最小方差搜索圆心的快速虹膜定位算法

为了改善虹膜识别的实时性,提出一种新的快速虹膜定位方法。首先对虹膜图像进行去噪处理,然后采用类间方差法对图像进行阈值分割,再运用投影方法粗略得到虹膜内边缘圆心和半径,最后根据粗定位得到内边缘圆周参数,采用所提出的算法对虹膜内边缘进行精定位;对于外边缘定位,依据先验知识以及内边缘圆周参数去掉虹膜图像多余的边缘点及噪声点,缩小搜索范围,然后采用同样的算法对外边缘进行精定位。实验结果表明,该方法能够准确快速的定位出虹膜内外边缘,定位速度较传统算法提高了十倍左右,并且减少了传统定位算法搜索的盲目性。     

基于统计的虹膜定位算法改进

由于目前基于统计的虹膜定位算法局限性,我们改进了这个虹膜定位的算法,利用二值化后灰度图像进行内边缘的粗定位,然后通过对直方图均衡后的图像提取虹膜的外边缘进行粗定位,最后利用Daugman算子的改进进行模板精定位.实验结果表明,该方法提高了准确度和速度.     

快速准确的虹膜定位算法

针对经典虹膜定位算法速度较慢的问题,提出一种基于圆几何特征的粗定位与精定位结合的快速虹膜定位算法.基于行列扫描的方法找到瞳孔内4条弦,利用弦的中垂线结合瞳孔边界阈值定位四对切点,取切点坐标参数的均值为内边缘粗略定位参数,然后利用微积分方法对内边缘进行精确定位;利用内外边缘圆心非常接近的先验知识,缩小微积分方法定位外边缘的搜索范围,从而显著提高了虹膜定位速度.实验结果表明,该算法显著提高了虹膜定位速度且具有较高的定位精度.     

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。     

基于形态学方法的虹膜快速定位算法

为提高虹膜的定位速度,提出一种粗定位与精定位相结合的虹膜快速定位算法。首先,利用阈值对人眼图像进行分割提取瞳孔,对二值化瞳孔区域进行形态学开运算去除瞳孔区域外睫毛等噪声点;然后选用一系列半径递增的结构元素对瞳孔区域进行形态学腐蚀操作,根据腐蚀结果粗略定位虹膜内边缘;最后利用圆梯度算子对虹膜内外边缘进行精确定位。对CASIA（version 1.0）虹膜数据库中100多幅虹膜图像进行定位实验,文中算法平均耗费时间为1.22秒,圆梯度算子耗时10.8秒,Hough变换方法耗时15.7秒。定位结果表明,文中算法对不同质量的虹膜图像定位速度快,精度高,鲁棒性强。     

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.     

虹膜在身份识别中的应用研究

研究优化识别人身份的稳定可靠性问题,虹膜识别是最近新兴的生物识别方法,具有算法简单、识别快速和高识别率的特点.为改变以往传统方式的不稳定性,提出的基于虹膜的身份识别算法,在虹膜图像的预处理过程中,首先采用粗定位与精定位相结合的方法对瞳孔中心和半径进行定位,虹膜内边界采用二值化方法进行定位;虹膜外边界采用非共线的3点确定1个圆的原理进行粗定位,避免了虹膜定位搜索的盲目性,减少了计算时间和降低定位复杂性.然后通过利用Hough变换对虹膜进行精定位并采用Gabor滤波进行虹膜特征提取,最后采用海明码距离进行虹膜匹配.仿真结果表明,与其它身份识算法相较,识别正确率最高,识别速度最快,计算复杂度最小.     

虹膜定位

为了提高虹膜定位的速度以及虹膜定位算法的健壮性,提出了一种粗定位与精定位相结合的两步定位法,用以进行虹膜定位,并对现有的虹膜定位算法进行了一些改进,实验结果表明,用两步法进行虹膜定位可以加快定位速度,减少搜索计算的盲目性。     

基于感兴趣区域的快速虹膜定位方法*

为解决虹膜图像受光源影响和二值化边缘提取困难的问题,提出一种新的定位方法。该方法首先对瞳孔进行粗定位;然后在瞳孔粗定位的基础上,合理选择感兴趣区域;其次在此感兴趣区域利用行梯度极值取得虹膜外边缘的二值化图像;最后利用最小二乘法计算出虹膜外边缘的圆心和半径。实验结果表明了该算法的有效性。     

一种新的快速虹膜定位算法

虹膜定位是虹膜识别中非常重要的一个环节.本文提出一种通过边缘检测模板的新瞳孔定位方法,避免了睫毛干扰造成定位不准的影响.同时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的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,取得了非常好定位效果.     

A new segmentation approach for iris recognition based on hand-held capture device

Iris segmentation is an important step for automatic iris recognition. This paper presents a new iris segmentation method for hand-held capture device. We use a geometrical method for pupil detection. The bottom point of pupil is used as the reference point for pupil localization because it is insensitive to pupil dilation and not affected by the top eyelid or eyelashes. To decrease computational cost, the outer (or limbus) boundary of iris is localized based on shrunk image using Hough transform and modified Canny edge detector. The lower part of iris pattern is used for recognition in order to reduce the occlusion by eyelashes and eyelids. Experimental results demonstrate that the proposed method has an encouraging performance.     

Detecting precise iris boundaries by circular shortest path method

The problem of detecting precise pupil border in eye image given its initial circular approximation is addressed with circular shortest path method. Brightness gradient direction is employed to choose image pixels, which may belong to pupil boundary. Using initial approximate circles allows the method to work in a narrow ring, which contains only single pupil contour. Under these conditions the method allows to correctly handle almost all images used for iris recognition tasks and appears to be more precise than human expert in marking the pupil border. The method was tested with public domain iris databases, containing more than 80000 images totally. Experiments show that refinement of pupil border increases precision of iris recognition.     

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。     

Iris localization in frontal eye images for less constrained iris recognition systems

Commercial iris recognition systems do not perform well for non-ideal data, because their iris localization algorithms are specifically developed for controlled data. This paper presents a robust iris localization algorithm for less constrained data. It includes: (i) suppressing specular reflections; (ii) localizing the iris inner (pupil circle) and outer (iris circle) boundaries in a two-phase strategy. In the first phase, we use Hough transform, gray level statistics, adaptive thresholding, and a geometrical transform to extract the pupil circle in a sub-image containing a coarse pupil region. After that, we localize iris circle in a sub-image centered at the pupil circle. However, if the first phase fails, the second phase starts, where first we localize a coarse iris region in the eye image. Next, we extract pupil circle within the coarse iris region by reusing procedure of first phase. Following that, we localize iris circle. In either of the two phases, we validate the pupil location by using an effective occlusion transform; and (iii) regularizing the iris circular boundaries by using radial gradients and the active contours. Experimental results show that the proposed technique is tolerant to off-axis eye images, specular reflections, non-uniform illumination; glasses, contact lens, hair, eyelashes, and eyelids occlusions.     

灰度分布特征的虹膜定位算法研究

为克服浓密睫毛、眼睑等噪声对虹膜定位算法的影响,提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径。而对于虹膜的外边缘,则采用形态学中的闭运算去除虹膜区丰富的纹理,并设计了一个边缘检测模板,在小范围内搜索虹膜外边界的上下左右4个边界点进而确定虹膜的圆心、半径。对比的仿真实验表明：该算法不仅在计算精度和速度上都有很大提高,而且具有较好的鲁棒性。     

一种改进的瞳孔中心估计方法

经典的虹膜定位算法主要有基于投票机制的Hough变换算法和Daugman提出的基于微积分的圆形检测算法。本文分别对这两种算法进行了分析和验证,针对这两种算法计算量大的缺点提出了一种改进的瞳孔中心估计方法,以减小定位算法搜索瞳孔中心的范围。与传统的瞳孔中心估计方法相比,本文改进的方法能有效缩小估计中心点与实际中心点的误差范围,具有很强的实用性。     

Vander Lugt Correlator based active contours for iris segmentation and tracking

Iris segmentation using active contours approaches is receiving increasing attention. In this paper, a self-ruling active contour approach based on the optical correlation algorithm is proposed. The novelty of this research effort is to apply the Optical Correlation based Active Contours (OCAC) on iris segmentation and tracking and highlight the advantages of its small computation time and better accuracy performance. Optical correlation computed with a numerical simulation of the Vander Lugt correlator is used to detect iris and pupil areas which used as an initial contours. As a result, these initial contours assists the method to calculate terms in an energy expression. In the proposed method, several references images called filters of iris and pupil have been introduced. Images from four iris datasets as CASIA v4, WVU non-ideal, MMU2, UBIRIS v2, and a motion video were used in the experiments phase. To present an aggregate overview of the proposed method advantages, we computed several parameters as iris and pupil centers localization errors, iris and pupil rays errors, three performance metrics (as Jaccard coefficient, Dice coefficient, Hausdroff distance), average segmentation error, and average execution time. We compare these segmentation performance parameters with several leading techniques demonstrating significantly improved results with the proposed OCAC technique.     

基于数学形态学的虹膜定位算法

针对现有的虹膜定位算法的局限性,提出了一种基于数学形态学的虹膜定位算法。内圆定位是利用二值图像形态学的方法提取瞳孔的圆心和半径。外圆的定位用形态学进行边缘提取与Hough变换相结合,确定外圆圆心及半径。实验证明了该算法的合理性和有效性。     

基于数学形态学的虹膜定位算法

针对现有的虹膜定位算法的局限性,提出了一种基于数学形态学的虹膜定位算法。内圆定位是利用二值图像形态学的方法提取瞳孔的圆心和半径。外圆的定位用形态学进行边缘提取与Hough变换相结合,确定外圆圆心及半径。实验证明了该算法的合理性和有效性。