[发明专利]一种基于边缘滤波、椭圆评价和瞳孔验证的瞳孔检测方法

摘要

本发明公开了一种基于边缘滤波、椭圆评价和瞳孔验证的瞳孔检测方法，该方法主要包括：首先对输入的灰度图像进行归一化，之后对眼睛图像进行Canny边缘滤波并去除可能损害瞳孔周围边缘的噪声。基于眼睛图像的生理特性通过直线度、内部强度值、椭圆特性，对椭圆拟合并选择最佳的椭圆以及瞳孔验证检查来收集和评估连接的边缘，如果找到描述瞳孔的有效椭圆，则作为结果返回，否则进行下一步计算，将图像缩小，在对重新缩放的图像应用表面差分滤波器和均值滤波器之后，通过两个滤波器相乘积的结果并选择最大值来选择最佳位置。缩放图像中的像素位置会导致原始图像中瞳孔中心的距离误差。因此，必须基于对所选瞳孔位置的周围像素的分析，在原始图像上进行优化瞳孔位置。

主权项

1.一种基于边缘滤波、椭圆评价和瞳孔验证的瞳孔检测方法，其特征在于，具体步骤为：步骤一：对经过归一化后的图像进行边缘滤波：用Canny‑filter对眼部图像进行边缘滤波，会出现杂乱和包含了许多与瞳孔没有关系的边缘，比如，眼皮对眼睛的遮挡，睫毛直接穿插过瞳孔，所以，在边缘滤波后，同时要移除这些无用的像素。具体的就是相邻近的像素的角度超过80度的直接删除，只留下直的，弯曲的，或者两者相交的边缘，比如，瞳孔的睫毛边缘是直的，并且和瞳孔弯曲的边缘相连。使用灰度形态算法将直接和弯曲相交的线分成直线部分和弯曲的两部分。将边缘像素和模式进行匹配，有匹配的则进行删除，并在相交点将像素灰度值改成黑色的像素。经过形态算法细化之后，直线和曲线的相交部分就可以通过删除一个黑色的像素形成两部份线段。除了这里情况应该还有一些其他噪声影响模式的匹配查找，这样我们可以通过调整形态学中的模板形态，使之相匹配，来达到减少噪声的影响。步骤二：检索最佳的椭圆：收集边缘图像中的所有连续边缘像素。用形态学方法，将所有连接的边缘像素组合成一条线来完成的。在算法中。这些线是根据它们的形状、椭圆拟合后的结果形状以及椭圆所包围的图像强度来评估的。步骤三：粗略定位瞳孔的位置：如果算法不能很好的找到瞳孔边缘，例如由于运动模糊、瞳孔位于暗点或瞳孔被睫毛隐藏等噪声，我们通过首先确定一个位置，然后细化这个位置，找到瞳孔。由于需要大量的卷积运算，所以将图像重新缩放以减少运行效率，这种重新缩小图像和定位的过程是通过低通滤波程序，以保持黑暗区域和减少模糊或睫毛的影响。然后，分别用两个不同的滤波器对图像进行卷积：1)表面差分滤波器，用于计算内圆和周围像素之间的面积差；2)均值滤波器；然后两个卷积的结果相乘，并且最大值被设置为细化步骤的起点。步骤四：精确定位瞳孔的位置：因为这个瞳孔的粗定位是基于缩小图像完成的，所以相对于原始图像，缩小图像的中的像素和原始图像有一定的偏差。所以针对优化步骤，我们认为粗定位中的点包含在瞳孔中，在实际图像中，我们通过粗定位中点的临近的像素来计算出瞳孔强度阈值。在我们的实现中，我们选择每个方向2个像素距离组成的一个正方形框，并计算这个正方形框的绝对方差值，这个差值加上粗定位的像素值用作一个阈值。计算出这些阈值像素的质心作为瞳孔的精确定位中心。步骤五：瞳孔有效性校验：我们设定瞳孔半径比率Valid(r)大于10个像素的阈值为有效瞳孔，Valid(r)的用下面的公式计算：Valid(r)＝radii_filter*radii_filter*2+1    (3)