一种快速精确的虹膜定位方法

为了提高虹膜定位的速度及精度,提出了一种粗定位,精定位与结果修正三步相结合的定位方法,用以进行虹膜定位,并对现有的虹膜定位算法进行了一些改进.实验结果表明,用三步法进行虹膜定位可以减少搜索计算的盲目性,加快定位速度,对不同虹膜图象定位结果的精度都有不同程度的提高.     

一种快速精确的虹膜定位方法

为了提高虹膜定位的速度及精度,提出了一种粗定位,精定位与结果修正三步相结合的定位方法,用以进行虹膜定位,并对现有的虹膜定位算法进行了一些改进。实验结果表明,用三步法进行虹膜定位可以减少搜索计算的盲目性,加快定位速度,对不同虹膜图象定位结果的精度都有不同程度的提高。     

基于综合特征的虹膜定位的算法

提出了利用虹膜边缘图像的几何特征以及相交弦的性质进行虹膜定位的快速算法.首先利用虹膜图像的整体灰度分布信息,利用边缘检测算子提取虹膜的内边缘图像,然后利用圆的相交弦性质以及投票策略提取虹膜中心,最后利用Hough变换的半径直方图投票提取虹膜内外径.实验结果证明其算法提高了虹膜定位的速度并具有较强的抗干扰能力.     

一种基于圆几何特征的虹膜定位算法

虹膜定位是虹膜识别中基础性环节,其精度和速度决定了虹膜识别系统的性能,为提高虹膜定位的速度,提出一种基于圆几何特征的虹膜内边缘定位算法,利用内外边缘中心的耦合特性缩小微积分方法搜索外边缘的范围。试验结果表明,与经典虹膜定位算法相比,本算法快速、精确、鲁棒。     

一种改进的虹膜边界定位算法

虹膜边界定位是虹膜识别系统的重要组成部分,定位的速度、准确度和定位算法的鲁棒性至关重要。针对传统虹膜定位算法的不足,提出了一种改进的虹膜定位算法,充分利用虹膜图像的灰度分布特征,合理地设定相关参数,实现虹膜内边界和外边界快速准确的定位。实验结果表明,该算法与经典的虹膜定位算法相比,定位准确度更高,定位速度更快。     

基于互功率谱的虹膜识别方法

提出了一种基于互功率谱的虹膜编码方法。采用粗定位与精定位相结合的两步定位法对虹膜定位,能有效地减少搜索计算的盲目性;为了提取虹膜特征,虹膜图像首先被划分为许多子块,然后计算各个子块与2维Gabor小波族之间的互功率谱并进行编码;最后,利用Hamming距离进行模式匹配。实验结果表明,该算法运算速度快,具有较好的识别效果,且编码性能优于Daugman的编码方法。     

基于综合特征的虹膜定位的算法

提出了利用虹膜边缘图像的几何特征以及相交弦的性质进行虹膜定位的快速算法，首先利用虹膜图像的整体灰度分布信息，利用边缘检测算子提取虹膜的内边缘图像，然后利用圆的相交弦性质以及投票策略提取虹膜中心，最后利用Hough交换的半径直方图投票提取虹膜内外径，实验结果证明了算法提高了虹膜定位的速度并具有较强的抗干扰能力。     

基于统计的虹膜定位算法改进

由于目前基于统计的虹膜定位算法局限性,我们改进了这个虹膜定位的算法,利用二值化后灰度图像进行内边缘的粗定位,然后通过对直方图均衡后的图像提取虹膜的外边缘进行粗定位,最后利用Daugman算子的改进进行模板精定位.实验结果表明,该方法提高了准确度和速度.     

一种快速虹膜定位算法

提出了一种根据眼睛瞳孔近似为圆的几何特性,利用与瞳孔相切的两条平行扫描线进行瞳孔圆心的定位来实现虹膜的定位算法.与传统虹膜定位算法相比,该方法避免了搜索的盲目性,提高了虹膜定位的精度和速度.     

虹膜定位算法的研究

虹膜识别系统中的虹膜定位精度和定位速度影响识别系统性能.在分析现有虹膜识别算法的基础上,采用基于Canny思想的边缘检测算子提取虹膜图像边缘信息,结合先验知识在小图像块上进行Hough变换拟合虹膜内外圆.实验结果表明,该定位方法在保证定位精度的同时有效地提高了定位速度.虹膜区域的噪声包括眼睑、睫毛、眼睑阴影和光斑等,在眼睑定位方面提出了边缘检测结合Radon变换分段直线定位去除眼睑噪声的方法,同时采用阈值法去除了睫毛和眼睑阴影对虹膜区域的干扰,并用实验验证了该算法的有效性和准确性.     

一种改进的虹膜定位方法

如何有效地确定虹膜在图象中的位置，是虹膜识别中需要解决的关键问题之一，在以前的粗定位与精定位相结合的两步虹膜定位方法的研究基础上，提出了一种改进的虹膜定位方法，它集中体现在虹膜粗定位方法的改进上，改进后的虹膜粗定位的基本思想为：首先在虹膜图像中选择互不相邻的若干行，求得每行的灰度差分曲线；然后根据灰度差分曲线上相邻几个点的累加和的大小，寻找虹膜或瞳孔的边界点；最后，由这些边界点拟合出虹膜及瞳孔的边界，实验结果表明，改进的虹膜定位方法更为快速、稳健。     

基于Gabor滤波的虹膜识别系统设计

随着科学技术的发展,信息安全在各个领域显得越来越重要,生物识别技术由于其特有的性质,在传统的识别领域中脱颖而出;其中,虹膜识别以高可靠性和差异性,成为目前安全性最高,最理想的生物识别技术;为增强虹膜识别算法的定位效率,提出一种改进定位算法,即二值化分割出瞳孔区域时,修正瞳孔边界,提高虹膜定位精度,有效提高识别速度;虹膜识别算法是整个系统的核心,要使虹膜识别具有良好的效果,需要对虹膜图像进行一系列的处理;为了完整高效地实现虹膜识别系统,对Gabor滤波器的原理及实现方法进行具体分析,研究Daugman虹膜识别算法,设计并完成了虹膜图像预处理,特征提取,二维Gabor滤波器的构建及参数选取等,经仿真实验,能够非常高效地完成虹膜特征提取并识别比对,计算速度和效果均优于传统算法。     

一种新的虹膜归一化算法

根据在虹膜归一化算法研究中遇到的问题，在虹膜定位的基础上，介绍了虹膜归一化算法，并对虹膜归一化算法进行了改进，将瞳孔真实边缘作为归一化内边界。实验结果表明，新算法有效的去除了黑点并保留了虹膜原有信息。     

基于几何特征的虹膜定位算法

提出了利用虹膜边缘图象的几何特征以及圆相交弦的性质进行虹膜定位算法 .首先根据虹膜图象的整体灰度分布信息 ,利用边缘检测算子提取虹膜的内边缘图象 ,然后利用圆的相交弦性质以及投票策略提取虹膜的中心 ,最后利用 Hough变换的半径直方图投票策略提取虹膜内外径 .通过仿真实验的对比结果表明 ,该算法提高了虹膜定位的速度 ,同时对噪声具有一定的鲁棒性     

一种基于Morlet小波变换的虹膜识别算法

虹膜识别包括虹膜定位、特征提取以及模式匹配几个步骤。文章提出了基于虹膜灰度梯度分析的新定位算法和基于Morlet小波变换的特征提取算法。首先对沿瞳孔半径方向展开的虹膜图像通过寻找灰度梯度最大值位置的方法进行虹膜定位;然后根据虹膜生理的特点对虹膜图像进行分区,对不同的虹膜区域采用一维和二维Morlet复小波变换相结合的特征提取算法,并用二比特格雷编码来表征提取的虹膜纹理的相位信息;最后通过计算虹膜间的Hamming距进行匹配,最终实现虹膜识别。实验结果表明,与现有算法相比,该算法识别速度快,提取特征的效果好,在实验室身份认证系统中表现出很好的识别效果。     

一种改进的虹膜定位方法

虹膜定位是虹膜识别中至关重要的环节,根据实际应用中瞳孔内部会由于反光而形成亮点的情况，本文对粗定位方法进行改进,利用虹膜图像的灰度直方图，首先根据瞳孔的灰度分布特点求二值化闪值，采用圆内弦中点平均方法粗定位其圆心和半径，从而减少精定位的搜索范围和计算量，然后利用圆检测算法在二值化图像中进行内圃精定位,与传统方法相比,能够减少内圃定位于瞳孔内部的错误,实验结果验证了该方法的可行性和有效性．     

一种基于几何原理的虹膜定位算法

虹膜定位是虹膜识别系统中很重要的组成部分,其中定位的速度及准确率是重要的因素。结合人眼的结构特征设计了虹膜定位算法。算法先定位出瞳孔内任意一点,再用边缘检测模板检测出不共线三点定位出内边缘。算法提出用比较四点两次的定位结果来确定外边缘。对已有的755幅虹膜图片进行定位,准确率达98.15%。并且应用简单的几何原理使得算法的鲁棒性能得到保证。     

Noisy iris segmentation with boundary regularization and reflections removal

The paper presents an innovative algorithm for the segmentation of the iris in noisy images, with boundaries regularization and the removal of the possible existing reflections. In particular, the method aims to extract the iris pattern from the eye image acquired at the visible wavelength, in an uncontrolled environment where reflections and occlusions can also be present, on-the-move and at variable distance. The method achieves the iris segmentation by the following three main steps. The first step locates the centers of the pupil and the iris in the input image. Then two image strips containing the iris boundaries are extracted and linearizated. The last step locates the iris boundary points in the strips and it performs a regularization operation by achieving the exclusion of the outliers and the interpolation of missing points. The obtained curves are then converted into the original image space in order to produce a first segmentation output. Occlusions such as reflections and eyelashes are then identified and removed from the final area of the segmentation. Results indicate that the presented approach is effective and suitable to deal with the iris acquisition in noisy environments. The proposed algorithm ranked seventh in the international Noisy Iris Challenge Evaluation (NICE.I).