导读:本文包含了非理想虹膜论文开题报告文献综述及选题提纲参考文献，主要关键词:虹膜定位,并查集,边缘检测模板,内边界
非理想虹膜论文文献综述
朱立军,苑玮琦[1]（2018）在《基于并查集和边缘检测模板的非理想虹膜定位》一文中研究指出非理想虹膜图像往往存在虹膜边缘模糊、灰度变化不均匀、位置偏移及光斑干扰等问题,这些问题的存在会在一定程度上影响虹膜内外边界定位的准确率。针对这个问题,提出采用并查集和边缘检测模板的方法来对非理想虹膜进行内外边界定位。内边界定位首先采用并查集方法完成瞳孔区域粗定位,然后采用Hough变换对瞳孔进行精确定位;外边界定位先利用一系列边缘检测模板大致确定外圆的位置,再依据外边界附近圆环内边缘点的密度来最终完成外边界的精确定位。实验结果表明,对于非理想虹膜图像,该方法的定位正确率和定位速度均高于其他同类方法。(本文来源于《计算机应用研究》期刊2018年06期）
周恺[2]（2017）在《非理想虹膜图像预处理算法研究》一文中研究指出生物识别技术逐渐取代传统身份认证方法,是现代社会发展的必然趋势。其中虹膜识别技术因其稳定性、唯一性、防伪性和易采集性等优点在国防、金融管理、政府部门、安防等多个领域得到广泛的应用。目前虹膜识别依然只能在理想环境下达到较高的识别率,而非理想虹膜图像的识别效果还低于人们的预期。其中困难之处主要来自于预处理部分的虹膜分割。对于非理想虹膜图像,如:光照强度不一致、眼睑遮挡、图像运动模糊、斜视造成的虹膜离轴等,传统边缘检测算法在进行虹膜分割中存在着一定的局限性,如:算法的自适应性不强,需要手动调节梯度阈值;由于受到纹理背景的影响,不能准确提取虹膜轮廓。因此,如何在非理想虹膜图像上获取准确的边缘信息一直是虹膜分割的难点。针对传统边缘检测算法无法准确提取边缘信息,本文采用机器学习边缘检测算法,将边缘检测问题转为边界点是否为虹膜边界的分类问题。这种算法保留了边界点与周围像素点的联系以及虹膜的结构和上下文信息,具有非常强的泛化性能且无需调整任何参数。首先进行虹膜检测,以排除无虹膜或人眼闭合的图片。虹膜检测可以粗定位虹膜区域,减小处理的图像。之后通过Canny边缘检测获取边界点样本,以边界点为中心裁剪图像窗口,提取Haar和HOG特征,采用概率提升树算法,分别训练出瞳孔、虹膜、眼睑叁个虹膜边界点分类器。在实际运行中,通过这些分类器可以获取准确的虹膜和眼睑边界。由于获取的边界点准确率高,可以直接采用简单的最小二乘曲线拟合。眼睑定位采用限制参数区域的抛物线拟合算法。最后,为解决瞳孔形变和检测睫毛阴影,本文采用局部OTSU算法,对不同的区域采用不同的阈值分割虹膜,并采用弹性模型对虹膜进行归一化处理,获取最终用于识别的虹膜图像。通过在CASIA-IrisV4-Thousand虹膜数据库上进行实验,本文所述虹膜图像预处理算法能够达到0.64%的分割错误率。验证算法有效性的识别部分采用了广泛应用的2D Gabor小波进行特征提取,根据与公开研究文献实验结果对比评估虹膜识别系统的ROC曲线,最终证明了本文算法的有效性。(本文来源于《湖南大学》期刊2017-04-17）
杨光磊[3]（2016）在《非理想场景下的虹膜识别方法研究》一文中研究指出虹膜识别因其安全性以及稳定性被公认为最有前景的生物特征识别方法之一。它的基本原理是通过对采集图像中的虹膜部分提取特征并与数据库内特征匹配来验证用户身份。经过几十年的研究,理想场景下虹膜识别方法已经能够获得很好的识别性能；然而在非理想场景中,由于采集的图像质量不佳、存在严重的干扰和噪声,虹膜识别问题远未解决。本文主要研究非理想场景中的虹膜识别问题。针对虹膜图像预处理、虹膜特征提取及模式匹配等环节研究和开发了鲁棒的方法,以解决图像中的遮挡、模糊、噪声等各种干扰和不利因素。在虹膜内外轮廓检测阶段,本文对传统边缘检测加霍夫变换的轮廓检测方法进行改进,通过边缘点筛选减少噪声干扰并通过候选轮廓的再判断提高轮廓检测的鲁棒性和检测结果的准确性。在特征提取阶段,提出了新颖的外积张量序特征(O2PT)方法。该方法通过计算虹膜图像原始特征的外积张量得到图像特征的高阶信息,从而能够更好地表达虹膜纹理特性；进一步通过建模外积序关系提高特征鲁棒性和特征匹配效率。此外,本文首次利用费舍尔向量对于眼周图像建模,进一步挖掘眼睛、皮肤等图像区域的高阶统计信息。最后通过多模态生物特征融合方法,将基于虹膜纹理的O2PT特征匹配与基于眼周图像的费舍尔向量特征匹配进行融合,进一步提高了虹膜识别系统的性能。在虹膜匹配中通过掩模操作排除了眼睑遮挡及高亮区域等对识别的影响。本文在两个近红外光照条件下采集的非理想数据库CASIA-Iris-Thousand数据库和移动设备自采集库,以及可见光条件下采集的非理想数据库UBIris.v2库中进行了实验。针对所提出的虹膜内外轮廓定位、眼睑检测等预处理和虹膜识别方法进行了详尽的定性和定量评估及比较,结果表明本文所提出的方法能够有效地处理和克服非理想场景中的各种干扰因素,从而进行准确和鲁棒的虹膜识别。(本文来源于《大连理工大学》期刊2016-05-02）
吴国龙,陆军[4]（2014）在《非理想成像条件下的虹膜定位方法》一文中研究指出在非理想成像条件下,采集的虹膜图像存在高光亮点、光照变化、位置偏移等问题,为此提出一种基于人眼检测和二值投影法的虹膜定位方法。采用基于AdaBoost算法的人眼检测子进行人眼粗定位,利用直方图阈值化生成二值图像,结合数学形态学中的开运算和二值投影法对虹膜内圆进行粗定位,运用霍夫变换方法拟合虹膜内圆轮廓,采用环量积分微分算子对虹膜外圆进行拟合。在CASIA-IrisV4Thousand虹膜图像上进行算法性能验证,验证结果表明,该方法在准确率和定位时间上优于同类方法。(本文来源于《计算机工程与设计》期刊2014年11期）
万洪林,韩民[5]（2014）在《基于Hough变换与图像灰度增强的非理想虹膜边界检测》一文中研究指出边界定位是非理想虹膜识别的关键问题之一.非理想虹膜由于经常存在纹理过强、睫毛和眼睑遮挡、虹膜巩膜对比度较差、瞳孔位置偏移等问题,这使其边界尤其是外边界定位容易出现偏差.针对上述问题,我们提出了一种基于非线性图像增强的非理想虹膜边界定位方法.在内边界定位中,该方法首先使用混合高斯模型得到瞳孔粗略位置,然后使用弦长均衡策略搜索虹膜内边界及其中心;在外边界定位中,首先对虹膜图像进行非线性灰度变换,再利用边缘检测和改进的Hough变换定位虹膜外边界.实验结果表明,本算法与经典方法相比可大大提高非理想虹膜分割的准确率.(本文来源于《首都师范大学学报(自然科学版)》期刊2014年03期）
于海涛[6]（2014）在《基于非线性图像增强的非理想虹膜定位》一文中研究指出随着信息技术的迅速发展，信息安全的重要性越来越突出，对个人信息的安全性和准确也提出了更高的要求，生物识别技术因此受到人们的高度重视。传统的生物特征识别技术如指纹识别由于自身的缺陷已经无法满足一些安全性要求很高的行业。虹膜识别作为一种新型的识别技术，因其具有唯一性、稳定性、防伪性等特性被公认是最安全可靠的生物识别技术之一[1]，同时又因为其非侵犯性使得它在公共安全和社会管理等领域拥有非常广阔的市场前景。因此研究虹膜识别技术对当今社会信息安全有十分重要的意义。一个典型的虹膜识别系统主要由图像采集、图像预处理、特征提取（编码）、特征匹配四部分构成。图像采集大多使用CCD摄像机直接对虹膜部位进行拍照，图像的清晰度对于虹膜的定位有着决定性的作用；虹膜图像的预处理在当今虹膜识别程序中是最重要的一步，虹膜图像预处理过程中的边界定位更是尤其关键，其准确度将对识别结果产生重要影响，一般根据虹膜形状的特点，人们把虹膜边界建模为环形，它包括内外两条边界；虹膜的特征提取是指从预处理后的虹膜图像提取出对于匹配识别有用特征信息并编码；特征匹配是指对编码的虹膜图像采用相似性测度进行分类匹配识别。本文将主要对虹膜内外两条边界进行定位。本文提出了一种基于图像灰度非线性变换的虹膜定位方法。由于对于非理想虹膜而言，很大一部分是因为虹膜灰度不均匀，虹膜内部的纹理灰度差过大，在使用canny算子求边界后会造成非常强的伪边界，对外边界定位造成干扰，使得定位出现偏差。为了解决这些问题本文对虹膜图像进行了非线性变换，在弱化虹膜内部纹理，平均虹膜的灰度的同时增强了虹膜外边界。这样就弱化了虹膜内部的纹理而增强了虹膜的边界，使得更加有利于定位。为了验证该算法的有效性，我们对中科院模式识别研究所提供的。CASIA-Iris数据库进行了仿真实验，从对结果的分析来看该算法能有效提高非理想虹膜定位的准确率。另外本文在对现有虹膜定位算法进行总结的基础上，对wildes提出的虹膜定位算法进行了改进。Wildes的虹膜识别系统中使用了canny算子边缘检测和hough变换圆拟合的方法对虹膜进行定位，但对于非理想虹膜由于虹膜内部伪边界的影响，以及使用边缘点最多这一标准的到并不一定是虹膜的真正边界，实际定位是会出现一点误差等，这会使得定位出现较大误差。因此本文采用阈值法去除了一些微小的伪边界，并对hough变换进行改进，使得落在边界周围的点最多。实验的结果证明经过改进的算法能对虹膜进行更加精确的定位。(本文来源于《山东师范大学》期刊2014-04-06）
吴国龙[7]（2014）在《非理想条件下的鲁棒虹膜识别方法研究》一文中研究指出人类的虹膜具有唯一性、稳定性、非侵入性等特点，虹膜识别技术是众多生物特征识别技术中识别率最高的方法之一。随着虹膜识别技术的快速发展，目前研究重点主要关注非理想条件下的虹膜识别。非理想条件下采集的虹膜图像质量退化严重，存在高光亮点、眼睑或镜片遮挡、弹性形变、运动模糊和噪声等污染，这给虹膜识别技术带来巨大挑战。为了解决噪声污染以及遮挡等因素对虹膜识别的影响，本论文主要开展融合多种特征或多模态线索的鲁棒特征提取方法的研究工作，同时关注到大规模数据下的穷尽式图像匹配方法，开展基于图像索引的虹膜识别方法。论文首先提出基于Log-Euclidean协方差矩阵序编码的虹膜识别方法，在Log-Euclidean协方差矩阵的框架下，通过计算各特征间的互相关关系的方法融合多种特征，同时采用序测度对邻近区域提取的特征向量进行特征编码，最后采用Hamming距离度量相似性。其次，研究一种基于低秩矩阵恢复理论的鲁棒虹膜识别方法，提出一种新颖的纹理特征表达方法--序关系矩阵(ORM)，将虹膜识别问题转化为测试图像与训练图像的ORM联合低秩分解的问题，并采用拉格朗日乘数系数法对目标函数进行优化。本文接下来提出一种融合眼周信息的虹膜识别方法，采用全局统计特征和局部特征描述子分别提取眼周图像颜色、结构信息和虹膜的纹理信息，并采用分数级的加权求和的融合策略整合不同方法的匹配值。最后提出一种适应大规模数据的虹膜识别方法，采用一种基于简单而有效的哈希模板编码进行图像检索，构建基于卡诺图的索引数据库，测试图像的特征模板直接与索引后的候选子集中的特征模板对比匹配，提升匹配效率。本文所提出的方法分别在UBIRIS.v2库、CASIA-IrisV4库和ND-Iris-0405库进行大量实验验证并与相关算法进行比较。最后，本文对提出算法进行总结并提出了后续工作的主要研究方向。(本文来源于《黑龙江大学》期刊2014-03-26）
万洪林,李宝生,韩民,李登旺[8]（2014）在《基于非线性尺度空间的非理想虹膜边界定位》一文中研究指出提出了一种基于非线性尺度空间的非理想虹膜边界定位方法。这一方法通过具有尺度演化特性的非线性扩散消除小尺度的几何结构,保留虹膜的主要边界信息。此外将此扩散与多分辨率分析框架结合,从而实现了虹膜边界的快速有效检测。实验结果表明,与经典方法相比,所提算法能够有效消除上述因素导致的不利影响,精确提取了非理想虹膜的内外边界。(本文来源于《通信学报》期刊2014年03期）
万洪林,李宝生,韩民[9]（2013）在《基于统计特征的非理想虹膜图像分割方法》一文中研究指出由于退化条件的存在,非理想虹膜识别的关键在于正确分割虹膜区域,这一区域包含能够用于个体识别的纹理。本文提出了一种基于统计特性的非理想虹膜图像分割方法,包括内边界定位、外边界定位和眼睑检测3个阶段。在内边界定位阶段,通过高斯混合(GMM)模型及多弦长均衡策略,实现对瞳孔及虹膜中心的精确定位;在外边界定位阶段,利用简化的基于区域信息的曲线演化方法,将其与序统计滤波(OSF)结合,以确保曲线收敛至虹膜外边界;在眼睑检测阶段,利用二次曲线对眼睑进行建模。对多个数据库进行实验的结果表明,本文方法能够有效克服反光、睫毛和眼睑遮挡、外边界模糊等不利因素的影响,精确实现了非理想虹膜图像的分割。(本文来源于《光电子.激光》期刊2013年12期）
宋春仙[10]（2013）在《非理想情况下的虹膜识别算法研究》一文中研究指出身份安全问题是现代社会的一个重要话题，传统的身份识别手段己跟不上现代社会的步伐，新兴的生物特征识别技术依靠其独特的优势越来越受到广大使用者的欢迎。在众多生物特征识别技术中，虹膜识别的唯一性和稳定性都很好，而且不易被改变，易于进行活体检验，十分适用于身份识别。虹膜识别系统不但要识别率高，更要高效迅速，很难有一种虹膜识别算法能同时满足这两个要求。因此，本论文对虹膜识别技术进行了深入研究，旨在提高整个虹膜识别系统的性能。本论文主要研究基于非理想虹膜图像的生物特征识别算法。针对强光斑情况下的虹膜图像，本论文提出结合2D Gabor滤波器与形态学技术检测瞳孔区域的光斑，并以光斑像素点为中心的矩形区域内的像素灰度均值对每一个可能的光斑进行选择性填充，最后在填充后的图像基础上，引入同时结合几何信息与灰度信息的定位质量评价指标，进一步提高了之前瞳孔定位的准确性。CASIA v3.0虹膜图库中这种方法取得了很好的效果。在检测眼皮与睫毛时，本论文首先选取了一个固定的眼皮与睫毛检测模型，再在上下眼皮区域分别左右移动这个模型以达到覆盖上下眼皮区域的最佳效果，从而实现对上下眼皮和睫毛的自动检测。利用对虹膜定位的精确度不敏感的SIFT算法来提取虹膜特征，SIFT描述的是图像的局部特征，对图像的旋转、尺度变化和光照变化具有不变性，同时对视角变化、仿射变换和噪声也有一定的稳定性，是性能较好的局部特征描述子之一。将Adaboost算法引入到远距离虹膜定位中，首先将人眼从图像中检测出来，经过尺寸、直方图筛选后再进行虹膜定位，缩小了定位的搜索范围，也提高了虹膜定位的速度和精度，再利用以前的算法定位。在CASIA v4.0虹膜图库中取得了很好的虹膜定位效果。(本文来源于《叁峡大学》期刊2013-05-01）
非理想虹膜论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
生物识别技术逐渐取代传统身份认证方法,是现代社会发展的必然趋势。其中虹膜识别技术因其稳定性、唯一性、防伪性和易采集性等优点在国防、金融管理、政府部门、安防等多个领域得到广泛的应用。目前虹膜识别依然只能在理想环境下达到较高的识别率,而非理想虹膜图像的识别效果还低于人们的预期。其中困难之处主要来自于预处理部分的虹膜分割。对于非理想虹膜图像,如:光照强度不一致、眼睑遮挡、图像运动模糊、斜视造成的虹膜离轴等,传统边缘检测算法在进行虹膜分割中存在着一定的局限性,如:算法的自适应性不强,需要手动调节梯度阈值;由于受到纹理背景的影响,不能准确提取虹膜轮廓。因此,如何在非理想虹膜图像上获取准确的边缘信息一直是虹膜分割的难点。针对传统边缘检测算法无法准确提取边缘信息,本文采用机器学习边缘检测算法,将边缘检测问题转为边界点是否为虹膜边界的分类问题。这种算法保留了边界点与周围像素点的联系以及虹膜的结构和上下文信息,具有非常强的泛化性能且无需调整任何参数。首先进行虹膜检测,以排除无虹膜或人眼闭合的图片。虹膜检测可以粗定位虹膜区域,减小处理的图像。之后通过Canny边缘检测获取边界点样本,以边界点为中心裁剪图像窗口,提取Haar和HOG特征,采用概率提升树算法,分别训练出瞳孔、虹膜、眼睑叁个虹膜边界点分类器。在实际运行中,通过这些分类器可以获取准确的虹膜和眼睑边界。由于获取的边界点准确率高,可以直接采用简单的最小二乘曲线拟合。眼睑定位采用限制参数区域的抛物线拟合算法。最后,为解决瞳孔形变和检测睫毛阴影,本文采用局部OTSU算法,对不同的区域采用不同的阈值分割虹膜,并采用弹性模型对虹膜进行归一化处理,获取最终用于识别的虹膜图像。通过在CASIA-IrisV4-Thousand虹膜数据库上进行实验,本文所述虹膜图像预处理算法能够达到0.64%的分割错误率。验证算法有效性的识别部分采用了广泛应用的2D Gabor小波进行特征提取,根据与公开研究文献实验结果对比评估虹膜识别系统的ROC曲线,最终证明了本文算法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非理想虹膜论文参考文献
[1].朱立军,苑玮琦.基于并查集和边缘检测模板的非理想虹膜定位[J].计算机应用研究.2018
[2].周恺.非理想虹膜图像预处理算法研究[D].湖南大学.2017
[3].杨光磊.非理想场景下的虹膜识别方法研究[D].大连理工大学.2016
[4].吴国龙,陆军.非理想成像条件下的虹膜定位方法[J].计算机工程与设计.2014
[5].万洪林,韩民.基于Hough变换与图像灰度增强的非理想虹膜边界检测[J].首都师范大学学报(自然科学版).2014
[6].于海涛.基于非线性图像增强的非理想虹膜定位[D].山东师范大学.2014
[7].吴国龙.非理想条件下的鲁棒虹膜识别方法研究[D].黑龙江大学.2014
[8].万洪林,李宝生,韩民,李登旺.基于非线性尺度空间的非理想虹膜边界定位[J].通信学报.2014
[9].万洪林,李宝生,韩民.基于统计特征的非理想虹膜图像分割方法[J].光电子.激光.2013
[10].宋春仙.非理想情况下的虹膜识别算法研究[D].叁峡大学.2013