基于蚁群和Hough变换的虹膜定位算法

为了克服传统的虹膜定位算法准确率不高的缺点,提出了一种基于蚁群和Hough变换的虹膜定位算法.该算法首先利用梯度信息在虹膜边缘处的直观响应作为启发因素,引导蚁群搜索虹膜边缘.然后蚂蚁根据路径上的不断更新增大的信息素,搜索虹膜的内外边缘的像素点.最后通过Otsu阈值和Hough变换确定出虹膜内外边界.实验表明,该算法能够有效、快速地定位出虹膜的内外边界.     

虹膜内外边缘的快速定位算法

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能。论文提出一种基于Hough变换的虹膜定位算法,根据虹膜图像特点,先对其进行预处理,再用灰度投影法粗定瞳孔圆心;通过对虹膜内外边缘的“先采样后变换”,减少Hough变换的运算量;利用虹膜内外边缘之间的耦合关系,由内至外精确地确定出边缘。对300多幅虹膜样本的处理结果表明,此算法快速、精确、鲁棒。     

基于灰度投影和Hough变换的快速虹膜定位方法

针对虹膜边缘图像提取的困难，提出了将灰度投影和Hough变换相结合的快速定位方法。首先，根据人眼图像的整体灰度分布特征，用灰度投影的方法进行阈值分割，定位出瞳孔，然后对虹膜边缘进行增强操作并提取边缘信息．最后以瞳孔的圆心和半径为参考，缩小搜索范围，用改进的Hough变换法精确定位出虹膜边缘。实验结果表明．该方法提高了虹膜定位的速度．并且具有较好的定位效果。     

基于灰度投影和Hough变换的快速虹膜定位方法

针对虹膜边缘图像提取的困难,提出了将灰度投影和Hough变换相结合的快速定位方法。首先,根据人眼图像的整体灰度分布特征,用灰度投影的方法进行阈值分割,定位出瞳孔,然后对虹膜边缘进行增强操作并提取边缘信息,最后以瞳孔的圆心和半径为参考,缩小搜索范围,用改进的Hough变换法精确定位出虹膜边缘。实验结果表明,该方法提高了虹膜定位的速度,并且具有较好的定位效果。     

基于几何特征的虹膜定位算法

利用虹膜边缘的几何特征及圆相交弦的性质提出了虹膜定位算法.根据瞳孔、虹膜、巩膜的灰度变化,建立虹膜图像直方图,确定阈值进行虹膜内边缘定位;再用形态学算法与新的Hough变换相结合来进行虹膜图像外边缘的定位,确定外圆圆心及半径.通过仿真结果表明本方法实时性能较好,能较好地实现内外边缘的定位.     

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。     

基于综合特征的虹膜定位的算法

提出了利用虹膜边缘图像的几何特征以及相交弦的性质进行虹膜定位的快速算法.首先利用虹膜图像的整体灰度分布信息,利用边缘检测算子提取虹膜的内边缘图像,然后利用圆的相交弦性质以及投票策略提取虹膜中心,最后利用Hough变换的半径直方图投票提取虹膜内外径.实验结果证明其算法提高了虹膜定位的速度并具有较强的抗干扰能力.     

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.     

一种改进的虹膜图像分割算法

如何迅速、准确地分割虹膜区域是基于虹膜图像的身份鉴别技术的一个研究热点和难点。本文结合虹膜图像的特点，在内边缘的定位中采用了阈值化结合最小二乘估计的方法；对外边缘和眼睑的边缘图进行预处理，并改进了Hough变换的决策方法，准确而快速地分割出虹膜区域。     

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。     

计算机辅助虹膜诊断中特征提取方法研究

针对计算机辅助虹膜诊断中虹膜分区以及局部特征提取问题,提出了虹膜区域划分方法及具体分区中特征提取的方法.利用虹膜图像中瞳孔的灰度特征,实现虹膜的快速定位.在虹膜定位的基础上,利用虹膜图谱对左右虹膜图像分别进行特征区域划分,并且对划分后的虹膜图像进行规一化处理.在规一化后的虹膜图像中,针对肠区的病理特点,利用改进的Hough变换,提取了虹膜图像中肠道分区的局部病理特征.实验表明,虹膜图像区域划分方法的可行性.     

基于综合特征的虹膜定位的算法

提出了利用虹膜边缘图像的几何特征以及相交弦的性质进行虹膜定位的快速算法，首先利用虹膜图像的整体灰度分布信息，利用边缘检测算子提取虹膜的内边缘图像，然后利用圆的相交弦性质以及投票策略提取虹膜中心，最后利用Hough交换的半径直方图投票提取虹膜内外径，实验结果证明了算法提高了虹膜定位的速度并具有较强的抗干扰能力。     

一种虹膜定位算法

针对虹膜二值边缘图像提取的困难，提出利用虹膜图像的灰度边缘图像以及虹膜的几何特征进行虹膜定位的快速算法。首先根据虹膜图像的整体灰度分布信息特征，利用改进的Sobel算子提取虹膜的灰度边缘图像，然后利用圆的对称性质以及投票策略提取虹膜的中心，最后利用Hough变换的半径直方图投票提取虹膜内外径。实验结果证明，该算法提高了虹膜定位的速度，并且具有较强的抗干扰能力。     

基于并查集和边缘检测模板的非理想虹膜定位

非理想虹膜图像往往存在虹膜边缘模糊、灰度变化不均匀、位置偏移及光斑干扰等问题, 这些问题的存在会在一定程度上影响虹膜内、外边界定位的准确率. 针对这个问题, 本文提出采用并查集和边缘检测模板的方法来对非理想虹膜进行内、外边界定位. 内边界定位是首先采用并查集方法完成瞳孔区域粗定位, 然后采用Hough变换对瞳孔进行精确定位; 外边界定位是先利用一系列边缘检测模板大致确定外圆的位置, 然后再依据外边界附近圆环内边缘点的密度来最终完成外边界的精确定位. 实验结果表明, 对于非理想虹膜图像, 本文方法的定位正确率和定位速度均高于其他同类方法.     

基于改进几何特征的虹膜定位算法

针对随机Hough变换造成的大量无效采样和无效累积问题,提出了基于改进几何特征的虹膜定位算法;首先通过先验知识对传统的去短枝算法进行了改进,然后对仍然留在图像上的噪声点和高频细节用‘投影’算法进行了进一步的去除,这样就降低了无效采样的概率;在虹膜粗定位的过程中,文中采用的是圆的内接直角三角形;任意取两点,比取三点的方法降低了无效采样的概率,提高了虹膜定位的效率。     

虹膜定位算法的研究

虹膜识别系统中的虹膜定位精度和定位速度影响识别系统性能.在分析现有虹膜识别算法的基础上,采用基于Canny思想的边缘检测算子提取虹膜图像边缘信息,结合先验知识在小图像块上进行Hough变换拟合虹膜内外圆.实验结果表明,该定位方法在保证定位精度的同时有效地提高了定位速度.虹膜区域的噪声包括眼睑、睫毛、眼睑阴影和光斑等,在眼睑定位方面提出了边缘检测结合Radon变换分段直线定位去除眼睑噪声的方法,同时采用阈值法去除了睫毛和眼睑阴影对虹膜区域的干扰,并用实验验证了该算法的有效性和准确性.