虹膜识别技术：睫毛干扰抑制的新方法

"一种基于形态学算子的睫毛干扰抑制方法，用于增强虹膜识别算法对睫毛干扰的抑制能力。该方法由西安交通大学电子与信息工程学院的唐荣年和韩九强提出，通过将睫毛干扰视为背景图像中的不规则裂缝，并运用形态学中的膨胀算子来消除这些干扰。对比传统的高斯滤波方法，该方法更适应于虹膜识别，能有效减少睫毛像素点40%，提高识别准确性。" 虹膜识别技术作为生物特征识别的重要部分，因其独特的特性，如高唯一性、高稳定性和高易用性，受到了广泛的研究。然而，虹膜图像中的睫毛干扰是影响虹膜识别准确性和效率的关键问题。睫毛在图像中可能会遮挡虹膜区域，导致定位算法的失误，进而影响整个识别系统的性能。 针对这一问题，唐荣年和韩九强提出的新型方法创新地利用了形态学算子。形态学算子是一种在图像处理中用于形状分析和结构操作的工具，膨胀算子是其中之一，它可以通过填充像素来连接分离的物体或消除细小裂缝。在此方法中，他们将睫毛干扰视作图像中的随机、不规则裂缝，通过膨胀算子来填补这些裂缝，从而有效地抑制睫毛对虹膜图像的干扰。 相较于传统方法，如高斯滤波，这种基于形态学的方法更具针对性，因为它专门针对睫毛的特征设计。在CASIA虹膜库的实验中，这种方法在高斯滤波的基础上额外减少了40%的睫毛像素点，显示出其在睫毛干扰抑制上的优越性。 虹膜识别系统通常包括虹膜定位、特征提取和特征识别三个步骤。其中，虹膜定位是最基础也最关键的部分，任何干扰都会影响其准确性。因此，开发出有效的睫毛干扰抑制方法对于提高虹膜定位的准确性和整个识别系统的效率至关重要。唐荣年和韩九强的工作为解决这一问题提供了一个新的视角和解决方案，为后续的虹膜识别研究和实际应用提供了理论支持和技术参考。