一种新颖的虹膜图像噪声检测方法*

为提高虹膜识别的正确率,针对虹膜图像中存在着眼睫毛和眼睑这两类较难检测的遮挡噪声,在分析现有检测虹膜噪声算法的优缺点后,提出了一套新颖的虹膜图像噪声检测方法：基于Gabor滤波变换的灰度均值法检测睫毛和利用最小二乘法检测眼睑。实验表明,该算法能有效地检测两种遮挡噪声,准确率分别达到95.10%和96.51%,且等错率（EER）指标与已有算法相比最优,提高了虹膜识别系统的整体性能。     

用于虹膜识别的眼睑及眼睫毛遮挡检测

分别针对眼睑和眼睫毛遮挡噪声,利用其灰度和形状信息提出了2种灰度形态学检测算法.1)设计弧线形的形态学结构元素,经过灰度开启运算、图像分割和边缘检测,获得眼睑边缘的候选点集,再利用Bézier曲线拟合出眼睑边缘;2)构造交叉形的形态学结构元素,通过灰度开启运算得到直方图具有分段特性的虹膜图像,经二值化检测出眼睫毛.实验结果表明:文中算法能有效地检测2种遮挡噪声,有助于降低虹膜识别系统的等错误率,提高模式的可分性.     

虹膜定位算法的研究

虹膜识别系统中的虹膜定位精度和定位速度影响识别系统性能.在分析现有虹膜识别算法的基础上,采用基于Canny思想的边缘检测算子提取虹膜图像边缘信息,结合先验知识在小图像块上进行Hough变换拟合虹膜内外圆.实验结果表明,该定位方法在保证定位精度的同时有效地提高了定位速度.虹膜区域的噪声包括眼睑、睫毛、眼睑阴影和光斑等,在眼睑定位方面提出了边缘检测结合Radon变换分段直线定位去除眼睑噪声的方法,同时采用阈值法去除了睫毛和眼睑阴影对虹膜区域的干扰,并用实验验证了该算法的有效性和准确性.     

基于生物形状知识的人眼定位方法

准确地定位出人眼位置并分离出虹膜、眼睑等区域对虹膜识别、人脸识别等生物特征识别技术具有重要意义.但是,在非理想环境下,人眼图像分辨率通常较低,并且容易受到光照条件、睫毛、阴影等噪声影响,对人眼区域进行正确分割是一项非常具有挑战性的工作.因此,本文针对姿态幅度较小的无遮挡人眼图像分割存在的一些问题,利用Hough圆变换和形态学算法改进低分辨率下人眼的定位.该方法首先利用现有的人脸对齐方法分割出人眼感兴趣区域,采用双线性插值法对人眼图像进行预处理,去除镜面反射光斑;然后根据人眼图像中各区域的灰度分布规律,利用带约束的Hough圆检测算法定位出虹膜;之后结合全局动态阈值、局部自适应阈值及形态学算法分别定位出人眼上下眼睑,并利用最小二乘法拟合上下眼睑,最终分割出人眼虹膜、上下眼睑、巩膜等区域;最后在UBIRIS v1.0数据库及低分辨率人脸图像上对本文提出的算法进行测试.实验结果表明,本文提出的方法对实验室环境下高清虹膜图像及低分辨率人脸图像上的人眼定位均具有较强的鲁棒性.     

基于虹膜识别的眼睫毛检测

针对人眼正常张if-下,眼睫毛的遮挡比较严重,为了降低眼睫毛噪声对虹膜识别的影响,提高虹膜的识别率,设计了基于canny 算子的眼睫毛边缘检测算法.该算法基于canny算子检测图像中的眼睫毛;利用虹膜的外圆,提出了用一个扇形区域来表示眼睫毛遮挡区域.除去眼睫毛遮挡区域与瞳孔,虹膜外圆余下的部分即是虹膜的有效区域.实验表明:该算法可以有效地检测眼睫毛.并且所得到的扇形区域包含外圆内部所有的眼睫毛像素,可以有效的提高模式的可分性和虹膜的识别率.     

活体虹膜图像的定位与分割

介绍了一种活体虹膜的定位与分割算法。算法主要分为两部分：圆环的定位与非虹膜区域的去除。本算法根据眼睛的生理特点和数字虹膜图像的实际情况，利用传统定位方法与数学形态学相结合对虹膜区域进行快速而准确的定位，并分别提出了去除眼睑、睫毛和光斑影响的解决方案。算法中也考虑到实际应用可能遇到的影响虹膜定位与分割的问题。实验表明，该算法取得较好的分割结果，并且具有鲁棒性。     

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。     

基于二维正交滤波的虹膜识别算法

提出一种针对灰度虹膜图像进行虹膜特征提取及匹配的方法,其利用四元数二维正交Log Gabor小波提取虹膜图像的纹理特征,以滤波后图像的解析信号作为虹膜的特征编码.该方法可以同时表征虹膜纹理多方向上的特征,更加全面地描述了虹膜纹理的特征空间.特征匹配采用类似汉明距的方式,同时以虹膜图像中眼睑、睫毛以及光斑的分布为匹配模版来减少它们的干扰.大量实验的结果表明该方法具有非常优越的识别性能.     

一种快速有效的虹膜图像预处理方法

为解决虹膜识别中的虹膜定位时间较长、虹膜内边界变形、眼睑和睫毛普 遍存在的问题,提出了一种新的虹膜图像预处理方法,该方法对虹膜图像采用数学形态学算 子对图像进行处理,合理有效地减少了边缘图像中非虹膜的边缘点;然后对图像直方图采用 双直线拟合直方图求取检测眼睑和睫毛的阈值。对中科院自动化所CASIA-IrisV3 虹膜数据 库的实验结果显示,提出的虹膜图像预处理方法准确快速,能合理有效去除眼睑和睫毛。     

虹膜图像中的闭眼检测方法

在远距离、运动中采集到的虹膜图像库中包含了闭眼虹膜图像,一种检测闭眼虹膜图像的方法被提出用于提取这些虹膜图像。该方法使用圆的积分微分算子确定闭眼虹膜图像的候选图像,使用直方图分析将候选图像进行二值化,采用边缘检测和连接、图像膨胀和最小二乘拟合等技术拟合抛物线,通过抛物线开口方向判断该图像是否为闭眼虹膜图像。在UBIRIS.v2虹膜数据库中进行了实验,结果表明,检测闭眼虹膜图像方法的使用提高了虹膜分割算法的效果。