虹膜坑洞、色素斑纹理检测方法研究
本文关键词： 虹膜坑洞纹理 虹膜色素斑纹理 虹膜特征纹理 虹膜定位 出处：《沈阳工业大学》2017年博士论文 论文类型：学位论文
【摘要】：人体虹膜表面通常存在诸如色素斑、坑洞、裂缝及环状条纹等不同类型的特征纹理,这些特征纹理的大小,位置及形状等空域信息,一方面可以作为虹膜身份识别的辅助信息,从而可以进一步提高虹膜识别的精度和速度;另一方面也可以作为虹膜诊断的依据。而现有的针对这类虹膜特征纹理提取方法的研究还处于探索阶段,在提取的准确率和提取速度上还无法满足实际应用场合的需要。针对目前虹膜特征纹理提取方法中存在的问题,本文以可见光虹膜图像为研究对象,以自建的虹膜图库为实验基础,从两个方面开展研究。一方面,为了保证虹膜特征纹理提取的准确率,对复杂可见光虹膜图像预处理中的关键问题进行深入的研究,包括虹膜内、外圆定位问题及虹膜实际可见区域的分割问题等;另一方面,在经过预处理后的虹膜图像上,如何对色素斑纹理和坑洞纹理进行有针对性的提取等问题进行深入的研究。具体研究内容及贡献如下:(1)针对含有光斑、眼睑、睫毛及多种特征纹理的复杂可见光虹膜图像有效区域定位问题,本文首先使用并查集方法分割出瞳孔区域,再使用边缘跟踪方法得到该瞳孔区域的边缘轮廓,最后使用Hough变换方法完成内圆定位;针对外圆定位,首先根据虹膜外圆边缘的灰度特点设计相应的检测模板进行外圆粗定位,然后使用Canny算算子对虹膜图像进行二值化操作,再依据外圆附近边缘点的密度分布情况最终实现外圆精定位。在成功定位虹膜内、外圆的基础上,再次使用并查集方法完成虹膜有效区域的粗分割,然后再采用旋转三角形填充的方法实现虹膜有效区域的精确定位。通过与现有的虹膜有效区域定位方法相比,无论在定位准确率上还是在定位速度上都有了明显的提高。(2)针对虹膜色素斑纹理的提取问题,提出一种基于双线性模板和分块策略的色素斑提取方法。首先,根据图库中色素斑的尺寸范围,设计一长一短两个线性模板来提取所有的纹理,然后采用分支限界法定位所有提取出的目标纹理,再依次对定位出的目标纹理进行分块并计算各个块的灰度均值,这样就得到了能表示该目标纹理灰度分布特点的一个特征向量。接下来,采用神经网络方法实现对色素斑纹理的检测。通过实验表明,该方法在存在多种虹膜特征纹理及干扰的复杂虹膜图像中能有效检测出色素斑纹理。(3)针对虹膜坑洞纹理的提取问题,本文提出两种方法。方法一:把模糊集合的理论引入到虹膜坑洞纹理的检测中来,提出一种基于线性模板和模糊规则的虹膜坑洞纹理检测方法。首先,根据图库中坑洞纹理的形状特点设计一个线性模板来提取出所有“窄”状纹理。然后根据色素斑和非色素斑纹理的形状特点设计一套模糊规则来排除掉色素斑纹理。接下来,在剩下的非色素斑纹理里面,再根据坑洞纹理的特点设计相应的模糊规则来识别坑洞纹理。测试结果表明,该方法对坑洞纹理检测的效果较好且检测的时间较快。方法二:在方法一中,由于光斑的影响会导致坑洞纹理检测误检率的增加,针对这一问题,提出一种基于形态学的虹膜坑洞纹理检测方法。首先根据图库中坑洞的最大宽度设计相应的结构元素,利用灰度形态学中的顶帽操作提取所有“窄”状纹理,然后,再利用二值形态学中的闭操作对由灰度形态学提取的目标纹理中断裂的部分进行重新连接,这样就完成了所有“窄”状纹理的提取。然后,再定义一个能反映不同特征纹理形状特点的特征向量,并使用支持向量机的方法识别出坑洞和裂缝纹理,再依据坑洞和裂缝的不同特点,通过阈值方法得到最终的坑洞纹理。测试结果表明,该方法能较好地克服了光斑的干扰,进一步降低了坑洞纹理检测的误检率。
[Abstract]:In order to improve the accuracy and speed of iris recognition , this paper studies the key problems in iris image preprocessing by using the method of edge tracking . ( 3 ) In order to solve the problem of the extraction of the texture of the iris pit , the paper proposes two methods . Firstly , according to the shape characteristics of the hole in the gallery , a method for detecting the texture of the hole is proposed . First , according to the shape characteristics of the pit in the gallery , a set of fuzzy rules are designed to extract all the " narrow " texture .
【学位授予单位】：沈阳工业大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TP391.41
【相似文献】
相关期刊论文 前10条
1 史春丽,刘京玲;一种快速检测纹理斑块的方法[J];西安电子科技大学学报;2001年06期
2 郑瑶函,叶正麟,汤力,潘璐璐;纹理元提取与纹理合成的自由参数估计[J];计算机工程与应用;2004年36期
3 孟祥增;刘明霞;;基于概念的自然纹理分类[J];计算机工程与应用;2006年11期
4 陆春君;陈松灿;谭晓阳;;基于纹理频谱子集的纹理识别[J];江南大学学报(自然科学版);2007年06期
5 霍玉洪;刘云;;稀疏纹理分类的研究[J];合肥工业大学学报(自然科学版);2008年06期
6 刘明霞;侯迎坤;杨德运;;一种新的自然纹理分类方法[J];计算机工程与应用;2008年19期
7 孙小芳;;基于分割的纹理分类农田信息提取[J];闽江学院学报;2010年02期
8 徐晓哲;李振明;;一种有效的结构纹理区分方法[J];甘肃科学学报;2010年03期
9 王晓明;冯鑫;党建武;;一种局部监督式纹理分类算法[J];兰州理工大学学报;2012年04期
10 袁建星,万嘉若,王成道;纹理模型和纹理识别[J];环境遥感;1988年02期
相关会议论文 前5条
1 陈晓钟;孙华燕;;基于更佳分辨率小波分解的图像纹理分类[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年
2 谢世朋;胡茂林;;基于局部仿射区域对稀疏纹理分类的研究[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年
3 谢世朋;胡茂林;;基于滤波器库的纹理自动分类的研究[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年
4 曹伟国;李宗民;李华;;一种旋转与尺度不变的纹理分类方法[A];第十四届全国图象图形学学术会议论文集[C];2008年
5 付新文;李象霖;张妙兰;;一种基于矢量量化的纹理匹配分类方法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
相关博士学位论文 前9条
1 宋铁成;图像局部特征的提取与描述方法研究[D];电子科技大学;2016年
2 崔振超;计算机舌诊中舌体分割与纹理分类研究[D];哈尔滨工业大学;2015年
3 朱立军;虹膜坑洞、色素斑纹理检测方法研究[D];沈阳工业大学;2017年
4 孙利君;基于样本的纹理合成方法研究[D];山东大学;2012年
5 邵晓鹏;红外纹理生成方法研究[D];西安电子科技大学;2005年
6 王凯;基于图像纹理特征提取算法的研究及应用[D];西南交通大学;2013年
7 贺永刚;基于局部二值模式的纹理表达研究[D];华中科技大学;2012年
8 齐宪标;共生局部二值模式及其应用[D];北京邮电大学;2015年
9 贺永刚;基于局部二值模式的纹理分类研究[D];华中科技大学;2012年
相关硕士学位论文 前10条
1 占俊杰;光照变化的纹理分类研究[D];重庆大学;2015年
2 王宁宁;基于线结构光3D纹理测量的研究[D];电子科技大学;2015年
3 许丽颖;基于LBP和KNN的视频纹理识别算法研究[D];吉林大学;2015年
4 管凌霄;基于纹理和结构分析的机场目标检测方法[D];解放军信息工程大学;2015年
5 崔昊;纹理合成中误差度量及像素再合成研究[D];山东师范大学;2016年
6 郝华;基于混合高斯模型匹配的纹理分类研究[D];大连理工大学;2016年
7 胡家义;三维矢量地形模型纹理合成方法研究[D];东北师范大学;2016年
8 江俊容;基于可合成性度量的网络纹理自动获取算法研究与实现[D];深圳大学;2016年
9 刘婧婷;基于纹理基元的遥感影像分类方法研究[D];华中科技大学;2015年
10 伍敏;基于多尺度内变差的结构检测与纹理滤波算法研究[D];浙江工商大学;2017年
，本文编号：1510225
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/1510225.html
