CN104778729A - 不均匀光照条件下的虹膜提取方法及设备 - Google Patents

不均匀光照条件下的虹膜提取方法及设备 Download PDF

Info

Publication number
CN104778729A
CN104778729A CN201410016888.8A CN201410016888A CN104778729A CN 104778729 A CN104778729 A CN 104778729A CN 201410016888 A CN201410016888 A CN 201410016888A CN 104778729 A CN104778729 A CN 104778729A
Authority
CN
China
Prior art keywords
passage
iris
picture content
filtering
texture extraction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410016888.8A
Other languages
English (en)
Inventor
孙贤军
董记平
夏鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI DIYI TECHNOLOGY Co Ltd
Original Assignee
SHANGHAI DIYI TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHANGHAI DIYI TECHNOLOGY Co Ltd filed Critical SHANGHAI DIYI TECHNOLOGY Co Ltd
Priority to CN201410016888.8A priority Critical patent/CN104778729A/zh
Priority to PCT/CN2015/070058 priority patent/WO2015103953A1/zh
Publication of CN104778729A publication Critical patent/CN104778729A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/193Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20048Transform domain processing
    • G06T2207/20056Discrete and fast Fourier transform, [DFT, FFT]

Abstract

本发明的实施例公开了一种不均匀光照条件下的虹膜提取方法及设备。该方法包括:从包含虹膜的图像中滤除不均匀光照强度分量;在滤除后的图像中计算色差;以及根据该色差进行虹膜提取。本发明的实施例通过滤除不均匀光照强度分量,从而可以避免该不均匀光照条件对虹膜提取的影响。

Description

不均匀光照条件下的虹膜提取方法及设备
技术领域
本发明的实施例一般涉及图像处理领域,更具体地,涉及一种不均匀光照条件下的虹膜提取方法及设备。
背景技术
在当今信息化时代,如何准确鉴定一个人的身份,保护信息安全是一个必须解决的关键社会问题。为此,生物特征鉴别技术悄然兴起,并成为目前世界信息安全管理领域的前沿研究课题。
生物特征鉴别技术是指利用人体所固有的生理特征或行为特征来进行个人身份鉴定,其中虹膜身份识别技术是生物特征鉴别技术的一个重要分支。对于一个人来说,他眼珠的中心是黑色的瞳孔,而虹膜就是瞳孔外缘间的环形组织,其呈现出相互交错的类似于斑点、细丝、条纹、隐窝的纹理特征。虹膜在一个人的一生中几乎不会发生改变,不同人的虹膜是完全不一样的。虹膜身份识别技术是计算机图像处理技术和模式识别技术在个人身份识别领域的应用。由于其存在高稳定性和高准确性,同时还可以使人们摆脱记忆信用卡号、银行帐号、身份证号、网络登录号的繁琐,因此在银行、公安、机场、网络安全等行业领域得到广泛使用。
典型的虹膜身份识别主要由图像采集、图像预处理、特征编码、特征匹配四部分构成。在图像预处理过程中,虹膜提取尤其关键,其执行时间和精度将直接影响整个虹膜身份识别过程的识别速度和精度。传统的虹膜提取方法包括Hough变换圆检测的方法、Daugman的基于微分积分算子的方法以及Wildes等采用的边界检测方法。他们都将虹膜边界建模为包括内外两条边界的圆环形,通过提取圆环的内外圆来实现虹膜提取。
然而,在实际采集过程中,由于上眼睑总是遮挡虹膜的上半部分,因此虹膜通常不是一个完整的圆环形。以及,虹膜外边界常常较为模糊,即虹膜与巩膜(巩膜即眼球外围的白色部分,是眼睛最外层的纤维膜)的过渡不明显,从而难以用上述传统的边界检测方法来检测外边界。尤其需要指出的是,传统方法费时费力,难以满足实时快速准确检测的要求。
为此,对于这种非理想采集的虹膜提取,许多研究者也开展了相关工作。例如,在发明专利申请CN103246871A中,发明人首先利用现有Daugman方法来提取图像的内边界,进而选定内边界左右两侧的矩形区域,使得矩形区域尽可能覆盖内边界之外的左右两侧的虹膜,然后对该矩形区域进行灰度变换,利用Canny算子对矩形区域进行边界检测。具体地,在对矩形区域进行边界检测时,根据预定的阈值,低于阈值的像素值被设定为0,否则被设定为1,从而得到边界点集合。由此可见,在该发明专利申请CN103246871A中采用了所谓阈值分割的常用图像处理基本操作手段,用以提取出感兴趣的目标。
然而,仅仅采用单一阈值操作通常难以稳健地检测出虹膜边界。特别是对于双眼虹膜身份识别的情形,由于双眼通常处于不均匀光照条件下,这就使得一个单一的、固定的阈值无法同时适应双眼。
发明内容
鉴于上述不均匀光照条件影响虹膜提取的问题,本发明的实施例提出一种不均匀光照条件下的虹膜提取方法及设备。
根据本发明的一个方面,提供了一种不均匀光照条件下的虹膜提取方法,包括:从包含虹膜的图像中滤除不均匀光照强度分量;在滤除后的所述图像中计算色差;以及根据所述色差进行虹膜提取。
在一个实施例中,所述从包含虹膜的图像中滤除不均匀光照强度分量包括:对所述图像的色彩模式进行转换,使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离。
在一个实施例中,将所述图像从RGB色彩模式转换到Lab色彩模式,得到L通道、a通道和b通道中的相应的图像分量,以使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离,其中所述L通道中的图像分量包括所述不均匀光照强度分量,所述a通道中的图像分量和所述b通道中的图像分量包括所述色彩分量。
在一个实施例中,所述在滤除后的所述图像中计算色差包括:利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差。
在一个实施例中,根据如下公式,利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差:其中ΔEab表示所述色差,Δ(a)表示所述a通道内两个数值之差,Δ(b)表示所述b通道内两个数值之差。
在一个实施例中,所述根据所述色差进行虹膜提取包括:将所述色差与预定的色差阈值进行比较,得到第一比较结果;以及根据所述第一比较结果进行虹膜提取。
在一个实施例中,所述从包含虹膜的图像中滤除不均匀光照强度分量还包括:从所述L通道中的图像分量中滤除所述不均匀光照强度分量。
在一个实施例中,从所述L通道中的图像分量中滤除所述不均匀光照强度分量包括:将所述L通道中的图像分量进行对数运算;将对数变换后的所述图像分量进行快速傅里叶变换;通过高通滤波滤除快速傅里叶变换后的所述图像分量中的低频部分;将高通滤波后的所述图像分量进行快速傅里叶变换的逆变换;以及将逆变换后的所述图像分量进行指数运算。
在一个实施例中,所述根据所述色差进行虹膜提取还包括:将所述色差与预定的色差阈值进行比较,得到第一比较结果;计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量对应的灰度值;将所述灰度值与预定的灰度阈值进行比较,得到第二比较结果;计算所述第一比较结果和所述第二比较结果的第一交集;以及根据所述第一交集进行虹膜提取。
在一个实施例中,所述根据所述色差进行虹膜提取还包括:计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量中任意一点的亮度减去所述点周围的预定数目的点的亮度的平均值的差值;将所述差值与预定的亮度差值阈值进行比较,得到第三比较结果;计算所述第一交集和所述第三比较结果的第二交集;以及根据所述第二交集进行虹膜提取。
在一个实施例中,根据如下公式计算所述差值: g ( x , y ) = f ( x , y ) - 1 ( 2 n + 3 ) 2 Σ i = - ( n + 1 ) n + 1 Σ j = - ( n + 1 ) n + 1 f ( x + i , y + j ) , n ∈ Z 0 + , 其中,(x,y)表示滤除所述不均匀光照强度分量后的所述L通道中的图像分量中的任意一点的坐标,f(x,y)表示坐标(x,y)的点的亮度值,表示非负整数集合,n表示非负整数。
在一个实施例中,根据所述第二交集进行虹膜提取包括:分别判断所述第二交集对应的二值图像中的每一前景像素点是否存在毗邻的前景像素点,如果存在,则将所述前景像素点与所述毗邻的前景像素点划分在同一目标区域内从而得到多个目标区域;分别计算所述多个目标区域所拥有的前景像素点的数目;将所述数目最多的目标区域确定为虹膜区域;以及在所述虹膜区域中进行虹膜提取。
在一个实施例中,在所述虹膜区域中进行虹膜提取包括:消除所述虹膜区域中的孔洞、不毗邻的边界,得到完整的虹膜区域;以及在所述完整的虹膜区域中进行虹膜提取。
在一个实施例中,根据如下公式消除所述虹膜区域中的孔洞、不毗邻的边界:
A ⊕ B = ∪ α ∈ A B α
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,b表示B中的任意一点,表示二维整数网格。
在一个实施例中,还根据如下公式消除虹膜区域中的孔洞、不毗邻的边界根据:
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,表示二维整数网格。
根据本发明的另一个方面,提供了一种不均匀光照条件下的虹膜提取设备,包括:滤除装置,用于从包含虹膜的图像中滤除不均匀光照强度分量;计算装置,用于在滤除后的所述图像中计算色差;以及虹膜提取装置,用于根据所述色差进行虹膜提取。
在一个实施例中,所述滤除装置包括:转换单元,用于对所述图像的色彩模式进行转换,使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离。
在一个实施例中,所述转换单元将所述图像从RGB色彩模式转换到Lab色彩模式,得到L通道、a通道和b通道中的相应的图像分量,以使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离,其中所述L通道中的图像分量包括所述不均匀光照强度分量,所述a通道中的图像分量和所述b通道中的图像分量包括所述色彩分量。
在一个实施例中,所述计算装置包括:第一计算单元,用于利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差。
在一个实施例中,所述第一计算单元根据如下公式,利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差:其中ΔEab表示所述色差,Δ(a)表示所述a通道内两个数值之差,Δ(b)表示所述b通道内两个数值之差。
在一个实施例中,所述虹膜提取装置包括:第一比较单元,用于将所述色差与预定的色差阈值进行比较,得到第一比较结果;以及虹膜提取单元,用于根据所述第一比较结果进行虹膜提取。
在一个实施例中,所述滤除装置还包括:滤除单元,用于从所述L通道中的图像分量中滤除所述不均匀光照强度分量。
在一个实施例中,所述滤除单元包括:第一运算模块,用于将所述L通道中的图像分量进行对数运算;第二运算模块,用于将对数变换后的所述图像分量进行快速傅里叶变换;第三运算模块,用于通过高通滤波滤除快速傅里叶变换后的所述图像分量中的低频部分;第四运算模块,用于将高通滤波后的所述图像分量进行快速傅里叶变换的逆变换;以及第五运算模块,用于将逆变换后的所述图像分量进行指数运算。
在一个实施例中,所述虹膜提取装置包括:第一比较单元,用于将所述色差与预定的色差阈值进行比较,得到第一比较结果;第二计算单元,用于计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量对应的灰度值;第二比较单元,用于将所述灰度值与预定的灰度阈值进行比较,得到第二比较结果;第三计算单元,用于计算所述第一比较结果和所述第二比较结果的第一交集;以及所述虹膜提取单元用于根据所述第一交集进行虹膜提取。
在一个实施例中,所述虹膜提取装置还包括:第四计算单元,用于计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量中任意一点的亮度减去所述点周围的预定数目的点的亮度的平均值的差值;第三比较单元,用于将所述差值与预定的亮度差值阈值进行比较,得到第三比较结果;第四计算单元,用于计算所述第一交集和所述第三比较结果的第二交集;以及所述虹膜提取单元用于根据所述第二交集进行虹膜提取。
在一个实施例中,所述第四计算单元根据如下公式计算所述差值:
g ( x , y ) = f ( x , y ) - 1 ( 2 n + 3 ) 2 Σ i = - ( n + 1 ) n + 1 Σ j = - ( n + 1 ) n + 1 f ( x + i , y + j ) , n ∈ Z 0 +
其中,(x,y)表示滤除所述不均匀光照强度分量后的所述L通道中的图像分量中的任意一点的坐标,f(x,y)表示坐标(x,y)的点的亮度值,表示非负整数集合,n表示非负整数。
在一个实施例中,所述虹膜提取装置还包括:判断单元,用于分别判断所述第二交集对应的二值图像中的每一前景像素点是否存在毗邻的前景像素点,如果存在,则将所述前景像素点与所述毗邻的前景像素点划分在同一目标区域内从而得到多个目标区域;第五计算单元,用于分别计算所述多个目标区域所拥有的前景像素点的数目;确定单元,用于将所述数目最多的目标区域确定为虹膜区域;以及所述虹膜提取单元在所述虹膜区域中进行虹膜提取。
在一个实施例中,所述虹膜提取装置还包括:消除单元,用于消除所述虹膜区域中的孔洞、不毗邻的边界,得到完整的虹膜区域;以及所述虹膜提取单元在所述完整的虹膜区域中进行虹膜提取。
在一个实施例中,所述消除单元根据如下公式消除所述虹膜区域中的孔洞、不毗邻的边界:
A ⊕ B = ∪ α ∈ A B α
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,b表示B中的任意一点,表示二维整数网格。
在一个实施例中,所述消除单元还根据如下公式消除虹膜区域中的孔洞、不毗邻的边界:
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,表示二维整数网格。
通过下文详细描述将会理解,根据本发明的实施例,滤除不均匀光照强度分量后,逐步提取从而可以避免该不均匀光照条件对虹膜提取的影响。
附图说明
通过参考附图阅读下文的详细描述,本发明的实施例的上述以及其它目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施例,其中:
图1图示了根据本发明的实施例的不均匀光照条件下的虹膜提取方法的流程图;
图2图示了根据本发明的实施例的色彩模式转换前的原始RGB的示意图;
图3图示了根据本发明的实施例的色彩模式转换后的L通道的示意图;
图4图示了根据本发明的实施例的色彩模式转换后的a通道的示意图;
图5图示了根据本发明的实施例的色彩模式转换后的b通道的示意图;
图6图示了根据本发明的实施例a通道和b通道的色差的示意图;
图7图示了根据本发明的实施例的左眼区域色差效果的示意图;
图8图示了根据本发明的实施例的将图7中的色差与预定的色差阈值进行比较所得到的第一比较结果的示意图;
图9图示了根据本发明的实施例的滤除不均匀光照后的L通道中的图像分量的示意图;
图10图示了根据本发明的实施例的将图9对应的灰度值与预定的灰度阈值进行比较所得到的第二比较结果的示意图;
图11图示了根据本发明的实施例的对图9对应的灰度值执行去除局部均值的操作后的示意图;
图12图示了根据本发明的实施例的将图11中的去除局部均值的操作后的亮度差值与预定的亮度差值阈值进行比较所得到的第三比较结果的示意图;
图13图示了根据本发明的实施例的图8中的第一比较结果和图10中的第二比较结果的第一交集的示意图;
图14图示了根据本发明的实施例的图13中的第一交集和图12中的第三比较结果的第二交集的示意图;
图15图示了根据本发明的实施例的将各前景像素点分别划分在不同目标区域所得到的多个目标区域的示意图;
图16图示了根据本发明的实施例的图15中的拥有的前景像素点的数目最多的虹膜区域的示意图;
图17图示了根据本发明的实施例的消除虹膜区域中的孔洞、不毗邻的边界所得到完整的虹膜区域的示意图;
图18图示了根据本发明的实施例的不均匀光照条件下的虹膜提取设备的结构框图。
在各个附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考附图中示出的若干示例性实施例来描述本发明的原理和精神。应当理解,给出这些实施例仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。
图1图示了根据本发明的实施例的不均匀光照条件下的虹膜提取方法的流程图,其包括如下的步骤S102至步骤S106。
步骤S102,从包含虹膜的图像中滤除不均匀光照强度分量。
步骤S104,在滤除后的图像中计算色差。
步骤S106,根据该色差进行虹膜提取。
鉴于在不均匀光照条件下,图像中的各点具有不均匀光照强度分量,在本实施例中,通过滤除该不均匀光照强度分量,从而可以避免该不均匀光照条件对虹膜提取的影响。
由此可见,本发明的实施例能够改善图像内部各区域之间的非均匀光照。然而,相关技术中往往针对各图像帧之间的亮度差异,例如将各图像帧中的亮度各自提取出来并计算平均值,然后以该平均值作为各图像帧的平均亮度。这样,虽然可以改善各图像帧之间的亮度差异,但是并不能够改善图像内部各区域之间的非均匀光照。
在一个实施例中,步骤S102中的滤除该不均匀光照强度分量可以经由转换该图像的色彩模式而实现,例如,可以通过转换而使得在转换后的图像中的不均匀光照强度分量和色彩分量相分离,从而有利于滤除该不均匀光照强度分量。
在这一实施例中,可以将该图像从RGB色彩模式转换到Lab色彩模式(Lab经常用做CIE1976(L*,a*,b*)色彩模式的非正式缩写,ISO11664-4:2008(E)/CIE S014-4/E:2007)。由于Lab色彩模式仅仅在其L通道的图像分量中存在该不均匀光照强度分量,因此使得在转换后的图像中的不均匀光照强度分量和色彩分量相分离得以实现。
图2至图5分别图示了上述色彩模式转换前后的图像。其中,在图2所图示的转换前的原始RGB图像中,可以明显看出左眼和右眼处于不均匀光照条件下。在图3所图示的转换后的L通道的图像中,该左眼和右眼处的不均匀光照情况仍然存在。但是,在图4和图5所分别图示的转换后的a通道和b通道的图像中,在该左眼和右眼处已不存在不均匀光照情况,而仅仅存在色差情况。
本领域技术人员应当知晓,上述色彩模式的转换仅仅是示例性而非限制性的,其他任何能够实现不均匀光照强度分量的分离的实施例、甚至不分离而直接能够滤除该不均匀光照强度分量的实施例均应当纳入本发明的保护范围。
在一个实施例中,由于在Lab色彩模式中虹膜和皮肤之间存在明显的颜色差异,因此可以利用Lab色彩模式的a通道中的图像分量和b通道中的图像分量的色差来进行虹膜提取,即将该色差与预定的色差阈值进行比较,得到第一比较结果;以及根据该第一比较结果进行虹膜提取。其中,该色差可以根据如下公式进行计算并且其提取效果可以如图6所图示。
ΔE ab = [ Δ ( a ) ] 2 + [ Δ ( b ) ] 2
其中ΔEab表示色差,Δ(a)表示a通道内两个数值之差,Δ(b)表示b通道内两个数值之差。
在一个实施例中,还可以从L通道中的图像分量中滤除该不均匀光照强度分量,计算滤除该不均匀光照强度分量后的L通道中的图像分量对应的灰度值,以及根据该灰度值和上述色差来进行更精确地虹膜提取。在这一实施例中,根据该灰度值和上述色差来进行更精确地虹膜提取可以实现如下:通过将该灰度值与预定的灰度阈值进行比较,得到第二比较结果;计算该第二比较结果和上述第一比较结果的交集;以及根据该交集进行虹膜提取。出于使得本发明实施例的上下文描述更加清晰、连贯的目的,根据这一实施例的联合提取效果可以去参考图13。在图13所图示的图像中可以明显看出,除去眼镜框之外,其余大部分虹膜区域都已经呈现白色并且能够明确区分。
在这一实施例中,从L通道中的图像分量中滤除该不均匀光照强度分量可以通过对L通道中的图像分量进行同态滤波,即先后进行对数运算、快速傅里叶变换、高通滤波、快速傅里叶变换的逆变换以及指数运算。由于图像中的不均匀光照强度相对变化很小,因此其可以看作是图像的低频成份,因此通过高通滤波该不均匀光照强度分量得以被滤除。
本领域技术人员应当知晓,上述涉及同态滤波的操作仅仅是示例性而非限制性的,其他任何能够实现不均匀光照强度分量的滤除的实施例均应当纳入本发明的保护范围。
此外,在虹膜提取过程中,由于眼镜框与虹膜距离相近并且通常颜色近似,因此影响虹膜提取的效果。为了解决该问题,在本发明的一个实施例中,可以执行去除局部均值的操作,即计算滤除不均匀光照后的L通道中的图像分量中的任意一点的亮度减去该点周围的预定数目的点的亮度的平均值的差值,具体来说,根据如下公式计算该差值: g ( x , y ) = f ( x , y ) - 1 ( 2 n + 3 ) 2 Σ i = - ( n + 1 ) n + 1 Σ j = - ( n + 1 ) n + 1 f ( x + i , y + j ) , n ∈ Z 0 + , 其中,(x,y)表示滤除所述不均匀光照强度分量后的所述L通道中的图像分量中的任意一点的坐标,f(x,y)表示坐标(x,y)的点的亮度值,表示非负整数集合,n表示非负整数。将该差值与预定的亮度差值阈值进行比较,得到第三比较结果;计算第一交集和第三比较结果的第二交集;以及根据第二交集进行虹膜提取。这样,可以去除包括眼镜框在内的各种物体(例如眼睫毛)对虹膜提取的影响。
下面结合图7至图14对其进行详细说明。为了简化说明起见,图7至图14仅仅以右眼为例,左眼的情况与右眼类似。
本领域技术人员应当理解,在执行去除局部均值的操作之前,可以针对不同图像而通过人工选择是否已经戴眼镜,如果选择结果指示已经戴眼镜则使用图7至图14所描述的涉及第一比较结果、第二比较结果和第三比较结果的虹膜提取方法,否则仅仅使用涉及第一比较结果和第二比较结果的虹膜提取方法。同时,本领域技术人员还应当理解,由于上述涉及第一比较结果、第二比较结果和第三比较结果的虹膜提取方法的计算速度很快,因此更加优选的是无需上述人工选择步骤而针对所有图像都执行上述涉及第一比较结果、第二比较结果和第三比较结果的虹膜提取方法。上述这些方法均应当纳入本发明的保护范围。
图7图示了根据本发明的实施例的a通道中的图像分量和b通道中的图像分量之间的色差的示意图,上文已经详细描述了如何获取该色差,因此这里不再赘述。
图8图示了根据本发明的实施例的将图7中的色差与预定的色差阈值进行比较所得到的第一比较结果的示意图,其中存在眼镜框以及扩大的虹膜边缘区域。
图9图示了根据本发明的实施例的滤除不均匀光照后的L通道中的图像分量的示意图,上文已经详细描述了如何获取该L通道中的图像分量,因此这里不再赘述。
图10图示了根据本发明的实施例的将图9对应的灰度值与预定的灰度阈值进行比较所得到的第二比较结果的示意图。
图11图示了根据本发明的实施例的对图9对应的灰度值执行去除局部均值的操作后的示意图,上文已经详细描述了如何去除局部均值,因此这里不再赘述。
图12图示了根据本发明的实施例的将图11中的去除局部均值的操作后的亮度差值与预定的亮度差值阈值进行比较所得到的第三比较结果的示意图,其中可以清晰地看到眼镜框的位置。
图13图示了根据本发明的实施例的图8中的第一比较结果和图10中的第二比较结果的第一交集的示意图,其中如上所述,第二比较结果是将图9中的L通道中的图像分量滤除不均匀光照强度分量后所对应的灰度值与预定的灰度阈值进行比较而得到的。图13中除了眼镜框,几乎不存在其他无关区域。
图14图示了根据本发明的实施例的图13中的第一交集和图12中的第三比较结果的第二交集(即第一比较结果、第二比较结果和第三比较结果的交集)的示意图,图中主要剩下虹膜区域和很少的眼镜架残存片段。
在一个实施例中,根据第二交集进行虹膜提取可以实现如下:分别判断第二交集对应的二值图像中的每一前景像素点是否存在毗邻的前景像素点,如果存在,则将该前景像素点与该毗邻的前景像素点划分在同一目标区域内从而得到多个目标区域;分别计算该多个目标区域所拥有的前景像素点的数目;将数目最多的目标区域确定为虹膜区域;以及在该虹膜区域中进行虹膜提取。
图15图示了根据本发明的实施例的将各前景像素点分别划分在不同目标区域所得到的多个目标区域的示意图。基于图15,上述判断步骤可以实现如下:逐个判断该二值图像中的每一前景像素点在其上方、下方、左方、右方、左上方、右上方、左下方和/或右下方是否存在毗邻的前景像素点,如果存在,则将该前景像素点与该毗邻的前景像素点划分在同一目标区域内,例如,针对每个目标区域采用统一的连通标记(例如图15中作为示例而采用数字1、2、3);如果不存在,则该前景像素点就是分离的前景像素点,并且通常是非虹膜区域中的残存的背景区域。
图16图示了根据本发明的实施例的图15中的拥有的前景像素点的数目最多的虹膜区域的示意图,其中位于中间部位的目标区域拥有的前景像素点的数目最多,因此将该目标区域确定虹膜区域。
在一个实施例中,还可以消除该虹膜区域中的孔洞、不毗邻的边界以便得到完整的虹膜区域;以及在该完整的虹膜区域中进行虹膜提取。具体来说,根据如下公式消除虹膜区域中的孔洞、不毗邻的边界:
A ⊕ B = ∪ α ∈ A B α
其中A表示虹膜区域,α表示A中的任意一点,B表示结构元素集合,b表示B中的任意一点,表示二维整数网格。
下面针对这些公式如何消除虹膜区域中的孔洞、不毗邻的边界进行详细描述。
假设A表示虹膜区域,B表示半径为R的结构元素集合(例如半径为3的圆),则上述公式可以形象地理解为将B的中心沿A的边缘点滑动,得到重叠区域;将该重叠区域与B进行并集运算,得到边缘被扩大的、孔洞、不毗邻的边界被消除的虹膜区域(也可被称为膨胀的虹膜区域)。然后,将B的中心沿该膨胀的虹膜区域的边缘点滑动,得到另一重叠区域;将该另一重叠区域与B进行交集取非运算,得到上述完整的虹膜区域(也可被称为腐蚀的虹膜区域),其虹膜区域的尺寸保持不变但虹膜区域内部可能出现的孔洞、不毗邻的边界被消除。
图17图示了根据本发明的实施例的消除虹膜区域中的孔洞、不毗邻的边界所得到完整的虹膜区域的示意图,由此可见,已经能够获得没有任何干扰、孔洞的完整的虹膜区域。
本领域技术人员应当知晓,上述涉及通过图像形态学后处理去除眼镜框残存片段的操作仅仅是示例性而非限制性的,其他任何能够实现去除眼镜框残存片段的实施例均应当纳入本发明的保护范围。
本领域技术人员应当知晓,上述涉及判别眼镜框位置的操作仅仅是示例性而非限制性的,其他任何能够实现判别眼镜框位置的实施例均应当纳入本发明的保护范围。
图18图示了根据本发明的实施例的不均匀光照条件下的虹膜提取设备的结构框图,其包括滤除装置1802、计算装置1804和虹膜提取装置1806。其中,滤除装置1802用于从包含虹膜的图像中滤除不均匀光照强度分量,计算装置1804用于在滤除装置1802滤除后的图像中计算色差,虹膜提取装置1806用于根据计算装置1804计算的色差进行虹膜提取。
在一个实施例中,滤除装置1802包括:转换单元,用于对所述图像的色彩模式进行转换,使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离。
在一个实施例中,转换单元将所述图像从RGB色彩模式转换到Lab色彩模式,以得到L通道、a通道和b通道中的相应的图像分量,其中L通道中的图像分量包括该不均匀光照强度分量,a通道中的图像分量和b通道中的图像分量包括该色彩分量。在一个实施例中,计算装置1804包括:第一计算单元,用于利用a通道中的图像分量和b通道中的图像分量计算色差。
在一个实施例中,计算单元根据如下公式,利用a通道中的图像分量和b通道中的图像分量计算色差:其中ΔEab表示所述色差,Δ(a)表示a通道内两个数值之差,Δ(b)表示b通道内两个数值之差。
在一个实施例中,所述虹膜提取装置1806包括:第一比较单元,用于将色差与预定的色差阈值进行比较,得到第一比较结果;以及虹膜提取单元,用于根据第一比较结果进行虹膜提取。
在一个实施例中,滤除装置1802还包括:滤除单元,用于从L通道中的图像分量中滤除不均匀光照强度分量。
在一个实施例中,滤除单元包括:第一运算模块,用于将L通道中的图像分量进行对数运算;第二运算模块,用于将对数变换后的图像分量进行快速傅里叶变换;第三运算模块,用于通过高通滤波滤除快速傅里叶变换后的图像分量中的低频部分;第四运算模块,用于将高通滤波后的图像分量进行快速傅里叶变换的逆变换;以及第五运算模块,用于将逆变换后的图像分量进行指数运算。
在一个实施例中,虹膜提取装置1806还包括:第二计算单元,用于计算滤除不均匀光照强度分量后的L通道中的图像分量对应的灰度值;第二比较单元,用于将该灰度值与预定的灰度阈值进行比较,得到第二比较结果;第三计算单元,用于计算第一比较结果和第二比较结果的第一交集;以及虹膜提取单元用于根据第一交集进行虹膜提取。如上面已经详细说明的,在没有戴眼镜的情况下,虹膜提取装置1806的执行可以到此为止。
在一个实施例中,虹膜提取装置1806还包括:第四计算单元,用于计算滤除不均匀光照强度分量后的L通道中的图像分量中任意一点的亮度减去该点周围的预定数目的点的亮度的平均值的差值;第三比较单元,用于将该差值与预定的亮度差值阈值进行比较,得到第三比较结果;第四计算单元,用于计算第一交集和第三比较结果的第二交集;以及虹膜提取单元用于根据第二交集进行虹膜提取。
在一个实施例中,第四计算单元根据如下公式计算差值:
g ( x , y ) = f ( x , y ) - 1 ( 2 n + 3 ) 2 Σ i = - ( n + 1 ) n + 1 Σ j = - ( n + 1 ) n + 1 f ( x + i , y + j ) , n ∈ Z 0 +
其中,(x,y)表示滤除不均匀光照强度分量后的L通道中的图像分量中的任意一点的坐标,f(x,y)表示坐标(x,y)的点的亮度值,表示非负整数集合,n表示非负整数。
在一个实施例中,虹膜提取装置1806还包括:判断单元,用于分别判断第二交集对应的二值图像中的每一前景像素点是否存在毗邻的前景像素点,如果存在,则将该前景像素点与该毗邻的前景像素点划分在同一目标区域内从而得到多个目标区域;第五计算单元,用于分别计算该多个目标区域所拥有的前景像素点的数目;确定单元,用于将数目最多的目标区域确定为虹膜区域;以及虹膜提取单元在该虹膜区域中进行虹膜提取。
在一个实施例中,虹膜提取装置1806还包括:消除单元,用于消除虹膜区域中的孔洞、不毗邻的边界,得到完整的虹膜区域;以及虹膜提取单元在该完整的虹膜区域中进行虹膜提取。
在一个实施例中,消除单元根据如下公式消除虹膜区域中的孔洞、不毗邻的边界:
A ⊕ B = ∪ α ∈ A B α
其中A表示虹膜区域,α表示A中的任意一点,B表示结构元素集合,b表示B中的任意一点,表示二维整数网格。
在一个实施例中,消除单元还根据如下公式消除虹膜区域中的孔洞、不毗邻的边界:
其中A表示虹膜区域,α表示A中的任意一点,B表示结构元素集合,表示二维整数网格。
综上所述,根据本发明的上述实施例,通过滤除不同的不均匀光照强度分量,从而可以避免该不均匀光照条件对虹膜提取的影响;通过L通道中的图像分量去除局部均值计算可以得到眼镜架位置,从而消除眼镜架对虹膜提取的影响。
虽然已经参考若干具体实施例描述了本发明,但是应该理解,本发明并不限于所公开的具体实施例。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。所附权利要求的范围符合最宽泛的解释,从而包含所有这样的修改及等同结构和功能。

Claims (30)

1.一种不均匀光照条件下的虹膜提取方法,包括:
从包含虹膜的图像中滤除不均匀光照强度分量;
在滤除后的所述图像中计算色差;以及
根据所述色差进行虹膜提取。
2.根据权利要求1所述的方法,其中所述从包含虹膜的图像中滤除不均匀光照强度分量包括:
对所述图像的色彩模式进行转换,使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离。
3.根据权利要求2所述的方法,其中将所述图像从RGB色彩模式转换到Lab色彩模式,得到L通道、a通道和b通道中的相应的图像分量,以使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离,其中所述L通道中的图像分量包括所述不均匀光照强度分量,所述a通道中的图像分量和所述b通道中的图像分量包括所述色彩分量。
4.根据权利要求3所述的方法,其中所述在滤除后的所述图像中计算色差包括:
利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差。
5.根据权利要求4所述的方法,其中根据如下公式,利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差:
ΔE ab = [ Δ ( a ) ] 2 + [ Δ ( b ) ] 2
其中ΔEab表示所述色差,Δ(a)表示所述a通道内两个数值之差,Δ(b)表示所述b通道内两个数值之差。
6.根据权利要求4或5所述的方法,其中所述根据所述色差进行虹膜提取包括:
将所述色差与预定的色差阈值进行比较,得到第一比较结果;以及
根据所述第一比较结果进行虹膜提取。
7.根据权利要求3所述的方法,其中所述从包含虹膜的图像中滤除不均匀光照强度分量还包括:
从所述L通道中的图像分量中滤除所述不均匀光照强度分量。
8.根据权利要求7所述的方法,其中从所述L通道中的图像分量中滤除所述不均匀光照强度分量包括:
将所述L通道中的图像分量进行对数运算;
将对数变换后的所述图像分量进行快速傅里叶变换;
通过高通滤波滤除快速傅里叶变换后的所述图像分量中的低频部分;
将高通滤波后的所述图像分量进行快速傅里叶变换的逆变换;以及
将逆变换后的所述图像分量进行指数运算。
9.根据权利要求7所述的方法,其中所述根据所述色差进行虹膜提取还包括:
将所述色差与预定的色差阈值进行比较,得到第一比较结果;
计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量对应的灰度值;
将所述灰度值与预定的灰度阈值进行比较,得到第二比较结果;
计算所述第一比较结果和所述第二比较结果的第一交集;以及
根据所述第一交集进行虹膜提取。
10.根据权利要求9所述的方法,其中所述根据所述色差进行虹膜提取还包括:
计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量中任意一点的亮度减去所述点周围的预定数目的点的亮度的平均值的差值;
将所述差值与预定的亮度差值阈值进行比较,得到第三比较结果;
计算所述第一交集和所述第三比较结果的第二交集;以及
根据所述第二交集进行虹膜提取。
11.根据权利要求10所述的方法,其中根据如下公式计算所述差值:
g ( x , y ) = f ( x , y ) - 1 ( 2 n + 3 ) 2 Σ i = - ( n + 1 ) n + 1 Σ j = - ( n + 1 ) n + 1 f ( x + i , y + j ) , n ∈ Z 0 +
其中,(x,y)表示滤除所述不均匀光照强度分量后的所述L通道中的图像分量中的任意一点的坐标,f(x,y)表示坐标(x,y)的点的亮度值,表示非负整数集合,n表示非负整数。
12.根据权利要求10或11所述的方法,根据所述第二交集进行虹膜提取包括:
分别判断所述第二交集对应的二值图像中的每一前景像素点是否存在毗邻的前景像素点,如果存在,则将所述前景像素点与所述毗邻的前景像素点划分在同一目标区域内从而得到多个目标区域;
分别计算所述多个目标区域所拥有的前景像素点的数目;
将所述数目最多的目标区域确定为虹膜区域;以及
在所述虹膜区域中进行虹膜提取。
13.根据权利要求12所述的方法,在所述虹膜区域中进行虹膜提取包括:
消除所述虹膜区域中的孔洞、不毗邻的边界,得到完整的虹膜区域;以及
在所述完整的虹膜区域中进行虹膜提取。
14.根据权利要求13所述的方法,其中根据如下公式消除所述虹膜区域中的孔洞、不毗邻的边界:
A ⊕ B = ∪ α ∈ A B α
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,b表示B中的任意一点,表示二维整数网格。
15.根据权利要求14所述的方法,其中还根据如下公式消除虹膜区域中的孔洞、不毗邻的边界:
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,表示二维整数网格。
16.一种不均匀光照条件下的虹膜提取设备,包括:
滤除装置,用于从包含虹膜的图像中滤除不均匀光照强度分量;
计算装置,用于在滤除后的所述图像中计算色差;以及
虹膜提取装置,用于根据所述色差进行虹膜提取。
17.根据权利要求16所述的设备,其中所述滤除装置包括:
转换单元,用于对所述图像的色彩模式进行转换,使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离。
18.根据权利要求17所述的设备,其中所述转换单元将所述图像从RGB色彩模式转换到Lab色彩模式,得到L通道、a通道和b通道中的相应的图像分量,以使得转换后的所述图像中的所述不均匀光照强度分量和色彩分量相分离,其中所述L通道中的图像分量包括所述不均匀光照强度分量,所述a通道中的图像分量和所述b通道中的图像分量包括所述色彩分量。
19.根据权利要求18所述的设备,其中所述计算装置包括:
第一计算单元,用于利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差。
20.根据权利要求19所述的设备,其中所述第一计算单元根据如下公式,利用所述a通道中的图像分量和所述b通道中的图像分量计算所述色差:
ΔE ab = [ Δ ( a ) ] 2 + [ Δ ( b ) ] 2
其中ΔEab表示所述色差,Δ(a)表示所述a通道内两个数值之差,Δ(b)表示所述b通道内两个数值之差。
21.根据权利要求19或20所述的设备,其中所述虹膜提取装置包括:
第一比较单元,用于将所述色差与预定的色差阈值进行比较,得到第一比较结果;以及
虹膜提取单元,用于根据所述第一比较结果进行虹膜提取。
22.根据权利要求18所述的设备,其中所述滤除装置还包括:
滤除单元,用于从所述L通道中的图像分量中滤除所述不均匀光照强度分量。
23.根据权利要求22所述的设备,其中所述滤除单元包括:
第一运算模块,用于将所述L通道中的图像分量进行对数运算;
第二运算模块,用于将对数变换后的所述图像分量进行快速傅里叶变换;
第三运算模块,用于通过高通滤波滤除快速傅里叶变换后的所述图像分量中的低频部分;
第四运算模块,用于将高通滤波后的所述图像分量进行快速傅里叶变换的逆变换;以及
第五运算模块,用于将逆变换后的所述图像分量进行指数运算。
24.根据权利要求22所述的设备,其中所述虹膜提取装置包括:
第一比较单元,用于将所述色差与预定的色差阈值进行比较,得到第一比较结果;
第二计算单元,用于计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量对应的灰度值;
第二比较单元,用于将所述灰度值与预定的灰度阈值进行比较,得到第二比较结果;
第三计算单元,用于计算所述第一比较结果和所述第二比较结果的第一交集;以及
所述虹膜提取单元用于根据所述第一交集进行虹膜提取。
25.根据权利要求24所述的设备,其中所述虹膜提取装置还包括:
第四计算单元,用于计算滤除所述不均匀光照强度分量后的所述L通道中的图像分量中任意一点的亮度减去所述点周围的预定数目的点的亮度的平均值的差值;
第三比较单元,用于将所述差值与预定的亮度差值阈值进行比较,得到第三比较结果;
第四计算单元,用于计算所述第一交集和所述第三比较结果的第二交集;以及
所述虹膜提取单元用于根据所述第二交集进行虹膜提取。
26.根据权利要求25所述的设备,其中所述第四计算单元根据如下公式计算所述差值:
g ( x , y ) = f ( x , y ) - 1 ( 2 n + 3 ) 2 Σ i = - ( n + 1 ) n + 1 Σ j = - ( n + 1 ) n + 1 f ( x + i , y + j ) , n ∈ Z 0 +
其中,(x,y)表示滤除所述不均匀光照强度分量后的所述L通道中的图像分量中的任意一点的坐标,f(x,y)表示坐标(x,y)的点的亮度值,表示非负整数集合,n表示非负整数。
27.根据权利要求25或26所述的设备,所述虹膜提取装置还包括:
判断单元,用于分别判断所述第二交集对应的二值图像中的每一前景像素点是否存在毗邻的前景像素点,如果存在,则将所述前景像素点与所述毗邻的前景像素点划分在同一目标区域内从而得到多个目标区域;
第五计算单元,用于分别计算所述多个目标区域所拥有的前景像素点的数目;
确定单元,用于将所述数目最多的目标区域确定为虹膜区域;以及
所述虹膜提取单元在所述虹膜区域中进行虹膜提取。
28.根据权利要求27所述的设备,所述虹膜提取装置还包括:
消除单元,用于消除所述虹膜区域中的孔洞、不毗邻的边界,得到完整的虹膜区域;以及
所述虹膜提取单元在所述完整的虹膜区域中进行虹膜提取。
29.根据权利要求28所述的设备,其中所述消除单元根据如下公式消除所述虹膜区域中的孔洞、不毗邻的边界:
A ⊕ B = ∪ α ∈ A B α
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,b表示B中的任意一点,表示二维整数网格。
30.根据权利要求29所述的设备,其中所述消除单元还根据如下公式消除虹膜区域中的孔洞、不毗邻的边界:
其中A表示所述虹膜区域,α表示A中的任意一点,B表示结构元素集合,表示二维整数网格。
CN201410016888.8A 2014-01-09 2014-01-09 不均匀光照条件下的虹膜提取方法及设备 Pending CN104778729A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201410016888.8A CN104778729A (zh) 2014-01-09 2014-01-09 不均匀光照条件下的虹膜提取方法及设备
PCT/CN2015/070058 WO2015103953A1 (zh) 2014-01-09 2015-01-04 不均匀光照条件下的虹膜提取方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410016888.8A CN104778729A (zh) 2014-01-09 2014-01-09 不均匀光照条件下的虹膜提取方法及设备

Publications (1)

Publication Number Publication Date
CN104778729A true CN104778729A (zh) 2015-07-15

Family

ID=53523539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410016888.8A Pending CN104778729A (zh) 2014-01-09 2014-01-09 不均匀光照条件下的虹膜提取方法及设备

Country Status (2)

Country Link
CN (1) CN104778729A (zh)
WO (1) WO2015103953A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463913A (zh) * 2017-08-11 2017-12-12 苏炯龙 基于Lab的图像胶原纤维识别计算系统及方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094913B (zh) * 2023-10-17 2024-03-01 深圳市城市交通规划设计研究中心股份有限公司 一种非均匀光照下沥青路面检测图像质量提升方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1489105A (zh) * 2002-10-09 2004-04-14 中国科学院自动化研究所 基于小波分析和过零点描述的虹膜识别方法
CN1760887A (zh) * 2004-10-11 2006-04-19 中国科学院自动化研究所 虹膜图像的鲁棒特征抽取与识别方法
CN1993707A (zh) * 2004-07-30 2007-07-04 佳能株式会社 图像处理方法和设备、摄像设备以及程序
CN101930543A (zh) * 2010-08-27 2010-12-29 南京大学 一种自拍视频中眼睛图像的调正方法
US20120098993A1 (en) * 2008-01-17 2012-04-26 Canon Kabushiki Kaisha Image processing apparatus and image processing method and image capturing apparatus
CN102819850A (zh) * 2012-08-16 2012-12-12 李勃 基于局部自适应色差阈值的彩色图像边缘检测的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542243A (zh) * 2010-12-17 2012-07-04 北京理工大学 一种基于lbp图像和分块编码的虹膜特征提取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1489105A (zh) * 2002-10-09 2004-04-14 中国科学院自动化研究所 基于小波分析和过零点描述的虹膜识别方法
CN1993707A (zh) * 2004-07-30 2007-07-04 佳能株式会社 图像处理方法和设备、摄像设备以及程序
CN1760887A (zh) * 2004-10-11 2006-04-19 中国科学院自动化研究所 虹膜图像的鲁棒特征抽取与识别方法
US20120098993A1 (en) * 2008-01-17 2012-04-26 Canon Kabushiki Kaisha Image processing apparatus and image processing method and image capturing apparatus
CN101930543A (zh) * 2010-08-27 2010-12-29 南京大学 一种自拍视频中眼睛图像的调正方法
CN102819850A (zh) * 2012-08-16 2012-12-12 李勃 基于局部自适应色差阈值的彩色图像边缘检测的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107463913A (zh) * 2017-08-11 2017-12-12 苏炯龙 基于Lab的图像胶原纤维识别计算系统及方法

Also Published As

Publication number Publication date
WO2015103953A1 (zh) 2015-07-16

Similar Documents

Publication Publication Date Title
Bharkad Automatic segmentation of optic disk in retinal images
Roychowdhury et al. Optic disc boundary and vessel origin segmentation of fundus images
Senan et al. Analysis of dermoscopy images by using ABCD rule for early detection of skin cancer
US9684959B2 (en) Methods and systems for automatic location of optic structures in an image of an eye, and for automatic retina cup-to-disc ratio computation
Guan et al. Accurate segmentation of partially overlapping cervical cells based on dynamic sparse contour searching and GVF snake model
Agarwal et al. Automatic glaucoma detection using adaptive threshold based technique in fundus image
Abate et al. BIRD: Watershed based iris detection for mobile devices
Xiao et al. Retinal hemorrhage detection by rule-based and machine learning approach
Fatichah et al. Overlapping white blood cell segmentation and counting on microscopic blood cell images
CN109543518A (zh) 一种基于积分投影的人脸器官精确识别方法
Omar et al. An intelligent mobile-based automatic diagnostic system to identify retinal diseases using mathematical morphological operations
Pal et al. Mathematical morphology aided optic disk segmentation from retinal images
Chen et al. Automatic image segmentation and classification based on direction texton technique for hemolytic anemia in thin blood smears
Nugroho et al. Automated segmentation of optic disc area using mathematical morphology and active contour
Devasia et al. Automatic Optic Disc Localization and Segmentation using Swarm Intelligence.
Zhou et al. A novel approach for red lesions detection using superpixel multi-feature classification in color fundus images
CN108230341A (zh) 一种基于分层抠图算法的眼底图像血管分割方法
Jana et al. A semi-supervised approach for automatic detection and segmentation of optic disc from retinal fundus image
CN104778729A (zh) 不均匀光照条件下的虹膜提取方法及设备
Paranjpe et al. Automated diabetic retinopathy severity classification using support vector machine
Alvarez-Betancourt et al. A fast iris location based on aggregating gradient approximation using QMA-OWA operator
Ahmed et al. Retina based biometric authentication using phase congruency
Roy et al. Detection of retinal microaneurysms using fractal analysis and feature extraction technique
Zabihi et al. Vessel extraction of conjunctival images using LBPs and ANFIS
Thakur et al. Pre-processing of retinal images for removal of outliers

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150715

WD01 Invention patent application deemed withdrawn after publication