基于Markov随机场的改进的传统眼皮区域检测算法研究

白雪冰　陈凯　郭景秋等

摘要 [目的]阐述改进的虹膜有效区域检测阶段中眼皮区域检测算法。[方法]介绍传统的基于Radon变换的眼皮区域检测算法，针对其不能很好地消除眼皮阴影的缺点，提出基于Markov随机场理论眼部阴影检测算法。根据Markov随机场邻域的约束，使用MAP准则进行求解，利用Kmean求取先验信息，使用EM算法确定图像中每个像素的观测场模型，根据统计学理论的最优准则，得到能量函数的最小值，将眼皮阴影检测出来。[结果]该研究提出的方法可以有效地去除虹膜有效区域检测阶段中眼皮阴影。[结论]基于Markov随机场理论的眼皮阴影检测算法可以作为Radon眼皮检测的补充和改进。

关键词 虹膜识别；Radon变换；Markov随机场

中图分类号 S126 文献标识码 A 文章编号 0517-6611（2014）20-06857-03

查验身份是现代社会无法回避的问题，传统的身份确认将对身份的确认转变为拥有事物的确认，这些事物按照其属性可以分为标识物和标识知识[1]。标识物品容易丢失，携带不便，甚至有被盗窃、被伪造、唯一和不变的生物学特性，解决了非生物特征识别方法在通用性和稳定性方面存在的问题。虹膜识别是基于先天生物特征使精确性与安全性达到最优的身份鉴别方法，虽然是一种新兴的技术手段，但已经在信息及安全领域体现出极其重要的应用价值。虹膜识别因其优越的识别性能和极高的识别评价指数，相关课题的研究一直是同领域内的热点。因此，虹膜识别技术在政治、经济和社会稳定方面具有重要的学术研究价值。

为此，笔者对虹膜有效区域检测阶段中眼皮区域检测算法进行了研究。介绍了传统的基于Radon[1]变换的眼皮阴影区域检测算法，提出了基于Markov随机场理论眼部阴影检测算法。基于Markov随机场理论眼皮阴影检测算法可以作为Radon眼皮检测的补充和改进。

1 传统的基于Radon变换的眼皮区域检测

虹膜区域的噪声干扰中，眼皮的遮挡占比很大。对于上下眼睑近似直线的遮挡边缘，可以使用變换检测[2]。Radon变换定义为：

2 基于Markov随机场的眼皮阴影检测

2.1 MRFMAP分割模型

虹膜图像规范化[7]后获得的目标区域为M×N的矩形图像，也可以看作二维Markov随机场，设S={s=（i，j）}|1≤i≤M，1≤j≤N}是虹膜图像的像素集合。S上随机场X称为关于邻域系统N={Ns|s∈S}的Markov随机场，只有当P（x）>0时：

3 结语

该研究介绍了传统的基于眼睑检测，针对传统直线眼皮

检测算法不能很好地消除眼皮阴影的缺点，提出了改进的基于Markov随机场理论检测眼部阴影检测算法。利用Kmean求取先验信息，使用EM算法确定图像中每个像素的观测场模型，使用MAP准则进行求解，将眼部阴影检测出来，可以有效地去除眼皮阴影。

参考文献

[1] 田启川，张润生.生物特征识别综述[J].计算机应用研究，2009，26（12）：4401-4406.

[2] JAIN A K，FLYNN P，ROSS A A.Handbook of biometrics [M].New York：Springer，2008.

[3] 卢世军.生物特征识别技术发展与应用综述[J].计算机安全，2013（1）：63-67.

[4] 刘立.基于DM642的嵌入式虹膜图像获取系统研究[D].天津：天津大学，2008：1-2.

[5] 王江南.虹膜定位和识别算法研究[D].西安：西安电子科技大学，2009：3-4.

[6] 王翠.基于嵌入式的虹膜识别系统[D].西安：西安科技大学，2012：5-6.

[7] 齐宁.基于虹膜的数据加解密算法研究[D].哈尔滨：哈尔滨工业大学，2008：9-10.

[8] 王蕴红，谭铁牛.现代身份鉴别技术-生物特征识别技术[J].中国基础科学，2000（9）：4-10

[9] 王心醉.人脸识别算法在 ATM 上的应用研究[D].长春：中国科学院长春光学精密机械与物理研究所，2009：3-5

[10] 姜晓娜.虹膜识别算法研究[D].济南：山东大学大学，2009：3-4.

[11] 王再尚.Markov随机场的树木表面缺陷模式识别方法的研究[D].哈尔滨：东北林业大学，2012：34-36.

[12] 田启川 红膜识别原理及算法[M].北京：国防工业出版社，2010：96-101.