基于生物形状知识的人眼定位方法

准确地定位出人眼位置并分离出虹膜、眼睑等区域对虹膜识别、人脸识别等生物特征识别技术具有重要意义.但是,在非理想环境下,人眼图像分辨率通常较低,并且容易受到光照条件、睫毛、阴影等噪声影响,对人眼区域进行正确分割是一项非常具有挑战性的工作.因此,本文针对姿态幅度较小的无遮挡人眼图像分割存在的一些问题,利用Hough圆变换和形态学算法改进低分辨率下人眼的定位.该方法首先利用现有的人脸对齐方法分割出人眼感兴趣区域,采用双线性插值法对人眼图像进行预处理,去除镜面反射光斑;然后根据人眼图像中各区域的灰度分布规律,利用带约束的Hough圆检测算法定位出虹膜;之后结合全局动态阈值、局部自适应阈值及形态学算法分别定位出人眼上下眼睑,并利用最小二乘法拟合上下眼睑,最终分割出人眼虹膜、上下眼睑、巩膜等区域;最后在UBIRIS v1.0数据库及低分辨率人脸图像上对本文提出的算法进行测试.实验结果表明,本文提出的方法对实验室环境下高清虹膜图像及低分辨率人脸图像上的人眼定位均具有较强的鲁棒性.     

一种基于形态学的虹膜定位快速算法

针对有眼睑、睫毛、光斑干扰的虹膜图像的定位速度慢且不精确等问题,提出了一种快速精确的虹膜定位算法。利用灰度投影法和形态学实现瞳孔的粗定位,再分别利用Hough算法和圆周差分算法在小范围内对虹膜内外边缘进行精定位,采用改进后的模板检测法和圆周梯度法定位眼睑,运用灰度阈值法结合形态学检测睫毛。实验结果表明,该算法在定位速度和准确率上都达到了非常好的效果。     

灰度分布特征的虹膜定位算法研究

为克服浓密睫毛、眼睑等噪声对虹膜定位算法的影响,提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径。而对于虹膜的外边缘,则采用形态学中的闭运算去除虹膜区丰富的纹理,并设计了一个边缘检测模板,在小范围内搜索虹膜外边界的上下左右4个边界点进而确定虹膜的圆心、半径。对比的仿真实验表明：该算法不仅在计算精度和速度上都有很大提高,而且具有较好的鲁棒性。     

基于SCM的虹膜干扰区域去除算法

为了提高虹膜识别率,提出了一种新的睫毛及眼睑区域定位算法。为了提取呈不同角度分布的睫毛,结合SCM模型和动态交叉熵准则对归一化虹膜图像进行多次迭代,根据图像的灰度分布特性,选取合适迭代结果,对多幅迭代图像进行边缘像素点跟踪融合来获得理想的干扰区域轮廓定位。采用高斯金字塔尺度变换与霍夫变换相结合的方法对眼睑的类椭圆区域进行拟合,进而获得连续的眼睑边缘,实现对归一化虹膜图像中干扰区域的准确定位。实验结果验证了方法的有效性。     

一种新颖的虹膜图像噪声检测方法*

为提高虹膜识别的正确率,针对虹膜图像中存在着眼睫毛和眼睑这两类较难检测的遮挡噪声,在分析现有检测虹膜噪声算法的优缺点后,提出了一套新颖的虹膜图像噪声检测方法：基于Gabor滤波变换的灰度均值法检测睫毛和利用最小二乘法检测眼睑。实验表明,该算法能有效地检测两种遮挡噪声,准确率分别达到95.10%和96.51%,且等错率（EER）指标与已有算法相比最优,提高了虹膜识别系统的整体性能。     

一种快速有效的虹膜图像预处理方法

为解决虹膜识别中的虹膜定位时间较长、虹膜内边界变形、眼睑和睫毛普 遍存在的问题,提出了一种新的虹膜图像预处理方法,该方法对虹膜图像采用数学形态学算 子对图像进行处理,合理有效地减少了边缘图像中非虹膜的边缘点;然后对图像直方图采用 双直线拟合直方图求取检测眼睑和睫毛的阈值。对中科院自动化所CASIA-IrisV3 虹膜数据 库的实验结果显示,提出的虹膜图像预处理方法准确快速,能合理有效去除眼睑和睫毛。     

基于区域生长与Hough变换的虹膜定位方法

快速、准确地定位虹膜是虹膜识别系统的关键。在分析了传统虹膜定位算法的基础上,提出了一种把区域生长与Hough变换相结合的虹膜定位方法,利用区域生长搜索虹膜的内边缘,根据图像的灰度变化规律,搜索位于外边缘的若干个点,利用Hough变换找出外边缘所在位置。实验结果表明,该方法易于实现,减少搜索的盲目性,可提高定位速度。     

形态学算子和小波变换的虹膜去噪算法

为了解决虹膜识别过程中睫毛噪声干扰的问题,提出了一种基于形态学算子和小波变换相结合的睫毛抑制算法.该算法首先将虹膜图像中的睫毛区域模拟成背景图像中的“裂缝”,通过形态学膨胀算子对裂缝区域进行像素填充,然后利用小波变换的多分辨率特性,对变换后的高频系数进行非线性小波阈值处理,低频部分进行反锐化掩膜,最后经小波逆变换重构虹膜图像.样本仿真实验表明:该算法可以使Daugman和Wildes定位算法的精确度分别提高2.1％和2.43％,定位时间相对减少24.3％和22.6％.     

基于形态学方法的虹膜快速定位算法

为提高虹膜的定位速度,提出一种粗定位与精定位相结合的虹膜快速定位算法。首先,利用阈值对人眼图像进行分割提取瞳孔,对二值化瞳孔区域进行形态学开运算去除瞳孔区域外睫毛等噪声点;然后选用一系列半径递增的结构元素对瞳孔区域进行形态学腐蚀操作,根据腐蚀结果粗略定位虹膜内边缘;最后利用圆梯度算子对虹膜内外边缘进行精确定位。对CASIA（version 1.0）虹膜数据库中100多幅虹膜图像进行定位实验,文中算法平均耗费时间为1.22秒,圆梯度算子耗时10.8秒,Hough变换方法耗时15.7秒。定位结果表明,文中算法对不同质量的虹膜图像定位速度快,精度高,鲁棒性强。     

基于二维小波变换的圆形算子虹膜定位算法

为了提高虹膜定位的准确率和速度,提出了一种基于二维小波变换的Daugman圆形算子虹膜定位改进算法。首先采用阈值法分割瞳孔,使用边缘检测算子检测瞳孔区域边缘定位虹膜内边缘,然后采用二维小波变换对人眼图像处理以降低图像分辨率,以代替Daugman圆形算子中的平滑函数处理,最后采用圆形边缘检测算子计算滑动窗内的圆形边缘,比较滑动窗口的圆内区域与圆外区域的灰度均值来定位虹膜外边缘。仿真结果表明该算法定位虹膜内外边界的平均时间为1.85s,准确率为99.6%,在虹膜识别系统中有较高的实际应用价值。     

Toward accurate localization and high recognition performance for noisy iris images

Iris recognition plays an important role in biometrics. Until now, many scholars have made different efforts in this field. However, the recognition performances of most proposed methods degrade dramatically when the image contains some noise, which inevitably occurs during image acquisition such as reflection spots, inconsistent illumination, eyelid, eyelash, hair, etc. In this paper, an accurate iris localization and high recognition performance approach for noisy iris images is presented. After filling the reflection spots using the inpainting method which is based on Navier-Stokes (NS) equations, the Probable boundary (Pb) edge detection operator is used to detect pupil edge initially, which can eliminate the interference of inconsistent illumination, eyelid, eyelash and hair. Besides, the accurate circle parameters are obtained in delicately to reduce the input space of Hough transforms. The iris feature code is constructed based on 1D Log-Gabor filter. Our thorough experimental results on the challenging iris image database CASIA-Iris-Thousand achieve an EER of 1.8272 %, which outperforms the state-of-the-art methods.     

基于Snake模型的虹膜定位算法

虹膜识别被认为是目前最准确可靠的生物特征识别方法．快速、准确地定位虹膜是虹膜识别系统的关键．提出一种基于Snake模型的虹膜定位算法：采用Canny检测算子定位虹膜内边缘，运用Snake模型锁定虹膜外边缘．实验表明，该方法速度快、精度高，并且具备良好的鲁棒性．     

基于并查集和边缘检测模板的非理想虹膜定位

非理想虹膜图像往往存在虹膜边缘模糊、灰度变化不均匀、位置偏移及光斑干扰等问题, 这些问题的存在会在一定程度上影响虹膜内、外边界定位的准确率. 针对这个问题, 本文提出采用并查集和边缘检测模板的方法来对非理想虹膜进行内、外边界定位. 内边界定位是首先采用并查集方法完成瞳孔区域粗定位, 然后采用Hough变换对瞳孔进行精确定位; 外边界定位是先利用一系列边缘检测模板大致确定外圆的位置, 然后再依据外边界附近圆环内边缘点的密度来最终完成外边界的精确定位. 实验结果表明, 对于非理想虹膜图像, 本文方法的定位正确率和定位速度均高于其他同类方法.     

一种虹膜实时定位新方法

针对现有虹膜定位算法的某些局限性,提出了一种新的虹膜定位方法。先用灰度小于某阈值对虹膜图像纵向与横向计数,以其各计数的最大值取四分之一处连续连通的最大区定位瞳孔的中心与长短半轴,这样可消除光斑、睫毛的影响;再充分利用已经求得的瞳孔中心的位置参量,设定虹膜外边缘的圆心与瞳孔中心相差5个像素,在幅角θ取值限定在（-45°,45°）U（135°,225°）的范围用最大梯度圆法定位虹膜外边缘,这样可消除眼皮和睫毛的干扰。实验结果表明,该算法对虹膜定位具有实时性好、速度快等特点。     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

A new segmentation approach for iris recognition based on hand-held capture device

Iris segmentation is an important step for automatic iris recognition. This paper presents a new iris segmentation method for hand-held capture device. We use a geometrical method for pupil detection. The bottom point of pupil is used as the reference point for pupil localization because it is insensitive to pupil dilation and not affected by the top eyelid or eyelashes. To decrease computational cost, the outer (or limbus) boundary of iris is localized based on shrunk image using Hough transform and modified Canny edge detector. The lower part of iris pattern is used for recognition in order to reduce the occlusion by eyelashes and eyelids. Experimental results demonstrate that the proposed method has an encouraging performance.     

基于CGA理论的虹膜定位算法的研究*

为了能够有效提高虹膜检测和定位的质量、准确性和速度,排除光线照射、噪声或是拍摄的角度等不利的因素对定位结果的影响,本文提出一种虹膜的定位算法。该方法首先在对图像进行预处理的基础之上,运用共形几何代数理论的思想,将欧式空间当中的几何量变换到共形几何代数空间当中去,这些几何量在共形几何代数空间当中都是以统一矢量的形式表示,从而这些几何量之间的计算更加的方便、简洁,最后借助Radon变换对目标圆,即虹膜的内外圆所在的平面进行检测,实现虹膜的定位。实验结果表明,该方法简单快速且虹膜定位结果准确,抗干扰的能力强,最重要的是实现了对虹膜内外边缘的同时定位,这对提高虹膜检测和定位的效率有着重要的意义。