CN109325421B - 一种基于边缘检测的睫毛去除方法及系统 - Google Patents

一种基于边缘检测的睫毛去除方法及系统 Download PDF

Info

Publication number
CN109325421B
CN109325421B CN201810986575.3A CN201810986575A CN109325421B CN 109325421 B CN109325421 B CN 109325421B CN 201810986575 A CN201810986575 A CN 201810986575A CN 109325421 B CN109325421 B CN 109325421B
Authority
CN
China
Prior art keywords
image
eyelash
region
edge detection
pixel value
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.)
Active
Application number
CN201810986575.3A
Other languages
English (en)
Other versions
CN109325421A (zh
Inventor
魏长伟
陈迎春
钦培
刘黎
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.)
Wuhan Zhenyuan Biological Data Co ltd
Original Assignee
Wuhan Zhenyuan Biological Data 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 Wuhan Zhenyuan Biological Data Co ltd filed Critical Wuhan Zhenyuan Biological Data Co ltd
Priority to CN201810986575.3A priority Critical patent/CN109325421B/zh
Publication of CN109325421A publication Critical patent/CN109325421A/zh
Application granted granted Critical
Publication of CN109325421B publication Critical patent/CN109325421B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Abstract

本发明公开了基于边缘检测的睫毛去除方法及系统，该方法包括步骤：获取眼部图片，在眼部图片中划分出感兴趣区域；对感兴趣区域进行增强处理，得到增强图像；对增强图像进行平滑处理，得到平滑图像对平滑图像进行边缘检测，得到二值图像；对二值图像进行膨胀处理，得到掩膜图像；对平滑图像中与掩膜图像中像素值为1的区域对应的区域进行边缘检测，并令平滑图像中与掩膜图像中像素值为0的区域对应的区域的像素值为0，得到掩膜边缘检测图像；对掩膜边缘检测图像进行二值化处理，得到睫毛图像；根据睫毛图像，在感兴趣区域中使用选定的像素值替换睫毛像素值。本发明将感兴趣区域中的睫毛直接去除，避免了睫毛的干扰，从而提高了虹膜识别的效果。

Description

一种基于边缘检测的睫毛去除方法及系统
技术领域
本发明涉及生物识别技术领域，具体涉及一种基于边缘检测的睫毛去除方法及系统。
背景技术
在虹膜识别过程中，睫毛的干扰对虹膜识别的性能影响较大，去除睫毛的干扰，有助于提升虹膜识别的性能。传统的睫毛检测方法有很多，如基于方向滤波的睫毛检测方法和基于最大类间方差法的睫毛检测方法等。
基于方向滤波的睫毛检测方法是利用睫毛与虹膜纹理的高对比度，并结合睫毛区别于虹膜纹理的独特长势，引入了带有方向的滤波器。此法利用了睫毛的图像特征，为了区分睫毛和虹膜纹理，将图像沿指定方向进行滤波，可以检测出大部分的睫毛区域。
但是，当虹膜纹理与睫毛的对比度不大甚至虹膜纹理的灰度值高于睫毛灰度值时，方向滤波会将虹膜纹理误判为睫毛。并且，对于重叠睫毛或聚集在一起的多睫毛区域，方向滤波只能检测到睫毛的边缘区域，故检测性能不佳。
最大类间方差法是基于睫毛的低灰度值以及睫毛与虹膜纹理的高对比度，利用灰度和标准差提取特征，采用最大类间方差法，自适应检测睫毛区域。此法结合灰度和局部标准差这两个特征，加以权重，提出组合特征，将最大类间方差法应用于组合特征图像，自动进行基于直方图的图像阈值处理，可以检测出大部分的睫毛区域。
但是，最大类间方差法受光照影响明显，且当睫毛区域相对较小时，通过阈值处理可能增大误差。同样，当虹膜纹理与睫毛的对比度不大甚至虹膜纹理的灰度值高于睫毛灰度值时，最大类间方差法会将虹膜纹理误判为睫毛。另外，若此法对虹膜归一化图像进行处理，可能会丢失部分特征。
因此，传统去除睫毛的方法，受到虹膜纹理、光照、瞳孔等因素的影响，去除效果并不好，从而影响到虹膜识别的效果。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种基于边缘检测的睫毛去除方法及系统，可以有效地检测睫毛并去除睫毛干扰，从而有效地进行虹膜识别。
为达到以上目的，本发明采取的技术方案是：一种基于边缘检测的睫毛去除方法，包括如下步骤：
获取眼部图片，在所述眼部图片中划分出感兴趣区域；
对所述感兴趣区域进行增强处理，得到增强图像；
对所述增强图像进行平滑处理，得到平滑图像；
采用Sobel边缘检测算子对所述平滑图像进行边缘检测，得到二值图像；
对所述二值图像进行膨胀处理，得到掩膜图像；
对所述平滑图像中与所述掩膜图像中像素值为1的区域所对应的区域进行以向量为算子的边缘检测，并令所述平滑图像中与所述掩膜图像中像素值为0的区域所对应的区域的像素值为0，得到掩膜边缘检测图像；
对所述掩膜边缘检测图像进行二值化处理，得到睫毛图像；
根据所述睫毛图像，在所述感兴趣区域中，使用选定的像素值替换掉睫毛像素值。
进一步地，所述选定的像素值为所述感兴趣区域中的虹膜区域的平均像素值，或，
在所述感兴趣区域中，依次以与所述睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域，且该方形区域内存在非睫毛像素点，所述选定的像素值为该方形区域内最大的非睫毛像素值。
进一步地，使用选定的像素值替换掉睫毛像素值包括如下步骤：
在所述感兴趣区域中，依次以与所述睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域；
判断所述方形区域内的所有像素点的类型，若所述方形区域内的所有像素点均为睫毛像素点，则用所述感兴趣区域中的虹膜区域的平均像素值替代所述方形区域内所有的睫毛像素值。
进一步地，使用选定的像素值替换掉睫毛像素值包括如下步骤：
在所述感兴趣区域中，依次以与所述睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域；
判断所述方形区域内的所有像素点的类型，若所述方形区域内还存在非睫毛像素点，则用所述方形区域内最大的非睫毛像素值替代该方形区域内所有的睫毛像素值。
进一步地，以向量为算子的边缘检测包括如下步骤：
在所述平滑图像中，对与所述掩膜图像中像素值为1的区域相对应的区域进行两次边缘检测，分别得到一张边缘检测初始图像，两次边缘检测算子分别为[1,1,2,-3,-3,1,1]和[1,1,0,-3,-3,0,1]’；
将两张所述边缘检测初始图像对应位置的像素点的像素值相加，若相加后的像素值大于255，则令该像素点的像素值为255，得到以向量为算子的边缘检测最终图像。
进一步地，在对所述平滑图像进行边缘检测之后、获得所述二值图像之前，还包括虹膜纹理除噪步骤。
进一步地，所述虹膜纹理除噪包括如下步骤：
从所述平滑图像进行边缘检测后的图像中获取像素值为1的八连通区域；
预设长轴长阈值和短轴长阈值；
若所述八连通区域的长轴长小于所述长轴长阈值，且所述八连通区域的短轴长小于所述短轴长阈值，则将该八连通区域作为噪声去除，否则，保留该八连通区域。
进一步地，在使用选定的像素值替换掉睫毛像素值之后，还包括均值滤波处理步骤。
进一步地，采用多尺度视网膜增强算法进行增强处理。
本发明还提供了一种基于边缘检测的睫毛去除系统，包括：
感兴趣区域获取模块，其用于获取眼部图片，在所述眼部图片中划分出感兴趣区域；
增强图像获取模块，其用于对所述感兴趣区域进行增强处理，得到增强图像；
平滑图像获取模块，其用于对所述增强图像进行平滑处理，得到平滑图像；
二值图像获取模块，其用于采用Sobel边缘检测算子对所述平滑图像进行边缘检测，得到二值图像；
掩膜图像获取模块，其用于对所述二值图像进行膨胀处理，得到掩膜图像；
掩膜边缘检测图像获取模块，其用于对所述平滑图像中与所述掩膜图像中像素值为1的区域所对应的区域进行以向量为算子的边缘检测，并令所述平滑图像中与所述掩膜图像中像素值为0的区域所对应的区域的像素值为0，得到掩膜边缘检测图像；
睫毛图像获取模块，其用于对所述掩膜边缘检测图像进行二值化处理，得到睫毛图像；
插值图像获取模块，其用于根据所述睫毛图像，在所述感兴趣区域中，使用选定的像素值替换掉睫毛像素值。
与现有技术相比，本发明的优点在于：
本发明提供的方法，通过增强处理、平滑处理、Sobel边缘检测算子的边缘检测、膨胀处理以及以向量为算子的边缘检测处理后，从感兴趣区域中获得睫毛图像，对照睫毛图像中睫毛像素点，在感兴趣区域中直接替换掉睫毛像素点的像素值，从而将感兴趣区域中的睫毛直接去除，避免了睫毛的干扰，从而提高了虹膜识别的效果。
附图说明
图1为本发明实施例提供的基于边缘检测的睫毛去除方法流程图；
图2为本发明实施例提供的眼部图片示意图；
图3为本发明实施例提供的感兴趣区域效果图；
图4为图3经过增强处理后的效果图；
图5为图4经过平滑处理后的效果图；
图6为图5经过Sobel边缘检测算子处理后的效果图；
图7为图6经过虹膜纹理除噪后的效果图；
图8为图7经过膨胀处理后的效果图；
图9为图5中经过以向量为算子的边缘检测处理后的效果图；
图10为图9中经过赋值后的效果图；
图11为图10经过二值化处理后的效果图；
图12为图11经过插值处理后的效果图；
图13为图12经过均值滤波处理后的效果图；
图14为采用本发明实施例提供的基于边缘检测的睫毛去除方法处理后的最终效果图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。
参见图1所示，本发明实施例提供了一种基于边缘检测的睫毛去除方法，包括如下步骤：
S1：获取眼部图片，在眼部图片中划分出感兴趣区域(ROI)。感兴趣区域包括了瞳孔区域和虹膜区域；
参见图2所示，本步骤中，划分感兴趣区域具体包括如下步骤：
S10：以眼部图片的左上顶点为原点O，以眼部图片的上边界所在的直线为X轴，向右为正，以眼部图片左边界所在的直线为Y轴，向下为正，建立坐标系；
S11：设虹膜区域的半径为R，瞳孔区域的半径为R'，瞳孔区域的中心点为O'，虹膜区域的上顶点坐标为A(a1,a2)，将中心点O'向下平移R-R'，得到B(b1,b2)，将中心点O'向左和向右均平移1.05R，得到C(c1,c2)和D(d1,d2)；
S12：裁剪由y＝a2，y＝b2，x＝c1，x＝d1四条直线围成的矩形区域MNPQ，得到感兴趣区域(ROI)。
由于瞳孔区域像素值和虹膜区域像素值大致相等甚至更低，为了更好地增强睫毛特征，令瞳孔区域像素值等于虹膜区域的像素平均值，其效果参见图3所示。
S2：对感兴趣区域进行增强处理，得到增强图像，参见图4所示；本实施例中，采用多尺度视网膜增强算法进行增强处理，可以更好地对感兴趣区域中的睫毛进行增强；
S3：对增强图像进行平滑处理，得到平滑图像，参见图5所示。平滑处理的主要目的是将睫毛区域的虹膜纹理噪声进行平滑，避免将虹膜纹理误判为睫毛，在本实施例中，采用快速双边滤波算法进行平滑处理；
S4：采用Sobel边缘检测算子对平滑图像中的睫毛进行边缘检测(参见图6所示)，然后进行虹膜纹理除噪(参见图7所示)，得到二值图像；
其中，虹膜纹理除噪包括如下步骤：
S40：从平滑图像进行边缘检测后的图像中获取像素值为1的八连通区域；
S41：预设长轴长阈值和短轴长阈值；
S42：若八连通区域的长轴长小于长轴长阈值，且八连通区域的短轴长小于短轴长阈值时，则将该八连通区域作为噪声去除，否则，保留该八连通区域。
S5：对二值图像中的睫毛进行膨胀处理，得到掩膜图像，参见图8所示；
具体地，包括如下步骤：
S50：对二值图像中的睫毛进行膨胀处理，得到膨胀区域；
S51：判断膨胀区域是否为覆盖所有睫毛的连通域，若是，则令膨胀区域的像素值为1，其他区域的像素值为0，得到掩膜图像；若否，则再次膨胀处理，直至膨胀区域为覆盖所有睫毛的连通域，然后令膨胀区域的像素值为1，其他区域的像素值为0，得到掩膜图像。
S6：对平滑图像中与掩膜图像中像素值为1的区域所对应的区域进行以向量为算子的边缘检测(参见图9所示)，并令平滑图像中与掩膜图像中像素值为0的区域所对应的区域的像素值为0，得到掩膜边缘检测图像，参见图10所示；
具体地，以向量为算子的边缘检测包括如下步骤：
S60：在平滑图像中，找到与掩膜图像中像素值为1的区域所对应的区域，对该对应的区域进行两次边缘检测，分别得到一张边缘检测初始图像，两次边缘检测算子分别为[1,1,2,-3,-3,1,1]和[1,1,0,-3,-3,0,1]’；
S61：将两张边缘检测初始图像对应位置的像素点的像素值相加，若相加后的像素值大于255，则令该像素点的像素值为255，得到边缘检测最终图像。
S7：对掩膜边缘检测图像进行二值化处理，得到睫毛图像，参见图11所示；本实施例采用最大类间方差法进行二值化处理；
S8：根据睫毛图像，在感兴趣区域中，使用选定的像素值替换掉睫毛像素值，得到插值图像，参见图12所示；
选定的像素值可以为感兴趣区域中虹膜区域的平均像素值，或者，在感兴趣区域中，依次以与睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域，在该方形区域中存在非睫毛像素点，此时，选定的像素值可以取该方形区域中最大的非睫毛像素值。
使用选定的像素值替换掉睫毛像素值具体包括如下步骤：
S80：在感兴趣区域中，依次以与睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域，方形区域的大小根据具体应用而定，比如本实施例中方形区域大小为5像素*5像素；
S81：判断方形区域内的所有像素点的类型，若方形区域内的所有像素点均为睫毛像素点，则用感兴趣区域中的虹膜区域的平均像素值替代方形区域内所有的睫毛像素值，得到插值图像；若方形区域内存在非睫毛像素点，则用方形区域内最大的非睫毛像素值替代该方形区域内所有的睫毛像素值，得到插值图像。
S9：对插值图像进行均值滤波处理，得到最终结果，参见图13和图14所示。
本发明提供的方法，通过增强处理、平滑处理、Sobel边缘检测算子的边缘检测、膨胀处理以及以向量为算子的边缘检测处理后，从感兴趣区域中获得睫毛图像，对照睫毛图像中睫毛像素点，在感兴趣区域中直接替换掉睫毛像素点的像素值，从而将感兴趣区域中的睫毛直接去除，避免了睫毛的干扰，从而提高了虹膜识别的效果。
本发明还提供了一种基于边缘检测的睫毛去除系统，包括：
感兴趣区域获取模块，其用于获取获取眼部图片，在眼部图片中划分出感兴趣区域；
增强图像获取模块，其用于对感兴趣区域进行增强处理，得到增强图像；
平滑图像获取模块，其用于对增强图像进行平滑处理，得到平滑图像；
二值图像获取模块，其用于采用Sobel边缘检测算子对平滑图像进行边缘检测，得到二值图像；
掩膜图像获取模块，其用于对二值图像进行膨胀处理，得到掩膜图像；
掩膜边缘检测图像获取模块，其用于对平滑图像中与掩膜图像中像素值为1的区域所对应的区域进行以向量为算子的边缘检测，并令平滑图像中与掩膜图像中像素值为0的区域所对应的区域的像素值为0，得到掩膜边缘检测图像；
睫毛图像获取模块，其用于对掩膜边缘检测图像进行二值化处理，得到睫毛图像；
插值图像获取模块，其用于根据睫毛图像，在感兴趣区域中，使用选定的像素值替换睫毛像素值，得到插值图像。
本系统还包括均值滤波处理模块，其用于对插值图像进行均值滤波处理，得到最终结果。
本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种基于边缘检测的睫毛去除方法，其特征在于，包括如下步骤：
获取眼部图片，在所述眼部图片中划分出感兴趣区域；
对所述感兴趣区域进行增强处理，得到增强图像；
对所述增强图像进行平滑处理，得到平滑图像；
采用Sobel边缘检测算子对所述平滑图像进行边缘检测，得到二值图像；
对所述二值图像进行膨胀处理，得到掩膜图像；
对所述平滑图像中与所述掩膜图像中像素值为1的区域所对应的区域进行以向量为算子的边缘检测，并令所述平滑图像中与所述掩膜图像中像素值为0的区域所对应的区域的像素值为0，得到掩膜边缘检测图像；
对所述掩膜边缘检测图像进行二值化处理，得到睫毛图像；
根据所述睫毛图像，在所述感兴趣区域中，使用选定的像素值替换掉睫毛像素值；其中，
对二值图像中的睫毛进行膨胀处理，得到掩膜图像，具体包括如下步骤：
-对二值图像中的睫毛进行膨胀处理，得到膨胀区域；
-判断膨胀区域是否为覆盖所有睫毛的连通域，若是，则令膨胀区域的像素值为1，其他区域的像素值为0，得到掩膜图像；若否，则再次膨胀处理，直至膨胀区域为覆盖所有睫毛的连通域，然后令膨胀区域的像素值为1，其他区域的像素值为0，得到掩膜图像；
以向量为算子的边缘检测包括如下步骤：
-在所述平滑图像中，对与所述掩膜图像中像素值为1的区域相对应的区域进行两次边缘检测，分别得到一张边缘检测初始图像；
-将两张所述边缘检测初始图像对应位置的像素点的像素值相加，若相加后的像素值大于255，则令该像素点的像素值为255，得到以向量为算子的边缘检测最终图像。
2.如权利要求1所述的基于边缘检测的睫毛去除方法，其特征在于：所述选定的像素值为所述感兴趣区域中的虹膜区域的平均像素值，或，
在所述感兴趣区域中，依次以与所述睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域，且该方形区域内存在非睫毛像素点，所述选定的像素值为该方形区域内最大的非睫毛像素值。
3.如权利要求1所述的基于边缘检测的睫毛去除方法，其特征在于，使用选定的像素值替换掉睫毛像素值包括如下步骤：
在所述感兴趣区域中，依次以与所述睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域；
判断所述方形区域内的所有像素点的类型，若所述方形区域内的所有像素点均为睫毛像素点，则用所述感兴趣区域中的虹膜区域的平均像素值替代所述方形区域内所有的睫毛像素值。
4.如权利要求1所述的基于边缘检测的睫毛去除方法，其特征在于，使用选定的像素值替换掉睫毛像素值包括如下步骤：
在所述感兴趣区域中，依次以与所述睫毛图像中的睫毛像素点相对应的睫毛像素点为中心，划定方形区域；
判断所述方形区域内的所有像素点的类型，若所述方形区域内还存在非睫毛像素点，则用所述方形区域内最大的非睫毛像素值替代该方形区域内所有的睫毛像素值。
5.如权利要求1所述的基于边缘检测的睫毛去除方法，其特征在于：
两次边缘检测算子分别为[1,1,2,-3,-3,1,1]和[1,1,0,-3,-3,0,1]’。
6.如权利要求1所述的基于边缘检测的睫毛去除方法，其特征在于：在对所述平滑图像进行边缘检测之后、获得所述二值图像之前，还包括虹膜纹理除噪步骤。
7.如权利要求6所述的基于边缘检测的睫毛去除方法，其特征在于，所述虹膜纹理除噪包括如下步骤：
从所述平滑图像进行边缘检测后的图像中获取像素值为1的八连通区域；
预设长轴长阈值和短轴长阈值；
若所述八连通区域的长轴长小于所述长轴长阈值，且所述八连通区域的短轴长小于所述短轴长阈值，则将该八连通区域作为噪声去除，否则，保留该八连通区域。
8.如权利要求1所述的基于边缘检测的睫毛去除方法，其特征在于：在使用选定的像素值替换掉睫毛像素值之后，还包括均值滤波处理步骤。
9.如权利要求1所述的基于边缘检测的睫毛去除方法，其特征在于：采用多尺度视网膜增强算法进行增强处理。
10.一种基于边缘检测的睫毛去除系统，其特征在于，包括：
感兴趣区域获取模块，其用于获取眼部图片，在所述眼部图片中划分出感兴趣区域；
增强图像获取模块，其用于对所述感兴趣区域进行增强处理，得到增强图像；
平滑图像获取模块，其用于对所述增强图像进行平滑处理，得到平滑图像；
二值图像获取模块，其用于采用Sobel边缘检测算子对所述平滑图像进行边缘检测，得到二值图像；
掩膜图像获取模块，其用于：对二值图像中的睫毛进行膨胀处理，得到膨胀区域，判断膨胀区域是否为覆盖所有睫毛的连通域，若是，则令膨胀区域的像素值为1，其他区域的像素值为0，得到掩膜图像；若否，则再次膨胀处理，直至膨胀区域为覆盖所有睫毛的连通域，然后令膨胀区域的像素值为1，其他区域的像素值为0，得到掩膜图像；
掩膜边缘检测图像获取模块，其用于对所述平滑图像中与所述掩膜图像中像素值为1的区域所对应的区域进行以向量为算子的边缘检测，并令所述平滑图像中与所述掩膜图像中像素值为0的区域所对应的区域的像素值为0，得到掩膜边缘检测图像；其中，以向量为算子的边缘检测包括：在所述平滑图像中，对与所述掩膜图像中像素值为1的区域相对应的区域进行两次边缘检测，分别得到一张边缘检测初始图像；将两张所述边缘检测初始图像对应位置的像素点的像素值相加，若相加后的像素值大于255，则令该像素点的像素值为255，得到以向量为算子的边缘检测最终图像；
睫毛图像获取模块，其用于对所述掩膜边缘检测图像进行二值化处理，得到睫毛图像；
插值图像获取模块，其用于根据所述睫毛图像，在所述感兴趣区域中，使用选定的像素值替换掉睫毛像素值。
CN201810986575.3A 2018-08-28 2018-08-28 一种基于边缘检测的睫毛去除方法及系统 Active CN109325421B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810986575.3A CN109325421B (zh) 2018-08-28 2018-08-28 一种基于边缘检测的睫毛去除方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810986575.3A CN109325421B (zh) 2018-08-28 2018-08-28 一种基于边缘检测的睫毛去除方法及系统

Publications (2)

Publication Number Publication Date
CN109325421A CN109325421A (zh) 2019-02-12
CN109325421B true CN109325421B (zh) 2021-01-26

Family

ID=65263500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810986575.3A Active CN109325421B (zh) 2018-08-28 2018-08-28 一种基于边缘检测的睫毛去除方法及系统

Country Status (1)

Country Link
CN (1) CN109325421B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210357B (zh) * 2019-05-24 2021-03-23 浙江大学 一种基于静态照片面部识别的上睑下垂图像测量方法
CN110245626B (zh) * 2019-06-19 2021-06-22 北京万里红科技股份有限公司 一种在虹膜图像中精确检测眼睫毛图像的方法
CN111241951B (zh) * 2020-01-03 2023-10-31 张杰辉 一种虹膜图像的处理方法及装置
CN113496140A (zh) * 2020-03-18 2021-10-12 北京沃东天骏信息技术有限公司 虹膜定位方法以及美瞳虚拟试戴方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100794361B1 (ko) * 2006-11-30 2008-01-15 연세대학교 산학협력단 홍채 인식 성능 향상을 위한 눈꺼풀 검출과 속눈썹 보간방법
CN102214355A (zh) * 2011-05-20 2011-10-12 西安工程大学 一种服装展示素材的抠图方法
CN104700395A (zh) * 2014-11-11 2015-06-10 长安大学 一种构造物外观裂缝检测方法及系统
CN104933729A (zh) * 2014-03-18 2015-09-23 上海联影医疗科技有限公司 一种颅内脑组织的提取方法和装置
CN105678286A (zh) * 2016-02-29 2016-06-15 徐鹤菲 一种瞳孔定位方法及设备
CN108171201A (zh) * 2018-01-17 2018-06-15 山东大学 基于灰度形态学的睫毛快速检测方法
CN108256521A (zh) * 2017-12-29 2018-07-06 济南中维世纪科技有限公司 用于车身颜色识别的有效区域定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0616222D0 (en) * 2006-08-15 2006-09-27 Monro Donald M Method Of Eyelash Removal For Human Iris Recognition
US20160086352A1 (en) * 2014-09-19 2016-03-24 Siemens Aktiengesellschaft Database-guided method for detecting a mineral layer from seismic survey data

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100794361B1 (ko) * 2006-11-30 2008-01-15 연세대학교 산학협력단 홍채 인식 성능 향상을 위한 눈꺼풀 검출과 속눈썹 보간방법
CN102214355A (zh) * 2011-05-20 2011-10-12 西安工程大学 一种服装展示素材的抠图方法
CN104933729A (zh) * 2014-03-18 2015-09-23 上海联影医疗科技有限公司 一种颅内脑组织的提取方法和装置
CN104700395A (zh) * 2014-11-11 2015-06-10 长安大学 一种构造物外观裂缝检测方法及系统
CN105678286A (zh) * 2016-02-29 2016-06-15 徐鹤菲 一种瞳孔定位方法及设备
CN108256521A (zh) * 2017-12-29 2018-07-06 济南中维世纪科技有限公司 用于车身颜色识别的有效区域定位方法
CN108171201A (zh) * 2018-01-17 2018-06-15 山东大学 基于灰度形态学的睫毛快速检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A robust eyelash detection based on iris focus assessment;Byung Jun Kang 等;《Pattern Recognition Letters》;20071031;第28卷(第13期);第1630-1639页 *
edge detection of binary images using the method of masks;Eng. Ayman M Bahaa Eldeen Sadeq 等;《Scientific Bulletin》;20000930;第35卷(第3期);第349-355页 *
一种图像信息处理机的图像预处理方法;袁楚明 等;《机械与电子》;20110331(第3期);第62-65页 *
用于虹膜识别的眼睑、睫毛检测算法和霍夫变换法;刘义 等;《佳木斯大学学报（自然科学版）》;20170930;第35卷(第5期);第846-848页 *
虹膜识别中的噪声检测;何薇;《中国优秀博硕士学位论文全文数据库（硕） 信息科技辑》;20061015;第2006年卷(第10期);第I138-460页 *

Also Published As

Publication number Publication date
CN109325421A (zh) 2019-02-12

Similar Documents

Publication Publication Date Title
CN109325421B (zh) 一种基于边缘检测的睫毛去除方法及系统
CN109544583B (zh) 一种提取皮革图像感兴趣区域的方法、装置及设备
CN107038704B (zh) 视网膜图像渗出区域分割方法、装置和计算设备
CN109325498B (zh) 基于窗口动态阈值改进Canny算子的叶脉提取方法
CN110717922A (zh) 一种图像清晰度评价方法及装置
CN107437251B (zh) 头部mri影像颅骨剥离模块
EP3073415B1 (en) Image processing apparatus and image processing method
CN112150371A (zh) 图像降噪方法、装置、设备及存储介质
Berezsky et al. Automated processing of cytological and histological images
Gopalakrishnan et al. Optic disc segmentation using circular Hough transform and curve fitting
EP3510526B1 (en) Particle boundary identification
CN111291709B (zh) 一种基于图像处理的手指静脉图像质量评价方法
CN110084818B (zh) 动态下采样图像分割方法
CN113450340B (zh) 一种皮肤纹理检测系统
CN111047619B (zh) 人脸图像处理方法及装置、可读存储介质
CN111241951B (zh) 一种虹膜图像的处理方法及装置
WO2008083240A1 (en) Method and apparatus of content adaptive detailing filtering for digital pictures
CN113379649A (zh) 一种图像增强方法、装置、设备及存储介质
CN112884662A (zh) 基于飞行器航拍图像的三维数字地图图像处理方法
Sachdeva et al. Automatic segmentation and area calculation of optic disc in ophthalmic images
CN111144413A (zh) 虹膜定位方法及计算机可读存储介质
CN115272362A (zh) 一种数字病理全场图像有效区域分割方法、装置
CN110647843B (zh) 一种人脸面部图像处理方法
CN111414877B (zh) 去除颜色边框的表格裁切方法、图像处理设备和存储介质
CN116485702A (zh) 图像处理方法、装置以及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant