基于小波变换过零检测的虹膜识别技术

使用小波变换过零检测算法可实现人眼虹膜图像的编码和识别 .瞳孔尺寸变化会使虹膜纹理图像变形 ,进而影响识别算法 .采用虹膜变形模型克服了瞳孔缩放带来的影响 ,并针对图像编码不等长问题 ,提出了有限变形相似度的相似度算法 ,使识别算法更加稳定     

基于双目视觉和旋转云台的远距离虹膜识别系统

 虹膜识别技术是一种新兴的生物特征识别技术,相对于指纹识别和人脸识别具有更高的准确率和稳定性,影响虹膜识别的瓶颈问题在于虹膜图像获取不太方便。当前该领域的热点就是研发一种可以在远距离、全自动地拍摄虹膜图像的设备,以解决虹膜识别的易用性问题。设计了一种基于双目视觉和旋转云台的远距离虹膜识别系统,该系统首先对摄像机进行标定,对双目摄像机中的人脸图像进行配准,从而估计人脸在空间中的大致位置;然后,系统利用旋转云台将虹膜摄像机自动对准人的眼睛并进行自动对焦,在捕获到清晰地虹膜图像后进行虹膜识别。实验证明,本文的立体视觉方法可以比较准确地定位物体空间位置,系统自动获取的虹膜图像质量好,识别率高。这种系统有望能够在未来的虹膜识别领域得以大规模应用。     

基于人眼特征信息的驾驶人眼视线估计

提出了一种新的基于人眼特征信息的驾驶人眼视线估计的算法,且研究使用普通的摄像头。采用Harris角点检测算法对驾驶人上、下眼睑外轮廓进行角点检测,拟合人眼轮廓曲线;再对人眼区域图像进行色彩空间转换提取灰阶值分量,图像亚像素下进行Hough边缘检测,设定相应的虹膜边缘曲率阈值,准确识别人眼虹膜边缘信息。算法结合虹膜和人眼轮廓信息对驾驶人眼视线进行估计。将提出的算法应用到实车试验中,采用facelab5眼动仪对驾驶人视线估计角度结果进行验证。试验结果表明,所采用的人眼视线角度估计算法在实际的驾驶环境中准确率较高。     

虹膜采集定位系统的实现

在虹膜识别系统中,至关重要的一步就是采集符合识别要求的虹膜图像,这就需要专业的虹膜采集设备来采集图像.针对此类问题设计了一套基于Open CV的虹膜采集定位系统,该系统能够采集到高质量的虹膜图像,从而实现虹膜定位功能.     

基于小波包分解的虹膜图像质量评价算法

在虹膜识别系统中,虹膜图像的质量是影响识别效果的重要因素。为了保证识别的准确性,必须选择满足识别算法需要的图像来进行特征提取和模式识别。在对现有虹膜图像质量评价算法分析的基础上,该文提出了一种新的基于小波包分解的算法,根据虹膜纹理的特点确定小波包的分解方式,选取纹理高频分量分布最集中的子频带作为特征子频带,以其能量作为判别图像质量的准则。对比实验结果表明,该方法可以快速、准确地判断虹膜图像的质量,实现了对图像的实时处理,结果合乎人眼的主观度量,且区分不同质量图像的效果优于其它评价算法。     

一种基于CCD的嵌入式虹膜识别系统设计与实现

通过普通摄像头得到的虹膜图像的纹理通常是模糊的,不能直接用于虹膜识别,先对虹膜图像获取、内外边缘定位,然后采用基于B样条的FFD模型对图像进行配准,采用小波变换对图像进行融合,然后对图像进行二值化和特征提取处理,对虹膜识别中的算法进行改进,提出了一种嵌入式虹膜识别算法,对该算法的实验表明,算法运算速度快$精度高$性能稳定,适合在嵌入式系统中应用.     

一种用于虹膜识别的相位匹配算法

虹膜识别是一种非侵犯性的人类身份识别技术 .在虹膜自动识别过程中 ,特征的分析和匹配是非常重要的部分 .此文讨论了虹膜图像定位、增强等预处理的方法 ,并提出了一种相位相关的匹配算法对虹膜图像进行识别和判断 .实验证明 ,该方法运算速度较快 ,并有较高的识别率 ,效果良好 .     

一种基于CCD的嵌入式虹膜识别系统设计

通过普通摄像头得到的虹膜图像的纹理通常是模糊的,不能直接用于虹膜识别;先对虹膜图像获取、内外边缘定位,然后采用基于B样条的FFD模型对图像进行配准,采用小波变换对图像进行融合,然后对图像进行二值化和特征提取处理;对虹膜识别中的算法进行改进,提出了一种嵌入式虹膜识别算法,对该算法的实验表明,算法运算速度快,精度高,性能稳定,适合在嵌入式系统中应用。     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

Wildes虹膜识别方法的研究

虹膜识别技术是一门利用人类特有的生物特征--虹膜,来验证个人身份的科学.由于虹膜的结构具有独一无二、稳定及难于复制等特性,所以,这种识别方法提供了一种相对可靠和稳定的身份鉴别途径.对Wildes的虹膜识别方法[1]的图像采集、图像的预处理、特征提取和匹配等过程进行了研究,找出了这种识别方法存在的不足之处,并提出了切实可行的改进措施,大大提高了原系统的精度.     

基于虹膜识别的身份鉴别系统设计

阐述了基于虹膜识别的身份鉴别系统整体设计思路,详细介绍了该系统的组成、硬件结构及软件设计。系统主要由虹膜图像采集、虹膜定位分割、虹膜归一化、特征匹配等部分组成。通过该系统可进行准确的人员身份鉴别。     

基于DSP的虹膜图像采集系统

提出了一种基于红外光源的、以浮点DSP芯片TMS320VC6711为核心的虹膜图像采集系统，介绍了其工作原理、软硬件设计与实现．通过测试验证，此系统具有很高的稳定性和可靠性，为虹膜识别算法的研究提供了高质量的虹膜图像．     

虹膜识别煤矿考勤系统设计

介绍了基于虹膜识别技术的煤矿考勤系统的系统结构、工作流程,软硬件设计及其实现。考勤系统主要由虹膜图像采集装置和数据处理计算机组成。系统软件部分采用VC＋＋6.0中的ADO数据库访问技术,以Access为存储数据库开发。通过应用测试,此系统识别率高,稳定性较好,有效地提高了煤矿的智能化管理水平和工作效率。     

不完美虹膜图像定位方法

虹膜定位是虹膜识别的重要环节,然而高度非侵犯性的虹膜识别系统采集到的虹膜图像通常是不完美的,存在眼睑噪声、睫毛噪声和位于瞳孔内的反射光斑等问题,会给虹膜定位带来不利影响,从而影响虹膜识别的准确性.考虑到虹膜定位的重要地位,基于虹膜图像结构特征,提出了一种简单易行的虹膜内外边缘定位方法;并基于灰度阈值分别设计了去除眼睑、睫毛噪声对外边缘定位影响的改进措施和去除瞳孔内光斑对内边缘定位影响的改进措施,有效提高了定位精度.     

基于Rubber-sheet模型的虹膜识别算法研究

为了实现对虹膜内外边界的精确定位,提出了改进的虹膜图像定位算法.虹膜图像预处理过程主要包括虹膜边界定位、归一化处理和图像增强三部分,其中虹膜图像边界定位是实现虹膜识别的重要前提.首先使用质心探测法确定其二值化虹膜图像的内边界中心,然后再对内边界进行曲线拟合,从而实现对虹膜内边界的定位.使用Canny算子进行边缘检测,确定虹膜图像外边界,完成对虹膜边界的定位.使用Rubber-sheet模型对经过定位的虹膜区域图像进行归一化处理,方便虹膜图像的信息提取和编码匹配.实验证明改进的算法有效提高了虹膜图像预处理效率.     

虹膜识别

系统阐述了虹膜识别的原理和实现方法,提出将小波变换与Hough变换相结合定位虹膜外边界,采用同心圆渐变展开虹膜图像为矩形图像,根据纹理分布方差对分类距离加权.新算法在保持平移和缩放不变性的同时,有效地实现了虹膜识别.     

基于Camshift算法的虹膜实时跟踪

针对人眼虹膜跟踪中存在的眨眼和眼睑遮挡问题,提出了基于Camshift算法的虹膜跟踪方法。首先使用Adaboost学习算法进行人眼初步定位,然后加入三庭五眼的比例模型精确定位人眼;在人眼定位的基础上使用一个圆形滑动窗遍历人眼灰度图像,其中平均灰度最小的圆形窗可初步定为虹膜区域;将以上步骤检测出的虹膜作为Camshift算法初始模板,建立虹膜的颜色概率图,利用虹膜的颜色特征完成跟踪。实验证明本算法的虹膜跟踪准确率达到84%;并能解决眨眼和眼睑遮挡问题,保证了跟踪过程的鲁棒性。     

一种基于正交不变集多小波的虹膜识别方法

提出了一种新的虹膜特征提取方法。该方法应用双正交不变集多小波对虹膜图像进行特征提取,同时考虑了虹膜图像的局部特征和全局特征,采用相关系数测度和方差倒数加权欧氏距离相结合的方法来设计分类器,为了消除虹膜图像在采集时可能产生光斑而对识别结果带来影响,在设计分类器时采用分块处理的办法。实验结果表明,多小波变换能更好的提取虹膜的纹理特征,获得更好的识别性能,是一种有效识别方法。     

用于身份鉴别的虹膜图像预处理

针对虹膜图像的特点和现有虹膜识别算法运算速度慢及鲁棒性差的问题,为提高虹膜识别的性能,提出了一种新的虹膜图像预处理方法.首先采用最小二乘法定位虹膜内边缘和检测上下眼睑,利用改进的随机Hough变换定位外边缘;然后运用双阈值法检测睫毛,并对分割出的环状虹膜区域进行归一化和去噪与增强处理.预处理后的图像基本上不含眼睑和睫毛等干扰,从而有利于后续的虹膜特征提取和匹配.测试结果表明,该方法可有效地解决图像预处理中计算时间长和通用性差的问题,能提高虹膜识别系统的稳定性和识别率.     

基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.