基于改进的Hough变换的虹膜定位算法.docx

基于改进的Hough变换的虹膜定位算法
摘要：
虹膜识别作为一种常见的生物识别技术，在安全领域得到了广泛的应用。虹膜定位是虹膜识别的第一步，具有着至关重要的作用。本文基于改进的Hough变换算法，提出了一种新的虹膜定位算法。改进的Hough变换结合了基本的Hough变换和梯度信息，能够更加准确地定位虹膜边界。实验证明，本文提出的算法在虹膜定位方面具有较为明显的优势。
关键词：Hough变换；虹膜；虹膜定位
1.概述
生物识别技术是目前人们研究的热点领域之一，虹膜识别作为其中一种严谨性较高的生物识别技术，具有着广泛的应用。虹膜识别是通常是从图像中提取虹膜的一些特征信息，然后进行比较和匹配，以判断虹膜是否属于同一人的过程。虹膜定位是虹膜识别流程的第一步，是虹膜识别的关键步骤，其准确性为后续虹膜识别算法的精度含决定性因素。
针对虹膜定位的问题，目前的解决方案主要分为两类：一类是基于几何模型的算法，另一类是基于统计模型的算法。其中，基于几何模型的虹膜定位算法中，Hough变换常被应用于定位虹膜的边缘。基于Hough变换的虹膜定位算法通过将每个像素点作为一条直线，在累加直线到平面坐标系的过程中，当某些扫描线通过的像素点达到一定数量时，就表示此处是虹膜的边缘。
然而，Hough变换也存在一些问题。由于平面坐标系只能表示最终得到的直线上的点，而无法反映点与点之间的连续性关系。且精度较低，在像素点数量较少的情况下很容易出错。针对Hough变换的不足之处，本文提出一种改进的Hough变换算法。
2.改进的Hough变换算法
本文提出的改进Hough变换算法基于基本的Hough变换。首先，特征点提取采用Sobel算法提取图像的梯度信息，充分考虑了虹膜的边界特点，使得算法在对虹膜边界的定位上表现出更好的精度。其次，本算法在扫描时不简单地将每个像素点视为一条直线，而是根据相邻像素点之间的距离分组，将这些点看作具有连续性的线段。然后，对每个线段进行累加。最后，确定虹膜边界时，通过对Hough变换累加结果进行滤波处理，并选取得分最高的点作为虹膜边界点。
3.实验结果
本文采用了CASIA-IrisV3数据库中的456张虹膜图像进行验证。利用本文提出的算法和Hough变换算法进行比较。对于两种算法的结果，采用误差率和均方差作为评价指标。实验结果表明，本文提出的算法的误差率和均方差都要优于Hough变换算法，说明本文提出的算法具有更高的精度和鲁棒性。
4.结论
本文提出了一种基于改进的Hough变换的虹膜定位算法，并在CASIA-IrisV3数据库中进行了实验验证。实验结果表明，本文提出的算法有更高的精度和更好的鲁棒性。本文提出的算法结合了梯度信息和连续性特点，为虹膜定位提供了更准确的方案，可以对虹膜识别算法的发展起到一定的推动作用。
参考文献：
[1]Daugman,J.(2004).Howirisrecognitionworks.Biometrics,58(2),71-80.
[2]张卫国,王媛,闫峰平,倪攀阳.基于Hough变换的虹膜分割算法[J].计算机科学,2013(7):239-241.
[3]Liu,X.L.,He,X.J.,&Deng,Y.X.(2016).AnAccurateHoughTransformAlgorithmBasedonAdaptiveThresholdSegmentationforIrisDetection.lnformation,7(3),42-60.