位置:成果数据库 > 期刊 > 期刊详情页
一种改进蚁群算法的睫毛提取
  • ISSN号:1003-501X
  • 期刊名称:《光电工程》
  • 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]
  • 作者机构:[1]沈阳工业大学信息科学与工程学院,沈阳110870
  • 相关基金:国家自然科学基金(61271365)资助项目
中文摘要:

目前的虹膜纹理特征提取方法无法获得特定类型纹理的大小、位置和形态信息,而这些信息同样是纹理特征的重要组成部分。将虹膜纹理分为块状、线状和环状3类,以其中的块状纹理为检测对象,提出一种利用组合窗口搜索实现虹膜块状纹理检测的方法。该方法针对块状纹理的灰度分布特征定义一组尺寸可变的组合窗口,利用这些窗口搜索预处理后的虹膜图像,找到满足块状纹理匹配条件的区域,再利用聚类方法对这些区域进行二值化,实现虹膜中块状纹理的检测。该算法对图库中人工标定的918处坑洞和127处色素斑的检测正确率分别为92.16%和76.38%,实验结果表明,该方法能够从背景复杂、多种形式纹理共存的可见光虹膜图像中检测出块状纹理,这些纹理信息将有助于提高虹膜识别的鲁棒性。

英文摘要:

At present,the iris texture feature extracting methods can not acquire the size,location and morphology characteristics of spe-cific type of textures;however,this information is also a significant part of iris texture features.In this paper,the iris textures are classi-fied into three kinds:plaque-like,linear and circular textures.An iris texture detection method based on combined window searching is presented,which aims at the plaque-like iris textures.A series of variable size combined windows are defined based on the gray distribu-tion of the plaque-like textures.These windows are adopted to search the preprocessed iris images and find the regions in which the plaque-like textures exist.And then,with K-means cluster method,the regions are converted to binary form and the plaque-like textures are detected.To test this method,the method was used to detect 918 crypts and 127 plaques that were artificially marked in our gallery;and the detection accuracies were 92.16%and 76.38%,respectively.The experiment results show that the proposed method can detect the iris plaque-like textures from the visible iris images with complex background and multiple texture coexisting.This texture information will be helpful for improving the robustness of iris recognition.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《光电工程》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院光电技术研究所 中国光学学会
  • 主编:罗先刚
  • 地址:四川省成都市双流350信箱
  • 邮编:610209
  • 邮箱:oee@ioe.ac.cn
  • 电话:028-85100579
  • 国际标准刊号:ISSN:1003-501X
  • 国内统一刊号:ISSN:51-1346/O4
  • 邮发代号:62-296
  • 获奖情况:
  • 四川省第二次期刊质量考评自然科学期刊学术类质量...,四川省第二届优秀期刊评选科技类期刊三等奖
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,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(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:14003