ICA/PCA虹膜识别方法中预处理与分类的改进方法研究

论文摘要

本文通过查阅大量的文献,说明了基于生物特征认证的身份识别方法所具有的优势,对国内外虹膜识别过程中各个阶段的发展现状进行了介绍,验证了本文所采用的基于ROI归一化手段的ICA/PCA虹膜识别方法的新颖性。为验证算法的有效性,笔者分不同时段,不同光照环境进行虹膜图像采集,建立了针对实用环境的虹膜图像库。本文对虹膜预处理的各个阶段进行了说明,并针对归一化阶段,将本文所采用的基于ROI的归一化手段和传统基于双线性插值的归一化手段进行对比,说明了本文方法所具有的优势。随后对ICA/PCA虹膜特征提取算法的各个方面进行了详细的介绍,这其中包括了一些ICA/PCA算法中的一些基本概念、FastICA算法、PCA算法及PCA对ICA的改进算法等。本文对仿生模式识别的相关理论进行了介绍,从“认知”与“划分”的角度对仿生模式识别与传统模式识别进行了区分,给出了仿生模式识别中需要使用到的高维空间中的一些基本概念,介绍了仿生模式识别最主要的PHC理论基础,针对ICA/PCA特征提取算法的特点,说明了本文所采用的超椎体拓扑模型的构造方法,最后说明了分类的实现过程。本文通过ICA/PCA虹膜识别算法对虹膜图像旋转的敏感性测试实验,说明了本文所选取的ROI的合理性,对PCA选取主元向量的个数进行了相关实验,对ROI的选取参数进行了实验,说明了本文所选取ROI的依据,最后通过横向对比与纵向对比实验,说明了本文所采用的虹膜识别方法的有效性。

论文目录

• 提要
• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的背景和意义
• 1.2 虹膜识别概述
• 1.3 虹膜识别发展历史
• 1.3.1 国内虹膜识别发展历史
• 1.3.2 国外虹膜识别发展历史
• 1.4 虹膜识别算法研究现状
• 1.5 论文主要研究内容和结构
• 1.6 本章小结
• 第2章 虹膜图像预处理
• 2.1 虹膜图像库的建立
• 2.1.1 虹膜图像采集
• 2.1.2 虹膜图像质量评价
• 2.1.3 建立虹膜图像库
• 2.2 虹膜定位方法介绍
• 2.2.1 Canny算子轮廓提取
• 2.2.2 Hough虹膜内圆定位方法
• 2.2.3 虹膜外圆定位方法
• 2.3 虹膜图像归一化
• 2.3.1 传统归一化方法
• 2.3.2 基于ROI的归一化方法
• 2.4 虹膜图像增强
• 2.5 本章小结
• 第3章 ICA/PCA虹膜特征提取
• 3.1 ICA虹膜特征提取
• 3.1.1 引言
• 3.1.2 ICA论模型
• 3.1.3 球化
• 3.1.4 ICA算法
• 3.2 ICA/PCA虹膜特征提取
• 3.2.1 PCA算法
• 3.2.2 PCA对ICA的改进
• 3.2.3 基于ROI归一化手段的ICA/PCA虹膜特征提取方法
• 3.3 本章小结
• 第4章 基于仿生的虹膜分类方法
• 4.1 仿生模式识别理论基础
• 4.1.1 仿生模式识别与传统模式识别的区别
• 4.1.2 高维空间基本概念
• 4.1.3 同源连续性原则
• 4.1.4 拓扑模型与样本覆盖
• 4.1.5 传统高维空间分类方法
• 4.1.6 仿生模式识别
• 4.2 ICA/PCA虹膜识别方法中拓扑模型构造方法
• 4.2.1 余弦距分类器
• 4.2.2 ICA/PCA虹膜识别方法中拓扑模型构造过程
• 4.2.3 覆盖范围选择方法
• 4.3 仿生虹膜分类方法
• 4.4 本章小结
• 第5章 实验设计与结果分析
• 5.1 系统性能指标定义
• 5.1.1 传统模式识别中性能指标的定义
• 5.1.2 仿生模式识别中性能指标的定义
• 5.2 ICA/PCA方法对虹膜图像旋转的敏感性测试实验
• 5.3 PCA主元向量选取依据实验
• 5.4 虹膜ROI选取实验
• 5.5 不同识别方法的对比实验
• 5.6 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 6.3 本章小结
• 参考文献
• 作者简介及在学期间所取得的科研成果
• 致谢