基于灰度积分投影的人眼定位

该文提出了一种基于最大类间方差阈值分割和灰度积分投影技术的眼睛定位方法。首先通过图像预处理技术中的中值滤波方法去除图像噪声，并通过非线性变换消除人脸图像因为曝光条件不同而造成的模糊，得到灰度分配较为均匀的图像，然后利用最大类间方差阈值法对图像进行二值化处理，将特征点从人脸图像分割出来，并分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标，实现了准确的眼睛定位，从而为进一步提取其它特征点打好了基础。     

基于局部特征的人脸检测与提取

提出了一种在复杂背景下，基于人脸特征的快速检测与定位的方法。将复杂背景下的人脸彩色图像转换成灰度图像后，对图像进行二值化处理，然后对图像进行形态滤波，再在整个图像区域搜索眼睛的位置，从而确定人脸的位置。实验证明了该方法的有效性。     

单灰度图像中眼睛定位的人脸位置矫正算法

人脸位置的矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，用居中度使图像小块居中，用匹配度求取适些小图像块中的两块眼睛的小块，再在小范围内对鼻子、嘴巴部分进行水平灰度投影，然后进行扶正。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。     

基于灰度投影函数的眼睛定位方法

描述了人眼的自动定位算法，其方法是利用图像的灰度投影曲线，将图像缩小在人脸的眼部区域，进而确定人眼在眉眼区域的大致位置，然后通过了灰度直方图估计初始阈值，对二值化眉眼区域进行了阈值分割，利用二维相关系数判定双眼黑块的出现并利用对称相似性进一步确定了双眼的具体位置。     

复杂背景下人眼定位及人脸检测

人眼定位和人脸检测是人脸识别的重要环节，复杂背景下，人眼定位及人脸检测容易受到光照以及其它物体的影响。在没有检测到人脸的情况下，对原始图像用sobel算子得到灰度边缘图像，进而得到边缘灰度加强图像，估算分割双眼的阈值范围。对边缘灰度加强图像二值化后，结合人脸的几何特征以及双眼的二维相关系数自动确定双眼候选点，利用人脸模板检验双眼及人脸的真实性。大量实验结果表明，该算法在复杂背景下进行人眼定位及人脸检测是有效的。     

基于灰度直方图的几何特征人眼定位方法

在定位人脸的基础上,采用一种新颖的方法计算人脸二值化阈值,根据灰度直方图信息进行一次计算便可得到分割阈值,打破了现有算法对二值化阈值需做多次调整的约束.截取二值人眼区域之后,利用图像尺寸归一化几何约束条件定位人眼,实验结果表明该算法在多种复杂条件下均能成功定位人眼,具有更加快捷的特点.     

基于复杂度和最佳阈值的人眼定位方法

人眼定位方法的研究目前已经成为人脸识别智能化中的重要研究内容。提出了一种无需先确定人脸位置,而在有背景灰度人脸图像中直接检测与定位人眼的新算法。利用复杂度的原理,对人脸图像中眼睛位置进行快速定位,剪切眼睛区域的图像块;再利用图像分割的原理,自动寻找最佳阈值,提取眼睛的边缘;进行形态学操作,排除非人眼的图像块,从而正确定位眼睛的位置。该方法能较大提高人眼定位的计算速度,适用于实时性要求较高的场合。仿真实验验证了该算法的有效性和稳定性。     

复杂背景下人眼自动定位

针对复杂背景下静态人脸灰度图像，提出一种人眼自动定位方法。首先基于人脸几何特征先验知识，建立人眼位置的判定准则，对分割阈值范围进行粗估计；然后采用分割阈值递增法，并结合人眼位置判定准则，判定分割图像中双眼黑块是否出现；最后利用二维相关系数作为对称相似性测度，检验检测出的双眼黑块的真实性。     

一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

基于灰度图像的车牌快速定位和分割方法

基于灰度图像水平差分和垂直差分图像的相关特点，提出了一种能在复杂交通背景下实现车牌快速定位和分割的方法。该方法首先通过中值滤波对图像滤噪并进行直方图均衡化处理；然后运用一种水平差分和自适应阈值方法对图像进行二值化，接着在对所得二值图像存水平方向作形态学膨胀运算后，对其垂直、水下方向的扫描线长度先后进行滤波处理而粗分割出车牌的候选区域；最后通过车牌垂商差分图像在竖直方阳扫描投影的相关特征对所得候选区域进行筛选，得到车牌在水平和垂直方向的精确位置。该方法对于图像背景复杂度和车牌在图像中的位置限制较少，而且实现简单，定位速度较快，是一种简单、高技的车牌定位方法，实验结果证明了该方法的有效性。     

结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。     

A robust eye detection method using combined binary edge and intensity information

In this paper, a new eye detection method is presented. The method consists of three steps: (1) extraction of binary edge images (BEIs) from the grayscale face image based on multi-resolution wavelet transform, (2) extraction of eye regions and segments from BEIs and (3) eye localization based on light dots and intensity information. In the paper, an improved face region extraction algorithm and a light dots detection algorithm are proposed for better eye detection performance. Also a multi-level eye detection scheme is adopted. Experimental results show that a correct eye detection rate of 98.7% can be achieved on 150 Bern images with variations in views and gaze directions and 96.6% can be achieved on 564 AR images with different facial expressions and lighting conditions.     

人脸识别中的眼睛定位方法

眼睛是人脸部最重要的器官,因此眼睛准确定位在人脸识别中具有特殊重要的意义。基于灰度图像,提出一种改进的眼睛精确定位的方法。首先对图像进行光照和噪声的预处理,再利用积分投影和山谷法对图像进行分析,进而找出一系列的候选眼睛点,眼睛点的验证采用人脸的几何分布特征和眼睛模板匹配相结合的方法来进行最终眼睛对的确定。基于orl和yale人脸库的实验结果表明该算法对光照、旋转、遮挡不敏感,具有较高的定位准确率。     

一种由粗到精的人眼定位方法

为提高人眼定位算法的实时性和抗噪性，提出了一种基于眉眼区域内“凹陷”地形特征点检测和人眼方差滤波器的人眼定位方 法(GPL)。该方法利用Gabor小波变换和直接提取“凹陷”地形特征点技术，在眉眼区域内搜索眼睛候选点，并且利用构造的人眼方差滤波器精确定位人眼。在有噪声和无噪声的人脸图像上进行了比较仿真试验。结果表明，与纯粹基于地形特征匹配的人眼定位算法相比，GPL在定位实时性、准确性和抗噪性方面都有显著提高。     

基于多尺度自商图和改进积分投影法的人眼定位

针对传统的投影方法在人眼定位时易受光照干扰以及难以获得精准的人眼中心点的问题,提出一种基于多尺度自商图和改进的积分投影法的人眼定位算法.首先利用多尺度自商图消除人脸图像的光照影响;然后分析眼睛在水平方向上灰度分布的特点,采用两个行梯度算子对积分投影法进行了改进,以提升眼睛区域特征并初步定位人眼区域;接着采用Sobel算子对人眼区域进行滤波得到人眼滤波图,并对人眼滤波图的垂直积分投影曲线进行高斯函数拟合,根据拟合结果分割出左眼窗口和右眼窗口;最后,计算左眼窗口和右眼窗口的尺寸,获取左眼窗口和右眼窗口的中心点,即为人眼中心点.在YaleB人脸数据库和JAFFE人脸数据库上测试表明,本文方法对复杂光照、人脸边缘以及人脸表情适应性强,可以获得较为精准的人眼中心点.     

基于HOG和SVM的双眼虹膜图像的人眼定位算法

针对近红外光下现有的人眼定位算法普遍存在准确性不高、泛化能力不佳等问题，提出了一种基于方向梯度直方图（HOG）和支持向量机（SVM）相结合的双眼虹膜图像的人眼定位算法。利用HOG提取虹膜图像的人眼特征，并结合SVM分类器对HOG特征进行训练从而实现人眼的精确定位。为了减少漏检和误检，进一步提高定位准确率，又提出了多级级联SVM分类器算法；另外针对近红外光线下虹膜图像独特的灰度分布特点，设计了一种图像预处理方法，能够显著提高人眼定位速度。在MIR2016和CASIA-IRIS-Distance数据集上的实验结果表明，基于HOG和SVM的双眼虹膜图像的人眼定位算法具有高准确率、强泛化能力和高实时性。     

结合布尔图和灰度稀缺性的小目标显著性检测

目的 基于超像素分割的显著物体检测模型在很多公开数据集上表现优异,但在实际场景应用时,超像素分割的数量和大小难以自适应图像和目标大小的变化,从而使性能下降,且分割过多会耗时过大。为解决这一问题,本文提出基于布尔图和灰度稀缺性的小目标显著性检测方法。方法 利用布尔图的思想,提取图像中较为突出的闭合区域,根据闭合区域的大小赋予其显著值,形成一幅显著图;利用灰度稀缺性,为图像中的稀缺灰度值赋予高显著值,抑制烟雾、云、光照渐晕等渐变背景,生成另一幅显著图;将两幅显著图融合,得到具有全分辨率、目标突出且轮廓清晰的显著图。结果 在3个数据集上与14种显著性模型进行对比,本文算法生成的显著图能有效抑制背景,并检测出多个小目标。其中,在复杂背景数据集上,本文算法具有最高的F值（F-measure）和最小的MAE（mean absolute error）值,AUC（area under ROC curve）值仅次于DRFI（discriminative regional feature integration）和ASNet（attentive saliency network）模型,AUC和F-measure值比BMS（Boolean map based saliency）模型分别提高了1.9%和6.9%,MAE值降低了1.8%;在SO200数据集上,本文算法的F-measure值最高,MAE值仅次于ASNet,F-measure值比BMS模型提高了3.8%,MAE值降低了2%;在SED2数据集上,本文算法也优于6种传统模型。在运行时间方面,本文算法具有明显优势,处理400×300像素的图像时,帧频可达12帧/s。结论 本文算法具有良好的适应性和鲁棒性,对于复杂背景下的小目标具有良好的显著性检测效果。     

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.