Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
3D Shapes Isometric Deformation Using in-tSNE Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

A Fast and Accurate Iris Segmentation Approach

verfasst von : Guojun Cheng, Wenming Yang, Dongping Zhang, Qingmin Liao

Erschienen in: Image and Graphics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Iris segmentation is a vital forepart module in iris recognition because it isolates the valid image region used for subsequent processing such as feature extraction. Traditional iris segmentation methods often involve an exhaustive search in a certain large parameter space, which is time consuming and sensitive to noise. Compared to traditional methods, this paper presents a novel algorithm for accurate and fast iris segmentation. A gray histogram-based adaptive threshold is used to generate a binary image, followed by connected component analysis, and rough pupil is separated. Then a strategy of RANSAC (Random sample consensus) is adopted to refine the pupil boundary. We present Valley Location of Radius-Gray Distribution (VLRGD) to detect the weak iris outer boundary and fit the edge. Experimental results on the popular iris database CASIA-Iris V4-Lamp demonstrate that the proposed approach is accurate and efficient.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Digital Watermarking Algorithm for Trademarks Based on U System
Nächstes Kapitel A Fast Edge Detection Model in Presence of Impulse Noise
Literatur
1.
Daugman, J.: Biometric personal identifiation system based on iris analysis. U.S. Patent 5291560 (1994)
2.
Daugman, J.: High confience visual recognition of persons by a test of statistical independence. IEEE Trans. Pattern Anal. Mach. Intell. 15(11), 1148–1161 (1993)CrossRef
3.
4.
Cui, J., Wang, Y., Tan, T., Ma, L., Sun, Z.: A fast and robust iris localization method based on texture segmentation. In: SPIE Defense and Security Symposium, vol. 5404, pp. 401–408 (2004)
5.
Daugman, J.: New methods in iris recognition. IEEE Trans. Syst. Man Cybern. Part B: Cybern. 37(5), 1167–1175 (2007)CrossRef
6.
Haindl, M., KrupiČka, M.: Unsupervised detection of non-iris occlusions. Pattern Recogn. Lett. 57, 60–65 (2015)CrossRef
7.
Daugman, J.: How iris recognition works. IEEE Trans. Circ. Syst. Video Technol. 14(1), 21–30 (2004)CrossRef
8.
Li, P., Liu, X., Xiao, L., et al.: Robust and accurate iris segmentation in very noisy iris images. Image Vis. Comput. 28(2), 246–253 (2010)CrossRef
9.
Shah, S., Mandowara, A., Patel, M.: Iris segmentation and recognition for human identification (2014)
10.
Tan, T., He, Z., Sun, Z.: Efficient and robust segmentation of noisy iris images for non-cooperative iris recognition. Image Vis. Comput. 28(2), 223–230 (2010)CrossRef
11.
Wildes, R.P.: Iris recognition: an emerging biometric technology. Proc. IEEE 85(9), 1348–1363 (1997)CrossRef
12.
Uhl, A., Wild, P.: Weighted adaptive hough and ellipsopolar transforms for real-time iris segmentation. In: 2012 5th IAPR International Conference on Biometrics (ICB), pp. 283–290. IEEE (2012)
13.
Popplewell, K., Roy, K., Ahmad, F., et al.: Multispectral iris recognition utilizing hough transform and modified LBP. In: 2014 IEEE International Conference on Systems, Man and Cybernetics (SMC), pp. 1396–1399. IEEE (2014)
14.
Leo, M., Marco, T.D., Distante, C.: Highly usable and accurate iris segmentation. In: 2014 22nd International Conference on Pattern Recognition (ICPR), pp. 2489–2494. IEEE (2014)
15.
Kaur, N., Juneja, M.: Segmentation approach for iris recognition in less constrained environment. In: Maharatna, K., Dalapati, G.K., Banerjee, P.K., Mallick, A.K., Mukherjee, M. (eds.) Computational Advancement in Communication Circuits and Systems. Lecture Notes in Electrical Engineering, vol. 335, pp. 481–490. Springer, India (2015)
16.
Sahmoud, S.A., Abuhaiba, I.S.: Efficient iris segmentation method in unconstrained environments. Pattern Recogn. 46(12), 3174–3185 (2013)CrossRef
17.
Daugman, J.: New methods in iris recognition. IEEE Trans. Syst. Man Cybern. Part B: Cybern. 37(5), 1167–1175 (2007)CrossRef
18.
He, Z., Tan, T., Sun, Z., et al.: Toward accurate and fast iris segmentation for iris biometrics. IEEE Trans. Pattern Anal. Mach. Intell. 31(9), 1670–1684 (2009)CrossRef
19.
Lin, Y., Qu, Z., Zhang, Y., et al.: A fast and accurate pupil localization method using gray gradient differential and curve fitting. In: Proceedings of the 4th International Conference on Computer Engineering and Networks, pp. 495–503. Springer, Heidelberg (2015)
20.
Tan, C.W., Kumar, A.: Automated segmentation of iris images using visible wavelength face images. In: 2011 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 9–14. IEEE (2011)
21.
Proenca, H.: Iris recognition: on the segmentation of degraded images acquired in the visible wavelength. IEEE Trans. Pattern Anal. Mach. Intell. 32(8), 1502–1516 (2010)CrossRef
22.
Cui, J., Wang, Y., Tan, T., et al.: A fast and robust iris localization method based on texture segmentation. In: International Society for Optics and Photonics, Defense and Security, pp. 401–408 (2004)
23.
Metadaten
Titel
A Fast and Accurate Iris Segmentation Approach
verfasst von
Guojun Cheng
Wenming Yang
Dongping Zhang
Qingmin Liao
Copyright-Jahr
2015
Buch
Image and Graphics

Print ISBN: 978-3-319-21977-6

Electronic ISBN: 978-3-319-21978-3

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-21978-3_6

Premium Partner

    Bildnachweise