生理结构先验引导下的虹膜精确分割算法

年炳坤，丁建睿，史梦蝶，黄子晨

(哈尔滨工业大学(威海)计算机科学与技术学院,山东 威海 264209)

随着生物识别技术的发展，人们逐渐将某些具有区分能力的生物特征运用到身份识别中。其中虹膜是所有生物识别系统中应用最为广泛的生物特征。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分[1]，拥有高于人脸和指纹识别几个数量级的精确性，被广泛应用在身份识别的各个领域，如：美国-墨西哥边境控制，2004年雅典奥运会身份鉴定，阿联酋驱逐人员的管理等[2]。

20世纪90年代Daugman[3]在假设瞳孔与虹膜为同心圆的前提下提出了虹膜分割算法，取得了一定的效果。而后针对各种不同的情况，许多学者针对某一种特殊情况(瞳孔的中心偏离[4-5]、遮挡[6-7]、镜面反射[6])，提出了特定的分割方法。为了进一步提高分割准确度，Daugman[8]又提出了基于傅里叶变换并假设瞳孔与虹膜为非同心的Snake主动轮廓模型，随后Sutra等[9]彻底抛弃掉了同心以及轮廓外形为圆的假设，提出基于Viterbi的主动轮廓探测算法，可以较为精确地探测虹膜与瞳孔，但是算法对非虹膜区域(睫毛、眼睑)的干扰较为敏感。Llano等[10]利用主成分分析(principal component analysis,PCA)进行图像融合，随后提出了基于拉普拉斯金字塔的融合方式(modified Laplacian pyramid,MLP)[11]，进一步提高了虹膜系统的性能。但Daugman的算法将瞳孔与虹膜看作同心圆，这就会导致损失大量的有效信息；而Snake主动轮廓模型和Viterbi算法虽然抛弃了非圆、非同心的假设，但是算法本身受睫毛、眼睑等噪声影响较大；而PCA融合算法和MLP融合算法虽然有效地提高了系统的识别性能，但其本质上是对已有分割算法进行融合，让分割结果更容易被特征提取和编码，因此其性能受分割算法的制约。……