位置:成果数据库 > 期刊 > 期刊详情页
基于梯度极值的虹膜卷缩轮检测方法
  • ISSN号:1000-3428
  • 期刊名称:《计算机工程》
  • 时间:0
  • 分类:TP391.41[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术] TH786[机械工程—仪器科学与技术;机械工程—精密仪器及机械]
  • 作者机构:[1]沈阳工业大学视觉检测技术研究所,沈阳110870, [2]沈阳化工大学计算机科学与技术学院,沈阳110142
  • 相关基金:国家自然科学基金(61271365)项目资助
中文摘要:

坑洞纹理是虹膜表面上一种重要的特征纹理。对可见光虹膜图像而言,如何能不受睫毛、眼睑、光斑及光照不均匀等干扰因素的影响,并能快速、准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于形态学和支持向量机(SVM)的可见光虹膜坑洞纹理检测方法。首先使用灰度形态学和二值形态学相结合的方法提取出所有目标纹理;然后使用区域生长方法定位所有目标纹理并计算各个目标纹理的特征向量;最后再使用SVM和定义约束条件的方法提取出最终的坑洞纹理。通过实验证明:该方法能较好地克服光斑等干扰的影响,对坑洞状纹理的检出率高于其他同类方法。

英文摘要:

Crypt texture is an important feature texture on iris surface. For visible light iris image,how to extract the crypt texture fast and accurately without being influenced by the interference factor,such as eyelashes,eyelids,light spot and uneven illumination is still a challenging task. In order to solve this problem,a visible light iris crypt texture detection method based on morphology and support vector machine( SVM) is proposed in this paper. Firstly,the method combining gray-scale morphology and two-value morphology is applied to extract all the target textures in the iris image; and then,the region-growing method is used to locate all the target textures and calculate their corresponding feature vectors; at last,SVM and the method defining constraint condition are applied to extract the final crypt textures. Experiment results show that the proposed method can overcome the interference of light spot and etc.,and is superior to other methods in terms of crypt texture detection rate.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机工程》
  • 北大核心期刊(2014版)
  • 主管单位:中国电子科技集团公司
  • 主办单位:华东计算技术研究所 上海市计算机学会
  • 主编:游小明
  • 地址:上海市桂林路418号
  • 邮编:200233
  • 邮箱:ecice06@ecict.com.cn
  • 电话:021-64846769
  • 国际标准刊号:ISSN:1000-3428
  • 国内统一刊号:ISSN:31-1289/TP
  • 邮发代号:4-310
  • 获奖情况:
  • 1999~2000、2001~2002年度信息产业部优秀期刊奖,2003-2004、2005-2006年度信息产业部电子精品科技...,2007-2008、2009-2010年度工业和信息产业部电子精...,012年度中国科技论文在线优秀期刊一等奖,2013年度中国科技论文在线优秀期刊二等奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:84139