资料下载
基于灰度特征的虹膜图像质量评价方法_罗晓庆
#Freedom
分享资料个
虹膜识别是近年发展起来的一种新型生物特征识别方法。与指纹识别、人脸识别和语音识别等其它生物特征识别方法相比，虹膜识别在准确性、唯一性、稳定性、可采集性和非侵犯性等方面具有更强的优势。在实际应用中，虹膜识别系统的识别效果与采集的图像质量密切相关。虹膜图像在采集过程中往往容易出现运动模糊、失焦、眼睑遮挡等异常情况，这些情况将会使得虹膜识别系统难以做出准确的判断，严重影响识别效果。为了提高识别准确率，当采集到一幅虹膜图像后，需要对虹膜图像进行质量评价，检验虹膜图像是否合格，以筛选掉采集效果不佳的图像，保证后续操作的顺利进行。目前，已有不少工作研究虹膜识别中的图像质量评价方法。 Daugman 通过计算虹膜图像二维傅里叶频谱中的高频段能量来评估虹膜图像的清晰程度。Ma 等 将虹膜图像的二维傅里叶频谱划分为高、中、低频段后，用虹膜区域总的频谱能量来区分未遮挡和严重遮挡的虹膜图像， 用中频段能量与其他频率能量的比值来区分清晰和模糊的虹膜图像。陆旭光等 提出基于视觉感兴趣区的图像质量评价方法， 该方法通过分析影响视觉兴趣性的亮度、灰度、面积等因素，得出不同区域的兴趣性加权系数，对客观图像质量进行评价。文献 4 提出对虹膜图像空间滤波后，分别使用傅里叶频谱高频、垂直高频能量来评估离焦模糊和运动模糊程度， 用虹膜区域的平均灰度值来判断虹膜是否存在遮挡。文献 5 提出对虹膜图像进行二级小波分解后，计算小波系数的方差来区分清晰和模糊图像， 用高频子带图像中小于某灰度阈值的像素个数来估计虹膜遮挡程度。文献 6 提出对虹膜图像进行小波包分解， 选取高频分量分布最集中的子频带能量来评估虹膜纹理的清晰程度。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
