基于人眼灰度分布特征的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。提出了一种基于人眼灰度分布特征的虹膜定位算法,该算法利用形态学运算实现瞳孔圆心粗定位,采用划分区域求灰度均值隔项差值最大值的方法实现外圆半径的粗定位,并通过分层聚类的方法实现内外边界的精确定位。实验结果表明．与经典的虹膜定位算法如Wildes算法、Daugman算法相比,该算法定位结果更加准确,定位速度大幅度提高。     

一种新颖的虹膜轮廓提取方法

传统的虹膜定位方法是在人眼图像上把虹膜轮廓当作理想圆来提取.针对虹膜内边界不是理想圆,外边界边缘模糊等问题,提出一种新的虹膜轮廓提取方法.先利用极坐标变换将包含全部虹膜区域的某个范围展开成矩形形状,然后在此矩形区域上根据灰度的阶跃进行虹膜真实内边界的查找,最后在矩形区域上利用直线定位虹膜外边界代替在人眼图像上利用圆定位外边界.该方法不仅解决了内边界不是理想圆造成的瞳孔遗留或纹理损失问题,而且以点、线检测代替圆检测显著降低了虹膜定位时间.通过对CASIA-IrisV3虹膜图像库进行定位测试结果表明,该方法平均定位时间0.172 s,定位准确率99.35%.     

基于K-L变换的虹膜识别方法

提出了一种基于K-L变换和最近邻分类器的虹膜识别方法。该方法采用K-L变换得到一组虹膜图像基,并利用这组基图像构造一子空间,将待识别图像在这个空间上的投影系数作为待识别图像的特征向量。采用最近邻分类器进行了分类。基于CASIA虹膜数据库的试验表明,将K-L变换应用在虹膜特征提取上可以取得较高的识别率。     

基于模糊快速Hough变换的盘孔边界识别方法

为了快速准确地识别出某型航空发动机篦齿盘均压孔的边界,提出一种新的模糊快速Hough变换.利用局部梯度信息将检测圆所需的3D Hough变换转化为一个2D Hough变换检测圆心位置和一个1D Hough变换检测圆的半径.在检测圆心位置时,对2D参量空间进行多分辨率分级,通过迭代计算由粗到精逐步细化参量空间.采用模糊投票的方法来处理边缘像素位置和梯度方向的不确定性.通过实验对比了模糊快速Hough变换与标准Hough变换、随机Hough变换进行盘孔边界识别的效果,结果表明模糊快速Hough变换可以快速准确地识别出盘孔的边界,性能优于另外两种算法.     

基于单位扇环灰度的虹膜定位算法

提出了基于单位扇环灰度的虹膜定位算法。利用投影法分割出一个包含瞳孔的矩形区域,通过最大类间方差法确定该矩形区域的阈值,完成瞳孔的分割。对于虹膜外边界的定位,需要基于瞳孔中心分割出某一方向上的扇形区域,以5个像素作为扇形区域的步长,计算每个扇环的平均灰度值,根据灰度变化情况就可以确定该方向上的虹膜外边界点。其他方向上的边界点也通过此方法确定。对这些边界点进行筛选并进行圆的拟合,最终实现虹膜的定位。实验结果表明,采用该方法所分割的虹膜图像可以获得良好的效果,具有良好的应用和参考价值。     

基于梯度的区域生长和距离直方图的快速圆检测方法EI北大核心CSCD

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。     

基于梯度的区域生长和距离直方图的快速圆检测方法

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。     

印刷电路板圆孔光电图像的同心圆检测方法

为了有效地检测印刷电路板(PCB)圆孔光电图像同心圆的圆心与边缘,在Hough变换的基础上提出了一种新的同心圆检测方法。利用同心圆的几何特点对点Hough变换边缘点的点组选取方法和搜索点组的图像扫描方向进行了改进:首先由累加阵列确定同心圆的圆心,然后由圆心到各个有效边缘点距离的均值求出半径,从而检测出同心圆的圆心与边缘。对实际采集的PCB定位圆孔光电图像进行对比实验,在提高检测精度、降低内存空间、减少计算时间方面,该检测方法的优势明显。     

非接触式虹膜图像获取及特征提取方法的研究

报道了一种由使用者自行瞄准来实现虹膜图像非接触式获取的新方法,对获得的图像数据进行了虹膜纹理特征提取试验,验证了方法的可行性和有效性。通过设计几何光照明来辅助使用者定位瞄准,使眼睛处于前后合适的位置;并在摄像机镜头前面放置一片半透半反镜,帮助使用者观察自己眼睛的像来判断眼睛是否偏出摄像机的视场范围。通过该方法可以得到虹膜特征识别的图像数据。采用二维伽博小波对虹膜纹理进行特征提取,并计算两个虹膜特征码值中数值相等的特征位个数,对采集到的虹膜图像进行了特征匹配实验,得到的实验数据证实了该系统完全满足虹膜特征识别的要求。     

眼镜、放大镜、显微镜、望远镜

TH742.92007010860基于HT的显微视觉亚像素定位算法=Sub-pixel localiza-tion algorithm of micro-vision based on Hough transform[刊,中]/董代(北京航天控制仪器研究所.北京(100039)),孙明磊…//光电工程.—2006,33(10).—28-37,66根据显微图像的几何特点,提出了基于HT(HoughTransform)十字显微图像亚像素定位算法(SLACHT)和基于HT近似圆显微图像亚像素定位算法(SLARHT),对显微图像特征中的直线和近似圆的亚像素定位做了深入的研究。通过与经典直线HT定位算法和经典随机HT圆定位算法进行实验对比,验证了该定位算法的优越性;…     

A non-circular iris localization algorithm using image projection function and gray level statistics

Iris recognition technology identifies an individual from its iris texture with great precision. A typical iris recognition system comprises eye image acquisition, iris segmentation, feature extraction, and matching. However, the system precision greatly depends on accurate iris localization in the segmentation module. In this paper, we propose a reliable iris localization algorithm. First, we locate a coarse eye location in an eye image using integral projection function (IPF). Next, we localize the pupillary boundary in a sub image using a reliable technique based on the histogram-bisection, image statistics, eccentricity, and object geometry. After that, we localize the limbic boundary using a robust scheme based on the radial gradients and an error distance transform. Finally, we regularize the actual iris boundaries using active contours. The proposed algorithm is tested on public iris databases: MMU V1.0, CASIA-IrisV1, and the CASIA-IrisV3-Lamp. Experimental results demonstrate superiority of the proposed algorithm over some of the contemporary techniques.     

Iris localization based on the Hough transform,a radial-gradient operator,and the gray-level intensity

The iris biometric recognizes a human based on his/her iris texture, which is a stable and unique feature for every individual. A typical iris biometric system performs better for the ideal data, which is acquired under controlled conditions. However, its performance degrades when localizing iris in non-ideal data containing the noisy issues, e.g., the non-uniform illumination, defocus, and non-circular iris boundaries. This study proposes a reliable algorithm to localize iris in such images robustly. First, a small region containing the coarse location of iris is localized. Next, the pupillary boundary is extracted within this small region using an iterative-scheme comprising an adaptive binarization and a pupil location verification test. Following that, the limbic boundary is localized by reusing the Hough accumulator. The iris location is also verified through a gray-level test. After that, the pupillary and limbic boundaries are regularized by applying an enhanced method comprising a Radial-gradient operator (RGO), an error-transform (ET), and the Fourier series. Experimental results, obtained on the CASIA-IrisV3, CASIA-IrisV4, MMU V1.0, and MMU(new) V2.0 iris databases, show superiority of the proposed technique over some of the contemporary techniques.     

Iris segmentation for visible wavelength and near infrared eye images

State-of-the-art iris segmentation algorithms exhibit poor performance for non-ideal data, which is mainly because of the noise such as low contrast, non-uniform illumination, reflections, and among others. To address this issue, a robust iris segmentation scheme is proposed that includes the following: First, a set of the Seed-pixels in a preprocessed eye image is marked adaptively. Next, a two-fold scheme based on a Circu-differential accumulator (CDA) and gray statistics is adopted to localize coarse iris region robustly. Notably, the proposed CDA has close resemblance with the Hough transform; however, it consumes relatively less memory and is free from thresholding as well. Similarly, pupillary boundary is localized, which is verified through an intensity test as well. Next, a refine estimate for the limbic boundary is extracted. After that, iris boundaries are regularized using the Fourier series. Finally, the eyelids are localized using a Para-differential accumulator (PDA), and eyelashes and reflections are also localized adaptively in the polar form of iris. Experimental results on the near infrared (NIR) and visible wavelength (VW) iris databases show that the proposed technique outperforms contemporary approaches.     

混沌加密的虹膜识别系统的安全性

提出了针对特征码的单向耦合映像格混沌加密系统,以及Arnold变换与单向耦合映像格混沌系统相结合对虹膜信息进行加密的复合混沌加密系统.利用Arnold变换置乱并混淆虹膜图像,通过镜像解决零点不变性问题,最后通过单向耦合映像格混沌系统实现加密.实验表明本算法密钥空间大,统计特性好,密钥敏感性强,加密速度快,平均加密时间70 ms.     

Automatic localization of pupil using eccentricity and iris using gradient based method

This paper presents a novel approach for the automatic localization of pupil and iris. Pupil and iris are nearly circular regions, which are surrounded by sclera, eyelids and eyelashes. The localization of both pupil and iris is extremely important in any iris recognition system. In the proposed algorithm pupil is localized using Eccentricity based Bisection method which looks for the region that has the highest probability of having pupil. While iris localization is carried out in two steps. In the first step, iris image is directionally segmented and a noise free region (region of interest) is extracted. In the second step, angular lines in the region of interest are extracted and the edge points of iris outer boundary are found through the gradient of these lines. The proposed method is tested on CASIA ver 1.0 and MMU Iris databases. Experimental results show that this method is comparatively accurate.     

光学小波包变换及其滤波器的研究

基于对光学小波变换必要条件的分析,提出光学小波包变换的概念.选出虹膜图库的联合最优小波包基,利用最优基的线性组合生成相应的复合光学小波包滤波器.将滤波器用于光电混合虹膜识别系统中对待识别输入进行小波包特征提取预处理,模拟结果不仅证明引入该滤波器可明显提升系统的识别效果,也证明了光学小波包变换提出的意义.     

装配同轴度的局部成像检测算法研究

在局部成像检测过程中,由于复杂零件外形轮廓或放置状态的不同,使得零件与成像面坐标轴之间产生了一定的夹角,造成获取的对称点集中存在非对称点集或对称点不存在的问题,若采用传统Hough变换、拟合法检测装配同轴度存在较大误差。针对上述问题,提出了装配同轴度的局部成像检测算法,提取图像的上下边缘点集,结合Hough线性变换,统计两点集对投影到霍夫空间的参数空间点,并搜索其累积数量的最大值点,该点对应的对称轴即为最优对称轴。仿真结果表明,该方法可以高精度地提取最优对称轴,同轴度误差仅为0.002 7。因此,采用装配同轴度的局部成像检测方法是有效可行的。     

基于相位一致性和Hough变换的多源图像配准方法

由于红外图像与可见光图像对比度不同,常用基于梯度幅值的特征匹配方法难以正确配准。在分析红外图像与可见光图像成像机制的基础上,提出了一种结合相位一致性边缘检测与Hough变换的多源图像配准新方法。该算法首先采用高通滤波和平台直方图均衡方法对红外图像进行预处理以提高红外图像的对比度,再利用具有图像对比度不变性的相位一致性边缘检测法提取两幅图像的边缘,结合Hough变换选取图像空间中最长的线作为特征,采用改进相位相关法作为相似性度量,在对数极坐标域下计算出两幅图像的几何变形参数。仿真实验结果表明,该方法能够以较高查准率实现红外与可见光图像自动配准,并具有较强的鲁棒性。     

轻武器电子校瞄系统的算法设计及系统验证

轻武器验收的重要指标之一是其击打目标的准确度[1],瞄准系统的精度直接影响武器性能的发挥,而传统的校准设备只能完成武器的粗校准,为此设计了一种新型的轻武器电子校瞄系统。其设计核心是枪口轮廓在图中精准识别算法的构建。在算法构建中,通过引入正六边形搜索窗口和梯度方向信息判据对随机Hough变换算法进行改进,弥补了已有的Hough变换方法计算复杂程度高,占用内存大的不足[2]。在MATLAB中充分验证改进算法的优良效果后,将该算法移植到基于嵌入式软件环境的电子校瞄系统中,系统通过测试表面电子校瞄系统对枪口的中心位置,枪膛中心点和十字光标相对位置,展现出优良的校准性能,初步实现了枪支瞄准系统的精细校准。在整个校准过程中,不直接与轻武器接触,可以避免传统校瞄系统重复安装对枪管造成的磨损,为传统的校准方式提供了一种新方法。