CN111695474A - 一种对人眼虹膜图像γ曲线自适应调整的方法 - Google Patents

一种对人眼虹膜图像γ曲线自适应调整的方法 Download PDF

Info

Publication number
CN111695474A
CN111695474A CN202010493008.1A CN202010493008A CN111695474A CN 111695474 A CN111695474 A CN 111695474A CN 202010493008 A CN202010493008 A CN 202010493008A CN 111695474 A CN111695474 A CN 111695474A
Authority
CN
China
Prior art keywords
value
iris
values
pixel
gamma curve
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.)
Granted
Application number
CN202010493008.1A
Other languages
English (en)
Other versions
CN111695474B (zh
Inventor
孙敬
牛同斌
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.)
FOCTEK PHOTONICS Inc
Original Assignee
FOCTEK PHOTONICS Inc
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 FOCTEK PHOTONICS Inc filed Critical FOCTEK PHOTONICS Inc
Priority to CN202010493008.1A priority Critical patent/CN111695474B/zh
Publication of CN111695474A publication Critical patent/CN111695474A/zh
Application granted granted Critical
Publication of CN111695474B publication Critical patent/CN111695474B/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
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)

Abstract

一种对人眼虹膜图像γ曲线自适应调整的方法，包括步骤：对原始图像中所有像素值的像素点个数进行统计，形成像素值的直方图，并对直方图曲线平滑处理；利用得到的平滑直方图的曲线特点提取眼球区域的典型特征值：提取瞳孔和虹膜所占像素值的中值，继而估算出巩膜区域的像素值范围；根据图像标准的要求，将瞳孔、虹膜以及巩膜和眼皮区域的特征值拉伸到指定数值，拟合出所需γ曲线。同时，满足虹膜区域对图像对比度的要求。通过生成的曲线，确定所有0‑255个像素值所对应的目标值。本发明能够对采集到的虹膜图像进行在线的γ曲线自动调整，避免了固定γ曲线给不同人眼虹膜图像带来的偏差。

Description

一种对人眼虹膜图像γ曲线自适应调整的方法
技术领域
本发明涉及数字图像处理、智能视频监控的技术领域，尤其涉及一种对人眼虹膜图像γ曲线自适应调整的方法。
背景技术
虹膜是人的眼球中瞳孔外侧的环状纹理区域。其作为身份识别的生物特征之一被广泛应用于安防系统。
在实际的应用中，进行虹膜识别之前，需要用摄像机采集虹膜在近红外光下的图像。对虹膜图像，我国有较为严格的行业标准，需符合《安防虹膜识别应用图像技术要求》。
针对不同规格的摄像机采集图像的参数不同，需要对图像进行调整，包括曝光时间，白平衡，聚焦以及γ曲线等。其中，γ曲线可以对虹膜图像的灰度区间、对比度等在有效范围内调整，使其满足行业标准。
然而，对于同一台摄像机设备，不同的人采集的虹膜图像并不一致，即难以调整一套γ参数满足所有被测者虹膜的图像要求。所以，我们试图找到能够自适应γ曲线的方法，以便不同的被测者能够在线调整适合其本身的γ曲线。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题，本发明提出一种对人眼虹膜图像γ曲线自适应调整的方法。
(二)技术方案
为解决上述问题，本发明提出了一种对人眼虹膜图像γ曲线自适应调整的方法，包括以下步骤：
S1：对原始图像中所有像素值的像素点个数进行统计，形成像素值的直方图，并对直方图曲线平滑处理；
S2：利用得到的平滑直方图的曲线特点提取眼球区域的典型特征值：提取瞳孔和虹膜所占像素值的中值，继而估算出巩膜区域的像素值范围；
S3：根据图像标准的要求，将瞳孔特征值、虹膜中值特征值、巩膜中值特征值和眼皮特征值拉伸到指定数值，拟合出所需γ曲线，同时满足虹膜区域对图像对比度的要求；
S4：通过生成的曲线，确定所有0-255个像素值所对应的目标值。
优选的，在S1中：对原始图像像素值进行直方图统计的公式为：
Figure BDA0002521804430000021
其中，δ(*)为冲击函数，x为0-255之间的像素值，y为图像中第i个像素点的像素值，n为图像像素点个数；
对直方图曲线平滑处理过程为：
生成直方图后，将直方图前后相邻的m个像素值得直方图取平均，得到平滑后得直方图；其中，m值为5-8。
优选的，在S2中，取平滑直方图中像素值0-50范围内的峰值为瞳孔特征值，取平滑直方图中像素值60-120范围内的第一个峰值为虹膜中值特征值；
将虹膜中值特征值加45，确定为巩膜中值特征值；眼皮特征值取固定值180；虹膜中值特征值分别减15与加15，以分别得到虹膜暗值和亮值边界。
优选的，在S3中，拟合两组3阶曲线组成γ曲线，γ曲线具连续性。
优选的，拟合两组3阶曲线组成γ曲线，包括以下步骤：
S51:将瞳孔特征值和虹膜中值特征值分别记为p和i，并从直方图中得到数值；虹膜起始值和虹膜终点值的取值，分别记为i-15和i+15；
零点像素值记为0；虹膜起始值又称为虹膜暗值；虹膜终点值有称为亮值边界；
根据以上，得到一组特征值：零点0、瞳孔特征值p、虹膜起始值(i-15)和虹膜终点值(i+15)；
S52：巩膜起始值和巩膜中值特征值，分别记为i+15，i+45；
取像素值180处作为一个特征值，将此值的γ曲线调整期望值也定义为180；像素值255的值，记为255；
根据以上巩膜和眼皮的特征值，得到另一组特征值：
巩膜起始值(i+15)、巩膜中值特征值(i+45)、255；
S53：根据图像标准要求，将期望零值调整为0，瞳孔峰值调整为20，虹膜峰值调整为90，虹膜对比度拉高；
虹膜起始值的期望值定义为90-25，虹膜终点值的期望值定义为90+25；
曲线方程为：
零值点(0，0)为：a×03+b×03+c×0+d＝0；
瞳孔峰值：(p，20)为：a×p3+b×p3+c×p+d＝20；
虹膜起始值(i-15，90-25)为：
a×(i-15)3+b×(i-15)3+c×(i-15)+d＝75；
虹膜终点值(i+15，90+25)为：
a×(i+15)3+b×(i+15)3+c×(i+15)+d＝115；
通过求解上述四元一次方程组，求得a、b、c、d四个值，进而得到γ曲线的第一部分；
在Γ曲线的第二部分中，期望巩膜中值的像素值为150，期望眼皮的像素值为180：
虹膜终点值(i+15，90+25)为
a×(i+15)3+b×(i+15)3+c×(i+15)+d＝115；
巩膜中值(i+45，150)为：
a×(i+45)3+b×(i+45)3+c×(i+45)+d＝150；
眼皮(180，180)为：a×1803+b×1803+c×180+d＝180；
255值(255，255)为：a×2553+b×2553+c×255+d＝255；
通过求解上述四元一次方程组，求得a、b、c、d四个值，进而得到γ曲线的第二部分；
其中，虹膜终点值被同时应用于两段曲线，曲线具连续性。
S54：基于上述得到的两段3阶多项式拟合地γ曲线，对所有0-255的值，求得γ曲线调整后地像素值。
优选的，在S4中，生成γ曲线变换表。
本发明的上述技术方案具有如下有益的技术效果：。
附图说明
图1为本发明提出的对人眼虹膜图像γ曲线自适应调整的方法的流程图示意图。
图2为本发明提出的对人眼虹膜图像γ曲线自适应调整的方法中，a和b为未经γ调整的两张原始图片对比图。
图3为本发明提出的对人眼虹膜图像γ曲线自适应调整的方法中，c和d为固定的γ曲线调整后的效果图对比。
图4为本发明提出的对人眼虹膜图像γ曲线自适应调整的方法中，e和f为自适应动态γ曲线的效果图对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1-4所示，本发明提出的一种对人眼虹膜图像γ曲线自适应调整的方法，包括以下步骤：
S1：对原始图像中所有像素值的像素点个数进行统计，形成像素值的直方图，并对直方图曲线平滑处理；
S2：利用得到的平滑直方图的曲线特点提取眼球区域的典型特征值：提取瞳孔和虹膜所占像素值的中值，继而估算出巩膜区域的像素值范围；
S3：根据图像标准的要求，将瞳孔特征值、虹膜中值特征值、巩膜中值特征值和眼皮特征值拉伸到指定数值，拟合出所需γ曲线，同时满足虹膜区域对图像对比度的要求；
S4：通过生成的曲线，确定所有0-255个像素值所对应的目标值。
本发明中，能够在虹膜采集过程中，针对不同被测者虹膜的特征，自动调节γ曲线数据。
本发明利用得到的当前被测目标的当前图像直方图提取特征值形成γ曲线，使得到的γ曲线更能够适应当前图像的调整。相较于给设备手动输入的固定γ曲线，本发明生成的图像更能够满足虹膜采集图像的要求。同时，能够避免手动调整过程中的人为干预带来的偏差。
在一个可选的实施例中，在S1中：对原始图像像素值进行直方图统计的公式为：
Figure BDA0002521804430000051
其中，δ(*)为冲击函数，x为0-255之间的像素值，y为图像中第i个像素点的像素值，n为图像像素点个数；
对直方图曲线平滑处理过程为：生成直方图后，将直方图前后相邻的m个像素值得直方图取平均，得到平滑后得直方图；其中，m值为5-8。
在一个可选的实施例中，在S2中，取平滑直方图中像素值0-50范围内的峰值为瞳孔特征值，取平滑直方图中像素值60-120范围内的第一个峰值为虹膜中值特征值；将虹膜中值特征值加45，确定为巩膜中值特征值；眼皮特征值取固定值180；虹膜中值特征值分别减15与加15，以分别得到虹膜暗值和亮值边界。
需要说明的是，瞳孔和虹膜的峰值相对固定和明确，瞳孔峰值分布范围在0-50，虹膜峰值分布范围在60-120。通过观察大量统计数据，巩膜的像素值跨度范围较大，跨度约为60-80个像素值，其分布的起始点大约在虹膜峰值之后的15个像素值(虹膜终点值)处。
另外，为了防止眼皮过曝，通常取像素值180处作为一个特征值，将此值的γ曲线调整期望值也定义为180。
在一个可选的实施例中，拟合两组3阶曲线组成γ曲线，包括以下步骤：
S51:将瞳孔特征值和虹膜中值特征值分别记为p和i，并从直方图中得到数值；虹膜起始值和虹膜终点值的取值，分别记为i-15和i+15；
零点像素值记为0；虹膜起始值又称为虹膜暗值；虹膜终点值有称为亮值边界；
根据以上，得到一组特征值：零点0、瞳孔特征值p、虹膜起始值(i-15)和虹膜终点值(i+15)；
S52：巩膜起始值和巩膜中值特征值，分别记为i+15，i+45；
取像素值180处作为一个特征值，将此值的γ曲线调整期望值也定义为180；像素值255的值，记为255；
根据以上巩膜和眼皮的特征值，得到另一组特征值：
巩膜起始值(i+15)、巩膜中值特征值(i+45)、255；
综上，可以得到两组特征值，拟合两组3阶曲线组成γ曲线。
S53：根据图像标准要求，将期望零值调整为0，瞳孔峰值调整为20，虹膜峰值调整为90，虹膜对比度拉高；
虹膜起始值的期望值定义为90-25，虹膜终点值的期望值定义为90+25；
曲线方程为：
零值点(0，0)为：a×03+b×03+c×0+d＝0；
瞳孔峰值：(p，20)为：a×p3+b×p3+c×p+d＝20；
虹膜起始值(i-15，90-25)为：
a×(i-15)3+b×(i-15)3+c×(i-15)+d＝75；
虹膜终点值(i+15，90+25)为：
a×(i+15)3+b×(i+15)3+c×(i+15)+d＝115；
通过求解上述四元一次方程组，求得a、b、c、d四个值，进而得到γ曲线的第一部分；
在Γ曲线的第二部分中，期望巩膜中值的像素值为150，期望眼皮的像素值为180：
虹膜终点值(i+15，90+25)为
a×(i+15)3+b×(i+15)3+c×(i+15)+d＝115；
巩膜中值(i+45，150)为：
a×(i+45)3+b×(i+45)3+c×(i+45)+d＝150；
眼皮(180，180)为：a×1803+b×1803+c×180+d＝180；
255值(255，255)为：a×2553+b×2553+c×255+d＝255；
通过求解上述四元一次方程组，求得a、b、c、d四个值，进而得到γ曲线的第二部分；
其中，虹膜终点值被同时应用于两段曲线，曲线具连续性。
S54：基于上述得到的两段3阶多项式拟合地γ曲线，对所有0-255的值，求得γ曲线调整后地像素值。
在一个可选的实施例中，在S4中，生成γ曲线变换表。
由图2-3可知：a和b为未经γ调整的两张原始图片，对比两张图片，a整体较亮，b整体较暗。
c和d为固定的γ曲线调整后的效果图，此γ曲线适合c，所以c呈现效果较好，灰度和虹膜纹理都符合要求；而同一个γ曲线并不适合d，所以d呈现出来的效果不理想，图像整体偏暗，虹膜纹理不清晰。
e和f为自适应的动态γ曲线的效果图，作用于e和f的γ曲线并不相同，而最终的呈现的效果一致，灰度和虹膜纹理均符合要求。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (6)

1.一种对人眼虹膜图像γ曲线自适应调整的方法，其特征在于，包括以下步骤：
S1：对原始图像中所有像素值的像素点个数进行统计，形成像素值的直方图，并对直方图曲线平滑处理；
S2：利用得到的平滑直方图的曲线特点提取眼球区域的典型特征值：提取瞳孔和虹膜所占像素值的中值，继而估算出巩膜区域的像素值范围；
S3：根据图像标准的要求，将瞳孔特征值、虹膜中值特征值、巩膜中值特征值和眼皮特征值拉伸到指定数值，拟合出所需γ曲线，同时满足虹膜区域对图像对比度的要求；
S4：通过生成的曲线，确定所有0-255个像素值所对应的目标值。
2.根据权利要求1所述的对人眼虹膜图像γ曲线自适应调整的方法，其特征在于，在S1中：对原始图像像素值进行直方图统计的公式为：
Figure FDA0002521804420000011
其中，δ(*)为冲击函数，x为0-255之间的像素值，y为图像中第i个像素点的像素值，n为图像像素点个数；
对直方图曲线平滑处理过程为：
生成直方图后，将直方图前后相邻的m个像素值得直方图取平均，得到平滑后得直方图；其中，m值为5-8。
3.根据权利要求1所述的对人眼虹膜图像γ曲线自适应调整的方法，其特征在于，在S2中，取平滑直方图中像素值0-50范围内的峰值为瞳孔特征值，取平滑直方图中像素值60-120范围内的第一个峰值为虹膜中值特征值；
将虹膜中值特征值加45，确定为巩膜中值特征值；眼皮特征值取固定值180；虹膜中值特征值分别减15与加15，以分别得到虹膜暗值和亮值边界。
4.根据权利要求1所述的对人眼虹膜图像γ曲线自适应调整的方法，其特征在于，在S3中，拟合两组3阶曲线组成γ曲线，γ曲线具连续性。
5.根据权利要求1-4任一项所述的对人眼虹膜图像γ曲线自适应调整的方法，其特征在于，拟合两组3阶曲线组成γ曲线，包括以下步骤：
S51:将瞳孔特征值和虹膜中值特征值分别记为p和i，并从直方图中得到数值；虹膜起始值和虹膜终点值的取值，分别记为i-15和i+15；
零点像素值记为0；虹膜起始值又称为虹膜暗值；虹膜终点值有称为亮值边界；
根据以上，得到一组特征值：零点0、瞳孔特征值p、虹膜起始值(i-15)和虹膜终点值(i+15)；
S52：巩膜起始值和巩膜中值特征值，分别记为i+15，i+45；
取像素值180处作为一个特征值，将此值的γ曲线调整期望值也定义为180；像素值255的值，记为255；
根据以上巩膜和眼皮的特征值，得到另一组特征值：
巩膜起始值(i+15)、巩膜中值特征值(i+45)、255；
S53：根据图像标准要求，将期望零值调整为0，瞳孔峰值调整为20，虹膜峰值调整为90，虹膜对比度拉高；
虹膜起始值的期望值定义为90-25，虹膜终点值的期望值定义为90+25；
曲线方程为：
零值点(0，0)为：a×03+b×03+c×0+d＝0；
瞳孔峰值：(p，20)为：a×p3+b×p3+c×p+d＝20；
虹膜起始值(i-15，90-25)为：
a×(i-15)3+b×(i-15)3+c×(i-15)+d＝75；
虹膜终点值(i+15，90+25)为：
a×(i+15)3+b×(i+15)3+c×(i+15)+d＝115；
通过求解上述四元一次方程组，求得a、b、c、d四个值，进而得到γ曲线的第一部分；
在Γ曲线的第二部分中，期望巩膜中值的像素值为150，期望眼皮的像素值为180：
虹膜终点值(i+15，90+25)为
a×(i+15)3+b×(i+15)3+c×(i+15)+d＝115；
巩膜中值(i+45，150)为：
a×(i+45)3+b×(i+45)3+c×(i+45)+d＝150；
眼皮(180，180)为：a×1803+b×1803+c×180+d＝180；
255值(255，255)为：a×2553+b×2553+c×255+d＝255；
通过求解上述四元一次方程组，求得a、b、c、d四个值，进而得到γ曲线的第二部分；
其中，虹膜终点值被同时应用于两段曲线，曲线具连续性。
S54：基于上述得到的两段3阶多项式拟合地γ曲线，对所有0-255的值，求得γ曲线调整后地像素值。
6.根据权利要求1所述的对人眼虹膜图像γ曲线自适应调整的方法，其特征在于，在S4中，生成γ曲线变换表。
CN202010493008.1A 2020-06-03 2020-06-03 一种对人眼虹膜图像γ曲线自适应调整的方法 Active CN111695474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010493008.1A CN111695474B (zh) 2020-06-03 2020-06-03 一种对人眼虹膜图像γ曲线自适应调整的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010493008.1A CN111695474B (zh) 2020-06-03 2020-06-03 一种对人眼虹膜图像γ曲线自适应调整的方法

Publications (2)

Publication Number Publication Date
CN111695474A true CN111695474A (zh) 2020-09-22
CN111695474B CN111695474B (zh) 2021-12-10

Family

ID=72478866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010493008.1A Active CN111695474B (zh) 2020-06-03 2020-06-03 一种对人眼虹膜图像γ曲线自适应调整的方法

Country Status (1)

Country Link
CN (1) CN111695474B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149311A (zh) * 2020-10-12 2020-12-29 北京中恒利华石油技术研究所 一种基于数量规约的非线性多元统计回归测井曲线预测方法
CN113744170A (zh) * 2021-09-16 2021-12-03 北京航空航天大学 一种人眼图像增强方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20120242681A1 (en) * 2011-03-21 2012-09-27 Apple Inc. Red-Eye Removal Using Multiple Recognition Channels
CN103136421A (zh) * 2013-01-31 2013-06-05 沈洪泉 用于虹膜成像装置的系统级光电优化设计方法
CN103971348A (zh) * 2014-04-08 2014-08-06 杭州电子科技大学 基于Schwalbe线的眼前房角参数自动测量方法
CN104484864A (zh) * 2014-12-31 2015-04-01 苏州科达科技股份有限公司 获取图像伽马曲线、增强图像对比度的方法及系统
CN105260698A (zh) * 2015-09-08 2016-01-20 北京天诚盛业科技有限公司 对虹膜图像进行定位的方法和装置
CN107292242A (zh) * 2017-05-31 2017-10-24 华为技术有限公司 一种虹膜识别方法和终端
CN107958173A (zh) * 2016-10-18 2018-04-24 北京眼神科技有限公司 虹膜定位方法和装置
CN109190548A (zh) * 2018-08-28 2019-01-11 武汉真元生物数据有限公司 基于gabor滤波的快速眼睑检测方法及系统
CN109447915A (zh) * 2018-10-29 2019-03-08 北京康拓红外技术股份有限公司 基于特征模型建立与伽马灰度校正的线扫描图像质量提升方法
CN110674737A (zh) * 2019-09-23 2020-01-10 北京无线电计量测试研究所 一种虹膜识别的增强方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20120242681A1 (en) * 2011-03-21 2012-09-27 Apple Inc. Red-Eye Removal Using Multiple Recognition Channels
CN103136421A (zh) * 2013-01-31 2013-06-05 沈洪泉 用于虹膜成像装置的系统级光电优化设计方法
CN103971348A (zh) * 2014-04-08 2014-08-06 杭州电子科技大学 基于Schwalbe线的眼前房角参数自动测量方法
CN104484864A (zh) * 2014-12-31 2015-04-01 苏州科达科技股份有限公司 获取图像伽马曲线、增强图像对比度的方法及系统
CN105260698A (zh) * 2015-09-08 2016-01-20 北京天诚盛业科技有限公司 对虹膜图像进行定位的方法和装置
CN107958173A (zh) * 2016-10-18 2018-04-24 北京眼神科技有限公司 虹膜定位方法和装置
CN107292242A (zh) * 2017-05-31 2017-10-24 华为技术有限公司 一种虹膜识别方法和终端
CN109190548A (zh) * 2018-08-28 2019-01-11 武汉真元生物数据有限公司 基于gabor滤波的快速眼睑检测方法及系统
CN109447915A (zh) * 2018-10-29 2019-03-08 北京康拓红外技术股份有限公司 基于特征模型建立与伽马灰度校正的线扫描图像质量提升方法
CN110674737A (zh) * 2019-09-23 2020-01-10 北京无线电计量测试研究所 一种虹膜识别的增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龚鼎盛: "《基于虹膜识别算法的身份认证系统实现》", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149311A (zh) * 2020-10-12 2020-12-29 北京中恒利华石油技术研究所 一种基于数量规约的非线性多元统计回归测井曲线预测方法
CN112149311B (zh) * 2020-10-12 2021-10-26 北京中恒利华石油技术研究所 一种基于数量规约的非线性多元统计回归测井曲线预测方法
CN113744170A (zh) * 2021-09-16 2021-12-03 北京航空航天大学 一种人眼图像增强方法
CN113744170B (zh) * 2021-09-16 2023-07-25 北京航空航天大学 一种人眼图像增强方法

Also Published As

Publication number Publication date
CN111695474B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN104978710B (zh) 一种基于拍照识别调节人脸亮度的方法和装置
CN108197546B (zh) 人脸识别中光照处理方法、装置、计算机设备及存储介质
CN111695474B (zh) 一种对人眼虹膜图像γ曲线自适应调整的方法
CN105430267A (zh) 一种基于人脸图像光照参数的摄像机参数自适应调整方法
CN105096267B (zh) 一种基于拍照识别调节眼部亮度的方法和装置
US8917938B2 (en) Method for estimating blur degree of image and method for evaluating image quality
CN103699877A (zh) 提高人脸识别效果的方法和系统
CN110381303A (zh) 基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统
CN108710832B (zh) 一种无参考虹膜图像清晰度检测方法
CN110852956A (zh) 一种高动态范围图像的增强方法
CN113099135B (zh) 一种红外图像聚焦、终端设备以及计算机可读存储介质
CN113411507B (zh) 测肤图像的获取方法、装置、设备及存储介质
CN107659777B (zh) 一种自动曝光的方法及装置
CN110298796B (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN105405110A (zh) 非均匀光照补偿方法
CN108668090B (zh) 光学设备及其自动曝光方法
JP2019029833A (ja) 撮像装置
CN110674737B (zh) 一种虹膜识别的增强方法
CN111666869B (zh) 一种基于宽动态处理的人脸识别方法、装置及电子设备
US20110157411A1 (en) Image processing method, image processing apparatus, and imaging apparatus
CN110136085B (zh) 一种图像的降噪方法及装置
CN109618109B (zh) 一种摄像机成像的曝光调节方法及调节系统
CN107451971A (zh) 基于暗通道和高斯组合先验的低照度盲卷积图像复原法
Huber et al. Adaptive aperture control for image acquisition
CN112037140B (zh) 一种对人眼虹膜图像曝光和对比度自适应调整的方法

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