虹膜定位的快速算法

基于眼睛图像的几何特性,提出了一种基于最长弦的瞳孔定位算法,该算法能快速地检测到瞳孔的位置。由于图像中的瞳孔并不是规整的圆形,此方法与传统的基于圆灰度梯度检测算子的瞳孔定位算法相比能够更好地拟合瞳孔边界。在精确地定位瞳孔之后,根据瞳孔和虹膜近似同心的特性,利用圆灰度梯度检测算子在小范围内搜索虹膜的外边沿。与传统的虹膜定位方法相比,此算法避免了搜索的盲目性,提高了虹膜定位的速度和精度。     

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。     

一种改进的虹膜快速定位算法

针对现有虹膜定位算法的局限性,提出一种检测变形瞳孔的算法,实现了精确快速的虹膜定位,并通过最大类间方差法确定图像阈值。变形瞳孔近似椭圆,因此利用最长弦定位内边界。由于瞳孔虹膜近似同心,利用圆灰度梯度算子小范围搜索外边缘。此算法精确定位了变形瞳孔,避免了外边缘搜索的盲目性,提高了虹膜定位的精度与速度。     

一种快速虹膜定位算法

提出了一种根据眼睛瞳孔近似为圆的几何特性,利用与瞳孔相切的两条平行扫描线进行瞳孔圆心的定位来实现虹膜的定位算法.与传统虹膜定位算法相比,该方法避免了搜索的盲目性,提高了虹膜定位的精度和速度.     

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。     

一种改进的虹膜定位方法

虹膜定位是虹膜识别中至关重要的环节,根据实际应用中瞳孔内部会由于反光而形成亮点的情况，本文对粗定位方法进行改进,利用虹膜图像的灰度直方图，首先根据瞳孔的灰度分布特点求二值化闪值，采用圆内弦中点平均方法粗定位其圆心和半径，从而减少精定位的搜索范围和计算量，然后利用圆检测算法在二值化图像中进行内圃精定位,与传统方法相比,能够减少内圃定位于瞳孔内部的错误,实验结果验证了该方法的可行性和有效性．     

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。     

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.     

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.     

基于微积分法的虹膜边缘检测技术的研究

当前社会,人们对于身份安全越来越重视,尤其是在一些高度保密或者涉及个人隐私方面的场合,一对一的身份识别显得尤为重要。而虹膜识别恰好具备高效、不易被仿造等特点,使其作为一项身份识别技术被推向了热潮。图像边缘检测一直是图像处理中的经典研究课题,也是至今仍没有得到圆满解决的一类问题。因此,探讨获取图像的边缘和轮廓的问题,是图像工程师们的重中之重。而虹膜识别技术中的边缘检测也如上所说是重要的一项技术,虹膜的内外边界可以近似地用圆来拟合。内圆表示虹膜与瞳孔的边界,外圆表示虹膜与巩膜的边界,但是这两个圆并不是同心圆。而如何更好、更准确地且不受外界干扰以及图像模糊情况下仍能较为有效地进行内外圆的边缘检测是研究的重点。文中就微积分法用于虹膜边缘检测方面展开了研究。     

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。     

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。     

基于行列扫描的虹膜定位算法

提出一种新的虹膜定位方法。首先用灰度门限法提取虹膜的内边界象素点，然后对瞳孔内部一定灰度范围内的值进行二值化填充，用行列扫描的方法去除瞳孔外围的杂点，初步定位出瞳孔的圆心和虹膜的圆心，最后应用最小二乘法拟合获得精确的瞳孔和虹膜的圆心及半径。     

一种新的基于纹理边缘检测的虹膜定位算法

针对虹膜边缘图像提取的主流方法,提出了一种跳过虹膜外边界检测的直接提取虹膜图象的新方法。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得到边缘图象,最后以过瞳孔圆心水平直线像素的扫描确定一估计虹膜纹理所在之半径,并以此半径向外搜索分析半环上的像素点直到得到精确的虹膜纹理区外边界止。实验结果表明,该方法整体上提高了虹膜提取及后续的识别速度,并且具有较好的定位效果。     

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。