本文關(guān)鍵詞： 虹膜坑洞紋理 虹膜色素斑紋理 虹膜特征紋理 虹膜定位　出處：《沈陽工業(yè)大學》2017年博士論文　論文類型：學位論文

【摘要】：人體虹膜表面通常存在諸如色素斑、坑洞、裂縫及環(huán)狀條紋等不同類型的特征紋理,這些特征紋理的大小,位置及形狀等空域信息,一方面可以作為虹膜身份識別的輔助信息,從而可以進一步提高虹膜識別的精度和速度;另一方面也可以作為虹膜診斷的依據(jù)。而現(xiàn)有的針對這類虹膜特征紋理提取方法的研究還處于探索階段,在提取的準確率和提取速度上還無法滿足實際應(yīng)用場合的需要。針對目前虹膜特征紋理提取方法中存在的問題,本文以可見光虹膜圖像為研究對象,以自建的虹膜圖庫為實驗基礎(chǔ),從兩個方面開展研究。一方面,為了保證虹膜特征紋理提取的準確率,對復(fù)雜可見光虹膜圖像預(yù)處理中的關(guān)鍵問題進行深入的研究,包括虹膜內(nèi)、外圓定位問題及虹膜實際可見區(qū)域的分割問題等;另一方面,在經(jīng)過預(yù)處理后的虹膜圖像上,如何對色素斑紋理和坑洞紋理進行有針對性的提取等問題進行深入的研究。具體研究內(nèi)容及貢獻如下:(1)針對含有光斑、眼瞼、睫毛及多種特征紋理的復(fù)雜可見光虹膜圖像有效區(qū)域定位問題,本文首先使用并查集方法分割出瞳孔區(qū)域,再使用邊緣跟蹤方法得到該瞳孔區(qū)域的邊緣輪廓,最后使用Hough變換方法完成內(nèi)圓定位;針對外圓定位,首先根據(jù)虹膜外圓邊緣的灰度特點設(shè)計相應(yīng)的檢測模板進行外圓粗定位,然后使用Canny算算子對虹膜圖像進行二值化操作,再依據(jù)外圓附近邊緣點的密度分布情況最終實現(xiàn)外圓精定位。在成功定位虹膜內(nèi)、外圓的基礎(chǔ)上,再次使用并查集方法完成虹膜有效區(qū)域的粗分割,然后再采用旋轉(zhuǎn)三角形填充的方法實現(xiàn)虹膜有效區(qū)域的精確定位。通過與現(xiàn)有的虹膜有效區(qū)域定位方法相比,無論在定位準確率上還是在定位速度上都有了明顯的提高。(2)針對虹膜色素斑紋理的提取問題,提出一種基于雙線性模板和分塊策略的色素斑提取方法。首先,根據(jù)圖庫中色素斑的尺寸范圍,設(shè)計一長一短兩個線性模板來提取所有的紋理,然后采用分支限界法定位所有提取出的目標紋理,再依次對定位出的目標紋理進行分塊并計算各個塊的灰度均值,這樣就得到了能表示該目標紋理灰度分布特點的一個特征向量。接下來,采用神經(jīng)網(wǎng)絡(luò)方法實現(xiàn)對色素斑紋理的檢測。通過實驗表明,該方法在存在多種虹膜特征紋理及干擾的復(fù)雜虹膜圖像中能有效檢測出色素斑紋理。(3)針對虹膜坑洞紋理的提取問題,本文提出兩種方法。方法一:把模糊集合的理論引入到虹膜坑洞紋理的檢測中來,提出一種基于線性模板和模糊規(guī)則的虹膜坑洞紋理檢測方法。首先,根據(jù)圖庫中坑洞紋理的形狀特點設(shè)計一個線性模板來提取出所有“窄”狀紋理。然后根據(jù)色素斑和非色素斑紋理的形狀特點設(shè)計一套模糊規(guī)則來排除掉色素斑紋理。接下來,在剩下的非色素斑紋理里面,再根據(jù)坑洞紋理的特點設(shè)計相應(yīng)的模糊規(guī)則來識別坑洞紋理。測試結(jié)果表明,該方法對坑洞紋理檢測的效果較好且檢測的時間較快。方法二:在方法一中,由于光斑的影響會導(dǎo)致坑洞紋理檢測誤檢率的增加,針對這一問題,提出一種基于形態(tài)學的虹膜坑洞紋理檢測方法。首先根據(jù)圖庫中坑洞的最大寬度設(shè)計相應(yīng)的結(jié)構(gòu)元素,利用灰度形態(tài)學中的頂帽操作提取所有“窄”狀紋理,然后,再利用二值形態(tài)學中的閉操作對由灰度形態(tài)學提取的目標紋理中斷裂的部分進行重新連接,這樣就完成了所有“窄”狀紋理的提取。然后,再定義一個能反映不同特征紋理形狀特點的特征向量,并使用支持向量機的方法識別出坑洞和裂縫紋理,再依據(jù)坑洞和裂縫的不同特點,通過閾值方法得到最終的坑洞紋理。測試結(jié)果表明,該方法能較好地克服了光斑的干擾,進一步降低了坑洞紋理檢測的誤檢率。
[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 .

【學位授予單位】：沈陽工業(yè)大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 史春麗,劉京玲;一種快速檢測紋理斑塊的方法[J];西安電子科技大學學報;2001年06期

2 鄭瑤函,葉正麟,湯力,潘璐璐;紋理元提取與紋理合成的自由參數(shù)估計[J];計算機工程與應(yīng)用;2004年36期

3 孟祥增;劉明霞;;基于概念的自然紋理分類[J];計算機工程與應(yīng)用;2006年11期

4 陸春君;陳松燦;譚曉陽;;基于紋理頻譜子集的紋理識別[J];江南大學學報(自然科學版);2007年06期

5 霍玉洪;劉云;;稀疏紋理分類的研究[J];合肥工業(yè)大學學報(自然科學版);2008年06期

6 劉明霞;侯迎坤;楊德運;;一種新的自然紋理分類方法[J];計算機工程與應(yīng)用;2008年19期

7 孫小芳;;基于分割的紋理分類農(nóng)田信息提取[J];閩江學院學報;2010年02期

8 徐曉哲;李振明;;一種有效的結(jié)構(gòu)紋理區(qū)分方法[J];甘肅科學學報;2010年03期

9 王曉明;馮鑫;黨建武;;一種局部監(jiān)督式紋理分類算法[J];蘭州理工大學學報;2012年04期

10 袁建星,萬嘉若,王成道;紋理模型和紋理識別[J];環(huán)境遙感;1988年02期

相關(guān)會議論文 前5條

1 陳曉鐘;孫華燕;;基于更佳分辨率小波分解的圖像紋理分類[A];第九屆全國信號處理學術(shù)年會（CCSP-99）論文集[C];1999年

2 謝世朋;胡茂林;;基于局部仿射區(qū)域?qū)ο∈杓y理分類的研究[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

3 謝世朋;胡茂林;;基于濾波器庫的紋理自動分類的研究[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

4 曹偉國;李宗民;李華;;一種旋轉(zhuǎn)與尺度不變的紋理分類方法[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

5 付新文;李象霖;張妙蘭;;一種基于矢量量化的紋理匹配分類方法[A];中國圖象圖形科學技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

相關(guān)博士學位論文 前9條

1 宋鐵成;圖像局部特征的提取與描述方法研究[D];電子科技大學;2016年

2 崔振超;計算機舌診中舌體分割與紋理分類研究[D];哈爾濱工業(yè)大學;2015年

3 朱立軍;虹膜坑洞、色素斑紋理檢測方法研究[D];沈陽工業(yè)大學;2017年

4 孫利君;基于樣本的紋理合成方法研究[D];山東大學;2012年

5 邵曉鵬;紅外紋理生成方法研究[D];西安電子科技大學;2005年

6 王凱;基于圖像紋理特征提取算法的研究及應(yīng)用[D];西南交通大學;2013年

7 賀永剛;基于局部二值模式的紋理表達研究[D];華中科技大學;2012年

8 齊憲標;共生局部二值模式及其應(yīng)用[D];北京郵電大學;2015年

9 賀永剛;基于局部二值模式的紋理分類研究[D];華中科技大學;2012年

相關(guān)碩士學位論文 前10條

1 占俊杰;光照變化的紋理分類研究[D];重慶大學;2015年

2 王寧寧;基于線結(jié)構(gòu)光3D紋理測量的研究[D];電子科技大學;2015年

3 許麗穎;基于LBP和KNN的視頻紋理識別算法研究[D];吉林大學;2015年

4 管凌霄;基于紋理和結(jié)構(gòu)分析的機場目標檢測方法[D];解放軍信息工程大學;2015年

5 崔昊;紋理合成中誤差度量及像素再合成研究[D];山東師范大學;2016年

6 郝華;基于混合高斯模型匹配的紋理分類研究[D];大連理工大學;2016年

7 胡家義;三維矢量地形模型紋理合成方法研究[D];東北師范大學;2016年

8 江俊容;基于可合成性度量的網(wǎng)絡(luò)紋理自動獲取算法研究與實現(xiàn)[D];深圳大學;2016年

9 劉婧婷;基于紋理基元的遙感影像分類方法研究[D];華中科技大學;2015年

10 伍敏;基于多尺度內(nèi)變差的結(jié)構(gòu)檢測與紋理濾波算法研究[D];浙江工商大學;2017年

，

本文編號：1510225