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.     

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。     

一种虹膜定位算法

针对虹膜二值边缘图像提取的困难，提出利用虹膜图像的灰度边缘图像以及虹膜的几何特征进行虹膜定位的快速算法。首先根据虹膜图像的整体灰度分布信息特征，利用改进的Sobel算子提取虹膜的灰度边缘图像，然后利用圆的对称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提取虹膜内外径。实验结果证明，该算法提高了虹膜定位的速度，并且具有较强的抗干扰能力。     

基于几何特征的虹膜定位算法

利用虹膜边缘的几何特征及圆相交弦的性质提出了虹膜定位算法.根据瞳孔、虹膜、巩膜的灰度变化,建立虹膜图像直方图,确定阈值进行虹膜内边缘定位;再用形态学算法与新的Hough变换相结合来进行虹膜图像外边缘的定位,确定外圆圆心及半径.通过仿真结果表明本方法实时性能较好,能较好地实现内外边缘的定位.     

快速准确的虹膜定位算法

针对经典虹膜定位算法速度较慢的问题,提出一种基于圆几何特征的粗定位与精定位结合的快速虹膜定位算法.基于行列扫描的方法找到瞳孔内4条弦,利用弦的中垂线结合瞳孔边界阈值定位四对切点,取切点坐标参数的均值为内边缘粗略定位参数,然后利用微积分方法对内边缘进行精确定位;利用内外边缘圆心非常接近的先验知识,缩小微积分方法定位外边缘的搜索范围,从而显著提高了虹膜定位速度.实验结果表明,该算法显著提高了虹膜定位速度且具有较高的定位精度.     

一种改进的虹膜快速定位算法

针对现有虹膜定位算法的局限性,提出一种检测变形瞳孔的算法,实现了精确快速的虹膜定位,并通过最大类间方差法确定图像阈值。变形瞳孔近似椭圆,因此利用最长弦定位内边界。由于瞳孔虹膜近似同心,利用圆灰度梯度算子小范围搜索外边缘。此算法精确定位了变形瞳孔,避免了外边缘搜索的盲目性,提高了虹膜定位的精度与速度。     

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.     

一种虹膜定位的新算法

针对虹膜外径边缘图像提取的困难,提出对增强了对比度的虹膜图像进行阈值分割之后用圆检测方法进行虹膜定位的简便而快速的算法.首先,根据虹膜图像的边缘图像用圆检测随机Hough变换方法提取瞳孔的圆心与半径;然后,对用直方图均衡化方法增强了对比度的虹膜图像进行阈值分割,提取分割后的图像的二值边缘图像;最后,利用已经提取的瞳孔的圆周参数等先验知识检测虹膜外径与圆心。实验结果表明,该算法提高了虹膜定位的速度,并且具有较好的健壮性与稳定性。     

基于组合K近邻与矩阵变换的虹膜识别

研究人眼虹膜识别问题,因实际虹膜内边界并不是标准圆,引起识别精度差,影响有效的特征提取.传统利用圆模板定位的算法存在瞳孔遗留或纹理损失且定位时间长等问题,为提高虹膜定位精度,降低识别时间,提出了一种新的虹膜识别算法.首先对图像进行去除光斑等预处理,将含有虹膜图像的圆环变换为极坐标系下的矩形,在矩形坐标上以点、线检测确定虹膜轮廓,并对EMD提取纹理分布特征,根据比对距离寻找每个待测样本的K个近邻,以简单投票决策输出识别结果.基于CASIA虹膜图像库进行仿真,结果表明,识别率高达99％,并明显降低了识别时间,使虹膜定位可有效提升识别精度.     

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。     

基于数学形态学的虹膜定位算法

针对现有的虹膜定位算法的局限性,提出了一种基于数学形态学的虹膜定位算法。内圆定位是利用二值图像形态学的方法提取瞳孔的圆心和半径。外圆的定位用形态学进行边缘提取与Hough变换相结合,确定外圆圆心及半径。实验证明了该算法的合理性和有效性。     

虹膜定位

为了提高虹膜定位的速度以及虹膜定位算法的健壮性,提出了一种粗定位与精定位相结合的两步定位法,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,用两步法进行虹膜定位可以加快定位速度,减少搜索计算的盲目性。     

基于数学形态学的虹膜定位算法

针对现有的虹膜定位算法的局限性,提出了一种基于数学形态学的虹膜定位算法。内圆定位是利用二值图像形态学的方法提取瞳孔的圆心和半径。外圆的定位用形态学进行边缘提取与Hough变换相结合,确定外圆圆心及半径。实验证明了该算法的合理性和有效性。     

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。     

虹膜识别中标准化区域分辨率的研究*

针对虹膜区域图像大小不同,难以实现虹膜的比较问题,提出了根据虹膜最小内边界周长确定角度分辨率和根据虹膜最小内、外边界半径差确定径向分辨率的方法,将不同分辨的虹膜图像转换为相同分辨率的矩形区域。结果表明,采用该方法得到的标准化维数对于虹膜的识别是有效的。     

Efficient iris segmentation method in unconstrained environments

Recently, iris recognition systems have gained increased attention especially in non-cooperative environments. One of the crucial steps in the iris recognition system is the iris segmentation because it significantly affects the accuracy of the feature extraction and iris matching steps. Traditional iris segmentation methods provide excellent results when iris images are captured using near infrared cameras under ideal imaging conditions, but the accuracy of these algorithms significantly decreases when the iris images are taken in visible wavelength under non-ideal imaging conditions. In this paper, a new algorithm is proposed to segments iris images captured in visible wavelength under unconstrained environments. The proposed algorithm reduces the error percentage even in the presence of types of noise include iris obstructions and specular reflection. The proposed algorithm starts with determining the expected region of the iris using the K-means clustering algorithm. The Circular Hough Transform (CHT) is then employed in order to estimate the iris radius and center. A new efficient algorithm is developed to detect and isolate the upper eyelids. Finally, the non-iris regions are removed. Results of applying the proposed algorithm on UBIRIS iris image databases demonstrate that it improves the segmentation accuracy and time.     

虹膜定位与识别的算法研究与实现

针对虹膜定位速度慢的问题,通过采用投票法和成长法来快速定位瞳孔中心、虹膜位置,详细给出瞳孔和虹膜定位的算法分析和实现流程,具有较高的定位精度。在虹膜识别方面,给出了一种简单的虹膜特征提取和比照方案,把虹膜在其半径和圆周方向分割成一定数量的微小区域,然后对每个微小区域进行灰度平均值的计算和矢量化的转换。最后根据虹膜矢量化后的结果进行精度比照,取得了较好的比照精度。