CN105184269A - 一种虹膜图像的提取方法及提取系统 - Google Patents
一种虹膜图像的提取方法及提取系统 Download PDFInfo
- Publication number
- CN105184269A CN105184269A CN201510587589.4A CN201510587589A CN105184269A CN 105184269 A CN105184269 A CN 105184269A CN 201510587589 A CN201510587589 A CN 201510587589A CN 105184269 A CN105184269 A CN 105184269A
- Authority
- CN
- China
- Prior art keywords
- image
- iris
- eyes
- image information
- rectangular area
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及电子系统技术领域,具体涉及一种虹膜图像的提取方法及提取系统。一种虹膜图像的提取方法,其中,包括:从包含虹膜的图像中估算被测者的面部姿态;从包含虹膜的图像中获取包含眼部图像的矩形区域;根据所述面部姿态和所述矩形区域计算形成眼部最大连通区域位置信息;以及根据所述最大连通区域位置信息进行虹膜提取。鉴于在不标准姿态的条件下,图像中的虹膜图像不是一个标准的圆形或环形,且两眼之间不处于同一水平线上,在本实施例中,通过采集的面部姿态和眼部的矩形区域进行计算,进而获得眼部标准位置的数据,从而可以避免因不标准姿态条件对虹膜提取的影响。
Description
技术领域
本发明涉及电子系统技术领域,具体涉及一种虹膜图像的提取方法及提取系统。
背景技术
虹膜属于眼球中层,位于血管膜的最前部,在睫状体前方,有自动调节瞳孔的大小,调节进入眼内光线多少的作用。现有的典型的虹膜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,虹膜图像提取尤其关键,其执行时间和精度将直接影响整个虹膜应用过程的识别速度和精度。传统的虹膜图像提取方法包括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图像提取。然而,在实际采集过程中,由于被测者处于不同的姿态,因此虹膜图像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。
发明内容
本发明的目的鉴于上述不标准姿态条件影响虹膜提取的问题,本发明的提出一种针对不标准姿态条件下的虹膜图像的提取方法及提取系统。
本发明的技术方案是:
一种虹膜图像的提取方法,其中,包括:
从包含虹膜的图像中估算被测者的面部姿态;
从包含虹膜的图像中获取包含眼部图像的矩形区域;
根据所述面部姿态和所述矩形区域计算形成眼部最大连通区域位置信息;以及
根据所述最大连通区域位置信息进行虹膜提取。
优选地,上述的虹膜图像的提取方法,其中,根据所述面部姿态和所述矩形区域计算形成眼部标准位置数据;包括
根据所述面部姿态对所述矩形区域做纠偏处理形成正向眼部图像;
对所述正向眼部图像做运算处理,分别获取所述正向眼部图像位置数据、和/或尺寸数据;同时根据所述位置数据、和/或所述尺寸数据对矩形区域进行分割,获取每只眼睛的具体图像信息,
对每只眼睛的具体图像信息分别做平滑滤波处理;
对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;
对经过灰度变化的所述每只眼睛的具体图像信息做OSTU二值化处理形成二值化处理结果;
对所述二值化处理结果进行形态处理;
对经过形态处理的所述二值化处理结果进行连通区域的标记处理,获取所述最大连通区域位置信息。
优选地,上述的虹膜图像的提取方法,其中,根据所述面部姿态对所述矩形区域做纠偏处理形成正向眼部图像;还包括,
对所述正向眼部图像做直方图均衡处理;
对经直方图均衡处理所述正向眼部图像做渐进平滑处理。
优选地,上述的虹膜图像的提取方法,其中,从包含虹膜的图像中估算被测者的面部姿态,包括:
获取所述图像的特征点并根据所述特征点形成二维图像信息;
根据所述二维图像信息估算被测者的滚转角、偏航角、俯仰角;
根据所述滚转角、偏航角、俯仰角形成所述面部姿态。
优选地,上述的虹膜图像的提取方法,其中,从包含虹膜的图像中估算被测者的面部姿态,包括:
获取所述图像的特征点并根据所述特征点形成二维图像信息和三维图像信息;
根据所述二维图像信息和所述三维图像信息按照预定的算法计算被测者的滚转角、偏航角、俯仰角;
根据所述滚转角、偏航角、俯仰角形成所述面部姿态。
优选地,上述的虹膜图像的提取方法,其中,对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;于图像变换后的灰度值与图像变换前灰度值呈线性关系的状态下,采用如下公式:
f[i,j]=k·I[i,j]+c
其中,f[i,j]为图像变换后的灰度值;k为线性斜率;I[i,j]为图像变换后的灰度值;c为线性函数在y轴上的截距。
优选地,上述的虹膜图像的提取方法,其中,对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;于图像变换后的灰度值与图像变换前灰度值呈二次非线性关系的状态下,采用如下公式:
f[i,j]=k·I2[i,j]·+m·I[i,j]+c
其中,f[i,j]为图像变换后的灰度值;k为一次线性斜率;I[i,j]为图像变换后的灰度值;c为线性函数在y轴上的截距,m为二次线性斜率。
本发明同时提供一种虹膜图像的提取系统,其中,包括
估算单元,用于从包含虹膜的图像中估算被测者的面部姿态;
定位单元,用于从包含所述虹膜的图像中定位获取包含眼部图像的矩形区域;
计算单元,用于根据所述面部姿态和所述矩形区域计算获取最大连通区域位置信息;,以及
虹膜提取装置,用于根据所述最大连通区域位置信息进行虹膜提取。
优选地,上述的虹膜图像的提取系统,其中,所述计算单元包括:
纠偏装置,用以根据所述面部姿态做所述矩形区域做纠偏处理形成正向眼部图像;
处理单元,对所述正向眼部图像做运算处理,分别获取所述正向眼部图像位置数据、和/或尺寸数据;同时根据所述位置数据、和/或所述尺寸数据对矩形区域进行分割,获取每只眼睛的具体图像信息。
优选地,上述的虹膜图像的提取系统,其中,滤波装置,用以对每只眼睛的所述具体图像信息做平滑滤波处理;
转换装置,用以对经过平滑滤波处理后的每只眼睛的所述具体图像信息做灰度变换;
OSTU计算装置,用以对经过灰度变化的每只眼睛的所述具体图像信息做OSTU二值化处理形成二值化处理结果;
形态处理装置;对所述二值化处理结果进行形态处理;
标记处理装置,用以对经过形态处理的所述二值化处理结果进行连通区域的标记处理,形成所述最大连通区域位置信息。
与现有技术相比,本发明的优点是:
鉴于在不标准姿态的条件下,图像中的虹膜图像不是一个标准的圆形或环形,且两眼之间不处于同一水平线上,在本实施例中,通过采集的面部姿态和眼部的矩形区域进行计算,进而获得眼部标准位置的数据,从而可以避免因不标准姿态条件对虹膜提取的影响。
附图说明
图1为本发明中一种虹膜图像的提取方法流程示意图;
图2为本发明中虹膜图像的提取方法的一种实施方式;
图3为本发明中虹膜图像的提取系统的结构示意图;
图4为本发明中虹膜图像的提取系统的一种实施方式。
具体实施方式
下面对照附图,通过对实施实例的描述,对本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理等作进一步的详细说明。
如图1所示,一种虹膜图像的提取方法,其中,包括:
从包含虹膜的图像中估算被测者的面部姿态;
从包含虹膜的图像中获取包含眼部图像的矩形区域;
根据所述面部姿态和所述矩形区域计算形成眼部最大连通区域位置信息;以及
根据所述最大连通区域位置信息进行虹膜提取。
鉴于在不标准姿态的条件下,图像中的虹膜图像不是一个标准的圆形或环形,且两眼之间不处于同一水平线上,在本实施例中,通过采集的面部姿态和眼部的矩形区域进行计算,进而获得眼部标准位置的数据,从而可以避免因不标准姿态条件对虹膜提取的影响。
如图2所示,作为进一步优选实施方式,上述的虹膜图像的提取方法,其中,根据所述面部姿态和所述矩形区域计算形成眼部标准位置数据;包括
根据所述面部姿态对所述矩形区域做纠偏处理形成正向眼部图像;
对所述正向眼部图像做运算处理,分别获取所述正向眼部图像位置数据、和/或尺寸数据;同时根据所述位置数据、和/或所述尺寸数据对矩形区域进行分割,获取每只眼睛的具体图像信息,
对每只眼睛的具体图像信息分别做平滑滤波处理;用以消除光照偏置效应。
对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;用以突出虹膜的黑色区域,消除眼睑区域。提高虹膜提取的准备度。
对经过灰度变化的所述每只眼睛的具体图像信息做OSTU二值化处理形成二值化处理结果;OSTU二值化处理不需要输入某一固定阈值,仅仅通过计算使得前景和背景两种区域之间的方差而获得最大自适应阈值,具有很好的自适应性。
对所述二值化处理结果进行形态处理;进一步消除眼部区域图像的孤立点和非连续区域。同时可对眼部区域土建分别进行轮廓提取和填充操作。
对经过形态处理的所述二值化处理结果进行连通区域的标记处理,获取所述最大连通区域位置信息。连通区域面积最大的一块即为虹膜的位置。抛弃分散的、孤立的较小的轮廓区域。
作为进一步优选实施方案,上述的虹膜图像的提取方法,其中,根据所述面部姿态对所述矩形区域做纠偏处理形成正向眼部图像;还包括,
对所述正向眼部图像做直方图均衡处理;
对经直方图均衡处理所述正向眼部图像做渐进平滑处理。用以消除直方图均衡处理可能引起的像素颗粒噪音。
通过上述两个步骤,主要用以消除光照偏置效应,进一步提高虹膜提取的准确性。
优选地,上述的虹膜图像的提取方法,其中,从包含虹膜的图像中估算被测者的面部姿态,包括:
获取所述图像的特征点并根据所述特征点形成二维图像信息;
根据所述二维图像信息估算被测者的滚转角、偏航角、俯仰角;
根据所述滚转角、偏航角、俯仰角形成所述面部姿态。
优选地,上述的虹膜图像的提取方法,其中,从包含虹膜的图像中估算被测者的面部姿态,包括:
获取所述图像的特征点并根据所述特征点形成二维图像信息和三维图像信息;
根据所述二维图像信息和所述三维图像信息按照预定的算法计算被测者的滚转角、偏航角、俯仰角;
根据所述滚转角、偏航角、俯仰角形成所述面部姿态。
作为进一步优选实施方案,上述的虹膜图像的提取方法,其中,对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;于图像变换后的灰度值与图像变换前灰度值呈线性关系的状态下,采用如下公式:
f[i,j]=k·I[i,j]+c
其中,f[i,j]为图像变换后的灰度值;K为线性斜率;I[i,j]为图像变换后的灰度值;c为线性函数在y轴上的截距。
作为进一步优选实施方案,上述的虹膜图像的提取方法,其中,对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;于图像变换后的灰度值与图像变换前灰度值呈二次非线性关系的状态下,采用如下公式:
f[i,j]=k·I2[i,j]·+m·I[i,j]+c
其中,f[i,j]为图像变换后的灰度值;K为一次线性斜率;I[i,j]为图像变换后的灰度值;c为线性函数在y轴上的截距,m为二次线性斜率。
列举一具体实施方式:
步骤1、获取包含虹膜的图像,被测者可处于任意拍摄角度。
步骤2、从包含虹膜的图像中估算被测者的面部姿态。
步骤3、从包含虹膜的图像中获取包含眼部图像的矩形区域。
步骤4、根据所述面部姿态对所述矩形区域做纠做处理形成正向眼部图像。
步骤5,对所述正向眼部图像做直方图均衡处理;对经直方图均衡处理所述正向眼部图像做渐进平滑处理。具体包括以下步骤:
A、将眼部区域矩形分为多个带状子图片,其中,邻接子图片间可以重叠,也可以不重叠;
B、分别对每个子图片进行直方图均衡处理;
C、建立与每个子图片像素数目一致的平滑系数矩阵,平滑系数可以为线性渐变,也可以为非线性渐变;
D、利用平滑系数矩阵对直方图均衡处理后每个子图片进行平滑叠加,得到原图大小的分区均衡图。
步骤6、对所述正向眼部图像做运算处理,分别获取所述正向眼部图像位置数据、和/或尺寸数据;同时根据所述位置数据、和/或所述尺寸数据对矩形区域进行分割,获取每只眼睛的具体图像信息。
步骤7、对所述每只眼睛的具体图像信息做平滑滤波处理;
步骤8、对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;
步骤9、对经过灰度变化的所述每只眼睛的具体图像信息做OSTU二值化处理形成二值化处理结果;
步骤10、对所述二值化处理结果进行形态处理;
步骤11、对经过形态处理的所述二值化处理结果进行连通区域的标记处理,形成所述标准位置信息。获取面积最大的连通区域,抛弃分散的、孤立的较小的轮廓区域。
步骤12、根据所述面积最大的连通区域进行虹膜提取。
如图3所示,本发明同时提供一种虹膜图像的提取系统,其中,包括
估算单元,用于从包含虹膜的图像中估算被测者的面部姿态;
定位单元,用于从包含所述虹膜的图像中定位获取包含眼部图像的矩形区域;
计算单元,用于根据所述面部姿态和所述矩形区域计算获取最大连通区域位置信息;以及
虹膜提取装置,用于根据所述最大连通区域位置信息进行虹膜提取。
优选地,上述的虹膜图像的提取系统,其中,所述计算单元包括:
纠偏装置,用以根据所述面部姿态做所述矩形区域做纠偏处理形成正向眼部图像;
纠偏装置,用以根据所述面部姿态做所述矩形区域做纠偏处理形成正向眼部图像;
处理单元,对所述正向眼部图像做运算处理,分别获取所述正向眼部图像位置数据、和/或尺寸数据;同时根据所述位置数据、和/或所述尺寸数据对矩形区域进行分割,获取每只眼睛的具体图像信息。
如图4所示,作为进一步优选实施方案,上述的虹膜图像的提取系统,其中,所述计算单元还包括:
滤波装置,用以对每只眼睛的所述具体图像信息做平滑滤波处理;
转换装置,用以对经过平滑滤波处理后的每只眼睛的所述具体图像信息做灰度变换;
OSTU计算装置,用以对经过灰度变化的每只眼睛的所述具体图像信息做OSTU二值化处理形成二值化处理结果;
形态处理装置;对所述二值化处理结果进行形态处理;
标记处理装置,用以对经过形态处理的所述二值化处理结果进行连通区域的标记处理,形成所述最大连通区域位置信息。
上述的虹膜图像的提取系统与虹膜图像的提取方法的原理相同,此处不做赘述。
基于本申请的技术方案,可提供一种新型的人机交互方式,例如在智能移动终端上安装有上述的虹膜图像的提取系统,智能移动终端对虹膜进行定位,根据虹膜转动实现人机交互,即通过虹膜的转动实现对移动终端的控制操作。
基于本申请的技术方案,还可应用于图像制作系统,在图像制作系统内增加上述的虹膜图像的提取方法,图像制作系统进行瞳孔定位后可进行虚拟美瞳操作。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种虹膜图像的提取方法,其特征在于,包括:
从包含虹膜的图像中估算被测者的面部姿态;
从包含虹膜的所述图像中获取包含眼部图像的矩形区域;
根据所述面部姿态和所述矩形区域计算形成眼部最大连通区域位置信息;以及
根据所述最大连通区域位置信息进行虹膜提取。
2.根据权利要求1所述的虹膜图像的提取方法,其特征在于,根据所述面部姿态和所述矩形区域计算形成眼部标准位置数据;包括
根据所述面部姿态对所述矩形区域做纠偏处理形成正向眼部图像;
对所述正向眼部图像做运算处理,分别获取所述正向眼部图像位置数据、和/或尺寸数据;同时根据所述位置数据、和/或所述尺寸数据对矩形区域进行分割,获取每只眼睛的具体图像信息,
对每只眼睛的具体图像信息分别做平滑滤波处理;
对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;
对经过灰度变化的所述每只眼睛的具体图像信息做OSTU二值化处理形成二值化处理结果;
对所述二值化处理结果进行形态处理;
对经过形态处理的所述二值化处理结果进行连通区域的标记处理,获取所述最大连通区域位置信息。
3.根据权利要求2所述的虹膜图像的提取方法,其特征在于,根据所述面部姿态对所述矩形区域做纠偏处理形成正向眼部图像;还包括,
对所述正向眼部图像做直方图均衡处理;
对经直方图均衡处理所述正向眼部图像做渐进平滑处理。
4.根据权利要求1所述的虹膜图像的提取方法,其特征在于,从包含虹膜的图像中估算被测者的面部姿态,包括:
获取所述图像的特征点并根据所述特征点形成二维图像信息;
根据所述二维图像信息估算被测者的滚转角、偏航角、俯仰角;
根据所述滚转角、偏航角、俯仰角形成所述面部姿态。
5.根据权利要求1所述的虹膜图像的提取方法,其特征在于,从包含虹膜的图像中估算被测者的面部姿态,包括:
获取所述图像的特征点并根据所述特征点形成二维图像信息和三维图像信息;
根据所述二维图像信息和所述三维图像信息按照预定的算法计算被测者的滚转角、偏航角、俯仰角;
根据所述滚转角、偏航角、俯仰角形成所述面部姿态。
6.根据权利要求2所述的虹膜图像的提取方法,其特征在于,对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;于图像变换后的灰度值与图像变换前灰度值呈线性关系的状态下,采用如下公式:
f[i,j]=k·I[i,j]+c
其中,f[i,j]为图像变换后的灰度值;k为线性斜率;I[i,j]为图像变换后的灰度值;c为线性函数在y轴上的截距。
7.根据权利要求2所述的虹膜图像的提取方法,其特征在于,对经过平滑滤波处理后的每只眼睛的具体图像信息做灰度变换;于图像变换后的灰度值与图像变换前灰度值呈二次非线性关系的状态下,采用如下公式:
f[i,j]=k·I2[i,j]·+m·I[i,j]+c
其中,f[i,j]为图像变换后的灰度值;k为一次线性斜率;I[i,j]为图像变换后的灰度值;c为线性函数在y轴上的截距,m为二次线性斜率。
8.一种虹膜图像的提取系统,其特征在于,包括
估算单元,用于从包含虹膜的图像中估算被测者的面部姿态;
定位单元,用于从包含所述虹膜的图像中定位获取包含眼部图像的矩形区域;
计算单元,用于根据所述面部姿态和所述矩形区域计算获取最大连通区域位置信息;以及
虹膜提取装置,用于根据所述最大连通区域位置信息进行虹膜提取。
9.根据权利要求8所述的虹膜图像的提取系统,其特征在于,所述计算单元包括:
纠偏装置,用以根据所述面部姿态做所述矩形区域做纠偏处理形成正向眼部图像;
处理单元,对所述正向眼部图像做运算处理,分别获取所述正向眼部图像位置数据、和/或尺寸数据;同时根据所述位置数据、和/或所述尺寸数据对矩形区域进行分割,获取每只眼睛的具体图像信息。
10.根据权利要求9所述的虹膜图像的提取系统,其特征在于,所述计算单元还包括:
滤波装置,用以对每只眼睛的所述具体图像信息做平滑滤波处理;
转换装置,用以对经过平滑滤波处理后的每只眼睛的所述具体图像信息做灰度变换;
OSTU计算装置,用以对经过灰度变化的每只眼睛的所述具体图像信息做OSTU二值化处理形成二值化处理结果;
形态处理装置;对所述二值化处理结果进行形态处理;
标记处理装置,用以对经过形态处理的所述二值化处理结果进行连通区域的标记处理,形成所述最大连通区域位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510587589.4A CN105184269A (zh) | 2015-09-15 | 2015-09-15 | 一种虹膜图像的提取方法及提取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510587589.4A CN105184269A (zh) | 2015-09-15 | 2015-09-15 | 一种虹膜图像的提取方法及提取系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105184269A true CN105184269A (zh) | 2015-12-23 |
Family
ID=54906336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510587589.4A Pending CN105184269A (zh) | 2015-09-15 | 2015-09-15 | 一种虹膜图像的提取方法及提取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105184269A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530264A (zh) * | 2016-11-07 | 2017-03-22 | 成都通甲优博科技有限责任公司 | 一种虚拟美瞳瞳片的制作方法和显示方法 |
WO2017113039A1 (zh) * | 2015-12-30 | 2017-07-06 | 王晓鹏 | 一种基于主动外观模型的虹膜区域分割方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110075933A1 (en) * | 2009-07-12 | 2011-03-31 | Samsung Electronics Co., Ltd. | Method for determining frontal face pose |
CN103440476A (zh) * | 2013-08-26 | 2013-12-11 | 大连理工大学 | 一种人脸视频中瞳孔的定位方法 |
CN104091155A (zh) * | 2014-07-04 | 2014-10-08 | 武汉工程大学 | 光照鲁棒的虹膜快速定位方法 |
-
2015
- 2015-09-15 CN CN201510587589.4A patent/CN105184269A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110075933A1 (en) * | 2009-07-12 | 2011-03-31 | Samsung Electronics Co., Ltd. | Method for determining frontal face pose |
CN103440476A (zh) * | 2013-08-26 | 2013-12-11 | 大连理工大学 | 一种人脸视频中瞳孔的定位方法 |
CN104091155A (zh) * | 2014-07-04 | 2014-10-08 | 武汉工程大学 | 光照鲁棒的虹膜快速定位方法 |
Non-Patent Citations (1)
Title |
---|
邓智明: "虹膜快速定位及虹膜图像质量评估算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017113039A1 (zh) * | 2015-12-30 | 2017-07-06 | 王晓鹏 | 一种基于主动外观模型的虹膜区域分割方法及装置 |
CN106530264A (zh) * | 2016-11-07 | 2017-03-22 | 成都通甲优博科技有限责任公司 | 一种虚拟美瞳瞳片的制作方法和显示方法 |
CN106530264B (zh) * | 2016-11-07 | 2019-01-08 | 成都通甲优博科技有限责任公司 | 一种虚拟美瞳瞳片的制作方法和显示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886589B (zh) | 面向目标的自动化高精度边缘提取方法 | |
CN106709450A (zh) | 一种指纹图像识别方法及系统 | |
CN108986094B (zh) | 用于人脸识别用训练图像库的数据自动更新方法 | |
CN103218605B (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN105095829A (zh) | 一种人脸识别方法及系统 | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN101359365A (zh) | 一种基于最大类间方差和灰度信息的虹膜定位方法 | |
CN107844742A (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
CN106127193B (zh) | 一种人脸图像识别方法 | |
CN107516083B (zh) | 一种面向识别的远距离人脸图像增强方法 | |
CN103942539A (zh) | 一种人头部椭圆精确高效提取及遮蔽人脸检测方法 | |
CN108073932A (zh) | 一种基于Gabor滤波的工件图像特征提取与识别方法 | |
CN108921010B (zh) | 一种瞳孔检测方法及检测装置 | |
CN105631285A (zh) | 一种生物特征身份识别方法及装置 | |
CN105184269A (zh) | 一种虹膜图像的提取方法及提取系统 | |
Qian et al. | Medical image segmentation based on FCM and Level Set algorithm | |
Qin et al. | A novel pupil detection algorithm for infrared eye image | |
CN109409223A (zh) | 一种虹膜定位方法 | |
CN106803307A (zh) | 一种基于模板匹配的纸币面值面向识别方法 | |
CN106339709A (zh) | 一种图像实时提取方法 | |
CN110119720B (zh) | 一种实时眨眼检测与人眼瞳孔中心定位方法 | |
Deshmukh et al. | Analysis of distance measurement system of leading vehicle | |
CN104732202A (zh) | 一种人眼检测中消除眼镜框影响的方法 | |
Zhang et al. | Facial feature extraction using improved deformable templates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151223 |