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。     

采用有向梯度与RANSAC的虹膜定位算法

针对虹膜图像中有较多光斑的情况,提出一种基于有向梯度和随机抽样一致性（RANSAC）相结合的虹膜定位算法。该算法根据瞳孔内某点利用有向梯度提取内缘像素点,采用RANSAC定位虹膜内缘;下采样虹膜图像,利用圆差分算子在瞳孔左右两侧拟合出两个圆,进而合并为一个圆;根据圆的参数在虹膜图像中快速精确定位外缘。实验结果表明：该算法在正确率、定位速度和鲁棒性方面均优于传统的虹膜定位算法。     

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.     

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．     

基于二维小波变换的圆形算子虹膜定位算法

为了提高虹膜定位的准确率和速度,提出了一种基于二维小波变换的Daugman圆形算子虹膜定位改进算法。首先采用阈值法分割瞳孔,使用边缘检测算子检测瞳孔区域边缘定位虹膜内边缘,然后采用二维小波变换对人眼图像处理以降低图像分辨率,以代替Daugman圆形算子中的平滑函数处理,最后采用圆形边缘检测算子计算滑动窗内的圆形边缘,比较滑动窗口的圆内区域与圆外区域的灰度均值来定位虹膜外边缘。仿真结果表明该算法定位虹膜内外边界的平均时间为1.85s,准确率为99.6%,在虹膜识别系统中有较高的实际应用价值。     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

基于形态学方法的虹膜快速定位算法

为提高虹膜的定位速度,提出一种粗定位与精定位相结合的虹膜快速定位算法。首先,利用阈值对人眼图像进行分割提取瞳孔,对二值化瞳孔区域进行形态学开运算去除瞳孔区域外睫毛等噪声点;然后选用一系列半径递增的结构元素对瞳孔区域进行形态学腐蚀操作,根据腐蚀结果粗略定位虹膜内边缘;最后利用圆梯度算子对虹膜内外边缘进行精确定位。对CASIA（version 1.0）虹膜数据库中100多幅虹膜图像进行定位实验,文中算法平均耗费时间为1.22秒,圆梯度算子耗时10.8秒,Hough变换方法耗时15.7秒。定位结果表明,文中算法对不同质量的虹膜图像定位速度快,精度高,鲁棒性强。     

改进的快速虹膜定位算法

针对虹膜的灰度分布特点,提出了一种粗定位和精定位相结合的虹膜定位算法。首先,通过k-mans聚类算法对图像进行动态阈值分割,分离出瞳孔区域,利用圆的几何特性进行粗定位;然后运用Gauss滤波降低噪声干扰和Canny算子进行边缘检测,结合粗定位的结果,应用Hough变换进行精定位,以快速提取虹膜内外边缘。实验表明,该方法能准确快速地定位虹膜的边界以满足实时性要求。     

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。     

三次B样条曲线拟合的虹膜定位

采用圆检测定位虹膜内外边界的方法是当前虹膜定位的主流算法.当虹膜图像分辨率很高时,圆曲线不能准确地拟合虹膜真实边界,特别是受瞳孔收缩影响很大的内边界.而采用三次B样条曲线能够很好地拟合内边界.为了提高定位效率,首先运用质心探测方法分割出瞳孔区域,然后在瞳孔区域中搜索内边界点,采用三次B样条曲线精确拟合内边界;最后利用Canny算子检测外边界,并采用圆曲线的最小二乘拟合外边界.运用Bath大学虹膜库中的1000幅虹膜图像对该定位算法进行测试,内边界定位时间0.0203s、准确率99.2％;外边界定位时间2.0277s,准确率98.9％,满足准确、高效的定位要求.     

灰度分布特征的虹膜定位算法研究

为克服浓密睫毛、眼睑等噪声对虹膜定位算法的影响,提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径。而对于虹膜的外边缘,则采用形态学中的闭运算去除虹膜区丰富的纹理,并设计了一个边缘检测模板,在小范围内搜索虹膜外边界的上下左右4个边界点进而确定虹膜的圆心、半径。对比的仿真实验表明：该算法不仅在计算精度和速度上都有很大提高,而且具有较好的鲁棒性。     

一种快速虹膜定位方法

虹膜定位是虹膜识别中非常重要的一个环节。首先利用灰度平均值法找到瞳孔内初始定位点,并提出一种通过边缘检测模板的新瞳孔定位方法,同时引入C-均值动态聚类分析法提高定位精度。然后在外边界粗定位的基础上,改进了虹膜外边界的精确定位方法,采用此种粗定位与精定位相结合的方法极大缩短了虹膜定位的时间,提高了定位的准确性。大量实验表明,该虹膜定位方法简单可靠,精确度高,取得了非常好的定位效果。     

基于并查集和边缘检测模板的非理想虹膜定位

非理想虹膜图像往往存在虹膜边缘模糊、灰度变化不均匀、位置偏移及光斑干扰等问题, 这些问题的存在会在一定程度上影响虹膜内、外边界定位的准确率. 针对这个问题, 本文提出采用并查集和边缘检测模板的方法来对非理想虹膜进行内、外边界定位. 内边界定位是首先采用并查集方法完成瞳孔区域粗定位, 然后采用Hough变换对瞳孔进行精确定位; 外边界定位是先利用一系列边缘检测模板大致确定外圆的位置, 然后再依据外边界附近圆环内边缘点的密度来最终完成外边界的精确定位. 实验结果表明, 对于非理想虹膜图像, 本文方法的定位正确率和定位速度均高于其他同类方法.     

基于行列扫描的虹膜定位算法

提出一种新的虹膜定位方法。首先用灰度门限法提取虹膜的内边界象素点，然后对瞳孔内部一定灰度范围内的值进行二值化填充，用行列扫描的方法去除瞳孔外围的杂点，初步定位出瞳孔的圆心和虹膜的圆心，最后应用最小二乘法拟合获得精确的瞳孔和虹膜的圆心及半径。     

Detecting precise iris boundaries by circular shortest path method

The problem of detecting precise pupil border in eye image given its initial circular approximation is addressed with circular shortest path method. Brightness gradient direction is employed to choose image pixels, which may belong to pupil boundary. Using initial approximate circles allows the method to work in a narrow ring, which contains only single pupil contour. Under these conditions the method allows to correctly handle almost all images used for iris recognition tasks and appears to be more precise than human expert in marking the pupil border. The method was tested with public domain iris databases, containing more than 80000 images totally. Experiments show that refinement of pupil border increases precision of iris recognition.     

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.     

一种基于形态学的虹膜定位快速算法

针对有眼睑、睫毛、光斑干扰的虹膜图像的定位速度慢且不精确等问题,提出了一种快速精确的虹膜定位算法。利用灰度投影法和形态学实现瞳孔的粗定位,再分别利用Hough算法和圆周差分算法在小范围内对虹膜内外边缘进行精定位,采用改进后的模板检测法和圆周梯度法定位眼睑,运用灰度阈值法结合形态学检测睫毛。实验结果表明,该算法在定位速度和准确率上都达到了非常好的效果。