一种虹膜图像质量评价的方法

虹膜图像质量是影响虹膜识别系统精度的关键。从序列图像中挑选出符合要求的虹膜图像能有效地降低识别系统的拒识率和误识率。这里按照产生虹膜图像奇异的不同情形：失焦、运动模糊、眼睑遮挡及睫毛遮挡,充分利用虹膜自身的纹理分布特点,在算法中引入了评价区域局部化、小波包分解和能量加权等思想,分别设计相应算法加以评判。实验结果表明该评价方案快速有效,其评价结果和人眼主观评价相吻合。     

一种虹膜图像的质量评价算法

在虹膜识别系统中,质量较差的虹膜图像可能被系统拒识,导致身份识别或身份认证的失败。因此有必要在虹膜图像的采集端引入质量评价环节,从虹膜图像采集仪输出的视频序列中挑选出符合识别系统要求的虹膜图像。首先提出了一种快速的基于连通域分析的瞳孔定位方法,然后在此基础上,针对具有散焦模糊和眼皮睫毛遮挡的虹膜图像,提出了一种分步式的虹膜图像质量评价算法。实验结果表明,该算法能够有效地筛选出符合要求的虹膜图像。     

基于深度反卷积网络的虹膜定位方法研究

精确而快速地进行虹膜定位是有效地进行虹膜识别的重要前提.传统的虹膜定位方法有Daugman定位法、Hough变换定位法等,但其对睫毛比较浓密、虹膜被遮挡较多等情况下的图片处理效果不是很好.文章在总结前人工作的基础上,实现了一套基于深度学习的虹膜定位系统.该系统利用深度学习方法,根据虹膜图像区域的特点,对图像进行像素级分类.根据像素分类结果,可以很好地标识虹膜区域和非虹膜区域,达到定位识别虹膜区域的目的,并在中国科学院自动化所公布的虹膜数据集CASIA-IrisV3-Interval上验证了文章工作的有效性,像素分类精度达到约98.4％,达到了较高的鲁棒性.     

实时虹膜识别系统中的图像预评估检测

在采集虹膜图像样本时,会由于各种原因而出现不同类型的坏样本。由于现有的图像质量评估方法需要在虹膜定位或者粗定位之后,根据虹膜的清晰度或分辨率来进行判定,因此只能检测出特定类型的坏样本。为了能对各种类型坏样本进行检测,在分析坏样本产生原因和类型的基础上,提出了一种实时预评估网络的检测方法,即在定位或者粗定位处理之前,预先对缓存中的图像进行评估,再根据预评估检测的结果来决定是重新采集,还是进入后续的处理。其目的是,①节省现有的图像评估在定位处理上花费的时间和降低采集失败率,以提高识别系统的友好性;②减少因为坏样本的输入而导致的定位出错,以避免引起误识别的可能;③提高识别率的同时降低识别系统的注册失败率。实验结果表明,这种方法不仅可以检测出多种类型的坏样本,且检测错误率低,同时具有较高的评估速度,可以满足实时虹膜识别系统的要求。     

虹膜图像质量评价综述

虹膜图像质量评价是虹膜识别系统中重要的模块,通过评价低质量虹膜样本的综合质量来提升虹膜识别的性能。虹膜图像质量评价与图像获取、人机交互系统、识别性能预测以及自适应虹膜识别算法设计等密切相关。近年来,随着低图像质量的鲁棒虹膜识别系统不断发展,虹膜图像质量评价得到了广泛研究。为了使该领域的研究人员充分了解当前虹膜图像质量评价算法,本文对已有的方法进行了综述。回顾了虹膜图像质量评价算法的发展历程,阐述了其典型应用,进而展望了虹膜图像质量评价算法以及以质量为导向的虹膜识别技术的发展。     

基于PCA和ICA的虹膜识别方法

为了提高虹膜识别的正确率,提出了利用主成分分析(PCA)与独立成分分析(ICA)相结合的方法,来对虹膜进行识别的方法。用该方法进行虹膜识别时,首先对预处理后的虹膜图像,利用PCA算法进行去二阶相关和降维处理;然后再进行ICA训练。ICA训练采用了以下两种方法:方法1,将参与ICA训练的图像看作是随机变量,而将图像中的像素值看作是随机实验结果,ICA训练后即可得到相互独立的ICA虹膜基图像;方法2,将图像中的像素值看作是随机变量,而将图像看作是随机实验结果,ICA训练后即得到相互独立的ICA系数。采用CASIA虹膜数据库进行的试验结果表明,基于PCA和ICA的虹膜识别算法在两种训练方式下的正确识别率分别达到98.89%和98.33%。     

基于能量最大响应方向的虹膜识别算法*

为提高虹膜识别算法的正确识别率,给出了基于能量最大响应方向的虹膜识别算法。该算法首先对人眼图像进行预处理得到归一化虹膜图像,并依据归一化虹膜纹理的分布特点,选择多尺度多方向滤波技术对归一化虹膜图像进行分解;然后提取最优分解尺度下像素点的能量最大响应方向数,进行二进制虹膜编码和去噪;最后通过计算两个虹膜编码间的加权海明距离和衡量两者的差异性,给出识别结果。实验证明,在等误率为0.1176 时,正确识别率达到99.997%。与经典的虹膜识别算法相比较,该算法具有更高的识别率。     

基于DSP的虹膜识别系统设计

本文设计了一种用于身份鉴别的虹膜识别系统。它以TI的TMS320DM642DSP为中央处理器,配合以A/D转换器和存储器等,完成虹膜图像的采集、处理和存储。主程序运行在DSP中,完成虹膜定位、特征分析和匹配等算法,得出识别结果。实验证明,系统具有较高的识别率,效果良好。     

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。     

一种有效的虹膜定位及睫毛检测方法

提出一种有效的虹膜定位及睫毛检测方法。通过把眼睛图像中分割成小的矩形区域,利用找到的这些矩形区域像素平均最小值把眼睛图像进行二值化,找到虹膜区域的内边界;以瞳孔的质心为参考点,在其左右的扇形区域内分别使用修改后的Daugman的检测算子,找到像素值变换大的位置,进而定位出虹膜的外界;使用Gobor滤波器和窗口移动法对睫毛进行有效的检测。通过对大量虹膜图像的实验表明,该方法取得了非常好的结果。     

由粗到精的虹膜图像离焦模糊评价方法

离焦模糊评价在虹膜识别系统中尤为重要。传统的方法是通过频谱分析测量虹膜图像的离焦模糊程度,这类方法容易受到光照变化以及睫毛和眼皮等噪声区域的影响。提出了一种由粗到精的虹膜图像离焦模糊评价方法。第一步,通过频谱分析去除严重模糊的虹膜图像,进行虹膜图像离焦模糊粗分类。第二步,通过方向金字塔分解,提取虹膜图像的质量特征。在人工合成的离焦模糊虹膜图像数据库中,利用径向基神经网络建立起质量特征与质量等级间的对应关系。通过建立起的模型进行实际的虹膜图像离焦模糊等级预测,以及虹膜图像离焦模糊精分类。在Clarkson数据库上的实验结果证明了该方法不仅可以准确区分清晰图像和离焦模糊图像,而且相比于传统的虹膜图像离焦评价方法更接近于人的视觉感知。     

区域注意力机制引导的双路虹膜补全

目的 虹膜识别是一种稳定可靠的生物识别技术,但虹膜图像的采集过程会受到多种干扰造成图像中虹膜被遮挡,比如光斑遮挡、上下眼皮遮挡等。这些遮挡的存在,一方面会导致虹膜信息缺失,直接影响虹膜识别的准确性,另一方面会影响预处理(如定位、分割)的准确性,间接影响虹膜识别的准确性。为解决上述问题,本文提出区域注意力机制引导的双路虹膜补全网络,通过遮挡区域的像素补齐,可以显著减少被遮挡区域对虹膜图像预处理和识别的影响,进而提升识别性能。方法 使用基于Transformer的编码器和基于卷积神经网络(convolutional neural network, CNN)的编码器提取虹膜特征,通过融合模块将两种不同编码器提取的特征进行交互结合,并利用区域注意力机制分别处理低层和高层特征,最后利用解码器对处理后的特征进行上采样,恢复遮挡区域,生成完整图像。结果 在CASIA(Institute of Automation, Chinese Academy of Sciences)虹膜数据集上对本文方法进行测试。在虹膜识别性能方面,本文方法在固定遮挡大小为64×64像素的情况下,遮挡补全结果的TAR(true accept rate)(0.1%FAR(false accept rate))为63%,而带有遮挡的图像仅为19.2%,提高了43.8%。结论 本文所提出的区域注意力机制引导的双路虹膜补全网络,有效结合Transformer的全局建模能力和CNN的局部建模能力,并使用针对遮挡的区域注意力机制,实现了虹膜遮挡区域补全,进一步提高了虹膜识别的性能。     

Phase Correlation Based Iris Image Registration Model

Iris recognition is one of the most reliable personal identification methods. In iris recognition systems, image registration is an important component. Accurately registering iris images leads to higher recognition rate for an iris recognition system. This paper proposes a phase correlation based method for iris image registration with sub-pixel accuracy. Compared with existing methods, it is insensitive to image intensity and can compensate to a certain extent the non-linear iris deformation caused by pupil movement. Experimental results show that the proposed algorithm has an encouraging performance.     

虹膜采集系统中图像质量评估的研究

虹膜识别系统中,虹膜图像质量的好坏直接影响识别的精度。针对虹膜采集过程,提出一种全面的虹膜质量评估方法,利用直方图对虹膜图像进行总体评估、对瞳孔定位;利用瞳孔圆心与亮斑重心之间的距离判断亮斑的位置与瞳孔的偏离度;利用总有界变差对虹膜感兴趣区域进行清晰度的判断;利用直线拟合法定位眼睑并对虹膜有效区域进行判断。实验证明,本文提出的方法切实可行。     

虹膜图像预处理技术的研究

图像预处理是虹膜识别过程中至关重要的步骤。针对虹膜图像的特点和现有虹膜识别算法运算速度慢及鲁棒性差的问题,本文提出基于Canny算子和Hough变换的虹膜定位算法,然后采用Daugman的橡皮纸模型对虹膜区域进行归一化并做直方图均衡化图像增强处理。实验结果表明,本文的虹膜图像预处理算法可以有效解决图像预处理中计算时间长和通用性差的问题,能提高虹膜识别系统的稳定性和识别率。     

序列虹膜图像质量的评价方法

提出一种使用二维图像复杂度和傅里叶频谱值作为评价因子、利用分类器进行序列虹膜图像质量评价的方法.首先利用投影和图像二值化方法得到虹膜图像评价区域,然后计算该区域的图像二维复杂度和傅里叶频谱值,以此作为特征并使用分类器选择最清晰的一幅图像用于身份认证.实验表明,在K-NN,BP神经网络和支持向量机等多种分类器中使用上述评价因子的结果均比较理想,可以挑选出符合要求的虹膜图像.