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     

上皮植入性虹膜囊肿34眼治疗分析

分析评价上皮植入性虹膜囊肿发病机理和预防治疗方法。上皮植入性虹膜囊肿的预防最重要的是及时正确地处理角膜创口 ,治疗以微观手术切除效果最佳     

三种鲍腹足肌胶原多肽抗氧化性研究

研究了皱纹盘鲍(Haliotis discus hannai)、黑足鲍(Haliotis iris)及其杂交鲍腹足胶原多肽的制备和性质,并采用总还原力、对O^-₂·和·OH自由基清除率和致衰小鼠灌胃胶原多肽后体内MDA、SOD和GSH-PX变化来评价3种鲍胶原多肽的抗氧化性。结果显示,皱纹盘鲍、黑足鲍及其杂交鲍的胶原蛋白分别占总蛋白含量的23.44%、30.78%和26.92%,皱纹盘鲍与杂交鲍胶原蛋白含有α1、α2、β和γ链,而黑足鲍胶原蛋白没有γ链;来自3种鲍的胶原多肽均呈现出较高的还原力、O^-₂·和·OH自由基清除能力,对O^-₂·清除率的IC₅₀值分别为3.03、2.40、1.15 g/L,对·OH清除率的IC₅₀值分别为4.12、3.58、3.70 g/L;灌胃3种胶原多肽后,致衰小鼠肝脏和血清的MDA含量均降低,SOD和GSH-PX活力均上升。三者比较,杂交鲍胶原多肽在降低MDA含量、提高GSH-PX活力的作用最强,黑足鲍胶原多肽在提高SOD活力的效果最显著。     

虹膜分割中眼睑和睫毛的检测

虹膜分割是虹膜识别的前提,针对分割出的环状区域含有眼睑、眼睫毛和光斑等干扰,本文提出一种虹膜分割中的眼睑和睫毛的检测方法。基于数学形态学知识,采用边缘检测结合最小二乘法定位眼睑,利用阈值法来检测上眼睫毛和光斑。结果表明,该算法可准确而有效地检测出这些干扰,并从虹膜区域中剔除,从而提高虹膜识别的性能,是一种可行的检测方法。     

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。     

基于复合混沌加密的虹膜识别安全性研究

为保证虹膜信息在网络传输中的安全,提出Arnold变换与OCML混沌系统相结合,针对虹膜图像的复合混沌加密系统对虹膜信息进行加密.首先,利用Arnold变换置乱并混淆虹膜图像,然后通过镜像算法解决Arnold变换中零点不变性问题,最后对置乱后的虹膜图像通过OCML混沌系统进行加密.实验表明,该算法密钥空间大,统计特性好,密钥敏感性强,加密速度快,平均加密时间70 ms.     

基于特征图规正的虹膜图像自适应Gamma校正方法

在虹膜图像采集过程中产生的光斑使得整幅虹膜图像的照度不均匀。为了消除照度不均匀对特征提取的影响,本文提出了一种基于特征图规正的自适应Gamma校正方法。该方法将虹膜图像的特征图作为Gamma校正的依据,把距离因素考虑到Gamma校正中,而且利用模拟退火算法实现了关键值Gamma的自适应调整。该方法使Gamma值的变化更加趋于合理,提高了Gamma矫正对光照变化的适应能力,避免了较正后图像的失真。实验证明该方法不仅可以尽可能的提高图像的质量,而且对校正后的图像进行边缘提取,可以获得更加清晰连续的边缘。     

Daugman识别方法决策理论的研究

虹膜识别技术是近几年新兴的一种生物识别技术,它由四个部分组成.本文主要对Daugman识别系统的决策理论进行了研究.从理论上验证了这个识别系统的决策理论的可行性,并且指出了这个识别统的决策理论存在的不足,并提出了切实可行的改进措施.     

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.     

基于核主成分分析的虹膜识别方法

提出了一种新的虹膜识别方法,利用核主成分分析(KPCA)提取虹膜的纹理特征,采用竞争学习机制进行识别。实验结果证明采用该方法的虹膜识别系统识别率高、环境适应性强、运行时间短,在虹膜识别中具有良好的应用价值。