MATLAB 虹膜识别例程（基于霍夫变换）

MATLAB 虹膜识别例程（基于霍夫变换）

如何使用霍夫变换进行虹膜内外边界的定位，这是虹膜识别中的关键步骤。

准备工作

MATLAB 代码

%% 虹膜识别例程：基于霍夫变换的内外圆检测
% 作者：AI助手
% 日期：2026年4月17日
% 功能：定位瞳孔（内圆）和虹膜（外圆），并归一化虹膜区域

clc; clear; close all;

%% 1. 读取图像并预处理
% 读取图像（请替换为您的图像路径）
I = imread('iris_image.jpg');

% 转换为灰度图
if size(I, 3) == 3
    Igray = rgb2gray(I);
else
    Igray = I;
end

% 显示原始图像
figure('Name', '原始图像', 'NumberTitle', 'off');
imshow(Igray);
title('原始虹膜图像');

% 使用中值滤波去除噪声（保持边缘）
I_filtered = medfilt2(Igray, [3 3]);

%% 2. 瞳孔检测（内圆）
% 瞳孔通常比虹膜暗，因此我们使用较暗的区域进行检测
% 使用 imfindcircles 函数，该函数基于霍夫变换
% 参数设置：
%   - 'ObjectPolarity': 'dark' 表示检测暗色圆
%   - 'Sensitivity': 0.9 控制检测的敏感度（越高越容易检测到圆）
%   - 'EdgeThreshold': 0.1 控制边缘检测的阈值

[pupil_center, pupil_radius] = imfindcircles(I_filtered, [10 50], ...
    'ObjectPolarity', 'dark', ...
    'Sensitivity', 0.9, ...
    'EdgeThreshold', 0.1);

% 如果未检测到瞳孔，尝试调整参数
if isempty(pupil_center)
    warning('未检测到瞳孔，尝试调整参数...');
    [pupil_center, pupil_radius] = imfindcircles(I_filtered, [10 50], ...
        'ObjectPolarity', 'dark', ...
        'Sensitivity', 0.95, ...
        'EdgeThreshold', 0.05);
end

%% 3. 虹膜检测（外圆）
% 虹膜比瞳孔亮，但比眼白暗，我们使用 'bright' 极性检测
% 外圆半径通常比瞳孔大很多，因此需要更大的半径范围

[iris_center, iris_radius] = imfindcircles(I_filtered, [50 120], ...
    'ObjectPolarity', 'bright', ...
    'Sensitivity', 0.85, ...
    'EdgeThreshold', 0.1);

% 如果未检测到虹膜，尝试调整参数
if isempty(iris_center)
    warning('未检测到虹膜，尝试调整参数...');
    [iris_center, iris_radius] = imfindcircles(I_filtered, [50 120], ...
        'ObjectPolarity', 'bright', ...
        'Sensitivity', 0.9, ...
        'EdgeThreshold', 0.05);
end

%% 4. 显示检测结果
figure('Name', '瞳孔和虹膜检测', 'NumberTitle', 'off');
imshow(Igray);
hold on;

% 绘制瞳孔圆
if ~isempty(pupil_center)
    viscircles(pupil_center, pupil_radius, 'EdgeColor', 'b', 'LineWidth', 2);
    plot(pupil_center(1), pupil_center(2), 'bo', 'MarkerSize', 10, 'MarkerFaceColor', 'b');
    text(pupil_center(1), pupil_center(2)-20, '瞳孔', 'Color', 'b', 'FontSize', 12, 'FontWeight', 'bold');
else
    disp('警告：未检测到瞳孔！');
end

% 绘制虹膜圆
if ~isempty(iris_center)
    viscircles(iris_center, iris_radius, 'EdgeColor', 'r', 'LineWidth', 2);
    plot(iris_center(1), iris_center(2), 'ro', 'MarkerSize', 10, 'MarkerFaceColor', 'r');
    text(iris_center(1), iris_center(2)+20, '虹膜', 'Color', 'r', 'FontSize', 12, 'FontWeight', 'bold');
else
    disp('警告：未检测到虹膜！');
end

title('瞳孔和虹膜检测结果（蓝色：瞳孔，红色：虹膜）');
hold off;

%% 5. 虹膜区域归一化（Daugman的橡胶片模型）
% 将环形虹膜区域展开成矩形区域，便于后续特征提取
% 参数设置：
%   - 径向分辨率：64（沿着半径方向采样点）
%   - 角度分辨率：512（沿着圆周方向采样点）

if ~isempty(pupil_center) && ~isempty(iris_center)
    % 归一化参数
    radial_res = 64;      % 径向采样点数
    angular_res = 512;    % 角度采样点数
    
    % 创建极坐标网格
    theta = linspace(0, 2*pi, angular_res);
    r = linspace(pupil_radius, iris_radius, radial_res);
    [Theta, R] = meshgrid(theta, r);
    
    % 转换为笛卡尔坐标
    X = iris_center(1) + R .* cos(Theta);
    Y = iris_center(2) + R .* sin(Theta);
    
    % 提取归一化后的虹膜图像
    normalized_iris = interp2(double(Igray), X, Y, 'bilinear');
    
    % 显示归一化后的虹膜图像
    figure('Name', '归一化虹膜图像', 'NumberTitle', 'off');
    imshow(uint8(normalized_iris));
    title('归一化后的虹膜图像（矩形区域）');
    xlabel('角度方向（0-512）');
    ylabel('径向方向（瞳孔-虹膜边界）');
    
    % 保存归一化图像（可选）
    imwrite(uint8(normalized_iris), 'normalized_iris.png');
    fprintf('归一化虹膜图像已保存为 normalized_iris.png\n');
else
    disp('由于未检测到瞳孔或虹膜，无法进行归一化。');
end

%% 6. 特征提取示例（简化的Gabor滤波器）
% 这里仅作演示，实际应用中特征提取更为复杂
if exist('normalized_iris', 'var')
    % 设计一个简单的Gabor滤波器
    wavelength = 18;     % 波长
    orientation = 0;      % 方向（弧度）
    sigma = 0.56*wavelength; % 高斯包络的标准差
    aspect_ratio = 0.5;  % 长宽比
    
    % 创建Gabor滤波器
    gabor_filter = gabor(wavelength, orientation, sigma, aspect_ratio);
    
    % 应用滤波器
    filtered_iris = imfilter(normalized_iris, gabor_filter, 'symmetric');
    
    % 显示滤波结果
    figure('Name', 'Gabor滤波结果', 'NumberTitle', 'off');
    subplot(1,2,1);
    imshow(uint8(normalized_iris));
    title('归一化虹膜图像');
    
    subplot(1,2,2);
    imshow(filtered_iris, []);
    title('Gabor滤波后图像');
    
    % 提取特征（例如，取均值、方差等）
    features = [mean(filtered_iris(:)), var(filtered_iris(:))];
    fprintf('提取的特征：均值=%.2f, 方差=%.2f\n', features(1), features(2));
else
    disp('未进行特征提取，因为归一化步骤未完成。');
end

%% 7. 辅助函数：创建Gabor滤波器
function gabor = gabor(wavelength, orientation, sigma, aspect_ratio)
    % 创建二维Gabor滤波器
    % 参数：
    %   wavelength: 正弦波的波长（以像素为单位）
    %   orientation: 滤波器方向（弧度）
    %   sigma: 高斯包络的标准差
    %   aspect_ratio: 高斯包络的长宽比（sigma_x = sigma, sigma_y = sigma/aspect_ratio）
    
    % 滤波器尺寸（奇数）
    filter_size = ceil(3 * sigma * max(1, 1/aspect_ratio));
    if mod(filter_size, 2) == 0
        filter_size = filter_size + 1;
    end
    
    % 创建网格
    [x, y] = meshgrid(-floor(filter_size/2):floor(filter_size/2), ...
                     -floor(filter_size/2):floor(filter_size/2));
    
    % 旋转坐标
    x_theta = x * cos(orientation) + y * sin(orientation);
    y_theta = -x * sin(orientation) + y * cos(orientation);
    
    % 高斯包络
    gaussian_env = exp(-0.5 * (x_theta.^2 + (aspect_ratio*y_theta).^2) / sigma^2);
    
    % 正弦波
    sinusoidal = cos(2 * pi * x_theta / wavelength);
    
    % Gabor滤波器
    gabor = gaussian_env .* sinusoidal;
    
    % 归一化（使其均值为0）
    gabor = gabor - mean(gabor(:));
end

代码说明

1. 图像预处理

2. 瞳孔检测（内圆）

3. 虹膜检测（外圆）

4. 结果显示

5. 虹膜区域归一化

6. 特征提取（示例）

参考代码 利用MATLAB的虹膜识别例程，霍夫变换 www.youwenfan.com/contentcst/77694.html

参数调整指南

参数 作用 调整建议
Sensitivity 控制圆检测的敏感度 提高该值可增加检测到圆的可能性，但可能引入误检
EdgeThreshold 控制边缘检测的阈值 降低该值可使更多边缘被检测，有利于弱边缘的圆
半径范围 [min_radius, max_radius] 指定待检测圆的半径范围 根据实际图像中瞳孔和虹膜的大小进行调整
radial_res, angular_res 归一化后的图像尺寸 增大这些值可提高特征分辨率，但会增加计算量

注意事项

  1. 图像质量：确保虹膜图像清晰、光照均匀，且眼睑和睫毛遮挡较少。

  2. 参数调整：不同人的虹膜大小差异较大，可能需要针对特定图像调整半径范围。

  3. 检测失败：如果检测失败，请尝试：

    • 调整 Sensitivity 和 EdgeThreshold 参数。
    • 对图像进行对比度增强（例如直方图均衡化）。
    • 使用形态学操作（如开运算、闭运算）去除小的噪声点。

  4. 扩展性：本例程仅演示了基本流程。完整的虹膜识别系统还需要包括：

    • 眼睑和睫毛检测与去除。
    • 更复杂的特征提取方法（如多通道 Gabor 滤波器、小波变换等）。
    • 特征匹配算法（如汉明距离、欧氏距离等）。

参考文献

专注于matlab/simulink,电子电路,编程

关于我们湘ICP备19023172号-4