该博客探讨了虹膜图像预处理中的运动模糊检测问题，通过特征提取如区域长宽比、光斑点面积比和边界对称性，结合决策树实现约90%的准确率。文章引用冈萨雷斯的《数字图像处理》，讨论了决策理论方法和结构方式在目标识别中的应用，并提出在特定情况下利用圆的定义或轮廓特征改进判断。总结指出，简单的图形匹配可通过几何描述，复杂情况则需更深入的图像描述方法。
序言
首先看到这个问题，最先想到的就是如何去定义一个运动模糊。想到的答案是这样的，虹膜图像的运动模糊来可以由光斑很好的确认，利用光斑的形状就可以描述是否产生了运动模糊。
解决思路
那么现在问题有了思路，我把它转化成更数学，更程序化的方式。第一步就是提取光斑，很多论文中介绍了边缘检测、区域生长等各种方法，这里我就不再赘述。输入是一个二维数组的区域，第一步一定就是特征提取。根据如下图片，大致可以利用如下几个参数来表征特征。1.区域长宽比 2.区域光斑点面积比 3.边界对称性 。根据以上3个特性，利用决策树来进行划分，可以得到90左右的准确率。
虹膜清晰图片示例 虹膜模糊图像示例
存在问题
有一些特别的例子，是满足清晰特性但确运动模糊的。这里没有特别的例子，大家可以脑补下。原因解释如下，存在很多其他的形状同时
最低0.47元/天 解锁文章
1115
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
