孔中心(x。，yc)和半徑r的基礎上，採用圓探測算子 實現虹膜精定位；所述虹膜精定位方法為基於圓探測算子的定位方法a、對於中心矩陣內 的每一個元素，分別計算半徑為r同一圓周上的像素點灰度和sum，其中中心矩陣的範圍是 (xc-5, y。-5)，半徑變化範圍為r-5 r+5 ；b、對於r的變化值d，計算出對應的高斯函數值g⑷=(/(0.\x (V2^)))e(("(d"6)2)/(2X°'l2)); c、計算灰度梯度值向量det = | g (d+1) -g (d) | X sum ；d、依次計算所有元素對應的det向量值；e、在所有的det向量中取元素最大值，即為精定位 的結果。
6.根據權利要求5所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於CADIC虹膜圖譜覆蓋方法是在虹膜內外邊緣精確定位後，將虹膜 部分所在區域的直角坐標(x，y)形式轉換為極坐標(r，0)形式，根據虹膜圖譜和r、0的 值來將虹膜部分分成若干個區域。
7.根據權利要求6所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於基於基元定義和區域生長的陽光放射溝提取方法是選取虹膜圖像 中疾病形成的陽光放射溝為處理對象，首先定義紋理基元並討論基於基元的紋理表達方 法設紋理基元為h(x，y)，排列規則為r(x，y)，則紋理t(x，y)定義為 設xm，yffl為脈衝函數的位置坐標，則 r (x, y) = E 6 (x-xm, y-ym) 根據卷積定理，在頻域有 對於給定紋理基元h(x，y)的描述，可得到反卷積濾波器H(u，V)—1，將這個濾波器用於 待處理紋理圖像，每個脈衝都在紋理基元的中心，對整幅圖像中不同紋理基元的分布進行 統計可獲得圖像的全面紋理信息；通過紋理基元確定對了對待分割的區域找到一個種子子圖一即基元脈衝中心，然後 將種子像素周圍鄰域中與種子像素有相同或相似性質的像素合併到種子像素所在區域中； 在將新像素作為種子繼續擴展，直到再沒有滿足條件的像素可被包括，這樣的一個區域就 長成；對於一個給定的目標圖像X和一個結構基元S,以符合S的種子區域Z十S為中心在圖 像上進行迭代生長；對於種子的每一個鄰近像素x，在生長過程中應始終保持 if :S(x) = TRUEthen: X S <r- X S\j{x)即，如果區域鄰近像素X能符合結構基元定義，則將像素X合併到特徵區域，使之成為 新種子的一部分；如果對於種子Z ^的所有鄰近像素X，均有 S (x) = FALSE 則生長停止；對於陽光放射溝特徵，通過前期對臨床病理的研究分析，從獲得的先驗統計知識定義 像素生長規則如下規則1 溝長度為L個像素，5彡L彡R虹膜;規則2 溝寬度為W個像素，3^ff^5；規則3 溝的延長線與瞳孔交點的切線相垂直；規則4 根據虹膜圖像灰度直方圖確定溝區域灰度最優閾值Te ；規則5 溝的起點為捲縮輪邊界點。
8.根據權利要求7所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於根據CADIC虹膜分區圖，對每個感興趣的診斷候選區域，執行如下 陽光放射溝檢測算法1)計算陽光放射溝灰度閾值對整個虹膜統計灰度直方圖，定義灰度閾值L，使得灰度小於L的像素數目為整個虹 膜像素數目的10% ；根據不同的虹膜圖像採集設備，此比例數應根據人工標註陽光放射溝 情況的先驗統計數據做出相應的調整；2)對任一個候選區Q，執行以下3) 10)；3)溝起點選取對於任意像素xG Q，如果有符合規則5的像素x的灰度值f (x)彡Tg, 則認為x是一個溝起點。把找到的所有溝起點記為dn，n = 1，2，3. . . N ；4)如果N= 0，即沒有找到任何溝起點，則說明沒有陽光放射溝存在，轉10)結束本算法；5)溝起點篩選與合併，形成種子候選對溝底點記dn，n= 1，2，3. . . N，先後執行生長與 合併操作，合併成種子候選d』n，n= 1，2，3...N』，N』彡N;6)種子候選篩選，形成種子對每個種子候選d』n定義它在平行於虹膜內邊緣方向上 的像素跨度數為其寬度W(d』 n)，刪除所有W(d』 n) > 5的種子候選d』 n;所有剩餘的種子候 選d』 成為種子，記為zm，m= 1，2，3...M。在不造成混淆的情況下，也用zm代表本種子的 中心像素；7)如果M= 0，即沒有找到任何種子，則說明沒有陽光放射溝存在，轉10)結束本算法；8)區域生長，形成陽光放射溝候選在每個種子zm，m=1，2，3... M周圍鄰域中搜索同 種子像素具有相同或相似性質的像素，合併到種子像素所在區域中；在將新像素作為種子 繼續迭代擴展，直到再沒有滿足條件的像素可被包括，這樣一個區域就長成了 ；8. 1)定義每個種子(中心)的鄰域為NB(zm)，NB(zffl)應符合規則1，2和3 ； 8. 2)定義基元結構為S，此處的S定義為典型陽光放射溝的橫截線上的像素集合； 8. 3)對於任意像素x G NB(zm)，根據上述定義的生長規則進行區域生長；9)陽光放射溝篩選對獲得的陽光放射溝候選，根據規則1和2進行篩選；10)輸出結果，結束算法；通過上述方法可得滿足裂縫基元定義的線條，即為陽光放射溝。
9.根據權利要求8所述的基於基元結構定義與區域生長技術的虹膜分區及陽光放射 溝提取方法，其特徵在於虹膜動態自適應分區方法是在對病理特徵在分區邊界上的處理 當分區時病理特徵被分割開來，不能被完整地表達在同一個區域中時，進一步從保持病理 特徵完整性的角度，重新確定該特徵所覆蓋區域1)首先，通過估計病理特徵的區域進行病理特徵篩選對病理特徵邊緣形狀的提取採用估算的方法，求出組成特徵的像素點在極坐標中的角 度和極徑的最大和最小值，確定出了紋理所覆蓋的區域的面積，從前面特徵提取的結果可 以看到，只有一部分重要的紋理特徵陽光放射溝具有診病價值，根據所確定的每個特徵區 域的面積，選取重要特徵，刪除其餘的不重要特徵；2)進行CADIC圖譜覆蓋，方法如前述；3)判斷是否有跨區域的病理特徵對每一個虹膜圖譜上的分區注意考察，如果發現其 邊界同重要特徵有交疊，則記錄這個交疊；4)進行區域動態調整，完成自適應分區如果一個紋理特徵覆蓋多個區域，進行如下 處理對每個虹膜圖譜分區，統計區域外內特徵的像素點數目M ；之後對其每處交疊邊界， 考察此區域外該特徵的像素點並進行統計數目M』 ；如果區域外像素點中只有極少部分M』 <M，則同樣不予考慮，並刪除本區域中的特徵；此外，說明區域外特徵比較重要；則將此邊界鄰接的區域同本區域合併，實現重新的區 域劃分，也就是進行了自適應分區。
全文摘要
本發明提出了一種基於基元結構定義與區域生長技術的虹膜分區及陽光放射溝提取方法，包括一種融合中西醫虹膜學虹膜分區的新虹膜分區圖譜(CADIC)；並發明了應用此圖譜所必需的基於基元定義的區域生長技術用於典型虹膜特徵——陽光放射溝的提取，並發明了應用此圖譜所必需的基於虹膜圖像動態分區技術和虹膜圖譜的自適應覆蓋方法。本發明在保證了肌體各部臟器在虹膜上的準確定位同時，突出了虹膜圖譜的實用性，實現了醫學意義下完整虹膜特徵的動態分割技術及其在虹膜圖譜上的定位技術。通過實驗證明，此技術能夠大大提高了虹膜識別和診病可靠性。
文檔編號G06K9/34GK101882222SQ20091007237
公開日2010年11月10日 申請日期2009年6月26日 優先權日2009年6月26日
發明者張大鵬, 李乃民, 王寬全, 王鈞慧, 馬琳 申請人:哈爾濱工業大學