虹膜圖像分割算法研究.pdf

1、虹膜圖像分割是虹膜識別系統(tǒng)中極為重要的一部分，分割的準(zhǔn)確度在很大程度上影響了虹膜識別系統(tǒng)的綜合性能。就目前公開的關(guān)于虹膜圖像分割的研究文獻來看，對于非理想虹膜圖像的分割仍然存在或多或少的缺陷。一個優(yōu)秀的虹膜圖像分割算法應(yīng)該具備抗干擾性強、計算效率高、分割準(zhǔn)確度高等特點，在虹膜圖像采集過程中由于復(fù)雜的采集環(huán)境，容易造成光線強度不一致、虹膜部分被眼瞼遮擋、運動模糊、斜視或拍攝角度造成的虹膜離軸等等，一系列的干擾因素增加了完整分割虹膜區(qū)域的難

2、度，對虹膜圖像分割算法的性能也提出了更高的要求。
　　完整的虹膜圖像分割過程包括反光點填充、瞳孔邊緣定位、虹膜外邊緣定位、上下眼瞼定位、睫毛和陰影的排除等步驟，本文針對虹膜圖像分割算法，對現(xiàn)有模型進行改進與創(chuàng)新，提出新的模型以提高分割準(zhǔn)確度，并以本文提出的分割算法構(gòu)建虹膜識別系統(tǒng)，來驗證算法的有效性。本文主要工作總結(jié)如下：
　　?提出平均線性插值法進行反光點填充，利用反光點周圍像素灰度值提供的信息來計算填充點的灰度值，距離填

3、充點越近提供的信息分配權(quán)重越大，反之，分配權(quán)重越小。該方法相比固定的低灰度值填充更加合理有效。
　　?利用圖像的Haar-like特征訓(xùn)練Adaboost分類器，用于虹膜圖像感興趣區(qū)域的提取。并利用CASIA-IrisV3-Lamp和LZU-Iris兩個虹膜圖庫對構(gòu)建的分類器進行測試，正檢率分別為95.57％和98.26%。
　　?提出基于輪廓檢測與局部調(diào)整的瞳孔中心粗定位方法。其中，提出一種基于虹膜圖像ROI灰度直方圖累積

4、的二值化方法用于瞳孔的分離。瞳孔中心坐標(biāo)點的局部調(diào)整可在一定程度上克服瞳孔區(qū)域灰度重心偏移造成的定位偏差。
　　?提出一種新的瞳孔邊緣點檢測與篩選方法，使用最小二乘法對經(jīng)過篩選的瞳孔邊緣點進行橢圓擬合。改進了Hough變換用于虹膜外邊緣的定位，通過縮小虹膜外邊緣擬合圓的參數(shù)搜索空間來提高算法的效率。使用Canny算法檢測眼瞼邊緣點，并使用最小二乘法擬合二次曲線來定位眼瞼。
　　?以CASIA-IrisV3-Lamp虹膜圖庫為