基于生物形状知识的人眼定位方法

准确地定位出人眼位置并分离出虹膜、眼睑等区域对虹膜识别、人脸识别等生物特征识别技术具有重要意义.但是,在非理想环境下,人眼图像分辨率通常较低,并且容易受到光照条件、睫毛、阴影等噪声影响,对人眼区域进行正确分割是一项非常具有挑战性的工作.因此,本文针对姿态幅度较小的无遮挡人眼图像分割存在的一些问题,利用Hough圆变换和形态学算法改进低分辨率下人眼的定位.该方法首先利用现有的人脸对齐方法分割出人眼感兴趣区域,采用双线性插值法对人眼图像进行预处理,去除镜面反射光斑;然后根据人眼图像中各区域的灰度分布规律,利用带约束的Hough圆检测算法定位出虹膜;之后结合全局动态阈值、局部自适应阈值及形态学算法分别定位出人眼上下眼睑,并利用最小二乘法拟合上下眼睑,最终分割出人眼虹膜、上下眼睑、巩膜等区域;最后在UBIRIS v1.0数据库及低分辨率人脸图像上对本文提出的算法进行测试.实验结果表明,本文提出的方法对实验室环境下高清虹膜图像及低分辨率人脸图像上的人眼定位均具有较强的鲁棒性.     

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。     

非理想成像条件下的虹膜定位方法

在非理想成像条件下,采集的虹膜图像存在高光亮点、光照变化、位置偏移等问题,为此提出一种基于人眼检测和二值投影法的虹膜定位方法。采用基于AdaBoost算法的人眼检测子进行人眼粗定位,利用直方图阈值化生成二值图像,结合数学形态学中的开运算和二值投影法对虹膜内圆进行粗定位,运用霍夫变换方法拟合虹膜内圆轮廓,采用环量积分微分算子对虹膜外圆进行拟合。在CASIA-IrisV4Thousand虹膜图像上进行算法性能验证,验证结果表明,该方法在准确率和定位时间上优于同类方法。     

人眼检测及瞳孔定位

提出一种自动定位瞳孔的方法。该方法利用人眼在人脸的位置分布设置人眼的搜索区域,通过Adaboost（The Adaptive Boosting Algorithm）算法搜索先前设置好的区域,可以得到人眼所在粗略位置,利用图像二值化和Canny算法提取图像轮廓,通过对提取的轮廓进行椭圆拟合即可得到人的眼球中心坐标,即瞳孔的位置。实验结果表明该方法能准确定位瞳孔,对光照、姿态具有一定的鲁棒性。     

基于透视投影的人眼视线方向估计算法

论文研究了一种利用单目图像估计人眼视线方向的算法。基于透视投影原理的人眼视线定位方法,可从双眼的虹膜轮廓中有效地估算出人眼视线方法,但其估计精度依赖于虹膜轮廓的定位精度。在此方法的基础上,引入Retmex算法以及基于椭圆匹配的迭代算法,从双眼的边缘图像中获得虹膜轮廓的精确位置,实现了人眼视线方向的准确估计。实验结果表明,所提算法对于实际拍摄的人脸图像,能准确地估计出人眼视线方向。     

基于梯度极值的虹膜卷缩轮检测方法

在计算机辅助虹膜诊断中,虹膜卷缩轮的定位是其他虹膜异常特征检测的基础。针对该特征,提出一种基于图像梯度极值的虹膜卷缩轮检测方法。根据虹膜图像中卷缩轮及其附近区域在竖直方向上的灰度差异性,在部分归一化图像中,利用改进的垂直梯度算子对图像进行处理,提取竖直方向上的梯度极值点得到卷缩轮轮廓,并将轮廓点还原显示在原始灰度图像中。实验结果表明,该方法的定位准确率可以达到92.5%,具有较好的检测效果。     

基于HOG和SVM的双眼虹膜图像的人眼定位算法

针对近红外光下现有的人眼定位算法普遍存在准确性不高、泛化能力不佳等问题，提出了一种基于方向梯度直方图（HOG）和支持向量机（SVM）相结合的双眼虹膜图像的人眼定位算法。利用HOG提取虹膜图像的人眼特征，并结合SVM分类器对HOG特征进行训练从而实现人眼的精确定位。为了减少漏检和误检，进一步提高定位准确率，又提出了多级级联SVM分类器算法；另外针对近红外光线下虹膜图像独特的灰度分布特点，设计了一种图像预处理方法，能够显著提高人眼定位速度。在MIR2016和CASIA-IRIS-Distance数据集上的实验结果表明，基于HOG和SVM的双眼虹膜图像的人眼定位算法具有高准确率、强泛化能力和高实时性。     

人眼虹膜图像检测与提取方法

关于虹膜优化检测问题,由于人眼图像中存在眼睑、瞳孔等无关区域,形成的躁声信息严重影响识别精度,针对难以提取准确虹膜图像,提出了一种高效的利用面积分微分算子的直接虹膜提取方法,采用John Daugman积分微分算子进行边界检测.首先以虹膜图像灰度直方图为基础,通过灰度投影定位虹膜内边缘,然后利用积分微分算子确定虹膜左右外边界.最后,利用面积分微分算子求解最恰当的虹膜上下边界.识别过程中,利用Gabor小波提取虹膜图像特征,通过比对虹膜特征来识别虹膜.试验结果表明,改进方法可以有效地实现虹膜识别准确性.     

基于组合K近邻与矩阵变换的虹膜识别

研究人眼虹膜识别问题,因实际虹膜内边界并不是标准圆,引起识别精度差,影响有效的特征提取.传统利用圆模板定位的算法存在瞳孔遗留或纹理损失且定位时间长等问题,为提高虹膜定位精度,降低识别时间,提出了一种新的虹膜识别算法.首先对图像进行去除光斑等预处理,将含有虹膜图像的圆环变换为极坐标系下的矩形,在矩形坐标上以点、线检测确定虹膜轮廓,并对EMD提取纹理分布特征,根据比对距离寻找每个待测样本的K个近邻,以简单投票决策输出识别结果.基于CASIA虹膜图像库进行仿真,结果表明,识别率高达99％,并明显降低了识别时间,使虹膜定位可有效提升识别精度.     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

A new iris segmentation method for non-ideal iris images

Many researchers have studied iris recognition techniques in unconstrained environments, where the probability of acquiring non-ideal iris images is very high due to off-angles, noise, blurring and occlusion by eyelashes, eyelids, glasses, and hair. Although there have been many iris segmentation methods, most focus primarily on the accurate detection with iris images which are captured in a closely controlled environment. This paper proposes a new iris segmentation method that can be used to accurately extract iris regions from non-ideal quality iris images. This research has following three novelties compared to previous works; firstly, the proposed method uses AdaBoost eye detection in order to compensate for the iris detection error caused by the two circular edge detection operations; secondly, it uses a color segmentation technique for detecting obstructions by the ghosting effects of visible light; and thirdly, if there is no extracted corneal specular reflection in the detected pupil and iris regions, the captured iris image is determined as a “closed eye” image.     

Circular shortest path as a method of detection and refinement of iris borders in eye image

Circular shortest path detection method is tried for locating pupil and iris boundaries in eye image. Two types of its application are tested: detecting pupil and iris boundaries using given approximate eye center point and refining pupil boundaries using given approximate pupil circle. Brightness gradient direction was used to choose image pixels, which may belong to pupil or iris boundary. The method seems to have worse performance in the detection task compared to other known approaches doing the same, but appears to be useful in the refinement task. The method was tested with public domain iris databases, totally with more than 80000 images for the first type of application and with more than 16000 images for the second type.     

一种人脸图象中瞳孔中心的提取方法

本文提出一种人脸灰度图象中瞳孔中心精确提取的方法。首先采用积分投影法自动检测眼睛区域，然后利用灰度变化的强度、方向信息进行边缘提取和上、下眼睑轮廓跟踪，探讨基于眼睛几何特征的瞳孔中心精确定位方法。所采用的眼睑轮廓跟踪方法与传统的模板匹配法相比较，对眼睛特征的先验知识依赖程度较低，对不同类型的眼睛具有很好
好的适应性。所提出的瞳孔中心精确定位方法，与Hough变换的中心定位法相比较，计算量更小，且实验结果表明该方法具有很高的精确度。     

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。     

基于彩色分割的虹膜检测

提出了一种基于彩色分割的虹膜检测方法,对于一幅经过准确定位的眼睛窗口图像,它的彩色信息比灰度信息更有助于进行虹膜检测。首先利用图像颜色的饱和度信息将眼睛图像中的眼睛区域与皮肤区域分离,然后利用亮度信息将眼睛区域的眼白和虹膜分离得到虹膜区域,再通过Hough变换进行虹膜检测。结果证明该方法不仅检测率高,而且能适应一定人脸姿势、眼睛视线方向的变化,甚至在眼睛区域较暗的情况下,也能很好地检测到虹膜。     

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。     

Iris image segmentation based on approximate methods with subsequent refinements

A system of methods for the detection and segmentation of iris in frontal eye images is presented. Input data are images used in modern iris recognition systems. Coordinates of outer and inner iris borders and the mask of the visible iris region or a decision that the image does not contain the iris of acceptable quality are obtained at the output. The system starts processing with an approximate detection of the eye center followed by an approximate detection of the outer and inner iris borders. If one of these borders is not detected, a further attempt is made to locate it using a different algorithm. Ultimately, the precise borders of the iris are determined at the last steps using specifically designed methods. The system is tested on public iris image databases as well as using the international IREX NIST test.     

Toward Accurate and Fast Iris Segmentation for Iris Biometrics

Iris segmentation is an essential module in iris recognition because it defines the effective image region used for subsequent processing such as feature extraction. Traditional iris segmentation methods often involve an exhaustive search of a large parameter space, which is time consuming and sensitive to noise. To address these problems, this paper presents a novel algorithm for accurate and fast iris segmentation. After efficient reflection removal, an Adaboost-cascade iris detector is first built to extract a rough position of the iris center. Edge points of iris boundaries are then detected, and an elastic model named pulling and pushing is established. Under this model, the center and radius of the circular iris boundaries are iteratively refined in a way driven by the restoring forces of Hooke's law. Furthermore, a smoothing spline-based edge fitting scheme is presented to deal with noncircular iris boundaries. After that, eyelids are localized via edge detection followed by curve fitting. The novelty here is the adoption of a rank filter for noise elimination and a histogram filter for tackling the shape irregularity of eyelids. Finally, eyelashes and shadows are detected via a learned prediction model. This model provides an adaptive threshold for eyelash and shadow detection by analyzing the intensity distributions of different iris regions. Experimental results on three challenging iris image databases demonstrate that the proposed algorithm outperforms state-of-the-art methods in both accuracy and speed.     

一种虹膜图像的质量评价算法

在虹膜识别系统中,质量较差的虹膜图像可能被系统拒识,导致身份识别或身份认证的失败。因此有必要在虹膜图像的采集端引入质量评价环节,从虹膜图像采集仪输出的视频序列中挑选出符合识别系统要求的虹膜图像。首先提出了一种快速的基于连通域分析的瞳孔定位方法,然后在此基础上,针对具有散焦模糊和眼皮睫毛遮挡的虹膜图像,提出了一种分步式的虹膜图像质量评价算法。实验结果表明,该算法能够有效地筛选出符合要求的虹膜图像。     

单摄像机视线跟踪

提出一种能对环境光强变化、用户头部位置变化自动适应的视线跟踪方法,减少了视线跟踪系统对使用者的头部限制。改进了视线跟踪算法：依据直方图,给出了一种自适应阈值提取方法; 依据瞳孔边界点的灰度信息、梯度信息及瞳孔边界曲线的平滑信息综合判据,给出了一种提取瞳孔边界点的一维算法; 给出了一种随机化椭圆拟合算法; 讨论了去除眼皮、眼睫毛及光斑干扰的方法。实验结果验证了算法的有效性。