一种基于非局部正则化和可靠区域检测的虹膜图像去模糊算法

在虹膜图像的采集过程中,由于现阶段硬件设备和虹膜本身特性的限制,不可避免地会采集到模糊的图像。模糊的虹膜图像由于其纹理细节信息的丢失,造成了虹膜识别系统性能的下降。提出了一种适用于虹膜图像的恢复算法,以增强模糊图像的质量,提升系统的识别准确率。此去模糊算法充分利用虹膜图像的独特性质作为先验知识,使用了一种由粗到精的结构,模糊核首先在参数模型的刻画下进行初始化,然后转而使用像素级的模型进行优化更新,以准确表达真实的模糊原因。在优化过程中,使用了一种基于非局部性的正则化手段,并通过对虹膜图像的分析仅选取了可靠的区域来对清晰图像进行估计,以同时保证算法的可靠性和高效性。在实验中通过与现有算法的比较,可以发现本算法对于运动模糊和离焦模糊的虹膜图像均能够获得更大程度的识别性能提升,验证了本算法的有效性。     

基于直方图比率特征的虹膜图像分类方法

针对虹膜纹理的模式分类问题，提出了一种直方图比率特征的虹膜纹理分类方法。该方法利用虹膜图像的直方图信息，提取虹膜灰度等级对，通过灰度等级对自相关策略。计算虹膜纹理的直方图比率特征，实现了虹膜纹理的最大化分类。在相同的实验条件下，对不同样本的虹膜图像进行了仿真实验，结果表明：直方图比率方法较传统的直方图方法平均提高了3．05％的识别率。     

离焦图像多视角模糊特征自动补偿仿真研究

传统离焦图像多视角模糊特征自动补偿方法存在着图像信息丢失率大、图像补偿完整度低的弊端,为了解决上述问题,提出离焦图像多视角模糊特征自动补偿方法研究。为了得到更好的模糊特征补偿效果,对离焦图像形成过程进行分析,以此为基础,对离焦图像多视角模糊模型进行构建,以构建的离焦图像多视角模糊模型为工具,采用聚类算法对离焦图像模糊特征进行相应的提取,以提取的离焦图像多视角模糊特征为基础,采用补偿算法对离焦图像多视角模糊特征进行处理,实现了离焦图像多视角模糊特征的自动补偿。通过仿真对比实验得到,与现有的三种离焦图像多视角模糊特征自动补偿方法相比较,提出的离焦图像多视角模糊特征自动补偿方法极大的降低了图像信息丢失率,提升了图像补偿完整度,充分说明提出的离焦图像多视角模糊特征自动补偿方法具备更好的补偿性能。     

一种虹膜图像的质量评价算法

在虹膜识别系统中,质量较差的虹膜图像可能被系统拒识,导致身份识别或身份认证的失败。因此有必要在虹膜图像的采集端引入质量评价环节,从虹膜图像采集仪输出的视频序列中挑选出符合识别系统要求的虹膜图像。首先提出了一种快速的基于连通域分析的瞳孔定位方法,然后在此基础上,针对具有散焦模糊和眼皮睫毛遮挡的虹膜图像,提出了一种分步式的虹膜图像质量评价算法。实验结果表明,该算法能够有效地筛选出符合要求的虹膜图像。     

基于Haar小波和Log-Gabor变换的虹膜识别方法

为了提高虹膜识别的准确率,通过对虹膜图像进行处理,实现了对虹膜图像的准确定位,得到了增强的归一化图像;使用Haar小波变换进行了特征提取,通过采用K-means方法对小波特征数据进行聚类,实现了粗分类得到了小样本集虹膜图像;结合虹膜的纹理特点,通过使用Log-Gabor滤波器提取虹膜局部纹理特征,量化编码后形成了虹膜特征模板;然后在得到的小样本集内通过汉明距离计算虹膜特征模板的相似度,完成对虹膜图像的识别。实验结果表明,提出的虹膜识别方法有效地避免了虹膜匹配过程中因为虹膜数据库中种类多、数量多带来的计算量大、计算时间长的问题,提高了识别准确率。     

结合Transformer与对称型编解码器的噪声虹膜图像分割方法EI北大核心CSCD

针对少约束场景下采集的虹膜图像容易受到镜面反射、睫毛和头发遮挡、运动和离焦模糊等噪声的干扰,导致难以准确地分割有效的虹膜区域的问题,提出一种结合Transformer与对称型编解码器的噪声虹膜图像分割方法.首先,使用Swin Transformer作为编码器,将输入图像的区块序列送入分层Transformer模块中,通过自注意力机制建模像素间的长距离依赖,增强上下文信息的交互;其次,构建与编码器对称的Transformer解码器,对所提取的高阶上下文特征进行多层解码,解码过程中与编码器跳跃连接进行多尺度特征融合,减少下采样造成的空间位置信息丢失;最后,对解码器每个阶段的输出进行监督学习,提升不同尺度特征的抽取质量.基于3个公开的噪声近红外和可见光虹膜数据集NICE.I,CASIA.v4-distance和MICHE-I,与若干包括传统方法、基于卷积神经网络的方法和基于现有Transformer的方法在内的基准方法进行对比实验,实验结果表明,所提方法在E_(1),E_(2),F_(1)和MIOU定量评价指标上均取得了比基准方法更优的分割性能,尤其是在减少噪声的干扰上具有明显的优势.此外,在CASIA.v4-distance数据集上的虹膜识别实验表明,文中方法可以有效地提升虹膜识别的性能,显示了良好的应用潜力.     

使用人眼几何特征的视线追踪方法

目的 视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法 首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果 在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98.9%,平均识别率达到95.74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论 本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。     

虹膜图像采集的自动调焦技术研究

针对虹膜图像采集中存在的图像模糊问题,提出一种基于图像清晰度评价函数的虹膜图像采集自动调焦方法。该方法通过计算虹膜内边界附近区域的最大灰度梯度来定义图像清晰度,运用改进的爬坡方案进行CCD对焦,提取对焦过程中的部分特征点进行曲线拟合求出最佳聚焦点,移动相机到最佳成像位置得到清晰的虹膜图像。实验结果表明,该方法能快速准确实现虹膜拍摄中的自动对焦。     

一类离焦虹膜图像复原算法的研究

通常,虹膜识别系统中采集设备的景深(Depth of field, DOF)都很小,在采集过程中经常出现离焦现象,理论和实际应用都需 要研究这种离焦图像的复原方法.本文研究了一种点扩散函数 (Point spread function, PSF)为正六边形的示性函数的离焦虹膜图像复原问题. 通过分析PSF频域零点的分布规律,从理论上证明了距频域中心最近的第一圈零点的零点定理, 证明过程中也提供了计算这些零点的方法,在此基础上,给出了这一类离焦图像复原的快速算法. 实验结果验证了算法的有效性与实时性.     

基于频谱预处理与改进霍夫变换的离焦模糊盲复原算法

为了提高离焦模糊图像复原清晰度,提出一种基于频谱预处理与改进霍夫变换的 离焦模糊盲复原算法。首先改进模糊图像频谱预处理策略,降低了噪声对零点暗圆检测的影响。 然后改进霍夫变换圆检测算法,在降低算法复杂度的同时,增强了模糊半径估计的准确性。最 后利用混合特性正则化复原图像模型对模糊图像进行迭代复原,使复原图像的边缘细节更加清 晰。实验结果表明,提出的模糊半径估计方法较其他方法平均误差更小,改进的频谱预处理策 略更有利于零点暗圆检测,改进的霍夫变换圆检测算法模糊半径估计精度更高,所提算法对已 知相机失焦的小型无人机拍摄的离焦模糊图像具有更好的复原效果。针对离焦模糊图像复原, 通过理论分析和实验验证了改进的模糊半径估计方法的鲁棒性强,所提算法的复原效果较好。     

渐进式虹膜图像质量评估模型

虹膜图像质量评估目前尚无统一评估标准,导致虹膜识别拒识率和误识率较高。针对该问题,提出一种虹膜图像质量评估模型。根据虹膜图像中各干扰因素的不同特点,在先验知识基础上采用区域化、加权的方法,渐近式地实施像素级质量评估,依据像素级评估结果实施图像级质量评估。实验结果表明,像素级虹膜图像质量评估中的虹膜图像干扰项识别率和模糊识别率较高,图像级虹膜图像质量评估与人工评估结果相一致。     

一种虹膜图像质量评价的方法

虹膜图像质量是影响虹膜识别系统精度的关键。从序列图像中挑选出符合要求的虹膜图像能有效地降低识别系统的拒识率和误识率。这里按照产生虹膜图像奇异的不同情形：失焦、运动模糊、眼睑遮挡及睫毛遮挡,充分利用虹膜自身的纹理分布特点,在算法中引入了评价区域局部化、小波包分解和能量加权等思想,分别设计相应算法加以评判。实验结果表明该评价方案快速有效,其评价结果和人眼主观评价相吻合。     

区域注意力机制引导的双路虹膜补全

目的 虹膜识别是一种稳定可靠的生物识别技术,但虹膜图像的采集过程会受到多种干扰造成图像中虹膜被遮挡,比如光斑遮挡、上下眼皮遮挡等。这些遮挡的存在,一方面会导致虹膜信息缺失,直接影响虹膜识别的准确性,另一方面会影响预处理(如定位、分割)的准确性,间接影响虹膜识别的准确性。为解决上述问题,本文提出区域注意力机制引导的双路虹膜补全网络,通过遮挡区域的像素补齐,可以显著减少被遮挡区域对虹膜图像预处理和识别的影响,进而提升识别性能。方法 使用基于Transformer的编码器和基于卷积神经网络(convolutional neural network, CNN)的编码器提取虹膜特征,通过融合模块将两种不同编码器提取的特征进行交互结合,并利用区域注意力机制分别处理低层和高层特征,最后利用解码器对处理后的特征进行上采样,恢复遮挡区域,生成完整图像。结果 在CASIA(Institute of Automation, Chinese Academy of Sciences)虹膜数据集上对本文方法进行测试。在虹膜识别性能方面,本文方法在固定遮挡大小为64×64像素的情况下,遮挡补全结果的TAR(true accept rate)(0.1%FAR(false accept rate))为63%,而带有遮挡的图像仅为19.2%,提高了43.8%。结论 本文所提出的区域注意力机制引导的双路虹膜补全网络,有效结合Transformer的全局建模能力和CNN的局部建模能力,并使用针对遮挡的区域注意力机制,实现了虹膜遮挡区域补全,进一步提高了虹膜识别的性能。     

虹膜图像质量评价综述

虹膜图像质量评价是虹膜识别系统中重要的模块,通过评价低质量虹膜样本的综合质量来提升虹膜识别的性能。虹膜图像质量评价与图像获取、人机交互系统、识别性能预测以及自适应虹膜识别算法设计等密切相关。近年来,随着低图像质量的鲁棒虹膜识别系统不断发展,虹膜图像质量评价得到了广泛研究。为了使该领域的研究人员充分了解当前虹膜图像质量评价算法,本文对已有的方法进行了综述。回顾了虹膜图像质量评价算法的发展历程,阐述了其典型应用,进而展望了虹膜图像质量评价算法以及以质量为导向的虹膜识别技术的发展。     

一种快速而精确的虹膜定位方法

快速虹膜定位是实现虹膜自动识别系统的基础。从虹膜图像特点出发,提出了基于分块统计灰度平均值的方法来确定虹膜内圆圆心和半径。利用不变矩的识别方法,不需要对任何带估参数进行累积计数,就可快速求出外边缘的参数,计算量小,计算时间短。通过对中科院自动化所CASIA虹膜数据库50组图像的虹膜定位测试结果表明,该方法定位准确率达到95%。     

Iris quality assessment and bi-orthogonal wavelet based encoding for recognition

Iris recognition has been demonstrated to be an efficient technology for personal identification. In this work, methods to perform iris encoding using bi-orthogonal wavelets and directional bi-orthogonal filters are proposed and compared. All the iris images are enhanced using the wavelet domain in-band de-noising method. This method is shown to improve the iris segmentation results. A framework to assess the iris image quality based on occlusion, contrast, focus and angular deformation is introduced and used as part of a novel adaptive matching technique based on the assessed iris image quality. Adaptive matching presents improved performance when compared against the Hamming distance method. Four different databases are used to analyze the system performance. The first two databases include popular CASIA and high resolution University of Bath databases. Results obtained for these databases compare with results from the literature, in terms of speed as well as accuracy. The other two databases have challenging off-angle (WVU database) and uncontrolled (Clarkson database) iris images and are used to assess the limits of system performance. Best results are achieved for directional bi-orthogonal filter based encoding technique combined with the adaptive matching method with EER values of 0.07%, 0.15%, 0.81% and 1.29% for the four databases, which reflect highly competent performance and high correlation with the quality of the iris images.     

A new iris segmentation method for non-ideal iris images

Many researchers have studied iris recognition techniques in unconstrained environments, where the probability of acquiring non-ideal iris images is very high due to off-angles, noise, blurring and occlusion by eyelashes, eyelids, glasses, and hair. Although there have been many iris segmentation methods, most focus primarily on the accurate detection with iris images which are captured in a closely controlled environment. This paper proposes a new iris segmentation method that can be used to accurately extract iris regions from non-ideal quality iris images. This research has following three novelties compared to previous works; firstly, the proposed method uses AdaBoost eye detection in order to compensate for the iris detection error caused by the two circular edge detection operations; secondly, it uses a color segmentation technique for detecting obstructions by the ghosting effects of visible light; and thirdly, if there is no extracted corneal specular reflection in the detected pupil and iris regions, the captured iris image is determined as a “closed eye” image.     

An efficient color and texture based iris image retrieval technique

This paper proposes a hierarchical approach to retrieve an iris image efficiently from for a large iris database. This approach is a combination of both iris color and texture. Iris color is used for indexing and texture is used for retrieval of iris images from the indexed iris database. An index which is determined from the iris color is used to filter out the images that are not similar to the query image in color. Further, iris texture features of those filtered images, are used to determine the images which are similar to the query image. The iris color information helps to design an efficient indexing scheme based on color indices. The color indices are computed by averaging the intensity values of all red and blue color pixels. Kd-tree is used for real-time indexing based on color indices. The iris texture features are obtained through Speeded Up Robust Features (SURF) algorithm. These features are used to get the query’s corresponding image at the top best match. The performance of the proposed indexing scheme is compared with two well known iris indexing schemes ( [Mehrotra et al., 2010] and [Puhan and Sudha, 2008]) on UPOL (Dobeš, Machala, Tichavský, & Posp?´šil, 2004) and UBIRIS (Proencca & Alexandre, 2005) iris databases. It is observed that combination of iris color and texture improves the performance of iris recognition system.     

Automated personal identification system based on human iris analysis

In general, a typical iris recognition system includes iris imaging, iris liveness detection, iris image quality assessment, and iris recognition. This paper presents an algorithm focusing on the last two steps. The novelty of this algorithm includes improving the speed and accuracy of the iris segmentation process, assessing the iris image quality such that only the clear images are accepted so as to reduce the recognition error, and producing a feature vector with discriminating texture features and a proper dimensionality so as to improve the recognition accuracy and computational efficiency. The Hough transform, polynomial fitting technique, and some morphological operations are used for the segmentation process. The phase data from 1D Log-Gabor filter is extracted and encoded efficiently to produce a proper feature vector. Experimental tests were performed using CASIA iris database (756 samples). These tests prove that the proposed algorithm has an encouraging performance.