一种高效的睫毛及眼睑检测方法

通过分析归一化虹膜图像中包含睫毛及眼睑的灰度特征,文中提出一种新的虹膜睫毛及眼睑检测方法,能够同时快速检测睫毛和眼睑,算法模型简单,复杂度低.首先对归一化虹膜图像进行中值滤波,然后用滤波后的图像与原图像做差,最后将做差的图像细化并去除伪目标点.通过对不同图库和一些特殊情况下采集到虹膜图像进行检测,证明该方法能够在很好检测睫毛及眼睑的同时,具有检测速度快,检测精度高的优点,克服了传统方法针对睫毛及眼睑建立不同的数学模型而导致复杂度增加,检测速度慢的缺点.

快速去除睫毛及高效眼睑检测方法

根据虹膜分割得到的图像确定上下眼睑的检测区域,针对上下眼睑的分布特征,分别设计了等级滤波器及方向滤波器并结合膨胀的方法去除上下眼睑周围的睫毛;进而设计了基于gabor滤波的快速眼睑检测方法,能够在减少睫毛干扰的眼图中高效的找到上下眼睑的有效点,并对这些点使用二次多项式分别拟合出了上下眼睑的曲线,从而计算虹膜的有效区域,作为判断该眼图是否能够进行特征提取,提高了虹膜识别的效率,为虹膜识别提供了辅助作用;算法模型简单,复杂度低,运行速度快,自适应性强,上下眼睑检测时间均在18mm左右,能够在各种尺寸的眼图以及灰度分布不均的眼图中精确定位眼睑位置。因此该算法可应用于芯片,以及日常虹膜识别功能的软件开发中。

一种用于虹膜识别的眼睑和睫毛检测算法

为减少眼睑和睫毛对虹膜识别率的影响,提出了一种用于虹膜识别的眼睑和睫毛检测算法。应用灰度形态学运算去除睫毛、光斑对眼睑区域的干扰,提取上眼睑区域每列灰度最小值点作为边缘点,对下眼睑区域进行梯度变换,根据最大梯度积分区间确定下眼睑边缘点;对眼睑边缘点进行最小二乘抛物线拟合上、下眼睑;利用眼睑抛物线在邻域内上下移动,当灰度突变时精确定位上下眼睑。根据上眼睑抛物线下移后抛物线像素点灰度的分布,自适应生成阈值对睫毛进行分割。实验结果表明:该眼睑算法能有效、快速地检测眼睑,与Hough变换算法相比,准确率相当,速度提高约4 s;睫毛检测算法能有效、简便和最大限度地检测出睫毛。

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。

用于虹膜识别的眼睑及眼睫毛遮挡检测

分别针对眼睑和眼睫毛遮挡噪声,利用其灰度和形状信息提出了2种灰度形态学检测算法.1)设计弧线形的形态学结构元素,经过灰度开启运算、图像分割和边缘检测,获得眼睑边缘的候选点集,再利用B啨zier曲线拟合出眼睑边缘;2)构造交叉形的形态学结构元素,通过灰度开启运算得到直方图具有分段特性的虹膜图像,经二值化检测出眼睫毛.实验结果表明:文中算法能有效地检测2种遮挡噪声,有助于降低虹膜识别系统的等错误率,提高模式的可分性.

虹膜识别中噪声的检测与处理方法

眼睑、睫毛会严重干扰虹膜定位的准确性,同时也会大大降低虹膜识别的性能,是虹膜定位和识别的主要干扰噪声。为了减少这些噪声对虹膜识别的影响,提高虹膜的识别率,本文采用一种计算与水平方向成不同夹角的弧线上的梯度积分的方法来定位上眼睑,采用径向对称检测下眼睑;采用灰度阈值法检测成块的睫毛,采用改进的二维Log-Gabor小波的实部滤波器来检测稀疏的睫毛。实验表明该算法能够有效去除眼睑和睫毛造成的干扰,提高了虹膜识别性能。

一种快速有效的虹膜图像预处理方法

为解决虹膜识别中的虹膜定位时间较长、虹膜内边界变形、眼睑和睫毛普遍存在的问题,提出了一种新的虹膜图像预处理方法,该方法对虹膜图像采用数学形态学算子对图像进行处理,合理有效地减少了边缘图像中非虹膜的边缘点;然后对图像直方图采用双直线拟合直方图求取检测眼睑和睫毛的阈值。对中科院自动化所CASIA-IrisV3虹膜数据库的实验结果显示,提出的虹膜图像预处理方法准确快速,能合理有效去除眼睑和睫毛。

基于SCM的虹膜干扰区域去除算法

为了提高虹膜识别率,提出了一种新的睫毛及眼睑区域定位算法。为了提取呈不同角度分布的睫毛,结合SCM模型和动态交叉熵准则对归一化虹膜图像进行多次迭代,根据图像的灰度分布特性,选取合适迭代结果,对多幅迭代图像进行边缘像素点跟踪融合来获得理想的干扰区域轮廓定位。采用高斯金字塔尺度变换与霍夫变换相结合的方法对眼睑的类椭圆区域进行拟合,进而获得连续的眼睑边缘,实现对归一化虹膜图像中干扰区域的准确定位。实验结果验证了方法的有效性。

一种序列虹膜图像的综合质量评价研究

虹膜识别是身份识别最可靠的方法之一,近些年来已经引起了广泛的关注,并且取得了相应的成果,然而在识别速度和准确率方面,很难做到两全其美,而序列虹膜图像的质量评估则使解决此瓶颈成为可能。文中在对现有序列虹膜图像质量评价算法的基础上,提出了一种综合的序列虹膜图像质量评价算法,该算法包含3个部分:虹膜活体检测、虹膜有效区域的确定以及虹膜图像清晰度检测。实验结果表明,该方法能够有效地筛选出符合要求的虹膜图像,并且相应地提高了虹膜识别正确率。

一种依赖3D眼球模型的两级瞳孔定位算法

瞳孔定位作为头戴式视线跟踪系统的核心模块之一,影响着系统的精度和稳定性,但眼球在正常转动中会发生着眼睑遮挡瞳孔问题.针对该问题,提出了一种两级瞳孔定位算法.第一级采用改进的星射线法提取瞳孔边缘轮廓.接着根据3D眼球模型和瞳孔位置提前判断是否存在眼睑遮挡情况,如果不存在,则定位结束,否则进行第二级定位.第二级采用改进的椭圆模板匹配算法,不同于其他椭圆匹配算法,该算法利用3D眼球模型的参数提前获取椭圆的长短轴比例和旋转角度,将匹配的空间复杂度由5维降为3维,提高了匹配的效率.在眼睑遮挡情况下该算法精确检测出瞳孔,并且定位速度较快.

一种新的虹膜图像预处理方法

为了实现具有高准确性的非侵犯性虹膜识别,讨论了人眼图像中存在的由于虹膜识别的非侵犯性所造成的一些问题,提出了一种新的虹膜图像预处理方法。该方法包括内边界定位、眼睑检测、眼毛检测、外边界定位、虹膜归一化等操作。经该方法预处理得到的虹膜图像不包含眼睑和眼毛等干扰,使虹膜特征提取和匹配等过程不会受到各种干扰的影响,从而保证虹膜识别方法的健壮性。在多种图像库中的人眼图像上进行实验的结果证明,该方法能够有效地解决人眼图像中存在的问题,具有理想的准确性和较快的执行速度。