《一种用于虹膜识别的眼睑和睫毛检测算法.doc》由会员分享，可在线阅读，更多相关《一种用于虹膜识别的眼睑和睫毛检测算法.doc（1页珍藏版）》请在三一文库上搜索。
1、Vol. 33 No. 2Apr. 2011文駅标志码:A第33卷第2期武汉理工大学学报信息与管理工程版2011 年 4 月JOURNAL OF WUT( INFORMATION & MANAGEMENT ENGINEERING)文章号:1007 -144X(2011 )02 - 0175 - 05一种用于虹膜识别的眼睑和睫毛检测算法周俊，罗挺2,李敏，余丛斌(l.gftlfi学読信息工程系庆4013312后JB工程学院训练瞅拟中心重庆401331)摘 要:为减少垠脸和It毛对虹膜识别率的影响提出了一种用于如膜识别的眼睑和變毛检测算法。应用灰度 形态学运算去除睫毛、光斑对眼脸区域的干扰提取上I
2、R睑区域每列灰度最小值点作为边缘点对下眼睑区域进 行梯度变换根务最大梯度枳分区间确定下眼睑边缘点;对眼睑边缘点进行最小二乘抛物线拟合上、下眼睑;利 用眼睑抛物线在邻域内上下移动当灰度突变时轿确定位上下眼脸。根据上眼聆抛物线F移后抛物线像索点灰 度的分布自适应生成阈值对経毛进行分割。实狡结果表明:该眼睑算法能有效、快速地检测眼脸与Hough变 换算法相比准确率相当逢度提高约4s；tt毛检测算法能有效、简便和最大限度地检测出睫毛。关词:红膜识别,眼脸检潰；最小二兼拟合；睫毛检测；自适应網值中图分类号:TP391.4D0I： 10.3963/j. isem 1007 - 144X.2011.02.0
3、02虹膜识别是利用虹膜丰富的纹理信息对人的 身份进行认证的生物特征识别技术不同个体之 间虹膜相同的概率为1/1072】，相对于指纹识别、 人脸识别等典型生物特征识别技术，红膜识别的 准确率是最商的。由于如膜识别系统在采集图像时是非侵犯性 的因此虹膜图像采集的噪声主要存在眼睑、睫毛 和光斑的干扰如果不将这些噪声清除将会 被误认为虹膜纹理特征，从而对虹膜识别系统性 能产生影响。光斑区域灰度值比周围灰度高很 多，一般采用固定阈值将光斑分离。目前眼睑检测算法主要有:边缘检测与 Hough空间变换相结合的抛物线检测法;基 于抛物线路径求灰度积分和差分检测法;基 于最小二乘法的拋物线拟合。第类方法能 最大
4、限度提取虹膜纹理但是由于在三维空间搜 索而速度较慢;第类方法采用类似Daugman的 经典圆积分/微分算子定位，该类方法也存在三维 空间搜索而导致速度较慢的问题;第类方法提 取一定的眼睑边缘点然后利用最小二乘法拟合 眼睑，相比前两类方法精度较低但是在一维空间 搜索連度较快。人眼图像中睫毛的情况最为复杂，准确检测 难度最大，据报道较有效的算法是KONG的基 于一维Gabor滤波器和邻域标准差的睫毛检测 法，一维Gabor滤波器对检测稀疏分散的睫毛比 较有效邻域标准差对浓密成块的睫毛比较有效, 但该算法需设置较多的参数。由于睫毛分布的多 样性，现在还没有待别全面有效的睫毛检测算法。针对以上算法的不
5、足提出了一种新的上、下 眼睑检测算法和睫毛检瀝算法。首先对眼睑区域 进行灰度形态学运算去除睫毛、光斑的影响;然后 根据眼睑边缘的灰度待点提取边缘点，用最小二 乘法对边缘点进行上、下眼睑边缘拟合;最后对眼 睑边缘精确定位。根据如膜区域图像灰度自适应 生成阈值对睫毛进行分割。实验结果表明：眼睑 算法能有效、快速地检测眼睑抗干扰性强;睫毛 检测算法能有效、简便和最大限度地检测出睫毛。1上眼睑检测通过文献9中算法确定虹膜内中心(科, ”)，半径;虹膜外边缘中心(*),半径同 时根据文献10中算法确定上眼睑边缘区域，上 眼睑的检测步骤为分割上眼睑边缘区域及预处 理、寻找边缘点集和上眼睑边缘拟合。(1)分割上眼睑边缘区域及预处理虹腋图 像中存在眼皮区域干扰如图1所示。为提高检 测速度利用虹膜内外边绿参数进行上眼睑边缘区作看简介:周 tt( 1981- ) 男江西髙安人后動工稗学院信息工程系博士研究生. 墓金项目：国家自於科学基金资助项目(70801062).