共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
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。 相似文献
3.
虹膜外边缘受眼睑遮挡较为严重时, 会给虹膜中心的准确提取造成很大的困难. 为此, 提出利用放置在相机轴外的红外光源产生的暗瞳图像估计瞳孔中心, 该方法避免了提取虹膜外边缘遇到的遮挡问题. 首先利用角膜反射光斑在相机像面中的位置估计角膜所在球体中心的三维空间坐标, 作为眼球的平动信息; 然后考察瞳孔中心与角膜球体中心在相机成像面投影位置的相对偏移, 作为眼球的转动信息; 最后利用人工神经网络完成视线特征向量与注视点坐标间的映射. 在人眼区域定位的问题上, 利用两部大视场相机, 采用自适应增强算法和主动表观模型算法实现眼部区域的准确定位, 该步骤可以将提取反射光斑和瞳孔中心需要考虑的图像区域限定在较小的范围内. 实验结果表明, 本文视线估计方法在水平方向上的平均误差为0.62°, 在竖直方向上的平均误差为1.05°, 是解决视线点估计的有效方法.
关键词:
暗瞳
人工神经网络
自适应增强
主动表观模型 相似文献
4.
5.
提出了一种鲁棒性基准孔检测方法。通过显著性检测对图像进行预处理,获得显著图,利用Hough圆检测算法提取显著图中基准孔感兴趣区域;基于双阈值进行轮廓分割,并利用主成分分析提取基准孔像素级轮廓,然后使用Bazen方法提取基准孔亚像素轮廓;基于随机采样一致性(RANSAC)原理实现基准孔高精度定位。实验结果表明,该算法的拟合精度高,对真实基准孔的定位误差为0.027 mm,检测性能优良,对于反光、刀具痕迹、光照不均匀、带倒角螺纹孔、内嵌轮廓、遮挡等情况下的基准孔检测仍具有很好的鲁棒性。 相似文献
6.
序列图像中运动目标的自动提取方法 总被引:2,自引:2,他引:0
针对目标检测与跟踪领域中的运动目标自动提取问题,提出了一种新的运动目标自动提取方法.利用已有的图像帧滤波后初始化背景,并在运动目标检测过程中,利用检测结果,不断地自动更新背景.使用背景差法检测运动区域,并对差分图像进行动态阈值分割,以及边缘链接,使其边缘处于基本连续状态.在得到的二值图上,提取轮廓,并根据目标大小选择面积阈值,剔除由于噪音或者背景提取不干净造成的虚假轮廓,将得到的轮廓掩模图像与原图像做逻辑与运算,提取出目标.实验结果表明,该方法可以有效地提取出刚体或非刚体运动目标. 相似文献
7.
针对视觉测量在轨道交通隧道大范围轮廓测量上的问题,研究设计一种大型多阵列圆标定板进行系统标定工作,提出区域生长重心法实现对标定图像上基准点的提取。即将区域生长法和灰度重心法相结合,通过粗定位寻找每个基准圆的种子点,考虑种子点像素的4邻域像素进行区域生长,然后利用灰度重心法提取生长区域的重心作为基准点。将非线性变化的基准点替代线性提取的基准圆的种子点,消除了图像畸变的影响,保证了特征检测过程的可靠性和鲁棒性,达到对于多阵列圆大型标定板基准点的提取。通过搭载鱼眼镜头拍摄6m的模拟隧道横断面轮廓,进行轮廓测量与还原。实验表明该方法提取的基准点像素坐标误差可达到2pixel以内,系统测量精度能够达到±5mm以内,完全满足轨道交通隧道横断面轮廓测量误差标准。 相似文献
8.
9.
基于圆结构光照明和LED照明相结合的三维检测技术 总被引:1,自引:0,他引:1
针对孔内表面的检测问题,提出了一种新的基于结构光照明和LED照明相结合的三维检测技术。该方法主要包括三个步骤:首先通过圆结构光照明获取孔内表面的截面轮廓图像,并通过图像处理和系统标定得到当前截面上局部区域的深度值;然后通过平面光照明得到孔内表面的平面图像,并在分析成像关系的前提下,在对平面图像进行坐标变换后得到孔内表面的展开图像,结合图像处理算法,提取展开图像的局部区域的平面尺寸信息;最后将圆结构光数据和LED光源数据变换到同一全局坐标系下,得到内表面的三维信息。 相似文献
10.
基于2D-Gabor滤波器的虹膜噪声检测方法 总被引:1,自引:1,他引:0
人眼在自然张开状态下,虹膜区域会受到部分眼睑、睫毛的遮挡,这些噪声会降低虹膜识别的准确性,因而在识别时应该尽可能将虹膜有效信息提取出来,而将眼睑、睫毛等干扰去除。为此本文提出了一种在归一化后的虹膜图像上利用2D-Gabor滤波器检测和去除虹膜区域内噪声的方法,并将噪声区域标记。在虹膜匹配时,通过将虹膜代码中的干扰位去除来尽量避免噪声对于虹膜识别的影响。实验结果表明本文提出的方法可以准确检测并标记噪声区域,有助于提高识别的可靠性和识别准确率。 相似文献