一种虹膜内外轮廓检测方法

虹膜识别技术是人体生物识别技术的一种,它作为重要的身份鉴别特征具有唯一性,稳定性,可采集性和非侵犯性等优点.与脸像,声音等身份鉴别方法相比,虹膜具有更高的准确性.而虹膜内外轮廓提取是虹膜识别技术不可缺少的关键步骤.文章介绍了一种有效的虹膜内外轮廓检测方法,使用灰度投影方法估计虹膜内边缘圆心位置;然后采用边缘检测方法得到虹膜边缘图像,使用Hough变换准确检测虹膜内轮廓;最后使用一维信号检测确定虹膜外边缘点同时使用Hough变换检测虹膜外轮廓.实验结果表明,该方法能够有效检测出虹膜内外轮廓.     

基于灰度梯度的虹膜定位方法研究

利用虹膜识别进行身份认证,是一种准确有效并具有巨大发展潜力的身份认证技术,本文基于人眼图像的灰度几何特性,介绍了一种基于微分积分圆形检测算子的虹膜定位方法,并对真实图像进行了检测实验,结果表明,该方法能有效准确地进行虹膜的内外边界定位,从而为虹膜模式分析和识别奠定良好基础。     

虹膜识别技术研究

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。文章详细介绍了虹膜识别技术的国内外发展现状和常用算法,并介绍了现有虹膜识别技术中存在的主要问题。     

虹膜识别关键技术研究

虹膜识别是一种新颖的基于生物特征的身份鉴别方法，在信息及安全领域有着重要的砬用价值．在总结前人工作的基础上，就虹膜成像、虹膜区域定位、预处理机虹膜纹理编码等关键技术进行了讨论，给出了一些相关的改进及创新算法，实现了一套基于虹膜识别的身份认证系统，实验结果验证了工作的有效性．     

虹膜特征提取和匹配的几种主要算法研究

虹膜的身份识别在国际上已成为一个研究的热点领域。本文主要比较了虹膜特征提取和匹配的几种主要算法,分别说明了Gabor变换、傅里叶变换和小波变换的优点与不足,并指出相对而言,小波变换更适合应用在虹膜图像的识别中。     

虹膜识别算法的研究

虹膜识别是一种非常可靠的身份鉴别方法.在讨论虹膜图像定位、增强等预处理方法的基础上,针对现有虹膜识别算法中存在的问题,提出了虹膜有效区域选择、特征提取及编码匹配的有效方法.在虹膜图像有效区域的选择上,根据虹膜图像自身的生物特点采用一种新的分割方法,使得到的图像纹理信息更充足;在图像的特征提取方面,采用Gabor小波变换,将频率分为2个频段,不同的频段选择不同Gabor尺度参数,并选择适当的位置参数;为解决虹膜图像的旋转对虹膜识别的影响,将获得的虹膜编码进行错位匹配.实验结果表明,所提出的虹膜识别算法效果较好.     

一种基于支持向量机的虹膜识别算法

提出了一种基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别方法。利用形态学和圆形边缘检测算子定位虹膜,并将虹膜纹理映射到极坐标空间。定义了一种新的图像分数维--极值加权平均分数维,用于提取虹膜特征。最后,利用支持向量机分类器对虹膜特征矩阵进行匹配识别。试验表明,基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别系统识别率高,速度快。     

Daugman识别方法决策理论的研究

虹膜识别技术是近几年新兴的一种生物识别技术,它由四个部分组成．本文主要对Daugman识别系统的决策理论进行了研究．从理论上验证了这个识别系统的决策理论的可行性,并且指出了这个识别统的决策理论存在的不足,并提出了切实可行的改进措施．     

基于双路径残差网络的虹膜图像超分辨率重建

低分辨率虹膜图像所含有效信息较少,实际应用到虹膜识别中会影响识别精度,而图像超分辨率重建技术能够有效解决这一问题。针对虹膜图像的结构和纹理差异,提出了适用于虹膜图像超分辨率的双路径网络结构,设计了双支路残差密集块提取深层虹膜特征,并采用后置放大策略重建图像。针对CASIA-IrisV4虹膜图像库进行了实验,并与主流重建算法进行了比较,发现重建的图像结构清晰,纹理细节丰富。虹膜匹配实验结果表明,该算法的等错误率均为最优,重建图像具有良好的识别效果。     

基于STM32微处理器的人眼虹膜识别系统设计

人眼虹膜技术可以用于人身份识别,它具有许多其他生物识别技术的优点,如更加准确,稳定,不易侵犯性等。虹膜识别的重点是模式识别,要求简单实用,本文以STM32微处理器芯片为核心,从硬件和软件的设计两方面说明系统设计架构、电路设计及程序设计等内容,采用相关经典算法,得到人眼虹膜图像,分析纹理数值,做数据处理,从而实现对不同人体的虹膜比较判断。     

快速有效的虹膜图像分割方法

针对影响虹膜识别性能的眼睑及睫毛遮挡以及瞳孔边界非标准圆等情况,提出一种新的虹膜图像分割方法．采用活动轮廓模型技术计算出瞳孔的精确边界;根据归一化虹膜图像水平方向灰度信号的小波模极值点在尺度空间的演化计算得到眼睑遮挡边界上点,并利用多项式拟合确定眼睑遮挡部分;最后结合一维Gabor滤波的眼睫毛检测结果实现有效的虹膜图像分割．与现有分割方法相比,消除了瞳孔传统圆模型给归一化虹膜图像带来的畸变影响,避免了传统眼睑边界检测过程中涉及的四维参数空间搜索范围问题,降低了算法实现复杂度．在CASIA图像库上的实验结果表明该方法可将系统识别等错误率从8%降低到4.4%．     

虹膜定位方法研究

简要介绍了目前具有代表性的4种虹膜定位方法：Daugman定位法、Hough变换定位法、几何特征定位法和主动轮廓线定位法，并指出了这些方法在实际应用中的优点与缺点。根据上述几种方法，提出了一种简单有效的虹膜定位法：由于瞳孔与虹膜之间的灰度差比较明显，所以先通过求图像直方图的方法找到域值点，分割出瞳孔，然后计算瞳孔的圆心位置以及半径，利用虹膜的外边缘与内边缘近似为同心圆的性质，最后用变圆模板的方法求得虹膜外半径。文中选取多组不同图像质量的虹膜图像来说明定位的效果。实验结果表明，该算法设计简单，定位效果良好。     

虹膜与眼周深度特征融合网络模型

虹膜识别虽然识别率很高,但单模态识别时存在环境、欺骗攻击等影响,并且对于远距离或移动端、较少约束等场景下,虹膜识别率会大大下降。为解决此问题,采用虹膜和眼周双模态融合识别是较好的思路。为实现精确自适应的融合识别,本文提出新颖的虹膜与眼周深度特征融合网络模型（MultipleFusionNet）。根据特征通道注意力和通道分组注意力的思想,设计出自动权值生成网络,通过网络学习自动获得虹膜与眼周的权值。权值与卷积神经网络生成的虹膜与眼周深度特征加权计算,实现两个模态的深度特征动态精确地融合,从而提高识别准确率。本文网络模型中融合部分可作为通用的深度特征融合模块使用,该模块可灵活地嵌入在任何的CNN主干网络中,轻便且易于实现。在中科院公开的远距离虹膜库图像库CASIA-Iris-Distance和近距离光照变化虹膜图像库CASIA-Iris-Lamp进行了实验验证,实验结果显示,本文的特征融合模型准确率最高为99.56%,采用余弦距离度量的EER值最低为0.0027,优于单模态方法和相关的特征融合方法。计算复杂度方面,参数量和计算量比单模型的两倍少1.5%,计算量只比基准融合方法高1%,表明该融合模型计算复杂度低,具有良好的性能。     

基于二维不可分小波相关性分析的虹膜识别

为了更有效地提取虹膜纹理特征区域和进一步减小虹膜特征的存储空间,提出了一种基于分块相关性分析的二维不可分B-样条小波的虹膜识别方法,通过对虹膜归一化图像进行二维不可分B-样条小波变换并提取小波系数特征,把这些特征等分成正方形的特征块并按照相关性由大到小排序,保留相关性大的特征块进行匹配。实验表明,本文算法比经典的虹膜识别方法能更准确地捕捉识别效果好的特征区域。