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。     

渐进式虹膜图像质量评估模型

虹膜图像质量评估目前尚无统一评估标准,导致虹膜识别拒识率和误识率较高。针对该问题,提出一种虹膜图像质量评估模型。根据虹膜图像中各干扰因素的不同特点,在先验知识基础上采用区域化、加权的方法,渐近式地实施像素级质量评估,依据像素级评估结果实施图像级质量评估。实验结果表明,像素级虹膜图像质量评估中的虹膜图像干扰项识别率和模糊识别率较高,图像级虹膜图像质量评估与人工评估结果相一致。     

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。     

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。     

人眼虹膜图像检测与提取方法

关于虹膜优化检测问题,由于人眼图像中存在眼睑、瞳孔等无关区域,形成的躁声信息严重影响识别精度,针对难以提取准确虹膜图像,提出了一种高效的利用面积分微分算子的直接虹膜提取方法,采用John Daugman积分微分算子进行边界检测.首先以虹膜图像灰度直方图为基础,通过灰度投影定位虹膜内边缘,然后利用积分微分算子确定虹膜左右外边界.最后,利用面积分微分算子求解最恰当的虹膜上下边界.识别过程中,利用Gabor小波提取虹膜图像特征,通过比对虹膜特征来识别虹膜.试验结果表明,改进方法可以有效地实现虹膜识别准确性.     

基于WBCT的虹膜图像质量评价方法

基于小波分析的Contourlet变换(Wavelet-based contourlet transform, WBCT)能有效地反映虹膜图像纹理的视觉感知特性. 用级联BP神经网络确定图像的评估区域后, 对区域图像进行WBCT分解, 并分别定义和计算了5种质量评价指标来评估离焦模糊图像、运动模糊图像、佩带隐形眼镜图像、睫毛和眼睑遮挡图像. 实验结果表明, 定义的指标可以快速精确地评价这几种图像的质量. 并且评价结果与人眼主观评价一致, 优于其他评价算法.     

虹膜图像质量评价的研究

详细介绍了对采集到的虹膜图像进行质量评价的方法,并通过实验证明了其有效性。     

虹膜分割算法评价基准

虹膜识别是生物特征识别中最稳定和最可靠的身份识别方法之一.在虹膜识别的整个流程中,虹膜分割处于预处理阶段,因此虹膜分割结果的好坏将直接影响虹膜识别的精度.自从1993年Daugman第1次提出高性能的虹膜识别系统以来,各种各样的虹膜分割算法陆续提出,尤其是近年来基于深度学习的虹膜分割算法极大地提升了虹膜分割的精度.然而,由于缺乏统一的数据库和评价指标,各种算法的性能比较杂乱而不公平,因此提出了一个公开的虹膜分割评价基准.首先,介绍了虹膜分割的定义和面临的挑战;其次全面梳理了3个有代表性的公开虹膜分割数据库,总结了其特点和挑战性;紧接着定义了虹膜分割的评价指标;然后对传统的和基于深度学习的虹膜分割算法进行了总结,并通过详细的实验对各类算法进行了比较和分析.实验结果表明：当前基于深度学习的虹膜分割算法在准确性上超越了传统的方法.最后,对基于深度学习的虹膜分割算法存在的问题进行了思考和讨论.     

一种序列虹膜型图像的技术评价方法

为了地虹膜身份识别系统中所采集的序列虹膜图像的质量评判,提出了一种利用眼睛结构中瞳孔、虹膜、巩膜各区域边界部分灰度差值评判因子进行质量评价的方法,实验证明,用该方法可以快速、有效地鉴定序列虹膜和应变图像的质量,提高该身份识别系统和在线力学实验系统的工作效率。     

一种序列虹膜型图像的质量评价方法

为了实现对虹膜身份识别系统中所采集的序列虹膜图像的质量评判,提出了一种利用眼睛结构中瞳孔、虹膜、巩膜各区域边界部分灰度差值评判因子进行质量评价的方法。实验证明,用该方法可以快速、有效地鉴定序列虹膜和应变图像的质量,提高该身份识别系统和在线力学实验系统的工作效率。     

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。     

一种新的基于局部特征的图像质量评价方法

传统的基于结构相似度（SSIM）的质量评价方法具有适用范围狭窄,评价算法不稳定等特点。在对传统图像质量评价算法研究的基础上,提出了一种新的基于局部特征的质量评价方法。与传统方法不同,在对图像质量进行评价时,该方法充分考虑到图像的结构信息对于图像质量的影响。新的方法主要分为3个步骤：首先,基于一种新的图像分块算法,根据图像的结构信息将图像划分成不同的块;其次,利用图像的梯度作为衡量像素重要程度的权值,计算参考图像和失真图像对应图像块的结构相似度;最后,融合各个块的相似度信息获得最终的图像质量评价结果。实验结果表明,该方法的评价结果更加合理、稳定,适用范围广,优于传统的基于结构相似度的质量评价方法。     

一种改进的虹膜图像分割算法

如何迅速、准确地分割虹膜区域是基于虹膜图像的身份鉴别技术的一个研究热点和难点。本文结合虹膜图像的特点，在内边缘的定位中采用了阈值化结合最小二乘估计的方法；对外边缘和眼睑的边缘图进行预处理，并改进了Hough变换的决策方法，准确而快速地分割出虹膜区域。     

基于人脸识别的人脸图像质量评估

无约束场景下,低质量的人脸图像不仅浪费计算资源而且降低系统识别率.针对此问题,提出一种基于人脸识别的人脸质量评估方法对人脸图像进行预评估.以人脸识别系统特征提取网络为基础网络在COX数据集上进行微调,并使用微调后网络对COX数据集进行质量分数标定.最后,结合基础网络及质量预测网络并以相应损失函数在标定数据上进行回归学习以获取质量评估模型.实验结果表明,该方法能够有效区分不同质量的人脸图像并提升人脸识别系统性能.     

虹膜定位算法的研究

虹膜识别技术是一种非侵犯性的身份鉴别技术。论文跟踪研究了虹膜定位算法,针对其局限性,做了改进,提出了虹膜图像平滑的方法,并讨论了几何定位和梯度边缘检测相结合的定位方法,使虹膜定位更加迅速。实验结果表明,该方法提高了虹膜定位的速度,并有良好的鲁棒性。     

基于ICA和SVM的虹膜识别方法

提出了一种基于独立分量分析和支持向量机的虹膜识别方法-ICA提取虹膜特征,SVM实现模式匹配.与Gabor小波的方法比较,在编码长度和编码时间方面有较明显地改进.实验结果表明,该算法能够有效地应用到身份鉴别系统中.