基于梯度的虹膜定位方法

为了提高虹膜定位的速度以及虹膜定位的准确性，依据虹膜图像灰度的分布特性及良好的环状性质，检测出瞳孔边缘以减少参与Hough变换的点数，进而定位虹膜内边缘．对于外边缘定位采用基于灰度梯度的微分积分圆形检测算子的方法．实验结果表明，此种方法能够准确地进行虹膜内外边缘定位，避免了含有大量其它区域对定位带来的影响．     

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.     

一种改进的虹膜内边缘定位算法

首先利用小尺度高斯低通滤波器对虹膜图像进行预处理,去除可能存在的眼睑和睫毛干扰;然后用Canny边缘检测算子得到虹膜的内边缘,通过自适应选取非极大值抑制的高阈值,并对不连续边缘进行修整,得到比较理想的虹膜内边缘;最后利用圆周上任意不共线的3点可以确定一组圆心及半径的参数的性质得到虹膜内边缘的圆心及半径,完成虹膜内边缘定位。实验结果表明,该算法可以比较准确地定位出虹膜的内边缘。     

基于自适应阈值分割及边缘检测的虹膜内边缘定位算法

为了提高虹膜内边缘定位的准确率和速度,本文提出了一种基于自适应阈值分割及边缘检测的虹膜内边缘定位算法。首先采用自适应的活动窗计算图像灰度,灰度最小值点确定为瞳孔内的任意一点,以灰度最小值作为阈值对原图像进行瞳孔分割。然后使用Lapacian边缘检测算子检测瞳孔区域边缘定位虹膜内边缘,最后根据圆的对称性计算虹膜内边缘的圆心和半径。仿真结果表明该算法准确定位虹膜内边界的平均时间为0.73s,准确率为100%,在虹膜识别系统中有较高的实际应用价值。     

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.     

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.     

最大梯度圆法定位虹膜边缘

基于虹膜特征的身份识别技术是一种很有发展潜力的识别技术,技术实现过程中的虹膜内外边缘定位是一个重点和难点.提出了一种有效的虹膜边缘定位方法,该方法运算量小,定位效果好,可用于虹膜识别.     

一种虹膜内外轮廓检测方法

虹膜识别技术是人体生物识别技术的一种,它作为重要的身份鉴别特征具有唯一性,稳定性,可采集性和非侵犯性等优点.与脸像,声音等身份鉴别方法相比,虹膜具有更高的准确性.而虹膜内外轮廓提取是虹膜识别技术不可缺少的关键步骤.文章介绍了一种有效的虹膜内外轮廓检测方法,使用灰度投影方法估计虹膜内边缘圆心位置;然后采用边缘检测方法得到...     

一种新的虹膜定位算法

提出一种新的虹膜定位算法.首先根据虹膜图像的灰度分布特征进行粗定位,用阈值分割和二值图像形态学的方法提取瞳孔的圆心和半径,然后用边缘检测的方法提取虹膜的外边缘,最后用圆梯度灰度检测算子进行小范围的精确定位.实验结果表明,该算法提高了虹膜定位的速度,减少了传统虹膜定位算法中搜索的盲目性.     

活体虹膜图像识别技术中的预处理

鉴于虹膜图像的预处理在虹膜识别技术中的重要地位,本文提出一种活体虹膜图像识别的预处理方法。运用数学形态学的知识,首先采用最小二乘法定位虹膜内边缘和检测上下眼睑,接着利用改进的随机Hough变换方法定位外边缘,然后采用双阈值法检测睫毛,最后对分割处理的虹膜区域归一化及进行去噪与增强处理。实验结果表明：本文的预处理方法,能从几个方面提高速度和精度,节省了整个虹膜识别的时间。     

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.     

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。     

An Improved Daugman Method for Iris Recognition

An improved Daugman iris recognition algorithm is provided in this paper, which embodies in two aspects: 1 Improvement for iris localization and 2 The improvement for both iris encoding and matching algorithms. In Step 1, the localization and shape of the pupil are roughly determined in iris image, which is used as prior knowledge to quickly locate the inner and outer boundary of iris from rough to fine scale. Eyelids, eyelashes areas and the spot in the pupil are automatically detected and removed to improve the localization accuracy. In Step 2, the possible noise from residual eyelashes is further filtered by selecting a "pure" iris area as a reference and making a validation judgment pixel-wise. Furthermore, the validation flag for each pixel is introduced into the iris encoding and matching computation, as a result, the rejection rate of iris recognition is reduced. Compared with Daugman algorithm, iris recognition test on collected human eye images shows that our proposed algorithm has an obvious improvement both on boosting the speed and reducing the rejection rate.     

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。     

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。     

虹膜识别算法研究

为了提高虹膜识别的速度和准确性,提出一种新的虹膜图像均衡法：将直方图均衡法和局部对比度增强法结合起来调节图像动态范围、增强局部对比度,并利用平衡式零谱矩滤波器对预处理后的虹膜图像进行分解,提取更准确的虹膜纹理特征。整个虹膜识别过程小于1．3s,准确率97．25％。可用于个人身份识别中。     

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.     

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 .     

基于极坐标特征的改进模糊C-均值虹膜定位算法

针对非理想情况下虹膜图像定位失败的问题,提出一种新的虹膜定位算法.该算法先使用基于极坐标特征的改进模糊C-均值算法对虹膜外圆半径进行粗定位,再采用圆周差分法对外圆参数进行准确计算.该算法通过使用极坐标作为聚类特征及放宽模糊聚类的聚类条件,提高了虹膜定位算法的鲁棒性.实验结果表明,该方法有效提高了非理想情况下虹膜图像的定位精度.     

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.