Труды КНЦ вып.124 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ вып. 5/2014(24))

Экспериментальные результаты В качестве источника изображений для эксперимента выбрана база CASIA-Iris-Twins V4 (было обработано 3183 изображения). Результаты работы алгоритма приведены в табл. 1. Одним из основных источников ошибки выделения зрачка являлось наличие светлых ниспадающих волос, которые делили изображение зрачка на две части. При этом минимум яркости определялся в одной из областей, что приводило к выделению не всего региона зрачка. Таблица 1 Результаты работы алгоритма Верно, % Ошибочно, % Мин. время, мс Макс. время, мс Среднее время, мс 96,45 3,55 144 262 162 В табл. 2 приведено среднее время поиска зрачка для других алгоритмов. Таблица 2 Время работы алгоритмов Алгоритм Среднее время, мс Daugman 478 Wildes 394 Masek 108 Ма 376 Предлагаемый 162 Изображения в базе CASIA-Iris-Twins имеют размер 640 пикселей в ширину и 480 пикселей в высоту. При уменьшении изображений до размера 320x240 пикселей время поиска уменьшается в среднем в 3,7 раза. То есть примерно в к 2 раз, где к - коэффициент уменьшения. В этом случае скорость работы алгоритма выделения зрачка превосходит те, что представлены в табл. 2 . Заключение Преимуществом предложенного метод выделения зрачка на изображении глаза является первоначальная оценка месторасположения зрачка, что существенно облегчает задачу поиска и показывает хорошие результаты в точности определения. Для этого применяется оценка яркости региона изображения, а не суммирование яркости по строкам и столбцам. Для определения области поиска производится выбор региона с наименьшей яркостью, после чего изображение бинаризуется и подвергается преобразованию Хафа. Апробация работы алгоритма проведена на изображениях открытой биометрической базы данных CASIA-Iris-Twins. Предложенный метод наиболее эффективен при использовании изображений, полученных в инфракрасном диапазоне, так как в этом случае регион минимума яркости попадает в область зрачка. При использовании 176