一种有效的虹膜定位及睫毛检测方法

doi:10.3778/j.issn.1002-8331.2010.06.050

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (6): 171-173.DOI: 10.3778/j.issn.1002-8331.2010.06.050

• 图形、图像、模式识别 • 上一篇下一篇

一种有效的虹膜定位及睫毛检测方法

陈广华¹，何希勤¹，刘向东^1，2

1.辽宁科技大学应用数学研究所，辽宁鞍山 114051
2.大连民族学院非线性信息技术研究所，辽宁大连 116600

收稿日期:2008-08-28 修回日期:2008-11-07 出版日期:2010-02-21 发布日期:2010-02-21
通讯作者: 陈广华

Efficient algorithm on iris image localization and eyelash detection

CHEN Guang-hua¹，HE Xi-qin¹，LIU Xiao-dong^1，2

1.Research Institute of Applied Mathematics，University of Science & Technology Liaoning，Anshan，Liaoning 114051，China
2.Research Institute of Nonlinear Information Technology，Dalian Nationalities University，Dalian，Liaoning 116600，China

Received:2008-08-28 Revised:2008-11-07 Online:2010-02-21 Published:2010-02-21
Contact: CHEN Guang-hua

摘要/Abstract

摘要： 提出一种有效的虹膜定位及睫毛检测方法。通过把眼睛图像中分割成小的矩形区域，利用找到的这些矩形区域像素平均最小值把眼睛图像进行二值化，找到虹膜区域的内边界；以瞳孔的质心为参考点，在其左右的扇形区域内分别使用修改后的Daugman的检测算子，找到像素值变换大的位置，进而定位出虹膜的外界；使用Gobor滤波器和窗口移动法对睫毛进行有效的检测。通过对大量虹膜图像的实验表明，该方法取得了非常好的结果。

关键词: 虹膜识别, 虹膜定位, 睫毛检测

Abstract: An efficient algorithm on iris image localization and eyelash detection is presented.Firstly，an eye image is divided into many small rectangular regions.Image binarization is implemented taking the smallest average intensity of the regions as a threshold.The inner boundary of the iris region is found.Then the centroid of the pupil is taken as a reference point.In the left and right sector regions of the centroid，the modified Daugman’s detecting operator is utilized to search the sharp variation position of the intensity.Then the outer boundary of the iris region is located.At last，eyelash is detected by using Gobor filter and the shift window.After doing a great deal of experiments，the results show that the proposed method has an encouraging performance.

Key words: iris recognition, iris localization, eyelash detection

中图分类号:

TP391

陈广华¹，何希勤¹，刘向东^1，2. 一种有效的虹膜定位及睫毛检测方法[J]. 计算机工程与应用, 2010, 46(6): 171-173.

CHEN Guang-hua¹，HE Xi-qin¹，LIU Xiao-dong^1，2. Efficient algorithm on iris image localization and eyelash detection[J]. Computer Engineering and Applications, 2010, 46(6): 171-173.

[1]	陈金鑫，沈文忠. 基于EL-YOLO的虹膜图像人眼定位及分类算法[J]. 计算机工程与应用, 2021, 57(17): 217-223.
[2]	周锐烨，沈文忠. PI-Unet：异质虹膜精确分割神经网络模型的研究[J]. 计算机工程与应用, 2021, 57(15): 223-229.
[3]	滕童，沈文忠，毛云丰. 基于级联神经网络的多任务虹膜快速定位方法[J]. 计算机工程与应用, 2020, 56(12): 118-124.
[4]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[5]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[6]	刘帅1，2，刘元宁1，3，朱晓冬1，3，冯家凯1，3，卢时旭1，2. 基于分块搜索的虹膜定位算法[J]. 计算机工程与应用, 2018, 54(18): 212-217.
[7]	邓玉波，苏娟. 基于纹理方向能量特征的虹膜识别算法[J]. 计算机工程与应用, 2017, 53(15): 196-199.
[8]	凌滨，索健文，许景涛. 一种结合Snake与GAC模型的虹膜定位方法[J]. 计算机工程与应用, 2017, 53(1): 201-206.
[9]	庞建华，姚鹏. 基于Adaboost算法的虹膜合格状态检测[J]. 计算机工程与应用, 2015, 51(14): 191-197.
[10]	冯莹莹，余世干，刘辉. 改进典型相关分析的虹膜鉴别算法[J]. 计算机工程与应用, 2014, 50(16): 146-149.
[11]	朱琼瑶. 结合人眼特征和几何方法的虹膜定位方法[J]. 计算机工程与应用, 2013, 49(8): 182-184.
[12]	贺遵亮，蔡碧野，李峰，章登勇. 采用有向梯度与RANSAC的虹膜定位算法[J]. 计算机工程与应用, 2013, 49(24): 172-174.
[13]	马义德，周炜超，滕飞，绽琨，赵荣昌. 基于SCM的虹膜干扰区域去除算法[J]. 计算机工程与应用, 2013, 49(20): 161-166.
[14]	梁艳，曾碧卿. 基于区域生长与Hough变换的虹膜定位方法[J]. 计算机工程与应用, 2012, 48(8): 200-202.
[15]	彭建，向军. 一种基于形态学的虹膜定位快速算法[J]. 计算机工程与应用, 2012, 48(4): 193-196.

一种有效的虹膜定位及睫毛检测方法

Efficient algorithm on iris image localization and eyelash detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics