虹膜识别的过零检测循环编码方法

研究了虹膜特征提取和编码识别算法。首先对虹膜图像进行预处理获得归一化的虹膜图像,然后对归一化后的虹膜图像进行高斯平滑滤波和小波过零检测,对得到的特征矩阵通过二次循环编码以得到虹膜的特征值序列,最后通过改进的欧氏距离对虹膜进行判别。实验结果表明,识别率可以达到96.3%。该算法运算简单,能够解决虹膜识别中的旋转不变性问题,得到了较好的识别效果。     

一种虹膜定位的新算法

针对虹膜外径边缘图像提取的困难,提出对增强了对比度的虹膜图像进行阈值分割之后用圆检测方法进行虹膜定位的简便而快速的算法.首先,根据虹膜图像的边缘图像用圆检测随机Hough变换方法提取瞳孔的圆心与半径;然后,对用直方图均衡化方法增强了对比度的虹膜图像进行阈值分割,提取分割后的图像的二值边缘图像;最后,利用已经提取的瞳孔的圆周参数等先验知识检测虹膜外径与圆心。实验结果表明,该算法提高了虹膜定位的速度,并且具有较好的健壮性与稳定性。     

基于Adaboost算法的虹膜合格状态检测

虹膜图像的采集是业界公认的难点,也是制约虹膜识别广泛应用的主要原因。怎样快速方便地采集到一幅清晰度足够并且有丰富纹理的高质量虹膜图像,对虹膜识别的速度和准确度都起着至关重要的作用。提出了一种基于Adaboost的虹膜图像合格状态检测和定位算法,能够快速有效地一次性检测出虹膜图像采集中的各种不合格图像,例如图像中没有完整眼睛、眼睛睁开程度不够、闭眼、斜视、运动模糊等。大量实验结果表明,该算法具有较好的检测准确率,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求。对于检测合格的图像,还可以大致定位出虹膜在图像中的位置,为后续的虹膜定位节省时间。     

基于能量最大响应方向的虹膜识别算法*

为提高虹膜识别算法的正确识别率,给出了基于能量最大响应方向的虹膜识别算法。该算法首先对人眼图像进行预处理得到归一化虹膜图像,并依据归一化虹膜纹理的分布特点,选择多尺度多方向滤波技术对归一化虹膜图像进行分解;然后提取最优分解尺度下像素点的能量最大响应方向数,进行二进制虹膜编码和去噪;最后通过计算两个虹膜编码间的加权海明距离和衡量两者的差异性,给出识别结果。实验证明,在等误率为0.1176 时,正确识别率达到99.997%。与经典的虹膜识别算法相比较,该算法具有更高的识别率。     

虹膜图像中的闭眼检测方法

在远距离、运动中采集到的虹膜图像库中包含了闭眼虹膜图像,一种检测闭眼虹膜图像的方法被提出用于提取这些虹膜图像。该方法使用圆的积分微分算子确定闭眼虹膜图像的候选图像,使用直方图分析将候选图像进行二值化,采用边缘检测和连接、图像膨胀和最小二乘拟合等技术拟合抛物线,通过抛物线开口方向判断该图像是否为闭眼虹膜图像。在UBIRIS.v2虹膜数据库中进行了实验,结果表明,检测闭眼虹膜图像方法的使用提高了虹膜分割算法的效果。     

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.     

局部曲线拟合的虹膜快速定位的方法研究

针对多噪声情况下虹膜准确快速定位的困难,提出了一种基于局部曲线拟合的分割算法。该算法的基本思想是离线求出清晰虹膜边界曲线的傅立叶描绘子,然后利用标准曲线对目标图像中的边界曲线进行搜寻拟合,对虹膜位置进行判断,实现对其的快速准确定位。实验结果表明,该算法能够稳定地实现目标分割提取,具有较好的鲁棒性。     

采用有向梯度与RANSAC的虹膜定位算法

针对虹膜图像中有较多光斑的情况,提出一种基于有向梯度和随机抽样一致性（RANSAC）相结合的虹膜定位算法。该算法根据瞳孔内某点利用有向梯度提取内缘像素点,采用RANSAC定位虹膜内缘;下采样虹膜图像,利用圆差分算子在瞳孔左右两侧拟合出两个圆,进而合并为一个圆;根据圆的参数在虹膜图像中快速精确定位外缘。实验结果表明：该算法在正确率、定位速度和鲁棒性方面均优于传统的虹膜定位算法。     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

一种序列虹膜图像的综合质量评价研究

虹膜识别是身份识别最可靠的方法之一,近些年来已经引起了广泛的关注,并且取得了相应的成果,然而在识别速度和准确率方面,很难做到两全其美,而序列虹膜图像的质量评估则使解决此瓶颈成为可能。文中在对现有序列虹膜图像质量评价算法的基础上,提出了一种综合的序列虹膜图像质量评价算法,该算法包含3个部分：虹膜活体检测、虹膜有效区域的确定以及虹膜图像清晰度检测。实验结果表明,该方法能够有效地筛选出符合要求的虹膜图像,并且相应地提高了虹膜识别正确率。     

Efficient iris segmentation method in unconstrained environments

Recently, iris recognition systems have gained increased attention especially in non-cooperative environments. One of the crucial steps in the iris recognition system is the iris segmentation because it significantly affects the accuracy of the feature extraction and iris matching steps. Traditional iris segmentation methods provide excellent results when iris images are captured using near infrared cameras under ideal imaging conditions, but the accuracy of these algorithms significantly decreases when the iris images are taken in visible wavelength under non-ideal imaging conditions. In this paper, a new algorithm is proposed to segments iris images captured in visible wavelength under unconstrained environments. The proposed algorithm reduces the error percentage even in the presence of types of noise include iris obstructions and specular reflection. The proposed algorithm starts with determining the expected region of the iris using the K-means clustering algorithm. The Circular Hough Transform (CHT) is then employed in order to estimate the iris radius and center. A new efficient algorithm is developed to detect and isolate the upper eyelids. Finally, the non-iris regions are removed. Results of applying the proposed algorithm on UBIRIS iris image databases demonstrate that it improves the segmentation accuracy and time.     

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。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

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。     

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。     

IrisCode decompression based on the dependence between its bit pairs

IrisCode is an iris recognition algorithm developed in 1993 and continuously improved by Daugman. Understanding IrisCode's properties is extremely important because over 60 million people have been mathematically enrolled by the algorithm. In this paper, IrisCode is proved to be a compression algorithm, which is to say its templates are compressed iris images. In our experiments, the compression ratio of these images is 1:655. An algorithm is designed to perform this decompression by exploiting a graph composed of the bit pairs in IrisCode, prior knowledge from iris image databases, and the theoretical results. To remove artifacts, two postprocessing techniques that carry out optimization in the Fourier domain are developed. Decompressed iris images obtained from two public iris image databases are evaluated by visual comparison, two objective image quality assessment metrics, and eight iris recognition methods. The experimental results show that the decompressed iris images retain iris texture that their quality is roughly equivalent to a JPEG quality factor of 10 and that the iris recognition methods can match the original images with the decompressed images. This paper also discusses the impacts of these theoretical and experimental findings on privacy and security.     

一种基于特征点的虹膜匹配算法

特征匹配是虹膜识别的一个重要步骤,直接影响了虹膜识别率的高低。由于基于结构虹膜特征点的特殊性,采取了特殊的匹配算法,即面积加权自定位匹配法。实验结果证明,可以本质上提升基于结构特征的虹膜识别算法的识别率,使其达到准实用的水平。     

Improving Iris Recognition Performance Using Segmentation, Quality Enhancement, Match Score Fusion, and Indexing

This paper proposes algorithms for iris segmentation, quality enhancement, match score fusion, and indexing to improve both the accuracy and the speed of iris recognition. A curve evolution approach is proposed to effectively segment a nonideal iris image using the modified Mumford–Shah functional. Different enhancement algorithms are concurrently applied on the segmented iris image to produce multiple enhanced versions of the iris image. A support-vector-machine-based learning algorithm selects locally enhanced regions from each globally enhanced image and combines these good-quality regions to create a single high-quality iris image. Two distinct features are extracted from the high-quality iris image. The global textural feature is extracted using the 1-D log polar Gabor transform, and the local topological feature is extracted using Euler numbers. An intelligent fusion algorithm combines the textural and topological matching scores to further improve the iris recognition performance and reduce the false rejection rate, whereas an indexing algorithm enables fast and accurate iris identification. The verification and identification performance of the proposed algorithms is validated and compared with other algorithms using the CASIA Version 3, ICE 2005, and UBIRIS iris databases.      

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。