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.     

Hough 变换与非线性增强结合的非理想虹膜边界定位算法

边界定位是非理想虹膜识别的关键问题之一。非理想虹膜由于经常存在纹理过强、睫毛和眼睑遮挡、虹膜巩膜对比度较差、瞳孔位置偏移等问题,这使其边界尤其是外边界定位容易出现偏差。针对上述问题,笔者提出了一种基于非线性图像增强的非理想虹膜边界定位方法。在内边界定位中,该方法首先使用混合高斯模型得到瞳孔粗略位置,然后使用弦长均衡策略搜索虹膜内边界及其中心;在外边界定位中,首先对虹膜图像进行非线性灰度变换,再利用边缘检测和改进的 Hough 变换定位虹膜外边界。实验结果表明：本算法与经典方法相比可大大提高非理想虹膜分割的准确率。     

基于Hough变换与图像灰度增强的非理想虹膜边界检测

边界定位是非理想虹膜识别的关键问题之一.非理想虹膜由于经常存在纹理过强、睫毛和眼睑遮挡、虹膜巩膜对比度较差、瞳孔位置偏移等问题,这使其边界尤其是外边界定位容易出现偏差.针对上述问题,我们提出了一种基于非线性图像增强的非理想虹膜边界定位方法.在内边界定位中,该方法首先使用混合高斯模型得到瞳孔粗略位置,然后使用弦长均衡策略搜索虹膜内边界及其中心;在外边界定位中,首先对虹膜图像进行非线性灰度变换,再利用边缘检测和改进的Hough变换定位虹膜外边界.实验结果表明,本算法与经典方法相比可大大提高非理想虹膜分割的准确率.     

基于感兴趣区域的快速虹膜定位方法

虹膜定位是虹膜识别系统中的一个非常重要的步骤,虹膜识别系统性能的优劣很大程度上取决于虹膜定位的精确性和快速性．针对已有的虹膜定位算法存在的定位精度和执行效率低并且鲁棒性差的缺点,本文提出一种基于感兴趣区域的快速虹膜定位算法,本算法主要有两个基本步骤：虹膜边缘点检测和用霍夫变换拟合虹膜边界．在进行这两个步骤之前,我们定义了一个感兴趣区域IF（Interesting Filed）,这个感兴趣区域为一个包含虹膜的外接矩形．通过寻找感兴趣区域,我们缩小了对目标的搜索范围,使得霍夫变换能较快的对虹膜进行定位．经试验表明本算法能较为精确且快速的定位虹膜边界．     

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SIFT和SDM的虹膜定位方法

为了提高虹膜定位的速度和稳定性,提出一种基于SDM的快速、稳定的虹膜定位算法.该方法首先采用径向对称变换粗定位瞳孔,然后采用微积分算子精定位瞳孔;选取SIFT特征描述虹膜外边缘及眼睑的边界特征,采用SDM算法求解定位结果,最后采用最小二乘法确定虹膜外圆及上、下眼睑边界参数.实验结果表明该算法大大提高了虹膜定位的效率和稳定性.     

改进的虹膜图像分割算法

虹膜分割是虹膜识别的前提.为提高现有虹膜图像分割的性能,提出一种改进的虹膜图像分割算法.采用边缘检测结合Hough变换的方法定位虹膜内外边缘,对于上下眼睑采用最小二乘法结合边缘检测的方法来检测,阈值法检测睫毛.实验结果表明,该算法能有效地分割出虹膜区域,去除眼睑及睫毛,较大地提高虹膜分割的速度和准确度.     

基于人脸与虹膜的多生物特征融合识别算法研究

在研究传统人脸特征提取算法的基础上,提出基于LDA-LLE的人脸识别算法。该算法同时具有线性方法和非线性方法的优点,对人脸图像的常见变化,如光照、姿态等具有一定的鲁棒性;研究了基于Hough变换的虹膜特征定位算法,该定位算法通过检测两个圆和两条直线来实现虹膜图像的精确定位;然后分别利用SVM和KCCA在匹配层和特征层实现了的人脸图像和虹膜图像的融合;并利用ORL人脸库和IITD虹膜库组成的多模特征库上进行仿真实验。实验结果证明了这两种融合算法的有效性,尤其在小样本的情况下,该融合方法也能取得较高的识别率。     

基于二维小波变换及邻域均值滤波的虹膜定位算法

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及邻域均值滤波的虹膜定位算法.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;然后对人眼图像进行二维小波处理降低虹膜图像的分辨率,以减少虹膜本身的纹理对判断外边缘点时所产生的影响;最后采用邻域均值滤波进行虹膜外边缘点提取,根据所得虹膜外边缘点确定虹膜外边界.仿真结果表明:该算法定位虹膜内外边界的平均时间为1.75s,准确率为99.7%,其中虹膜外边缘定位误差小于4.2%,在虹膜识别系统中有较高的实际应用价值.     

基于最大熵的虹膜定位算法

针对虹膜图像自身的特点,先利用最大熵的方法把虹膜图像分成3个灰度等级,使虹膜最大限度的呈现出内外边界,然后在此基础上运用Daugman提出的虹膜定位算法能更有效地定位虹膜.实验表明,该算法具有更好的定位效果.     

一种新颖的虹膜图像预处理算法

提出一种新的虹膜图像预处理算法．先利用搜索迭代的圆周差分方法快速准确地定位虹膜，再利用一种将瞳孔与虹膜圆心变换合并的虹膜图像归一化方法解决虹膜内外圆不同心带来的误差，最后使用改进的局部直方图均衡化方法增强图像．大量的虹膜图像的实验表明，新方法对虹膜定位有非常高的准确性和鲁棒性，归一化和图像增强能提高后续的虹膜识别率．整个虹膜预处理的运算时间小于0．4s，能满足实时系统的要求．     

基于多方向Gabor滤波器和Adaboost的虹膜识别方法

结合虹膜的整体和局部纹理信息,提出一种新的虹膜特征提取和识别方法.首先将归一化虹膜进行分块,然后利用多方向Gabor滤波器分别对整个虹膜和虹膜子块进行编码并生成特征向量,最后使用Adaboost算法训练得到识别性能较好的特征用于识别.在数据库CASIA-IrisV3-Lamp中实验,该算法的识别率达到99.85%;在包含大量低质量虹膜图像的数据库NICE:Ⅱ中实验,算法也具有较好的识别性能,表明了算法既能充分地利用虹膜的纹理信息,又能有效地减少噪声的影响.     

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。     

基于轮廓跟踪的虹膜定位算法

提出一种基于轮廓跟踪算法的虹膜定位算法. 该算法先通过像素点扫描查找二值虹膜图像中轮廓的起始点, 然后由起始点进行轮廓查找、 轮廓编码、 轮廓筛选确定虹膜内轮廓, 再通过虹膜外轮廓和巩膜间的灰度突变点到内轮廓圆心距离的平均值确定外轮廓半径, 实现虹膜内、 外轮廓的定位. 实验结果表明, 该算法具有较快的定位速度、 较高的准确率, 性能稳定.     

基于AdaBoost算法与神经网络的快速虹膜检测与定位算法

针对目前已有的虹膜检测与定位算法的局限性, 设计了一组具有局部互联结构的神经网络, 结合AdaBoost算法用于虹膜的检测与定位. 算法主要有以下特征： 根据虹膜图像的特点设计了一组具有不同感受野和不同复杂程度的局部互联神经网络虹膜分类器; 应用AdaBoost算法整合神经网络分类器, 产生一个具有很强虹膜检测能力的总分类器; 采用级联结构提高系统的检测速度. 实验结果表明, 该方法具有极高的检测精度与速度, 有效地解决了包含大量脸部区域的虹膜检测与定位问题, 以及以往方法很难解决的白内障患者的虹膜检测和定位问题.     

虹膜定位算法

提出一种根据标准偏差定位瞳孔边缘和圆,大而快速定位虹膜外边缘的方法,试验结果表明,提出的方法提高了虹膜定位的速度以及定位的稳定性,减少了传统的虹定位算法中搜索的盲目性。     

基于微积分算子的彩色虹膜图像定位算法

针对NICE:Ⅱ中的彩色噪声虹膜图像难于精确定位问题,提出了一种基于微积分算子的彩色虹膜图像定位算法.首先选择RGB虹膜图像的R层,结合Gabor滤波器和图像梯度信息检测图像中的光斑区域;然后利用Adaboost算法检测虹膜区域,并使用抛物线形微积分算子定位上下眼睑;再利用基于微积分算子的模板,通过局部极值的逐步迭代和对虹膜边界点的聚类分析,定位虹膜外边界;最后使用同态滤波对虹膜区域进行增强处理,检测虹膜内边界.在NICE:Ⅱ彩色虹膜图像库上的实验表明,该方法的定位准确率为98.22%.     

基于Dempster-Shafer证据理论的虹膜图像分类方法

为了提高虹膜图像的分类率，提出了一种基于证据理论的虹膜图像分类方法．该方法利用虹膜图像的纹理变化信息来提取虹膜灰度信号的比率特征，并结合证据理论实现了虹膜图像的决策分类，降低了不确定性因素对图像分类的影响，提高了分类率．在相同的实验条件下，对不同数量的虹膜图像进行了实验验证，结果表明，该方法在保持了分类稳定性的同时，其分类率比直方图交叉分类方法和直方图比率特征分类方法分别提高了6．96％和4．44％．