一种基于圆几何特征的虹膜定位算法

虹膜定位是虹膜识别中基础性环节,其精度和速度决定了虹膜识别系统的性能,为提高虹膜定位的速度,提出一种基于圆几何特征的虹膜内边缘定位算法,利用内外边缘中心的耦合特性缩小微积分方法搜索外边缘的范围。试验结果表明,与经典虹膜定位算法相比,本算法快速、精确、鲁棒。     

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.     

一种基于几何原理的虹膜定位算法

虹膜定位是虹膜识别系统中很重要的组成部分,其中定位的速度及准确率是重要的因素。结合人眼的结构特征设计了虹膜定位算法。算法先定位出瞳孔内任意一点,再用边缘检测模板检测出不共线三点定位出内边缘。算法提出用比较四点两次的定位结果来确定外边缘。对已有的755幅虹膜图片进行定位,准确率达98.15%。并且应用简单的几何原理使得算法的鲁棒性能得到保证。     

基于综合特征的虹膜定位的算法

提出了利用虹膜边缘图像的几何特征以及相交弦的性质进行虹膜定位的快速算法，首先利用虹膜图像的整体灰度分布信息，利用边缘检测算子提取虹膜的内边缘图像，然后利用圆的相交弦性质以及投票策略提取虹膜中心，最后利用Hough交换的半径直方图投票提取虹膜内外径，实验结果证明了算法提高了虹膜定位的速度并具有较强的抗干扰能力。     

基于几何特征的虹膜定位算法

提出了利用虹膜边缘图象的几何特征以及圆相交弦的性质进行虹膜定位算法 .首先根据虹膜图象的整体灰度分布信息 ,利用边缘检测算子提取虹膜的内边缘图象 ,然后利用圆的相交弦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策略提取虹膜内外径 .通过仿真实验的对比结果表明 ,该算法提高了虹膜定位的速度 ,同时对噪声具有一定的鲁棒性     

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.     

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。     

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。     

结合人眼特征和几何方法的虹膜定位方法

虹膜定位是虹膜识别系统中重要的预处理过程,其定位精度和速度决定了虹膜识别系统的性能。就此,根据人眼的特征,结合几何方法,提出了一种快速准确的虹膜定位算法。该算法根据瞳孔内部灰度特点,在瞳孔内找到一点。利用边缘检测模版,依据该点,分别在虹膜内边界和外边界上找到各自不共线的三个边界点,构成两个直角三角形。根据几何原理,这两个直角三角形的斜边分别为内外边界圆的直径,从而定位虹膜边界参数。大量实验证明,该算法在速度和精度上相比经典定位算法均有提高。     

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。     

虹膜定位的快速算法

基于眼睛图像的几何特性,提出了一种基于最长弦的瞳孔定位算法,该算法能快速地检测到瞳孔的位置。由于图像中的瞳孔并不是规整的圆形,此方法与传统的基于圆灰度梯度检测算子的瞳孔定位算法相比能够更好地拟合瞳孔边界。在精确地定位瞳孔之后,根据瞳孔和虹膜近似同心的特性,利用圆灰度梯度检测算子在小范围内搜索虹膜的外边沿。与传统的虹膜定位方法相比,此算法避免了搜索的盲目性,提高了虹膜定位的速度和精度。     

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。     

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．     

基于直线检测的虹膜快速定位方法

首先通过灰度投影法确定坐标转换原点,将直角坐标下的虹膜内外边缘圆转换成极坐标下的类直线,再引入辅助校正点手段定位虹膜的内边缘和圆心．利用改进Canny算子及曲线拟合定位虹膜的外边缘及圆心,提高了虹膜定位的精确度．实验结果表明：该算法具有较强的鲁棒性,能较好地定位质量不高的虹膜图像,且虹膜定位时间平均为0．1S,适用于实时虹膜图像识别．     

基于Snake模型的虹膜定位算法

虹膜识别被认为是目前最准确可靠的生物特征识别方法．快速、准确地定位虹膜是虹膜识别系统的关键．提出一种基于Snake模型的虹膜定位算法：采用Canny检测算子定位虹膜内边缘，运用Snake模型锁定虹膜外边缘．实验表明，该方法速度快、精度高，并且具备良好的鲁棒性．     

基于深度反卷积网络的虹膜定位方法研究

精确而快速地进行虹膜定位是有效地进行虹膜识别的重要前提.传统的虹膜定位方法有Daugman定位法、Hough变换定位法等,但其对睫毛比较浓密、虹膜被遮挡较多等情况下的图片处理效果不是很好.文章在总结前人工作的基础上,实现了一套基于深度学习的虹膜定位系统.该系统利用深度学习方法,根据虹膜图像区域的特点,对图像进行像素级分类.根据像素分类结果,可以很好地标识虹膜区域和非虹膜区域,达到定位识别虹膜区域的目的,并在中国科学院自动化所公布的虹膜数据集CASIA-IrisV3-Interval上验证了文章工作的有效性,像素分类精度达到约98.4％,达到了较高的鲁棒性.