基于改进YoloV4网络的虹膜定位算法

针对传统虹膜定位算法很难完成准确定位导致识别效果不稳定的问题, 提出一种基于改进YoloV4网络的虹膜定位算法. 首先利用YoloV4结合MobileNetV3对虹膜内外圆进行粗定位, 再利用瞳孔、 虹膜和巩膜的灰度差值分别对虹膜内外圆进行精定位. 同时, 使用K-means++聚类算法生成先验框; 使用快速soft-DIoU-NMS算法去除预测过程冗余框, 提高算法检测率; 使用Focal Loss作为类别损失函数. 对比实验结果表明, 该算法运行速度更快, 定位准确率更高, 识别算法的效果更明显.     

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.     

基于Hough变换与图像灰度增强的非理想虹膜边界检测

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,我们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.     

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与实现

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.     

基于人脸与虹膜的多生物特征融合识别算法研究

在研究传统人脸特征提取算法的基础上,提出基于LDA-LLE的人脸识别算法。该算法同时具有线性方法和非线性方法的优点,对人脸图像的常见变化,如光照、姿态等具有一定的鲁棒性;研究了基于Hough变换的虹膜特征定位算法,该定位算法通过检测两个圆和两条直线来实现虹膜图像的精确定位;然后分别利用SVM和KCCA在匹配层和特征层实现了的人脸图像和虹膜图像的融合;并利用ORL人脸库和IITD虹膜库组成的多模特征库上进行仿真实验。实验结果证明了这两种融合算法的有效性,尤其在小样本的情况下,该融合方法也能取得较高的识别率。     

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。     

基于快速离散曲线变换的各向异性虹膜识别

提出了旋转不变技术在决策水平上进行虹膜特征提取和融合后分类的方法,以提高非理想环境条件下的性能.在这项工作中,基于二维(2D)快速离散曲线波变换(FDCT)的方向性虹膜纹理特征被计算出来.该方法将归一化的虹膜图像分为六个子图像.Curvelet变换应用于每个子图像.使用这些curvelet系数的方向能量导出每个子图像的特征向量.这些距离在决策层通过新颖的后分类器k-out-of-n进行融合,降低错误识别率.最后提出的方法在UBIRIS,MMU1和CASIA-Iris V2.0数据库上进行了测试,证明了所提出算法的可行性,并将其与现有虹膜识别算法进行了比较.实验结果表明,该算法可以提高虹膜识别准确率,达到较高的实际应用中的要求.     

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.     

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．     

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。     

基于微积分算子的彩色虹膜图像定位算法

针对NICE:Ⅱ中的彩色噪声虹膜图像难于精确定位问题,提出了一种基于微积分算子的彩色虹膜图像定位算法.首先选择RGB虹膜图像的R层,结合Gabor滤波器和图像梯度信息检测图像中的光斑区域;然后利用Adaboost算法检测虹膜区域,并使用抛物线形微积分算子定位上下眼睑;再利用基于微积分算子的模板,通过局部极值的逐步迭代和对虹膜边界点的聚类分析,定位虹膜外边界;最后使用同态滤波对虹膜区域进行增强处理,检测虹膜内边界.在NICE:Ⅱ彩色虹膜图像库上的实验表明,该方法的定位准确率为98.22%.     

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 .     

基于最大熵的虹膜定位算法

针对虹膜图像自身的特点,先利用最大熵的方法把虹膜图像分成3个灰度等级,使虹膜最大限度的呈现出内外边界,然后在此基础上运用Daugman提出的虹膜定位算法能更有效地定位虹膜.实验表明,该算法具有更好的定位效果.     

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.     

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.     

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。