稳健的虹膜定位算法
虹膜识别DAUGMAN核心算法介绍
虹膜识别DAUGMAN核心算法介绍虹膜识别DAUGMAN核心算法介绍眼睛的虹膜是由相当复杂的纤维组织构成，其细部结构在出生之前就以随机组合的方式决定下来了，虹膜识别技术将虹膜的可视特征转换成一个512个字节的Iris Code(虹膜代码)，这个代码模板被存储下来以便后期识别所用，512个字节，对生物识别模板来说是一个十分紧凑的模板，但它对从虹膜获得的信息量来说是十分巨大的。
一、采集：从直径11mm的虹膜上，Dr.Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。
266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下，Dr.Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。
在生物识别技术中，这个特征点的数量是相当大的。
二、算法：第一步是通过一个距离眼睛3英寸的精密相机来确定虹膜的位置。
当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。
算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。
单色相机利用可见光和红外线，红外线定位在700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。
）在虹膜的上方，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要理解二维gabor子波的原理需要懂得很深的数学知识。
三、精确度：由于虹膜代码(Iris Code)是通过复杂的运算获得的，并能提供数量较多的特征点，所以虹膜识别技术是精确度最高的生物识别技术，具体描述如下：·两个不同的虹膜信息有75%匹配信息的可能性是1:106·等错率：1:1200000·两个不同的虹膜产生相同Iris Code（虹膜代码）的可能性是1:1052四、录入和识别：整个过程其实是十分简单的，虹膜的定位可在1秒钟之内完成，产生虹膜代码(Iris Code)的时间也仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。
一种精确的虹膜定位方法
ｎ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｉ ｒ ｉ ｓ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ
Ｗａ ｎ ｇ Ｙａ ｎ ｎｉ ａ ｎ Ｚ ｈ ａ ｏ Ｌａ ｎ ｇ ｙ ｕ ｅ Ｌｉ ｕ Ｈｕ ｉ ｍｉ ｎ
理 论 与 方 法
己 口Ｉ ７ 年 ｌ １ 月 第］ ６ 卷 第 Ｊ 定 位 方 法
王延 年 赵 朗月 刘会敏 （ 西安工程大学电子信息学院 西安 ７ １ ． ０ ０ ４ ８ ）
摘
要： 虹 膜 定 位 是 虹 膜 识 别 中极 为关 键 的 一 步 ， 选 择 了一 种 基 元 模 式 来 进 行 虹 膜 内边 缘 定 位 。为 了 使 提 取 的 内 边 缘 更 加 精
确， 先 对 采 集 的 虹膜 图像 进行 除燥 去 、 光斑 、 归一化等处理 ， 再 设 定 方 窗 函数 及 双 阈值 ， 来定义 基元模式 ， 通 过 基 元 模 式 提 取 虹 膜 内 边 缘 纹 理 信 息 进 行 边 缘 定 位 。最 后 选 取 了 Ｃ ＡＳ Ｉ Ａ — Ｉ ｒ ｉ ｓ ， ＵＢ Ｉ Ｒ Ｉ Ｓ － Ｖ１ 和 ＭＭｕ Ｉ ｒ ｉ ｓ Ｖ１ 虹 膜 数 据 库 中虹 膜 图像 在 ＭＡＴＬ ＡＢ ２ ０ １ ０ ｂ 上与 Ｄ ａ ｕ ｇ ｍａ ｎ和 Ｗ ｉ ｄ ｅ ｓ两种 算 法 进 行 性 能 测试 ， 实验证 明， 此方法准确率很高 ， 耗 时较 短 ， 可 以 有 效 精 确 定 位 虹 膜 内 边 缘， 具 有 较 好 的应 用 价值 。 关键词 ： 基 元 模 式 ；方 窗 函 数 ；双 阈值 ； 虹 膜 内边 缘
ｔ ｅ ｘ ｔ ｕ ｒ ｅ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｅ ｄ ｇ ｅ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ． Ｆｉ ｎ ａ ｌ ｌ ｙ， ｔ ｈ ｅ ｉ ｒ ｉ ｓ ｉ ｍａ ｇ ｅ ｓ ｏ ｆ ＣＡＳＩ Ａ— Ｉ ｒ ｉ ｓ， ＵＢＩ ＲＩ Ｓ — Ｖ１ ａ ｎ ｄ Ｍ Ｍ Ｕ— Ｉ ｒ ｉ ｓ Ｖ１ ｉ ｒ ｉ ｓ
虹膜特征提取算法
虹膜特征提取算法简介虹膜特征提取算法是一种用于识别个体身份的生物特征识别技术。
虹膜是人眼中的一部分，具有独特且稳定的纹理特征，可以用于身份认证、安全控制等领域。
虹膜特征提取算法的目标是从虹膜图像中提取出可用于比对的特征向量，以实现精确的身份识别。
虹膜图像获取虹膜图像的获取通常需要使用专门的设备，如虹膜识别仪。
这种设备通过红外光和相机来捕获虹膜图像。
虹膜图像的获取过程需要确保被检测者的眼睛能够对准设备的摄像头，并且眼睛没有明显的遮挡物。
获取到的虹膜图像通常是一张高分辨率的彩色图像。
虹膜图像预处理在进行虹膜特征提取之前，通常需要对虹膜图像进行一些预处理操作，以提高后续算法的准确性。
常见的预处理操作包括：1.图像去噪：使用滤波器对图像进行平滑处理，消除图像中的噪声。
2.边缘检测：使用边缘检测算法，如Canny算法，提取出图像中的边缘信息。
3.图像增强：通过调整图像的对比度、亮度等参数，增强图像的可视化效果。
4.图像分割：将虹膜区域与其他区域进行分离，以便更好地提取虹膜特征。
虹膜特征提取算法虹膜特征提取算法的目标是从预处理后的虹膜图像中提取出一组具有独特性和稳定性的特征向量。
这些特征向量可以用于后续的比对和识别。
常用的虹膜特征提取算法有以下几种：1. Daugman算法Daugman算法是一种常用的虹膜特征提取算法，它基于虹膜纹理的统计特征。
该算法首先将虹膜图像转换为极坐标形式，然后通过多个环形滤波器对虹膜图像进行滤波，提取出不同频率的纹理信息。
最后，通过统计分析得到一组代表虹膜纹理的特征向量。
2. Gabor滤波器Gabor滤波器是一种基于复数的滤波器，常用于图像处理中的纹理分析。
在虹膜特征提取中，Gabor滤波器可以用于提取虹膜图像中的纹理特征。
该算法通过一系列不同方向和频率的Gabor滤波器对虹膜图像进行滤波，得到一组响应图像。
然后，从响应图像中提取出代表虹膜纹理的特征向量。
3. 直方图特征提取直方图特征提取是一种简单但有效的虹膜特征提取算法。
虹膜定位算法研究
２１ Ｄ ｕ ｍａ ． ａ ｇ ｎ的定 位算法 Ｄ ｕｍａ ａｇ ｎ提 出一 种基 于 活动 圆模 板 匹配 的定 位算 法 ，其核心在于利用一个有效 的微积分 算子来计算 圆参
数
ｍ（ ） （ ａＩ Ｇｒ ｘ ） ｒ
ｌ
（ １ ）
此算 子是一种经 典 的机器 视觉算 子 ， 中 ｌｘＹ 是 式 （ ，） 坐标 （ Ｙ 处数 字 图像 的灰度 值 ， 代 表卷 积 ； 以 ２ ｒ ，） 除 目的是归一化 ； ｒ是标准差为 ｏ 的高斯 函数 。 （ ） Ｇ （） ｒ 式 １ 表 示算子在 以（ ） ， 为圆心 、 ｒ 以 为半径 的圆周 上 ， 对像
【 ｙｗｏｄ 】ｉｓｒｃｇｉｏ ；ｉｓｌ ａｉ ｔ ｎ ｒｅ ａ ｃａｎ ｃ ｅ ａ ｎ ｐ ｒｔ ；Ｈ ｕｈ ｔ ｎｆ Ｋｅ ｒ ｓ ｒ ｏｎｔｎ ｒ ｏ ｌａ ｏ；Ｆ ｍ ｓ ｈｉ ｏ ；Ｃ ｙ ｏｅａ ｒ ｏ ｇ ｒ ｓ ｒ ｉ ｅ ｉ ｉ ｃ ｚｉ ｅ ｎ ｄ ｎ ｏ， ａ ｏ ｍ
【 ｂｔａｔ ｏ ｈ ｕｐｓ ｆｌ ａｉｎ ｒ ｒ ｉ ｌ ａ ｄ ｑ ｉ ｌ，ａ ｍ ｒｖｄ ｉｓｌ ａ ｚｔ ｎ ａ ｏｉ ｍ ｉ ｐ ｐ ｓｄ ｗ ｉ ａｅ Ａ ｓ ｃ 】Ｆ ｒｔ ｐ ｒｏｅ ｏ ｃｌｉｇ ｉｓｐ ｃｓ ｙ ｎ ｕｃ ｙ ｎ ｉｐｏｅ ｒ ｏｌ ａｉ ｇｒｈ ｓ ｒ ｏｅ ｈｌ ｂ ｓｄ ｒ ｅ ｏ ｚ ｉ ｅ ｅ ｋ ｉ ｃ ｉ ｏ ｌ ｔ ｏ ｅ
・・ 论 文
【 摘 要 】在介绍现有虹膜 识别算法 的基 础上 ， 针对 其局 限性 ， 出一种改进 的虹膜定位 算法， 提 实现 了精确而快速 的定位 。在该 算
法 中 ， 过 阈 值 化 和 Ｆｅ ｍ ｎ链 码 进 行 内边 界 定位 ； ａ ｎ 通 ｒｅ ａ Ｃ ｎ ｙ算 子 和 圆形 Ｈ ｕ ｈ变换 被 用 于 外 边 界 定 位 ； 下 眼皮 的 去 除 利 用 Ｃ ｎ ｙ ｏｇ 上 ａ ｎ 算 子 和 线 性 Ｈ ｕ ｈ变换 实现 ， 毛 和 镜 面 反 射 通 过 闻值 化 的 方 法 加 以 去 除 。 实 验 验 证 了该 算 法 的 合 理 性 和 有 效 性 。 ｏｇ 睫
基于SIFT和SDM的虹膜定位方法 微信HTML全文.
图 ３ ＳＤＭ 算法迭代中虹膜外边缘的形状变化 Ｆｉｇ������ ３ Ｏｕｔｅｒ ｂｏｕｎｄａｒｙ ｓｈａｐｅ ｏｆ ｉｒｉｓ ａｔ ｅａｃｈ ｓｔｅｐ
(ａ)—根据瞳孔中心确定的初始形状ꎻ (ｂ)—迭代 １ 次得到的虹膜外边缘形状ꎻ (ｃ)—迭代 ２ 次得到的虹膜外边缘形状ꎻ (ｄ)—迭代 ３ 次得到的虹膜外边缘形状.
需要说明的是ꎬ本文方法的训练和测试过程
都是在边长缩小为 １ / ４ 的虹膜图像上进行. ＳＤＭ
算法的迭代次数设为 ３.
１������ ４ 最小二乘拟合
本文采用最小二乘法对 ＳＤＭ 算法得到的关
键点进行了定位. 其中虹膜的外边界采用圆形定
位ꎬ上、下眼睑采用抛物线形定位.
１������ ４������ １ 虹膜外边缘定位
１������ ３������ ３ ＳＤＭ 定位 对训练数据库中的每一幅图像ꎬ计算标记点
的 ＳＩＦＴ 特征ꎬ并通过求解公式(１) 得到 Ｒｋ 和 ｂｋꎬ 作为学习到的线性回归参数.
定位时ꎬ首先利用瞳孔定位的参数和虹膜外
边缘的平均曲线初始化迭代曲线ꎬ得到训练参数 Ｒｋ 和 ｂｋ. 进行定位时ꎬ用平均形状对虹膜外边界 进行初始化ꎬ如图 ３ａ 所示ꎻ图 ３ｂꎬ图 ３ｃ 和图 ３ｄ 分 别给出了迭代 １ 次、２ 次和 ３ 次的虹膜边界.
张祥德(１９６３ － ) ꎬ男ꎬ山东昌乐人ꎬ东北大学教授.
第２ 期
王 琪等: 基于 ＳＩＦＴ 和 ＳＤＭ 的虹膜定位方法
Байду номын сангаас
１８１
ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ ) [５ － ６] 特 征 和 ＳＤＭ ( ｓｕｐｅｒｖｉｓｅｄ ｄｅｓｃｅｎｄ ｍｅｔｈｏｄ) [７] 算法的虹膜定位方法. 该方法 首先采用径向对称变换[８] 和微积分算子定位瞳 孔ꎬ然后采用 ＳＩＦＴ 特征描述虹膜边界的关键点ꎬ 并采用 ＳＤＭ 算法对虹膜定位的优化模型进行求 解ꎬ得到虹膜内外边界和上下眼睑的关键点坐标ꎬ 最后采用最小二乘法[９] 确定上、下眼睑的边界和 虹膜外边缘.
虹膜定位算法研究及其嵌入式软件平台设计的开题报告
虹膜定位算法研究及其嵌入式软件平台设计的开题报告一、选题背景及研究意义虹膜定位可以用于个体识别、生物特征认证等领域，对于网络安全、门禁管理等方面有着广泛的应用。
但是虹膜定位存在光线条件、眼部变化、运动模糊等问题，需要开发精确高效的算法来提高虹膜定位的准确率和鲁棒性。
此外，嵌入式设备在虹膜识别中也极为方便和实用，因此需要设计一个嵌入式软件平台。
由此，本论文选题即旨在探索虹膜定位算法研究和嵌入式软件平台设计。
二、研究方法和步骤本论文将采取如下步骤进行研究：1.研究虹膜成像原理和虹膜定位技术：探究虹膜成像原理及虹膜定位技术，分析虹膜图像中出现的干扰因素。
2.综合比较虹膜定位算法：分析现有虹膜定位算法，分别从准确率、鲁棒性、效率等角度进行综合评估和比较，找到合适的虹膜定位算法。
3.设计虹膜定位软件平台：根据选定的算法，设计一个嵌入式软件平台，包括硬件和软件，完成虹膜图像采集、图像处理、特征提取、比对等功能。
4.评估和分析虹膜定位的结果：对虹膜定位结果进行评估和分析，比对识别结果与实际值。
三、预期成果和意义1.基于研究新算法将提高虹膜定位的准确率和鲁棒性。
2.将开发一款适用于嵌入式设备的虹膜识别软件平台，加强了虹膜识别的应用场景和普及。
3.本研究成果将有望应用于生物识别、信息安全、门禁管理、高端智能家居等多种领域，具有重要的应用价值。
四、研究计划和进度安排本研究的预期时间表如下：第一阶段（1个月）文献综述，对虹膜定位和嵌入式软件平台现状进行综合分析。
第二阶段（2个月）在文献综述的基础上，制定虹膜定位算法研究和嵌入式软件平台设计的具体方案，并完成初步成果。
第三阶段（2个月）在第二阶段的基础上，完成虹膜定位算法的优化和嵌入式软件平台的设计与实现，初步验证算法的有效性。
第四阶段（1个月）对第三阶段的成果进行性能测试和分析，撰写论文并完成答辩。
五、论文结构安排本论文将由以下几部分组成：第一章：绪论，介绍论文选题和研究的背景、意义、研究目的和任务，以及研究方法和步骤。
生物识别
虹膜识别过程中的定位方法1虹膜图像的预处理图像预处理一般是数字图像处理的第一个步骤，其目的是为了提高图像的质量，突出图像中所感兴趣的部分。
然后采用二维统计顺序滤波，减少图像的噪声。
但是虹膜与巩膜的边缘不是很清晰，定位困难，所以要进行锐化处理。
采用拉氏算子对对象进行运算，模糊部分得到了锐化，使是模糊的边缘得到了增强，边界更加明显。
2虹膜的定位虹膜是指位于瞳孔和巩膜中间的环形区域，外边缘和内边缘可以近似地看作圆形。
定位的过程就是确定出内外两个圆的半径和圆心。
虹膜定位就是虹膜内外边缘的定位。
它是虹膜识别系统的重要组成部分，准确的虹膜定位是实现虹膜身份验证和识别的前提。
虹膜定位是虹膜识别中最关键的一环，如果定位不准确，都会影响整个算法的识别率。
虹膜内侧与瞳孔相邻，外侧与巩膜相邻，虹膜与瞳孔之间有明显的界线，它们之间的灰度梯度变化大，因此，可以直接对虹膜内边缘进行精确地定位。
外边缘与巩膜相连接，但它们之间的灰度梯度变化不明显，所以不能直接对其进行处理。
2.1 虹膜的内边缘定位采集得到的眼部图像f(x, y)有一定的灰度分布特点，一般而言，瞳孔灰度要小于虹膜灰度，虹膜灰度要小于巩膜灰度，如图2所示。
在灰度直方图中发现，整个虹膜灰度分布有三个峰值区域，第一个峰值的周围是瞳孔区，从图中可以观察到，瞳孔的灰度远小于眼睛其他部分的灰度值，而且瞳孔区域的灰度值的像素点分布集中，没有明显的灰度值突出和跳变。
第二个峰值周围是虹膜区域，由于虹膜具有明显的纹理特征，所以灰度分布没有瞳孔均匀。
第三个峰值周围确定的区域是巩膜区，这个区域的灰度值明显大于瞳孔和虹膜。
图2虹膜图像的灰度直方图根据直方图分布的这一特点，可以用二值化的方法分离瞳孔。
首先，在灰度直方图中，找到第一峰值点max1和第二个峰值点max2，然后选取max1和max2之间的最小值对应的灰度值为二值化的阈值，对整个图像进行二值化，这样瞳孔被粗略地分离出来。
由于图中还有瞳孔以外的其他部分，如眼睑，眼睫毛等，为了很好地分离出瞳孔，本文用形态学中的膨胀和腐蚀的办法对图像进行反复处理，并得到了很好的效果，结果如图3所示。
虹膜定位
虹膜定位
编辑
目录
1虹膜定位的原理
2虹膜定位的特点
IR-SUPER-LASIK----这个是虹膜定位下波前像差引导的LASIK.比告诉你SUPER-LASIK是最先进的技术的医生所说的手术方式更为先进.虹膜定位是个追踪系统,有了这个追踪系统的辅助后,激光机能最精确的在角膜基质层上打激光.能给患者带来最好的术后效果和视觉质量.
说白了就是个激光治疗近视手术的辅助手法，帮助手术中激光定位
1虹膜定位的原理编辑
虹膜定位系统其原理是将波前的影像摄取后，将眼球虹膜的影像做分析，由于每个人的虹膜就如指纹般，其表面样式皆是独一无二的，因此波前与虹膜定位系统将所得的虹膜影像分析比较后，取得相符的虹膜定位点，在进行激光手术实施时，计算出眼球转动角度及偏移位置，适时改变激光治疗的切削角度，做一自动补偿修正，使病人在坐立时的波前检测资料，与在进行激光手术治疗仰卧时取得的眼睛影像得已完全吻合，其能使散光和高阶像差得到更精确地治疗。
2虹膜定位的特点编辑
个性安全：虹膜定位源于虹膜识别技术。
虹膜纹理和指纹一样，极具个性特征，目前世界上还没有发现虹膜特征重复的案例，即使同一个人的左右眼虹膜特征也有很大区别。
除了白内障等原因外，即使是接受了角膜移植手术，虹膜特征也不会改变。
相关文献
∙不完美虹膜图像定位方法-应用科技-2012年第6期(5)
∙基于TMS320DM6446和TVP5158的虹膜识别系统-数据采集与处理-2012年第6期(7)
∙应用统计距离实现虹膜定位-光学精密工程-2012年第11期(7)
以上文献来自于
>> 查看更多相关文献。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｒｏ ｕ ｔ ｒｓＬｏ ａ ｉａ ｉ ｎＡｌ ｏ ｉｈ ｂ ｓ ｉ ｃ ｌ ｔｏ ｇ ｒｔ ｍ Ｉ ｚ
Ｍ Ａ Ｚｈ ｎ ｅｇ
（ ｃ ｏ ｌ ｆ ｏ ｍｕ ｉ ｔ ｎ ｎ ｆｒ ｔ ｎ ｎ ｉｅ ｒ ｇ Ｕ ｉ ｒ ｔ Ｅ ｅｔ ｎｃ ｃ ｎ ｅ ｎ ｅｈ ｏｏ ｙ ｆ ｈｎ Ｃ ｅ ｇ ｕ ６ ０ ５ ） Ｓ ｈ ｏ ｏ Ｃ ｍ ｎｃ ｉ ｄＩ ｏｍａｉ ｇｎ ｅｉ ， ｎｖ ｓ ｙｏ ｌ ｒ ｉ Ｓ ｉ ｃ ｄ ｃ ｎ ｌ Ｃ ｉａ ｈ ｎ ｄ １ ０ ４ ａｏ ａ ｎ ｏＥ ｎ ｅ ｉ ｆ ｃｏ ｅ ａ Ｔ ｇｏ
况下 虹膜 图像 的定位 问题 。为 此 ，本 文提 出了一种 新 的基 于 多分辨 率 分析（ Ａ 的虹膜 定位算 法 。该 ＭＲ ） 算法将 睫 毛和虹膜 边 缘认 为是 分布在 不 同频段 的图 像信 息 ，从而选择 合 适的频 段进 行虹 膜边 界点 的搜 索 ，并对边 界 点进 行椭 圆拟 合 定位虹 膜 。通 过试 验
第 ３ 卷 第 ６期 ９ ２ １年 １月 ００ １
电 子 科 技 大 学 学 报
Ｊ ｕ ｎ ｌ ｆ ｉｅ ｓｔ ｆ ｅ ｔｏ ｉ ｃ ｅ ｃ ｎ ｅ ｈ ｏ ｏ ｙ ｏ Ｃｈ ｎ ｏ ｒ ａ Ｕｎ ｖ ｒ ｉ ｏ Ｅｌｃ ｒ ｎ ｃ Ｓ ｉｎ ｅａ ｄ Ｔ ｃ ｎ ｌ ｇ ｆ ｉ ａ ｏ ｙ
Ｖ ｌ ９ ＮＯ ６ ０３ ＿。 ． ＮＯ ． ０ ０ Ｖ ２ １
稳健 的虹膜 定位 算法
马 争
（ 电子科技 大学通 信与 信息 工程学 院 成都 ６ ０５ ） １０ ４
【 摘要 】虹膜定位是 虹膜 识别 的第一步 ，同时也是 最为关键的一步，它将直接 影响整个 虹膜识别 系统的效率和准确率。 针时 目前 已有虹膜定位算法的局 限性 ，该文提 出了一种新的基于多分辨率理论的虹膜 定位算法 。该算法首先在某一分辨率下 搜 索虹膜内外缘的边界点，然后针对这些边界点进行椭 圆曲线拟合 ．通过 大量的实验表 明，该算法快速、准确 ，并 能够在 一 定程度上解决偏视 虹膜图像的定位 问题 和眼睑、睫毛的遮挡 问题。 关 键 词 曲线拟合； 多分辨率分析： 尺度 函数： 小波分析 中图分类号 Ｔ ３ １ １ Ｐ ９． ４ 文献标识码 Ａ ｄ ｉ ０ ９ ９ ． ｓ． ０ ．５ ８２ １．５ ２ ｏ： ． ６ ￣ｉ ｎ１ １０４ ．０００ ． ４ １３ ｓ ０ ０
Ｋ ｅ ｒ ｓ ｃ ｒ ｅｆ ｔ ｇ ｍｕ ｔ ｒ ｓ ｌｔｏ ａｙ ｉ； ｓ ａ ｉｇ ｆ ｎ ｔ ｎ ｗａ ｅ ｅ ａｙ ｉ ｖｗｏ ｄ ｕ ｖ ｔ ｉ ｉ ； ｎ ｌ ｏｕ ｉｎ ａ ｌ ｓ ｃ ｌ ｃ ｉ ； ｉｅ ｎ ｓ ｎ ｕ ｏ ｖ ｌｔ ｎ ａ ｌｓｓ
Ａｂ ｔａ ｔ Ｉｉ ｌｃ ｌ ａｉｎ ｉ ｅｍｏ ｔｃ ｉｃ ｌｓｅ ｆａ ｒｓｉｅ ｔ ｃ ｔ ｎ ｓ ｓｅ ．Ｓｎ ｅｉ ｄ ｔｒ ｎ ｓｔ ｅ ｓｒ ｃ ｒｓ ｏ ａｉ ｔ ｓｔ ｓ ｒ ｉａ ｔｐ ｏ ｌ ｉ ｄ ｎｉ ａｉ ｙ ｔｍ ｚ ｏ ｈ ｔ ｌ ｉ ｉ ｆ ｏ ｉｃ ｔ ｅｅｍｉｅ ｈ ａ ｃ ｒ ｃ ｎ ｆ ｃｅ ｃ ｆ ｈ ｙ ｔｍ． ｒ ｖ ｓａ ｃ ｒｃ ｎ ｆｉｉ ｃ ． ｒ ｐ ｓｄ ａｎ ｗ ｉ ｌｃ ｌ ａｉｎ ｃ ｕ ａ ｙａ ｄｅｆ ｉｎ ｙｏ ｅｓ ｓ ｉ ｔ ｅ Ｔｏｉ ｏ ｅｉ ｃ ｕ ａｙ ａ ｄｅ３ｃｅ ｙ ｗｅｐ ｏ ｏ ｅ ｅ ｉ ｓ ｏ ａｉ ｔ ｍｐ ｔ ｆ ｎ ｒ ｚ ｏ ａｇ ｒ ｈ ｂ ｓｄ ｏ ｕｔ ｒｓ ｌｔ ｎ ａ ａｙ ｉ ｅｅ ｔ ｅｅ ｇ Ｏ ｔ ｆｉ ｓａ ｎ ｐ ｒｐ ｉｔ ｅ ｏｕ ｉｎａ ｄｓｔ ｌｏｉ ｍ ａ ｅ ｎＭ ｌ － ｏｕｉ ｌｓｓｔ ｄ ｔｃ ｄ ｅＤ ． Ｓｏ ｉ ｔｏ ｅａ ｐ ｏ ｒ ｅｒ ｓ ｌｔ ｎ ｅ ｔ ｉｅ ｏ ｎ ｏ ｈ ｔ ｍ ｒ ａ ｏ ｅｌ ｓ ｓｔ ｅｅ ｅ ｇ ｏ ｔ．Ｔ ｅｍ ｏｔｉ ｏｔｎ ｒ ｆｔ ｉ ｌｏ ｉ ｍ Ｓｔａ ｔｉ ｓ ｌｏ ａｆｃｅ ｙ ｌｓ ｌｐ ｅ ｏ ｔ ｓ ｄ ｅ ｐ ｉ ｓ ｈ ｓ ｍｐ ｒ ｔｍｅ ｉ ｏ ｓａｇ ｒ ｈ ｉ ｈ ｔｉ Ｓ ｅｄ ｍ ｆｅ ｔｄ ｂ ａｈ ｉ ｈ ｎ ａ ｔ ｈ ｔ ｏ ｃｕ ｉｎｐ ｏ ｌｍ ｎ ａ ｃ ｌ ｅｔｅｏ － ｇ ｅｉ ｓｉ ｇ ． ｃ ｌｓｏ ｒ ｂｅ ａ ｄｃ ｎｌ ａｉ ｆ ａ ｌ ｉ ｏ ｚ ｈ ｎ ｒ ｍａ ｅ
的非线性拟合结合交叉参考 的迭代虹膜定位算法， 通过不断舍弃随机噪声和边缘毛刺点提高了定位的 低质量 虹膜 图像 的稳 定性 ，可 是 由于 需 要不断 更新 迭代 ，耗 时较长 。另 外 ， 由于上 述算 法都 是基 于对 虹膜 内外边 缘 圆模 型 的假 设 ，所 以无 法解 决偏视 情
虹膜识 别技术 是 一种 高性 能 的生物 特 征鉴别 技 术 ，一个 高性 能的虹 膜识 别系 统原 型于 １９ 年成 功 ９３ 实现 …。文献 【－】 出 了两 种较 为经 典 的虹膜 识 别 ２３提
程度 上提 高 了定位速 பைடு நூலகம் ，但在 定位 有部 分睫毛 遮挡 的低 质量虹 膜 图像 时表现 得不 稳定 。文献 【】 ７中提 出
算法。到 目 前为止，已有超过五千万人在文献【 开 ｌ 】 发 的虹膜识 别系 统 中进 行注 册 ，而其他 研 究机构 对 虹膜识别方法的研究发展也非常迅速。 虹 膜 是 指 位 于 瞳 孔 和 巩膜 之 间 的环 状 物 质 ， 呈现 出类似 于 冠 、细 丝 、斑 点和 条 纹等 特 征 【。虹 ｌ １