一种改进的虹膜定位算法研究

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能.依据虹膜图像的灰度分布特点,首先对粗定位方法进行改进,包括在利用灰度投影方法粗定位瞳孔圆心及半径的基础上,剪切出虹膜图像中包含瞳孔的图片,冉利用灰度投影法对剪切图片进行粗定位瞳孔嘲心及半径.其次对传统的Canny边缘检测算子进行改进,使其只在垂直方向上检测边缘,并结合Hough变换定位外边缘.实验结果证明了该算法的有效性和可行性.     

虹膜定位算法研究

针对目前已有的虹膜定位算法的局限性,提出一种粗定位和精定位相结合的方法.根据对人眼部的生理特性和采集得到的眼部图像进行分析,先利用灰度投影量的分布特点进行粗定位,再利用变圆模板精定位.实验结果表明,该方法提高了准确度和速度,有效地解决了目前算法处理包含大量脸部区域的虹膜图像时会遇到的困难。     

基于小波分析的混合车牌定位算法

目的提出一种基于小波分析的车牌定位方法,保证车牌定位的准确性,满足车牌识别系统的实时性要求．方法首先对原始图像进行预处理,去除噪声和增强对比度,然后利用原图像的垂直梯度的水平投影实现车牌图像的粗定位,最后利用小波分析提取车牌图像的高频信息,实现车牌精定位．结果通过先粗定位再细定位的方法提高了车牌定位的速度,并且抗噪声能力强,定位效果较好．结论实验证明了该方法的有效性和实用性,为车牌识别系统的后续处理提供了有利条件．     

一种新的虹膜定位算法

针对目前已有的虹膜定位算法存在的局限性,提出了一种利用虹膜图像边缘图像以及虹膜的几何特征进行虹膜定位的算法,先利用Canny算子提取虹膜的灰度边缘图像,然后通过虹膜的圆特性对虹膜进行粗定位,最后利用变圆模板精定位.实验结果表明,该方法提高了准确度和速度,有效地解决了目前算法处理包含大量脸部区域的虹膜图像时遇到的困难.     

一种基于支持向量机的虹膜识别算法

提出了一种基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别方法。利用形态学和圆形边缘检测算子定位虹膜,并将虹膜纹理映射到极坐标空间。定义了一种新的图像分数维--极值加权平均分数维,用于提取虹膜特征。最后,利用支持向量机分类器对虹膜特征矩阵进行匹配识别。试验表明,基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别系统识别率高,速度快。     

基于深度学习的仓储货物监控方法研究

针对传统仓储货物监控存在对管理人员依赖程度较高,并且在发生失窃时不能及时报警等问题,本文设计了一种基于深度学习的仓储货物监控方法.通过摄像头定时抓取图像,获取一定时间间隔的两张图像,采用图像粗定位处理检测图像变化区域,并利用深度学习网络,识别变化区域是否为目标物,实现对仓储货物实时有效地监管和自动报警功能.同时,以仓储...     

基于核Fisher鉴别分析与支持向量机的虹膜识别方法

为了提高虹膜识别系统的识别性能,针对虹膜识别中的特征提取与模式分类问题,提出了一种基于核Fisher鉴别分析（kernel fisher discriminant analysis,KFDA）与支持向量机（support vector machine,SVM）的虹膜识别方法。从采集到的人眼图像中定位虹膜,并对其进行归一化处理;使用核Fisher鉴别分析提取虹膜纹理特征,并通过选择合适的特征个数提高识别的准确率;在得到虹膜特征编码后,用支持向量机进行分类判决。对CASIA虹膜库的测试结果表明,该方法的处理速度是Daugman虹膜识别方法的4.4倍;该方法与Boles虹膜识别方法相比,降低了错误接受率和错误拒绝率。实验结果表明：该方法能更好地提高虹膜的识别率和降低虹膜识别时间。     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术。定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

采用改进HSI模型的车牌区域检测和定位方法

为研制高性能实时车牌照识别系统,提出一种基于改进HSI模型的车辆牌照检测技术,依据转换后的车牌图像纹理特征设计了基于人工神经网络和投影算法的车牌区域检测和定位算法.结果表明,静态图片实验定位准确率98%,车牌检测率91%,得到了很好的车牌定位效果,静态图像处理速度为0.032s/幅,证明提出的定位方法可满足实时系统对识别速度的要求.     

稳健的虹膜定位算法

虹膜定位是虹膜识别的第一步,同时也是最为关键的一步,它将直接影响整个虹膜识别系统的效率和准确率。针对目前已有虹膜定位算法的局限性,该文提出了一种新的基于多分辨率理论的虹膜定位算法。该算法首先在某一分辨率下搜索虹膜内外缘的边界点,然后针对这些边界点进行椭圆曲线拟合。通过大量的实验表明,该算法快速、准确,并能够在一定程度上解决偏视虹膜图像的定位问题和眼睑、睫毛的遮挡问题。     

基于特征图规正的虹膜图像自适应Gamma校正方法

在虹膜图像采集过程中产生的光斑使得整幅虹膜图像的照度不均匀。为了消除照度不均匀对特征提取的影响,本文提出了一种基于特征图规正的自适应Gamma校正方法。该方法将虹膜图像的特征图作为Gamma校正的依据,把距离因素考虑到Gamma校正中,而且利用模拟退火算法实现了关键值Gamma的自适应调整。该方法使Gamma值的变化更加趋于合理,提高了Gamma矫正对光照变化的适应能力,避免了较正后图像的失真。实验证明该方法不仅可以尽可能的提高图像的质量,而且对校正后的图像进行边缘提取,可以获得更加清晰连续的边缘。     

基于双路径残差网络的虹膜图像超分辨率重建

低分辨率虹膜图像所含有效信息较少,实际应用到虹膜识别中会影响识别精度,而图像超分辨率重建技术能够有效解决这一问题。针对虹膜图像的结构和纹理差异,提出了适用于虹膜图像超分辨率的双路径网络结构,设计了双支路残差密集块提取深层虹膜特征,并采用后置放大策略重建图像。针对CASIA-IrisV4虹膜图像库进行了实验,并与主流重建算法进行了比较,发现重建的图像结构清晰,纹理细节丰富。虹膜匹配实验结果表明,该算法的等错误率均为最优,重建图像具有良好的识别效果。     

一种基于分块的虹膜识别方法（研究生论坛）

为了解决低质量虹膜图片识别效果不好的问题,提出了一种基于分块的虹膜识别算法。该方法并不像常规算法一样对整个图片进行识别,而是首先将虹膜区域均等地分割为无重叠的分块,然后对每一个分块提取低秩矩阵作为特征,接着使用稀疏分类器进行分类,最后依据稀疏浓度指数,将各分块识别结果进行贝叶斯融合,由于虹膜图片不同区域的质量不一样,该方法能够降低质量不好的虹膜区域对最终识别结果的影响。在标准虹膜数据库CASIA-Iris-Interval 和 IIT Delhi V1上的实验结果显示该算法拥有较高的正确识别率,且对于低质量的虹膜图片具有较强的鲁棒性,对分块和训练图片数量的研究表明,将虹膜区域分为8个分块较为合适,使用7张训练图片就能够很好的表示一类。     

基于灰度梯度的虹膜定位方法研究

利用虹膜识别进行身份认证,是一种准确有效并具有巨大发展潜力的身份认证技术,本文基于人眼图像的灰度几何特性,介绍了一种基于微分积分圆形检测算子的虹膜定位方法,并对真实图像进行了检测实验,结果表明,该方法能有效准确地进行虹膜的内外边界定位,从而为虹膜模式分析和识别奠定良好基础。     

快速有效的虹膜图像分割方法

针对影响虹膜识别性能的眼睑及睫毛遮挡以及瞳孔边界非标准圆等情况,提出一种新的虹膜图像分割方法．采用活动轮廓模型技术计算出瞳孔的精确边界;根据归一化虹膜图像水平方向灰度信号的小波模极值点在尺度空间的演化计算得到眼睑遮挡边界上点,并利用多项式拟合确定眼睑遮挡部分;最后结合一维Gabor滤波的眼睫毛检测结果实现有效的虹膜图像分割．与现有分割方法相比,消除了瞳孔传统圆模型给归一化虹膜图像带来的畸变影响,避免了传统眼睑边界检测过程中涉及的四维参数空间搜索范围问题,降低了算法实现复杂度．在CASIA图像库上的实验结果表明该方法可将系统识别等错误率从8%降低到4.4%．     

虹膜识别关键技术研究

虹膜识别是一种新颖的基于生物特征的身份鉴别方法，在信息及安全领域有着重要的砬用价值．在总结前人工作的基础上，就虹膜成像、虹膜区域定位、预处理机虹膜纹理编码等关键技术进行了讨论，给出了一些相关的改进及创新算法，实现了一套基于虹膜识别的身份认证系统，实验结果验证了工作的有效性．     

虹膜特征提取和匹配的几种主要算法研究

虹膜的身份识别在国际上已成为一个研究的热点领域。本文主要比较了虹膜特征提取和匹配的几种主要算法,分别说明了Gabor变换、傅里叶变换和小波变换的优点与不足,并指出相对而言,小波变换更适合应用在虹膜图像的识别中。     

基于B样条FFD模型配准的虹膜图像融合方法

通过摄像头得到的虹膜图像的纹理通常是模糊的,不能直接用于虹膜识别。但是由于虹膜纹理会随着瞳孔的缩放发生非刚性形变,直接对虹膜图像融合无法得到良好的效果。本文采用基于B样条的FFD(free-form deformation)模型对图像进行配准,然后用小波进行融合,为下一步的虹膜识别提供了合适的图像。通过该方法得到的融合图像直观上细节信息更多,并通过熵进行了度量。