双阈值检测在同时检测中的应用.docxVIP

双阈值检测在同时检测中的应用 混凝土区域噪声 现有的蜂窝识别算法能够正确识别能够相对完整和干扰较小的虹度图像。由于设备和人之间存在一些不确定不稳定的因素,使得在采集的虹膜图像中存在噪声干扰,虹膜区域中的干扰主要包括上下眼睑、眼睑阴影、睫毛、光源像点等。这些干扰如果不消除,而作为真实信号看待,必然造成虹膜特征的错误表示,因此虹膜图像中噪声的检测是提高系统识别率的一个重要途径。 由于瞳孔区域受噪声影响较小,而虹膜外边缘的定位容易受眼睑、睫毛等噪声干扰的影响,所以本文中虹膜图像预处理的流程为:首先定位出瞳孔边界来确定噪声的大致范围;对眼睑、睫毛噪声进行处理;然后对虹膜外边界进行定位;最后检测虹膜区域内的光斑。 1 嘴唇定位算法 在虹膜圆环区域中,眼睑的影响是最常见的,几乎每个虹膜区域都受到了眼睑的侵入。眼睑噪声包括上眼睑和下眼睑,上下眼睑开度不同,裸露出的虹膜区域面积也不同。当开度较小时,虹膜区域部分将被眼睑遮住较多。如果这部分眼睑作为有效虹膜区域带入虹膜编码模块,那么得到的虹膜编码可信度将大大降低。 文献中关于上、下眼睑的检测己有不少介绍,其中Daugman的虹膜识别系统,采用微积分边缘检测器搜索眼睑和虹膜的交界处圆弧,当搜索的圆弧路径的灰度梯度达到最大时,就是眼睑边缘。Wildes采用的识别系统采用边缘检测和Hough变换相结合的两步定位算法。首先用带有方向性的边缘检测算子检测眼睑