一种基于小波的虹膜定位方法

为了提高虹膜定位的准确性,结合小波分析、灰度阈值分割和Hough变换的优点,提出基于小波的虹膜定位方法.该方法根据虹膜图像的特点,先对其进行小波分析去噪,再用灰度阈值分割法分离出瞳孔区域,最后利用圆Hough变换确定出瞳孔的圆心和半径.并且利用瞳孔与虹膜的近似同心性,应用圆模板的方法求得虹膜的圆心和半径.实验结果证明,该算法提高虹膜定位的精度,并且具有较强的抗干扰能力.     

应用迭代圆环像素率法实现快速虹膜定位

针对虹膜定位易受噪声影响、速度慢、自适应性差等问题,提出了基于迭代圆环像素率法的快速虹膜定位算法。提出的定位算法包括切割虹膜图像、Hough圆检测粗定位、微积分算子精定位3个部分,从切割虹膜图像、图像抽样、迭代圆环像素率法、快速Hough圆检测以及分层定位思想5方面提高算法的速度。提出了缩小半径范围的迭代圆环像素率法以及消除瞳孔光斑的形态学方法,瞳孔分割阈值以及小范围的圆心、半径候选集等参数都是通过计算得到,自适应性好。使用4个虹膜数据库进行实验,并与相近算法进行了对比。实验结果表明,该算法的定位准确率为97.75%～99.07%,定位时间为52.847～158.502 ms,是一种鲁棒、快速、自适应的虹膜定位算法。     

基于小范围搜索的虹膜定位方法

提出一种提高虹膜定位速度的方法.虹膜定位分为内定位和外定位2个方面:在内定位方面,首先建立一种基于形态学腐蚀、膨胀的去噪方法,有效地抑制了眼睫毛的干扰,提高了采用灰度投影法进行瞳孔中心粗定位的精度,缩小了精定位的搜索范围.然后使用sobel算子获取边缘图像,并利用粗定位数据和实际经验值设计了有效去除边缘噪声的方法.最后运用本文提出的基于"小范围搜索"的方法对虹膜内边缘进行精定位;在外定位方面,利用虹膜内边缘定位数据及虹膜库的先验知识,在有效去噪的基础上,仍可采用小范围搜索的方法定位虹膜外边缘.实验结果表明,本文提出的虹膜定位算法可快速准确地定位出虹膜内外边缘,减少了Hough算法及一些现行算法搜索的盲目性,且具有一定的抗干扰能力.     

一种快速精确的虹膜定位方法

为了提高虹膜定位的速度和精度,本文提出了一种定位方法.对于虹膜的内边缘定位,本文基于图像二值化和形态学的腐蚀、膨胀,建立了有效的去噪算法,并提出了一种灰度投影与圆的方程相结合的方法,可准确定位虹膜内边缘.对于虹膜的外边缘定位,本文利用虹膜内边缘定位数据对边缘图像去噪得到有效的边缘信息,在此基础上提出了一种改进的Hough变换方法,可以快速准确地定位虹膜外边缘.实验结果表明,本文提出的虹膜定位算法显著提高了虹膜定位的速度和精度,避免了传统Hough算法搜索的盲目性.     

虹膜定位技术研究与实现

为了提高虹膜识别的效率和准确性,提出了一种将粗定位和精确定位相结合的虹膜边界提取预处理方法。通过对预处理后的二值化虹膜图像进行粗定位,基于瞳孔边界点控制的最小二乘拟合方法确定虹膜内边界,并采用微积分算子精确检测定位虹膜外边界。最后用CASIA虹膜库中的756幅虹膜图像对算法进行测试,与基于Hough变换的虹膜定位方法关于虹膜内外边界的定位时间和虹膜定位的准确度进行比较。结果表明,该算法具有很好的准确性和识别速度。     

应用统计距离实现虹膜定位

提出了一种统计距离法(MCD)来提高虹膜识别效率。用MCD对虹膜边缘图像去噪,并建立了有效的虹膜内外圆定位方法。首先,用灰度求和找到瞳孔内一点,同时,使用Canny算子获得虹膜边缘图像,并根据所确定的瞳孔内的点来寻找虹膜内边缘上的3个边缘点。将这3个边缘点代入圆的方程即可找到虹膜内边缘。然后,根据虹膜内定位数据来消除虹膜外边缘图像中的噪声,再在去噪后的边缘图像中排除20%个与虹膜内圆圆心距离最远的边缘点。最后,使用一种改进的Hough变换来获得虹膜外边缘数据。实验结果表明:MCD的内定位时间和外定位时间分别是0.122 2s和0.242 4s,均比快速精确虹膜定位法(FAILA)低,且成功率为96.67%,高于FAILA。因此,MCD具有较高的精度和较快的速度,可提高虹膜识别的效率。     

圆形印章中心定位算法的研究

在银行印章识别系统中,圆形印章较为普遍,而圆形印章识别的难度在于圆心的确定.根据求取高精度圆心的要求,对圆形印章圆心的多种算法进行研究和比较,提出采用约束条件预处理的最小二乘计算圆心的方法.实验证明,采用径向误差作为约束条件选择有效的图像边界点的方法,提高了圆心坐标及半径的精度,是一种准确有效的算法.     

基于改进粒子群的虹膜定位算法

提出了一种改进的粒子群优化算法（IPSO）来解决虹膜定位问题。该算法采用两种速度更新策略来增强种群多样性并提高算法自身的收敛速度,并提出一种变异操作以阻止IPSO陷入局部最优。对虹膜内进行边缘定位时,通过搜索6条直线与虹膜内边缘的交点来获得12个边缘点;另外建立了与这12个点有关的目标函数,并用IPSO来优化该函数。根据IPSO在该函数上的应用,找到一个最合适的圆来拟合虹膜内边缘。进行虹膜外定位时,设计了一个模板来提取虹膜外边界,然后从外边界中选择12个边缘点,并同样使用IPSO找到一个最合适的圆来拟合虹膜外边缘。为了验证基于改进粒子群优化算法的虹膜定位方法（ILA-IPSO）的性能,从中国科学院自动化研究所的数据库中选择了不同个体的108幅虹膜图像。实验结果表明,ILA-IPSO算法要好于其它两种方法,该算法利用最少的定位时间获得了最高的成功率。     

基于多指标融合的虹膜图像质量评估方法

虹膜图像质量评估是虹膜识别系统中的重要模块,通过质量评估来摒弃质量较差的虹膜图像,能显著提升虹膜识别系统的性能。虹膜图像质量一般会受到多种因素的影响,单一或少数指标都不能准确客观地进行评估,因此提出了一种新颖的多指标融合的虹膜图像质量评估方法,选取可用虹膜区域、清晰度、虹膜半径、虹膜-瞳孔对比度、虹膜-巩膜对比度、瞳孔扩张性和灰度利用率这7个质量指标,结合GA-BP神经网络进行多指标融合,预测虹膜图像的综合质量评估分数。在CASIA虹膜图像库中进行验证,实验结果表明,该方法可以客观准确地评估虹膜图像的质量,对虹膜识别的性能有很强的可预测性。     

基于改进随机Hough变换的虹膜定位算法

针对随机Hough变换(RHT)中随机采样造成的大量无效采样和无效积累问题，提出了基于连续曲线段的RHT(CRHT)算法并应用于虹膜定位中，它一方面利用了边缘图像的连续特性减少无效采样的数量，另一方面利用了精度不高的梯度方向信息减少无效积累的问题。实验结果证明改进的CRHT算法提高了虹膜定位速度。