主動輪廓線虹膜定位的改進算法研究.pdf

1、主動輪廓線模型(Snake)是一種有效的復雜輪廓提取及圖像解釋方法，它通過不斷地極小化自身的能量函數(shù)來達到定位物體邊界的目的。但是，傳統(tǒng)的Snake模型及其應用仍存在一些問題，如對初始位置敏感，需要依賴其它機制將主動輪廓線的蛇點放置在圖像中目標附近，以致弱邊界圖像求解效果較差。盡管已有研究為視覺問題提出了特定的解決方案，但是具體問題的解決還需要提出具體的解決方法，得到一些適合的能量函數(shù)，建立較好的數(shù)學模型。好的函數(shù)能使Snake模型很好

2、地收斂到最小位置，否則可能收斂到局部的點，甚至發(fā)散。針對以上問題，本文提出一種基于改進Snake模型的虹膜定位算法：研究能量函數(shù)的構造和蛇點的自適應分布，用傅里葉描述子來描述目標的輪廓，圖像力采用圖像本身的梯度值，使Snake很好地收斂于輪廓邊界。
　　 首先根據(jù)灰度投影原理，灰度累計最小為瞳孔的大致中心，即為初始化點。然后應用改進Snake模型的能量函數(shù)，均勻地對蛇點進行搜索。在搜索中的開始階段由于受到噪音的影響，往往誤差較大

3、，可以加大外部能量函數(shù)的調(diào)整以減少誤差，經(jīng)過一段時間的迭代，各蛇點的輪廓開始逼近目標輪廓，直到其到達虹膜的邊界為止。最后以瞳孔的半徑為虹膜外邊界的初始半徑，使用圓板匹配算法定位外邊界，然后得出整個虹膜邊界。
　　 本文以CASIA虹膜數(shù)據(jù)庫(標準虹膜特征定位數(shù)據(jù)庫)為操作集對該方法進行了仿真和實驗測試。實驗結果表明，改進的Snake算法能夠提高定位速度與精度。同時，該算法不用特征提取和二值化，縮短了Snake的整體輪廓的定位時間