基于形态学方法的虹膜快速定位算法

为提高虹膜的定位速度,提出一种粗定位与精定位相结合的虹膜快速定位算法。首先,利用阈值对人眼图像进行分割提取瞳孔,对二值化瞳孔区域进行形态学开运算去除瞳孔区域外睫毛等噪声点;然后选用一系列半径递增的结构元素对瞳孔区域进行形态学腐蚀操作,根据腐蚀结果粗略定位虹膜内边缘;最后利用圆梯度算子对虹膜内外边缘进行精确定位。对CASIA（version 1.0）虹膜数据库中100多幅虹膜图像进行定位实验,文中算法平均耗费时间为1.22秒,圆梯度算子耗时10.8秒,Hough变换方法耗时15.7秒。定位结果表明,文中算法对不同质量的虹膜图像定位速度快,精度高,鲁棒性强。     

基于统计的虹膜定位算法改进

由于目前基于统计的虹膜定位算法局限性,我们改进了这个虹膜定位的算法,利用二值化后灰度图像进行内边缘的粗定位,然后通过对直方图均衡后的图像提取虹膜的外边缘进行粗定位,最后利用Daugman算子的改进进行模板精定位.实验结果表明,该方法提高了准确度和速度.     

改进的快速虹膜定位算法

针对虹膜的灰度分布特点,提出了一种粗定位和精定位相结合的虹膜定位算法。首先,通过k-mans聚类算法对图像进行动态阈值分割,分离出瞳孔区域,利用圆的几何特性进行粗定位;然后运用Gauss滤波降低噪声干扰和Canny算子进行边缘检测,结合粗定位的结果,应用Hough变换进行精定位,以快速提取虹膜内外边缘。实验表明,该方法能准确快速地定位虹膜的边界以满足实时性要求。     

虹膜在身份识别中的应用研究

研究优化识别人身份的稳定可靠性问题,虹膜识别是最近新兴的生物识别方法,具有算法简单、识别快速和高识别率的特点.为改变以往传统方式的不稳定性,提出的基于虹膜的身份识别算法,在虹膜图像的预处理过程中,首先采用粗定位与精定位相结合的方法对瞳孔中心和半径进行定位,虹膜内边界采用二值化方法进行定位;虹膜外边界采用非共线的3点确定1个圆的原理进行粗定位,避免了虹膜定位搜索的盲目性,减少了计算时间和降低定位复杂性.然后通过利用Hough变换对虹膜进行精定位并采用Gabor滤波进行虹膜特征提取,最后采用海明码距离进行虹膜匹配.仿真结果表明,与其它身份识算法相较,识别正确率最高,识别速度最快,计算复杂度最小.     

一种改进的虹膜定位方法

如何有效地确定虹膜在图象中的位置，是虹膜识别中需要解决的关键问题之一，在以前的粗定位与精定位相结合的两步虹膜定位方法的研究基础上，提出了一种改进的虹膜定位方法，它集中体现在虹膜粗定位方法的改进上，改进后的虹膜粗定位的基本思想为：首先在虹膜图像中选择互不相邻的若干行，求得每行的灰度差分曲线；然后根据灰度差分曲线上相邻几个点的累加和的大小，寻找虹膜或瞳孔的边界点；最后，由这些边界点拟合出虹膜及瞳孔的边界，实验结果表明，改进的虹膜定位方法更为快速、稳健。     

基于感兴趣区域的快速虹膜定位方法*

为解决虹膜图像受光源影响和二值化边缘提取困难的问题,提出一种新的定位方法。该方法首先对瞳孔进行粗定位;然后在瞳孔粗定位的基础上,合理选择感兴趣区域;其次在此感兴趣区域利用行梯度极值取得虹膜外边缘的二值化图像;最后利用最小二乘法计算出虹膜外边缘的圆心和半径。实验结果表明了该算法的有效性。     

一种快速虹膜定位方法

虹膜定位是虹膜识别中非常重要的一个环节。首先利用灰度平均值法找到瞳孔内初始定位点,并提出一种通过边缘检测模板的新瞳孔定位方法,同时引入C-均值动态聚类分析法提高定位精度。然后在外边界粗定位的基础上,改进了虹膜外边界的精确定位方法,采用此种粗定位与精定位相结合的方法极大缩短了虹膜定位的时间,提高了定位的准确性。大量实验表明,该虹膜定位方法简单可靠,精确度高,取得了非常好的定位效果。     

基于行列扫描的虹膜定位算法

提出一种新的虹膜定位方法。首先用灰度门限法提取虹膜的内边界象素点，然后对瞳孔内部一定灰度范围内的值进行二值化填充，用行列扫描的方法去除瞳孔外围的杂点，初步定位出瞳孔的圆心和虹膜的圆心，最后应用最小二乘法拟合获得精确的瞳孔和虹膜的圆心及半径。     

非理想成像条件下的虹膜定位方法

在非理想成像条件下,采集的虹膜图像存在高光亮点、光照变化、位置偏移等问题,为此提出一种基于人眼检测和二值投影法的虹膜定位方法。采用基于AdaBoost算法的人眼检测子进行人眼粗定位,利用直方图阈值化生成二值图像,结合数学形态学中的开运算和二值投影法对虹膜内圆进行粗定位,运用霍夫变换方法拟合虹膜内圆轮廓,采用环量积分微分算子对虹膜外圆进行拟合。在CASIA-IrisV4Thousand虹膜图像上进行算法性能验证,验证结果表明,该方法在准确率和定位时间上优于同类方法。     

虹膜定位的快速算法

基于眼睛图像的几何特性,提出了一种基于最长弦的瞳孔定位算法,该算法能快速地检测到瞳孔的位置。由于图像中的瞳孔并不是规整的圆形,此方法与传统的基于圆灰度梯度检测算子的瞳孔定位算法相比能够更好地拟合瞳孔边界。在精确地定位瞳孔之后,根据瞳孔和虹膜近似同心的特性,利用圆灰度梯度检测算子在小范围内搜索虹膜的外边沿。与传统的虹膜定位方法相比,此算法避免了搜索的盲目性,提高了虹膜定位的速度和精度。     

虹膜内外边缘的快速定位算法

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能。论文提出一种基于Hough变换的虹膜定位算法,根据虹膜图像特点,先对其进行预处理,再用灰度投影法粗定瞳孔圆心;通过对虹膜内外边缘的“先采样后变换”,减少Hough变换的运算量;利用虹膜内外边缘之间的耦合关系,由内至外精确地确定出边缘。对300多幅虹膜样本的处理结果表明,此算法快速、精确、鲁棒。     

一种基于形态学的虹膜定位快速算法

针对有眼睑、睫毛、光斑干扰的虹膜图像的定位速度慢且不精确等问题,提出了一种快速精确的虹膜定位算法。利用灰度投影法和形态学实现瞳孔的粗定位,再分别利用Hough算法和圆周差分算法在小范围内对虹膜内外边缘进行精定位,采用改进后的模板检测法和圆周梯度法定位眼睑,运用灰度阈值法结合形态学检测睫毛。实验结果表明,该算法在定位速度和准确率上都达到了非常好的效果。     

基于灰度投影和Hough变换的快速虹膜定位方法

针对虹膜边缘图像提取的困难,提出了将灰度投影和Hough变换相结合的快速定位方法。首先,根据人眼图像的整体灰度分布特征,用灰度投影的方法进行阈值分割,定位出瞳孔,然后对虹膜边缘进行增强操作并提取边缘信息,最后以瞳孔的圆心和半径为参考,缩小搜索范围,用改进的Hough变换法精确定位出虹膜边缘。实验结果表明,该方法提高了虹膜定位的速度,并且具有较好的定位效果。     

灰度分布特征的虹膜定位算法研究

为克服浓密睫毛、眼睑等噪声对虹膜定位算法的影响,提出一种有效的去扰虹膜定位算法。对于虹膜的内边缘,在二值化分离瞳孔区域的基础上,利用形态学中的开运算消除噪声,并用灰度投影法定位瞳孔的圆心、半径。而对于虹膜的外边缘,则采用形态学中的闭运算去除虹膜区丰富的纹理,并设计了一个边缘检测模板,在小范围内搜索虹膜外边界的上下左右4个边界点进而确定虹膜的圆心、半径。对比的仿真实验表明：该算法不仅在计算精度和速度上都有很大提高,而且具有较好的鲁棒性。     

一种虹膜实时定位新方法

针对现有虹膜定位算法的某些局限性,提出了一种新的虹膜定位方法。先用灰度小于某阈值对虹膜图像纵向与横向计数,以其各计数的最大值取四分之一处连续连通的最大区定位瞳孔的中心与长短半轴,这样可消除光斑、睫毛的影响;再充分利用已经求得的瞳孔中心的位置参量,设定虹膜外边缘的圆心与瞳孔中心相差5个像素,在幅角θ取值限定在（-45°,45°）U（135°,225°）的范围用最大梯度圆法定位虹膜外边缘,这样可消除眼皮和睫毛的干扰。实验结果表明,该算法对虹膜定位具有实时性好、速度快等特点。     

基于主动轮廓线的虹膜定位方法

如何有效地定位虹膜在图象中的位置,是虹膜识别的关键问题之一。论文提出一种基于主动轮廓线的方法——Snake-Daugman(SD)法——来定位虹膜的边界,先用灰度投影的方法检测出瞳孔内的一点作为瞳孔的伪圆心,该点不要求一定在瞳孔中心附近,只要能落在瞳孔内部即可;然后以该点为中心,在其周围等间隔地取几个点作为初始的snake,按照snake的运行机制不断进化,直到虹膜的内边界为止;接着,计算进化后的snake的形心和snake上的控制点与该形心的距离,取其平均值作为瞳孔的半径,形心作为瞳孔的圆心,即可准确定位出虹膜内边界的位置;最后,以瞳孔的圆心为圆心,以瞳孔的半径为虹膜外边界的初始搜索半径,按照简化了的Daugman方法定位虹膜的外边界。实验表明,与常见的定位方法——Hough变换和Daugman的圆形检测算子——相比,文中的方法速度快,精度高,而且,该方法对瞳孔初始的伪圆心的要求并不高,鲁棒性更强。     

一种新的虹膜归一化算法

根据在虹膜归一化算法研究中遇到的问题，在虹膜定位的基础上，介绍了虹膜归一化算法，并对虹膜归一化算法进行了改进，将瞳孔真实边缘作为归一化内边界。实验结果表明，新算法有效的去除了黑点并保留了虹膜原有信息。     

结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。     

一种基于圆几何特征的虹膜定位算法

虹膜定位是虹膜识别中基础性环节,其精度和速度决定了虹膜识别系统的性能,为提高虹膜定位的速度,提出一种基于圆几何特征的虹膜内边缘定位算法,利用内外边缘中心的耦合特性缩小微积分方法搜索外边缘的范围。试验结果表明,与经典虹膜定位算法相比,本算法快速、精确、鲁棒。