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。     

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。     

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。     

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.     

基于感兴趣区域的快速虹膜定位方法*

为解决虹膜图像受光源影响和二值化边缘提取困难的问题,提出一种新的定位方法。该方法首先对瞳孔进行粗定位;然后在瞳孔粗定位的基础上,合理选择感兴趣区域;其次在此感兴趣区域利用行梯度极值取得虹膜外边缘的二值化图像;最后利用最小二乘法计算出虹膜外边缘的圆心和半径。实验结果表明了该算法的有效性。     

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。     

最小方差搜索圆心的快速虹膜定位算法

为了改善虹膜识别的实时性,提出一种新的快速虹膜定位方法。首先对虹膜图像进行去噪处理,然后采用类间方差法对图像进行阈值分割,再运用投影方法粗略得到虹膜内边缘圆心和半径,最后根据粗定位得到内边缘圆周参数,采用所提出的算法对虹膜内边缘进行精定位;对于外边缘定位,依据先验知识以及内边缘圆周参数去掉虹膜图像多余的边缘点及噪声点,缩小搜索范围,然后采用同样的算法对外边缘进行精定位。实验结果表明,该方法能够准确快速的定位出虹膜内外边缘,定位速度较传统算法提高了十倍左右,并且减少了传统定位算法搜索的盲目性。     

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。     

一种新的基于纹理边缘检测的虹膜定位算法

针对虹膜边缘图像提取的主流方法,提出了一种跳过虹膜外边界检测的直接提取虹膜图象的新方法。首先,根据人眼图像的整体灰度分布特征,用灰度投影的方法进行阈值分割,定位出瞳孔,然后对虹膜边缘进行增强操作并提取边缘信息得到边缘图象,最后以过瞳孔圆心水平直线像素的扫描确定一估计虹膜纹理所在之半径,并以此半径向外搜索分析半环上的像素点直到得到精确的虹膜纹理区外边界止。实验结果表明,该方法整体上提高了虹膜提取及后续的识别速度,并且具有较好的定位效果。     

基于主动轮廓线的虹膜定位方法

如何有效地定位虹膜在图象中的位置,是虹膜识别的关键问题之一。论文提出一种基于主动轮廓线的方法——Snake-Daugman(SD)法——来定位虹膜的边界,先用灰度投影的方法检测出瞳孔内的一点作为瞳孔的伪圆心,该点不要求一定在瞳孔中心附近,只要能落在瞳孔内部即可;然后以该点为中心,在其周围等间隔地取几个点作为初始的snake,按照snake的运行机制不断进化,直到虹膜的内边界为止;接着,计算进化后的snake的形心和snake上的控制点与该形心的距离,取其平均值作为瞳孔的半径,形心作为瞳孔的圆心,即可准确定位出虹膜内边界的位置;最后,以瞳孔的圆心为圆心,以瞳孔的半径为虹膜外边界的初始搜索半径,按照简化了的Daugman方法定位虹膜的外边界。实验表明,与常见的定位方法——Hough变换和Daugman的圆形检测算子——相比,文中的方法速度快,精度高,而且,该方法对瞳孔初始的伪圆心的要求并不高,鲁棒性更强。     

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.     

一种虹膜实时定位新方法

针对现有虹膜定位算法的某些局限性,提出了一种新的虹膜定位方法。先用灰度小于某阈值对虹膜图像纵向与横向计数,以其各计数的最大值取四分之一处连续连通的最大区定位瞳孔的中心与长短半轴,这样可消除光斑、睫毛的影响;再充分利用已经求得的瞳孔中心的位置参量,设定虹膜外边缘的圆心与瞳孔中心相差5个像素,在幅角θ取值限定在（-45°,45°）U（135°,225°）的范围用最大梯度圆法定位虹膜外边缘,这样可消除眼皮和睫毛的干扰。实验结果表明,该算法对虹膜定位具有实时性好、速度快等特点。     

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。     

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。     

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。