三次B样条曲线拟合的虹膜定位

采用圆检测定位虹膜内外边界的方法是当前虹膜定位的主流算法.当虹膜图像分辨率很高时,圆曲线不能准确地拟合虹膜真实边界,特别是受瞳孔收缩影响很大的内边界.而采用三次B样条曲线能够很好地拟合内边界.为了提高定位效率,首先运用质心探测方法分割出瞳孔区域,然后在瞳孔区域中搜索内边界点,采用三次B样条曲线精确拟合内边界;最后利用Canny算子检测外边界,并采用圆曲线的最小二乘拟合外边界.运用Bath大学虹膜库中的1000幅虹膜图像对该定位算法进行测试,内边界定位时间0.0203s、准确率99.2％;外边界定位时间2.0277s,准确率98.9％,满足准确、高效的定位要求.     

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.     

一种改进的虹膜边界定位算法

虹膜边界定位是虹膜识别系统的重要组成部分,定位的速度、准确度和定位算法的鲁棒性至关重要。针对传统虹膜定位算法的不足,提出了一种改进的虹膜定位算法,充分利用虹膜图像的灰度分布特征,合理地设定相关参数,实现虹膜内边界和外边界快速准确的定位。实验结果表明,该算法与经典的虹膜定位算法相比,定位准确度更高,定位速度更快。     

结合人眼特征和几何方法的虹膜定位方法

虹膜定位是虹膜识别系统中重要的预处理过程,其定位精度和速度决定了虹膜识别系统的性能。就此,根据人眼的特征,结合几何方法,提出了一种快速准确的虹膜定位算法。该算法根据瞳孔内部灰度特点,在瞳孔内找到一点。利用边缘检测模版,依据该点,分别在虹膜内边界和外边界上找到各自不共线的三个边界点,构成两个直角三角形。根据几何原理,这两个直角三角形的斜边分别为内外边界圆的直径,从而定位虹膜边界参数。大量实验证明,该算法在速度和精度上相比经典定位算法均有提高。     

一种结合Snake与GAC模型的虹膜定位方法

为了提高虹膜定位的精度和可靠性,采用改进的Snake模型和改进的GAC模型分别定位虹膜的内外边缘。对于虹膜内边界,在传统的Snake模型的基础上,引入GVF力场代替原有的传统外力场,完成Snake模型对虹膜内边缘的定位。对于虹膜外边界,在传统的GAC模型的基础上,引入非负常数项作为演化收缩力,使其方向指向对象内部,从而实现GAC模型对虹膜外边缘的定位。采用CASIA虹膜库进行了大量实验,结果表明该方法与经典的虹膜定位算法相比,定位速度更快,抗噪性更强,定位更准确。     

一种改进的基于Hough变换的虹膜定位算法

为改善虹膜定位的效果,提出一种改进的基于Hough变换的虹膜定位算法。首先,用一个全1的矩形窗对瞳孔中心进行估计;然后,以该估计中心为极点对虹膜二值图像进行极坐标变换,通过水平边缘点选择规则剔除非水平边缘点,再将图像变换到直角坐标;最后,利用Hough变换以及虹膜内、外边界之间存在的耦合关系来求取虹膜边界参数,并取最大和次大参数的均值作为最终的边界参数。实验结果表明,该算法平均定位时间为0.152 s,准确率高达98.4%。     

基于瞳孔变化的动态虹膜定位方法

目前虹膜识别算法较多,但仍存在计算量大、速度慢的问题,针对该问题提出了一种基于瞳孔变化的动态虹膜定位方法。该方法首先通过去除小面积过滤噪声,再将图像进行缩小,再使用Hough变换进而实现对虹膜内边界定位;在瞳孔定位之后,根据瞳孔尺寸和虹膜纹理尺寸的变化关系,建立瞳孔半径与虹膜外径关系的数学模型,对不同图像可实现动态实时定位虹膜的外边界。该方法将虹膜内边界定位时间缩减到0.17s,外边界定位缩减到0.01s。实验结果表明经该方法提取的虹膜区域,虹膜识别准确率可高达99.8%。     

基于权值相位差的虹膜匹配算法

虹膜识别是最具发展前途的生物识别技术之一,由于虹膜匹配和评价作为虹膜识别的核心步骤直接影响虹膜识别的准确率,提出一种新的基于权值相位差的虹膜匹配算法。首先对定位好的虹膜图像重新采样,其次对其进行归一化处理,得到矩形虹膜图像。然后利用频域变换处理矩形虹膜图像。最后采用新的虹膜匹配算法利用全部相位信息和部分振幅信息来进行虹膜的匹配。虹膜纹理信息主要集中在虹膜环靠近瞳孔的位置,这部分区域纹理信息密集,本文提出的基于权重函数的方法能经过实验验证,该算法有效地突出虹膜纹理低频信息部分快速准确,提高了匹配效率,为虹膜识别的匹配和评价核心步骤提供了一个新的方法。     

基于改进的Hough变换的虹膜定位算法

提出一种改进的Hough变换(HT)的虹膜边界定位算法,解决标准HT虹膜定位算法计算量大,且定位不够精确的问题.根据人眼图像的几何分布特征,通过有目的地选择特定子图像块作为虹膜边界定位的目标区域,对目标区域进行边缘检测、噪声屏蔽和阈值选取二值化,再进行HT.实验结果表明该算法能够以较少的计算代价准确地定位虹膜内、外边界.     

基于Gabor滤波的快速虹膜识别算法

为提高系统虹膜识别系统的性能,提出了一种改进的虹膜识别算法。在虹膜定位阶段,通过瞳孔边界修正获得瞳孔真实边界,随后形态学边缘连接弥补Canny算子在虹膜外边缘检测中形成的边缘间断,最后利用最小二乘法椭圆拟合瞳孔边界、圆拟合虹膜外边缘。特征编码提取时,设计不同频率不同方向的Gabor滤波器分别对已分块的归一化虹膜图像进行滤波,根据虚部所产生的正负结果进行相位编码。实验结果表明了该方法的可行性和有效性,能够快速高效地实现虹膜分类。     

一种新的虹膜归一化算法

根据在虹膜归一化算法研究中遇到的问题，在虹膜定位的基础上，介绍了虹膜归一化算法，并对虹膜归一化算法进行了改进，将瞳孔真实边缘作为归一化内边界。实验结果表明，新算法有效的去除了黑点并保留了虹膜原有信息。     

Detection of iris in images using brightness gradient projections

A method is proposed to detect human iris location and size in digital image given some point lying inside the pupil. The method is based on construction of histograms, or projections of local brightness gradients, and combinations of projections’ maxima being regarded as possible locations of pupil and iris borders. The method is notable for its low computational complexity and high tolerance to noise.     

一种基于几何原理的虹膜定位算法

虹膜定位是虹膜识别系统中很重要的组成部分,其中定位的速度及准确率是重要的因素。结合人眼的结构特征设计了虹膜定位算法。算法先定位出瞳孔内任意一点,再用边缘检测模板检测出不共线三点定位出内边缘。算法提出用比较四点两次的定位结果来确定外边缘。对已有的755幅虹膜图片进行定位,准确率达98.15%。并且应用简单的几何原理使得算法的鲁棒性能得到保证。     

结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。     

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。     

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。     

使用人眼几何特征的视线追踪方法

目的 视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法 首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果 在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98.9%,平均识别率达到95.74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论 本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。     

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.