虹膜识别算法的研究及实现

Daugman提出的虹膜识别算法具有准确性高，速度快的，但是有关该算法的具体实现却未见文献报道。对Daugman的算法进行了研究，工尝试该算法的实现，提出了一种新的粗定位和精定位相结合的算法来快速位虹膜。在滤波过程中仅利用了实部滤波器就可减少代码长度，而不影响识别效果，其中包括图像的预处理，多尺度2D Gabor滤波器的构造，虹膜码及Hamming距离的计算等。实验结果表明，该方法计算速度快，提取特征的效果好，可用于实际的身份鉴别系统。     

一种快速的虹膜定位算法

针对虹膜定位存在速度慢,外边缘模糊导致提取困难等问题,提出一种利用灰度直方图增强对比度,粗定位与精定位结合的三步定位算法。首先利用灰度投影粗定位出瞳孔圆心,再根据灰度直方图将图像二值化后,用算子提取边缘,然后通过粗略搜索缩小搜索范围,最后实现精确定位。试验表明,本算法减少了传统方法中搜索的盲目性,解决了外边缘定位效果不佳的问题,对图像质量要求不高,且快速有效,精度高。     

一种新的基于结构特征的虹膜识别算法

提出了一种新的基于结构特征的虹膜识别算法。其基本思想是：首先,通过图像预处理得到归一化的虹膜图像;其次,利用逻辑判断的方法在虹膜图像上寻找局部极小值点;再次,去掉伪特征点,生成固定长度的虹膜编码;最后,计算2个虹膜编码间的“与”距离,根据该距离给出识别结果。在该CASIA虹膜图像数据库上进行了大量的实验,结果表明,该算法与现有的虹膜识别算法相比,识别准确率更高,识别速度更快。     

基于局部方向特征的虹膜识别算法

特征提取和匹配是虹膜识别中的关键部分.本文描述了一种新颖的虹膜特征提取和匹配方法,利用多方向的二维奇对称Gabor小波来提取虹膜纹理的局部方向特征.特征匹配采用类似欧氏距离的方法来进行.同时对每一幅虹膜图像,采用它的眼睑和睫毛以及反光的分布做为匹配模板,能够最大程度的减少它们的干扰.实验结果表明,本算法具有非常好的识别性能.     

一种新颖的基于小波变换的虹膜识别算法

虹膜识别是一种新兴的生物识别技术,研究了虹膜图像的快速定位、增强等预处理方法,并提出了一种新颖的基于二维小波变换的虹膜识别算法,它的基本思想是:对预处理得到的虹膜图像进行四层小波分解,对得到的低频和高频系数抽取115维特征矢量,最后用汉明距离进行图像匹配判决合法性.实验证明,该算法运算速度较快,在图像模糊、噪声干扰等不利条件下仍具有良好的稳健性.     

一种新颖的虹膜识别算法

虹膜识别通常包含虹膜定位、特征提取以及编码和识别几个关键步骤。本文提出的算法从建立虹膜灰度图像的直方图入手，分析虹膜边界的灰度阈值，依靠投票机制完成虹膜的定位；然后根据人眼的生理构造特点将虹膜分区，再对经过分区处理形成的虹膜纹理特征图像用一维连续Gabor复小波提取虹膜纹理特征点的相角信息；最后对相角信息以二比特格雷码实现一次编码和循环差分二次编码，利用特征多项式计算进行比较的两个虹膜的特征差异矩值(P_frfs)，根据判定阈值(P0)判定，最终实现虹膜识别。     

一种快速虹膜定位算法的研究

提出一种结合梯对检测和随机圆检测（RCD）的虹膜定位方法。通过对原始图像作滤波,提取图像梯度和边缘像素集合。按照梯度对满足条件搜索边缘图像中的梯度对,用梯度对计算圆的参数,通过统计计算来完成内圆定位。在处理后的边缘图中按规则随机取4点,根据RCD准则判断4点是否共圆,用公共圆判据完成虹膜外圆的分割。实验结果表明,该方法有效可行,可达到98．1％的成功定位率,并缩短了运算时间,减少了系统对内存的需求。     

基于Hough变换的快速虹膜识别算法研究

为了快速、准确地达到虹膜识别的目的,提出一种基于Hough变换的快速虹膜识别算法。首先,对虹膜图像进行相关预处理,其中包括将原图像缩小若干倍,利用Hough变换提取虹膜圆环后,再还原图像;其次,利用2D-Gabor滤波器提取虹膜纹理信息;最后,利用Hamming距离进行虹膜识别。采用虹膜库中30例虹膜图像对该快速虹膜识别算法进行实验研究,结果表明:对虹膜图像缩小倍数应为22n(n=1,2,3,…)倍;当虹膜图像缩小倍数为16倍时,可实现计算速度与识别效果的最佳平衡。实验证明,该虹膜识别方法可行有效。     

一种基于圆周差分法的新颖虹膜定位算法

虹膜定位是虹膜识别中非常重要的一个环节.Daugman提出的圆周差分定位法鲁棒性和精确性较好,但当在整幅图像中搜索虹膜时,将非常的耗时,同时也会因为受到睫毛等的干扰而降低定位的精确性.本文在圆周差分方法的基础上,利用行、列的灰度信息和直方图来实现瞳孔的粗定位,然后采用一种新颖的快速迭代搜索方法来实现瞳孔和虹膜的精定位.采用此种粗定位与精定位相结合的方法极大的缩短了虹膜定位的时间,提高了定位的准确性.通过对大量虹膜图像的定位实验表明,新方法取得了非常好的结果.     

二维Gabor滤波器组的设计及虹膜识别的实现

分别总结了二维Gabor滤波器组的频率、角度、尺度因子关键参数与可分性指标的影响规律,设计出滤波器各参数的最优值。合适的角度补偿系数提高系统对头部倾斜、眼睛旋转等情况的自适应性。实验证明,按照优化理论设计的滤波器参数组和角度补偿系数大大提高了系统的识别性能和稳健性。最后,在自建虹膜图像数据库THP-Iris V1.0上对该系统进行测试和性能评价。测试结果表明,可分性指标为7.64,等错率为0.064%。     

一种新颖的自适应虹膜识别方法

提出了一种新颖的自适应虹膜识别方法.首先,进行虹膜定位和上下眼睑拟合,然后对虹膜图像进行归一化操作,得到512列×64行的矩形虹膜图像,自适应地确定有效虹膜区域;其次,在虹膜有效区域内,利用纹理的方向信息、长度信息、宽度信息、邻域的灰度信息找出所有的虹膜特征点;再次,对特征点进行方向编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.实验证明,该方法可以达到99.472%的识别率,能够满足虹膜识别要求.     

用于虹膜特征提取的Gabor滤波器参数选取方法的研究

分析了Gabor滤波器各参数在纹理特征提取中的作用,建立起一套完整的适用于虹膜纹理特征提取的滤波器分析与参数选择方法.该方法通过纹理宽度确定Gabor滤波器的频率调制因子,冉根据其它参数与频率调制因子的关系确定各参数取值.实验结果证明依据本文方法设计的滤波器组提取虹膜纹理特征效果好,可以达到比较高的识别率.     

基于Gabor和PCA的面部图像识别方法

文中利用Gabor变换和PCA降维的优点,提出了Gabor+PCA的面部图像识别方法.该方法先提取图像的Gabor特征,然后将Gabor特征与原图像特征结合构成新的融合特征并用PCA降维,最后用KNN分类器分类.所提Gabor+PCA方法不仅能挖掘出图像的细节信息,而且拓宽了特征空间的维数.另外,Gabor+PCA方法...     

基于局部分块特征的快速虹膜身份鉴别算法

提出一种新的虹膜身份鉴别算法.首先将灰度虹膜图像等分为若干个子图像,再将每个子图像等分为若干个子区域,将各点梯度之和最大的子区域中心点坐标作为各子图像的特征,各子图像的特征构成了该虹膜图像的特征矩阵,最后通过特征矩阵在空间上直接对准的方法进行匹配识别.给出了子图像和子区域大小的选择方法,同时给出了在人眼自然张开状态下不受遮挡干扰的可用虹膜区域大小对识别效果的影响.克服了之前人为规定子图像和子区域大小和选取固定可用虹膜区域大小提取局部纹理特征所带来的局限性.实验表明:1)人眼自然张开状态下,在虹膜区域超过50%不受遮挡时即可完成识别;2)算法运行速度快且对采集图像时左右各7°以内的旋转失真具有很强的容错能力.     

基于局部频率特征和局部方向特征的虹膜识别算法

描述了一种不同于现有方法的新颖虹膜识别算法,利用多尺度多方向的二维奇对称Gabor滤波器,同时提取虹膜纹理的局部频率特征和局部方向特征.这种方法更全面的描述了虹膜纹理的特征空间,克服了之前的虹膜识别算法只提取局部频率特征或者只提取局部方向特征的局限性.特征匹配采用类似加权市街距离的方法来进行,而且根据眼睑和睫毛的分布特点设计匹配模板,能够最大限度的减少它们对匹配的干扰.与Daugman算法进行对比的实验数据表明,本算法具有非常优越的识别性能.     

虹膜识别中噪声的检测与处理方法

眼睑、睫毛会严重干扰虹膜定位的准确性,同时也会大大降低虹膜识别的性能,是虹膜定位和识别的主要干扰噪声。为了减少这些噪声对虹膜识别的影响,提高虹膜的识别率,本文采用一种计算与水平方向成不同夹角的弧线上的梯度积分的方法来定位上眼睑,采用径向对称检测下眼睑;采用灰度阈值法检测成块的睫毛,采用改进的二维Log-Gabor小波的实部滤波器来检测稀疏的睫毛。实验表明该算法能够有效去除眼睑和睫毛造成的干扰,提高了虹膜识别性能。     

一种新的虹膜图像预处理方法

为了实现具有高准确性的非侵犯性虹膜识别,讨论了人眼图像中存在的由于虹膜识别的非侵犯性所造成的一些问题,提出了一种新的虹膜图像预处理方法.该方法包括内边界定位、眼睑检测、眼毛检测、外边界定位、虹膜归一化等操作.经该方法预处理得到的虹膜图像不包含眼睑和眼毛等干扰,使虹膜特征提取和匹配等过程不会受到各种干扰的影响,从而保证虹膜识别方法的健壮性.在多种图像库中的人眼图像上进行实验的结果证明,该方法能够有效地解决人眼图像中存存的问题,具有理想的准确性和较快的执行速度.