虹膜图像质量评估.
一种虹膜内外轮廓检测方法
轮廓检测方法， 用灰度投影方法估计虹膜 内边缘 圆心位置； 使 然后采 用边缘检测方法得到虹膜边 缘 图像 ， 用 Ｈ ｕｈ变换 准 确检 测 虹膜 内轮 廓 ； 使 ｏｇ 最后 使 用一 维信 号检 测 确 定 虹 膜 外 边缘 点 同 时
使 用 Ｈｏｇ ｕｈ变换检 测 虹膜 外轮 廓 ． 实验 结果表 明 ， 该方 法 能够有 效检 测 出虹 膜 内外轮 廓 ．
当前 应 用最 为方便 和 精确 的一种 ． 膜识 别技 术被 虹
广泛 认 为是二 十 一世 纪 最具 有 发 展 前 途 的 生物 认
组向量（ Ｙ ｒ 作为虹膜边缘 的圆心和半径 ， ，， ） 然后 对其 增 加 修 正 因 子 之 后 来 求 虹 膜 的 内半 径． Ｗｉ ｅ 提出又一经典算法 ， ｌｓ ｄ 它采 用边缘检测加 Ｈ ｕｈ变换 的 方 法 检 测 虹 膜 内外 轮 廓 ． ｏ ｙｒ４ ｏｇ Ｂ ｗ ｅ【 Ｊ
（） ｂ
图 ７ 边缘检测得到虹膜 的边缘 图像
２３ Ｈ ｕｈ ． 。ｇ 变换检测虹膜 内边缘
周 ｃ上一 （ ｙ一６） 。：：， （） ８
在虹膜图像上 ， 中心在（ ，。 ， 径是 的圆 ｂ） 半
根据粗定位 的瞳孔圆心我们可以确定瞳孑 圆 Ｌ
第 ３期
刘晓敏 ， ： 等 一种虹膜 内外轮廓检测方法
量 积分算 子 定义 如下 ：
Ｍ（，（ ‘、 ａ ｝） ， ｘ Ｇ ｆ ｒ
ｒ ｃ ｙ Ｊ ＇ ・ｃ
ｌ（ ２ 虹 膜 内外 轮 廓 检 测 １ ）
本文介绍了一种有效 的虹膜 内外轮廓检测方 法， 如图 ｌ 所示 ， 首先输入虹膜图像 ， 然后框 图项分 别对 轴方向， 轴方 向作灰度投影大致确定瞳孑 Ｙ Ｌ 圆心． 接下来进行边缘检测 ， 在得到 的边缘图像上 使用 Ｈ ｕ ｈ ｏ ｇ 变换检测虹膜 内轮廓． 确定内轮廓后 ，
生物识别技术的虹膜识别教程(Ⅲ)
生物识别技术的虹膜识别教程生物识别技术作为一种高效、安全的身份认证方式，近年来得到了广泛的应用。
其中，虹膜识别作为一种高端的生物识别技术，具有独特的优势。
本文将就虹膜识别技术进行介绍，包括其原理、应用场景、使用方法等方面进行详细的探讨。
一、虹膜识别技术的原理虹膜识别技术是利用虹膜独特的纹理和颜色进行身份识别的一种技术。
虹膜是人眼的一部分，其纹理和颜色是每个人独一无二的，与指纹、声纹等生物特征相比，虹膜更加稳定和安全。
虹膜识别技术通过摄像头等设备获取虹膜图像，然后通过算法进行处理和比对，最终确认个体身份。
虹膜识别技术的原理可以简单概括为：采集虹膜图像、提取特征、进行比对。
在图像采集过程中，需要充分保证光线充足、清晰度高，以确保后续的特征提取和比对的准确性。
特征提取是通过图像处理算法将虹膜图像中的纹理和颜色等信息提取出来，形成特征向量。
最后，比对阶段将采集到的特征向量与已有的数据进行比对，确认身份信息。
二、虹膜识别技术的应用场景虹膜识别技术在各个领域都有着广泛的应用。
首先，虹膜识别技术在安防领域得到了广泛的应用，例如用于监控系统、门禁系统等。
由于虹膜识别技术的高准确性和安全性，可以有效防止非法闯入和身份冒用等问题。
此外，虹膜识别技术还在金融领域、医疗领域、政府机构等各个领域得到了应用，为各行各业提供了更加便捷和安全的身份认证手段。
三、虹膜识别设备的使用方法虹膜识别设备通常包括虹膜摄像头、图像处理器、比对算法等组成部分。
在使用虹膜识别设备进行身份认证时，需要注意以下几点。
首先，要保持眼睛距离摄像头适当的距离，通常为15~30厘米。
然后，需要保持眼睛处于摄像头的视野范围内，并尽量避免眨眼或者移动眼睛。
在采集虹膜图像时，要保持光线充足，避免强光直射眼睛，以免影响图像质量。
最后，在使用虹膜识别设备时，要注意保持设备的清洁和稳定，避免影响识别效果。
四、虹膜识别技术的优势与不足虹膜识别技术作为一种高端的生物识别技术，具有诸多优势。
认识如何检测虹膜
医学的进步，科技的发展，医疗水平在不断提高。中医诊病 主要方法是诊脉，西医是依靠先进的仪器诊病，优点很多。 但最大的不足是他们不能够发现疾病形成之前的状况，无法 预防疾病和营养保健,虹膜学应运而生。
虹膜学是一种以形态学为基础，它是透过眼睛虹彩的形 象变化来推断人体健康状况和窥视康复过程的学问。它 于十八世纪出现，至今已有一百五十多年的历史，现在 已经是一门成熟的医学技术，欧美一些发达的医科大学 已经把虹膜学作为研究生的必修课程。
自主神经环
1、自主神经指自律神经或称植物神经。 2、功能正常时，它可以规则地调节及保持 血液循环、呼吸、消化及排泄等系统之正 常功能。 3、正常的自主神经环为圆形，规则地呈现 在恰当的位置，表示身体内器官功能正常。 如有扭曲现象则是生病的情况。 4、当圆环变的得不规则且延伸成箭头状， 加上某些地方锯齿较多，就表示与锯齿相对 方向的器官活动力减低。 5、自主神经环若向所有方向扭曲，则表示 该患者过度敏感，神经质和神经缺乏弹性。 6、圆环尖端指向的器官，定有增生、萎高血压、 动脉硬化、低血压、颈项僵硬、健忘等。 2、常见自觉症状为头晕头疼、继而影响 其记忆、决策能力等，而且会使人变的 不安宁、精神恍惚、脑神经衰弱，长期 肩颈僵硬人士，应特别注意症状的产生。 3、老人痴呆症的前兆。 4、平时可多做运动，尤其在肩颈部要特 别加强，睡前可用热敷法配合做颈部按 摩放松，在平躺睡时可将脚掂起以增加 血液流至脑部获得较多的供养量。
钠（胆固醇）环
1、出现在六区，白色云状，越变越厚大的外环。 2、摄取过多的食盐和回炸的变质油或防腐剂， 如：罐头、香肠、泡面、自来水中的氯、老旧水 管剥落的铁锈等。久而久之，较易形成动脉硬化、 高血压、骨质疏松、关节炎、体力衰退、记忆力 差、精神不能集中等现象。 3、用过量的水杨酸钠也会产生钠环，如风湿痛、 神经痛、神经炎及关节炎的病人。 4、此环亦称为胆固醇环，平时勿食用过量胆固 醇的食物。
如何使用计算机视觉技术进行虹膜识别
如何使用计算机视觉技术进行虹膜识别虹膜识别是一种基于计算机视觉技术的生物识别方法，通过对人眼虹膜进行图像分析和匹配，可以实现个体的身份认证。
本文将介绍如何使用计算机视觉技术进行虹膜识别，包括虹膜图像采集、特征提取和匹配算法等方面。
首先，虹膜图像的采集是进行虹膜识别的第一步。
在现实应用中，通常使用的是虹膜图像仪，它能够拍摄到人眼虹膜的高清图像。
为了提高采集的准确性和稳定性，通常需要保持采集环境光线柔和且均衡，避免出现阴影和反光。
同时，为了使得虹膜图像质量更好，需要确保被采集者在拍摄时眼睛保持稳定并对焦准确。
其次，虹膜识别的核心在于特征提取。
在虹膜图像中，虹膜的纹理和结构是具有个体独特性的重要特征。
为了提取虹膜的特征，通常采用特定的算法。
其中最常见的是基于二维小波变换的算法和基于Gabor滤波器的算法。
这些算法可以将原始图像中的虹膜纹理转化为一系列特征向量，以便后续的匹配和识别。
在特征提取之后，需要进行虹膜图像的匹配。
匹配算法是虹膜识别的决定因素，决定了识别的准确度和速度。
常用的匹配算法有相似性度量算法、相关性匹配算法和统计分类算法等。
相似性度量算法通常使用欧几里得距离、汉明距离或曼哈顿距离等度量两个虹膜特征向量的相似程度。
相关性匹配算法则通过计算两个虹膜特征向量之间的相关系数来进行匹配。
而统计分类算法则通过训练一组虹膜特征样本，结合统计学方法进行识别。
除了虹膜识别的关键步骤之外，还需要考虑一些其他因素以提高识别的准确性和可靠性。
首先，虹膜图像的质量对于识别效果有很大影响。
因此，在采集虹膜图像时，应尽量减少噪音和失真，并确保图像的清晰度和对比度。
其次，虹膜识别系统的安全性也是需要关注的问题。
应采用多因素认证，如密钥、密码和生物特征等，以提高系统的安全性。
最后，对于大规模的虹膜识别系统，需要高效的数据存储和索引方法，以提高查询速度和准确性。
虹膜识别作为一种高安全性的生物识别技术，已经在多个领域得到了广泛应用。
渐进式虹膜图像质量评估模型
量利 用虹膜识别 中这些 阶段 的中间处理结果和减少辅助运算
ｉ ｒｅ ｏｐ ｒｏｍ ｎ ｒ ｍｅ ｔｌｐｘ ｌｌｖｅ ｖ ｌａｉｎ ｏ ａｉ ｕ ｎｅ ｅ ｎ ａ ｔｒ ｎｉｉ ｍ ａ ｅ ． ｅｉ ｇ —ｅ ｅ ｖ ｒｌ ｅ ａｕ ｔ ｎ ｂ ｓ ｄｏ ｎ ｏ ｄ ｒｔ ｅ ｒ ａ ｉｃｅ ｎａ ｉｅ—ｅ ｌｅ ａｕ ｔ ｆｖ ｒｏ ｓｉｔｒ ｒ ｇ ｆｃｏ ｓｉ ｒｓｉ ｇ ｓ Ｔｈ ｍａ ｅ ｌｖ ｌｏ ｅａｌ ｖ ｌａｉ ａｅ ｎ ｆ ｎ ｏ ｆ ｉ ｏ ｐ ｘ ｌｌｖ ｌａｓ ｓｍｅ ｔ ｅｕ ｔ ｒ ｃ ｅ ． ｐ ｒｍｅ ｔｌ ｅ ｕｔ ｈ ｉｅ—ｅ ｅ ｓｅ ｓ ｎ ｓ ｌ ｐ ｏ ｅ ｄｓ Ｅｘ ｉ ｎａ ｓ ｌ ｓｏｗ ａ ｅｐｘ ｌｅ ｅ ｒｓｉ ｇ ｕ ｌｙ ａｓ ｓｍｅ ｔ ａ ｔ ｒ ｒｏ ａ ｃ ｌ ｒ ｒ ｓ ｅ ｒ ｓ ｈ ｔ ｔｔ ｉｅ ｖ ｌｉ ｍａ ｅｑ ａｉ ｓｅ ｓ ｎ ｓ ａｂ ｔ ｆ ｒ ｎ ｅｉ ｂ ｕ ｈ ｌ ｉ ｔ ｈ ｅ ｅｐ ｅ ｍ ｎ
ｃ ａ ａ ｔ ｒｓ ｃ ｆｄ ｆ ｅ ｅ ｔ ｎ ｅ ｅ ｎ ａ ｔ ｒ ｎ ｔ ｅ ｉｉ ｍａ ｅ ｒ ｇ ｏ ａ ｉ ａ ｉ ｎ ａ ｄ ｗｅ ｇ ｔ ｄ ｍｅ ｏ ｓ ａ ｅ ａ ｏ ｔ ｎ ｔ ｅ ｂ ｓｓｏ ｒｏ ｎ ｈ ｒ ｃｅ ｔ ｓｏ ｉｆ ｒ ｎ ｔ ｒ ｒ ｇ ｆ ｃ ｏ ｓｉ ｓ ｉ ｇ ， ｅ ｉ ｎ ｌ ｔｏ ｎ ｉ ｈ ｅ ｔ ｄ ｒ ｄ ｐ ｅ ｏ ｈ ａ ｉ ｆ ａｐ ｒｋ ｏｗｌ ｄ ｅ ｉｉ ｉ ｆ ｉ ｈ ｒ ｚ ｈ ｄ ｉ ｅ ｇ
ｒｃ ｇ ｉｏ ｎ ｔｒｅｅ ｃ ｒ ｅ ｔｆｃ ｔ ｎ，ｍａ ｅ ｌｖ ｌ ｓｅ ｓ ｎ ｆｉ ｓｉ ｇ ｕ ｌ ｓ ｅｓ ｎ ｓｃ ｎ ｉｔｎ ｔ ｅｍａ ａ． ｅ ｏ ｎｔ ｎａ ｄｉ ｅ ｒｎ ｅｔｍ ｉ ｎｉ ａ ｏ ｉ ｇ —ｅ ｅ ｓ ｓｍｅ ｔ ｉ ｎ ｆ ｅ ｄ ｉ ｉ ａ ｏ ｒ ｍａ ｅｑ ａｉ ａ ｓｓｍｅ ｔ ｏ ｓｓｅ ｔ ｈ ｔ ｎｕ ｉ ｙ ｔ ｉ ｗｉ ｈ １
【计算机科学】_模糊评价_期刊发文热词逐年推荐_20140724
2011年 科研热词 推荐指数 约简 3 粗糙集 3 优势-直觉模糊决策系统 3 it项目绩效审计 3 鲁棒性 1 软件脆弱性 1 评估 1 评价尺度 1 纹理粗糙度 1 纹理分辨能力 1 模糊综合评价 1 模糊理论 1 构件 1 旋转不变性 1 影响 1 可测试性 1 可信性评价 1 危险程度 1 信誉系统 1 信誉汇总 1 信任表示 1 信任聚合 1 信任度量 1 信任值修正 1 信任 1 体系结构 1 不确定综合评判方法 1 不确定分布 1 ad-hoc网络 1 99方法 1
2012年 序号 1 2 3 4 5 6 7 8 9 10
科研热词 集对分析 资源评价 联系数 激励机制 模糊综合评判 服务选择 服务 好评度 信任管理 信任模型
推荐指数 1 1 1 1 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
科研热词 聚类算法框架 特征加权 模糊集合 模糊集 模糊聚类 模糊综合评价法 模糊数据挖掘 模糊数据定义 模糊数据存储 模糊事件监视器 模糊eca 教学质量 基于距离的聚类 基于密度的聚类 可信计算平台 可信计算 可信度 信任链 soc qos建模 qos度量
科研热词 推荐指数 模糊数学 2 云计算 2 音乐情感 1 遗传算法 1 边缘检测 1 调节因子 1 语义强度期望 1 评价系统 1 评价函数 1 群体 1 综合评价 1 等级保护 1 用户行为 1 熵 1 模糊网络分析法 1 模糊综合评价 1 查准率 1 查全率 1 条件聚类 1 服务选择 1 服务质量(qos) 1 成员隶属度函数 1 层次分析法 1 安全评估 1 多属性群决策(magdm)理论 1 可信评估 1 分布式skyline计算 1 分区策略 1 公理化模糊集 1 web服务 1 otsu法 1 map-reduce框架 1 hspd-skyline算法 1 gcv准则 1 canny算子 1 av情感向量空间模型 1
基于形态学方法的虹膜快速定位算法
的虹膜 图像 质量 的不确 定性 ，上 述算 法都 有一 定 的适 用 范 围 ， 圆梯 度算 子 定位 精 度高 ， 不受 二值 化 阈值 的影 响 ， 点是 容 且 缺
易受 到局部 光 源 的影响 ； ｕ ｈ变 换 与最 小二 乘法 都是 基 于二 Ｈｏ ｇ 值化 边界点 的定 位方 法 ， 前提是 必须 将边 界点 与非 边界 点 区 其 分开 来 ，否则 不能 精确 定位 ， ｏ ｇ Ｈ ｕ ｈ变换 方法 存在 实 时性 差 的 问题 ， 最小 二乘法 由于是 拟合方 法 ， 而 定位 速 度较快 ， 其 精度 但 不如 圆梯 度 算子 和 Ｈ ｕｈ变换 方 法 高 ； ｏｇ 当图像 质 量 不高 时 ， 基 于几 何特征 的定 位方 法 与主动 轮廓 线法 定位 精度 急剧下 降 。 针 对 以上 算法 的局 限 ． 多文献 提 出 了粗 定位 与精 定位相 结合 的 许 方法 ， 既保 证 了定位 精度 ， 提高 了定 位速 度 。 文利 用 阈值 对 也 本
位算 法都 是采用 圆形 检测 算子 定位 虹膜 内外 边缘 。 典 虹膜定 经
位 方 法 主 要 有 Ｊｈ ａｇ ａ ｏ ｎ Ｄ ｕ ｍ ｎ提 出 的 圆 梯 度 算 子 。 ｉｈ ｒ Ｒ ｃ ａｄ
虹 膜 图像 中存在 一定 的 图像 噪声 ，为 保证 本算 法 的定位 精度 ． 必 须去 除虹 膜边 界带 上 的噪声 ， 样使虹 膜 图像 的 内外边 界上 这 尽 可 能多 的像 素点 的灰度 值趋 于一 致 。 时又不 至于 消除 内外 同
ｔ Ｈ
Ｇ ｙ： ）
Ｉ，
ｅ
作者简 介 ： 炜 （９ ０ ） 男 ， 魏 １ ８ 一 ， 江苏徐 州人 ， 东南大 学在 读硕 士研 究 生 ， 苏州卫 生职 业技 术 学院信 息 中心教 师 ， 究方 向 为软件 工程 、 研 网络安 全 ； 周俊 （９ １ ， ， １ ８ 一） 男 江西丰城 人 ， 硕士 ， 勤工程 学院在读 博 士研 究生 ， 究 方向 为后 勤信 息化和信 息安 全 。 后 研
虹膜识别新技术研究
虹膜识别新技术研究摘要：虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。
本文介绍了虹膜识别中的常见问题以及近年来出现的虹膜识别的新技术。
关键词：虹膜识别身份认证新技术中图分类号：tp391 文献标识码：a 文章编号：1007-9416（2012）11-0080-011、引言身份识别是人们日常生活中不可或缺的一项技术。
传统的身份识别技术存在很大的缺陷，在复杂性、准确性、实时性等方面无法满足人们的需求。
近年来，基于生物特征的身份识别技术得到了广泛应用，如银行、出入境管理中指纹识别的使用，门禁系统中虹膜识别的使用，视频管理系统中人脸、步态识别的使用等。
其中，虹膜识别又以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。
传统的虹膜识别分为虹膜图像采集、预处理、特征提取和识别四部分。
近几年，随着研究的深入，在虹膜识别中涌现了很多新技术，进一步提高虹膜识别的可靠性。
2、虹膜图像采集虹膜原始图像的清晰度直接影响到虹膜识别的准确性。
传统的虹膜图像采集是比较困难的，是被采集人的要求比较高，要求被采集者不断的调整眼睛与镜头之间的位置，确保采集到的虹膜原始图像清晰，完整。
据研究，在一定识别率下，虹膜采集图像的清晰程度与人眼距摄像机距离之间有直接关系；人眼距摄像机106-132mm时，常用虹膜图像清晰度评价算法均能得到较好结果，虹膜识别系统能够得到较好的识别效果[1]。
人眼最大拍摄距离的研究，在一定程度上降低了虹膜图像采集的难度，在对虹膜识别率要求不是很高的场合，可以广泛应用。
3、虹膜图像预处理传统的虹膜图像预处理主要是对采集到的虹膜图像进行去噪、补偿及变换。
但是对某些虹膜图像来说，即使进行了图像预处理，仍然达不到预期的识别效果。
如图1所示的casia虹膜图像数据库[2]中的虹膜原始图像，图（a）所示的虹膜图像质量较好，虹膜受眼睑、睫毛的遮挡较少，识别效果较好，图（b）所示虹膜图像质量较差，虹膜的上半部分几乎被眼睑遮挡，睫毛对虹膜图像的影响也比较大，这类图像的识别效果较差。
- 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)。
6
（2）Roberts梯度和 • 考虑到f (x ,y)和f (x +1,y+1)的灰度差的象元位置关系，可采用Roberts梯
度和：
7
三、对于人眼虹膜图像质量的评估方法
• 目前，虹膜图像质量评价的研究仍然有限。现有虹膜质量评估算法实 现可分为空域和频域两大类。空域的质量评估算法主要是利用虹膜图 像瞳孔、虹膜及巩膜区域的灰度分布特征评价虹膜图像质量；频域算 法则通过分析虹膜图像傅立叶变换的频谱能量进行评价。主要算法有 以下： 1) 卷积核方法 Daugman通过计算一幅图像傅立叶变换的高频能量来评价图像的清晰 程度，高频能量越大则图像越清晰，如果图像能够通过一个最低的判 断准则，则该图像用于识别。考虑到图像分辨率比较大则卷积运算速 度比较慢，为降低计算的复杂性，Daugman采用8×8 的卷积核，Wei 利用 5×5 的算子进行卷积。 2) 边缘锐度方法 Zhang通过虹膜与瞳孔之间边缘像素的灰度梯度来衡量图像的聚焦程 度，他认为对于聚焦较好的清晰虹膜图像，瞳孔和虹膜边界区域的图 像灰度变化应当比较快；而对于模糊的虹膜图像，瞳孔到虹膜的灰度 变化比较缓慢。Zhang以 1/w=Gradient/（Mi –Mp）定义瞳孔到虹膜边 缘的灰度变化，称为边缘锐度。该比值越大，图像质量越好。
• 主观评估方法 数字图像的主观质量评估就是通过人来观察图像，对图像 质量的优劣作出主观的评定。观察者根据一些事先规定的 评价尺度或自己的经验，对测试图像按视觉效果提出质量 判断，并给出质量评分，对所有观察者给出的分数进行加 权平均，所得的结果即为图像的主观质量评估。
4
• 客观评估方法 客观图像评估方法又可以分为有参照质量评估和无参照质 量评估方法。
1、有参照质量评估 峰值信噪比方法 峰值信噪比（Peak Signal-Noise Ratio）是一种量化对比压缩 图像与源图像的标准方法。对一幅8位的灰度图像，信号的 峰值是255，因此一幅M×N的8位灰度图像x和它的重建图 像x’的峰值信噪比由下式计算：
这里MSE为均方差，定义为 PSNR的单位是分贝(db)。
11
（3）来自牛的生理特征因素。牛的眼睛相对于人的眼睛要大，而且其 瞳孔和虹膜占据了眼睛可视的大部分面积，受采集设备限制不太利于 采集到完整清晰的虹膜图像(只能采集到大部分)。牛的眼睫毛较长而 且浓密，在采集时经常由于光照刺激，造成睫毛遮挡无法采集到虹膜 。 （4）来自采集环境的因素。采集牛眼时，牛舍光线往往比较昏暗，光 照角度的变化、光照强度的变化、运动模糊以及牛瞳孔的过度变形等 ，都会造成采集虹膜的失败。
虹膜图像质量评估
宋阳 2011/4/22
目录
• 虹膜图像质量评价的必要性 • 目前的图像质量评估方法 • 对于人眼虹膜图像质量的评估方法 • 影响牛眼虹膜采集的因素 • 后期工作
2
一、虹膜图像质量评价的必要性
• 虹膜识别作为一种高度可靠的身份鉴别方法, 在应用中的 实际识别性能很大程度上与采集的虹膜图像质量密切相关 。 通过研究虹膜图像质量评价方法去掉不符合识别要求的 模糊、严重遮挡和变形等低质量虹膜图像， 可以有效地提 高虹膜识别系统的性能。
9
4）基于 WBCT 的评价方法 由于基于小波分析的Contourlet变换(Wavelet-based contourlet transform, WBCT)能有效地反映图像纹理的视觉 感知特性，陈瑞在Gao等人对数字图像质量评价的基础上 ，通过对虹膜评估区域进行WBCT分解，定义和计算5种质 量评价指标来评估离焦模糊图像、运动模糊图像、佩带隐 形眼镜图像、睫毛和眼睑遮挡图像。 5）其它方法 邢磊等从自动虹膜识别系统设计的角度出发，提出“图像 清晰度”，“内外偏心度”和“虹膜可见度”三个指标进 行虹膜图像质量评价。由于要计算图像的灰度共生矩阵导 致计算量比较大，因此该方法计算图像清晰度的指标时速 度比较慢。
5
2、无参照质量评估 （1）图像灰度梯度向量模方和
对一幅数字图像f (x ,y)，其梯度的模为： 对于图像序列的第k幅图像，在某图像窗口W内的灰度梯度向量模的 和为Gk，灰度梯度向量模方和为Gk’。则
Gk或Gk’的值反映了图像序列第k幅图像在图像窗口W内的灰度变化率 大小。一幅图像越模糊，图像中灰度变化率越小， Gk或Gk’的值越小
8
3) 傅立叶频谱分析方法 Ma等通过分析虹膜图像傅立叶频谱的高、中、低频段分布，用虹膜 区域总的频谱能量来区分未遮挡和严重遮挡的虹膜图像, 用中频段能 量与其他频率能量的比值来区分是清晰的图像还是散焦及运动模糊的 虹膜图像。在质量评价时，为了降低傅立叶变换的计算复杂度，仅仅 考虑靠近瞳孔两侧的两个 64×64 虹膜小区域，通过计算这两个局部 区域的质量描述子的均值，作为评价图像质量的标准。最后，对于一 个给定的质量描述子，使用支持向量机判断该图像是否为清晰的虹膜 图像。 Wei在对虹膜图像空域滤波后，分别用傅里叶频谱高频、垂直高频能 量来评估离焦模糊和运动模糊程度，用虹膜区域的平均灰度值来判断 虹膜是否存在遮挡。 冯薪桦等提出了一种分步式的质量评价算法，该方法与Ma等的方法 类似，在判断虹膜图像是否散焦时很大程度上取决于瞳孔定位的精确 度，同时，高频分量的阈值设置需要经过大量的实验才能得出可靠经 验值。
12
五、后期工作
• 充分了解图像质量分析在人眼虹膜方面的运用，结合人眼 与牛眼的区别，将图像质量分析运用到牛眼虹膜的质量判 定中。
13
• 图像质量的好坏将会直接影响后续的操作，质量不合格的 图像将会严重影响识别的准确性；而质量好的图像则为后 续处理提供了可靠的保障。
3
二、目前的图像质量评估方法
• 目前存在的图像质量评估方法，按照评估方法来分类，可 以分为主观评估和客观评估。主观评估只有一种方式，即 一幅图像有多个观察者分别打分，它的平均值即为图像的 质量分数；而客观评估则有多种方式，它体现在很多有参 照质量评估和无参照质量评估方法中。
10
四、影响牛眼虹膜采集的因素
• 牛眼虹膜的采集过程相对于人眼采集过程来说，要更加复杂些，采集 时相对地影响虹膜图像质量的因素也较多，甚至有些是无法控制的。 这些因素有来自采集设备本身设计使用的影响，同时也有来自于牛这 种动物自身生理方面以及牛的不配合采集的影响，更有来自于采集时 自然环境的影响。其主要表现为以下几个方面: （1）来自采集设备的设计与使用因素。由于该采集设备是专门为人眼 虹膜采集所设计的，采用的内置红外光波长相对于更适应人眼的虹膜 反应，其摄像头的焦距也是以拍摄人眼虹膜为依据而设定，因此对于 采集相对虹膜纹理较复杂的牛眼虹膜图像时，采集时需更注意拍摄角 度，同时该采集设备由于是便携式非接触式的，内置电池使用的时间 较短，容易在电量不充分时影响牛眼虹膜图像采集清晰度。 （2）来自牛的不配合采集因素。由于牛本身具有易怒的天性，人与牛 之间无法交流，眼睛是其极为敏感部位，采集时光照的影响会刺激牛 的眼睛，造成其烦躁从而不配合采集虹膜图像。有时甚至会旋转眼球 ，使得采集设备无法聚焦牛的虹膜。