基于预优投票的虹膜定位算法

针对传统虹膜定位算法定位速度慢、受眼睑、睫毛等遮挡影响的不足,本文基于投票竞选和圆的几何特性,提出基于预优投票竞选策略的虹膜圆检测算法。为减少盲目搜索和克服眼睑、睫毛等遮挡影响,建立了逐步求精的实施方案,从而形成一个快速有效、鲁棒性强的虹膜定位算法。基于JLU-IRIS虹膜库,从定位速度和定位精度两方面评价本文构造算法性能,将本文构造算法与积分微分算子法、Hough圆检测算法进行了对比测试。实验结果表明,本文方法具有快速、鲁棒性强的特点。     

曲线拟合的虹膜定位算法研究

虹膜定位是在虹膜图像中找到虹膜的内外边界,它是虹膜识别中的重要环节。该文提出了一种根据曲线拟合来进行虹膜快速定位的新方法,即先对图像进行分块并提取包含瞳孔的子图像块;再结合类间方差法提取瞳孔的二值化阈值,确定虹膜内边界点;然后根据关键的感兴趣区域灰度梯度信息确定虹膜外边界点;最后对内外边界点采用最小二乘法原理来进行曲线拟合,从而确定虹膜内外边界。通过实验表明该文提出的算法能快速准确地定位虹膜内外边界。     

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.     

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。     

用于虹膜识别的多尺度图像基特征提取

提出了一种新的虹膜特征提取算法．采用不同的图像基函数分析虹膜图像的基本微观结构,从而确定主导虹膜图像产生的图像基为LoG函数,进而利用LoG函数在多尺度空间检测虹膜细节特征．不同与传统多尺度分析的独立编码方法,通过推导LoG滤波器的标准化参数,计算标准化响应在尺度空间上的局部极值,确定虹膜每一细节特征的最佳尺度,只编码细节点在最佳尺度上的滤波输出,从而使得特征模板与单尺度分析时相同．实验比较表明,该方法用八分之一特征码长取得了与Dauman所提算法相近的性能,且与其他基于细节特征多尺度分析的虹膜识别算法相比,系统识别等错误率至少降低了5％．     

虹膜识别算法的研究

虹膜识别是一种非常可靠的身份鉴别方法.在讨论虹膜图像定位、增强等预处理方法的基础上,针对现有虹膜识别算法中存在的问题,提出了虹膜有效区域选择、特征提取及编码匹配的有效方法.在虹膜图像有效区域的选择上,根据虹膜图像自身的生物特点采用一种新的分割方法,使得到的图像纹理信息更充足;在图像的特征提取方面,采用Gabor小波变换,将频率分为2个频段,不同的频段选择不同Gabor尺度参数,并选择适当的位置参数;为解决虹膜图像的旋转对虹膜识别的影响,将获得的虹膜编码进行错位匹配.实验结果表明,所提出的虹膜识别算法效果较好.     

虹膜与眼周深度特征融合网络模型

虹膜识别虽然识别率很高,但单模态识别时存在环境、欺骗攻击等影响,并且对于远距离或移动端、较少约束等场景下,虹膜识别率会大大下降。为解决此问题,采用虹膜和眼周双模态融合识别是较好的思路。为实现精确自适应的融合识别,本文提出新颖的虹膜与眼周深度特征融合网络模型（MultipleFusionNet）。根据特征通道注意力和通道分组注意力的思想,设计出自动权值生成网络,通过网络学习自动获得虹膜与眼周的权值。权值与卷积神经网络生成的虹膜与眼周深度特征加权计算,实现两个模态的深度特征动态精确地融合,从而提高识别准确率。本文网络模型中融合部分可作为通用的深度特征融合模块使用,该模块可灵活地嵌入在任何的CNN主干网络中,轻便且易于实现。在中科院公开的远距离虹膜库图像库CASIA-Iris-Distance和近距离光照变化虹膜图像库CASIA-Iris-Lamp进行了实验验证,实验结果显示,本文的特征融合模型准确率最高为99.56%,采用余弦距离度量的EER值最低为0.0027,优于单模态方法和相关的特征融合方法。计算复杂度方面,参数量和计算量比单模型的两倍少1.5%,计算量只比基准融合方法高1%,表明该融合模型计算复杂度低,具有良好的性能。     

基于灰度曲线几何特征的虹膜内边缘定位方法

为了解决以往虹膜内边缘(瞳孔边缘)定位方法算法复杂、计算量大和抗干扰性差的问题,提出了一种新的内边缘定位方法.研究了虹膜图像行、列灰度曲线的几何特征与瞳孔区域边界之间的关系,即:虹膜图像行、列灰度曲线上与瞳孔区域对应的部分有类似于"深井"的几何特征,利用它们之间的关系,通过寻找行列灰度曲线上"深井"的最大"井宽"定位瞳孔位置.实验结果表明此方法算法简单、计算量小、抗干扰性强,并且能够准确的定位虹膜的内边缘.     

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。     

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。     

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...     

基于二维不可分小波相关性分析的虹膜识别

为了更有效地提取虹膜纹理特征区域和进一步减小虹膜特征的存储空间,提出了一种基于分块相关性分析的二维不可分B-样条小波的虹膜识别方法,通过对虹膜归一化图像进行二维不可分B-样条小波变换并提取小波系数特征,把这些特征等分成正方形的特征块并按照相关性由大到小排序,保留相关性大的特征块进行匹配。实验表明,本文算法比经典的虹膜识别方法能更准确地捕捉识别效果好的特征区域。     

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。     

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.     

基于小波的虹膜定位算法的研究

在研究亮度梯度法与Hough定位算法的基础上,结合小波分析的优点,提出一种基于小波的最小二乘算法对虹膜进行了内定位,而对外定位采用了一种改进的亮度梯度算法.内定位算法很好的利用了小波分析和最小二乘算法的优点,在边缘点的基础上对虹膜的内边缘进行了定位.它改变以往对边缘两次定位的特点,直接对边缘点进行拟合.而外定位算法通过改进亮度梯度法减少搜索的范围进行定位.实验结果表明,两者的定位速度比传统的Hough算法快.基于小波的最小二乘法不仅提高了定位的速度,且简化了算法.改进的亮度梯度法减少了搜索范围,使定位速度更快.     

基于改进的经验模态分解的虹膜识别方法

首先,采用先行后列的方法对归一化虹膜图像进行经验模态分解,得到不同尺度的固有模态分量;找出有利于识别的分量,将其进行二值化处理生成特征图像;然后对特征图像进行水平和垂直移位匹配,得到海明(Hamming)距离匹配向量,计算匹配向量的改进标准差,以此标准差进行虹膜识别。最后分别对CASIA1、CASIA2、CASIA3-interval、MMU1库进行了识别,结果表明:该方法能够有效地提取图像的二值特征,具有速度快、识别率高等优点。