基于线性基函数模型的虹膜定位

针对非圆虹膜定位困难的问题,本文提出了一种基于线性基函数模型的虹膜定位算法.该算法将虹膜定位问题看作从虹膜边缘点求虹膜边缘曲线的机器学习问题,先粗定位找到边缘点,再建立线性基函数模型从边缘点求得边缘曲线,从而实现了虹膜的精确定位.与传统的虹膜定位算法相比,所提算法能很好的定位非圆虹膜,而且花费时间只有极少的增加.在CA...     

用Gabor滤波实现虹膜图像纹理编码

针对虹膜纹理的幅度和相位信息特征,利用二维Gabor滤波器族可以很好地模拟皮层简单细胞的二维感受野轮廓,能够最大限度的提供图像局部方向和频率信息的特点,提出一种基于二维Gabor函数族对虹膜图像进行子块分解滤波的改进编码算法。实验结果表明,该方法能有效的提取虹膜纹理特征,从而达到虹膜识别的目的。     

基于边缘识别的虹膜定位算法

为了提高虹膜定位算法的抗干扰能力,本文提出了一种基于虹膜边缘识别的虹膜定位算法.该算法应用图像几何矩函数提取虹膜内外边缘的特征,通过由支持向量机(SVM)训练的分类器进行虹膜边缘点的识别.最后由Hough变换对识别的结果进行参数求解并实现虹膜的定位.本算法经过了CASIA虹膜图形库的实验验证,仿真实验数据表明所提算法不仅具有较快的定位速度和较高的定位成功率,而且性能稳定.     

多特征模糊推理的虹膜识别算法

为了更加完备地描述虹膜的纹理特征,利用虹膜图像灰度信息提取局部特征点、局部纹理方向和局部纹理的亮暗变化三种特征共同构成纹理的特征空间,克服了之前的多数虹膜识别算法提取单一特征易受干扰影响的局限性.然后,通过设计的模糊推理规则进行模式的分类,这种分段线性分类器的设计提高了算法线性分类的能力.分别在两个图库上进行了实验,识别率分别达到99.41%和99.67%,实验数据表明:结合多种特征能较好的反映虹膜的纹理变化特征,提高了虹膜识别的正确率,使算法具有非常优越的识别性能.     

基于瞳孔灰度特征的快速虹膜定位

虹膜定位算法是虹膜识别的关键步骤之一,定位的速度和准确度是衡量虹膜定位算法优越性的标准.本文根据瞳孔区域独特的灰度特征提出了一种快速虹膜定位算法,即先粗定位瞳孔区域,再利用形态学和几何学方法精确定位瞳孔,最后利用微分积分算子在瞳孔定位后分割的区域内进行外圆定位,对中科院虹膜库Version 1.0中的756幅图像进行定位,准确率达到98.80%,平均定位时间为1.5 s,比直接应用Hough变换定位虹膜在速度上有了很大提高.     

一种基于区域标记的虹膜内边缘定位新算法

提出了一种新颖简单的虹膜内边缘（瞳孔）定位算法。首先，采用Soble边缘检测算子和形态学变换进行边缘检测；然后，利用区域标记法为边缘检测后形成的各连通成分赋予相应的灰度值，并利用直方图的方法分离出瞳孔区域；最后，采用投影的方法进行瞳孔的定位，实验结果表明，文中提出的方法能够准确地进行虹膜内边缘定位。     

一种新的虹膜识别算法研究

目的 为了提高虹膜识别的速度和可靠性。方法 根据虹膜识别的特征,提出了虹膜自动身份识别的一种新的算法和虹膜像几何畸变的校正方法。结果 用相关系数来测度图像的匹配结果,证实了该算法是有效的。结论 用本文的算法进行的大量抽样实验显示了主这种算法的正确性和可靠性。     

基于小范围边缘区域搜索的虹膜定位算法

提出了一种基于小范围边缘区域搜索的虹膜定位算法.首先,利用瞳孔的灰度特征对虹膜图像进行二值化及形态学处理,结合对原虹膜图像的Sobel检测结果得到部分虹膜内边界;然后利用Canny算子结合虹膜的几何特征划分出一小范围的外边缘待搜索区域.在待搜索区域中,利用本文根据大量实验提出的虹膜外边界五个特征来确定部分虹膜外边界,最后用最小二乘法来进行内外边界的拟合,从而定位虹膜.实验结果表明,该算法性能稳定,搜索范围小,定位速度大幅提高,且对不同质量的虹膜图像均取得很好的定位效果.     

基于图像抽样的快速虹膜定位算法

提出了一种基于图像抽样的快速虹膜定位算法.首先在抽样图像中搜索瞳孔内一点,并以该点为起点检测粗略的虹膜内边缘点,然后在原分辨力图像中利用梯度算子精确定位内边缘点从而实现内边缘定位;虹膜外边缘定位采用Canny算子和Hough变换实现,由于基于抽样图像进行边缘提取,忽略了虹膜纹理等细节边缘信息,减少了大量外边缘干扰,提高了算法实时性.实验结果表明该算法的定位准确率达到99.47%,定位速度为0.162s.与经典的虹膜定位算法相比,该算法的定位速度有了很大提高.     

基于SVM的多生物特征融合识别算法

针对单生物特征识别的局限性,提出融合手背静脉和虹膜两种生物特征实现身份识别.基于尺度不变特征变换(SIFT)提取手背静脉的局部SIFT特征并对特征点进行匹配,利用特征匹配率作为手背静脉图像的相似度测度.通过Haar小波变换实现虹膜特征编码,利用加权汉明距对虹膜进行相似度测试.最后基于支持向量机(SVM)实现两种生物特征在匹配层的融合识别.利用CASIA虹膜数据库和TJU手背静脉数据库对算法性能进行测试,其等错率为0.02%,实验结果表明,该融合算法具有很高的识别性能,为生物特征识别研究提供了新思路.     

一种改进的虹膜定位方法

本文针对原有基于结构特征的虹膜定位方法提出一种有效的改进方法.本方法主要针对定位容易出现错误的外边界,利用虹膜的结构特征和数学手段,对得到的虹膜外边界点进行验证,必要时通过计算得到准确的外边界点.这样本方法解决了原有方法在眼睑和眼毛对虹膜的遮挡比较严重的情况下难以准确定位的问题.对已有的1200幅虹膜图像(图像大小为640x480)组成的虹膜数据库进行实验,本文算法定位准确率达到99.08%,平均定位时间仅为0.8s,实验验证了该方法的有效性.     

A study on restoration of iris images with motion‐and‐optical blur on mobile iris recognition devices

Iris recognition is a form of biometric technology that authenticates individuals by using the unique iris patterns between the pupil and the sclera. To solve security problems in mobile environments, mobile iris recognition devices have been commercialized recently. A motion‐and‐optical blurred image can be sometimes captured because users capture the iris images of a testee by holding the recognition devices. Motion‐and‐optical blurred images reduce iris recognition accuracy. Previous researches of restoring iris image only dealt with optical or motion blurred image. To overcome these problems, we propose a new method of restoring motion‐and‐optical blurred iris images at the same time. This article presents three contributions over previous research. (1) A new focus assessment method is proposed to measure accurate focus scores regardless of motion blurring. (2) Previous research restored coexisting motion‐and‐optical blurred images in terms of visibility, but in this article, we restored them in terms of recognition. (3) We used a modified CLS (Constrained Least Square) filter to prevent the zero‐crossing of the PSF (Point Spread Function) of motion blurring with a uniform shape. So, the iris recognition accuracy was better than when using a conventional CLS filter. Experimental results showed that the EER was 0.796% when using the proposed method and it was 1.431% when not using the proposed method. Consequently, the EER was reduced as much as 0.635% (1.431–0.796%) when using the proposed method. © 2009 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 19, 323–331, 2009     

一种基于核主成分分析和组合分类器的虹膜识别方法

提出了一种新的虹膜特征提取与识别方法,该方法利用核主成分分析(KPCA)在高维空间具有较强的特征选择能力来提取虹膜图像的纹理特征。采用了一种距离度量和支持向量机相结合的两级分类方法,前级采用欧式距离来度量图像间的相似性,若符合条件,给出分类结果,否则拒绝,并转入后一级分类器——支持向量机分类,以减少进入支持向量机的样本数目,该组合分类方法充分利用了支持向量机识别率高和距离度量速度快的优点。实验结果表明,该方法提高了虹膜识别率,是一种有效的虹膜识别方法。     

基于多通道Gabor滤波和特征融合的虹膜识别方法

多通道Gabor滤波器提取的虹膜特征具有冗余信息并存在部分非有效特征,针对此问题提出了改进方法。对同尺度不同方向的Gabor特征,利用幅值信息进行融合,对融合后特征进行相位编码,并运用海明距离匹配。这样,既保证了高识别性能,又将虹膜特征码压缩为传统方法的1／2,可提高匹配速度,并节约存储空间。还提出一种虹膜图像质量评价方法,可有效鉴别不适于识别的低质量虹膜图像。在CASIA和UBIRIS虹膜库的实验结果表明该方法是有效的。     

基于分段移位的虹膜匹配算法

对于某些虹膜成像装置,同一个虹膜不同次成像的虹膜纹理可能会发生偏移,这种偏移有可能导致虹膜特征编码的偏移,从而直接影响虹膜的特征匹配结果.本文通过对归一化虹膜图像中导致虹膜纹理偏移的影响因素进行了分析,发现这种偏移是有规律的,并针对这种变化规律,提出了一种特征编码分段移位匹配的方法.实验结果表明,本文所提出的方法能够显著降低同一个虹膜不同次成像纹理偏移的特征匹配相异度.     

一种快速有效的虹膜图像预处理方法

为解决虹膜识别中的虹膜定位时间较长、虹膜内边界变形、眼睑和睫毛普遍存在的问题,提出了一种新的虹膜图像预处理方法,该方法对虹膜图像采用数学形态学算子对图像进行处理,合理有效地减少了边缘图像中非虹膜的边缘点;然后对图像直方图采用双直线拟合直方图求取检测眼睑和睫毛的阈值。对中科院自动化所CASIA-IrisV3虹膜数据库的实验结果显示,提出的虹膜图像预处理方法准确快速,能合理有效去除眼睑和睫毛。     

一种新颖的虹膜图像预处理方法

本文提出了一种新颖的虹膜图像预处理方法,该方法打破了传统的定位思想,并且将噪声检测的过程由空间域转到频域来完成.首先,在原始图像上填充瞳孔内的光斑;其次,将人眼图像展开成矩形,在矩形图像上以点线检测代替传统的圆检测确定虹膜的内外边界,并进行归一化;最后在归一化后的虹膜图像上利用2D-Galbor滤波器的方向选择性检测眼毛和眼睑,标记干扰区域.实验证明,该方法可以解决内边界不是理想圆造成的瞳孔遗留或纹理损失问题,而且显著降低了虹膜定位时间,提高了虹膜识别的准确性.