基于二维小波变换的圆形算子虹膜定位算法

为了提高虹膜定位的准确率和速度,提出了一种基于二维小波变换的Daugman圆形算子虹膜定位改进算法。首先采用阈值法分割瞳孔,使用边缘检测算子检测瞳孔区域边缘定位虹膜内边缘,然后采用二维小波变换对人眼图像处理以降低图像分辨率,以代替Daugman圆形算子中的平滑函数处理,最后采用圆形边缘检测算子计算滑动窗内的圆形边缘,比较滑动窗口的圆内区域与圆外区域的灰度均值来定位虹膜外边缘。仿真结果表明该算法定位虹膜内外边界的平均时间为1.85s,准确率为99.6%,在虹膜识别系统中有较高的实际应用价值。     

一种新的虹膜定位方法

针对现有虹膜定位算法的局限性,提出了一种新的虹膜定位的方法.先对虹膜图像进行预处理,用canny边缘检测算子检测得到虹膜内边缘;再通过二次canny边缘检测对虹膜外边缘进行粗定位,然后分小区域对虹膜外边缘实现多阈值边缘检测,从而获得真实边缘,再利用虹膜内外边缘之间的耦合关系,结合最小二乘法实现虹膜外边缘的定位.实验结果表明,此方法能比较快速准确地定位出虹膜的内外边缘.     

最小方差搜索圆心的快速虹膜定位算法

为了改善虹膜识别的实时性,提出一种新的快速虹膜定位方法。首先对虹膜图像进行去噪处理,然后采用类间方差法对图像进行阈值分割,再运用投影方法粗略得到虹膜内边缘圆心和半径,最后根据粗定位得到内边缘圆周参数,采用所提出的算法对虹膜内边缘进行精定位;对于外边缘定位,依据先验知识以及内边缘圆周参数去掉虹膜图像多余的边缘点及噪声点,缩小搜索范围,然后采用同样的算法对外边缘进行精定位。实验结果表明,该方法能够准确快速的定位出虹膜内外边缘,定位速度较传统算法提高了十倍左右,并且减少了传统定位算法搜索的盲目性。     

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。     

一种改进的基于Hough变换的虹膜定位算法

为改善虹膜定位的效果,提出一种改进的基于Hough变换的虹膜定位算法。首先,用一个全1的矩形窗对瞳孔中心进行估计;然后,以该估计中心为极点对虹膜二值图像进行极坐标变换,通过水平边缘点选择规则剔除非水平边缘点,再将图像变换到直角坐标;最后,利用Hough变换以及虹膜内、外边界之间存在的耦合关系来求取虹膜边界参数,并取最大和次大参数的均值作为最终的边界参数。实验结果表明,该算法平均定位时间为0.152 s,准确率高达98.4%。     

基于Snake模型的虹膜定位算法

虹膜识别被认为是目前最准确可靠的生物特征识别方法．快速、准确地定位虹膜是虹膜识别系统的关键．提出一种基于Snake模型的虹膜定位算法：采用Canny检测算子定位虹膜内边缘，运用Snake模型锁定虹膜外边缘．实验表明，该方法速度快、精度高，并且具备良好的鲁棒性．     

基于区域生长与Hough变换的虹膜定位方法

快速、准确地定位虹膜是虹膜识别系统的关键。在分析了传统虹膜定位算法的基础上,提出了一种把区域生长与Hough变换相结合的虹膜定位方法,利用区域生长搜索虹膜的内边缘,根据图像的灰度变化规律,搜索位于外边缘的若干个点,利用Hough变换找出外边缘所在位置。实验结果表明,该方法易于实现,减少搜索的盲目性,可提高定位速度。     

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.     

一种基于圆几何特征的虹膜定位算法

虹膜定位是虹膜识别中基础性环节,其精度和速度决定了虹膜识别系统的性能,为提高虹膜定位的速度,提出一种基于圆几何特征的虹膜内边缘定位算法,利用内外边缘中心的耦合特性缩小微积分方法搜索外边缘的范围。试验结果表明,与经典虹膜定位算法相比,本算法快速、精确、鲁棒。     

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。     

基于Gabor滤波的虹膜识别系统设计

随着科学技术的发展,信息安全在各个领域显得越来越重要,生物识别技术由于其特有的性质,在传统的识别领域中脱颖而出;其中,虹膜识别以高可靠性和差异性,成为目前安全性最高,最理想的生物识别技术;为增强虹膜识别算法的定位效率,提出一种改进定位算法,即二值化分割出瞳孔区域时,修正瞳孔边界,提高虹膜定位精度,有效提高识别速度;虹膜识别算法是整个系统的核心,要使虹膜识别具有良好的效果,需要对虹膜图像进行一系列的处理;为了完整高效地实现虹膜识别系统,对Gabor滤波器的原理及实现方法进行具体分析,研究Daugman虹膜识别算法,设计并完成了虹膜图像预处理,特征提取,二维Gabor滤波器的构建及参数选取等,经仿真实验,能够非常高效地完成虹膜特征提取并识别比对,计算速度和效果均优于传统算法。     

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。     

一种快速精确的虹膜定位方法

为了提高虹膜定位的速度及精度,提出了一种粗定位,精定位与结果修正三步相结合的定位方法,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,用三步法进行虹膜定位可以减少搜索计算的盲目性,加快定位速度,对不同虹膜图象定位结果的精度都有不同程度的提高。     

嵌入式虹膜定位算法

利用虹膜的几何特征及平面几何的知识,提出了一种支持嵌入式系统的虹膜定位算法.即通过移动两条经过瞳孔且相互垂直的弦来定位虹膜内边缘;并利用巩膜与虹膜的灰度值悬殊这一特点,对图像反相处理来突出巩膜,再确定虹膜外边缘上的六个点,从而定位虹膜外边缘.算法避免了搜索的盲目性,实时性有较大改善,能较好地支持嵌入式系统.     

基于几何特征的虹膜定位算法

提出了利用虹膜边缘图象的几何特征以及圆相交弦的性质进行虹膜定位算法 .首先根据虹膜图象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象 ,然后利用圆的相交弦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策略提取虹膜内外径 .通过仿真实验的对比结果表明 ,该算法提高了虹膜定位的速度 ,同时对噪声具有一定的鲁棒性     

一种快速、新颖的虹膜定位算法

虹膜图像的定位是整个虹膜识别过程中最重要的环节,定位的速度和准确性决定了整个虹膜识别系统的方案是否实用可行。论文提出的算法从建立虹膜图像的灰度直方图入手;根据图像中虹膜内外边界区域灰度分布的特点,采用不同的滤波方式;分析虹膜边界的灰度域值,利用可能的边界点,依靠投票机制完成虹膜的定位;从不同角度提出了新的思路。     

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。     

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.     

Robust and accurate iris segmentation in very noisy iris images

Iris segmentation plays an important role in an accurate iris recognition system. In less constrained environments where iris images are captured at-a-distance and on-the-move, iris segmentation becomes much more difficult due to the effects of significant variation of eye position and size, eyebrows, eyelashes, glasses and contact lenses, and hair, together with illumination changes and varying focus condition. This paper contributes to robust and accurate iris segmentation in very noisy images. Our main contributions are as follows: (1) we propose a limbic boundary localization algorithm that combines K-Means clustering based on the gray-level co-occurrence histogram and an improved Hough transform, and, in possible failures, a complementary method that uses skin information; the best localization between this and the former is selected. (2) An upper eyelid detection approach is presented, which combines a parabolic integro-differential operator and a RANSAC (RANdom SAmple Consensus)-like technique that utilizes edgels detected by a one-dimensional edge detector. (3) A segmentation approach is presented that exploits various techniques and different image information, following the idea of focus of attention, which progressively detects the eye, localizes the limbic and then pupillary boundaries, locates the eyelids and removes the specular highlight.