虹膜图像质量评价综述

虹膜图像质量评价是虹膜识别系统中重要的模块,通过评价低质量虹膜样本的综合质量来提升虹膜识别的性能。虹膜图像质量评价与图像获取、人机交互系统、识别性能预测以及自适应虹膜识别算法设计等密切相关。近年来,随着低图像质量的鲁棒虹膜识别系统不断发展,虹膜图像质量评价得到了广泛研究。为了使该领域的研究人员充分了解当前虹膜图像质量评价算法,本文对已有的方法进行了综述。回顾了虹膜图像质量评价算法的发展历程,阐述了其典型应用,进而展望了虹膜图像质量评价算法以及以质量为导向的虹膜识别技术的发展。     

一种虹膜图像质量评价的方法

虹膜图像质量是影响虹膜识别系统精度的关键。从序列图像中挑选出符合要求的虹膜图像能有效地降低识别系统的拒识率和误识率。这里按照产生虹膜图像奇异的不同情形：失焦、运动模糊、眼睑遮挡及睫毛遮挡,充分利用虹膜自身的纹理分布特点,在算法中引入了评价区域局部化、小波包分解和能量加权等思想,分别设计相应算法加以评判。实验结果表明该评价方案快速有效,其评价结果和人眼主观评价相吻合。     

序列虹膜图像质量的评价方法

提出一种使用二维图像复杂度和傅里叶频谱值作为评价因子、利用分类器进行序列虹膜图像质量评价的方法.首先利用投影和图像二值化方法得到虹膜图像评价区域,然后计算该区域的图像二维复杂度和傅里叶频谱值,以此作为特征并使用分类器选择最清晰的一幅图像用于身份认证.实验表明,在K-NN,BP神经网络和支持向量机等多种分类器中使用上述评价因子的结果均比较理想,可以挑选出符合要求的虹膜图像.     

渐进式虹膜图像质量评估模型

虹膜图像质量评估目前尚无统一评估标准,导致虹膜识别拒识率和误识率较高。针对该问题,提出一种虹膜图像质量评估模型。根据虹膜图像中各干扰因素的不同特点,在先验知识基础上采用区域化、加权的方法,渐近式地实施像素级质量评估,依据像素级评估结果实施图像级质量评估。实验结果表明,像素级虹膜图像质量评估中的虹膜图像干扰项识别率和模糊识别率较高,图像级虹膜图像质量评估与人工评估结果相一致。     

虹膜图象质量评价的研究

一幅虹膜图象采集后 ,首先要进行质量评价 ,再根据评价结果确定其是否可以用于虹膜识别 .将虹膜图象质量评价分为 3个部分 :虹膜检测、虹膜不可用区域的确定以及虹膜图象清晰度评价 ,即采用模板匹配法在图象中检测可能的虹膜 ,并利用虹膜图象的一些特征来校验其可信度 ;寻找虹膜与眼皮的边界线 ,计算虹膜被眼皮遮盖的面积 ,同时根据虹膜和瞳孔的边界参数来计算位于图象外虹膜面积的大小 ,以确定不可用虹膜部分的大小 ;用灰度差分累加和的方法计算瞳孔边沿的平均高度 ,以判断图象中虹膜的清晰程度 .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象 .     

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。     

一种改进的虹膜定位方法

如何有效地确定虹膜在图象中的位置，是虹膜识别中需要解决的关键问题之一，在以前的粗定位与精定位相结合的两步虹膜定位方法的研究基础上，提出了一种改进的虹膜定位方法，它集中体现在虹膜粗定位方法的改进上，改进后的虹膜粗定位的基本思想为：首先在虹膜图像中选择互不相邻的若干行，求得每行的灰度差分曲线；然后根据灰度差分曲线上相邻几个点的累加和的大小，寻找虹膜或瞳孔的边界点；最后，由这些边界点拟合出虹膜及瞳孔的边界，实验结果表明，改进的虹膜定位方法更为快速、稳健。     

一种序列虹膜型图像的质量评价方法

为了实现对虹膜身份识别系统中所采集的序列虹膜图像的质量评判,提出了一种利用眼睛结构中瞳孔、虹膜、巩膜各区域边界部分灰度差值评判因子进行质量评价的方法。实验证明,用该方法可以快速、有效地鉴定序列虹膜和应变图像的质量,提高该身份识别系统和在线力学实验系统的工作效率。     

虹膜采集系统中图像质量评估的研究

虹膜识别系统中,虹膜图像质量的好坏直接影响识别的精度。针对虹膜采集过程,提出一种全面的虹膜质量评估方法,利用直方图对虹膜图像进行总体评估、对瞳孔定位;利用瞳孔圆心与亮斑重心之间的距离判断亮斑的位置与瞳孔的偏离度;利用总有界变差对虹膜感兴趣区域进行清晰度的判断;利用直线拟合法定位眼睑并对虹膜有效区域进行判断。实验证明,本文提出的方法切实可行。     

一种改进的虹膜定位算法

在以往虹膜定位的基础上提出一种改进的虹膜定位算法,主要体现在虹膜的粗定位上,运用Daugman提出的虹膜定位算法能更有效地定位虹膜.实验表明,具有更好的定位效果.     

一种新的快速虹膜定位算法

虹膜定位是虹膜识别中非常重要的一个环节.本文提出一种通过边缘检测模板的新瞳孔定位方法,避免了睫毛干扰造成定位不准的影响.同时在外边界粗定位的基础上,改进了虹膜外边界的精确定位方法,采用此种粗定位与精定位相结合的方法极大的缩短了虹膜定位的时间,提高了定位的准确性.大量实验表明,该虹膜定位方法简单可靠,精确度高,取得了非常好定位效果.     

灰度分布特征的虹膜定位算法研究

为克服浓密睫毛、眼睑等噪声对虹膜定位算法的影响,提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径。而对于虹膜的外边缘,则采用形态学中的闭运算去除虹膜区丰富的纹理,并设计了一个边缘检测模板,在小范围内搜索虹膜外边界的上下左右4个边界点进而确定虹膜的圆心、半径。对比的仿真实验表明：该算法不仅在计算精度和速度上都有很大提高,而且具有较好的鲁棒性。     

基于WBCT的虹膜图像质量评价方法

基于小波分析的Contourlet变换(Wavelet-based contourlet transform, WBCT)能有效地反映虹膜图像纹理的视觉感知特性. 用级联BP神经网络确定图像的评估区域后, 对区域图像进行WBCT分解, 并分别定义和计算了5种质量评价指标来评估离焦模糊图像、运动模糊图像、佩带隐形眼镜图像、睫毛和眼睑遮挡图像. 实验结果表明, 定义的指标可以快速精确地评价这几种图像的质量. 并且评价结果与人眼主观评价一致, 优于其他评价算法.     

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。     

由粗到精的虹膜图像离焦模糊评价方法

离焦模糊评价在虹膜识别系统中尤为重要。传统的方法是通过频谱分析测量虹膜图像的离焦模糊程度,这类方法容易受到光照变化以及睫毛和眼皮等噪声区域的影响。提出了一种由粗到精的虹膜图像离焦模糊评价方法。第一步,通过频谱分析去除严重模糊的虹膜图像,进行虹膜图像离焦模糊粗分类。第二步,通过方向金字塔分解,提取虹膜图像的质量特征。在人工合成的离焦模糊虹膜图像数据库中,利用径向基神经网络建立起质量特征与质量等级间的对应关系。通过建立起的模型进行实际的虹膜图像离焦模糊等级预测,以及虹膜图像离焦模糊精分类。在Clarkson数据库上的实验结果证明了该方法不仅可以准确区分清晰图像和离焦模糊图像,而且相比于传统的虹膜图像离焦评价方法更接近于人的视觉感知。     

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。     

虹膜识别系统的研究

介绍了基于人眼虹膜的一种生物识别技术,描述了虹膜识别系统的组成结构与实现,给出每部分组成模块,并详细讨论了虹膜识别算法。     

一种快速而精确的虹膜定位方法

快速虹膜定位是实现虹膜自动识别系统的基础。从虹膜图像特点出发,提出了基于分块统计灰度平均值的方法来确定虹膜内圆圆心和半径。利用不变矩的识别方法,不需要对任何带估参数进行累积计数,就可快速求出外边缘的参数,计算量小,计算时间短。通过对中科院自动化所CASIA虹膜数据库50组图像的虹膜定位测试结果表明,该方法定位准确率达到95%。     

虹膜分割算法评价基准

虹膜识别是生物特征识别中最稳定和最可靠的身份识别方法之一.在虹膜识别的整个流程中,虹膜分割处于预处理阶段,因此虹膜分割结果的好坏将直接影响虹膜识别的精度.自从1993年Daugman第1次提出高性能的虹膜识别系统以来,各种各样的虹膜分割算法陆续提出,尤其是近年来基于深度学习的虹膜分割算法极大地提升了虹膜分割的精度.然而,由于缺乏统一的数据库和评价指标,各种算法的性能比较杂乱而不公平,因此提出了一个公开的虹膜分割评价基准.首先,介绍了虹膜分割的定义和面临的挑战;其次全面梳理了3个有代表性的公开虹膜分割数据库,总结了其特点和挑战性;紧接着定义了虹膜分割的评价指标;然后对传统的和基于深度学习的虹膜分割算法进行了总结,并通过详细的实验对各类算法进行了比较和分析.实验结果表明：当前基于深度学习的虹膜分割算法在准确性上超越了传统的方法.最后,对基于深度学习的虹膜分割算法存在的问题进行了思考和讨论.     

虹膜定位算法的研究

虹膜识别技术是一种非侵犯性的身份鉴别技术。论文跟踪研究了虹膜定位算法,针对其局限性,做了改进,提出了虹膜图像平滑的方法,并讨论了几何定位和梯度边缘检测相结合的定位方法,使虹膜定位更加迅速。实验结果表明,该方法提高了虹膜定位的速度,并有良好的鲁棒性。