虹膜图像质量评估方法的研究
虹膜识别作为重要的生物特征识别，因其具有唯一性、稳定性、可采集性、非侵犯性等优点而引起了广泛的关注，并且取得了相应的成果。然而在识别速度和准确率方面，很难做到两全其美，而虹膜图像质量评估的出现则使解决此瓶颈问题成为可能。本文通过对虹膜图像质量要求的研究，提出了一种虹膜图像质量评估算法，该算法包含虹膜图像清晰度、虹膜可见度两个指标。为了提高自动虹膜识别系统中图像筛选的速度，将上述两个指标综合为“虹膜图像综合质量评估”指标。主要研究内容如下：
⑴在虹膜图像清晰度上，根据图像在灰度值上的特性，提出运用“拉普拉斯(8邻域微分)算子和”方法实时地判断输入图像的清晰度，如果被初判为模糊的图像，则进一步通过改进的基于拉普拉斯锐化与FFT(快速傅立叶变换)相结合的算法来分析图像产生模糊的原因。
⑵在虹膜可见度上，是用虹膜比重因子和瞳孔缩放因子的乘积来表示。其中，虹膜比重因子是先根据图像的灰度特征，获取虹膜像素点的个数，从而得出该区域上的虹膜比重因子；瞳孔缩放因子是运用虹膜图像定位结果，通过几何方法来计算。
⑶在虹膜图像综合质量评估上，其定义为：Q=ω1Q1+ω2Q2。其中，Q1和Q2分别为虹膜图像清晰度和虹膜可见度质量评估因子，ω1为Q1因子的权值，ω2为Q2因子的权值。Q指标能够很好地体现虹膜图像质量同Q1，Q2的变化关系，并且计算简单，易于实现。
⑷本文提出的算法和思路丰富了虹膜识别技术的研究，并且能提高识别的准确率，具有一定的理论和实践意义，但算法仍存在一些缺陷(比如：虹膜图像的质量评估都是在定位处理之后进行，无疑与后期的虹膜识别工作重复)，需进行进一步研究和改进。
图像识别;虹膜检测;图像处理;虹膜定位
大连海事大学
硕士
计算机科学与技术
黄健
2009
中文
TP391.41;TP317.4
58
2009-12-30（万方平台首次上网日期，不代表论文的发表时间）