论文部分内容阅读
虹膜识别已经成为应用数学与模式识别等交叉学科的热门研究课题。虹膜图像预处理是虹膜识别系统中一个至关重要的环节,直接影响到虹膜内外圆定位、虹膜特征提取和匹配的准确性。本文详细讨论了虹膜识别预处理的算法。所谓预处理主要包括虹膜图像质量评估、虹膜区域检测、虹膜图像噪声检测等内容,目的是在质量好的真实人眼图像中分割提取虹膜区域,减少噪声干扰,为特征提取和匹配做准备。本文主要工作和研究结果如下:(1)质量评估主要是将不合格的图像去除掉,提高虹膜识别的准确率。不合格的图像包括晃动产生的模糊、光照不均匀、眼睑遮挡严重等图像,本章采用到的算法包括阈值分割、形态学、椭圆拟合等。(2)虹膜有效区域的检测是为了提高整体虹膜识别算法的效率,用到的算法主要是模糊c均值聚类分析与圆形Hough变换。传统的Hough变换计算量很大,本文中与模糊c均值相结合,并且在一定程度上增大圆心点的搜索步长,大大减少了该算法的时间。(3)通过对噪声的研究,分别提出了噪声的检测方法:灰度与梯度相结合的方法检测出光斑并利用插值填充光斑区域;Gabor滤波器卷积法检测睫毛;基于RANSAC算法对样本数据集点随机采样,拟合抛物线检测上下眼皮。本文实验主要采用UBIRIS. v2和CASIA-IrisV3-Lamp虹膜数据库,通过编程实现上述算法。2010年我们虹膜小组参加了国际虹膜识别算法大赛,经过第三方的检测,我们团队的算法在所有参赛队伍中排名第2,这充分说明了本文算法的有效性。