臺灣博碩士論文加值系統

眼睛是人類的靈魂之窗，除了是人類利用視覺認識世界，其眼睛上面的虹膜，複雜的圖案不只能夠確定個人的身分，虹膜的部分區域也代表著人的身體器官是否健康的依據之一。本篇論文使用一些影像處理的演算法，除了抓取虹膜的範圍，並且根據虹膜學的研究，劃分12等分代表著每一個人體器官，以供醫師透過眼睛的影像進行診斷。另一項則是瞳孔收縮的速度，能夠反應腎氣的狀況。

The eyes are the window to the soul of mankind, people through them to understand the world. In addition of this, the intricate patterns of the iris not only could identify individual but also represents the health of human organs. In this thesis, we use some image processing algorithms to capture iris, and according to the study of iridology, divided it into 12 regions from the inside to the outside, respectively. The status of organs and can be used for diagnostic. Another is the speed of contraction of the pupil, that would reflect the kidney meridians.

中文摘要 I
Abstract II
致謝 III
目錄 IV
表目錄 VII
圖目錄 VIII
第一章 緒論 1
1.1 研究動機 1
1.2 研究目的 2
1.3 文章架構 4
第二章 虹膜學 5
2.1 概論 5
2.2 研究方法 5
第三章 文獻探討 7
3.1 邊緣檢測 7
3.2 平均濾波 8
3.3 影像二值化 8
3.4 影像形態學：閉合(closing) 10
3.4 連通成分(connected component) 14
3.5 最小平方圓法 16
3.6 紅外線技術 18
3.7 遞迴法(Recursive Method) 19
第四章 研究方法及步驟 20
4.1 虹膜影像處理 20
4.1.1 前處理 20
4.1.2 縮小搜查面積 22
4.1.3 判別邊緣 23
4.1.4 搜尋圓周座標點 25
4.1.5 正規化並找出圓數據 27
4.2 虹膜病理畫分 28
4.3 瞳孔收縮率 30
4.3.1 硬體設備 30
4.3.2 拍攝眼睛影片 31
4.3.3 找出瞳孔區域 32
4.3.4 半徑變化趨勢 34
第五章 實驗結果 36
5.1 虹膜檢測結果 36
5.2 瞳孔收縮率結果 40
第六章 結論 41
參考文獻 42

表目錄
表 一 依半徑長度設定的取樣角度範圍 25

圖目錄
圖 一 虹膜器官反射區域圖 2
圖 二 邊緣偵測後會出現的邊界問題 3
圖 三 Bernard Jensen博士提出的虹膜圖 6
圖 四 物體邊緣定義圖 7
圖 五 3X3影像 8
圖 六 影像二值化 9
圖 七 閥值影像 10
圖 八 A和B兩個像素集合 11
圖 九 膨脹過程 12
圖 十 膨脹結果 12
圖 十一 進行侵蝕動作 13
圖 十二 侵蝕結果 13
圖 十三 4-近鄰；8-近鄰 14
圖 十四 以最小平方圓法求出的瞳孔圓 18
圖 十五 抓取紅外線影像 19
圖 十六 眼睛影像 20
圖 十七 灰階模糊影像 21
圖 十八 自適應閥值運算後的二值圖片 21
圖 十九 顏色反轉影像 22
圖 二十 瞳孔及虹膜候選 22
圖 二十一 驗證瞳孔候選 24
圖 二十二 尋找正確虹膜圓周點 25
圖 二十三 圓周點集合 27
圖 二十四 圓周座標集合的區域圖片 28
圖 二十五 瞳孔及虹膜圓 28
圖 二十六 劃分病理圖 29
圖 二十七 一般攝影機鏡頭及紅外線攝影機鏡頭 31
圖 二十八 攝影機構 31
圖 二十九 以紅外線為光源的眼睛影像 32
圖 三十 瞳孔的圓周座標集合 33
圖 三十一 紅外線影像的瞳孔圓 34
圖 三十二 由黃健峰醫師提供的影像資料 36
圖 三十三 帕拉茨基大學公開的影像資料 37
圖 三十四 左邊的紅圈為納環，已經遮蓋大部分左邊虹膜邊界；右圖為光線不足導致瞳孔邊界不明顯 37
圖 三十五 進行自適應閥值切割之後發現到瞳孔已經變形 38
圖 三十六 第一組影像結果 39
圖 三十七 第二組影像結果 40

[1]http://www.epochtimes.com/b5/9/11/8/n2715414.htm
[2]A.D.Wibawa and M.H.Purnomo, ”Early Detection on the Condition of Pancreas Organ as the Cause of Diabetes Mellitus by Real Time Iris Image Processing,” IEEE Asia Pacific Conference on Circuits and Systems, 2006.
[3]http://www.epochtimes.com/b5/9/7/12/n2587341.htm
[4]陳國宏, “A Method For Identifying Nidus In The Iridology,” 碩士論文, 朝陽科技大學資訊工程系, 臺中, 2010.
[5]http://www.healingfeats.com/scrnsav.htm
[6]Jae S. Lim, “Two-Dimensional Signal and Image Processing, Prentice Hall,“ 1990.
[7]Gonzalez, Rafael C., Woods, Richard E., “Digital Image Processing, “ pp. 595–611, Pearson Education, 2002.
[8]M. Petrou, P.G. Sevilla, Image Processing: dealing with texture, NJ : John Wiley & Sons Inc. , 2006.
[9]G. Blanchet, M. Charbit, Digital Signal and Image Processing Using Mathlab, CA : ISTE Ltd. , 2006.
[10]劉正忠, “數位影像處理暨虹膜辨識系統,“ 專題報告, 國立勤益大學電子工程系, 臺中, 2009.
[11]Richard W. Hall, Parallel Connectivity-Preserving Thinning Algorithms, in T. Y. Kong and Azriel Rosenfeld, eds, Topological Algorithms for Digital Image Processing, pp. 145-180, Elsevier North-Holland, 1996.
[12]Jean Serra, “Image Analysis and Mathematical Morphology,” 1983.
[13]T. Pavlidis, “Algorithms for Graphics and Image Processing ,” Springer; 1 edition, 1982.
[14]Coope, I.D., Circle fitting by linear and nonlinear least squares, Journal of Optimization Theory and Applications Volume 76, Issue 2, New York: Plenum Press, February 1993.
[15]Graham, Ronald; Donald Knuth, Oren Patashnik (1990). Concrete Mathematics. Chapter 1: Recurrent Problems.
[16]Michal Dobeš and Libor Machala, Iris Database, http://phoenix.inf.upol.cz/iris/
[17]"27.1. sys — System-specific parameters and functions — Python v2.7.3 documentation". Docs.python.org. Retrieved 2012-09-03.
[18]Thomas R. Fears, Robert E. Tarone, and Kenneth C. Chu, "False-Positive and False-Negative Rates for Carcinogenicity Screens," CANCER RESEARCH 37. pp. 1941-1945, July 1977.