活动轮廓模型在视网膜检测中的应用.docxVIP

活动轮廓模型在视网膜检测中的应用 由于膜模型具有高度的稳定性和独特性，很难通过人体自身机制的保护来改变和损害。膜识别是最可靠的身份认证方法，在过去的十多年里引起了人们的广泛关注。在通常收集的膜像电图中，不仅包括圆形膜，还包括眼睛周围的部分（例如瞳孔、眼白、眼、头晕、毛巾等）。在提取特征之前，我们必须对图像进行分段，确定圆形膜的内外边界，并检测该区域中的眼和睫毛。自1993年首次实现膜识别技术以来，膜特征识别技术主要集中在膜的内外边界测量上。一些法案只是为了检测眼睑干、眼唇发育不良和粘膜损伤。daugman建议通过计算和签名等长的掩盖模码来确定膜区域是否被眼睛阻挡，包括眼唇干、反射光斑和膜膜假界面。然而，在文献中，这些模型的计算方法没有提供。在文献中，直接删除1.2或1.4条返回给合并膜图像的1.4部分，以避免眼和耳语言识别的影响，不仅简化了计算，还取得了一定的效果。但该方法减少了膜特征的信息，并保留了剩余的眼和耳。 通常虹膜内外边界被模型化为两个标准圆,上下眼睑模型化为两条抛物线或弧线,然后采用积分微分算子或边缘检测联合Hough变换的方法得到模型参数.但瞳孔的边界并非总是标准圆形,当将虹膜边界近似为两个圆时,会有部分瞳孔出现在分割的虹膜区域产生虚假特征,同时引起归一化虹膜特征的变形.其次眼睑边界的抛物线模型是四维参数空间的搜索过程,其参数搜索范围的先验知识很难得到.另外在原始虹