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%．     

一种用于虹膜识别的眼睑和睫毛检测算法

为减少眼睑和睫毛对虹膜识别率的影响,提出了一种用于虹膜识别的眼睑和睫毛检测算法。应用灰度形态学运算去除睫毛、光斑对眼睑区域的干扰,提取上眼睑区域每列灰度最小值点作为边缘点,对下眼睑区域进行梯度变换,根据最大梯度积分区间确定下眼睑边缘点;对眼睑边缘点进行最小二乘抛物线拟合上、下眼睑;利用眼睑抛物线在邻域内上下移动,当灰度突变时精确定位上下眼睑。根据上眼睑抛物线下移后抛物线像素点灰度的分布,自适应生成阈值对睫毛进行分割。实验结果表明:该眼睑算法能有效、快速地检测眼睑,与Hough变换算法相比,准确率相当,速度提高约4 s;睫毛检测算法能有效、简便和最大限度地检测出睫毛。     

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。     

生理结构先验引导下的虹膜精确分割算法

虹膜识别是一种即时有效、被广泛应用的生物技术,其相对于人脸识别、指纹识别拥有更高的安全性能。但虹膜识别系统整体性能在很大程度上受虹膜分割精度的影响。为了有效提高虹膜识别系统性能即虹膜分割精度,本文在分析虹膜生理结构特点的基础上,大量阅读了国内外相关领域文献并分析各种算法优缺点,创新性地提出了一种新的虹膜精确分割算法,打破了传统分割算法中虹膜与瞳孔为同心圆的假设;借鉴完全局部二值模式CLBP算法思想,融合图像灰度信息和结构信息,创新性地提出了形状敏感的检测算子,有效剔除了影响分割精度的两大因素:眼睑和睫毛的干扰。同时提出了分割流程,分为两部分:虹膜粗分割与精确分割,粗分割包括外轮廓与瞳孔剔除,精分割包括眼睑与睫毛剔除。最后在中科院自动化所公开虹膜数据集CASIA-IrisV3-Interval和CASIA-IrisV1上进行了一系列有关精度和运算效率的对比实验。采用本文所提出的分割算法,在公开的OSIRIS Version 4.1虹膜识别系统上进行实验,其准确率分别提高到了97.14%和98.28%,运算时长显著减少并分别达到了0.699 s与0.758 s。     

基于神经网络的虹膜图像上眼睑的精确定位

由于眼睫毛等复杂因素的干扰,虹膜图像中上眼睑的精确定位一直是虹膜识别中公认的难题。如果上眼睑定位不准确,将会在识别过程中引入大量噪声,严重影响虹膜识别的准确率。为了获取上眼睑的准确位置,首先构建了用于分类的神经网络,借助于滑动窗口,精确获取了上眼睑的关键点;然后,用二次曲线对关键点进行拟合,得到上眼睑的精确位置。最后,对该算法进行了评估。结果表明,该算法具有高准确率和强泛化能力。     

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.     

改进Hough变换在虹膜定位中的应用研究

目的提出了一种基于改进Hough变换(HT)的虹膜定位算法,解决标准HT定位虹膜计算量较大,且定位不准确的问题.方法根据虹膜的形状和圆近似的性质,用改进的圆HT定位虹膜,定位时采用点对和梯度信息确定潜在的虹膜中心和对应的圆半径.为了使输出结果仅为虹膜的外边界,定义了一个阈值.结果采用点对和梯度信息并定义相应的阈值定位虹膜,在较大程度上减少了计算量,并且保证输出结果为虹膜的外边界.结论采用改进HT能以较小的计算代价准确地定位虹膜.     

虹膜内外边缘定位算法

提出了一种基于Hough变换的虹膜定位方法.根据虹膜图像特征,按内外边缘定位需要,采用不同尺寸模板的中值滤波器对原始图像进行预处理,再采用圆形Hough变换投票决定其内外边缘精确位置.根据对100多幅虹膜样本的处理结果表明,此算法具有快速、精确、鲁棒等特点.     

虹膜图像定位方法的研究

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。对虹膜图像进行预处理,用阈值方法和投影方法简单地检测得到虹膜内边缘;通过线平均的算法对内边缘进行精确定位。外边缘的定位采用改进的canny算子和新的hough变换相结合的方法。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。     

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．     

一种虹膜内外轮廓检测方法

虹膜识别技术是人体生物识别技术的一种,它作为重要的身份鉴别特征具有唯一性,稳定性,可采集性和非侵犯性等优点.与脸像,声音等身份鉴别方法相比,虹膜具有更高的准确性.而虹膜内外轮廓提取是虹膜识别技术不可缺少的关键步骤.文章介绍了一种有效的虹膜内外轮廓检测方法,使用灰度投影方法估计虹膜内边缘圆心位置;然后采用边缘检测方法得到虹膜边缘图像,使用Hough变换准确检测虹膜内轮廓;最后使用一维信号检测确定虹膜外边缘点同时使用Hough变换检测虹膜外轮廓.实验结果表明,该方法能够有效检测出虹膜内外轮廓.     

A Novel and Efficient Method for Iris Automatic Location

An efficient and robust iris location algorithm plays a very important role in a real iris recognition system. A novel and efficient iris automatic location method is presented in this study. It includes following two steps mainly： pu- pil location and iris outer boundary location. A digital eye image was divided into many small rectangular blocks with fixed size in the pupil location, and the block with the smallest average intensity was selected as a reference area. Then image binarization was implemented taking the average intensity of the reference area as a threshold. At last the center coordinates and radius of pupil were estimated by extending the reference area to the pupil＇s boundaries in the binary iris image. In the iris outer location, two local parts of the eye image were selected and transformed into polar coordinates from Cartesian reference. In order to detect the fainter outer boundary of the iris quickly, a novel edge detector was used to locate boundaries of the two parts. The center coordinates and radius of the iris outer boundary can be estimated using the fusion of the locating results of the two local parts and the location information of the pupil. The algorithm was tested on CASIA vl.0 and MMU vl.0 digital eye image databases and experimental results show that the proposed method has satisfying performance and good robustness.     

利用超像素混合投票的在线目标跟踪算法

针对复杂场景下目标跟踪中目标出现的外观特征变化和遮挡问题,提出一种结合超像素和广义霍夫变换的在线实时目标跟踪算法.该算法从上下文中提取局部特征作为支持因子,构建一个混合的判别产生式对象模型.利用该模型,通过霍夫投票预测目标的中心位置,再通过判别式投票对目标和背景进行概率估计.对图像进行超像素分割,将之前的投票结果映射到对应的超像素,生成基于超像素的概率分布图像.采用贝叶斯跟踪框架,根据后验概率最大化,在概率分布图像基础上确定目标的位置.实验表明,该算法在复杂环境下目标跟踪的过程中对目标发生的形变和遮挡现象有很强的鲁棒性,能够实现准确稳定的在线目标跟踪.     

基于STM32微处理器的人眼虹膜识别系统设计

人眼虹膜技术可以用于人身份识别,它具有许多其他生物识别技术的优点,如更加准确,稳定,不易侵犯性等。虹膜识别的重点是模式识别,要求简单实用,本文以STM32微处理器芯片为核心,从硬件和软件的设计两方面说明系统设计架构、电路设计及程序设计等内容,采用相关经典算法,得到人眼虹膜图像,分析纹理数值,做数据处理,从而实现对不同人体的虹膜比较判断。     

虹膜定位方法研究

简要介绍了目前具有代表性的4种虹膜定位方法：Daugman定位法、Hough变换定位法、几何特征定位法和主动轮廓线定位法，并指出了这些方法在实际应用中的优点与缺点。根据上述几种方法，提出了一种简单有效的虹膜定位法：由于瞳孔与虹膜之间的灰度差比较明显，所以先通过求图像直方图的方法找到域值点，分割出瞳孔，然后计算瞳孔的圆心位置以及半径，利用虹膜的外边缘与内边缘近似为同心圆的性质，最后用变圆模板的方法求得虹膜外半径。文中选取多组不同图像质量的虹膜图像来说明定位的效果。实验结果表明，该算法设计简单，定位效果良好。