一种结合Snake与GAC模型的虹膜定位方法

为了提高虹膜定位的精度和可靠性,采用改进的Snake模型和改进的GAC模型分别定位虹膜的内外边缘。对于虹膜内边界,在传统的Snake模型的基础上,引入GVF力场代替原有的传统外力场,完成Snake模型对虹膜内边缘的定位。对于虹膜外边界,在传统的GAC模型的基础上,引入非负常数项作为演化收缩力,使其方向指向对象内部,从而实现GAC模型对虹膜外边缘的定位。采用CASIA虹膜库进行了大量实验,结果表明该方法与经典的虹膜定位算法相比,定位速度更快,抗噪性更强,定位更准确。     

一种改进的虹膜图像分割算法

如何迅速、准确地分割虹膜区域是基于虹膜图像的身份鉴别技术的一个研究热点和难点。本文结合虹膜图像的特点，在内边缘的定位中采用了阈值化结合最小二乘估计的方法；对外边缘和眼睑的边缘图进行预处理，并改进了Hough变换的决策方法，准确而快速地分割出虹膜区域。     

基于区域生长与Hough变换的虹膜定位方法

快速、准确地定位虹膜是虹膜识别系统的关键。在分析了传统虹膜定位算法的基础上,提出了一种把区域生长与Hough变换相结合的虹膜定位方法,利用区域生长搜索虹膜的内边缘,根据图像的灰度变化规律,搜索位于外边缘的若干个点,利用Hough变换找出外边缘所在位置。实验结果表明,该方法易于实现,减少搜索的盲目性,可提高定位速度。     

一种利用分块统计的虹膜定位算法

虹膜识别是一种新兴的生物特征识别技术，而虹膜定位是虹膜识别的重要步骤，因而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。为了能够快速地进行虹膜定位，在简要介绍现有的虹膜定位算法的基础上，提出了一种新的利用分块统计的虹膜定位算法。由于虹膜边缘可以简单地用圆周描述，因此，该算法第1步先阈值化分割图像，以分别建立虹膜和瞳孔的二进制位图；第2步用游长编码的方法来寻找最大色块的质心，并计算边界点到质心距离的均值。实验结果表明，对于虹膜定位而言，该算法是实用而且有效的。     

一种新的虹膜定位方法

针对现有虹膜定位算法的局限性,提出了一种新的虹膜定位的方法.先对虹膜图像进行预处理,用canny边缘检测算子检测得到虹膜内边缘;再通过二次canny边缘检测对虹膜外边缘进行粗定位,然后分小区域对虹膜外边缘实现多阈值边缘检测,从而获得真实边缘,再利用虹膜内外边缘之间的耦合关系,结合最小二乘法实现虹膜外边缘的定位.实验结果表明,此方法能比较快速准确地定位出虹膜的内外边缘.     

一种新的虹膜归一化算法

根据在虹膜归一化算法研究中遇到的问题，在虹膜定位的基础上，介绍了虹膜归一化算法，并对虹膜归一化算法进行了改进，将瞳孔真实边缘作为归一化内边界。实验结果表明，新算法有效的去除了黑点并保留了虹膜原有信息。     

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。     

基于数学形态学的快速虹膜定位方法

虹膜定位是虹膜识别中非常关键的一步，是影响整个系统实时性的主要因素和瓶颈。运用数学形态学方法的思想，用膨胀、腐蚀运算求取虹膜图像的内外边缘，对虹膜进行快速定位。实验结果表明，基于数学形态学的虹膜定位的方法具有定位速度快，定位准确性较高的特点。比较适合于实时性的系统。     

虹膜内外边缘的快速定位算法

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能。论文提出一种基于Hough变换的虹膜定位算法,根据虹膜图像特点,先对其进行预处理,再用灰度投影法粗定瞳孔圆心;通过对虹膜内外边缘的“先采样后变换”,减少Hough变换的运算量;利用虹膜内外边缘之间的耦合关系,由内至外精确地确定出边缘。对300多幅虹膜样本的处理结果表明,此算法快速、精确、鲁棒。     

基于改进的Hough变换的虹膜定位算法

提出一种改进的Hough变换(HT)的虹膜边界定位算法,解决标准HT虹膜定位算法计算量大,且定位不够精确的问题.根据人眼图像的几何分布特征,通过有目的地选择特定子图像块作为虹膜边界定位的目标区域,对目标区域进行边缘检测、噪声屏蔽和阈值选取二值化,再进行HT.实验结果表明该算法能够以较少的计算代价准确地定位虹膜内、外边界.     

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。     

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。     

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。     

Efficient and robust segmentation of noisy iris images for non-cooperative iris recognition

This paper describes the winning algorithm we submitted to the recent NICE.I iris recognition contest. Efficient and robust segmentation of noisy iris images is one of the bottlenecks for non-cooperative iris recognition. To address this problem, a novel iris segmentation algorithm is proposed in this paper. After reflection removal, a clustering based coarse iris localization scheme is first performed to extract a rough position of the iris, as well as to identify non-iris regions such as eyelashes and eyebrows. A novel integrodifferential constellation is then constructed for the localization of pupillary and limbic boundaries, which not only accelerates the traditional integrodifferential operator but also enhances its global convergence. After that, a curvature model and a prediction model are learned to deal with eyelids and eyelashes, respectively. Extensive experiments on the challenging UBIRIS iris image databases demonstrate that encouraging accuracy is achieved by the proposed algorithm which is ranked the best performing algorithm in the recent open contest on iris recognition (the Noisy Iris Challenge Evaluation, NICE.I).     

基于Adaboost算法的虹膜合格状态检测

虹膜图像的采集是业界公认的难点,也是制约虹膜识别广泛应用的主要原因。怎样快速方便地采集到一幅清晰度足够并且有丰富纹理的高质量虹膜图像,对虹膜识别的速度和准确度都起着至关重要的作用。提出了一种基于Adaboost的虹膜图像合格状态检测和定位算法,能够快速有效地一次性检测出虹膜图像采集中的各种不合格图像,例如图像中没有完整眼睛、眼睛睁开程度不够、闭眼、斜视、运动模糊等。大量实验结果表明,该算法具有较好的检测准确率,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求。对于检测合格的图像,还可以大致定位出虹膜在图像中的位置,为后续的虹膜定位节省时间。     

Neural network based biometric personal identification with fast iris segmentation

This paper presents the iris recognition system for biometric personal identification using neural network. Personal identification consists of localization of the iris region and generation of a data set of iris images followed by iris pattern recognition. In this paper, a fast algorithm is proposed for the localization of the inner and outer boundaries of the iris region. Located iris is extracted from an eye image, and, after normalization and enhancement, it is represented by a data set. Using this data set a Neural Network (NN) is used for the classification of iris patterns. The adaptive learning strategy is applied for training of the NN. The results of simulations illustrate the effectiveness of the neural system in personal identification. Recommended by Guest Editor Phill Kyu Rhee. This work was supported by the Near East University. The authors would like to thank Institute of Automation, Chinese Academy of Sciences for providing CASIA iris database. Rahib Hidayat Abiyev was born in Azerbaijan, in 1966. He received the Ph.D. degree in Electrical and Electronic Engineering from Azerbaijan State Oil Academy (old USSR) in 1997. He worked as a Research Assistant at the research laboratory “Industrial intellectual control systems” of Computer-aided control system department. From 1999-present he is working as an Associate Professor at the department of Computer Engineering of Near East University. He is the Chairman of Computer Engineering Department. His research interests are softcomputing, pattern recognition, control systems, signal processing, optimization. Koray Altunkaya was born in Turkey, in 1982. He received the MSc. degree in Computer Engineering from Near East University, North Cyprus in 2007. He is working as an Research Assistant at the research laboratory “Applied Computational Intelligence” of Computer Engineering Department. His research interests are image processing, neural networks, pattern recognition, digital signal processing.     

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。