一种改进的基于Hough变换的虹膜定位算法

为改善虹膜定位的效果,提出一种改进的基于Hough变换的虹膜定位算法。首先,用一个全1的矩形窗对瞳孔中心进行估计;然后,以该估计中心为极点对虹膜二值图像进行极坐标变换,通过水平边缘点选择规则剔除非水平边缘点,再将图像变换到直角坐标;最后,利用Hough变换以及虹膜内、外边界之间存在的耦合关系来求取虹膜边界参数,并取最大和次大参数的均值作为最终的边界参数。实验结果表明,该算法平均定位时间为0.152 s,准确率高达98.4%。     

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。     

基于几何特征的虹膜定位算法

利用虹膜边缘的几何特征及圆相交弦的性质提出了虹膜定位算法.根据瞳孔、虹膜、巩膜的灰度变化,建立虹膜图像直方图,确定阈值进行虹膜内边缘定位;再用形态学算法与新的Hough变换相结合来进行虹膜图像外边缘的定位,确定外圆圆心及半径.通过仿真结果表明本方法实时性能较好,能较好地实现内外边缘的定位.     

计算机辅助虹膜诊断中特征提取方法研究

针对计算机辅助虹膜诊断中虹膜分区以及局部特征提取问题,提出了虹膜区域划分方法及具体分区中特征提取的方法.利用虹膜图像中瞳孔的灰度特征,实现虹膜的快速定位.在虹膜定位的基础上,利用虹膜图谱对左右虹膜图像分别进行特征区域划分,并且对划分后的虹膜图像进行规一化处理.在规一化后的虹膜图像中,针对肠区的病理特点,利用改进的Hough变换,提取了虹膜图像中肠道分区的局部病理特征.实验表明,虹膜图像区域划分方法的可行性.     

用于身份识别的虹膜图像预处理方法研究*

跟踪研究了虹膜图像的预处理方法;针对现有算法的局限性作了改进,提出了基于小波变换的虹膜图像消噪的方法,并针对虹膜图像的特点,提出了新的虹膜定位检测算子,使虹膜定位更加迅速、精确;最后进行了虹膜图像的增强和校准处理.实验结果表明,该方法能精确地检测到虹膜,提高了虹膜识别的速度和精确性,并有良好的稳健性.     

基于综合特征的虹膜定位的算法

提出了利用虹膜边缘图像的几何特征以及相交弦的性质进行虹膜定位的快速算法.首先利用虹膜图像的整体灰度分布信息,利用边缘检测算子提取虹膜的内边缘图像,然后利用圆的相交弦性质以及投票策略提取虹膜中心,最后利用Hough变换的半径直方图投票提取虹膜内外径.实验结果证明其算法提高了虹膜定位的速度并具有较强的抗干扰能力.     

虹膜定位算法的研究

虹膜识别系统中的虹膜定位精度和定位速度影响识别系统性能.在分析现有虹膜识别算法的基础上,采用基于Canny思想的边缘检测算子提取虹膜图像边缘信息,结合先验知识在小图像块上进行Hough变换拟合虹膜内外圆.实验结果表明,该定位方法在保证定位精度的同时有效地提高了定位速度.虹膜区域的噪声包括眼睑、睫毛、眼睑阴影和光斑等,在眼睑定位方面提出了边缘检测结合Radon变换分段直线定位去除眼睑噪声的方法,同时采用阈值法去除了睫毛和眼睑阴影对虹膜区域的干扰,并用实验验证了该算法的有效性和准确性.     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.     

基于深度反卷积网络的虹膜定位方法研究

精确而快速地进行虹膜定位是有效地进行虹膜识别的重要前提.传统的虹膜定位方法有Daugman定位法、Hough变换定位法等,但其对睫毛比较浓密、虹膜被遮挡较多等情况下的图片处理效果不是很好.文章在总结前人工作的基础上,实现了一套基于深度学习的虹膜定位系统.该系统利用深度学习方法,根据虹膜图像区域的特点,对图像进行像素级分类.根据像素分类结果,可以很好地标识虹膜区域和非虹膜区域,达到定位识别虹膜区域的目的,并在中国科学院自动化所公布的虹膜数据集CASIA-IrisV3-Interval上验证了文章工作的有效性,像素分类精度达到约98.4％,达到了较高的鲁棒性.     

基于改进的Hough变换的虹膜定位算法

提出一种改进的Hough变换(HT)的虹膜边界定位算法,解决标准HT虹膜定位算法计算量大,且定位不够精确的问题.根据人眼图像的几何分布特征,通过有目的地选择特定子图像块作为虹膜边界定位的目标区域,对目标区域进行边缘检测、噪声屏蔽和阈值选取二值化,再进行HT.实验结果表明该算法能够以较少的计算代价准确地定位虹膜内、外边界.     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...     

由粗到精的虹膜图像离焦模糊评价方法

离焦模糊评价在虹膜识别系统中尤为重要。传统的方法是通过频谱分析测量虹膜图像的离焦模糊程度,这类方法容易受到光照变化以及睫毛和眼皮等噪声区域的影响。提出了一种由粗到精的虹膜图像离焦模糊评价方法。第一步,通过频谱分析去除严重模糊的虹膜图像,进行虹膜图像离焦模糊粗分类。第二步,通过方向金字塔分解,提取虹膜图像的质量特征。在人工合成的离焦模糊虹膜图像数据库中,利用径向基神经网络建立起质量特征与质量等级间的对应关系。通过建立起的模型进行实际的虹膜图像离焦模糊等级预测,以及虹膜图像离焦模糊精分类。在Clarkson数据库上的实验结果证明了该方法不仅可以准确区分清晰图像和离焦模糊图像,而且相比于传统的虹膜图像离焦评价方法更接近于人的视觉感知。     

基于小波尺度搜索的虹膜识别方法

利用小波的带通特性和小波变换检测奇异点的原理提取虹膜特征,并在此基础上提出了一种新的搜索合适小波尺度的虹膜识别算法。将虹膜纹理分成8个分析带,对每个分析带进行连续小波变换,取其中32个尺度下的结果量化编码。然后利用Hamming距离进行模式匹配,对每个分析带通过搜索最小的Hamming距离获得合适的尺度。实验结果表明,算法的识别率可达98.15%,同以前提出的算法相比识别性能进一步提高,可用于大规模身份识别系统。     

一种新的虹膜定位方法

针对现有虹膜定位算法的局限性,提出了一种新的虹膜定位的方法.先对虹膜图像进行预处理,用canny边缘检测算子检测得到虹膜内边缘;再通过二次canny边缘检测对虹膜外边缘进行粗定位,然后分小区域对虹膜外边缘实现多阈值边缘检测,从而获得真实边缘,再利用虹膜内外边缘之间的耦合关系,结合最小二乘法实现虹膜外边缘的定位.实验结果表明,此方法能比较快速准确地定位出虹膜的内外边缘.     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

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。     

基于直线检测的虹膜快速定位方法

首先通过灰度投影法确定坐标转换原点,将直角坐标下的虹膜内外边缘圆转换成极坐标下的类直线,再引入辅助校正点手段定位虹膜的内边缘和圆心．利用改进Canny算子及曲线拟合定位虹膜的外边缘及圆心,提高了虹膜定位的精确度．实验结果表明：该算法具有较强的鲁棒性,能较好地定位质量不高的虹膜图像,且虹膜定位时间平均为0．1S,适用于实时虹膜图像识别．     

基于小波变换的高光谱图像消噪

本文主要针对高光谱图像的特点，利用波段间的几何信息高冗余性，通过小波分解去除高频的噪声和几何信息，保留低频的光谱信息。以其他波段的几何信息辅助噪声污染波段重构，经过相应的小波重构滤波器滤波，获得该波段图像的重建以进行消噪。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。