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.     

一种新型的虹膜定位算法

针对虹膜图像自身的特点，利用信息论中最大熵的方法进行阈值选取，提出了先将其分成三个灰度等级以最大限度的消除干扰信息，然后进行快速定位的新方法。实验结果表明，该方法具有很好的定位效果。     

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.     

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。     

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。     

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AdaBoost算法的快速虹膜检测与定位

针对目前虹膜检测和定位方法中检测速度和定位精度等方面存在的不足,提出了一种利用AdaBoost算法进行虹膜快速检测和定位的方法.根据虹膜灰度图像的空间结构特征,提取出3类能反映这些结构的Haar-like矩形特征,从中挑选对虹膜图像有最好区分性的385个特征构成弱分类器,再组合生成强分类器.使用正负样本图像训练后,由强分类器级联组成了一个23层分类器系统.实验结果表明:该分类器系统的检测速度平均可达66帧/s,正样本的识别率约为96%,满足了虹膜识别系统实时性的要求.与其他方法相比,有更高的检测速度和定位精度.     

一种有效抑制睫毛干扰的虹膜定位算法

为了提高在图像质量较差时的虹膜定位性能,改善虹膜定位的成功率和速度,在对Daug-man算法改进的基础上,提出了一种基于形态学算子的虹膜定位算法(ILBM).该算法将睫毛干扰看作虹膜图像中出现的缝隙,通过应用形态学中的膨胀算子对缝隙进行填补进而消除干扰,虹膜边缘参数则采用Hough变换来求取.与Daugman算法相比,ILBM算法可以有效抑制虹膜定位过程中存在的睫毛干扰,提高虹膜定位的速度.对比实验表明,ILBM算法具有比Daugman算法更好的抑制干扰能力和鲁棒性,具有更高的定位成功率和更快的定位速度,定位时间仅为Daugman算法的17%,定位成功率提高了3.7%.     

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.     

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。     

基于加权最小二乘法的多舰定位算法

针对双舰定位存在的定位态势要求高、定位精度低等,提出了基于加权最小二乘法的多舰定位算法.该算法的实质是基于多舰侦察设备的测向角度、位置信息,利用纯方位交叉定位原理,建立非线性观测方程;通过泰勒展开将非线性系统转化为线性系统;利用最小二乘原理并考虑测向精度的权重因素,提出了多舰的定位模型.仿真结果表明,定位结果与测向精度和初始态势有关.     

一种基于支持向量机的自适应虹膜定位算法

由于参数的限制和虹膜外边界两边低的对比度,使得Canny算子只能检测到位于某些频率段中的边缘,有时会漏掉一些比较模糊或者一些干扰较大的外边界.为了解决Canny算子进行虹膜定位过程中的鲁棒性问题,提出使用支持向量机(SVM)的自适应以改变Canny算子参数的方法.该算法通过傅立叶变换判断眼睛图像的质量,再使用SVM对眼睛图像分类,然后对于不同质量的眼睛图像采用不同参数的Canny算子检测边缘.实验结果表明该算法可以更加准确地检测到虹膜外边界,并有效地解决了虹膜定位中Canny算子的参数依赖问题.     

虹膜内外边界的粗定位方法

为了提高现有虹膜定位算法的性能,提出了一种虹膜粗定位算法。该算法利用二值图像的下边缘轮廓粗定位虹膜内边界,利用内边界圆心左右两侧的一维灰度均值信号粗定位虹膜外边界。即使在存在严重的眼皮和睫毛干扰的情况下,这种算法也能快速有效地估计出虹膜内外边界的位置。实验结果表明:该算法能够极大地提高虹膜定位的速度和准确度,粗定位一幅虹膜图片平均只需71m s,定位准确度也明显优于现有的粗定位算法。     

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.     

一种序列虹膜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图像的质量 ,提高该身份识别系统的工作效率