基于BP神经网络和霍夫变换的非理想虹膜定位.pdf
《基于BP神经网络和霍夫变换的非理想虹膜定位.pdf》由会员分享,可在线阅读,更多相关《基于BP神经网络和霍夫变换的非理想虹膜定位.pdf(8页珍藏版)》请在咨信网上搜索。
1、第卷 第期沈 阳 化 工 大 学 学 报.收稿日期:基金项目:国家自然科学基金资助项目()作者简介:孙丹()女辽宁阜新人硕士研究生在读主要从事模式识别的研究.通信联系人:朱立军()男辽宁沈阳人讲师博士主要从事模式识别的研究.文章编号:()基于 神经网络和霍夫变换的非理想虹膜定位孙 丹 朱立军沈阳化工大学 计算机科学与技术学院 辽宁 沈阳 摘 要:针对传统虹膜定位方法对非理想虹膜定位效果不理想的问题提出了一种基于 神经网络和霍夫变换的非理想虹膜定位方法.首先将要定位的虹膜图像分块提取每块图像的特征向量其次采用 神经网络的方法检测边缘块与非边缘块通过对边缘块进行数学运算实现外边界的精确定位然后以外
2、边界的圆心为种子像素对内边界进行区域增长最后利用霍夫变换实现内边界的精确定位.实验结果表明该算法具有较高的准确率并且对睫毛与眼睑遮挡严重、女生画眼线等情况该算法也能取得较好的效果.关键词:非理想虹膜定位 神经网络 区域增长 霍夫变换:./.中图分类号:文献标识码:传统的身份识别方法如密码、钥匙、身份证等具有不安全性、携带不方便、容易忘记等特点因此已经不能满足人们的需求.近年来生物识别方法得到了广泛应用如指纹识别、人脸识别、虹膜识别等.虹膜由于其独特的纹理和极高的精度受到了广泛关注它具有防伪性、唯一性、稳定性和非侵害性等诸多优点因此虹膜识别在抓捕嫌疑犯、门禁系统等方面应用非常广泛.通过观察虹膜图
3、像发现虹膜的内外边界都近似于圆形因此虹膜定位算法就是定位圆形.目前虹膜定位经典算法主要有两种:提出的微积分算法和 提出的边缘检测结合 变换的算法.但是两种算法计算量均较大时间较长并且都容易受到眼睑、睫毛和光斑等各种噪声的影响导致定位错误.针对传统虹膜定位方法存在的不足国内外学者在此基础上提出了改进的虹膜定位算法.朱立军等采用并查集方法和 变换进行内边界定位然后利用边缘检测模板和边缘点的密度进行外边界定位王凯等先粗定位找到边缘点再建立模型求得边缘曲线最后实现虹膜的精确定位张林等先用矩形框对瞳孔进行估计然后通过水平边缘点选择规则剔除非水平边缘点最后利用 变换以及求得的参数定位虹膜孙雯雯等先对图像进
4、行灰度数学形态学操作并二值化再进行一次二值图像形态学处理最后对其边缘检测后利用 变换定位虹膜王延年等先采用聚类法分割瞳孔根据几何特征对瞳孔粗定位然后计算瞳孔的圆心与半径最后利用瞳孔圆周参数和先验知识定位虹膜吕金花等对内边界采用区域属性的分析方法加最小二乘法拟合对外边界寻找感兴趣区域加最小二乘法拟合杨秀等对内边界先将图像转换成二值图形粗定位再对边缘检测进行精定位对外边界结合检测模板进行粗定位使用 圆盘算子进行精定位田子林等首先使用形态学开运算并对图像进行二值化操作然后使用形态学闭运算并利用 算法提取图像边界信息最后根据内边界与外边界的差异性分别使用霍夫变换和最小二乘法定 第 期孙 丹等:基于 神
5、经网络和霍夫变换的非理想虹膜定位 位虹膜内外边界孙正等对内边界利用投影法分割出一个包含瞳孔的矩形区域通过最大类间方差法确定该区域的阈值完成瞳孔的分割对外边界需要基于瞳孔中心分割出某一方向上的扇形区域计算每个扇环的平均灰度值进而确定该方向上的虹膜外边界点对这些边界点进行筛选并进行圆的拟合最终实现虹膜的定位 等首先对图像进行预处理计算图像的梯度信息然后利用 运算实现内外边界的粗定位最后根据梯度霍夫变换实现内外边界的精定位 等提出了一种新的基于粗糙熵的虹膜分割软计算方法并利用圆扇区分析进行定位从而使不确定性最小化 等自适应的获取两个阈值并将灰度图像转换成三值图像然后使用 边缘检测算子生成边缘点再将一
6、种改进的基于共形几何代数的圆检测算法应用于检测虹膜的边缘和瞳孔边界并找到候选边界最后使用共形几何代数内积确定候选边界的边缘点是否在圆上定义了一个缺陷率来表示每个候选边界的完整性只有缺陷率最低的缺陷才被设置为瞳孔和边缘边界.以上各种算法定位效果较好但是大多数是对理想的虹膜进行定位对于睫毛和眼睑遮挡严重、存在光斑、位置偏移等非理想虹膜的定位效果并不理想.对于非理想虹膜定位在研究了大量文献的基础上结合其各自优点本文提出了一种基于 神经网络 和霍夫变换的非理想虹膜定位方法.对于外边界首先将预处理后的虹膜图像分块计算得到能描述每块图像的特征以此作为边缘块与非边缘块分类的依据然后对边缘块进行数学运算得到外
7、边界的半径与圆心进而完成外边界定位对于内边界利用外边界的圆心进行区域增长然后应用霍夫变换完成内边界定位.虹膜图像预处理虹膜定位是虹膜识别过程中的重要步骤定位效果的好坏直接影响了虹膜识别的准确率.为了提高虹膜定位的准确度在进行定位之前需进行去光斑处理并且减少各种噪声对定位的影响.二值掩模去光斑采集虹膜图像的过程中因为光照等问题采集得到的图像往往存在反射光斑这会对虹膜定位造成一定的影响.为了保证后续工作的准确性在定位之前需要对采集得到的图像进行去光斑处理本文采用二值掩模去除光斑.在采集得到的虹膜图像中截取带有光斑的部分通过指定的灰度范围分割出带有光斑的图像定位出光斑所在的位置使用公式()计算得到二
8、值化掩码图像.()().()其中:()为原始图像灰度值、为所要选择区域的灰度范围即光斑所在区域的灰度范围若灰度值在这个范围内则返回(白色)否则返回(黑色).由于虹膜图像中的光斑变化幅度较大难以保证得到的掩码图像中的光斑完全覆盖住了原图中的光斑.为了更好地去除光斑在进行光斑填充之前需要对掩码图像进行膨胀处理使膨胀后的掩码图像可以基本覆盖住光斑.最后对光斑进行填充对膨胀后的掩码图像中非零像素使用其相邻像素进行填充如图 所示.图()为原始图像图 ()为截取带有光斑的图像图()为掩码图像图()为膨胀后的掩码图像图()为去光斑后的图像.沈 阳 化 工 大 学 学 报 年图 去光斑过程 形态学去睫毛睫毛的
9、灰度值和瞳孔的灰度值相近并且睫毛是杂乱无章的因此会对提取图像特征产生一定的影响.笔者采用形态学的方法减少睫毛对后续工作的干扰先对虹膜图像进行先腐蚀后膨胀的开运算消除小颗粒噪声以及断开虹膜与睫毛粘结的部分然后进行先膨胀后腐蚀的闭运算填充虹膜的细小空洞.图 为形态学处理后的图像.图 形态学处理后的图像 基于 神经网络的外边界定位 神经网络主要应用于函数逼近、模式识别、分类和数据压缩笔者将虹膜外边界的定位问题转化成分类问题.首先对二值图像进行第一次分块在此基础上对每块图像进行第二次分块计算第二次分块后的图像中由 变成 的变换次数和由 变成 的变换次数此时得到能描述第一次分块后的每块图像特点的特征向量
10、然后采用 神经网络的方法检测边缘块与非边缘块最后对边缘块进行数学运算实现外边界的精确定位.采用分块策略得到特征向量由于虹膜内的复杂纹理以及反射光斑应用灰度图像的灰度值不能准确定位出边界位置所以需将图像转换成二值图像二值化的结果如图 所示.在二值图像中虹膜左侧的边界位置前面为白色即连续的像素值 后面为黑色即连续的像素值 虹膜右侧的边界位置前面为黑色即连续的像素值 后面为白色即连续的像素值.本文就是依据图像中由 变成 的变换次数和由 变成 的变换次数来实现对边缘块和非边缘块的分类.图 二值化图像 首先对二值图像 进行第一次分块将图像分成 个小块再对每小块图像 继续进行分块分成了 块分块示意图如图
11、所示.计算块图像()中由 变成 的变换次数和由 变成 的变换次数这样就可以得到能描述块图像 中、分布特点的特征向量以此再通过 神经网络的方法判断出边缘块或非边缘块.具体计算如公式()和公式()所示.()且()()()且().()其中:代表每个小块 中由 变成 的变换次数代表每个小块 中由 变成 的变换次数.将图像 中的 和 按行优先顺序进行排列得到块图像 的特征向量.进行 神经网络训练时为了方便数据的处理需要对求得的数据进行归一化处理计算公式为:()()第 期孙 丹等:基于 神经网络和霍夫变换的非理想虹膜定位 ().()图 分块示意图 此时得到了一个具有 个元素的一维向量即这个向量就是用来表示
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 BP 神经网络 变换 理想 虹膜 定位
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。