虹膜内边缘定位的齿形变换方法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.此算法分别对虹膜图像的每一行进行处理.首先,采用一种简单的齿形变换对虹膜图像每一行的灰度曲线进行变换,变换后的灰度曲线为齿形并且虹膜内边缘点出现在齿形曲线的转折点处.然后,根据在虹膜内边缘点处齿形灰度曲线的斜率由负值变为正值的特点,检测虹膜内边缘点并定位虹膜内边缘的位置.此算法具有新颖、简单、准确和速度快等特点.     

一种基于区域标记的虹膜内边缘定位新算法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.首先,采用Soble边缘检测算子和形态学变换进行边缘检测;然后,利用区域标记法为边缘检测后形成的各连通成分赋予相应的灰度值,并利用直方图的方法分离出瞳孔区域;最后,采用投影的方法进行瞳孔的定位.实验结果表明,文中提出的方法能够准确地进行虹膜内边缘定位.     

基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.