基于概率提升树的虹膜分割算法

针对传统边缘检测算法无法自动提取虹膜边缘的问题,提出一种基于监督学习的边缘检测虹膜分割算法。提取边界点样本的多尺度Haar和Hog特征,以概率提升树作为训练框架训练出瞳孔、虹膜、眼皮的概率提升树分类模型,将测试样本输入概率提升树后输出边界点为真实虹膜边界的概率,并对分类输出的真实虹膜轮廓边界进行拟合,最终利用局部OTSU算法实现虹膜的精确分割。实验结果表明,与基于霍夫变换和活动轮廓模型的虹膜分割算法相比,该算法具有更少的测试时间和更低的分割错误率。