应用迭代圆环像素率法实现快速虹膜定位

针对虹膜定位易受噪声影响、速度慢、自适应性差等问题,提出了基于迭代圆环像素率法的快速虹膜定位算法。提出的定位算法包括切割虹膜图像、Hough圆检测粗定位、微积分算子精定位3个部分,从切割虹膜图像、图像抽样、迭代圆环像素率法、快速Hough圆检测以及分层定位思想5方面提高算法的速度。提出了缩小半径范围的迭代圆环像素率法以及消除瞳孔光斑的形态学方法,瞳孔分割阈值以及小范围的圆心、半径候选集等参数都是通过计算得到,自适应性好。使用4个虹膜数据库进行实验,并与相近算法进行了对比。实验结果表明,该算法的定位准确率为97.75%～99.07%,定位时间为52.847～158.502 ms,是一种鲁棒、快速、自适应的虹膜定位算法。     

一种快速的虹膜定位算法

虹膜定位是虹膜识别中的重要步骤.提高虹膜定位的速度、精度是有效地进行虹膜识别的重要前提.在现有的利用二值化方法分离瞳孔算法的基础上,基于眼睛的几何特性,提出一种虹膜定位算法,该算法首先通过寻找瞳孔所在的矩形区域来定位瞳孔的圆心、半径;然后根据瞳孔和虹膜近似同心的特性,利用圆形检测算子在小范围内搜索虹膜的外边沿,确定虹膜的圆心、半径.与传统虹膜定位算法相比,此算法易于实现,且减少了搜索的盲目性,可提高虹膜定位的速度.     

改进的Hough变换在零件圆心定位中的应用

针对自动化生产线上粉末冶金零件在检测中圆心定位困难的问题,在传统Hough圆变换方法基础上作了一系列改进,该方法先对图像进行预处理,比如滤波、边缘检测等,然后进行Hough变换实现零件图像的快速定位。实践证明,该方法不但减少了图像处理的时间,而且提高了Hough圆变换在各种零件检测中圆心定位的准确性。     

基于Hough变换实现圆的快速检测方法

为了快速正确的检测出图像中的圆,在传统Hough变换圆检测的基础上,利用圆是中心对称的几何特征,提出了一种新的基于Hough变换实现圆检测的方法,该方法运用Otus阈值分割技术将测试目标从检测图形中分离出来,运用Canny边缘检测器对图像进行边缘检测,检测后对图像进行筛选,排除明显不可能为圆的图形,之后对待检测图形,以过圆心的直线为对称轴对图像上的三点进行对称选取,计算出圆心坐标值和半径值,运用Hough变换在参数空间中对值进行投票,累加计数求出峰值。实验结果表明,该方法降低了计算复杂度和对计算空间的需求,与当前应用最广的RHT,以及SHT圆检测方法相比,运行速度快、精度高,抗噪性能好。     

一种快速精确的虹膜定位方法

为了提高虹膜定位的速度和精度,本文提出了一种定位方法.对于虹膜的内边缘定位,本文基于图像二值化和形态学的腐蚀、膨胀,建立了有效的去噪算法,并提出了一种灰度投影与圆的方程相结合的方法,可准确定位虹膜内边缘.对于虹膜的外边缘定位,本文利用虹膜内边缘定位数据对边缘图像去噪得到有效的边缘信息,在此基础上提出了一种改进的Hough变换方法,可以快速准确地定位虹膜外边缘.实验结果表明,本文提出的虹膜定位算法显著提高了虹膜定位的速度和精度,避免了传统Hough算法搜索的盲目性.     

基于小波变换处理圆度误差的测量方法

由于圆度误差是机械零件及其互换性的重要指标,是产品质量的关键,所以对圆度误差进行测量是十分必要的.本文提出一种利用小波变换的多分辨率分析来评价圆度误差的方法,该方法主要利用小波变换尺度函数的低通特性来对圆度测量数据进行处理,以此来提取圆周轮廓,并在此基础上求出它的半径和圆心坐标,进析求出圆度误差.文中也详细地给出了利用小波变换解决圆度误差测量问题的基本原理及其实现步骤,最后给出实验结果.仿真实验结果表明:该方法可以满足圆度误差的测量要求.     

微操作中操作者瞳孔的定位方法研究

针对微操作中操作者的眼球偏转小和眼睛图像灰度变化小的特点,提出一种瞳孔定位的快速算法,首先对眼睛图像提取特定的矩形区域,然后采用半精定位的方法缩小瞳孔所在区域,提高瞳孔区域的图像占比,最后利用Hough变换精确定位瞳孔。实验表明,该算法能快速、准确地定位瞳孔中心,适用于微操作中使用头戴式设备的瞳孔图像提取。     

基于改进Hough变换的圆形零件尺寸测量研究

分析了直方图均衡化图像预处理技术,针对标准Hough变换的不足,提出了一种结合圆的几何特性改进Hough变换的方法。该方法根据圆周上各点连线的垂直平分线交点通过圆心这一圆的几何特性,沿边缘方向进行梯度搜索,找出圆心并求解半径,有效解决了含噪声图像圆形零件边缘检测的难题。通过对轴承零件内、外径和尺寸的测量应用研究,验证了改进Hough变换圆形零件测量技术的有效性和准确性。     

虹膜定位技术研究与实现

为了提高虹膜识别的效率和准确性,提出了一种将粗定位和精确定位相结合的虹膜边界提取预处理方法。通过对预处理后的二值化虹膜图像进行粗定位,基于瞳孔边界点控制的最小二乘拟合方法确定虹膜内边界,并采用微积分算子精确检测定位虹膜外边界。最后用CASIA虹膜库中的756幅虹膜图像对算法进行测试,与基于Hough变换的虹膜定位方法关于虹膜内外边界的定位时间和虹膜定位的准确度进行比较。结果表明,该算法具有很好的准确性和识别速度。     

应用统计距离实现虹膜定位

提出了一种统计距离法(MCD)来提高虹膜识别效率。用MCD对虹膜边缘图像去噪,并建立了有效的虹膜内外圆定位方法。首先,用灰度求和找到瞳孔内一点,同时,使用Canny算子获得虹膜边缘图像,并根据所确定的瞳孔内的点来寻找虹膜内边缘上的3个边缘点。将这3个边缘点代入圆的方程即可找到虹膜内边缘。然后,根据虹膜内定位数据来消除虹膜外边缘图像中的噪声,再在去噪后的边缘图像中排除20%个与虹膜内圆圆心距离最远的边缘点。最后,使用一种改进的Hough变换来获得虹膜外边缘数据。实验结果表明:MCD的内定位时间和外定位时间分别是0.122 2s和0.242 4s,均比快速精确虹膜定位法(FAILA)低,且成功率为96.67%,高于FAILA。因此,MCD具有较高的精度和较快的速度,可提高虹膜识别的效率。